程慧平　蔣星　于歡歡

關(guān)鍵詞： 微信公眾號(hào)； 取消關(guān)注意愿； 個(gè)人—環(huán)境—技術(shù)框架； 模糊集定性比較分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．００８

〔中圖分類號(hào)〕Ｇ２５２.０ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０６－００７８－１０

社交媒體作為新興的信息傳播媒介和社交工具，極大地豐富了人們的數(shù)字化生活， 同時(shí)也重新塑造著個(gè)人的信息消費(fèi)模式。根據(jù)第４９ 次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》（ＣＮＮＩＣ）顯示， 截至２０２１年１２ 月， 我國(guó)網(wǎng)民規(guī)模達(dá)１０.３２ 億， 其中即時(shí)通信用戶規(guī)模達(dá)到１０.０７ 億， 占網(wǎng)民整體的９７.５％。伴隨著大規(guī)模即時(shí)通信用戶群體的出現(xiàn)， 用戶流失成為不可避免的現(xiàn)象。作為目前主流的即時(shí)通信軟件之一——微信， 在２０１２ 年推出了微信公眾號(hào)這一服務(wù)板塊， 它進(jìn)一步滿足了用戶對(duì)高質(zhì)量信息的需求。然而， 微信公眾號(hào)數(shù)量的不斷增多導(dǎo)致信息呈爆炸式增長(zhǎng)， 這些過量的信息已遠(yuǎn)遠(yuǎn)超出了用戶接收并處理信息的能力， 導(dǎo)致用戶產(chǎn)生使用壓力，為減少或消除這些壓力源， 用戶會(huì)選擇取消關(guān)注微信公眾號(hào)。微信公眾號(hào)的用戶流失會(huì)嚴(yán)重影響到微信公眾號(hào)的可持續(xù)發(fā)展。因此， 探討微信公眾號(hào)用戶流失的潛在誘因， 對(duì)優(yōu)化微信公眾號(hào)的運(yùn)營(yíng)效果， 增強(qiáng)用戶黏性和吸引新用戶尤為重要。

微信公眾號(hào)取消關(guān)注是指用戶將已經(jīng)使用的微信公眾號(hào)移出公眾號(hào)訂閱列表， 以避免接收其推送的信息［１］ 。目前， 已有學(xué)者對(duì)社交媒體用戶流失影響因素進(jìn)行了分析， 主要包括： ①個(gè)人因素： Ｋｉｍ ＪＹ［２］ 研究發(fā)現(xiàn)， 有著不同個(gè)性、價(jià)值觀等主觀特征的個(gè)體對(duì)終止使用社交媒體的動(dòng)機(jī)認(rèn)知存在差異；Ｍａｓｏｏｄ Ａ 等［３］ 研究發(fā)現(xiàn)， 自控失靈、睡眠質(zhì)量差通過內(nèi)疚感的中介作用間接影響智能手機(jī)社交網(wǎng)站用戶退出意向； Ｚｈａｎｇ Ｇ 等［１］ 研究發(fā)現(xiàn)， 公眾號(hào)取消關(guān)注行為存在性別上的差異； Ｋｗｏｎ Ｅ Ｓ 等［４］ 研究發(fā)現(xiàn)， 感知品牌隔離、態(tài)度負(fù)向影響Ｆａｃｅｂｏｏｋ上品牌隱藏意愿； Ｋｗａｋ Ｈ 等［５］ 研究發(fā)現(xiàn)， 影響Ｔｗｉｔｔｅｒ 用戶取消關(guān)注的因素包括： 關(guān)系的互惠、關(guān)系重疊等； ②環(huán)境因素： Ｔａｎｇ Ｚ Ｙ 等［６］ 研究發(fā)現(xiàn)，個(gè)人品牌不匹配、替代品吸引力會(huì)正向影響品牌微博用戶取消關(guān)注意愿； Ｌｉｎｅｋ Ｓ Ｂ 等［７］ 研究發(fā)現(xiàn)，Ｔｗｉｔｔｅｒ 推送的內(nèi)容以及推送頻率會(huì)影響Ｔｗｉｔｔｅｒ 用戶取消關(guān)注意愿； Ｌｉａｎｇ Ｈ 等［８］ 研究表明， 信息過載和信息冗余正向影響Ｔｗｉｔｔｅｒ 用戶取消關(guān)注意愿，信息相似性則會(huì)產(chǎn)生負(fù)向影響； 鄭德俊等［９］ 研究發(fā)現(xiàn)， 移動(dòng)閱讀服務(wù)平臺(tái)用戶流失的影響因素包括替代品吸引力、用戶朋友圈； ③技術(shù)因素： 郭順利等［１０］ 研究表明， 高校圖書館微信公眾平臺(tái)的功能因素是影響用戶流失的最根本原因； 徐孝娟等［１１］研究發(fā)現(xiàn)， 系統(tǒng)質(zhì)量不足時(shí)， 用戶終止使用社交網(wǎng)站的可能性會(huì)變大； Ｄａｒｂａｎ Ｍ 等［１２］ 研究發(fā)現(xiàn)， 采納后技術(shù)—任務(wù)匹配會(huì)對(duì)用戶放棄使用信息系統(tǒng)的意愿產(chǎn)生負(fù)向影響。

綜上所述， 已有相關(guān)研究成果為微信公眾號(hào)用戶取消關(guān)注意愿研究提供了一定的啟示， 但仍存在以下兩點(diǎn)不足： 一是已有研究從用戶個(gè)人因素、環(huán)境因素或技術(shù)因素闡釋了社交媒體用戶流失現(xiàn)象的形成機(jī)理， 但鮮有研究將以上３ 類因素納入同一理論框架內(nèi)對(duì)微信公眾號(hào)用戶取消關(guān)注意愿的成因進(jìn)行全面分析； 二是已有研究主要采用單一的結(jié)構(gòu)方程模型方法進(jìn)行數(shù)據(jù)分析， 無法對(duì)用戶取消關(guān)注意愿的多個(gè)前因變量之間相互依賴產(chǎn)生的復(fù)雜因果關(guān)系進(jìn)行解釋， 本文利用模糊集定性比較分析方法則可以彌補(bǔ)這一不足， 使得研究結(jié)論更具有可靠性。

