沐光雨,李釗金,鄧曉兵,柳佳欣
(1.吉林財經(jīng)大學(xué) 管理科學(xué)與信息工程學(xué)院,吉林 長春 130117;2.吉林大學(xué) 數(shù)學(xué)學(xué)院,吉林 長春 130022)
隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,共享經(jīng)濟時代也隨之而來.如今共享的產(chǎn)品和服務(wù)不僅僅局限于出行、住宿等領(lǐng)域,還逐漸發(fā)展到了知識服務(wù)領(lǐng)域[1].在此發(fā)展過程中也促進了分享平臺運營模式的創(chuàng)新——從之前免費獲取共享知識的時代轉(zhuǎn)變成了如今部分信息需付費獲取的交易時代[2].2016年作為在線知識付費的發(fā)展元年,各大平臺開始推出各類知識付費產(chǎn)品,在線知識付費用戶數(shù)量快速增長.此后所涉及的在線服務(wù)付費行業(yè)領(lǐng)域越來越廣泛.
近年來,國內(nèi)外學(xué)者基于各種理論和方法,對用戶付費意愿以及付費行為的影響因素進行實證研究.2018年,李武等[3]基于感知價值理論,提出四個感知因素:感知收益包括內(nèi)容收益和經(jīng)濟收益、以及感知付出包括費用付出和其他成本付出,對用戶的付費意愿進行深入研究;趙楊等[4]基于社會資本理論,以知識供給者為基礎(chǔ)從結(jié)構(gòu)型社會資本、關(guān)系型社會資本和認知型社會資本三個角度搭建用戶付費意愿影響因素模型;趙宇翔等[5]基于社會交換理論和社會資本理論,對傳統(tǒng)知識問答平臺和新興知識問答平臺之間的相同點和不同點進行比較分析,在此基礎(chǔ)上對提問者的付費意愿進行實證研究;2019年,盧恒[6]基于現(xiàn)狀偏差理論,構(gòu)建語音問答社區(qū)用戶的付費意愿研究模型,并對其模型的實用性進行檢驗;2020年,盧恒等[7]將現(xiàn)狀偏差理論與理性選擇理論相結(jié)合,進一步分析影響在線問答社區(qū)用戶付費意愿的潛在變量,同時采用模糊集的定性比較分析方法分析變量之間的因果關(guān)系,形成付費意愿模型.
從理論層面的研究來看,很多學(xué)者都是把在線服務(wù)平臺按種類劃分單獨進行研究,而在當前各類在線服務(wù)平臺整體繁榮發(fā)展的情況下,把各種類型的在線服務(wù)平臺合并在一起研究用戶付費意愿影響因素還較為缺乏.因此本文將總結(jié)各類型在線服務(wù)平臺的用戶付費意愿,分析各平臺共有的影響因素,形成較為全面的在線服務(wù)平臺用戶付費意愿的研究模型,進一步豐富整個在線服務(wù)平臺的實踐研究.
1973年,M.Spence[8]提出信號理論模型,奠定了信號理論發(fā)展基礎(chǔ)和研究方向.信號理論主要是針對買賣雙方之間信息不對稱的狀況下市場互動的研究.其基本思想是:由于信息存在不對稱性產(chǎn)生了逆向選擇、道德風(fēng)險和信用風(fēng)險等問題,掌握信息優(yōu)勢和信息劣勢的各方,嘗試使用某種信號向?qū)Ψ絺鬟f自己手中掌握的“真實”信息.信號理論包含三個組成部分,分別是信號發(fā)送者、信號以及信號接收者.本文中,信號發(fā)送者是服務(wù)供給者,信號為付費服務(wù),信號接收者則是在線服務(wù)平臺上的用戶.
1990年,J.S.Coleman[9]首次提出理性選擇理論.理性選擇理論可以簡單概括為理性目標最優(yōu)化或效用最大化,即個體在做決策之前會考慮評估所有備選方案的潛在成本和未來收益,依據(jù)成本最小化和收益最大化的原則做出最正確的決策.理性選擇理論是應(yīng)用系統(tǒng)不同組成部分的行為來解釋整個系統(tǒng)的行為,因此在信息系統(tǒng)領(lǐng)域中,關(guān)于用戶對信息系統(tǒng)和信息技術(shù)的接受度、滿意度以及使用行為等的預(yù)測和分析都可以應(yīng)用理性選擇理論.在用戶付費行為中,用戶的付費意愿是消費者對產(chǎn)品或服務(wù)在權(quán)衡積極方面和消極方面后的心理結(jié)果,用戶對產(chǎn)品或服務(wù)滿意度以及價格判斷過程可以視為付費行為的成本收益計算[10].因此,本文根據(jù)理性選擇理論提出轉(zhuǎn)換成本和價值增值兩個影響因素.
