S-O-R視角下微信朋友圈用戶不持續(xù)使用行為實證分析

【摘要】本文基于S-O-R分析框架，聚焦朋友圈不持續(xù)使用行為，從感知過載和社交媒體倦怠視角探析用戶不持續(xù)使用行為的影響因素，以期更全面地考慮技術(shù)與實踐的相互建構(gòu)，從而為社交媒體運營商改善服務(wù)提供建議與啟示。研究結(jié)果表明，朋友圈使用強度對感知過載具有正向預(yù)測作用，感知過載對朋友圈倦怠具有正向預(yù)測作用;朋友圈倦怠對不持續(xù)使用具有正向預(yù)測作用，朋友圈倦怠在感知過載與不持續(xù)使用之間起中介作用。

【關(guān)鍵詞】朋友圈;不持續(xù)使用;感知過載;社交媒體倦怠

1. 引言

據(jù)騰訊公布的《2018微信年度數(shù)據(jù)報告》，截止2018年Q3季度，微信用戶月活賬戶數(shù)達到10.82億人，與此同時，不斷擴張的朋友圈用戶群體、逐漸復(fù)雜化的系統(tǒng)功能以及愈漸泛化的社交形勢所帶來的社交媒體倦怠正導(dǎo)致越來越多的朋友圈用戶活躍量下降，人均訪問、停留時間減少甚至終止使用。Kantar Group《中國社交媒體影響報告2018》數(shù)據(jù)也表明，同2017年相比，2018年微信用戶對朋友圈的積極評價從83.5%下降到80.6%，消極評價從89%上升至93%，采取措施后減少消極影響的用戶從89%上升至95%。可見，微信朋友圈用戶黃金增長期后的疲態(tài)已開始突顯，逃離朋友圈已逐漸成為了一種風(fēng)潮。那么，造成微信朋友圈用戶的媒體倦怠和疲態(tài)的原因是什么？本文擬從感知過載和社交媒體倦怠視角對微信朋友圈用戶的不持續(xù)使用行為進行研究，以期為社交媒體運營商改善服務(wù)提供建議與啟示。

2. 框架、方法與數(shù)據(jù)

2.1 假設(shè)與理論框架

本文擬采用S-O-R（Stimulus-Organism-Response）模型對微信朋友圈用戶的不持續(xù)使用行為進行探討。S-O-R分析是一種由Mehrabian and Russell（1974） 等人提出并廣泛運用于行為科學(xué)的研究方法，是指有機體在環(huán)境刺激下（S），通過有機體內(nèi)部的一系列復(fù)雜反應(yīng)（O）對環(huán)境刺激作出的反饋（R）。根據(jù)S-O-R方法的研究要求，我們把微信朋友圈用戶感知過載（細分為系統(tǒng)功能過載、信息過載、社交過載）視為外在環(huán)境刺激因素（S），把感知過載對用戶產(chǎn)生社交媒體倦?。ㄇ謹_感、焦慮感、低價值感）的情感體驗和使用態(tài)度視為機體體驗，把進而引發(fā)的不持續(xù)使用行為視為最終響應(yīng)，由此構(gòu)建如下分析框架（見圖1）。

根據(jù)以上分析框架，結(jié)合本文的研究內(nèi)容，我們提出如下假說（見表1）：

2.2 研究方法

本文采用問卷調(diào)查法對研究假設(shè)進行驗證，量表是在參考已有成熟量表基礎(chǔ)上設(shè)計而成。其中，微信朋友圈使用強度改編自Nicole B. Ellison和Charles Steinfield（2007） ，克隆巴赫α為0.83;系統(tǒng)功能過載、信息過載、社交過載改編自張淑瑋（2016） ，三大變量克隆巴赫α分別取0.818、0.862、0.915;朋友圈倦怠以及不持續(xù)使用行為改編自張慶芳（2017） ，其中“侵擾感”、“焦慮感”、“低價值感”三變量的克隆巴赫α值分別取 0.773、0.822、0.722。感知過載維度采取李克特5級量表法，1表示非常不符合，5表示非常符合;朋友圈倦怠、不持續(xù)使用兩個維度分別采用李克特7級量表法，1表示非常不同意，7表示非常同意。