因此， 本研究基于個(gè)人—環(huán)境—技術(shù)框架［１３］（Ｐｅｒｓｏｎａｌ－Ｅｎｖｉｒｏｎｍｅｎｔ－Ｔｅｃｈｎｏｌｏｇｙ， ＰＥＴ 框架） 構(gòu)建微信公眾號(hào)用戶取消關(guān)注意愿影響因素研究模型， 通過結(jié)構(gòu)方程模型方法（ＳＥＭ）進(jìn)行路徑分析，并引入模糊集定性比較方法（ｆｓＱＣＡ）探討用戶取消關(guān)注意愿影響因素之間的“聯(lián)動(dòng)效應(yīng)”［１４］ ， 揭示并分析影響微信公眾號(hào)用戶取消關(guān)注意愿的關(guān)鍵因素和前因構(gòu)型， 為幫助微信公眾號(hào)運(yùn)營(yíng)商減少用戶取消關(guān)注意愿提供理論參考。

１ ＰＥＴ理論框架

個(gè)人—環(huán)境—技術(shù)框架（ＰＥＴ 框架）由Ｐｅｎｇ ＺＹ 等［１３］ 提出， 該框架認(rèn)為技術(shù)接受與利用行為的產(chǎn)生由個(gè)人因素、環(huán)境因素和技術(shù)因素的相互作用決定。其中， 個(gè)人因素是指用戶的特征， 如用戶的興趣、知識(shí)、技能等； 環(huán)境因素是指用戶個(gè)人在應(yīng)用某一技術(shù)時(shí)所在的特定環(huán)境， 即能夠促進(jìn)或抑制個(gè)人目標(biāo)實(shí)現(xiàn)的機(jī)會(huì)或約束條件； 技術(shù)因素是指技術(shù)的內(nèi)部特征， 如技術(shù)內(nèi)部的復(fù)雜性、系統(tǒng)質(zhì)量等， 也指用戶對(duì)技術(shù)的使用評(píng)估， 如感知有用性、感知易用性等。該框架將個(gè)人因素、環(huán)境因素和技術(shù)因素納入同一個(gè)模型中， 形成了一個(gè)全新、完整的理論框架， 不僅有利于對(duì)社交媒體情境下的用戶信息行為進(jìn)行更加準(zhǔn)確的解釋， 而且也益于促進(jìn)用戶信息行為領(lǐng)域相關(guān)理論的進(jìn)一步發(fā)展。

ＰＥＴ 框架在構(gòu)建之初是為了探討并更好地解釋企業(yè)員工采納系統(tǒng)后的深度使用行為， 而取消關(guān)注行為同樣是用戶采納某一項(xiàng)服務(wù)或技術(shù)后的典型行為之一。Ｙｉｎ Ｘ Ｂ 等［１５］ 揭示了環(huán)境因素、個(gè)人因素和技術(shù)因素對(duì)微信用戶信息規(guī)避行為的影響。因此，本研究認(rèn)為ＰＥＴ 框架適用于微信公眾號(hào)用戶取消關(guān)注行為的研究。根據(jù)ＰＥＴ 框架， 微信公眾號(hào)用戶取消關(guān)注意愿是用戶個(gè)人因素、環(huán)境因素和技術(shù)因素三者共同作用的結(jié)果。本研究將興趣轉(zhuǎn)移、期望不一致納入個(gè)人因素， 將公眾號(hào)關(guān)注數(shù)量、替代品吸引力納入環(huán)境因素， 將技術(shù)—任務(wù)不匹配和不確定性納入技術(shù)因素， 來解釋微信公眾號(hào)用戶取消關(guān)注意愿的發(fā)生機(jī)理。

２研究假設(shè)與模型構(gòu)建

興趣轉(zhuǎn)移是指用戶在關(guān)注公眾號(hào)后因興趣發(fā)生改變而取消關(guān)注［１６］ 。隨著各種社交媒體的不斷涌現(xiàn)以及用戶審美、需求的不斷變化， 用戶的興趣偏好也發(fā)生了改變。當(dāng)用戶難以從關(guān)注的微信公眾號(hào)中準(zhǔn)確捕捉新的興趣點(diǎn)和滿足新需求時(shí)， 用戶就有可能會(huì)取消對(duì)公眾號(hào)的關(guān)注。已有研究證實(shí)， 用戶興趣、需求的變化會(huì)降低其對(duì)產(chǎn)品或服務(wù)的忠誠(chéng)度并增加轉(zhuǎn)換意愿。Ｔａｎｇ Ｚ Ｙ 等［１６］ 研究表明， 個(gè)人興趣的變化是用戶取消關(guān)注品牌粉絲頁(yè)面的決定性因素； Ｗｉｒｔｚ Ｊ 等［１７］ 研究發(fā)現(xiàn)， 興趣變化是促使合同服務(wù)設(shè)置中用戶產(chǎn)生轉(zhuǎn)移行為的驅(qū)動(dòng)要素?；诖?， 本研究提出以下假設(shè)：

Ｈ１： 興趣轉(zhuǎn)移正向影響取消關(guān)注意愿

根據(jù)期望不一致理論（ＥＤＴ）， 用戶是否繼續(xù)關(guān)注微信公眾號(hào)取決于使用后的滿意程度［１８］ 。滿意度是用戶產(chǎn)生持續(xù)使用意愿的重要驅(qū)動(dòng)因素， 若關(guān)注某一微信公眾號(hào)后產(chǎn)生的實(shí)際績(jī)效超過關(guān)注前的期望時(shí)， 用戶便會(huì)對(duì)該公眾號(hào)產(chǎn)生滿意的態(tài)度并決定繼續(xù)使用； 反之， 用戶則會(huì)產(chǎn)生不滿意的態(tài)度，從而導(dǎo)致其取消關(guān)注微信公眾號(hào)。已有研究證實(shí)，期望不一致會(huì)顯著正向影響用戶的取消關(guān)注意愿。Ｓｈｅｎ Ｘ Ｌ 等［１９］ 研究發(fā)現(xiàn)， 中度期望不一致通過中度滿意的間接作用正向影響用戶對(duì)可穿戴健康系統(tǒng)的間歇性中輟意愿； 程慧平等［１８］ 研究表明， 期望不一致會(huì)導(dǎo)致社交媒體用戶產(chǎn)生不滿意情緒， 進(jìn)而影響用戶不持續(xù)使用社交媒體。因此， 本研究認(rèn)為期望不一致會(huì)正向影響微信公眾號(hào)用戶取消關(guān)注意愿， 并提出以下假設(shè)：