現(xiàn)狀偏差理論于1988年由W.Samuelson和R.Zeckhauser[11]提出,指的是個體傾向于保持現(xiàn)有的狀態(tài)或決定,是一種非理性的決策偏差.即使當下的客觀情況劣于其他選擇或出現(xiàn)信息不完整的情況,個體還是會做出維持目前的決定,且認為不管傾向于任何決定的改變都是一種損失.現(xiàn)狀偏差可以大致分為兩類:外源的現(xiàn)狀偏差和內(nèi)源的現(xiàn)狀偏差.外源的現(xiàn)狀偏差主要表現(xiàn)為不作為或者堅持現(xiàn)有的決定,而內(nèi)源的現(xiàn)狀偏差則主要表現(xiàn)為堅持過去的選擇.對用戶付費行為的研究除去各種客觀因素和外界條件,往往還伴隨用戶自身主觀的感受,致使每個人對相同事物的看法產(chǎn)生差異.且人們在新舊事物的選擇上,由于可能對新事物不全面了解,接受新事物能力不強,導(dǎo)致人們會更加傾向于保持現(xiàn)狀或者重復(fù)以往的決定.國內(nèi)外學(xué)者一般都認為認知誤解、理性決策、心理承諾是引起現(xiàn)狀偏差的三個主要維度.在本文構(gòu)建的模型中,現(xiàn)狀偏差理論的影響因素均來自于以上三方面,并對變量進行歸納總結(jié)剔除,包括社會因素和客觀因素兩個角度.社會因素包括其他消費者評價和廣告宣傳,而客觀因素則包括付費情景.
本文針對在線服務(wù)平臺用戶付費意愿行為及影響因素研究,設(shè)計如下變量:服務(wù)需求者維度包括個人免費觀念變量;付費服務(wù)維度包括有用性變量;服務(wù)供給者維度包括聲譽及行為信息變量;感知價值維度包括轉(zhuǎn)換成本和價值增值兩個變量;社會因素維度包括其他消費者評價和廣告宣傳兩個變量;客觀因素維度包括付費情景變量,變量定義及研究假設(shè)具體如下.
2.1.1 個人免費觀念
隨著互聯(lián)網(wǎng)技術(shù)和共享經(jīng)濟的發(fā)展,很長一段時間互聯(lián)網(wǎng)所提供的產(chǎn)品、服務(wù)等都是免費的,致使大部分用戶潛意識存在免費觀念.而且互聯(lián)網(wǎng)產(chǎn)品以及服務(wù)都具有虛擬性和可復(fù)制性,使人們更傾向于免費獲取各類服務(wù).李武等[12]研究發(fā)現(xiàn),盡管用戶重視獲取的服務(wù)和產(chǎn)品內(nèi)容質(zhì)量,但是付費時優(yōu)先考慮能否通過其他渠道獲取免費資源,免費觀念顯著影響內(nèi)容質(zhì)量和用戶付費意愿之間的關(guān)系.因此,本文提出如下假設(shè):
H1a 用戶的個人免費觀念對用戶的在線服務(wù)平臺的付費意愿有負向顯著影響.
2.1.2 有用性
用戶付費意愿中,有用性是用戶使用在線服務(wù)平臺付費后所帶來的各種好處,不僅包括在線服務(wù)平臺付費購買的豐富資源和個性化服務(wù),還包括平臺發(fā)放的各種代金券、積分、等級上升等專屬福利和優(yōu)惠政策,這些對用戶的學(xué)習(xí)、工作和生活是有幫助的.陳啟全[13]針對用戶關(guān)于移動支付的付費影響因素進行研究,研究結(jié)果發(fā)現(xiàn)有用性正向影響影響用戶的使用意愿.鑒于此,本文提出如下假設(shè):
H1b 在線服務(wù)平臺付費服務(wù)的有用性對用戶的付費意愿有正向顯著影響.
