SOR和D&M模型下數字音樂平臺持續使用意愿研究

韓東林，趙祥娟

(安徽大學 商學院，安徽 合肥 230601)

數字音樂平臺(Digital Music Platform,DMP)，又稱網絡音樂平臺，是利用數字技術為用戶提供各種音樂產品和服務的經營機構。數字經濟時代，數字音樂平臺已逐漸成為人們進行網絡文娛活動的重要方式。截至2020年3月，我國網絡音樂用戶規模較2018年底增長迅速，增幅10%以上，網絡音樂用戶規模達到6.35億，使用率為70.3%[1]。目前，以90后、00后為代表的年輕群體已成為網絡用戶主體，開拓年輕群體市場成為數字音樂生存壯大的關鍵所在[2]。持續使用意愿指用戶對某一產品或服務的持續使用的意愿程度，體現了產品或服務對用戶的吸引力。

關于數字音樂平臺用戶使用意愿的研究，已有不同角度的分析。翟珊珊等[3]基于期望確認模型，對移動音樂平臺使用者持續使用意愿進行研究，發現用戶滿意度受獲得體驗、沉浸體驗與人際體驗的正向影響，獲得體驗和滿意度積極作用于持續使用意愿；劉丹等[4]在網絡音樂使用意愿的研究中發現，社會網絡依賴程度的不同能夠影響用戶對網絡音樂的使用意愿；夏立新等[5]基于PPM模型實證分析用戶在移動音樂平臺間的轉移行為，驗證了移動音樂平臺用戶的轉移意愿受到不滿意度、網絡義務性和相對匱乏性的顯著影響。

已有研究大多基于用戶視角，而有關數字音樂平臺與用戶反應的作用關系探討較少，且忽視了用戶使用習慣的影響。為此，本研究依托SOR和D&M模型，構建變量間的內在邏輯框架。以信息質量、服務質量、系統質量為環境刺激，以心流體驗為機體要素，以滿意度和持續使用意愿為用戶內外反應，同時引入使用習慣變量，并以高校大學生為對象，研究數字音樂平臺持續使用意愿的影響因素，以期為改進數字音樂平臺的運營模式，提高數字音樂平臺的吸引力提供借鑒。

1 理論基礎

1.1 SOR模型

SOR模型即刺激-機體-反應模型，一般用于研究環境刺激、用戶情緒和反應之間關系。其中“S”(Stimulation)指刺激，產生于組織內外部環境，“O”(Organization)指機體，反映個體在環境刺激下的內在情緒，“R”(Reaction)指用戶情緒所引發的各種內外反應。1974年Mehrabian提出該模型后，學術界將其廣泛應用于用戶行為研究。如，Bigne等[6]基于SOR模型研究了在線評論沖突對消費者購買意愿的影響；Triantoro等[7]基于SOR模型研究了在線調查游戲化對參與者的行為反應的作用；Zhao等[8]基于SOR模型研究了用戶持續使用在線學習軟件MOOC的影響機制；周濤等[9]基于SOR模型研究了社會化商務用戶行為；趙文軍等[10]基于SOR模型研究了移動閱讀服務持續使用意愿。朱紅燦等[11]研究表明SOR模型中，刺激是影響用戶情緒的前提，情緒會影響他們的行為或意圖。

1.2 D&M模型

D&M模型也叫信息系統成功模型，用以研究信息系統對用戶行為的影響路徑。20世紀90年代，由學者Delone和Mclean首次提出，并在隨后的研究中對模型不斷優化。D&M模型包含信息質量、系統質量、服務質量、滿意度、使用意愿、凈收益6大要素。該模型在研究中應用廣泛。如，張鐠心等[12]基于該模型對社交軟件持續使用意愿進行了研究；王夢浛等[13]應用該模型研究了“互聯網+創業”服務平臺用戶使用意愿的影響機理；歐陽博等[14]應用該模型探討了移動虛擬社區持續信息搜索意愿影響因素；劉小鋒等[15]應用該模型對移動圖書館的滿意度和使用行為進行了研究。多次研究驗證，信息系統的3大質量與滿意度、使用意愿之間存在著直接或間接的相關關系。

