【摘要】對於競爭激烈的移動視頻直播平臺而言，增強用戶黏性、提高用戶持續使用意願是其未來發展的關鍵。文章從用戶體驗視角出發，結合技術接受模型（TAM）和需求理論，構建了移動視頻直播平臺用戶持續使用意願影響因素模型。通過對411份有效問卷數據進行描述性統計分析發現，目前移動視頻直播平臺的用戶體驗水平及持續使用意願均不高。結構方程模型（SEM）分析結果表明，用戶體驗和需求滿足對持續使用意願均有顯著正向影響，感知易用性和感知享樂性通過用戶體驗的中介作用間接影響持續使用意願，而感知有用性對用戶體驗和持續使用意願、需求滿足對用戶體驗均無顯著影響；最後通過交叉表分析發現，部分用戶人口統計學特徵和部分使用環境變量與用戶體驗水平之間存在相關性。
【關鍵詞】移動視頻直播；持續使用意願；用戶體驗；技術接受模型
一、前言
隨著智慧型手機等行動裝置的普及和資本市場對視頻直播關注度的提升，2015年初我國移動視頻直播行業進入了爆發式增長階段，移動視頻直播平臺的數量井噴且用戶規模劇增。作為一個新興發展的行業，移動視頻直播在短期內飛速發展的同時，也出現了一系列問題。一方面，直播內容價值導向偏低、品質不高且同質化嚴重[1]；另一方面，平臺主播素質良莠不齊，有些主播不惜違反倫理道德甚至做出違法行為以吸引眼球[2]，這些問題的存在無疑會對各大平臺的用戶體驗造成影響。此外，近幾年供用戶選擇的移動視頻直播平臺越來越多，相互間的競爭也愈發激烈，導致用戶流動性加大，從而降低了用戶黏性，十分不利於移動視頻直播行業的持續發展和盈利。
對於移動視頻直播平臺這一新媒體應用而言，用戶黏性是其價值實現的重要要素之一[3]，如何維持住現有的龐大用戶群、在吸引新用戶的同時留住老客戶、增強用戶持續使用意願是該新媒體行業發展的關鍵。同時，有相關研究表明，用戶體驗是決定平臺選擇和忠誠的重要影響因素[4]。隨著以用戶為中心這一理念的出現，用戶體驗逐漸成為新媒體應用中一個新的關注點，在激烈的同質化競爭中，用戶體驗已然成為衡量應用好壞的標尺[5]。
目前學術界關於移動視頻直播平臺的用戶研究並不多，其中關於用戶持續使用意願的研究更是稀少，因此，筆者試圖以移動視頻直播平臺為研究對象，以用戶體驗為研究視角，結合技術接受模型（TAM）和相關需求理論，探究移動視頻直播平臺用戶持續使用意願的影響因素，為移動視頻直播平臺開發運營者優化平臺構建與運營、提高用戶體驗水平、增強用戶持續使用意願提供參考意見，進而促進移動視頻直播行業持續良好地發展。
二、文獻回顧
（一）用戶體驗研究
我國對用戶體驗的研究相對於國外而言起步較晚，後者在用戶體驗理論研究方面進行了大量探索，包括用戶體驗的定義、內容、特徵、模型及評價等方面。因此，筆者將主要參考國外相關文獻，從用戶體驗的定義、構成要素、測量方法三個方面對用戶體驗研究進行闡述。
1. 用戶體驗的定義
ISO 9241-210將用戶體驗定義為：人們對於針對使用或期望使用的產品、系統或者服務的認知印象和回應。該定義指出用戶體驗是用戶在使用一個產品或系統之前、使用期間和使用之後的全部感受，包括情感、信仰、喜好、認知印象、生理和心理反應、行為和成就等各個方面，並且列出了三個影響用戶體驗的因素：系統、用戶和使用環境[6]。國外學者Hassenzahl和Tractinsky（2006）則將用戶體驗定義為用戶內部的狀態（傾向、期望、需求、動機、情緒等）與具有一定特性的設計系統（複雜性、目的性、可用性、功能性等）在特定的交互環境下產生的所有結果[7]。
2. 用戶體驗的構成要素
用戶體驗涉及的內容非常廣泛，不僅包括傳統的可用性，還包括技術的美觀、享樂以及情感體驗等[8]。Hassenzahl（2003）提出的用戶體驗模型（如圖1）概括了用戶體驗的形成過程及其重要要素：用戶與產品接觸時，首先感知產品特徵（Product features）（內容、展示、功能、交互等），並在此基礎上，結合自身期望構建產品特性（Product character）。產品特性是一個更高層次的描述，由兩組不同的產品屬性（Product attributes）組成——實用屬性和享樂屬性。繼而，用戶基於對產品特性的感知而產生結果：對產品吸引力的判斷（有/無）、情緒結果（愉悅、滿意）、行為結果（增加使用產品的頻率或時間），這些結果構成了用戶體驗的內容。對具體產品特性的感知結果並不總是相同的，它們由具體的使用環境來調控[9]。
