翟姍姍 孫雪瑩 李進(jìn)華

摘要：[目的/意義]基于互聯(lián)網(wǎng)行業(yè)的“社交”和“社群化”等概念，以網(wǎng)易云音樂為具體對(duì)象，研究社交體驗(yàn)對(duì)移動(dòng)APP持續(xù)使用意愿的影響。[方法/過程]本研究借鑒期望確認(rèn)模型，構(gòu)建研究社交體驗(yàn)對(duì)持續(xù)使用意愿影響的模型，通過調(diào)查問卷收集數(shù)據(jù)，利用結(jié)構(gòu)方程模型對(duì)所得數(shù)據(jù)進(jìn)行分析。[結(jié)果/結(jié)論]研究結(jié)果表明，用戶使用移動(dòng)音樂APP時(shí)產(chǎn)生的獲得體驗(yàn)、沉浸體驗(yàn)和人際體驗(yàn)顯著影響滿意度，獲得體驗(yàn)和滿意度顯著影響持續(xù)使用意愿。

關(guān)鍵詞：網(wǎng)易云音樂;音樂社交;期望確認(rèn)模型;移動(dòng)APP;持續(xù)使用意愿

DOI：10.3969/j.issn.1008-0821.2019.02.015

〔中圖分類號(hào)〕G252.0〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2019）02-0128-08

隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展和移動(dòng)智能終端的普及，為了能在移動(dòng)終端方便、快捷地實(shí)現(xiàn)PC端的各種功能，各類APP應(yīng)運(yùn)而生，音樂APP便是其中之一。從20世紀(jì)40年代的黑膠唱片開始，音樂載體在這半個(gè)多世紀(jì)以來發(fā)生了各種變化，音樂也從實(shí)體型發(fā)展成為現(xiàn)今的數(shù)字型，并通過智能移動(dòng)終端APP為人們提供音樂服務(wù)。據(jù)統(tǒng)計(jì)，截至2017年6月，網(wǎng)絡(luò)音樂的網(wǎng)民使用率已達(dá)69.8%，手機(jī)網(wǎng)絡(luò)音樂的網(wǎng)民使用率已達(dá)67.7%[1]。

自成立之初便主打“音樂社交”的網(wǎng)易云音樂作為在線音樂的后起之秀，上線3年即成為僅次于騰訊音樂娛樂集團(tuán)（QQ音樂、酷我音樂、酷狗音樂）的平臺(tái)，并逐步拉大與其他音樂平臺(tái)的差距。有數(shù)據(jù)表明，2017年6月，網(wǎng)易云音樂新下載用戶數(shù)達(dá)1 905.28萬人，同比增長率達(dá)109.77%[2]。7月日均用戶活躍數(shù)排名第4（1 552.8萬），用戶活躍率排名第2（22.3%）[3]。隨著國內(nèi)音樂版權(quán)的逐漸規(guī)范，網(wǎng)易云音樂因曲庫縮小而受到嚴(yán)重沖擊，但用戶活躍度依舊占有優(yōu)勢。以網(wǎng)易云音樂為代表的音樂APP之所以廣受歡迎，社交平臺(tái)的功能起到相當(dāng)大作用?；诖?，本文試圖探究社交體驗(yàn)對(duì)移動(dòng)音樂APP持續(xù)使用意愿的影響作用。

1文獻(xiàn)回顧

近年來，出現(xiàn)了很多社交類APP，但它們中的許多都不得不面對(duì)用戶的流失，如何提高用戶持續(xù)使用意愿和行為便成為一大熱門課題。持續(xù)使用研究的常用理論主要集中在期望確認(rèn)模型（Expectation-confirmation Model，ECM）、使用與滿足理論（Use and Gratifications Theory，UGT）和理性行為理論（Theory of Reasoned Action，TRA），另外，技術(shù)接受模型（Technology Acceptance Model，TAM）、計(jì)劃行為理論（Theory of Planned Behavior，TPB）等[4]也較為常見。例如，Ecem Basak等[5]利用UGT研究了Facebook的持續(xù)使用意愿影響因素，證明滿意度和態(tài)度對(duì)持續(xù)使用意愿影響顯著，娛樂和地位追求對(duì)持續(xù)使用意愿有間接影響。YiCheng Ku等[6]借鑒UGT對(duì)社交網(wǎng)站用戶持續(xù)使用意愿進(jìn)行研究，得出滿意度、感知臨界質(zhì)量、主觀規(guī)范和隱私問題影響持續(xù)使用意愿的結(jié)論。Nancy K.Lankton等[7]結(jié)合了TRA和信任理論，構(gòu)建了一個(gè)描述在線社交網(wǎng)站信任、習(xí)慣、態(tài)度和主觀規(guī)范對(duì)持續(xù)使用意愿影響的模型，并解釋了習(xí)慣和信任是如何預(yù)測新在線社交網(wǎng)站環(huán)境下用戶持續(xù)使用意愿的。Mutaz M.Al-Debei等[8]對(duì)TPB進(jìn)行了擴(kuò)展，增加了感知價(jià)值，并利用該擴(kuò)展模型探究Facebook用戶的持續(xù)參與意愿和持續(xù)參與行為。Chia-Lin Hsu等[9]綜合了TAM、TPB、期望不確定模型和沉浸理論，以Facebook為例，對(duì)社交網(wǎng)站用戶持續(xù)使用的內(nèi)在和外在動(dòng)機(jī)進(jìn)行深入研究。