1.3 心流體驗理論

1975年Csikszentmihalyi提出心流體驗(Flow Experience，FE)的概念，指人們全身心參與活動時獲得的一種整體感受。心流體驗下，用戶完全被所參與的活動吸引，注意力高度集中，會暫時忘卻周圍的環境。心流體驗能給用戶帶來愉悅和滿足感，進而影響用戶滿意度和行為意愿。有關心流體驗對用戶行為影響的研究頗為豐富。如，Rohman等[16]研究發現社交媒介的心流體驗對顧客的品牌忠誠度有著積極的影響；Liu[17]驗證了心流體驗是影響網絡游戲用戶重復參與游戲意向的重要因素；Kang等[18]研究發現心流體驗積極作用于顧客對餐廳SNS滿意度和線下消費意向；朱靜雯等[19]基于心流體驗理論發現沉浸體驗對移動閱讀用戶黏性有著積極的影響；林艷等[20]驗證了在線心流體驗會對顧客品牌忠誠度產生積極的作用。

1.4 習慣理論

習慣被普遍認為是在人們長時期反復動作中形成的固定無意識的慣性行為。當人們長時間頻繁使用某種信息系統，會無形中加深其對信息系統的接受程度。使用習慣是影響用戶行為的重要變量，這在許多研究中得以體現。如，陳明紅等[21]引入使用習慣對移動社交媒體用戶信息共享持續意愿進行了研究；李宗富等[22]引入對微信公眾號用戶持續使用意愿進行了研究；張培[23]研究了高校學生對學術數據庫使用意向時納入使用習慣的影響因素；胡瑩瑩等[24]研究消費者渠道擴展行為時衡量使用習慣的作用；孟猛等[25]引入習慣變量對社交媒體用戶持續使用行為進行了研究。

2 研究假設與變量設計

2.1 研究假設

本研究將信息質量、系統質量和服務質量作為環境刺激，將心流體驗作為機體要素，將滿意度和持續使用意愿作為用戶內外反應。基于SOR模型的邏輯關系，作出如下假設：

H1：信息質量對心流體驗存在積極作用;

H2：系統質量對心流體驗存在積極作用;

H3：服務質量對心流體驗存在積極作用;

H4：心流體驗對滿意度存在積極作用;

H5：心流體驗對持續使用意愿存在積極作用。

滿意度對持續使用意愿起到重要作用，信息系統質量通過滿意度作用于持續使用意愿。基于D&M模型，本研究作出如下假設：

H6：信息質量對滿意度存在積極作用;

H7：系統質量對滿意度存在積極作用;

H8：服務質量對滿意度存在積極作用;

H9：滿意度對持續使用意愿存在積極作用。

在使用習慣的作用下，用戶持續使用意愿會不自覺地得到增強。據此，本研究提出假設：

H10：使用習慣對持續使用意愿存在積極作用。

依據上述研究假設，構建如圖1所示的研究模型。

圖1 SOR和D&M模型下數字音樂平臺持續使用意愿研究模型

2.2 變量設計

本研究研究的變量均設置4或5個題項，并以李克特7級量表形式設計問卷。問卷問題參考以往成熟量表，以保證變量及題項的信度和效度，并結合數字音樂平臺特點進行適度修改。本問卷量表中，借鑒Delone等[26]研究測量服務質量、系統質量和信息質量；借鑒Chang等[27]研究測量心流體驗；借鑒Hsu等[28]研究測量使用習慣；借鑒Bhattacherjee[29]和王晰巍等[30]研究測量滿意度；借鑒Gao等[31]研究測量持續使用意愿。變量及題項見表1。

表1 問卷量表

3 實證分析

本研究使用SPSS 23.0軟件進行樣本數據的描述性統計分析和變量多重共線性評估。借助Smart PLS2.0軟件，利用偏最小二乘法-結構方程模型(PLS-SEM Model)進行模型信效度和模型效果檢驗。使用該模型檢驗數據有其獨特的優勢：它以變異數為基礎，以預測為導向，目的在于使模型的預測能力最大化，特別適合于預測R2。此外，偏最小二乘法對樣本的需求量相對較少且無需樣本資料符合常態分布[32]。

