基于TAM 與TTF 整合模型的路跑App 持續(xù)使用意愿研究

魏 巍 ，張貴海，茍軼清 ，文 鑫，吳天奇

（1.哈爾濱體育學(xué)院，黑龍江 哈爾濱 150006；2.西安體育學(xué)院，陜西 西安 710068）

近年來， 隨著互聯(lián)網(wǎng)技術(shù)的變革以及人們對健身健康需求的日益增長， 隨著互聯(lián)網(wǎng)技術(shù)的變革以及民眾健身需求的持續(xù)增長， 健身休閑產(chǎn)業(yè)吸引了諸多廠商的視野， 各類路跑App 相繼進入消費者眼球， 不僅能夠為用戶提供專屬的線上課程、記錄并分析跑步數(shù)據(jù)、為用戶提供科學(xué)的跑步指導(dǎo)，還能滿足互聯(lián)網(wǎng)趨勢下用戶“曬運動”“促交流”的社交需求，提高用戶的心理獲得感。數(shù)據(jù)顯示，2021 年4 月運動健身平臺新增用戶數(shù)量為 1 356.6 萬人， 同比增長 78.5%［1］， 這表明運動App 的使用需求在快速增加。

跑步作為最經(jīng)濟的一種鍛煉方式被越來越多的人選擇，為了更科學(xué)地身體鍛煉，越來越多的用戶開始使用路跑App，但是如何提高用戶的使用黏性和持續(xù)使用意愿至關(guān)重要［2］。當前大多數(shù)軟件開發(fā)商將成本和精力投入到獲取新用戶中，對用戶滿意度的提升有所欠缺［3］，各大跑步軟件平臺前端競爭較為激烈，但忽視了用戶實際使用過程中所需要解決的問題，導(dǎo)致用戶使用量增長緩慢［4］。本文基于技術(shù)接受與任務(wù)技術(shù)適配的集成模型， 分析路跑App 使用者滿意度和持續(xù)使用意愿的主要影響因素，以期為提升用戶使用體驗感提供指導(dǎo)性意見。

1 理論基礎(chǔ)

1.1 技術(shù)接受模型

技術(shù)接受模型 （Technology Acceptance Model，TAM）是Davis［5］在1989 年首次提出的，其主要目的是預(yù)測和解釋用戶對新事物的使用態(tài)度和行為意愿。 技術(shù)接受的兩個主要決定因素是感知有用性 （Perceived Usefulness，PU） 和感知易用性（Perceived Ease Of Use，PEOU）， 其中感知有用性是指了用戶在使用某種信息系統(tǒng)時對其工作或生活績效提高的程度，感知易用性是指用戶在使用某種信息技術(shù)的過程中主觀上感知到的容易使用的程度。 如圖1 所示，感知易用性對感知有用性有正向的影響作用， 感知有用性和感知易用性共同影響使用態(tài)度，進而對用戶的行為意圖和實際使用產(chǎn)生間接影響［6］。

技術(shù)接受模型被廣泛應(yīng)用于用戶意愿的研究，武冰等［7］通過構(gòu)建TAM 模型和TTF 模型， 對MOOC 平臺持續(xù)使用意愿進行了研究。 李東和等［8］基于技術(shù)接受模型，對人們下載使用旅游 App 的影響因素進行了分析。 王靜等［9］學(xué)者通過使用TAM 模型和使用與滿足理論模型， 分析了線上觀看電子競技的意愿。 隨著技術(shù)接受模型廣泛的應(yīng)用和研究的深入，有不少學(xué)者認為感知有趣性（Perceived Enjoyment，PE）對用戶的使用意愿也能夠產(chǎn)生正向的影響［10-11］。 當前技術(shù)接受模型被廣泛應(yīng)用，足以說明它具有一定的合理性和科學(xué)性。