圖1 Hassenzahl用戶體驗模型
2004年，Hassenzah根據此前提出的用戶體驗模型將交互產品的用戶體驗分為感知實用性質量（Perceived pragmatic Quality, PQ）和感知享樂性質量（Perceived hedonic Quality, HQ），感知實用性質量是對產品能夠完成某項任務的能力的判斷，與用戶實現行為目標的需求有關；感知享樂性質量主要與用戶自身有關，與實現行為目標的需求無關[10]。
3. 用戶體驗的測量
由於用戶體驗在定義和構成要素上存在差異，直接導致了用戶體驗測量方法的多樣性。Hassenzahl（2004）在測量用戶體驗所包含的感知實用性質量（perceived pragmatic quality）和感知享樂性質量（perceived hedonic quality，HQ）時，採用的是AttrakDiff量表[11]，這是一個包括21個項目的7級語義差異量表。測量感知實用性的量表，除了Hassenzahl採用的AttrakDiff量表外，還有Jim Lewis編制的計算機系統可用性問卷（CSUQ），該問卷包括19個陳述句，可分為系統有效性、信息質量、界面質量和總體滿意度四大類[12]。
另外，Norman（2004）認為用戶體驗是屬於情感層面的認知，可以採用一些較為成熟的情緒測量量表對用戶體驗進行測量：如Mehrabian提出的三維情緒識別量表（PAD情緒量表）[13]可以從愉悅度、激活度和優勢度三個維度精確地測量情緒狀態；以及Watson等（1988）提出的正性負性情緒量表[14]（The positive and Negative Affect Scale, PANAS）也被廣泛使用，其中包括10個正性情緒形容詞和10個負性情緒形容詞。
（二）技術接受模型
技術接受模型（Technology Acceptance Model，簡稱TAM）是美國學者Davis（1989）基於理性行為理論提出的一個用戶信息系統接受模型，該模型的最初目的是想對信息系統低使用率問題以及計算機廣泛接受的決定性因素進行解釋說明[15]。技術接受模型（參見圖2）認為，系統的使用可以依據用戶的使用意願來合理預測，使用意願由使用態度和感知有用性共同決定。其中，使用態度又由感知有用性和感知易用性決定，感知有用性則由外部變量和感知易用性決定，感知易用性由外部變量決定，外部變量包括系統設計特徵、用戶特徵等等。
圖2 技術接受模型
Davis（1989）將感知有用性（PU）定義為「一個人認為使用某一特定系統會提高他工作表現的程度」；感知易用性（PEU）指的是「一個人認為使用某一特定系統不費力的程度」[16]。使用態度是指用戶在使用信息技術後產生的主觀感受，包括情緒、情感、心理等方面，用戶根據這種主觀感受決定是否要持續使用該信息技術，因此可認為使用態度是構成用戶體驗的一部分，影響使用態度的因素——感知有用性、感知易用性也可作為影響用戶體驗進而影響持續使用意願的因素，且這兩個變量正好與Hassenzahl用戶體驗模型中的感知實用性要素相對應（見圖1）。
學者Bagozzi（2007）認為，TAM模型雖然是一個非常具有影響力的模型，但是它過於簡單，忽略了其他會影響使用態度或使用意願的重要因素[17]。因此，本研究試圖結合技術接受模型和Hassenzahl的用戶體驗模型，將感知有用性、感知易用性、感知享樂性、用戶體驗作為影響直播平臺持續使用意願的因素，提出以下假設：
H1：移動視頻直播平臺的感知有用性對用戶體驗有顯著正向影響
H2：移動視頻直播平臺的感知易用性對用戶體驗有顯著正向影響
H3：移動視頻直播平臺的感知享樂性對用戶體驗有顯著正向影響
H4：移動視頻直播平臺的用戶體驗對用戶持續使用意願有顯著正向影響
H5：移動視頻直播平臺的感知有用性對用戶持續使用意願有顯著正向影響
H6：用戶體驗在感知有用性和持續使用意願之間具有中介作用
H7：用戶體驗在感知易用性和持續使用意願之間具有中介作用
H8：用戶體驗在感知享樂性和持續使用意願之間具有中介作用
（三）相關需求理論