Ｈ２： 期望不一致正向影響取消關(guān)注意愿

技術(shù)—任務(wù)匹配模型（ＴＴＦ）揭示了信息技術(shù)與任務(wù)需求之間的適配對(duì)用戶使用行為的影響， 并能夠有效解釋用戶行為及其績(jī)效之間的邏輯關(guān)系［２０］ ，而作為ＴＴＦ 的擴(kuò)展模型技術(shù)—任務(wù)不匹配模型（ＴＴＭ）則被定義為任務(wù)與技術(shù)特征的不匹配， 包括“太多” “太少” 兩種類型。ＴＴＭ 進(jìn)一步闡釋了這兩種類型不匹配對(duì)用戶行為和任務(wù)績(jī)效產(chǎn)生的影響［２１－２２］ 。“太少” 指系統(tǒng)未給用戶提供任務(wù)所需的足夠功能而促使用戶產(chǎn)生沮喪感， 進(jìn)而導(dǎo)致終止使用行為； “太多” 指系統(tǒng)提供的功能選擇已遠(yuǎn)遠(yuǎn)超過用戶任務(wù)的需要， 這些過多的功能會(huì)讓用戶不知所措， 對(duì)準(zhǔn)確選擇和使用所需功能產(chǎn)生壓力感， 降低解決問題的效率， 從而負(fù)向影響用戶對(duì)系統(tǒng)的使用。已有文獻(xiàn)表明， 采納后技術(shù)—任務(wù)匹配負(fù)向影響用戶對(duì)信息系統(tǒng)的放棄使用意愿［２２］ ； Ｚａｎｄｔ ＥＣ［２１］ 研究發(fā)現(xiàn)， 技術(shù)—任務(wù)不匹配顯著負(fù)向影響用戶對(duì)系統(tǒng)的使用率。基于此， 本研究提出以下假設(shè)：

Ｈ３： 技術(shù)—任務(wù)不匹配正向影響取消關(guān)注意愿

不確定性指由于微信公眾號(hào)系統(tǒng)本身的頻繁更新、遷移或系統(tǒng)特征的不斷改變等帶給用戶的負(fù)面感知。大量微信公眾號(hào)由于是非專業(yè)的個(gè)人或組織運(yùn)營(yíng)， 導(dǎo)致公眾號(hào)系統(tǒng)在設(shè)計(jì)之初以及運(yùn)營(yíng)過程中存在著許多的技術(shù)漏洞， 致使系統(tǒng)設(shè)計(jì)不專業(yè)、業(yè)務(wù)流程不流暢、功能菜單設(shè)置不合理、頻繁跳轉(zhuǎn)第三方平臺(tái)等現(xiàn)象經(jīng)常發(fā)生。這往往會(huì)直接或間接地對(duì)用戶的認(rèn)知、行為和心理造成負(fù)面影響， 導(dǎo)致公眾號(hào)用戶產(chǎn)生疲勞狀態(tài)或厭煩情緒， 增強(qiáng)對(duì)系統(tǒng)不確定性的感知， 最終促使用戶取消關(guān)注微信公眾號(hào)。已有文獻(xiàn)發(fā)現(xiàn)， 系統(tǒng)不確定性會(huì)間接正向影響用戶對(duì)社交網(wǎng)絡(luò)服務(wù)（ＳＮＳ）的不持續(xù)使用意愿［２３］ ，云服務(wù)用戶感知不確定性會(huì)顯著負(fù)向影響其持續(xù)使用意愿［２４］ ?；诖耍?本研究提出以下假設(shè)：

Ｈ４： 不確定性正向影響取消關(guān)注意愿

用戶關(guān)注的公眾號(hào)數(shù)量越多， 每日接收到的推送信息就會(huì)越多， 當(dāng)這些信息的數(shù)量遠(yuǎn)遠(yuǎn)超過用戶的信息接收和處理的最大能力時(shí)， 用戶的注意力會(huì)被嚴(yán)重分散， 更易感知信息過載， 進(jìn)而產(chǎn)生取消關(guān)注行為［２５］ 。公眾號(hào)關(guān)注數(shù)量過多會(huì)導(dǎo)致公眾號(hào)用戶感知信息過載， 觸發(fā)公眾號(hào)用戶的取消關(guān)注行為［７］ 。此外， 由于社會(huì)熱點(diǎn)及個(gè)體興趣的確定性，過多的公眾號(hào)數(shù)量會(huì)帶來較多的同質(zhì)性信息， 用戶可能因?yàn)槎啻潍@取相同或相似的信息而產(chǎn)生取消關(guān)注部分微信公眾號(hào)的意愿。基于此， 本研究提出以下假設(shè)：

Ｈ５： 公眾號(hào)關(guān)注數(shù)量正向影響取消關(guān)注意愿

在社交媒體服務(wù)競(jìng)爭(zhēng)激烈、技術(shù)演變迅速以及社交媒體與用戶之間不存在任何強(qiáng)制性捆綁關(guān)系的背景下， 替代品吸引力成為用戶轉(zhuǎn)移或者流失的外部驅(qū)動(dòng)力［２６］ 。替代品吸引力是指用戶在使用當(dāng)前微信公眾號(hào)服務(wù)的過程中， 被其他具有同樣功能和服務(wù)的公眾號(hào)平臺(tái)吸引的程度［２７］ 。當(dāng)現(xiàn)有服務(wù)或產(chǎn)品的替代品出現(xiàn)時(shí)， 用戶就會(huì)與替代品進(jìn)行對(duì)比， 如果替代品的系統(tǒng)性能與服務(wù)能更好地滿足自身的需要， 用戶將會(huì)降低對(duì)現(xiàn)有公眾號(hào)平臺(tái)的價(jià)值感知， 產(chǎn)生不滿意的態(tài)度， 轉(zhuǎn)而增強(qiáng)對(duì)替代品的依賴， 這就會(huì)導(dǎo)致用戶流失。已有相關(guān)研究證實(shí)了替代品吸引力會(huì)正向影響用戶流失。Ｔａｎｇ Ｚ Ｙ 等［６］ 研究發(fā)現(xiàn)， 用戶感知的替代品吸引力正向影響品牌微博的取消關(guān)注意愿； Ｔａｎｇ Ｚ Ｙ 等［１６］ 研究表明， 替代品吸引力與品牌粉絲專頁(yè)用戶的不持續(xù)使用意愿正相關(guān)?；诖?， 本研究提出以下假設(shè)：