3.1 描述性統計分析

通過“問卷星”平臺收集數據，并借助微信、QQ等軟件擴散問卷。數據采集時間為2020年1月5日至2020年3月5日。問卷發放范圍主要集中于安徽省合肥市范圍高校。問卷中通過設置問題“是否為高校在校生”篩選出高校大學生用戶的問卷，在這基礎上刪除重復填寫及填寫時間極短的問卷(填寫時間<60s)，最終獲取有效樣本295份。其中，男生134人(45.40%)，女生161人(54.60%)，女生比例略高于男生。17～19歲群體占比21.70%，20～30歲占比78.30%。每周使用頻率方面，3次及以上占比88.10%。每次使用時長方面，15min及以上占比93.60%。在常用數字音樂平臺中，網易云音樂最受大學生群體歡迎(40.57%)，其次為QQ音樂(30.07%)和酷狗音樂(16.73%)。

3.2 多重共線性檢驗

通過SS 23.0評估變量間的多重共線性，得出表2中的檢驗結果。其中，所有自變量的容差值為0.459～0.690，均大于0.3。所有自變量的方差膨脹因子值(Variance Inflation Factor，VIF)為1.449～2.179，VIF遠遠<10。因此，自變量間不存在多重共線性。

表2 變量多重共線性檢驗結果

3.3 信度和效度檢驗

信度(Reliability)用來檢測模型的穩定性和可靠性。信度分析的通常做法是判別α系數是否大于0.70，因子載荷(Factor Loading,FL)是否滿足最低標準0.60，組合信度(Composite Reliability,CR)是否達到0.70，若滿足以上標準則樣本數據具有較好的信度。由表3可知，本研究的因子載荷值為0.651～0.859，α系數為0.765～0.821，組合信度值為0.842～0.877，均在標準范圍內，表明模型通過了信度檢驗。

效度(Validity)通過收斂效度和區分效度來分析，用以反映數據的有效性。模型是否具有收斂效度(Convergent Validity,CV)可通過分析所有變量的平均萃取方差(Average Variance Extracted，AVE)是否達到0.50來確定。由表3可知，所有變量AVE值均>0.5，說明模型具有較好的收斂效度。區分效度(Discrimination Validity,DV)用來評估各變量測項間的差異化程度。由表4可知，每個變量AVE平方根(表中對角線數值)大于其與其他變量間的相關系數(表中對角線以下數值)，表明模型具有較好的區分效度。

表3 信度和收斂效度

表4 區分效度

3.4 模型效果檢驗

本研究研究模型的效果檢驗結果見表5。其中，假設1～10的標準誤差為0.057～0.081，均<1，表明收集樣本的分析結果與實際情況不存在嚴重的誤差。

表5 路徑分析結果

R2是檢驗模型質量的重要標準，根據Chin[33]提出的標準，R2值達到0.670,0.333，0.190分別代表潛變量的解釋能力高、中、弱。由圖2可知，心流體驗、滿意度和持續使用意愿的R2分別為0.339,0.449,0.527，參考Chin提出的標準，該模型具有較好的解釋效果。

圖2 數字音樂平臺持續使用意愿模型測算結果

實證結果顯示，用戶滿意度(β=0.395，t=4.994，P<0.001)、使用習慣(β=0.354，t=5.523，P<0.001)對用戶持續使用意愿的正向作用顯著，H9與H10成立。心流體驗(β=0.103，t=1.02，P>0.05)對持續使用意愿的直接作用不顯著，H5不成立。心流體驗(β=0.169，t=2.971，P<0.01)、信息質量(β=0.150，t=2.598，P<0.01)、系統質量(β=0.184，t=2.452，P<0.01)、服務質量(β=0.325，t=4.904，P<0.001)均顯著作用于滿意度，H4、H6、H7、H8均成立。信息質量(β=0.215，t=3.646，p<0.001)、系統質量(β=0.162，t=2.007，P<0.05)、服務質量(β=0.321，t=4.106，P<0.001)均積極作用于用戶的心流體驗，H1、H2、H3均成立。

4 結果分析

本研究基于SOR模型和D&M模型，引入心流體驗和使用習慣變量，對數字音樂平臺持續使用意愿影響因素進行研究，得出以下結論：

(1)滿意度是數字音樂平臺持續使用意愿的關鍵要素

依據實證結果，滿意度對數字音樂平臺用戶持續使用意愿的路徑系數為0.395，在0.001的水平上顯著。由此可知，滿意度對數字音樂平臺的持續使用意愿具有較高的解釋力，滿意度是持續使用意愿的關鍵影響因素。從理論意義上來說，這也是對D&M模型的又一次有力的驗證，說明該模型同樣適用于以數字音樂平臺為代表的數字技術應用系統的研究。