2.3 數(shù)據(jù)收集與處理

本次調(diào)查采取問卷星在線問卷形式進行，共收到有效問卷362份，樣本覆蓋的性別、年齡和學(xué)歷情況符合當(dāng)前微信用戶總體特征。其中，從性別看，男女各占54.1%和45.9%;從年齡看，20歲以下、20-29歲、30-39歲、40-49歲、50歲及以上分別占18.2%、23.5%、20.4%、18.0%、19.9%;從學(xué)歷看，高中及以下、?？啤⒈究?、碩士、博士及以上分別占18.0%、11.3%、26.8%、23.2%、20.7%;從職業(yè)看，在校學(xué)生、政府/事業(yè)單位職員、企業(yè)/公司職員、個體經(jīng)營/自由職業(yè)、其他分別占27.6%、19.3%、21.8%、11.9%、19.3%;從使用經(jīng)驗看，1年內(nèi)、1-2年內(nèi)、2-3年內(nèi)、3-4年內(nèi)、4-5年內(nèi)、5年及以上分別占7.7%、10.8%、16.6%、17.1%、14.9%、32.9%;從好友數(shù)量看，1～150、151～300、301～450、451～600、600以上分別占29.6%、29.3%、16.9%、8.6%、15.7%。

3. 朋友圈用戶行為分析

本文采用SPSS23.0對數(shù)據(jù)進行統(tǒng)計分析，主要包括信度、效度和結(jié)構(gòu)性分析。

3.1 信度和效度分析

3.1.1 信度分析

本研究選取克朗巴哈α系數(shù)進行信度分析。α系數(shù)介于0到1之間，α系數(shù)越大，則量表越可信。一般認為，α系數(shù)高于0.7時，量表可信度較高;α系數(shù)介于0.65到0.7之間，量表的信度可以接受;低于0.65則不可信。本文計算結(jié)果為：總量表的克隆巴赫α值為0.955，表明問卷的可靠性較高;所有分量表題項的克隆巴赫α值均高于0.7，表明量表可信度較高（見表2）。

3.1.2 效度分析

本文采用因子分析法進行效度分析。問卷的KMO值為0.938，滿足因子分析基本要求，且樣本Bartlett球型檢驗的顯著性檢驗為0.000，表明各變量間相關(guān)性較好，問卷的結(jié)構(gòu)效度良好。檢驗結(jié)果見表3，除朋友圈使用強度（WMUI1）的因子載荷值小于0.5以外，其他題項的因子載荷值均大于0.5，且多數(shù)在0.6以上，表問卷具有良好的效度。

3.2 結(jié)構(gòu)模型檢驗

3.2.1 Pearson相關(guān)性分析

本文采用Pearson方法分析變量之間的相關(guān)關(guān)系。計算可知：朋友圈使用強度與感知過載之間的系數(shù)r=0.44，p=0.000<0.05，表明二者中等程度相關(guān)，即H1成立;感知過載與朋友圈倦怠的相關(guān)系數(shù)r=0.85，p=0.000<0.05，表明二者之間呈強相關(guān)，即H2成立;社交過載與朋友圈倦怠之間相關(guān)系數(shù)r=0.75，p=0.000<0.05，表明二者呈強相關(guān)，即H2a成立;信息過載與朋友圈倦怠相關(guān)系數(shù)r=0.62，p=0.000<0.05，表明二者之間具有相關(guān)性，即H2b成立;系統(tǒng)功能過載與朋友圈倦怠相關(guān)系數(shù)r=0.61，p=0.000<0.05，表明二者之間呈強相關(guān)，即H2c成立。朋友圈倦怠與不持續(xù)使用的Pearson系數(shù)r=0.71，p=0.000<0.05，表明二者呈強相關(guān)，即H3成立;疲憊感與不持續(xù)行為的相關(guān)系數(shù)r=0.48，p=0.000<0.05，二者呈中等程度相關(guān)，即H3a成立;焦慮感與不持續(xù)的相關(guān)系數(shù)r=0.51，p=0.000<0.05，表明二者呈中等程度相關(guān)，即H3b成立;侵擾感與不持續(xù)使用的相關(guān)系數(shù)r=0.59，p=0.000<0.05，二者呈中等程度相關(guān)，假H3c成立;低價值感與不持續(xù)使用相關(guān)系數(shù)r=0.54，p=0.000<0.05，呈中等程度相關(guān)，即H3d成立。感知過載與不持續(xù)使用的Pearson相關(guān)系數(shù)r=0.725，p=0.000<0.05，呈強相關(guān)，即H2成立;社交過載與不持續(xù)使用的相關(guān)系數(shù)r=0.654，p=0.000<0.05，呈強相關(guān)，即H2a成立;信息過載與不持續(xù)使用相關(guān)系數(shù)r=0.657，p=0.000<0.05，呈強相關(guān)，即H2b成立;系統(tǒng)功能過載與朋友圈倦怠相關(guān)系數(shù)r=0.568，p=0.000<0.05，呈中等程度相關(guān)，即H2c成立。