在需求理論領域，Ryan和Deci（2000）的自我決定理論則將動機分為內部動機、外部動機和無動機，指出外部環境通過滿足個體自主、關係和勝任三種基本的心理需求來增強人的內部動機以及加強外部動機對內部動機的促進作用[18]。Sheldon等（2001）歸納出了十種人類最基本的需求：自主、勝任、關係、自我實現、身體成長、愉悅、財富、安全、尊重、名望[19]，並使用正性負性情緒量表（PANAS）探索了這十種需求與情感之間的關係，得出的結論是：自主、勝任、關係和尊嚴的滿足能夠給人帶來最滿意、最積極的心理體驗。Hassenzahl等（2010）基於自我決定理論與Sheldon等人的研究成果，挑選出七種與交互產品用戶體驗最相關的需求——勝任、關係、促進、意義、安全、名望、自主，並通過實證研究證明了這七種需求與用戶體驗的關係：需求滿足的程度與積極的情感體驗成正相關[20]。由此看來，需求滿足也可能是直播平臺用戶產生積極體驗的影響因素之一。
需求理論在傳播領域的代表性理論是「使用與滿足」理論，該理論提出受眾的媒介接觸是基於自身需求對媒介內容進行選擇的活動[21]，受眾根據需求滿足的程度產生對媒介的印象，進而影響對媒介的持續使用意願。使用與滿足理論在傳播領域被認為解釋範圍廣、解釋力強，本研究認為該理論可用於闡釋用戶對移動直播平臺的持續使用意願。
由此本研究繼續提出下述研究假設：
H9：需求滿足對移動視頻直播平臺的用戶體驗有顯著正向影響
H10：需求滿足對移動視頻直播平臺的用戶持續使用意願有顯著正向影響
H11：用戶體驗在用戶需求滿足和持續使用意願之間具有中介作用
另外，考慮到人口統計學特徵和使用環境與用戶體驗之間是否存在相關性，本研究進一步提出以下假設：
H12：移動視頻直播平臺用戶的人口統計學特徵與用戶體驗水平之間存在相關性
H13：移動視頻直播平臺的使用環境與用戶體驗水平之間存在相關性
三、研究設計
（一）理論模型構建
基於用戶體驗模型、技術接受模型以及相關需求理論，結合移動視頻直播平臺的特點，本研究選取感知有用性、感知易用性、感知享樂性以及需求滿足作為研究的自變量，用戶體驗為中介變量，持續使用意願為因變量，用戶人口統計學特徵和使用環境為控制變量，構建了如圖3所示的移動視頻直播平臺用戶持續使用意願影響因素理論模型。
圖3 移動視頻直播平臺用戶持續使用意願影響因素理論模型
（二）變量測量
根據理論框架和假設，本研究需要測量六個潛在變量：感知有用性、感知易用性、感知享樂性、需求滿足、用戶體驗、持續使用意願。
感知有用性（PU)，是指用戶對使用移動視頻直播平臺的有用程度感知。借鑑Davis（1989）設計的感知有用性量表[22]，本研究採用以下4個題項來測量：PU1我覺得觀看移動視頻直播可以學習一些知識和技能；PU2我覺得使用移動視頻直播平臺能豐富我的生活；PU3我覺得使用移動視頻直播平臺能拓寬我的社交圈；PU4我覺得移動視頻直播平臺對我來說是有用的。
感知易用性，是用戶對使用移動視頻直播平臺的難易程度感知。其6個測量題項來源於Davis（1989）設計的感知易用性量表[23]和Hassenzahl（2004）採用的感知實用性量表[24]，包括：PEU1學會使用移動視頻直播平臺對我來說很容易；PEU2我覺得移動視頻直播平臺的操作簡單方便，用起來沒有什麼障礙；PEU3我覺得移動視頻直播平臺的界面布局合理；PEU4我覺得移動視頻直播平臺導航功能的設計很人性化；PEU5在移動視頻直播平臺上，我可以很容易地找到我需要的信息；PEU6我覺得移動視頻直播平臺上的內容很容易理解。
感知享樂性，是指用戶在使用移動視頻直播平臺過程中，基於對平臺的刺激性、辨識性的判斷而形成的主觀感受，這種感受與移動視頻直播平臺的實際效用無關。根據Hassenzahl（2004）在文章中引用的感知享樂性量表[25]，本研究採用以下6個題項來進行測量：HQ1我覺得移動視頻直播平臺上的內容都是得體的、不庸俗的；HQ2我覺得在觀看視頻直播過程中及時參與互動可以增加我與主播的親近感；HQ3我覺得大多數主播都是比較專業的；HQ4我覺得每個移動視頻直播平臺各有各的特點，是獨特的；HQ5我覺得移動視頻直播是有吸引力的；HQ6我覺得移動視頻直播平臺上的內容是新奇的、有創意的。
需求滿足，指用戶在使用移動視頻直播平臺過程中心理需要的達成，本研究從Sheldon等（2001）歸納出的十個人類最基本的需求[26]中挑選出6個與移動視頻直播平臺用戶體驗最相關的需求：愉悅、關係、安全、尊重、自我實現、名望，並依次設計成以下6個具體題項：NF1我覺得通過觀看他人直播的視頻，我的好奇心得到了滿足；NF2在移動視頻直播平臺我可以與我關注的人或關注我的人互動，滿足了我的社交需求；NF3我覺得在觀看視頻直播或參與互動過程中，平臺不會洩露我的個人隱私（帳號和交易信息等）；NF4我覺得在觀看視頻直播和參與互動過程中，我的人格受到了尊重；NF5我可以在移動視頻直播平臺上盡情地表達自我，如評論、製作並發布視頻等；NF6我覺得觀看視頻直播時給主播刷禮物讓我很有面子。