2.1.3 聲譽及行為信息
在線付費服務(wù)平臺上,服務(wù)供給者的聲譽和行為信息受粉絲數(shù)、好評量、服務(wù)次數(shù)、發(fā)布文章數(shù)、是否實名制認證、是否為專業(yè)人士等因素影響.如果擁有高數(shù)量粉絲、高點贊量、高評論量的服務(wù)供給者向服務(wù)需求者提供的產(chǎn)品和服務(wù)質(zhì)量更優(yōu),則用戶會更加傾向于產(chǎn)生信任,從而產(chǎn)生付費意愿.翟莉[14]對影響我國在線社會網(wǎng)絡(luò)用戶行為進行探析,研究發(fā)現(xiàn)在線社會網(wǎng)絡(luò)用戶影響力的研究與聲譽和行為信息更好的服務(wù)供給者——“意見領(lǐng)袖”緊密相關(guān);趙楊[4]對問答平臺用戶付費行為影響因素進行研究,結(jié)果表明知識供給者的個人簡介和行為信息對用戶付費行為具有顯著正向影響.鑒于此,本文提出如下假設(shè):
H1c 在線服務(wù)平臺服務(wù)供給者的聲譽及行為信息對用戶的付費意愿有正向顯著影響.
2.1.4 轉(zhuǎn)換成本
1980年,邁克·波特首次提出轉(zhuǎn)換成本概念,即轉(zhuǎn)換過程中產(chǎn)生的臨時性成本和轉(zhuǎn)換后的永久性成本.如果用戶從原來免費的產(chǎn)品或服務(wù)平臺轉(zhuǎn)向付費平臺,會產(chǎn)生學(xué)習(xí)如何使用在線服務(wù)平臺所付出的時間和經(jīng)歷即臨時性成本,還會產(chǎn)生使用在線服務(wù)平臺付費的金錢即永久性成本.盧恒等[6]研究語音問答社區(qū)用戶知識付費意愿時發(fā)現(xiàn),轉(zhuǎn)換成本對用戶知識付費意愿有顯著影響,并且感知成本在轉(zhuǎn)換成本和付費意愿之間起到中介作用.鑒于此,本文提出如下假設(shè):
H2a 用戶使用在線服務(wù)平臺的轉(zhuǎn)換成本對用戶的付費意愿有負向顯著影響.
2.1.5 價值增值
價值增值包括無形資產(chǎn)增值、技術(shù)含量增值、社會效益增值以及團隊能力增值等.在線服務(wù)付費意愿中,用戶可能通過付費行為,花費更少的時間找到所需產(chǎn)品或服務(wù),提高學(xué)習(xí)、工作和生活效率.并且付費后,可能獲得更多優(yōu)勢和榮譽等潛在的經(jīng)濟效益,提高用戶的感知收益.方愛華[15]在研究虛擬社區(qū)用戶知識付費意愿發(fā)現(xiàn),感知收益會正向影響用戶知識付費的意愿.鑒于此,本文提出如下假設(shè):
H2b 在線服務(wù)平臺付費服務(wù)的價值增值對用戶的付費意愿有正向顯著影響.
2.1.6 其他消費者評價
隨著互聯(lián)網(wǎng)技術(shù)不斷發(fā)展,消費者評價方式轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)評價,人們獲取產(chǎn)品或服務(wù)信息的評價也更加方便且全面.周方舟[16]研究消費者評價對于消費者行為的影響機理,對網(wǎng)絡(luò)口碑和消費者購買意愿進行相關(guān)分析,發(fā)現(xiàn)其他消費者的評價對消費者購買意愿有顯著影響關(guān)系.鑒于此,本文提出如下假設(shè):
H3a 在線服務(wù)平臺其他消費者對平臺的評價對用戶的付費意愿有正向顯著影響.
2.1.7 廣告宣傳
在線服務(wù)付費意愿中,廣告宣傳可以幫助平臺和服務(wù)供給者介紹產(chǎn)品或服務(wù)的功能、質(zhì)量,吸引用戶付費;同時可以幫助用戶在短時間內(nèi)找到自己所需要的產(chǎn)品和服務(wù),降低用戶時間成本,甚至有些用戶看見平臺推出自己感興趣的廣告會直接產(chǎn)生付費意愿.雷文靜等[17]經(jīng)過研究發(fā)現(xiàn),廣告宣傳會影響消費者的付費意愿,優(yōu)質(zhì)的廣告內(nèi)容對消費者的付費意愿影響更加強烈.鑒于此,本文提出如下假設(shè):
H3b 在線服務(wù)平臺的廣告宣傳對用戶的付費意愿有正向顯著影響.