(2)信息質量、系統質量和服務質量是用戶持續使用意愿的前提

研究結果顯示，信息質量、系統質量、服務質量對用戶心流體驗和滿意度均有著顯著正向影響。對滿意度的影響路徑分別為0.150,0.184,0.325。說明平臺質量影響用戶滿意度，進而作用于用戶持續使用意愿。同時，本研究中驗證了平臺質量顯著影響用戶使用情緒，進而影響用戶的內在反應。信息質量、系統質量、服務質量對心流體驗的影響路徑系數分別為0.215,0.162,0.321。由此可知，安全便捷的系統質量、高質量的信息資源以及高效的服務質量能使用戶能從中獲得較好的心流體驗并產生較高的滿意度。然而，從路徑系數和顯著性水平來看，平臺的服務質量對心流體驗和滿意度的影響更大。實證結果表明，平臺服務質量的提升更能積極作用于用戶的情緒和心理反應，進而影響用戶持續使用意愿。

(3)心流體驗對滿意度的積極效果明顯

心流體驗是用戶全身心參與活動時，獲得愉悅和滿足的整體感受。滿意度是用戶在使用產品后的心理評價。實證結果中，用戶心流體驗積極影響滿意度。然而，與滿意度相比，心流體驗對持續使用意愿的直接影響較弱，心流體驗是通過滿意度間接作用于持續使用意愿。這說明心流體驗對用戶的內在心理反應的積極作用更加明顯。

(4)使用習慣是影響持續使用意愿的重要因素

實證結果顯示，用戶使用習慣對持續使用意愿的路徑系數為0.354，在0.001水平上顯著，用戶使用習慣積極作用于持續使用意愿。數字音樂平臺利用數字技術提供音樂產品和服務，其便捷性和趣味性容易吸引大學生等年輕群體使用。用戶長期使用該平臺所形成的習慣會強化用戶對平臺的持續使用意愿。由此可知，形成使用習慣的用戶更傾向于對平臺的持續使用，使用習慣是持續使用意愿的重要影響因素。

5 實踐啟示

如何提高數字音樂平臺吸引力，增強用戶持續使用意愿？結合討論，本研究得出如下幾點啟示。

(1)提高平臺系統質量，有效挖掘用戶需求

提高數字音樂平臺的系統質量，為用戶提供更為安全便捷的系統保障。較好的系統質量是保持用戶使用量的基礎，如友好合理的頁面設計、安全高效的運行系統、穩定便捷的系統功能等。在這基礎上有效挖掘用戶需求，不斷改進數字音樂平臺。數字音樂平臺運營商可以優化現有用戶評價和反饋機制，除了通過平臺上的反饋功能被動接受用戶評價，運營商還可通過公眾號等方式多渠道了解用戶對數字音樂平臺的看法，并借助各種激勵措施調動用戶的反饋積極性。

(2)促進平臺創新發展，提升用戶心流體驗

平臺創新能為用戶帶來新鮮感，激發用戶對新事物的探索，提升用戶心流體驗。在促進平臺創新方面，更加注重服務質量。如，在內容創新上，從源頭打造音樂精品，發揮原創資源的流量拉動效果。大力扶持音樂內容創作者，建立有效的音樂激勵機制，鼓勵音樂創作者制作出更多用戶喜愛的音樂作品；在功能創新上，持續挖掘新功能新服務，深化數字音樂平臺的服務質量。音樂平臺開發商可以通過大數據深入挖掘用戶信息，深化個性化和社交化服務功能，實現精準服務；在經營模式創新上，深化互動，提升用戶心流體驗。數字音樂平臺可以通過論壇、微博、公眾號等方式聚集人氣，加強與用戶的互動。

(3)轉變平臺用戶認知，培養用戶使用習慣

使用習慣的形成需要用戶長時期重復某種行為，在這個過程中用戶會不自覺地產生心理依賴，進而增強其對該行為的持續意愿。習慣養成的前提是用戶從心理上能接納某種事物并愿意去嘗試。人們受認知鎖定效應的影響往往對新技術的接納程度較低。因此，在培養用戶使用習慣上，數字音樂平臺運營商在不斷開發新技術新功能的同時，還要注重深化公眾對新技術新功能的認知，從而使用戶在接納后的重復使用中形成習慣，增強用戶對數字音樂平臺的持續使用意愿。