用戶體驗，是用戶在觀看視頻直播和參與互動過程中，內部狀態（傾向、期望、需求、動機、情緒等）產生的所有結果，如愉悅、輕鬆、有趣等。Norman（2004）認為用戶體驗是屬於情感層面的。因此，可採用成熟的情緒測量量表對用戶體驗進行測量。本研究選取了最具代表性的正性負性情緒量表（PANAS）（Watson et al.，1988）[27]和三維情緒識別量表（PAD情緒量表）（Mehrabian，1996）[28]，構建了以下5個測量題項：UX1總體而言，我覺得使用移動視頻直播平臺是愉悅的；UX2總體而言，我覺得使用移動視頻直播平臺是輕鬆的；UX3總體而言，我覺得使用移動視頻直播平臺是有趣的；UX4總體而言，我很喜歡目前正在使用的移動視頻直播平臺；UX5總體而言，使用移動視頻直播平臺給我的感覺是好的。
持續使用意願，是用戶在使用信息系統之後，還想繼續使用該信息系統的意願（Bhattacherjee, 2001）[29]。筆者根據Bhattacherjee設計的信息系統持續使用意願測量量表，編制了以下5個有關移動視頻直播平臺用戶持續使用意願的測量題項：CUI1我想要繼續使用目前正在使用的移動視頻直播平臺，而不是放棄使用；CUI2我想要繼續使用目前正在使用的移動視頻直播平臺，而不是其他可替代的平臺；CUI3以後我還會經常使用目前正在使用的移動視頻直播平臺；CUI4我願意向周圍的親朋好友分享和推薦正在使用的移動視頻直播平臺；CUI5如果可以重新選擇，我會再次選擇目前正在使用的移動視頻直播平臺。
以上6個變量中，每個變量都至少由4個題項測量，保證了主觀感受測量結果的有效性和可靠性；每個題項均採用5級李克特量表進行測量，量表分值從1分到5分依次代表非常不同意、比較不同意、一般、比較同意、非常同意。
本研究同時搜集了每位受訪者的人口統計學信息，包括性別、年齡、受教育程度、職業、月收入等，並且調查了受訪者使用移動視頻直播平臺的基本情況，包括是否使用過移動視頻直播平臺、使用過哪些移動視頻直播平臺、使用移動視頻直播平臺的頻率、平均每次使用移動視頻直播平臺的時長、使用移動視頻直播平臺的主要時間、地點及情境。
（三）數據收集
本研究採用問卷調查法收集相關數據。將上述變量設計成問卷後，邀請30位移動視頻直播平臺用戶進行預調查，並對問卷反覆修改。正式調查採用問卷星生成問卷連結和二維碼，分別在線上和線下開展，線上在各社交平臺轉發問卷連結，包括逐個聯繫各類主播粉絲QQ群的成員；線下通過走訪大學生宿舍，隨機選擇調查對象並讓其通過掃描二維碼填寫問卷。一周內共回收509份問卷。剔除掉選擇「未曾觀看過移動視頻直播」選項的問卷，所有題項答案完全相同的問卷，以及填寫時間低於1分鐘的問卷後，最終得到有效問卷411份。
四、研究數據與分析
（一）信度與效度分析
1. 信度分析
信度用于衡量問卷中各量表測量題項的內部一致性程度，常用克朗巴哈（Cronbach）α係數法進行檢測。利用克朗巴哈α係數值作為信度分析的具體標準為：克朗巴哈α係數值大於0.9，表示量表內在信度很高；克朗巴哈α係數值介於0.8和0.9之間，表示量表內在信度較高；克朗巴哈α係數值介於0.7和0.8之間，表示量表內在信度勉強可以接受；如果克朗巴哈α係數值小於0.7，則說明量表的設計有很大問題，應該重新設計[30]。
本研究所包含的6個潛在變量對應著6個測量量表。利用SPSS20.0統計軟體分析得到各測量量表和總量表的克朗巴哈α係數值介於0.783和0.942之間，說明本研究的問卷總體上具有很高的信度，且各個測量量表也都是有效和可信的。
2. 效度分析
（1）區別效度
區別效度是指測量不同潛在變量的測量指標會落在不同共同因素上，在AMOS的操作中，檢驗區別效度的方法及判斷標準是：在潛在變量間兩兩構建區別效度的假設模型，在每一組假設模型中利用單群組分別生成未限制模型和限制模型（潛在變量間的共變關係限制為1），並將兩個模型的卡方值進行差異比較，若卡方值差異量愈大且達到顯著水平（p<0.05），表示兩個潛在變量間具有高的區別效度，而且未限制模型的卡方值愈小表示潛在變量間的相關性越低，區別效度越高[31]。