2.1.8 付費情景
付費情景大致可分為兩類:用戶產(chǎn)生付費意愿前所處的情景和用戶正在進行付費行為時的情景.國外學(xué)者將用戶產(chǎn)生付費意愿前所處的情景大致劃分為三個程度,重要性、困難性和緊急性,當用戶面臨緊急性情景時更容易產(chǎn)生付費意愿.當用戶正在進行付費行為時,在線服務(wù)平臺的付費工具和支付流程就顯得尤為重要,使用普遍的付費工具和簡潔明了的支付流程在很大程度上會促使用戶產(chǎn)生付費意愿.因此,本文提出如下假設(shè):
H3c 在線服務(wù)平臺用戶的付費情景對用戶的付費意愿有正向顯著影響.
本文以在線服務(wù)平臺用戶的付費意愿為研究對象,基于信號理論、理性選擇理論和現(xiàn)狀偏差理論,融入個人免費觀念、有用性、聲譽及行為信息等新的變量,構(gòu)建在線服務(wù)平臺用戶付費意愿的研究模型,對影響用戶付費意愿的各種因素進行深入探討,如圖1所示.
圖1 在線服務(wù)平臺用戶付費意愿研究模型
本文采用調(diào)查問卷的方法收集數(shù)據(jù),調(diào)查問卷由基本信息和矩陣量表兩部分組成,矩陣量表是對變量的具體測量.在初步形成調(diào)查問卷后,對問卷進行前測分析,根據(jù)問卷前測樣本數(shù)據(jù)分析結(jié)構(gòu)對問卷進行修改.利用問卷星發(fā)放問卷,對收集的數(shù)據(jù)進行統(tǒng)計,運用AMOS24.0軟件驗證所提出的研究假設(shè),對所構(gòu)建的研究模型進行修正.
為保證測量量表的信效度,針對本文研究特定視角進行調(diào)整,主要從個人免費觀念、有用性、聲譽及行為信息、轉(zhuǎn)換成本、價值增值、其他消費者評價、廣告宣傳、付費情景和付費意愿8個方面進行測量,且問卷中9個潛在變量有3—4個問項測量,共計27個題目.采用李克特5級量表形式,賦予1—5個分值,并對各分值進行解釋.其中1代表非常不同意,2代表不同意,3代表不確定,4代表同意,5代表非常同意.測量量表問項見表1,量表分值的計算采用求均值法.
表1 測量量表問項
續(xù)表1
本文調(diào)查問卷的發(fā)放與回收主要借助專業(yè)調(diào)查工具問卷星進行,共收集346份調(diào)查問卷,無效樣本為23份,有效樣本數(shù)為323份,樣本回收有效率為93.35%.
調(diào)查問卷樣本人口統(tǒng)計特征如下:
(1)性別方面:男性137人,占比為42.7%;女性186人,占比為57.6%.
(2)年齡方面:在18歲以下的占比10.5%;18~25歲之間占比30.3%;26~30歲之間占比19.5%;31~35歲之間占比21.1%;36~40歲之間占比10.2%;40歲以上占比8.4%.
(3)在受教育程度方面:高中及以下占比16.7%;??苹蚣夹U急?1.4%;本科(包含在讀)所占比例最高達至51.4%;碩士及以上占比10.5%.
(4)收入方面:小于3 000元所占比例最大為37.2%;3 000~5 000元之間占比28.8%;5 000~7 000元之間占比19.2%;大于7 000元占比14.9%.
本文將在線服務(wù)平臺歸納十大類,分別是:社交類、視頻類、游戲類、音頻類、購物類、旅游類、學(xué)習(xí)類、工具類、新聞類和直播類在線服務(wù)平臺.用戶使用過的在線服務(wù)平臺占比如下:社交類、視頻類、游戲類、音頻類,這4類是最多用戶使用過的在線服務(wù)平臺,分別占比48.8%、62.2%、45.7%、50.9%;購物類占比35.6%;旅游類占比24.8%;學(xué)習(xí)類占比15%;工具類占比17.7%;新聞類占比9.3%;直播類占比18.4%;其他類占比4.5%.用戶使用過在線服務(wù)平臺上有過付費行為的占比如下:社交類占比41.1%;視頻類占比61.7%;游戲類占比40%;音頻類占比43.1%;購物類占比42.5%;旅游類占比46.4%;學(xué)習(xí)類占比12.7%;工具類占比16.8%;新聞類占比3.6%;直播類占比11.1%;其他類占比4.2%.上述題目均為多選題,因此各選項百分比之和超過100%.