Ｈ６： 替代品吸引力正向影響取消關(guān)注意愿

綜上所述， 本研究構(gòu)建的微信公眾號(hào)用戶取消關(guān)注意愿研究模型， 如圖１ 所示。

３量表設(shè)計(jì)與數(shù)據(jù)收集

３.１量表設(shè)計(jì)

本研究模型中潛在變量的測(cè)量題項(xiàng)在已有研究成熟量表基礎(chǔ)上， 結(jié)合微信公眾號(hào)取消關(guān)注情境進(jìn)行開發(fā)設(shè)計(jì)。為保證問卷中的測(cè)量題項(xiàng)能很好地反映潛在變量需測(cè)量的內(nèi)容， 本研究在正式大規(guī)模發(fā)放問卷前， 邀請(qǐng)了信息系統(tǒng)行為領(lǐng)域經(jīng)驗(yàn)豐富的專家和具有微信公眾號(hào)取消關(guān)注經(jīng)歷的用戶進(jìn)行預(yù)測(cè)試， 并根據(jù)他們的反饋意見對(duì)測(cè)量題項(xiàng)進(jìn)行更新、刪除、增加等修改。為了過濾不具有取消關(guān)注微信公眾號(hào)經(jīng)歷的用戶， 本研究在問卷的最前面設(shè)計(jì)了一道判斷題“您是否取消關(guān)注過微信公眾號(hào)”， 通過跳轉(zhuǎn)的方式來結(jié)束問卷。

正式調(diào)查問卷共分為兩個(gè)部分： 第一部分為潛在變量的測(cè)量題項(xiàng)， 第二部分為被調(diào)查者的基本信息統(tǒng)計(jì)題項(xiàng)。潛在變量的測(cè)量題項(xiàng)包括： 興趣轉(zhuǎn)移、期望不一致、技術(shù)—任務(wù)不匹配、不確定性、替代品吸引力和取消關(guān)注意愿６ 個(gè)潛在變量， 每個(gè)潛在變量均由３～５ 條測(cè)量題項(xiàng)組成， 共計(jì)１９ 條題項(xiàng)。除公眾號(hào)關(guān)注數(shù)量外， 其他潛在變量的測(cè)量題項(xiàng)均采用李克特五級(jí)量表（１ ＝非常不同意， ２ ＝ 不同意， ３＝一般， ４＝同意， ５＝非常同意）進(jìn)行度量。其中， 興趣轉(zhuǎn)移的測(cè)量題項(xiàng)來源于Ｔａｎｇ Ｚ Ｙ 等［１６］的研究， 包括３ 個(gè)題項(xiàng)； 期望不一致的測(cè)量題項(xiàng)參考了Ｓｈｅｎ Ｘ Ｌ 等［１９］ 、Ｄｉｎｇ Ｙ［２８］ 的研究， 包括３ 個(gè)題項(xiàng)； 技術(shù)—任務(wù)不匹配的測(cè)量題項(xiàng)改編自ＺａｎｄｔＥ Ｃ［２１］ 的研究， 包括３ 個(gè)題項(xiàng)； 不確定性的測(cè)量題項(xiàng)借鑒了Ｍａｉｅｒ Ｃ 等［２３］ 、Ｔｒｅｎｚ Ｍ 等［２４］ 的研究， 包括３ 個(gè)題項(xiàng)； 替代品吸引力的測(cè)量題項(xiàng)來源于Ｔａｎｇ Ｚ Ｙ 等［１６］ 、Ｆｕ Ｓ Ｘ 等［２９］ 的研究， 包括３ 個(gè)題項(xiàng)； 取消關(guān)注意愿的測(cè)量題項(xiàng)整合了Ｚｈａｎｇ Ｇ 等［１］ 、徐孝娟等［１１］ 的研究， 包括４ 個(gè)題項(xiàng)； 公眾號(hào)關(guān)注數(shù)量測(cè)量參考Ｚｈａｎｇ Ｘ 等［３０］ 的研究， 由“您關(guān)注了多少個(gè)微信公眾號(hào)” 問題進(jìn)行測(cè)量， 回答題項(xiàng)參考了企鵝智酷聯(lián)合企鵝媒體平臺(tái)發(fā)布的《２０１７ 中國(guó)自媒體全視角趨勢(shì)報(bào)告》［３１］ ， 設(shè)置了５ 個(gè)選項(xiàng)。用戶基本信息統(tǒng)計(jì)則包括性別、年齡、受教育程度、每天使用微信的時(shí)長(zhǎng)和使用微信的年限。

３.２數(shù)據(jù)收集及樣本描述性統(tǒng)計(jì)

本研究主要針對(duì)微信公眾號(hào)取消關(guān)注意愿進(jìn)行調(diào)研， 選擇微信用戶作為調(diào)查對(duì)象， 通過“問卷星”平臺(tái)制作網(wǎng)絡(luò)問卷， 借助微信、ＱＱ 發(fā)放問卷， 限定每個(gè)ＩＰ 地址只能填寫１ 次， 共收集到問卷４２０份。在剔除所有題項(xiàng)回答一致、作答時(shí)間過短的無效問卷后， 得到有效問卷３４６ 份， 有效回收率為８２.３８％。被調(diào)查對(duì)象的人口統(tǒng)計(jì)信息描述性統(tǒng)計(jì)結(jié)果， 如表１ 所示。

３４６ 個(gè)調(diào)查樣本中， ５２.９％的用戶為女性， １８～２４ 歲的用戶規(guī)模最大， 占比６１.６％； 在受教育程度方面， 本科及以上學(xué)歷者占比達(dá)到９６.８％， 可見， 調(diào)查對(duì)象的受教育程度整體較高， 可以更好地理解題意并根據(jù)自身的實(shí)際情況進(jìn)行作答。每天使用微信時(shí)長(zhǎng)在２ 小時(shí)以上的用戶占比６２.４％， 可見長(zhǎng)時(shí)間使用微信的現(xiàn)象較為普遍。此外， 使用微信的年限大多集中在３ 年以上， 占比８５.３％， 可見調(diào)查對(duì)象都有較為豐富的微信使用體驗(yàn)， 因此選取的調(diào)查樣本具有代表性。