本研究共有六個潛在變量，筆者將其兩兩配對，利用AMOS24.0結構方程模型分析軟體構建了15個區別效度的假設模型，結果發現，每一對未限制模型與限制模型的卡方值差異量均達到了顯著水平（p=.000<0.05），表明未限制模型與限制模型有顯著的差異，說明本研究中每兩個潛在變量間的區別效度都很好。
（2）收斂效度
收斂效度又稱聚合效度，是指測量相同潛在變量的測量指標會落在同一個共同因素上，且測量題項間高度相關[32]。收斂效度可通過平均方差抽取量（AVE）和組合信度（CR）兩大指標來評估，一般而言，AVE大於0.50、CR大於0.60說明潛在變量的測量模型具有較好的收斂效度，Fornell等人則認為，AVE大於0.50代表收斂效度良好，AVE介於0.36和0.50之間也可以接受[33]。結果表明六個潛在變量的組合信度（CR）均大於0.60，各潛在變量的AVE值介於0.3817和0.6957之間，說明本研究六個潛在變量的測量量表均具有良好的收斂效度。
（二）描述性統計分析
在回收的411份有效問卷中，男性用戶較女性用戶多，佔比分別為56.0%、44.0%。年齡方面，19-25歲人群數量最多，佔比高達87.3%；其次未成年人群佔比8.5%；26-30歲人群佔比2.9%；僅有少數直播用戶年齡在30歲以上。在受教育程度上，大學本科及以上學歷的人群比例共佔88.6%。職業性質方面，樣本用戶中學生群體最多，佔比88.8%；其次為企業職員。在月收入上，樣本中55.7%的直播用戶月收入低於1000元，這與樣本中絕大多數用戶目前還是學生有關，這部分群體尚無固定收入。
此外，本研究共有6個潛在變量，筆者將這些潛在變量的最小值、最大值、均值和標準差整理成如表1所示。從各項均值得分可以看出，用戶體驗水平和持續使用意願都不高，分別為3.64和3.38，感知有用性、感知易用性、感知享樂性、需求滿足的得分也都未達到比較同意的程度（M=4）。
表1 潛在變量描述性統計分析
三）結構方程模型分析
結構方程模型包括測量模型和結構模型，測量模型相當於進行驗證性因素分析（CFA），被用來測量各模型的適配度/擬合度；結構模型分析相當於進行潛在變量間的路徑分析（PA-LV），被用來檢驗潛在變量間的因果關係，以及結構模型的整體適配度/擬合度。
1．驗證性因素分析（CFA）
在進行路徑分析（PV-LV）之前，筆者先對六個潛在變量的測量模型逐一進行了驗證性因素分析（CFA），主要考察各測量模型的適配度。結果發現，除「感知有用性」外，其他五個變量的初始測量模型適配度均不高，於是，筆者採取了合理的模型修正策略，一方面剔除了標準化回歸係數（因素負荷量）小於0.50 的測量指標HQ1，另一方面根據修正指標，分別對除「感知有用性」以外的五個測量模型合理增列了測量指標誤差項間的共變關係，最終得到了六個適配度/擬合度皆良好的測量模型，以做後續路徑分析。
2．潛在變量的路徑分析（PA-LV）
筆者利用修正後的測量模型，在AMOS中完成了潛在變量間的路徑分析（PA-LV），得到了如圖4所示的標準化回歸係數下的移動視頻直播平臺用戶持續使用意願影響因素理論模型路徑分析圖。
圖4 移動視頻直播平臺用戶持續使用意願影響因素理論模型路徑分析圖
（補充說明：在結構模型中，所有外因潛在變量也要增列雙向箭頭符號，否則模型無法估計。若相關係數不為0，則表示兩個變量間存在相關關係[34]。）
從表2給出的各項適配度指標來看，雖然卡方值的顯著性概率值小於0.05，導致虛無假設被拒絕，但這是由於卡方值容易受樣本數量的影響，大樣本情況下（N≥200）p值會很小。在這種情況下，假設模型與樣本數據是否適配就需要參照其他的適配度指標：卡方自由度比值為2.468<3.000，GFI值為0.846>0.80，AGFI值為0.815>0.80，IFI值為0.920>0.90，TLI值為0.909>0.90，CFI值為0.920>0.90，RMSEA值為0.06<0.08，均符合擬合度標準。因此總體而言，從主要適配度統計量的結果來看，本文修正後的理論模型與樣本數據可以適配。
表2 移動視頻直播平臺用戶持續使用意願結構模型適配度指標
