移动打车软件用户使用意愿影响因素研究
2017年10月19日 | 作者: adminlin | 分类: 企业顾客满意度 |
移动互联网的快速发展促使各种创新移动应用的不断涌现，移动打车软件的出现在一定程度上缓解了乘客“打车难”与出租车“空载率高”这一矛盾，为乘客和出租车司机双方提供便利。因此，以使用移动打车软件的乘客为研究对象，在UTAUT模型和初始信任理论的基础上，依据打车软件的自身特点加入感知趣味性、感知风险、感知价格水平等因素，构建理论模型，分析影响用户初始使用意愿的关键因素。通过问卷调查，利用SPSS和AMOS软件进行数据分析，根据分析结果为移动打车软件运营商提供相应的管理和营销建议。
伴随着移动互联网的快速发展和手机智能化的不断增强，越来越多的用户使用智能手机上网。正是由于手机上网人数的剧增，各类移动端应用层出不穷。移动打车软件是指利用智能手机，实现出租车召车请求和服务的软件，它在一定程度上缓解了出租车市场上由于乘客、出租车司机信息不对称所造成的乘客“打车难”和出租车“空载率高”等问题。根据易观智库产业数据库发布的《中国打车APP市场季度监测报告2014年第4季度》数据显示，截至2014年12月，中国打车APP累计账户规模达1.72亿，其中，快的打车、滴滴打车分别以56.5%、43.3%的比例占据中国打车APP市场累计账户份额领先位置[1]。目前的打车软件市场还处于发展阶段，打车软件运营商利用高额补贴策略吸引用户使用，但补贴减少或消失，势必会造成已有用户的流失，所以真正影响用户初始使用意愿的因素有哪些，打车软件运营商该如何进行有效的推广和管理，这是一个值得深入研究的问题。
针对不同类型移动软件，国内外学者对其用户使用意愿的研究有一定的进展。Luo等[2]研究了信任、感知风险、自我效能和绩效期望对用户使用移动银行的影响，结果显示绩效期望是影响移动银行用户使用的决定性因素。Kyusung等[3]基于TAM模型，研究社交网络手机游戏用户的使用意愿情况，结果表明社会规范、情景、感知娱乐性正向影响用户使用意愿。赵忠平[4]基于TAM模型，结合创新扩散、感知娱乐等理论，建立移动游戏用户使用意愿模型，研究发现感知娱乐性对用户使用意愿的正向影响最显著。李晶等[5]在TAM模型的基础上加入信息安全感知理论，研究影响移动图书馆用户使用意愿的关键因素，研究发现信息安全感知对移动图书馆的使用意愿具有直接影响作用。基于UTAUT模型，从接受因素、风险因素和内容因素三方面分析微信用户使用意愿的影响因素，研究表明由绩效期望、努力期望、社会影响和促进条件四者构成的接受因素对微信用户使用意愿的正向影响最大。
虽然国内外针对各类创新移动应用的研究颇多，但由于移动打车软件是一种新型的移动端软件，国内外学者对打车软件用户行为意愿的研究甚少，目前只有林玉川[7]基于TAM模型，加入兼容性、主观规范、感知风险等因素，建立模型对国内打车软件用户行为展开实证研究。经国外众多学者的实证验证，UTAUT模型对用户使用意图（行为）的解释能力高达70%，比以往任何一个模型都更为有效[8]。并且本文主要研究打车软件用户的初始使用意愿，所以尝试整合UTAUT模型、ITM（初始信任）模型，再根据移动打车软件的特点加入感知趣味性、感知风险和感知价格水平，建立理论模型，从而研究影响移动打车软件用户初始使用意愿的因素，进而通过数据分析为打车软件运营商提供可行的管理、推广建议和参考。
1 理论基础
1.1 UTAUT模型
Davis[9]在理性行为理论（TRA）的基础上加以修正，于1989年提出了技术接受模型（TAM）。后来Vankatesh和Davis等人[10]对TAM模型进行多次改进和扩展，最终整合了信息技术接受领域中的八大基础理论，在2003年提出了整合型技术接受模型（UTAUT）。该模型由绩效期望、努力期望、社会影响和促成因素4个核心变量组成，其中
前3个变量直接影响用户使用意愿，而促成因素对使用行为产生显著影响，模型如图1所示。
UTAUT模型已经被众多学者应用到移动互联网应用的研究中。AbuShanab等[11]基于UTAUT模型研究约旦民众使用移动银行的行为，实证研究发现努力期望、绩效期望、社会影响和性别显著影响移动支付用户行为。易涌征[12]整合了UTAUT模型、感知风险理论和情境理论，构建了移动支付用户接受模型，研究表明绩效期望、社会影响、努力期望、感知风险对使用意愿的直接影响显著。经过国内外学者的研究验证，UTAUT模型对信息技术用户使用意愿的解释能力极高，而移动打车软件作为新型的移动应用，实际上也是信息技术在移动端的延伸，所以本文以UTAUT模型为基础，选取绩效期望、努力期望、社会影响作为影响打车软件用户使用意愿的因素。