4.2.1 信度分析
通過對樣本數(shù)據(jù)進行可靠性分析得出具體結(jié)果,如表2所示.個人免費觀念、聲譽及行為信息、轉(zhuǎn)換成本、價值增值、其他消費者評價、付費情景和付費意愿的克隆巴赫 Alpha系數(shù)分別0.922、0.916、0.902、0.919、0.903、0.937和0.936,都大于0.9,說明其信度非常好;有用性和廣告宣傳的克隆巴赫 Alpha系數(shù)分別為0.868和0.871,都大于0.8,說明其信度也是比較好的.總之,本問卷各個變量的克隆巴赫 Alpha系數(shù)值介于0.937和0.868之間(大于0.8),表明本研究的整體測量量表具有較好的信度.
表2 信度分析
4.2.2 效度分析
對323份樣本數(shù)據(jù)進行KMO值檢驗和巴特利球形度檢驗結(jié)果如表3所示.問卷整體KMO值為0.096,大于0.9,說明調(diào)查問卷整體效度非常好,適合進一步做因子分析.問卷整體巴特利球形度檢驗顯著性水平是0.00,小于0.05,表明各個變量之間的關(guān)系很好,適合做進一步因子分析.
表3 效度分析
對樣本數(shù)據(jù)進行探索性因子分析,主要采用主成分分析和最大方差兩種方法.分析測量量表的特征值,提取載荷平方和、旋轉(zhuǎn)載荷平方和以及累計百分比,結(jié)果如表4所示.解釋的總方差顯示,按照大于1的標準可以提取9個公共因子,9個公共因子的方差解釋率累計86.01%,遠遠高于60%,可進行下一步驗證.
表4 探索性因子分析
求出旋轉(zhuǎn)后的成分矩陣如表5所示.由于小于0.5因子載荷數(shù)(*)解釋力不足,因此設(shè)定因子載荷數(shù)只顯示大于0.5的內(nèi)容.共同因素有9個,分別是個人免費觀念、有用性、聲譽及行為信息、轉(zhuǎn)換成本、價值增值、其他消費者評價、廣告宣傳、付費情景、付費意愿.在因子分析中,因子所包含的題項至少應(yīng)該有2項,并且某一題項不應(yīng)該在多個因子上同時具有較大的符合.表5結(jié)果顯示,旋轉(zhuǎn)后的矩陣可以看出所有因子均含有2個或2個以上的測量問項,并且某一個題項也沒有同時在多個因子上存在較大負荷.所有測量變量的因子載荷數(shù)都超過0.7,說明各個題項基本能夠有效反映因素關(guān)系,問卷整體構(gòu)建具有較好的效度.
表5 旋轉(zhuǎn)后的成分矩陣
在結(jié)構(gòu)方程模型構(gòu)建中將個人免費觀念、有用性、聲譽及行為信息、轉(zhuǎn)換成本、價值增值、其他消費者評價、廣告宣傳、付費情景作為自變量,付費意愿作為因變量,運行AMOS24.0得到結(jié)構(gòu)方程模型圖.AMOS得到的模型擬合結(jié)果如表6所示,各擬合指標均符合模型擬合標準,整體而言模型的擬合程度較好.
表6 模型擬合度檢驗
在模擬路徑系數(shù)結(jié)果中,一般認為臨界比絕對值大于1.96則表明變量之間關(guān)系具有顯著性.且p值反映出各變量之間的顯著性水平,p值以0.05為界,小于0.05則顯著性水平可以接受(*);小于0.01則具有較好的顯著性水平(**);小于0.001則具有極高的顯著性水平(***),模擬路徑系數(shù)如表7所示.