４數(shù)據(jù)分析

結(jié)構(gòu)方程模型方法（ＳＥＭ）能夠檢驗(yàn)潛在變量與觀測(cè)變量、潛在變量之間的關(guān)系， 可以同時(shí)考慮并處理多個(gè)因變量， 并且容許自變量和因變量含測(cè)量誤差， 但該方法無法解釋多個(gè)前因條件相互依賴產(chǎn)生的復(fù)雜因果關(guān)系［３２］ 。而模糊集定性比較分析方法（ｆｓＱＣＡ）突破了傳統(tǒng)研究方法中固有的因果關(guān)系對(duì)稱思維， 可以很好地對(duì)前因變量和結(jié)果變量之間存在的復(fù)雜因果關(guān)系進(jìn)行分析。將ＳＥＭ 與ｆｓＱ?ＣＡ 兩種方法結(jié)合， 對(duì)研究結(jié)果進(jìn)行交叉檢驗(yàn)， 可以提高研究結(jié)論的可靠性與穩(wěn)健性。

４.１結(jié)構(gòu)方程模型分析

４.１.１信度、效度檢驗(yàn)

采用Ｓｍａｒｔ ＰＬＳ ３.０ 軟件對(duì)問卷的信度、效度進(jìn)行檢驗(yàn)。信度是指測(cè)量結(jié)果的一致性、穩(wěn)定性和可靠性， 需要滿足克朗巴哈系數(shù)（Ｃｒｏｎｂａｃｈｓ α）值、組合信度（Ｃｏｍｐｏｓｉｔｅ Ｒｅｌｉａｂｉｌｉｔｙ， ＣＲ）值大于０.７ 的要求［３３］ 。如表２ 所示， 所有測(cè)量變量的Ｃｒｏｎｂａｃｈｓα 值均在０.７ 以上， ＣＲ 值均在０.８ 以上， 表明本研究的量表信度較高， 內(nèi)部一致性較好。

效度是指開發(fā)量表的有效性， 效度檢驗(yàn)包括收斂效度檢驗(yàn)和區(qū)別效度檢驗(yàn)。其中， 收斂效度檢驗(yàn)標(biāo)準(zhǔn)需同時(shí)滿足以下兩個(gè)條件： ①測(cè)量題項(xiàng)的標(biāo)準(zhǔn)化因子載荷系數(shù)大于０.５ 且達(dá)到統(tǒng)計(jì)顯著水平； ②每個(gè)潛在變量的平均抽取方差值（ＡＶＥ）大于０.５。區(qū)別效度檢驗(yàn)標(biāo)準(zhǔn)是： 所有潛在變量的ＡＶＥ 算術(shù)平方根均高于該變量與其他潛在變量之間的相關(guān)系數(shù)［１８］。

如 表２ 所示， 所有測(cè)量題項(xiàng)的標(biāo)準(zhǔn)因子載荷量均大于０.７， 且所有變量的ＡＶＥ 值均大于０.６， 表明本研究的測(cè)量量表具有較好的收斂效度。如表３所示， 各潛在變量的平均抽取方差值（ＡＶＥ）均大于該變量與其他變量相關(guān)系數(shù)， 說明本研究的測(cè)量量表具有較好的區(qū)分效度。因此， 本研究的測(cè)量量表具有較高的信度和效度， 可以進(jìn)一步開展結(jié)構(gòu)模型分析。

４.１.２假設(shè)檢驗(yàn)

結(jié)構(gòu)方程模型的擬合度通常通過標(biāo)準(zhǔn)化路徑系數(shù)及其顯著性和結(jié)果變量的Ｒ^２值來判斷， 取消關(guān)注意愿的Ｒ^２值為０.４７９， 高于消費(fèi)者行為領(lǐng)域結(jié)果變量Ｒ^２大于０.２ 的閾值要求［３３］ ， 說明本研究的模型擬合度較好。假設(shè)檢驗(yàn)結(jié)果， 如表４ 所示。

１） 個(gè)人因素： 興趣轉(zhuǎn)移（β ＝０.１９６， Ｐ＜０.００１）和期望不一致（β ＝ ０.１７１， Ｐ＜０.０１）均正向影響公眾號(hào)用戶取消關(guān)注意愿， 表明假設(shè)Ｈ１、Ｈ２ 成立。

用戶的興趣發(fā)生改變， 或通過公眾號(hào)無法獲取到滿足需求的信息、服務(wù)時(shí)， 會(huì)產(chǎn)生取消關(guān)注意愿， 這與Ｍａｎｉ Ｚ 等［３４］ 的研究結(jié)論相一致。此外， 用戶的期望不一致感知程度越高， 取消關(guān)注意愿就越強(qiáng)，與已有研究結(jié)論一致［１８］ 。

２） 技術(shù)因素： 技術(shù)—任務(wù)不匹配（β ＝ ０.２１８，Ｐ＜０.００１）和不確定性（β ＝ ０.０９３， Ｐ＜０.０５）均正向影響公眾號(hào)用戶取消關(guān)注意愿， 表明Ｈ３、Ｈ４ 成立。當(dāng)公眾號(hào)不具備較強(qiáng)的技術(shù)支撐以幫助用戶更加高效地完成任務(wù)時(shí)， 用戶的取消關(guān)注意愿會(huì)增強(qiáng)。當(dāng)公眾號(hào)存在較高的不確定性時(shí)， 用戶的使用體驗(yàn)會(huì)降低， 繼而產(chǎn)生取消關(guān)注意愿。

３） 環(huán)境因素： 公眾號(hào)關(guān)注數(shù)量（β ＝０.１９５， Ｐ＜０.００１）和替代品吸引力（β ＝０.１９８， Ｐ＜０.００１）均正向影響公眾號(hào)用戶取消關(guān)注意愿， 表明Ｈ５、Ｈ６ 成立。當(dāng)用戶關(guān)注的公眾號(hào)數(shù)量越多或出現(xiàn)的替代品更能滿足需求時(shí)， 用戶的取消關(guān)注意愿也會(huì)增強(qiáng)。