1.2 初始信任理论
McKnight[13]于1998年整合多学科关于信任的研究，建立了一个宽泛的初始信任模型，他指出初始信任的形成并不是基于以往的经历和第一手知识，而是在认知的过程中形成的。初始信任理论最初应用在电子商务领域，随后大多数学者将该理论扩展到到移动互联网方面的研究中，例如移动支付、手机银行的用户使用意愿分析。Kim等[14]在关于手机银行用户使用意愿的研究中，通过建立初始信任模型验证了信任倾向、结构保证以及相对优势对用户初始信任有显著影响。Tiago等[15]整合UTAUT、TTF（理论任务匹配）和ITM（初始信任）模型，研究葡萄牙民众使用手机银行的意愿和行为，研究表明初始信任、绩效期望、技术特点、任务特点对用户使用意愿有显著影响。
由于使用移动打车软件需要用户利用真实手机号码注册，并且在线支付车费，所以用户对于该软件的初始信任会决定其是否愿意尝试使用。初次使用移动打车软件时，用户没有任何经验可循，个人信任倾向、公司声誉和相对优势共同决定用户对于打车软件的初始信任。因此本文选取这3个因素作为初始信任的影响因素，而初始信任作为影响用户使用意愿的因素之一。
2 模型建立与研究假设
2.1 模型建立
本文基于UTAUT模型和初始信任模型在移动应用用户使用意愿的现有研究[14]，同时依据打车软件自身特征加入感知趣味性、感知安全性、感知价格水平3种影响变量，建立移动打车软件用户使用意愿模型。
2.2 研究假设
2.2.1 基于UTAUT模型
在Vankatesh和Davis等提出的UTAUT模型中，绩效期望、努力期望、社会影响3个因素均正向影响用户的使用意愿。在本文研究中，对上述4个测量变量的定义如下：
（1）使用意愿：消费者认为自己会在未来某时使用移动打车软件的可能性。
（2）绩效期望：使用打车软件打车为用户提供便利和帮助的程度，打车软件为用户提供的帮助和便利越大，用户使用打车软件的意愿就越强。
（3）努力期望：用户主观认为的使用打车软件的难易程度，如果移动打车软件操作简单、方便使用，那么用户会更愿意尝试。
（4）社会影响：用户所感知到的周围其他人对其使用打车软件的支持程度。当用户发现周围的朋友、同事都在使用打车软件时，也会受其影响成为打车软件的新用户，这样社会影响就对用户的使用意愿产生正向的影响。
由此，提出以下假设：
H1：绩效期望对移动打车软件的用户使用意愿有正向影响。
H2：努力期望对移动打车软件的用户使用意愿有正向影响。
H3：社会影响对移动打车软件的用户使用意愿有正向影响。
2.2.2 基于初始信任理论
Taylor等[16]指出相对优势是指当一项新服务通过改善用户经济效益、个人形象、方便和满意度，从而比现有服务提供更大的价值。目前中国的出租车市场出现“打车难”、“空载率高”等问题，打车软件的出现在一定程度上缓解了这些问题，给用户带来了便利，节约其时间成本和经济成本，打车软件的这些优势能够促使用户对其产生初始信任。
由此，提出以下假设：
H4：相对优势对移动打车软件用户的初始信任有正向影响。
个人信任倾向是个人对于他人或其他组织或团体信任的常规倾向[17]。这种倾向与个人的文化背景、性格特征、生活阅历有关联，具有较高信任倾向的人往往更容易信任他人。当用户面对移动打车软件这样的新型软件时，由于缺乏先验的信息，所以信任倾向在初始信任阶段是非常重要的。
由此，提出以下假设：
H5：个人信任倾向对移动打车软件用户的初始信任有正向影响。
公司声誉在本文中是指移动打车软件运营商在社会公众中的知名度和美誉度。在初始信任阶段，用户更容易对声誉高的公司所提供的服务产生信任。Mcknight等[18]发现消费者感知的商家声誉和消费者初始信任之间有直接的联系。
由此，提出以下假设：
H6：公司声誉对移动打车软件用户的初始信任有正向影响。
本文中初始信任是指用户还未使用过移动打车软件时，根据自身的认知和判断所形成的对打车软件的信任。部分学者针对手机银行、移动支付等的实证研究中已经验证了初始信任对于用户使用意愿的影响作用。
由此，提出以下假设：
H7：初始信任对移动打车软件的用户使用意愿有正向影响。
2.2.3 基于打车软件的自身特点