1.2 任務(wù)技術(shù)適配模型

任務(wù)技術(shù)適配模型（Task-Technology Fit，TTF）最早是由Hue 等人［12］在1995 年共同提出，通過描述用戶的認知心理和認知行為來揭示信息技術(shù)對特定任務(wù)的支持， 反映信息技術(shù)與任務(wù)需求之間的關(guān)系。 任務(wù)特征（Task Characteristics，TAC）和技術(shù)特征（Technology Characteristics，TEC）積極的影響任務(wù)技術(shù)適配，進而對個人行為和實際使用產(chǎn)生影響。

TTF 理論模型自提出以來被廣泛使用，Oliveira 等［13］學(xué)者通過TTF 與UTAUT 模型對人們使用手機移動銀行使用因素的分析，并取得很好的研究成果。 李子強等［14］人通過TTF 模型研究學(xué)生移動圖書館采用意向因素研究等。 查閱相關(guān)文獻［15-16］學(xué)者將TTF 模型應(yīng)用于移動技術(shù)采用意向的研究成果較多，對本研究有一定的借鑒意義。

TAM 模型在研究方面太過關(guān)注用戶自身的主觀感知，從而忽略了用戶在使用信息技術(shù)時客觀因素，TTF 模式的建立也彌補了這種不足， 但是TTF 模型忽視了作用于個人行為的內(nèi)在機制， 從而缺少了任務(wù)技術(shù)適配到技術(shù)使用之間的橋梁［17］。因而在研究過程中大多學(xué)者通過將兩種模型整合來探析信息技術(shù)的有效性和用戶的行為意向。 查閱相關(guān)文獻［18-19］研究發(fā)現(xiàn)， 整合模型比單獨的技術(shù)接受模型或任務(wù)技術(shù)適配模型更具有客觀的解釋力。 這對路跑App 的研究假設(shè)模型具有理論上的支持和參考意義。

2 研究模型與研究假設(shè)

2.1 研究模型

在技術(shù)接受模型和任務(wù)技術(shù)適配模型的基礎(chǔ)上， 增添了感知有趣性這一新變量，構(gòu)建了理論模型。 如圖2 所示，該模型表明， 用戶對路跑App 持續(xù)使用意愿主要受滿意度和任務(wù)技術(shù)適配兩方面的因素影響，其中滿意度包含了感知有用性、感知易用性、感知有趣性3 個潛在變量，感知易用性對感知有用產(chǎn)生積極的影響作用。 任務(wù)技術(shù)適配模型的兩個潛在變量是任務(wù)特征、技術(shù)特征，任務(wù)技術(shù)適配正向影響滿意度。

2.2 研究假設(shè)

2.2.1 感知有用性、感知易用性和感知有趣性

感知易用性和感知有用性之間的正向關(guān)系在多數(shù)的研究中被證實。 例如，陳明紅等［18］在研究中證實了感知有用性、感知易用性、 感知有趣性對移動搜索行為有著積極的影響。Wallace 等［20］認為感知有用性、感知易用性對對軟件使用的滿意度有著正向的影響。 劉毅等［21］在研究中證實了感知易用性正向影響感知有用性， 且二者對新聞移動App 使用的滿意度有著正向的影響。 感知有趣性是指用戶在使用某種信息系統(tǒng)過程中的愉悅程度。Rauniar 等［22］在關(guān)于社交媒體 Facebook 的研究中證實了感知有趣性對用戶使用滿意度的積極影響關(guān)系。 Ramayah 等［23］發(fā)現(xiàn)了感知有趣性在用戶網(wǎng)絡(luò)購物體驗感中有著優(yōu)有著積極的影響作用。鑒于此，就路跑App 感知有用性、感知易用性、感知有趣性和滿意度之間提出如下假設(shè)：