潛在變量間的路徑分析（PA-LV）還可以用來檢驗潛在變量間的因果關係，從表3的路徑分析結果來看，感知有用性對用戶體驗（路徑係數即標準化回歸係數SC為0.039，p>0.05）的影響並不顯著，因此假設1不成立；感知易用性對用戶體驗（SC=0.244，p<0.001）有顯著正向影響，假設2成立；感知享樂性對用戶體驗（SC=0.473，p<0.001）有顯著正向影響，假設3成立；需求滿足對用戶體驗（SC=0.086, p>0.05）的影響並不顯著，因此假設9不成立；用戶體驗對持續使用意願（SC=0.668，p<0.001）有顯著正向影響，假設4成立；感知有用性對持續使用意願（SC=0.067, p>0.05）的影響並不顯著，因此假設5不成立；需求滿足對持續使用意願（SC=0.185，p<0.001）有顯著正向影響，假設10成立。
在中介作用方面，由於感知有用性對用戶體驗和持續使用意願均無顯著影響，因此假設6不成立；由於感知易用性、感知享樂性對用戶體驗都有直接影響，且用戶體驗直接影響持續使用意願，因此假設7和假設8成立；雖然需求滿足對持續使用意願有顯著影響，但卻對用戶體驗無顯著影響，因此假設11不成立。
表3 路徑分析結果
（一般顯著水平分為三個級別：***P<0.001；**P<0.01；*P<0.05）
（四）交叉表分析
為分析不同人口統計學特徵和不同使用環境下的用戶體驗水平是否有顯著差異，筆者將採用交叉表分析方法對其進行探討。針對交叉表分析的結果，若皮爾遜卡方值的顯著性概率值p>0.05，則接受虛無假設，表明不同特徵或環境下的用戶體驗水平沒有顯著差異，反之則表示有顯著差異。
筆者將本研究中涉及到的五種人口統計學特徵（性別、年齡、受教育程度、職業性質、月收入）和五個使用環境變量（使用頻率、平均每次使用時長、主要使用時間段、主要使用地點、主要使用情境）分別與用戶體驗水平進行交叉表分析，各顯著性概率值p如表4。分析結果表明，在人口統計學特徵方面，不同受教育程度、不同月收入的用戶在用戶體驗水平上存在顯著差異；在使用環境方面，不同的使用頻率、平均每次使用時長、主要使用時間段會帶來明顯不同的用戶體驗水平。而其他變量（性別、年齡、職業性質、主要使用地點、主要使用情境）下的用戶體驗水平則沒有顯著差異。因此，假設12和假設13部分成立。
表4 交叉表分析的卡方檢驗結果整合
五、結論與討論
（一）研究結論
1. 移動視頻直播平臺的用戶黏性不高
描述性統計分析結果表明，移動視頻直播平臺的用戶體驗水平和持續使用意願均處於中等水平，其均值分別為3.64和3.38，說明移動視頻直播平臺的用戶黏性有待提高。此外，PU3（「使用移動視頻直播平臺能拓寬社交圈」）、HQ1（「內容得體、不庸俗」）、HQ3（「主播是專業的」）、NF3（「平臺不會洩露我的個人隱私」）、NF6（「給主播刷禮物讓我很有面子」）等五個測量指標的均值小於3，說明用戶對移動視頻直播平臺的內容質量、主播專業程度、平臺的安全性仍持懷疑態度，且對使用移動視頻直播平臺能「拓寬社交圈」和「增強自身榮譽感」這兩種說法並不認可；而感知易用性中有兩個測量指標（「很容易學習如何使用」、「操作簡單」）的均值大於4，說明在多數用戶看來，移動視頻直播平臺的操作和使用並不難。
2. 用戶體驗的確對平臺忠誠度有重要影響
從結構方程模型的路徑分析結果中，我們可以發現其他變量對持續使用意願的影響存在直接和間接兩種方式。直接影響方面，用戶體驗對移動視頻直播平臺的持續使用意願有顯著正向影響，說明了移動視頻直播平臺的可持續發展在很大程度上依賴於用戶體驗，用戶體驗水平的高低將直接影響用戶對產品的忠誠度，因此增強移動視頻直播平臺用戶持續使用意願的充分條件是提高用戶體驗水平。間接影響方面，感知易用性和感知享樂性通過用戶體驗的中介作用來間接影響持續使用意願，而感知有用性對用戶體驗和持續使用意願均無顯著影響，這說明對於用戶而言，移動視頻直播平臺的使用體驗好壞與否，更多的是取決於產品的易用性和享樂性，而非有用性。
3. 外部變量（用戶、使用環境）確實會對用戶體驗產生影響
此外，筆者通過將人口統計學特徵和使用環境與用戶體驗水平進行交叉表分析後發現，不同受教育程度、不同月收入的用戶在移動視頻直播平臺的用戶體驗水平上存在顯著差異，用戶對移動視頻直播平臺的使用頻率、平均每次使用時長、主要使用時間段與用戶體驗水平之間也存在相關性，這恰好證實了用戶體驗的兩大影響因素：用戶和使用環境。
（二）增強移動視頻直播平臺用戶持續使用意願的建議