當(dāng)前，對(duì)移動(dòng)音樂APP的研究主要集中在界面設(shè)計(jì)和個(gè)性化推薦兩方面。蔣一鳴[10]結(jié)合APP功能、美學(xué)及流行趨勢，對(duì)音樂APP界面設(shè)計(jì)進(jìn)行了對(duì)比分析。萬昀暉[11]從心理學(xué)的角度出發(fā)，通過對(duì)用戶的訪談和認(rèn)知走訪，了解用戶的基本需求，并提出一款用戶體驗(yàn)較好的音樂APP的界面原型。常見的音樂推薦方法包括基于專家的推薦、基于內(nèi)容過濾的推薦、基于協(xié)同過濾的推薦和基于語境的推薦等，但目前相關(guān)研究更多地集中在基于協(xié)同過濾的推薦和基于內(nèi)容過濾的推薦上[12]。例如，Ziwon Hyung等[13]通過提取音頻內(nèi)容構(gòu)建語義模型，參考用戶的收聽歷史構(gòu)建用戶偏好模型，并基于此進(jìn)行音樂個(gè)性化推薦。張燕等[14]基于分形理論，對(duì)已構(gòu)建的音樂特征數(shù)據(jù)集進(jìn)行屬性約簡，從而獲得音樂的推薦特征向量，并據(jù)此提出一種更實(shí)用的距離度量方法，實(shí)現(xiàn)提高推薦算法的效率的目的。Claudio Baccigalupo等[15]提出，基于兩首歌曲的同現(xiàn)頻率建立社交網(wǎng)絡(luò)電臺(tái)，通過電臺(tái)為用戶提供個(gè)性化推薦的方法。Shulong Tan等[16]提出了一種利用多種社交媒體信息和基于聲學(xué)的音樂內(nèi)容的音樂推薦算法。

綜上所述，盡管社交類移動(dòng)APP持續(xù)使用的研究已較為豐富，國內(nèi)主流的移動(dòng)音樂APP也都增加了評(píng)論、專欄等社交功能，但關(guān)于移動(dòng)音樂APP的社交體驗(yàn)的實(shí)證研究仍較缺乏。

2研究模型與假設(shè)

2.1研究模型

本文模型基于期望確認(rèn)模型。期望確認(rèn)理論指出，消費(fèi)者購買商品前對(duì)商品的期望和購買商品后得到的體驗(yàn)與認(rèn)知的比較結(jié)果會(huì)影響用戶滿意度，從而影響用戶的重復(fù)購買意愿。Anol Bhattacherjee[17]將期望確認(rèn)理論進(jìn)行針對(duì)性修改，形成了期望確認(rèn)模型（如圖1所示），使其更適應(yīng)信息系統(tǒng)領(lǐng)域的應(yīng)用。目前，期望確認(rèn)模型在諸如包括微博、Twitter在內(nèi)的SNS[18-21]、移動(dòng)搜索[22]、社會(huì)化閱讀APP[23]等研究領(lǐng)域中被使用。許多學(xué)者在研究時(shí)會(huì)根據(jù)研究對(duì)象對(duì)模型進(jìn)行擴(kuò)充，本研究的模型也將在此基礎(chǔ)上進(jìn)行一定的調(diào)整。

2.2研究假設(shè)

美國音樂流媒體軟件公司Rido的首席執(zhí)行官Drew Larner較早便提出“音樂社交”這一概念，他認(rèn)為，音樂的本質(zhì)是社交的，數(shù)字音樂的未來也將有社交體驗(yàn)的有效傳遞來推動(dòng)[24]。王路[25]認(rèn)為，“音樂社交”是“以用戶社交互動(dòng)為聯(lián)結(jié)、以用戶生產(chǎn)內(nèi)容為核心、最大化開發(fā)用戶創(chuàng)造力，并幫助用戶最終實(shí)現(xiàn)音樂享受與消費(fèi)的運(yùn)營理念或策略”。結(jié)合社交媒體能通過分享、協(xié)作、討論來進(jìn)行“用戶生成內(nèi)容（User Generated Content，UGC）”活動(dòng)的特點(diǎn)，本文認(rèn)為“音樂社交”的本質(zhì)是通過用戶的評(píng)論、分享等社交行為，實(shí)現(xiàn)音樂的傳遞和推廣。

網(wǎng)易云音樂早期通過評(píng)論區(qū)吸引了大量用戶，并形成了“邊聽歌邊看評(píng)論”等較為獨(dú)特的聽歌方式，而偏向情感的評(píng)論使得用戶在不知不覺間沉浸其中，甚至對(duì)音樂和音樂人產(chǎn)生新的理解。同時(shí)，用戶可以自由編輯和分享歌單，以更為自由和多樣的方式將歌曲組織起來，成為用戶獲得音樂的又一途徑?；诖耍疚膶⒕W(wǎng)易云音樂的社交體驗(yàn)分為獲得體驗(yàn)、沉浸體驗(yàn)、人際體驗(yàn)、思考體驗(yàn)等4種類型。