目前许多学者将感知趣味性引入到移动商务和应用的研究中，Bruner和Kumar[19]在研究移动商务用户使用意愿时，验证了感知趣味性对用户使用意愿的显著影响。熊莎[20]在关于微信用户使用意愿影响因素的实证研究中，验证了感知趣味性正向影响微信用户使用意愿这一假设。本文将感知趣味性定义为用户在使用打车软件打车的过程中，所感受到的快乐、有趣的程度。移动打车软件作为新兴的移动应用，能够给用户带来不一样的打车体验，用户感知到的趣味性对其使用意愿有着积极的影响。
由此，提出以下假设：
H8：感知趣味性对移动打车软件的用户使用意愿有正向影响。
本文中感知风险是指用户主观感知到的移动打车服务可能带来负效应的风险。用户使用打车软件打车时，需要使用手机号码注册和手机支付费用，这会给用户带来隐私泄露和资金丢失的风险，用户感知到的这些风险会对用户的使用意愿产生负面影响。
由此，提出以下假设：
H9：感知风险对移动打车软件的用户使用意愿有负向影响。
感知价格水平是指消费者在购买产品和服务时所支出的经济成本，是感知成本中的货币形式[21]。Cheong[22]关于韩国互联网用户行为的研究中，验证了感知价格水平负向影响用户使用意愿的假设。目前打车软件为用户免去起步价，并给予一定的价格补贴，用户感知到的价格水平相对较低，这样能够增强用户使用移动打车软件的意愿。
由此，提出以下假设：
H10：感知价格水平对移动打车软件的用户使用意愿有负向影响。
3 研究方法
3.1 量表设计
本文采用问卷调查的方式进行模型检验。所建模型包含11个测量变量，分别为相对优势（RB）、个人信任倾向（PPT）、公司声誉（FR）、初始信任（IT）、绩效期望（PE）、努力期望（EE）、社会影响（SI）、感知趣味性（PP）、感知风险（PR）、感知价格水平（PPL）、使用意愿（BI）。最终问卷有35个测量题项，每个题项均采用李克特五点尺度，从非常不同意（1分）到非常同意（5分）加以测量。为了确保问卷的有效性，本文的量表设计参考了国内外相关文献中相对成熟的指标体系，并结合打车软件使用的特点进行一定的修改和调整。其中，相对优势、初始信任两者的测量量表主要参考了文献中的量表，个人信任倾向的测量量表主要参考了文献，公司声誉的测量量表主要参考了文献，绩效期望、努力期望、社会影响、使用意愿四者的测量量表主要参考了文献，感知趣味性、感知风险、感知价格水平的测量量表主要参考了文献。
3.2 样本收集
为了确保问卷结构和量表设计的合理性，在正式调查前先对初步设计的问卷进行了预调查。线下随机发放100份问卷，回收问卷98份，其中有效问卷45份，并对这些有效数据进行了信度和效度分析，根据分析结果对问卷题项进行了一定的修正和删改。最终正式问卷调查采用了线上线下相结合的方式进行，线上发放问卷，线下随机发放纸质问卷进行调查。正式问卷的发放不局限于武汉地区，还包含上海、南京、郑州、北京等各大城市，最终共发放问卷400份，线上、线下各200份，最终回收问卷386份，剔除没有使用过打车软件和填写不完整、不认真的问卷，剩余有效问卷295份。有效问卷的样本统计描述如表1所示。
3.3 数据分析
3.3.1 量表信度分析
信度是指量表测量结果的一致性或稳定性的程度。本文利用SPSS17.0软件计算各个测量变量的Cronbachs
Alpha值，结果如表2所示。Cronbachs
Alpha值在0.7以上表示量表可信，0.8以上表示量表较可信，0.9以上表示量表十分可信。如表2所示，量表整体的Cronbachs
Alpha为0.901，各测量变量的组合信度CR值均大于0.7，且均接近或大于0.8，而11个测量变量的Cronbachs
Alpha值中最小为0.771，均大于0.7，并且大部分变量的Cronbachs Alpha值都在0.8以上，所以本文的量表具有良好的信度。
3.3.2 量表效度分析
本文利用Amos17.0软件分析量表的收敛效度和区别效度，效度分析结果如表3、表4所示。表3中所有测量变量所对应的各个题项的因子载荷量均大于0.7，且各测量变量的平均提取方差值AVE均大于0.5，说明本文的量表具有良好的收敛效度；表4中各测量变量的AVE值的平方根（对角线上的数值）均大于其与其他变量之间的相关系数，表明本文量表具有良好的区别效度。
3.3.3 结构方程模型分析