3.2.2 回歸分析

為了進一步研究感知過載、朋友圈倦怠與不持續(xù)使用的關(guān)系，本文分別構(gòu)建以“感知過載”作為自變量X、“朋友圈倦怠”作為中介變量M、“不持續(xù)使用”作為因變量Y的三個模型Y=c*X+e1、M=a*X+e2，Y=c'*X+b*M+e3進行中介效應(yīng)分檢驗?；貧w分析結(jié)果見表5。模型1擬合結(jié)果顯示，系數(shù)c=0.715，p=0.000，表明c顯著;朋友圈倦怠作為因變量、感知過載作為自變量的模型2回歸分析結(jié)果顯示，系數(shù)a=0.757，p=0.000，表明a顯著;不持續(xù)使用作為因變量、感知過載和朋友圈倦怠同時作為自變量的模型3回歸分析結(jié)果顯示，系數(shù)b=0.253，p=0.000，系數(shù)c'=0.524，p=0.000，表明系數(shù) b和c都顯著。

綜上，模型2、3中，有關(guān)“朋友圈倦怠”變量的系數(shù) a 和 b 均顯著，模型3中 c' 顯著，所以本文屬于部分中介效應(yīng);自變量“感知過載”對因變量“不持續(xù)使用”的中介效應(yīng)不完全通過中介變量“朋友圈倦怠”達到影響，“感知過載”對“不持續(xù)使用”有部分直接效應(yīng)。中介效應(yīng)對總效應(yīng)的貢獻率：M=a*b/c=0.268，即26.8%，故H4成立。

4. 結(jié)論與建議

本研究以S-O-R為分析基礎(chǔ)，構(gòu)建了以微信朋友圈不持續(xù)使用為因變量，朋友圈倦怠為中介變量、感知過載為自變量的中介模型，從心理層面探討了朋友圈不持續(xù)使用的影響機制。通過相關(guān)分析和回歸分析，11個研究假設(shè)均得到驗證，表明朋友圈使用強度對感知過載、感知過載對朋友圈倦怠、朋友圈倦怠對不持續(xù)使用均具有正向預(yù)測作用;朋友圈倦怠在感知過載與不持續(xù)使用之間起中介作用;不持續(xù)使用不是“采納”或“持續(xù)使用”的反面，而是基于社交媒體倦怠形成的一種“限制”、“暫停”甚至“放棄”，體現(xiàn)了對“曾經(jīng)采用”方向的背離。本文關(guān)注媒體倦怠或不采納行為，透視技術(shù)與實踐的相互建構(gòu)，突破了媒介采納行為的研究局限，豐富了社交媒體采納行為的研究思路和方法。本文為微信運營商給出的建議是，簡化朋友圈系統(tǒng)功能設(shè)置、信息服務(wù)以及社交服務(wù)，使其服務(wù)更精準(zhǔn)地對接用戶的內(nèi)在需求，提升朋友圈的易用性和實際功效。

參考文獻：

[1]MehrabianA，RussellJA.Anapproachtoenvironmentalpsychology[M].theMITPress，1974.

[2]NicoleB.Ellison，CharlesSteinfield，CliffLampe，TheBenefitsofFacebook“Friends：”SocialCapitalandCollegeStudentsUseofOnlineSocialNetworkSites，JournalofComputer-MediatedCommunication，Volume12，Issue4，1July2007，Pages1143–1168.

[3]張淑瑋.社交網(wǎng)絡(luò)用戶不持續(xù)使用行為的實證研究[D].華中科技大學(xué)，2016.

[4]張慶芳.社交媒體惓怠的量表編制[D].廈門大學(xué)，2017.

作者簡介：羅藝，重慶涪陵人，西南交通大學(xué)人文學(xué)院本科2017級傳播學(xué)專業(yè)，研究領(lǐng)域：傳播學(xué)理論。