2.2.1社交體驗(yàn)對(duì)滿意度的影響

1）獲得體驗(yàn)。獲得體驗(yàn)體現(xiàn)的是社交行為是否有助于用戶獲取符合自己喜好的音樂?！耙魳飞缃弧钡淖罱K目的是推廣和傳遞音樂，音樂APP最核心的作用是使用戶可以及時(shí)、準(zhǔn)確、便捷地獲得需要的音樂。因此，獲得體驗(yàn)是用戶評(píng)判網(wǎng)易云音樂是否有用的最重要標(biāo)準(zhǔn)。在期望確認(rèn)模型中，感知有用性體現(xiàn)的是用戶在使用產(chǎn)品或接受某種服務(wù)后的感受。獲得體驗(yàn)與感知有用性具有一定相似性，一般情況下，通過評(píng)論、歌單等獲得音樂的體驗(yàn)越好（即獲得體驗(yàn)越好），用戶滿意度越高。同時(shí)，根據(jù)期望確認(rèn)模型中感知有用性和持續(xù)使用意愿的關(guān)系，本研究做出以下假設(shè)：

H1：移動(dòng)APP的用戶獲得體驗(yàn)對(duì)用戶滿意度有顯著的正向影響。

H2：移動(dòng)APP的用戶獲得體驗(yàn)對(duì)用戶持續(xù)使用意愿有顯著的正向影響。

2）沉浸體驗(yàn)。沉浸體驗(yàn)（Flow Experience），又稱心流體驗(yàn)，是指人們完全投入一項(xiàng)活動(dòng)而忽略周遭環(huán)境的一種狀態(tài)。“沉浸”一詞是由Mihaly Csikszentmihalyi在1975年提出的[26]，最初只停留于心理學(xué)領(lǐng)域，近年來，沉浸體驗(yàn)也被引入了互聯(lián)網(wǎng)和信息系統(tǒng)領(lǐng)域。李力等[27]發(fā)現(xiàn)，心流體驗(yàn)在虛擬社區(qū)中對(duì)用戶知識(shí)搜尋滿意度具有顯著影響。歐陽博等[28]證實(shí)，在虛擬社區(qū)中，沉浸體驗(yàn)對(duì)用戶信息搜尋滿意度具有正向影響。Dongseong Chio等[29]經(jīng)過調(diào)查研究發(fā)現(xiàn)，沉浸體驗(yàn)是導(dǎo)致人們沉迷網(wǎng)絡(luò)游戲的重要原因。宋之杰等[30]和Susan Rose等[31]分別對(duì)團(tuán)購網(wǎng)站和在線購物進(jìn)行研究，證實(shí)沉浸體驗(yàn)顯著影響用戶對(duì)團(tuán)購網(wǎng)站和在線購物的滿意度。代寶等[32]的研究顯示，心流體驗(yàn)顯著影響微信用戶滿意度，進(jìn)而影響持續(xù)使用意愿。

通過訪談和相關(guān)報(bào)告可以發(fā)現(xiàn)，網(wǎng)易云音樂中的大部分用戶都有長時(shí)間瀏覽歌曲評(píng)論或?qū)诘慕?jīng)歷。Donna L.Hoffman等[33]認(rèn)為，沉浸體驗(yàn)是一種自成目的性體驗(yàn)，它能刺激人們重復(fù)參與某種活動(dòng)。Sheng Wu等[34]研究發(fā)現(xiàn)，沉浸體驗(yàn)所帶來的愉悅感可以延長用戶使用網(wǎng)站的時(shí)間，提高用戶使用網(wǎng)站的頻率。因此，當(dāng)用戶沉浸在包括瀏覽評(píng)論、專欄在內(nèi)的音樂社交活動(dòng)中時(shí)，有可能會(huì)提高對(duì)網(wǎng)易云音樂APP的滿意度。由此，本研究作出如下假設(shè)：

H3：移動(dòng)APP的用戶沉浸體驗(yàn)對(duì)用戶滿意度有顯著的正向影響。

3）人際體驗(yàn)。人際體驗(yàn)是指包括歌曲評(píng)論、專欄評(píng)論在內(nèi)的涉及“社交”的環(huán)境給用戶帶來的心理感受。湛東升等[35]的研究結(jié)果表明，居住環(huán)境正向影響居住滿意度，改善鄰里環(huán)境可以提高居住滿意度。董書香等[36]、張宜民等[37]、莫秀婷等[38]分別針對(duì)農(nóng)村醫(yī)生、城市公立醫(yī)療機(jī)構(gòu)醫(yī)生和不同基本特征醫(yī)務(wù)人員進(jìn)行實(shí)證研究，證實(shí)了醫(yī)患關(guān)系對(duì)醫(yī)務(wù)人員的工作滿意度具有顯著的正向影響。侯烜方等[39]的研究結(jié)果表明，人際和諧是新生代工作價(jià)值觀之一，并正向影響績效。胡翔等人[40]的研究證實(shí)新生代女性員工的人際和諧對(duì)工作滿意度具有顯著影響。