H1:感知易用性對感知有用性具有正向影響；

H2:感知有用性對滿意度具有正向影響；

H3:感知易用性對滿意度具有正向影響；

H4:感知有趣性對滿意度具有正向影響。

2.2.2 滿意度和持續(xù)使用意愿

Bhattacherjee［24］認為滿意度是用戶在使用信息系統(tǒng)時的心理滿足感，持續(xù)使用意愿是指用戶使用某種系統(tǒng)之后，通過各方面的感受，并決定將來是否繼續(xù)使用的打算，并且認為滿足感對將來繼續(xù)使用意愿有著正向性的影響。 可見滿意度在用戶持續(xù)使用意愿中起著重要的作用。對與路跑App 而言，當用戶在使用App 過程中越滿意他們就更加愿意使用App。 據(jù)此，提出假設(shè)：

H5：滿意度對持續(xù)使用路跑App 意愿具有正向影響。

2.2.3 任務(wù)特征、技術(shù)特征和任務(wù)技術(shù)適配

在TTF 模型中任務(wù)特征和技術(shù)特征正向影響任務(wù)技術(shù)適配。 任務(wù)特征是指為實現(xiàn)目標用戶所采取的動作，技術(shù)特征是指用戶在完成任務(wù)的過程中采取的工具。 對于路跑App 而言任務(wù)特征指的是促使跑步愛好者更多使用跑步類軟件某方面的因素， 技術(shù)特征是指使用跑步類應(yīng)用程序是應(yīng)用程序所提供的功能服務(wù)。 根據(jù)TTF 理論，路跑App 的技術(shù)特征、任務(wù)特征會對任務(wù)技術(shù)適配產(chǎn)生影響作用， 任務(wù)技術(shù)適配對用戶持續(xù)使用路跑App 的意愿產(chǎn)生影響。 基于此，提出假設(shè)：

H6:任務(wù)特征對任務(wù)技術(shù)適配具有正向影響；

H7:技術(shù)特征對任務(wù)技術(shù)適配具有正向影響。

2.2.4 任務(wù)技術(shù)適配、滿意度和持續(xù)使用意愿

在本研究中， 任務(wù)技術(shù)匹配是指用戶使用跑步類App 軟件的任務(wù)需求和跑步類App 軟件所具備的功能之間的匹配程度。 Wen-ShanLin［25］基于 TTF 模型和期望確認理論，證實了在在線課堂學(xué)習(xí)過程中任務(wù)技術(shù)匹配對學(xué)生的滿意度有正向顯著影響，并且對持續(xù)使用意愿也有正向顯著影響。 基于此，對路跑App 的任務(wù)技術(shù)適配、使用滿意度、持續(xù)使用意愿提出假設(shè)：

H8:任務(wù)技術(shù)適配對滿意度具有正向影響；

H9:任務(wù)技術(shù)適配對持續(xù)使用意愿具有正向影響。

3 研究設(shè)計

3.1 問卷設(shè)計

本研究將問卷分為三部分：第一部分為問卷簡介說明；第二部分為調(diào)查對象的基本概況，包括性別、年齡、一周使用路跑App 的時間、次數(shù)等；第三部分為有關(guān)路跑App 持續(xù)使用意愿的測度項。關(guān)于路跑App 并未有成熟的量表，本研究通過已有文獻量表并結(jié)合路跑App 的特征、功能等進行改編，確保問卷的內(nèi)容效度，形成初始量表。 在此基礎(chǔ)上，通過在小范圍發(fā)放80 份問卷進行預(yù)調(diào)查，根據(jù)回收的問卷，剔除了問卷中效度較低的測度項，并修改部分表述有誤的測度項，形成最終問卷（見表1）。 采用李克特七級量表評分方法，按照“非常同意”“同意”“比較同意”“一般”“比較不同意”“不同意”“非常不同意”，分別賦值 7、6、5、4、3、2、1。

表1 變量的測量項

3.2 數(shù)據(jù)收集

通過網(wǎng)絡(luò)調(diào)查的方法收集問卷，問卷設(shè)置甄別題。 以確保填寫問卷的都是使用路跑App 的用戶，通過“滾雪球”的抽樣方式，在路跑App 用戶中擴散填寫參與調(diào)查，擴大樣本量。 共回收問卷500 份， 問卷中設(shè)置了對是否在使用路跑APP 的問卷進行甄別，對結(jié)果為“否”的91 份問卷進行剔除，最終得到有效問卷409 份，問卷有效率為81.8%。