本文利用Amos17.0软件进行SEM统计分析，验证各个测量变量之间的关系，检验模型假设。首先经过软件运算得到的模型各项适配度指标如表5所示，其中除了NFI的值在可接受的范围内，其他各项指标值均处于理想范围，可见本文所建理论模型具有良好的拟合效度。然后通过路径分析得到模型各测量变量之间的影响系数和显著性水平，分析结果如图3所示。可见本文提出的10个假设中有8个成立，假设H2、H9不成立，表明努力期望、感知风险对打车软件用户使用意愿的影响并不显著。
4 结果分析及实践意义
基于UTAUT模型的影响变量，其中社会影响对打车软件用户使用意愿的正向影响最为显著，说明用户在选择是否使用打车软件时，很大程度上会受到身边亲戚、朋友、同事、同学的影响。而绩效期望的正向影响也较显著，说明用户很看重打车软件能否为自身提供出行便利和帮助。数据分析结果表明努力期望对打车软件用户使用意愿的影响并不显著，这可能因为移动市场上的各类软件层出不穷，简单易用已经成为移动软件的基本特性，所以打车软件的易用性并没有使用户产生强烈的使用意愿。
基于初始信任理论的影响变量，首先相对优势、个人信任倾向和公司声誉三者均显著正向影响用户对打车软件的初始信任，且相对优势的影响系数最大。可见打车软件相较于线下打车的优势，如方便用户出行、节省其时间和费用等，最能够促使用户产生初始信任。而公司声誉是指打车软件运营商的知名度和美誉度，譬如快的打车、滴滴打车分别依托于阿里巴巴和腾讯两大互联网巨头，基于这些公司的声誉，用户会更愿意信任其所提供的产品和服务。最终，这3个因素通过初始信任正向影响用户对打车软件的使用意愿。
基于打车软件特征的影响变量，其中感知趣味性显著正向影响打车软件的用户使用意愿，现在的打车软件通过增加专车、快车板块来完善软件功能，为用户提供更多更好的服务，这种线上打车的体验与以往的线下打出租相比，更加好玩有趣，这一点能够吸引更多潜在用户的尝试。而感知价格水平负向影响用户使用意愿，目前打车软件处于推广阶段，各打车软件运营商利用高额补贴红包吸引用户，虽然在滴滴打车和快的打车两大巨头合并后，降低了补贴额度，但跟线下打出租相比费用偏低，所以能够有效推动用户的使用。感知风险对用户使用意愿的负向影响并不显著，用户可能对于打车软件也有一定的隐私风险、经济风险方面的担忧，但这些并没有明显降低用户的使用意愿。
本文的分析结果可以为打车软件运营商提供一些管理和营销建议：
（1）打车软件用户的使用意愿容易受到社会影响的推动，所以可以借助于口碑营销来增加打车软件的用户量。要想形成良性的口碑营销链，最核心的还是要保障产品和服务的质量，也就是说打车软件运营商需要根据用户的反馈改进完善打车软件的功能、界面设计等；而司机提供的线下实体服务也会影响用户的满意度和口碑传播，运营商可以通过定期为旗下合作的出租车公司司机或专车司机提供培训课程，提高司机的服务态度和意识，从而给用户提供更好的用户体验，使其进行正面的口碑传播。
（2）可以从自身优势、公司知名度、美誉度入手，通过各种推广渠道提升打车软件的知名度和美誉度，给潜在用户留下良好印象，增强其对打车软件的初始信任程度，进而影响其使用意愿。
（3）保障用户的优惠体验，打车软件最初进入市场时向用户发放大量打车补贴红包，成功吸引大规模的用户使用。而在2015年2月滴滴打车、快的打车合并重组之后，补贴红包和优惠的减少势必会造成部分用户流失，为了减少用户流失同时保障自身利益，打车软件运营商可以通过其他途径为用户提供优惠体验，例如用户账户积分兑换乘车费或礼品，这样不仅能够保障用户的优惠体验，还能够增加用户的粘性和忠诚度。
5 结 语
本文整合UTAUT模型和ITM模型所建立的打车软件用户使用意愿模型从3个角度考虑了影响用户初始使用意愿的多种因素，其对打车软件用户使用意愿的解释更加全面，能够有效预测用户对于打车软件的初始使用意愿情况，进而为打车软件运营商更好地推广管理打车软件提供建议和参考。
本文对移动打车软件用户初始使用意愿的影响因素进行了有益的探索，但仍有进一步研究空间。本文在构建用户使用意愿模型时，虽然考虑了绩效期望、初始信任等众多具有代表性的影响变量，但影响打车软件用户使用意愿的因素可能不止这些，可在后续研究中进行扩展和完善。此外，本文问卷调查的样本主要是大学生群体，虽然也包含部分公司职员和公务员，但所占比例不大，所以为了增加研究结论的普遍适用性，未来研究可以考虑扩大样本种类和样本量，增强样本的随机性。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