根據(jù)馬斯洛需求層次理論，人有被尊重的需要[41]。評(píng)論區(qū)的內(nèi)容由用戶生成，而這些內(nèi)容會(huì)給其他用戶帶來不同的感受。若用戶留下的評(píng)論讓其他用戶感受到平等與尊重，即帶來良好的人際體驗(yàn)，其他用戶會(huì)更愿意瀏覽評(píng)論，甚至主動(dòng)參與互動(dòng)，從而提升滿意度。相反，若用戶留下的評(píng)論大多是極端且充滿挑釁的，即帶來較差的人際體驗(yàn)，那么其他用戶極有可能對(duì)APP產(chǎn)生反感，APP的用戶滿意度也隨之降低?；诖?，本研究提出如下假設(shè)：

H4：移動(dòng)APP的用戶人際體驗(yàn)對(duì)用戶滿意度有顯著的正向影響。

4）思考體驗(yàn)。思考體驗(yàn)描述的是現(xiàn)有評(píng)論對(duì)用戶音樂認(rèn)知的影響，它不僅包含用戶對(duì)音樂的理解、對(duì)音樂人的了解，還包括是否能激發(fā)用戶對(duì)音樂產(chǎn)生延伸思考。Bernd H.Schmitt[42]提出，在體驗(yàn)營銷活動(dòng)中，體驗(yàn)?zāi)K可以分為感官體驗(yàn)、情感體驗(yàn)、思考體驗(yàn)、行動(dòng)體驗(yàn)和關(guān)聯(lián)體驗(yàn)5種。沈進(jìn)成等人利用Schmitt的理論，從感官、情感、思考、行動(dòng)、關(guān)聯(lián)5個(gè)維度來衡量游客體驗(yàn)，并研究游客體驗(yàn)對(duì)旅游目的地的滿意度及忠誠度等情感[43-45]。

通過評(píng)論、專欄、原創(chuàng)節(jié)目等，用戶能了解音樂背后的故事、音樂人的故事或者某一類音樂的特征和意義，激發(fā)用戶對(duì)某類音樂、某位音樂人的興趣或讓用戶更為確切地了解自己喜歡的音樂類型或音樂人。歌單得以生成往往暗示歌單內(nèi)音樂在某種或某些方面具有一定的相似性，而由用戶生成歌單可以從更多角度將不同的音樂關(guān)聯(lián)起來，音樂之間的關(guān)聯(lián)因素也更具多樣性和靈活性，也可以為用戶提供更多獲得音樂、了解自己音樂偏好的渠道。通過評(píng)論、專欄、歌單、原創(chuàng)節(jié)目等在一定程度上可以啟發(fā)用戶進(jìn)行更為準(zhǔn)確的音樂搜索，用戶滿意度便有可能因此得到提高。本研究由此提出如下假設(shè)：

H5：移動(dòng)APP的用戶思考體驗(yàn)對(duì)用戶滿意度有顯著的正向影響。

2.2.2滿意度對(duì)持續(xù)使用意愿的影響

期望確認(rèn)理論認(rèn)為，用戶在使用產(chǎn)品或接受服務(wù)時(shí)獲得的滿意度會(huì)影響用戶的持續(xù)購買或使用意愿。Richard L.Oliver[46]的研究顯示，滿意度是影響顧客再次購買意愿的重要因素，且兩者成正相關(guān)關(guān)系，滿意度越高，顧客的重復(fù)購買意愿也越高。Anol Bhattecherjee[17]的研究也證實(shí)，在信息系統(tǒng)中，用戶滿意度正向影響持續(xù)使用意愿。在關(guān)于移動(dòng)APP持續(xù)使用意愿的研究中，李武等[23]、殷猛等[18]、代寶等[32]分別對(duì)社會(huì)化閱讀APP、健康A(chǔ)PP、即時(shí)通訊APP（微信）進(jìn)行研究，研究結(jié)果表明用戶滿意度對(duì)持續(xù)使用意愿具有顯著影響。因此，本研究做出如下假設(shè)：

H6：用戶滿意度對(duì)用戶持續(xù)使用意愿有顯著的正向影響。

綜合以上假設(shè)，本文提出概念模型如圖2所示。

3研究方法

3.1測量量表的開發(fā)

為了保證本研究測量量表的信效度，測量題項(xiàng)基本借鑒已有文獻(xiàn)，并根據(jù)網(wǎng)易云音樂APP的特點(diǎn)做出適當(dāng)調(diào)整。其中，沉浸體驗(yàn)的題項(xiàng)參考代寶等[32]的測量量表;獲得體驗(yàn)的題項(xiàng)參考了李武等[23]的閱讀有用性認(rèn)知題項(xiàng)和Hassan M[47]的感知有用性題項(xiàng);人際體驗(yàn)的題項(xiàng)參考侯烜方等人[39]的測量量表;思考體驗(yàn)參考了沈進(jìn)成等人[44]的量表;滿意度借鑒了李武等人[23]的量表;持續(xù)使用意愿借鑒了胡淑平[48]和李武等[23]的量表。問卷除基本信息部分，全部采用李克特五級(jí)量表形式，其中1表示非常不同意，5表示非常同意。在小規(guī)模發(fā)放問卷后，利用SPSS22.0對(duì)所獲得的樣本數(shù)據(jù)進(jìn)行探索性因子分析，并根據(jù)結(jié)果對(duì)問卷進(jìn)行調(diào)整，且保證每個(gè)因子有至少3個(gè)題項(xiàng)，最后得到6個(gè)因子和20個(gè)測量題項(xiàng)。