描述性統(tǒng)計分析如表2 所示，男性用戶占58.9%，女性用戶占41.1%， 用戶年齡主要集中在 18～25 歲和 26～30 歲兩個階段，分別占比是38.9%和37.7%。 App 使用時長主要分布在3 小時以下，占比是43%，用戶使用最多的路跑App 是Keep，占比33.5%。

表2 描述性統(tǒng)計分析

3.3 數(shù)據(jù)分析

運用SPSS26.0 軟件對數(shù)據(jù)的信度以及效度進行分析，然后使用AMOS24.0 軟件來計算分析模型的擬合度和路徑系數(shù)等。

4 數(shù)據(jù)與結(jié)果分析

4.1 信度分析與效度分析

通過SPSS26.0 軟件對量表進行KMO 和巴特利特檢驗（表 3）， 結(jié)果顯示 KMO 值為 0.874， 巴特利特球形檢驗 p＜0.001，適合因子分析。

表3 KMO 和巴特利特檢驗

信度主要通過平均萃取方差（AverageVarianceExtracted，AVE）、組合信度（Composite Reliability，CR）和 Cronbach's α三個指標測量。 其中，Cronbach's α 用于測量變量內(nèi)部一致性程度，一般認為Cronbach's α 大于0.7 時，理論模型可靠性較好［26］；CR 的臨界值標準為 0.7，AVE 的臨界標準是 0.5［27］。 由表 4 可知，所有變量的Cronbach's α 系數(shù)均在 0.8 以上，說明問卷內(nèi)部一致性較好，CR 值在0.785～0.897 之間，均大于0.7的臨界值，AVE 值在 0.595～0.745 之間，均大于臨界值。 說明測量模型的信度可接受。 收斂效度反映變量的測度指標之間理論上和實際上的相互關(guān)聯(lián)程度。 收斂效度可以用CR 和AVE 進行測量，當 CR＞0.7 且 AVE＞0.5 時，表明變量的收斂效度好［27］。 通過表 4 數(shù)據(jù)可知，CR 值在 0.785～0.897 之間，AVE值在0.595～0.745 之間，均在臨界標準值以上，這就說明變量具有很好的收斂效度。

表4 信度與收斂效度檢驗表

區(qū)分效度表示變量測量的是變量自己本身而不是其他的變量。 區(qū)分效度可以通過AVE 的平方根和皮爾森相關(guān)系數(shù)的大小進行測量，根據(jù)Fomell 與Larcker 提出的標準，當一個變量的AVE 平方根大于該變量與其他所有變量的相關(guān)系數(shù)時［28］，說明該變量的區(qū)分效度良好。 如表5 所示， 對角粗體數(shù)AVE的平方根數(shù)值都比皮爾森相關(guān)系數(shù)大， 因此該模型的區(qū)分效度符合基本要求。

表5 區(qū)分效度表

4.2 模型擬合度檢驗

模型的數(shù)據(jù)要與理論模型符合， 模型的擬合度需要達到一定標準，運用AMOS 軟件對假設(shè)模型進行檢驗，在假設(shè)理論模型中， 模型的擬合度指標如表6 所示。 根據(jù)結(jié)構(gòu)方程模型（SEM）擬合指標的要求，卡方自由度比值（χ2/df）＜3，優(yōu)度擬合指數(shù)（GFI）＞0.9 為擬合良好；＞0.8 可接受、比較擬合指數(shù)（CFI）＞0.9 為擬合良好；＞0.8 可接受、非正態(tài)擬合指數(shù)（TLI）＞0.9、漸進殘差均方和平方根（RMSEA）＜0.08。 由表 6 可知，假設(shè)模型的檢驗結(jié)果均達到參考標準， 表明該模型和樣例數(shù)據(jù)具有較好的一致性。