４.２模糊集定性比較分析

４.２.１變量選取與校準(zhǔn)

在進(jìn)行ｆｓＱＣＡ 分析前， 需要對(duì)研究涉及的連續(xù)性變量進(jìn)行校準(zhǔn)， 即對(duì)期望不一致、興趣轉(zhuǎn)移、技術(shù)—任務(wù)不匹配、不確定性和替代品吸引力等連續(xù)變量取平均值， 并參考Ｒａｇｉｎ Ｃ Ｃ［３５］ 提出５％（Ｆｕｌｌｙ Ｏｕｔ）、９５％（Ｆｕｌｌｙ Ｉｎ）和５０％（Ｃｒｏｓｓｏｖｅｒ Ｐｏｉｎｔ）的標(biāo)準(zhǔn)， 對(duì)各變量的數(shù)據(jù)進(jìn)行校準(zhǔn)。通過ｆｓＱＣＡ 識(shí)別結(jié)果的必要性和充分性， 分析結(jié)果如表５ 所示。一致性最高為０.８５６， 必要性檢驗(yàn)均未超過閾值０.９， 各變量單項(xiàng)前因條件的必要性均未達(dá)到絕對(duì)必要條件的標(biāo)準(zhǔn)。因此， 本研究需要將多個(gè)前因條件組合起來進(jìn)行構(gòu)型分析。

４.２.２組態(tài)分析結(jié)果

使用ｆｓＱＣＡ ３.０ 軟件進(jìn)行分析， 首先構(gòu)建２ｋ行的真值表（ｋ為前因變量個(gè)數(shù)）， 每一行代表１ 種可能的前因條件組合［３６］ 。在分析過程中， 本研究將一致性閾值設(shè)定為０.９， 可接受個(gè)案數(shù)設(shè)為１，結(jié)果如表６ 所示。其中， ●和●表示條件存在； ●為核心條件， ●為邊緣條件； 空白表示該條件可存在也可缺失。得到３ 種微信公眾號(hào)用戶取消關(guān)注意愿觸發(fā)模式（Ｓ１ａ 與Ｓ１ｂ、Ｓ２、Ｓ３）， 其一致性指標(biāo)分別為０.９３８、０.９３６、０.９４３ 和０.９４６?？傮w覆蓋率是０.５７９， 覆蓋了５７.９％的結(jié)果案例， 表明以上３ 種前因條件構(gòu)型對(duì)微信公眾號(hào)用戶取消關(guān)注意愿具有較強(qiáng)解釋力。

１） 模式一： 包括兩種前因構(gòu)型， 分別為Ｓ１ａ（ＥＤＩ?ＩＮＳ?ＴＴＭ?ＵＮＣ?ＡＡ）、Ｓ１ｂ（ＥＤＩ?ＩＮＳ?ＴＴＭ?ＵＮＣ?ＮＵＭ）。Ｓ１ａ、Ｓ１ｂ 核心條件均為期望不一致、興趣轉(zhuǎn)移、不確定性； Ｓ１ａ 輔助條件是技術(shù)—任務(wù)不匹配和替代品吸引力， Ｓ１ｂ 輔助條件是技術(shù)—任務(wù)不匹配和公眾號(hào)關(guān)注數(shù)量。Ｓ１ 總體結(jié)果表明， 當(dāng)微信公眾號(hào)系統(tǒng)具有較強(qiáng)的不確定性，用戶使用需求與使用偏好發(fā)生改變時(shí)， 會(huì)促使用戶對(duì)使用的公眾號(hào)產(chǎn)生不滿情緒， 即增強(qiáng)對(duì)微信公眾號(hào)期望不一致的感知， 易導(dǎo)致其產(chǎn)生取消關(guān)注意愿。從Ｓ１ａ 構(gòu)型來看， 當(dāng)期望不一致、興趣轉(zhuǎn)移、不確定性高， 且技術(shù)—任務(wù)不匹配和替代品吸引力高時(shí)， 微信公眾號(hào)用戶會(huì)產(chǎn)生取消關(guān)注意愿。當(dāng)用戶的興趣發(fā)生改變， 且出現(xiàn)了能夠與其興趣點(diǎn)相匹配的具有較強(qiáng)吸引力的替代品時(shí)， 加之原有微信公眾號(hào)系統(tǒng)的不確定性感知及該微信公眾號(hào)提供的功能服務(wù)與自身任務(wù)需求不匹配， 用戶往往會(huì)更加傾向于使用替代品， 通過比較易刺激對(duì)原使用微信公眾號(hào)的期望不一致， 這最終將導(dǎo)致用戶產(chǎn)生取消關(guān)注意愿。Ｓ１ｂ 構(gòu)型結(jié)果表明， 當(dāng)期望不一致、興趣轉(zhuǎn)移、不確定性高， 且技術(shù)—任務(wù)不匹配和公眾號(hào)關(guān)注數(shù)量高時(shí)， 微信公眾號(hào)用戶會(huì)產(chǎn)生取消關(guān)注意

愿。當(dāng)用戶關(guān)注的公眾號(hào)數(shù)量較多， 其接收的信息量超過其處理能力時(shí)， 會(huì)增加用戶感知疲憊的可能性， 這可能會(huì)降低用戶的持續(xù)關(guān)注意愿； 此外， 當(dāng)用戶面對(duì)的公眾號(hào)系統(tǒng)具有很強(qiáng)的不確定性， 且無法滿足用戶的任務(wù)需求時(shí)， 會(huì)增強(qiáng)用戶對(duì)公眾號(hào)期望不一致的感知， 進(jìn)而導(dǎo)致用戶終止對(duì)公眾號(hào)的持續(xù)關(guān)注； 此外， 對(duì)微信公眾號(hào)的不滿也可能反過來導(dǎo)致用戶的興趣發(fā)生改變， 進(jìn)而阻礙用戶持續(xù)關(guān)注公眾號(hào)。