3.2數(shù)據(jù)收集

通過線上和線下兩種方式進(jìn)行問卷發(fā)放，共回收問卷321份。剔除明顯未認(rèn)真填寫以及填寫不完整的問卷，結(jié)果得到238份有效問卷，有效問卷率為74.14%。有效問卷中，未使用過網(wǎng)易云音樂APP的有17份，使用過的有221份。對(duì)這221份樣本進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1所示。

4數(shù)據(jù)處理

4.1信度與效度檢驗(yàn)

本文主要利用Cronbachα值（CA）進(jìn)行信度分析，利用組合信度（CR）測量各題項(xiàng)間的內(nèi)部一致性，利用平均抽取方差（AVE）來判斷各測量項(xiàng)間的聚合效度。一般認(rèn)為，問卷整體CA值大于0.8，分量表CA值大于0.7，說明問卷信度較好，整體CA值大于0.7，分量表CA值大于0.6可接受。通過SPSS22.0對(duì)問卷整體及各個(gè)因子的Cronbachα值進(jìn)行計(jì)算，得到問卷整體信度Cronbachα為0.847，除沉浸體驗(yàn)的CA值為0.626，可接受外，其余5個(gè)變量的CA值均大于0.7，說明問卷整體信度較高。同時(shí)，通過計(jì)算得到所有CR值均大于0.7，說明問卷各題項(xiàng)間的內(nèi)部一致性較高。

通過最大方差法對(duì)數(shù)據(jù)進(jìn)行主成分分析。根據(jù)Henry F.Kaiser[49]的觀點(diǎn)，若KMO值小于0.5，則不適合進(jìn)行因子分析，而本文樣本的KMO值為0.847，適合進(jìn)行因子分析。同時(shí)，本文樣本Bartlett球形檢驗(yàn)卡方值為2 236.273，自由度為190，顯著性為0.000，滿足顯著性小于0.05的要求，說明適宜進(jìn)行因子分析。如表2所示，各測量題項(xiàng)的因子載荷均在0.5以上，除沉浸體驗(yàn)AVE值為0.456略低于0.5以外，其余5個(gè)變量的AVE值均大于閾值0.5，問卷的效度可接受。

4.2結(jié)構(gòu)模型檢驗(yàn)

4.2.1初始模型檢驗(yàn)

本文利用AMOS24.0進(jìn)行結(jié)構(gòu)模型檢驗(yàn)，標(biāo)準(zhǔn)化路徑系數(shù)如圖3所示。從圖中可知，用戶的獲得體驗(yàn)、沉浸體驗(yàn)、人際體驗(yàn)對(duì)用戶滿意度具有顯著的正向影響，用戶滿意度和用戶的獲得體驗(yàn)對(duì)持續(xù)使用意愿有顯著的正向影響，即假設(shè)H1、H2、H3、H4、H6成立。但用戶的思考體驗(yàn)對(duì)用戶滿意度的影響不顯著，即H5不成立。

注：***表示P<0.001下顯著;**表示在P<0.01下顯著。圖3網(wǎng)易云音樂APP持續(xù)使用意愿初始模型標(biāo)準(zhǔn)化系數(shù)

同時(shí)，得到模型擬合度指標(biāo)如表3。一般認(rèn)為，卡方自由度比（CMIN/DF）小于1表示模型過度適配，大于3表示模型適配度不佳，介于1～3之間表示適配度良好;RMSEA值小于0.05表示適配度佳，介于0.05～0.08之間表示適配度尚可;GFI、AGFI、NFI、IFI、TLI大于0.9表示模型適配度較好[43]。但也有文獻(xiàn)中出現(xiàn)過AGFI大于0.8即可[50]。初始模型的CMIN/DF、RMSEA、CFI、IFI和TFI均達(dá)到適配標(biāo)準(zhǔn)，但GFI、AGFI和NFI均略小于臨界值。

4.2.2修正模型檢驗(yàn)

為了提高模型的擬合度，根據(jù)AMOS提供的修正指標(biāo)，對(duì)初始模型進(jìn)行了一定的修正。變量持續(xù)使用意愿的兩個(gè)測量題項(xiàng)CU3和CU4所測量的某些特質(zhì)可能類同，其測量誤差之間也有可能存在某種關(guān)聯(lián)，因此建立兩個(gè)測量誤差之間的共變關(guān)系不違反SEM的假定[51]（在本模型中可降低卡方值28.197）。為了使模型更簡潔，刪除了沒有顯著性關(guān)系的路徑——思考體驗(yàn)對(duì)用戶滿意度的影響。得到的修正模型如圖4所示，修正模型擬合度指標(biāo)如表4所示。修正后，各項(xiàng)指標(biāo)均有所提升，除AGFI略低（0.888）以外，GFI、NFI、IFI、TLI均大于0.9。