由以上研究結論可知，感知有用性、感知易用性、感知享樂性、需求滿足對持續使用意願的標準化總效果分別為0.094、0.163、0.316、0.242，後三者對用戶持續使用意願的影響程度較高，因此對於增強移動視頻直播平臺用戶持續使用意願，平臺開發運營者主要可以從提升感知易用性和感知享樂性體驗，以及滿足用戶使用需求三個方面著手。
就感知易用性而言，本研究的調查對象對移動視頻直播平臺「界面布局合理」、「導航功能設計人性化」、「目標信息容易查找」等說法的認可度很低。雖然現在大多數移動視頻直播平臺都帶有搜索的功能，但搜索出來的內容精準度並不高，輸入的關鍵詞對應的輸出內容太多，用戶仍然需要從中進行二次搜索，極大地降低了用戶查找目標信息的效率。因此，為提升用戶的感知易用性體驗，平臺開發商除了需要進一步優化界面布局和導航功能的設計，還應該充分利用數據挖掘等個性化信息服務相關技術，在了解用戶需求的基礎上，精準地向用戶推送他們需要的直播內容。
就感知享樂性質量而言，調查結果顯示，移動視頻直播平臺的感知享樂性質量較差，主要表現為平臺同質化嚴重，直播內容庸俗、欠新穎，主播不專業等方面。事實上，對於大多數用戶而言，觀看視頻直播是娛樂休閒的一種方式，而這種愉悅感勢必會受到平臺特性、直播內容以及主播專業程度的影響。因此，為提升用戶的感知享樂性體驗，移動視頻直播平臺應有所創新，以期在眾多的競品中體現出獨特的優勢；平臺管理員也應加大內容監管力度，對直播內容嚴格把關，使其堅持正確的價值導向；為推動PGC（Professional Generated Content，專業生產內容）直播模式的發展，對於平臺籤約的常駐主播，可進行綜合素質考核與專業培訓，並且在其上崗期間隨機考察主播的專業程度，從而促使主播行業向專業化領域不斷發展。
就用戶需求滿足而言，在需求滿足的六個測量指標中，安全、尊重、社交最能有效反映出需求滿足的特質，且本研究中用戶在這三方面的需求並未得到較好的滿足，因此建議平臺開發運營者在試圖滿足用戶需求時儘可能向這三個方面傾斜。首次，安全性是用戶對移動視頻直播平臺最基本的需求，平臺在為用戶提供個性化信息服務過程中，如果沒有把握好一個度，就會因過多幹涉用戶對內容的選擇而讓用戶誤以為隱私受到侵犯，因此平臺除了需要建立一個完善的安全保障體系，還應提供適度的個性化信息服務。其次，用戶在觀看直播過程中，都期望能得到主播以及其他觀眾的尊重，而不是相反的人格侮辱（如地域黑等）或謾罵攻擊，對於惡意詆毀他人的現象，始作俑者無論是主播還是觀眾，平臺都應嚴格加以管制。再者，用戶的社交需求引發了視頻直播熱，相應的移動視頻直播平臺若要繼續生存與發展，就應該儘可能地滿足用戶的社交需求，對於平臺而言，不僅需要為用戶提供與主播或其他觀眾交流的渠道，還應在主播與觀眾之間，觀眾與觀眾之間建立信任的橋梁，因為平臺的社交屬性建立在彼此信任的基礎上。
本研究雖然得出了一些有價值的結論，但依然存在一定的局限性。一方面，由於筆者的研究資源有限，在問卷調查過程中，無法在所有的移動視頻直播平臺用戶中進行嚴格的隨機抽樣，導致調查對象主要集中在學生用戶，而非學生群體和高年齡段用戶明顯較少，這對樣本的代表性有一定影響。另一方面，本研究目前只從用戶體驗的角度考慮了感知有用性、感知易用性、感知享樂性以及需求滿足等因素對用戶持續使用意願的影響，可能存在其他影響因素尚未考慮在內。以上兩方面的不足都是後續研究需要進一步完善的地方。
注釋
[1] 彭錦：《網絡直播熱潮下的冷思考》，《電視研究》，2016年第9期。
[2] 曲濤、臧海平：《當前網絡直播存在的問題及監管建議》，《青年記者》2016年第26期。
[3] 彭蘭：《「內容」轉型為「產品」的三條線索》，《編輯之友》2015年第4期。
[4] 陳娟、鍾雨露、鄧勝利：《移動社交平臺用戶體驗的影響因素分析與實證——以微信為例》，《情報理論與實踐》2016年第1期。
[5] 陳力丹、曹文星：《2012年新媒體技術與應用走勢分析》，《編輯之友》2013年第2期。
[6] 丁一等：《用戶體驗國內外研究綜述》，《工業工程與管理》2014年第4期。
[7] Hassenzahl M, Tractinsky N, User experience-a research agenda, Behaviour & Information Technology, 2006, 25(2), pp.91-97.