２） 模式二： Ｓ２ 的前因構(gòu)型為（ＥＤＩ ?ＩＮＳ ?ＵＮＣ?ＡＡ?ＮＵＭ）， 其核心條件是期望不一致、興趣轉(zhuǎn)移、不確定性和替代品吸引力， 輔助條件是公眾號(hào)關(guān)注數(shù)量。該結(jié)果表明， 當(dāng)期望不一致、興趣轉(zhuǎn)移、不確定性高、替代品吸引力強(qiáng)， 且微信公眾號(hào)關(guān)注數(shù)量高時(shí)， 用戶會(huì)產(chǎn)生取消關(guān)注意愿。微信公眾號(hào)較強(qiáng)的不確定性往往會(huì)降低用戶完成任務(wù)的效率， 進(jìn)一步促使其對(duì)公眾號(hào)產(chǎn)生期望不一致， 加之用戶關(guān)注的公眾號(hào)數(shù)量較多， 其每日接收和需要處理的信息量也較大， 這在很大程度上會(huì)加劇用戶對(duì)公眾號(hào)使用的倦怠感， 從而降低其持續(xù)關(guān)注意愿。面對(duì)這一情境， 用戶的興趣極有可能發(fā)生改變， 當(dāng)具有較強(qiáng)吸引力的替代品出現(xiàn)時(shí)， 用戶會(huì)果斷選擇與自己的興趣匹配度高的替代品， 而放棄對(duì)原有公眾號(hào)的持續(xù)關(guān)注。

３） 模式三： Ｓ３ 的前因構(gòu)型為（ＩＮＳ ?ＴＴＭ ?ＵＮＣ?ＡＡ?ＮＵＭ）， 其核心條件是興趣轉(zhuǎn)移、不確定性和替代品吸引力， 輔助條件是技術(shù)—任務(wù)不匹配和公眾號(hào)關(guān)注數(shù)量。該結(jié)果表明， 當(dāng)興趣轉(zhuǎn)移、不確定性、替代品吸引力高， 且技術(shù)—任務(wù)不匹配和公眾號(hào)關(guān)注數(shù)量高時(shí)， 微信公眾號(hào)用戶會(huì)產(chǎn)生取消關(guān)注意愿。當(dāng)公眾號(hào)不具備良好的穩(wěn)定性， 且其功能也無法幫助用戶更好地完成任務(wù)時(shí)， 用戶會(huì)降低對(duì)公眾號(hào)的關(guān)注意愿。加之， 當(dāng)用戶關(guān)注的公眾號(hào)數(shù)量足夠多， 需要處理的信息量遠(yuǎn)超其能力范圍時(shí)， 用戶感知到的信息過載壓力會(huì)更加明顯， 這將在很大程度上加劇用戶的取消關(guān)注意愿。此外， 在對(duì)原有公眾號(hào)不滿和具備吸引力的替代品出現(xiàn)的雙重作用下， 用戶的興趣點(diǎn)會(huì)相應(yīng)發(fā)生改變， 最終導(dǎo)致用戶取消關(guān)注公眾號(hào)。

比較３ 種前因構(gòu)型的覆蓋率可知， Ｓ１ｂ 的解釋力略高于其他前因構(gòu)型， 整體差異較小。從結(jié)果來看， 興趣轉(zhuǎn)移、不確定性作為涵蓋三大模式的核心條件， 對(duì)公眾號(hào)用戶取消關(guān)注意愿產(chǎn)生關(guān)鍵影響；期望不一致作為核心條件出現(xiàn)在３ 條組態(tài)路徑中，是觸發(fā)公眾號(hào)用戶取消關(guān)注意愿的重要因素。綜上， 微信公眾號(hào)用戶取消關(guān)注意愿是需要考慮各類前因條件的聯(lián)動(dòng)效應(yīng)。

５結(jié)論與討論

５.１結(jié)論

基于個(gè)人—環(huán)境—技術(shù)理論框架， 本研究構(gòu)建了微信公眾號(hào)用戶取消關(guān)注意愿影響因素研究模型， 該模型包含了興趣轉(zhuǎn)移、期望不一致、替代品吸引力、公眾號(hào)關(guān)注數(shù)量、技術(shù)—任務(wù)不匹配、不確定性６ 個(gè)前因變量， 綜合運(yùn)用結(jié)構(gòu)方程模型和模糊集定性比較分析兩種方法， 探究了個(gè)人、環(huán)境、技術(shù)３ 類因素與取消關(guān)注意愿之間的關(guān)系， 得出以下結(jié)論：

１） 結(jié)構(gòu)方程模型方法的研究結(jié)果表明， 個(gè)體因素（興趣轉(zhuǎn)移、期望不一致）、環(huán)境因素（公眾號(hào)關(guān)注數(shù)量、替代品吸引力）和技術(shù)因素（技術(shù)—任務(wù)不匹配、不確定性）均正向影響用戶取消關(guān)注意愿?？梢姡?用戶取消關(guān)注微信公眾號(hào)的意愿影響因素是多重的， 包括用戶個(gè)體因素、環(huán)境因素、微信公眾號(hào)的技術(shù)特征因素。

２） 模糊集定性比較分析方法的研究結(jié)果表明，個(gè)體、環(huán)境、技術(shù)因素對(duì)用戶取消關(guān)注意愿的影響，存在３ 種組態(tài)模式， 分別為： Ｓ１ａ（期望不一致?興趣轉(zhuǎn)移?技術(shù)—任務(wù)不匹配?不確定性?替代品吸引力）、Ｓ１ｂ（期望不一致?興趣轉(zhuǎn)移?技術(shù)—任務(wù)不匹配?不確定性?公眾號(hào)關(guān)注數(shù)量）、Ｓ２（期望不一致?興趣轉(zhuǎn)移?不確定性?替代品吸引力?公眾號(hào)關(guān)注數(shù)量）、Ｓ３（興趣轉(zhuǎn)移?技術(shù)—任務(wù)不匹配?不確定性?替代品吸引力?公眾號(hào)關(guān)注數(shù)量）。以上３ 種組態(tài)模式進(jìn)一步揭示了個(gè)人、環(huán)境、技術(shù)３ 種因素作用于微信公眾號(hào)用戶取消關(guān)注意愿的內(nèi)在機(jī)理， 解釋了不同因素之間的聯(lián)動(dòng)效應(yīng)對(duì)微信公眾號(hào)用戶取消關(guān)注意愿的影響。