5分析與討論

本文通過調(diào)查問卷和數(shù)據(jù)分析等方法得出的結(jié)論認(rèn)為，網(wǎng)易云音樂APP的用戶滿意度顯著影響用戶持續(xù)使用意愿的結(jié)論，印證了期望確認(rèn)模型關(guān)于用戶滿意度顯著影響用戶持續(xù)使用意愿的觀點(diǎn)。獲得體驗(yàn)、沉浸體驗(yàn)、人際體驗(yàn)3個(gè)社交體驗(yàn)變量對(duì)網(wǎng)易云音樂APP的用戶滿意度均有顯著的正向影響，并且獲得體驗(yàn)顯著影響持續(xù)使用意愿。

音樂往往會(huì)引出或加劇人們內(nèi)心的情緒，而人的情緒是需要表達(dá)和發(fā)泄的，網(wǎng)易云音樂的評(píng)論區(qū)便為用戶提供了一個(gè)抒情環(huán)境。無論是現(xiàn)實(shí)生活中的社交還是基于網(wǎng)絡(luò)的移動(dòng)社交，在人際關(guān)系中感受到平等與尊重是人們愿意繼續(xù)進(jìn)行表達(dá)和交流的基礎(chǔ)。評(píng)論區(qū)的熱門評(píng)論多為通過記敘性的語言描述評(píng)論者當(dāng)下的情緒，或文藝或俏皮，文字可能是原創(chuàng)，也可能源于某本書或某部影視作品，情緒或喜或悲。通過評(píng)論，即便是陌生人也可以進(jìn)行情感上的交流，或是表達(dá)安慰，或是表達(dá)恭賀，或是過來人、其他的正在經(jīng)歷者表達(dá)感同身受。和諧的氛圍會(huì)使用戶情緒表達(dá)的欲望得到滿足，從而對(duì)用戶滿意度產(chǎn)生積極影響。只有當(dāng)人們對(duì)某些內(nèi)容感到滿意和滿足的時(shí)候，才會(huì)沉迷其中難以自拔。聽音樂的同時(shí)瀏覽評(píng)論，看他人的故事，看專欄了解某種音樂或音樂人背后的故事，由此使用戶在視覺和聽覺上同時(shí)得到了滿足。音樂類產(chǎn)品的核心是音樂[25]，通過用戶發(fā)表的評(píng)論、建立和分享的歌單等途徑，用戶更容易找到具有相似特點(diǎn)的音樂，從而使用戶得到更好地獲得體驗(yàn)，進(jìn)而可以提升用戶滿意度和持續(xù)使用意愿。

基于以上結(jié)論，本文給予類似網(wǎng)易云音樂這樣的社交APP的管理者以下3點(diǎn)啟示：

第一，重視評(píng)論區(qū)氛圍的維護(hù)工作。在必要時(shí)應(yīng)當(dāng)刪除偏激的、具有挑釁意味的評(píng)論，減少評(píng)論區(qū)沖突。只有和睦的評(píng)論區(qū)才會(huì)讓更多的用戶產(chǎn)生參與互動(dòng)的欲望，也只有保證評(píng)論區(qū)的和諧才能讓用戶擁有更好的沉浸體驗(yàn)。

第二，嚴(yán)格審核專欄內(nèi)容。除了官方發(fā)布的專欄內(nèi)容，更多專欄是由普通用戶發(fā)布的，因此專欄內(nèi)容往往會(huì)帶有一定的主觀色彩，但是應(yīng)當(dāng)保證專欄內(nèi)容的真實(shí)性，也要避免內(nèi)容過于極端和情緒化。

第三，進(jìn)一步鼓勵(lì)用戶建立和分享歌單。將已有音樂從“專輯”拆分為“單曲”，通過歌單的方式將“單曲”重新組織，呈現(xiàn)更多同類或相關(guān)歌曲，這也可以在一定程度上掩蓋網(wǎng)易云音樂曲庫小的弊端。而網(wǎng)易云音樂的歌單大多依靠用戶生成，建立和分享的歌單越多，用戶越容易找到符合自己音樂偏好的歌曲，獲得體驗(yàn)也會(huì)相應(yīng)提高。

未來，可以從以下兩方面對(duì)本研究進(jìn)行拓展：

第一，本研究的調(diào)查對(duì)象年齡段主要集中在18～23歲之間，盡管網(wǎng)易云音樂APP的90后用戶占比最高[3]，但也有其他年齡層的用戶。今后的研究可以增加其他年齡層的樣本數(shù)量，提供更為全面的研究數(shù)據(jù)。

第二，本研究只基于某一時(shí)間節(jié)點(diǎn)進(jìn)行研究，未來可以擴(kuò)展到歷時(shí)研究，跟蹤調(diào)查同一批研究對(duì)象隨時(shí)間的推移從網(wǎng)易云音樂APP獲得的社交體驗(yàn)進(jìn)行對(duì)比，探究在不同階段，社交體驗(yàn)對(duì)移動(dòng)APP滿意度和持續(xù)使用意愿影響的變化。

參考文獻(xiàn)

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.第40次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708/t20170803_69444.htm，2017-08-03.