表7 模擬路徑系數(shù)
由表7可知,個人免費觀念與付費意愿之間的標準化路徑系數(shù)為-0.188,p值小于0.001,說明用戶的個人免費觀念對用戶的在線服務(wù)平臺的付費意愿有顯著負向影響.有用性與付費意愿之間的標準化路徑系數(shù)為0.144,p值小于0.05,說明在線服務(wù)平臺付費服務(wù)的有用性對用戶的付費意愿有正向顯著影響.聲譽及行為信息與付費意愿之間的標準化路徑系數(shù)為0.122,p值小于0.05,說明在線服務(wù)平臺服務(wù)供給者的聲譽及行為信息對用戶的付費意愿有正向顯著影響.轉(zhuǎn)換成本與付費意愿之間的標準化路徑系數(shù)為-0.116,p值小于0.05,說明用戶使用在線服務(wù)平臺的轉(zhuǎn)換成本對用戶的付費意愿有負向顯著影響.價值增值與付費意愿之間的標準化路徑系數(shù)為0.205,p值小于0.05,說明在線服務(wù)平臺付費服務(wù)的價值增值對用戶的付費意愿有正向顯著影響.廣告宣傳與付費意愿之間的標準化路徑系數(shù)為0.141,p值小于0.05,說明在線服務(wù)平臺的廣告宣傳對用戶的付費意愿有正向顯著影響.付費情景與付費意愿之間的標準化路徑系數(shù)為0.137,p值小于0.05,說明在線服務(wù)平臺用戶的付費情景對用戶的付費意愿有正向顯著影響.其他消費者評價付費意愿之間的標準化路徑系數(shù)為-0.021,臨界比絕對值小于1.96且p值大于0.05,則表明其他消費者評價付費意愿之間沒有顯著關(guān)系.
根據(jù)以上假設(shè)驗證結(jié)果,本研究經(jīng)過修正后得到最終模擬路徑輸出結(jié)果如圖2所示.
圖2 結(jié)構(gòu)方程模型輸出圖
有用性、聲譽及行為信息、價值增值、廣告宣傳、付費情景對用戶付費意愿有顯著正向影響;個人免費觀念和轉(zhuǎn)換成本對用戶付費意愿有顯著負向影響.其影響力按大小可排序為:價值增值>個人免費觀念>有用性>廣告宣傳>付費情景>聲譽及行為信息>轉(zhuǎn)換成本.因此,要想提高在線服務(wù)平臺用戶付費意愿行為,給出如下建議.
4.4.1 提高服務(wù)價值增值,提升用戶感知收益
本文構(gòu)建的模型結(jié)果表明,價值增值成為影響用戶付費意愿最大影響因素.因此在線服務(wù)平臺只有提升平臺自身優(yōu)勢,提高服務(wù)價值增值,才能使用戶提升付費意愿.在線服務(wù)平臺運營商應(yīng)關(guān)注個性差異需求,提供個性化服務(wù);創(chuàng)新付費服務(wù),提升服務(wù)品質(zhì),提高平臺服務(wù)水平;為用戶提供詳細的使用指導(dǎo),詳細劃分不同領(lǐng)域內(nèi)容,降低用戶使用平臺的時間、金錢等成本[18].
4.4.2 大力宣傳版權(quán)保護,改變用戶免費觀念
互聯(lián)網(wǎng)時代,大部分用戶習(xí)慣了免費獲取網(wǎng)絡(luò)資源,對付出成本格外敏感,此類行為導(dǎo)致用戶版權(quán)意識較為薄弱,不能維護原創(chuàng)服務(wù)者的合法權(quán)益[19].因此,在線服務(wù)平臺運營商應(yīng)該大力倡導(dǎo)用戶抵制網(wǎng)絡(luò)盜版支持正版,在一定程度上改變用戶免費獲取資源、服務(wù)的觀念;為用戶提供優(yōu)質(zhì)服務(wù),用戶改變獲取資源、服務(wù)的習(xí)慣;同時做好平臺安全防范措施,防止平臺資源的非正規(guī)途徑泄露.
4.4.3 鼓勵用戶真實評價,實現(xiàn)口碑有效傳播
對在線服務(wù)平臺運行商來說,應(yīng)當鼓勵用戶分享真實體驗,及時針對用戶體驗對平臺進行維護[20];平臺在使用社交媒體渠道進行宣傳時,要保證所有內(nèi)容無夸大虛構(gòu)成分.在日常維護中,注重平臺社區(qū)的建設(shè),營造良好的社區(qū)氛圍,傳遞真實可靠的體驗感,為用戶提供更好的線上互動體驗.
在線服務(wù)平臺目前正迎來長久發(fā)展的關(guān)鍵期,未來將會涌現(xiàn)更多在線服務(wù)平臺,在線服務(wù)產(chǎn)品也將深入人們生活的方方面面,其價值也會不斷提高.但是在線服務(wù)平臺發(fā)展過程中也會伴隨新問題的產(chǎn)生,因此在未來的研究中可以繼續(xù)深挖影響在線服務(wù)平臺的正負向影響因素,進一步為在線服務(wù)平臺長久發(fā)展提出針對性意見,從而吸引更多的用戶付費使用資源,不斷完善在線服務(wù)平臺的發(fā)展,提升用戶使用體驗,滿足更多用戶的個性化需求.