５.２討論

本研究分析了微信公眾號(hào)用戶取消關(guān)注意愿的多維度動(dòng)因， 豐富了社交媒體情境下用戶采納后行為的理論研究， 并為微信公眾號(hào)運(yùn)營(yíng)商維持用戶的持續(xù)關(guān)注提供了實(shí)踐啟示。從理論層面看， ①理論模型。微信公眾號(hào)用戶取消關(guān)注意愿動(dòng)因是多維度的， 本研究基于ＰＥＴ框架構(gòu)建了微信公眾號(hào)用戶取消關(guān)注意愿理論模型，揭示了個(gè)人因素（興趣轉(zhuǎn)移、期望不一致）、環(huán)境因素（公眾號(hào)關(guān)注數(shù)量、替代品吸引力）和技術(shù)因素（技術(shù)—任務(wù)不匹配、不確定性）多個(gè)維度因素對(duì)用戶取消關(guān)注意愿的作用機(jī)理， 突破了僅僅側(cè)重于單一維度變量來測(cè)量和預(yù)測(cè)用戶取消關(guān)注意愿的局限， 較為完整地捕捉到了微信公眾號(hào)用戶取消關(guān)注意愿的發(fā)生機(jī)理； ②研究方法。運(yùn)用結(jié)構(gòu)方程模型方法證實(shí)了個(gè)人因素、環(huán)境因素以及技術(shù)因素均對(duì)公眾號(hào)用戶取消關(guān)注意愿有著正向影響。引入模糊集定性比較分析方法， 探究了個(gè)人、環(huán)境、技術(shù)３ 個(gè)維度因素對(duì)用戶取消關(guān)注意愿影響的聯(lián)動(dòng)效應(yīng)， 從組態(tài)視角較好地解釋了個(gè)人、環(huán)境、技術(shù)因素與取消關(guān)注意愿相互依賴形成的復(fù)雜因果關(guān)系。

從實(shí)踐層面看， ①對(duì)微信公眾號(hào)用戶而言， 在個(gè)人因素方面， 一是要培養(yǎng)個(gè)人穩(wěn)定的興趣點(diǎn)， 從而有針對(duì)性地關(guān)注公眾號(hào)并在最大程度上獲取有用信息， 以避免興趣的頻繁變化帶來的疲倦感， 產(chǎn)生取消關(guān)注行為； 二是應(yīng)正確認(rèn)識(shí)公眾號(hào)在日常生活中信息獲取等方面的角色扮演， 避免在使用之初對(duì)其設(shè)置過高的期望， 從而降低期望不一致引發(fā)不良情緒， 并導(dǎo)致取消關(guān)注行為的發(fā)生概率。在環(huán)境因素方面， 一是要結(jié)合實(shí)際需要， 慎重選擇需要關(guān)注的公眾號(hào)， 以避免不必要的信息過載和與之相伴的倦怠情緒的產(chǎn)生， 從而導(dǎo)致取消關(guān)注行為； 二是要理性分析替代品的優(yōu)劣勢(shì)， 以避免使用的公眾號(hào)與替代品之間的非理性比較給自己帶來的負(fù)面情緒和可能產(chǎn)生的取消關(guān)注行為。在技術(shù)因素方面， 用戶要不斷提升個(gè)人的技術(shù)接受和利用能力， 面對(duì)公眾號(hào)的技術(shù)—任務(wù)不匹配和不確定性時(shí)， 一是要調(diào)整個(gè)人看問題的視角， 主動(dòng)解決使用過程中存在的問題， 二是通過合理渠道， 向微信公眾號(hào)服務(wù)商提供建議， 以提升使用體驗(yàn)； ②對(duì)微信公眾號(hào)運(yùn)營(yíng)商而言， 在個(gè)人因素方面， 要注重定期對(duì)用戶進(jìn)行深入調(diào)研， 了解用戶對(duì)公眾號(hào)服務(wù)的滿意度， 并發(fā)現(xiàn)用戶潛在的興趣變化， 及時(shí)開發(fā)創(chuàng)新性內(nèi)容或服務(wù)來滿足用戶新需求， 并降低用戶對(duì)公眾號(hào)期望不一致的感知。在環(huán)境因素方面， 一是要根據(jù)調(diào)研結(jié)果分析用戶的內(nèi)在需求， 并有針對(duì)性地推送信息， 以減少用戶的流失； 二是要重視替代品對(duì)公眾號(hào)用戶取消關(guān)注意愿的影響， 充分學(xué)習(xí)其經(jīng)驗(yàn)并結(jié)合自身特點(diǎn)形成一定的比較優(yōu)勢(shì)， 以最大程度留住用戶。在技術(shù)因素方面， 運(yùn)營(yíng)商首先要重視對(duì)公眾號(hào)系統(tǒng)整體性能的優(yōu)化， 最大限度幫助各類用戶高效完成任務(wù)， 提高其滿意度， 從而降低取消關(guān)注的可能性；二是要降低對(duì)公眾號(hào)的更新頻率， 改善其頻繁跳轉(zhuǎn)第三方等問題， 從而降低用戶對(duì)系統(tǒng)不確定性的感知， 提升用戶的使用體驗(yàn)， 減少用戶流失。

本研究的結(jié)論具有一定的理論意義與實(shí)踐價(jià)值， 但也存在一些局限性： 首先， 本研究調(diào)查對(duì)象的年齡和受教育程度聚焦于具有本科及以上學(xué)習(xí)經(jīng)歷的青年用戶群體， 得到的結(jié)論可能無法適配更加廣泛的研究對(duì)象； 其次， 本文構(gòu)建的研究模型可能忽略了一些重要的因素， 如信息無關(guān)性、信息發(fā)布頻率等， 在未來的研究中可考慮信息維度因素的影響， 以構(gòu)建更加全面的研究模型， 用于探索微信公眾號(hào)用戶取消關(guān)注意愿的驅(qū)動(dòng)因素； 最后， 本研究主要通過網(wǎng)絡(luò)問卷調(diào)查的方法獲取用戶主觀數(shù)據(jù)，而利用網(wǎng)絡(luò)爬蟲技術(shù)獲取用戶的客觀數(shù)據(jù)， 對(duì)微信公眾號(hào)用戶取消關(guān)注意愿作進(jìn)一步分析進(jìn)行分析是未來研究的拓展之處。