[2]QuestMobile.移動(dòng)互聯(lián)網(wǎng)2017年Q2夏季報(bào)告[EB/OL].http：//www.questmobile.com.cn/blog/blog_98.html，2017-07-12.

[3]QuestMobile.2017年在線音樂應(yīng)用行業(yè)洞察報(bào)告[EB/OL].http：//www.questmobile.com.cn/blog/blog_108.html，2017-09-06.

[4]楊海娟，原薇，王文艷.國內(nèi)外社交類應(yīng)用持續(xù)使用研究綜述[J].情報(bào)科學(xué)，2017，（3）：164-170.

[5]Ecem Basak，Calisir F.An Empirical Study on Factors Affecting Continuance Intention of Using Facebook[J].Computers in Human Behavior，2015，48（C）：181-189.

[6]YiCheng Ku，Chen R，Zhang H.Why Do Users Continue Using Social Networking Sites？An Exploratory Study of Members in the United States and Taiwan[J].Information & Management，2013，50（7）：571-581.

[7]Nancy K.Lankton，Mcknight D H，Thatcher J B.The Moderating Effects of Privacy Restrictiveness and Experience on Trusting Beliefs and Habit： An Empirical Test of Intention to Continue Using a Social Networking Website[J].IEEE Transactions on Engineering Management，2012，59（4）：654-665.

[8]Mutaz M.Al-Debei，E Al-Lozi，Papazafeiropoulou A.Why People Keep Coming Back to Facebook：Explaining and Predicting Continuance Participation from an Extended Theory of Planned Behaviour Perspective[J].Decision Support Systems，2013，55（1）：43-54.

[9]Chia-Lin Hsu，Yu C C，Wu C C.Exploring the Continuance Intention of Social Networking Websites：An Empirical Research[J].Information Systems and e-Business Management，2014，12（2）：139-163.

[10]蔣一鳴.基于簡約風(fēng)格的移動(dòng)音樂APP界面設(shè)計(jì)研究[J].美與時(shí)代，2015，（3）：111-113.

[11]萬昀暉.基于心理學(xué)的音樂APP用戶體驗(yàn)設(shè)計(jì)研究[D].武漢：華中師范大學(xué)，2016.

[12]楊麟兒.基于用戶興趣的個(gè)性化推薦系統(tǒng)的研究與設(shè)計(jì)[D].北京：北京交通大學(xué)，2008.

[13]Ziwon Hyung，Lee K，Lee K.Music Recommendation Using Text Analysis on Song Requests to Radio Stations[J].Expert Systems with Applications，2014，41（5）：2608-2618.

[14]張燕，唐振民，李燕萍.面向推薦系統(tǒng)的音樂特征抽取[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（5）：130-133.

[15]Claudio Baccigalupo，Plaza E.Poolcasting：A Social Web Radio Architecture for Group Customisation[C]//International Conference on Automated Production of Cross Media Content for Multi-Channel Distribution.IEEE Computer Society，2007：115-122.

[16]Shulong Tan，Bu J，Chen C，et al.Using Rich Social Media Information for Music Recommendation Via Hypergraph Model[J].Acm Transactions on Multimedia Computing Communications & Applications，2011，7S（1）：22.

[17]Anol Bhattacherjee.Understanding Information Systems Continuance：An Expectation-confirmation Model[J].Mis Quarterly，2001，25（3）：351-370.

[18]殷猛，李琪.基于價(jià)值感知的微博話題持續(xù)參與意愿研究[J].情報(bào)雜志，2017，36（8）：94-100.

[19]殷國鵬，楊波.SNS用戶持續(xù)行為的理論模型及實(shí)證研究[J].信息系統(tǒng)學(xué)報(bào)，2010，（1）：53-64.

[20]Barnes S J，Bhringer M.Modeling Use Continuance Behavior in Microblogging Services：The Case of Twitter[J].Journal of Computer Information Systems，2011，51（4）：1-10.

[21]Kim B.Understanding Antecedents of Continuance Intention in Social-networking Services[J].Cyberpsychology Behavior & Social Networking，2011，14（4）：199.

[22]劉魯川，孫凱，王菲，等.移動(dòng)搜索用戶持續(xù)使用行為實(shí)證研究[J].中國圖書館學(xué)報(bào)，2011，（6）：50-57.

[23]李武，趙星.大學(xué)生社會(huì)化閱讀APP持續(xù)使用意愿及發(fā)生機(jī)理研究[J].中國圖書館學(xué)報(bào)，2016，42（1）：52-65.

[24]楊燕，徐麗芳.Rdio：社交化數(shù)字音樂服務(wù)平臺(tái)引領(lǐng)者[J].出版參考，2015，（16）：24-25.

[25]王路.從網(wǎng)易云音樂看“音樂社交”生態(tài)的建設(shè)[J].傳媒，2017，（3）：70-72.

[26]Mihaly Csikszentmihalyi.Beyond Boredom and Anxiety[J].1975.