[8] 彭柯：《數字閱讀平臺用戶體驗影響因素研究》，南京大學碩士學位論文2015年。
[9] Hassenzahl M, The thing and I: understanding the relationship between users and product, In Funology: From Usability to Enjoyment, 2003, pp.31-42.
[10] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.
[11] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.
[12] [美]特裡斯，阿伯特著，周榮剛等譯：《用戶體驗度量》，機械工業出版社2009年版，第114頁。
[13] Albert Mehrabian, Analysis of Affiliation-Related Traits in Terms of the PAD Temperament Model, The Journal of psychology, 1997, 131(1), pp.102-117.
[14] Edmund R. Thompson, Development and validation of an internationally reliable short-form of the Positive and Negative Affect Schedule (PANAS), Journal of Cross-Cultural Psychology, 2007, 38 (2), pp.227-242.
[15] 魯耀斌、徐紅梅：《技術接受模型的實證研究綜述》，《研究與發展管理》2006第3期。
[16] Davis F.D, Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.
[17] Bagozzi R.P, The Legacy of the Technology Acceptance Model and a Proposal for a Paradigm Shift, Journal of the Association for Information Systems, 2007, 8(4), pp.244-254.
[18] Ryan R.M, Deci E.L., Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being, American psychologist, 2000, 55 (1), pp.68-78.
[19] Sheldon K. M, Elliot A. J, Kim Y, et al., What is satisfying about satisfying events? Testing 10 candidate psychological needs, Journal of personality and social psychology, 2001, 80 (2), p.325.
[20] Hassenzahl M, Diefenbach S, G?ritz A, Needs, affect, and interactive products – Facets of user experience, Interacting with Computers, 2010, 22(5), pp.353-362.
[21] 郭慶光：《傳播學教程》，中國人民大學出版社2011年版，第168頁。
[22] Davis F.D., Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.
[23] Davis F.D., Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.
[24] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.
[25] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products, Human-Computer Interaction, 2004, 19(4), pp.319-349.
[26] Sheldon K. M, Elliot A. J, Kim Y, et al., What is satisfying about satisfying events? Testing 10 candidate psychological needs, Journal of personality and social psychology, 2001, 80 (2), p.325.
[27] Edmund R. Thompson, Development and validation of an internationally reliable short-form of the Positive and Negative Affect Schedule (PANAS), Journal of Cross-Cultural Psychology, 2007, 38 (2), pp.227-242.
[28] Albert Mehrabian, Analysis of Affiliation-Related Traits in Terms of the PAD Temperament Model, The Journal of psychology, 1997, 131(1), pp.102-117.
[29] Bhattacherjee A., Understanding information systems continuance: an expectation-confirmation model, MIS quarterly, 2001, pp.351-370.
[30] 張虎、田茂峰：《信度分析在調查問卷設計中的應用》，《統計與決策》2007年第21期。
[31] 吳明隆：《結構方程模型——AMOS的操作與應用》，重慶大學出版社2010年版，第467頁至第468頁。
[32] 吳明隆：《結構方程模型——AMOS的操作與應用》，重慶大學出版社2010年版，第14頁。
[33] 李本乾、劉強、王大可主編：《中國傳媒國際競爭力研究報告》，社會科學文獻出版社2017年版，第257頁。
[34] 吳明隆：《結構方程模型——AMOS的操作與應用》，重慶大學出版社2010年版，第85頁。
(責編：劉揚、趙光霞)
分享讓更多人看到