[27]李力，張晉朝.虛擬社區(qū)用戶持續(xù)知識(shí)搜尋意愿影響因素研究[J].情報(bào)雜志， 2016，35（8）：199-203.

[28]歐陽博，劉坤鋒.移動(dòng)虛擬社區(qū)用戶持續(xù)信息搜尋意愿研究[J].情報(bào)科學(xué)，2017，（10）.

[29]Dongseong Chio，J Kim.Why People Continue to Play Online Games：In Search of Critical Design Factors to Increase Customer Loyalty to Online Contents[J].Cyberpsychology & Behavior：The Impact of the Internet，Multimedia and Virtual Reality on Behavior and Society，2004，7（1）：11.

[30]宋之杰，石曉林.團(tuán)購網(wǎng)站消費(fèi)者忠誠度研究——基于心流體驗(yàn)和信息系統(tǒng)持續(xù)使用理論[J].科技與管理，2013，15（5）：30-34.

[31]Susan Rose，M Clark，Samouel P，et al.Online Customer Experience in e-Retailing：An Empirical Model of Antecedents and Outcomes[J].Journal of Retailing，2012，88（2）：308-322.

[32]代寶，劉業(yè)政.基于期望確認(rèn)模型、社會(huì)臨場感和心流體驗(yàn)的微信用戶持續(xù)使用意愿研究[J].現(xiàn)代情報(bào)，2015，35（3）：19-23.

[33]Donna L Hoffman，Novak T P.Marketing in Hypermedia Computer-Mediated Environments：Conceptual Foundations[J].Journal of Marketing，1996，60（3）：50-68.

[34]Sheng Wu，Lin C S，Lin J.An empirical Investigation of Online Users Keyword Ads Search Behaviours[J].Online Information Review，2011，35（2）：177-193.

[35]湛東升，孟斌，張文忠.北京市居民居住滿意度感知與行為意向研究[J].地理研究，2014，33（2）：336-348.

[36]董香書，Proochista Ariana.為何農(nóng)村醫(yī)生工作不滿意？——工作收入、醫(yī)患關(guān)系和工作滿意度的實(shí)證研究[J].管理世界，2012，（11）：77-88.

[37]張宜民，馮學(xué)山.城市公立醫(yī)療機(jī)構(gòu)醫(yī)生工作滿意度決定因素的實(shí)證研究[J].中國衛(wèi)生資源，2011，14（2）：77-79.

[38]莫秀婷，徐凌忠，羅惠文，等.醫(yī)務(wù)人員感知醫(yī)患關(guān)系、工作滿意度與離職意向的關(guān)系研究[J].中國臨床心理學(xué)雜志，2015，23（1）：141-146.

[39]侯烜方，李燕萍，涂乙冬.新生代工作價(jià)值觀結(jié)構(gòu)、測量及對(duì)績效影響[J].心理學(xué)報(bào)，2014，46（6）：823-840.

[40]胡翔，李燕萍，李泓錦.新生代女性員工的人際和諧需求與工作滿意度[J].武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015，68（3）：121-128.

[41]Bernd H.Schmitt.A Theory of Human Motivation.[J].Psychological Review，1943，50（1）：370-396.

[42]Schmitt B H，Martínez M.Experiential Marketing[J].Journal of Marketing Management，1999，15（1-3）：53-67.

[43]沈進(jìn)成.遊客體驗(yàn)、旅遊意象、滿意度與忠誠度影響關(guān)係之研究——以華山咖啡爲(wèi)例[J].戶外遊憩研究，2005，18.

[44]沈進(jìn)成，曾慈慧，林映秀.遊客休閒涉入、體驗(yàn)、依附影響之研究——以南投水里蛇窯陶藝文化園區(qū)為例[J].新竹教育大學(xué)人文社會(huì)學(xué)報(bào)，2008：113-132.

[45]沈進(jìn)成，王伯文.民宿體驗(yàn)對(duì)遊客意象及忠誠度影響關(guān)係研究——以奮起湖地區(qū)為例[J].南華大學(xué)旅遊事業(yè)經(jīng)營學(xué)系，2004.

[46]Richard L.Oliver.A Cognitive Model for the Antecedents and Consequences of Satisfaction Decisions[J].Journal of Marketing Research，1980，17（4）： 460-469.

[47]Hassan M，Kouser R，Abbas S S.Consumer Attitudes and Intentions to Adopt Smartphone Apps：Case of Business Students[J].Pakistan Journal of Commerce & Social Sciences，2014.

[48]胡淑平.用戶體驗(yàn)對(duì)用戶忠誠的作用機(jī)理研究[D].濟(jì)南：山東大學(xué)，2012.

[49]Henry F.Kaiser.An index of Factorial Simplicity[J].Psychometrika，1974，39（1）：31-36.

[50]吳明隆.結(jié)構(gòu)方程模型：AMOS的操作與應(yīng)用[M].重慶：重慶大學(xué)出版社，2010.

[51]鄧朝華，魯耀斌，張金隆.基于TAM和網(wǎng)絡(luò)外部性的移動(dòng)服務(wù)使用行為研究[J].管理學(xué)報(bào)，2007，4（2）：216-221.

（責(zé)任編輯：陳媛）