表6 模型擬合度指標

4.3 結(jié)構(gòu)模型驗證

運用AMOS 軟件對結(jié)果模型進行驗證， 計算模型路徑系數(shù)和顯著性 p 值（見圖 3），模型驗證結(jié)果顯示，H1～H9 這九個假設(shè)均得到了支持（見表7）。

表7 模型路徑分析結(jié)果

5 討論與總結(jié)

5.1 討論

5.1.1 對用戶滿意度的討論分析

結(jié)果表明，感知有用性、感知易用性、感知有趣性、任務(wù)技術(shù)適配對路跑App 使用者的滿意度有直接影響， 進一步對路徑系數(shù)進行分析發(fā)現(xiàn)， 感知有趣性對用戶使用滿意度的影響大于其他3 個因素，路徑系數(shù)為0.231，即如果使用者的感知有趣性增加1 個單位， 則對他們使用路跑App 的滿意度提高0.231 個單位，高于感知有用性和感知易用性的0.133 個單位，高于任務(wù)技術(shù)適配的0.119 個單位。說明使用者更加關(guān)注路跑App 使用時能給自己帶來的樂趣及愉悅。

另外， 路跑類App 的感知易用性對感知有用性也有很大的作用，增加1 單位的感知易用性，就會對用戶使用路跑App的感知有用性增加0.463 個單位，說明使用者在使用軟件的過程中更加關(guān)注軟件操作的難易程度，近年來，軟件市場的路跑App 類目繁多，使用者往往會更加青睞操作簡單、頁面簡潔、功能齊全的軟件。

5.1.2 對用戶持續(xù)使用意愿的討論分析

分析結(jié)果顯示， 任務(wù)技術(shù)適配和滿意度對用戶持續(xù)使用路跑App 的意愿產(chǎn)生了直接影響，通過分析路徑系數(shù)發(fā)現(xiàn)，用戶使用路跑App 的滿意度（β=0.573）對于持續(xù)使用的意愿產(chǎn)生的影響要大于任務(wù)技術(shù)適配（β=0.104）。 由此可知，用戶在使用路跑App 的時候更加關(guān)注滿意度， 用戶對某一軟件的使用滿意度可以讓用戶之后更加愿意持續(xù)使用該類軟件。 此外，任務(wù)技術(shù)適配對持續(xù)使用意愿也不能忽視。

5.2 總結(jié)與展望

本研究將技術(shù)接受模型和任務(wù)技術(shù)適配理論整合模型應(yīng)用于路跑App 使用滿意度和持續(xù)使用意愿的實證分析中，研究結(jié)果具有一定的價值意義。目前，國內(nèi)對路跑App 持續(xù)使用意愿的相關(guān)研究較少， 本研究在理論層面具有一定的理論價值。通過構(gòu)建驗證路跑App 持續(xù)使用意愿的研究模型，得到以下結(jié)論：第一，技術(shù)接受模型中感知有趣性變量是影響使用路跑App 滿意度的關(guān)鍵因素，感知易用性積極影響感知有用性，且二者對用戶使用滿意度的影響相同。 第二，用戶使用滿意度對用戶持續(xù)使用意愿的影響大于任務(wù)技術(shù)適配， 但任務(wù)技術(shù)適配的影響也不容忽視。 以上結(jié)論為路跑App 的增加用戶使用黏性提供了理論支持，路跑App 在提供更加科學(xué)、專業(yè)課程的同時也應(yīng)注意軟件操作的難易程度， 既要關(guān)注用戶的任務(wù)特征因素，也要注重用戶使用的滿意度，加強對軟件特色功能的宣傳，以提升用戶的持續(xù)使用意愿。

本研究也存在一定的局限性。首先，關(guān)于路跑App 持續(xù)使用意愿的相關(guān)研究較少， 業(yè)界沒有針對跑類App 持續(xù)使用意愿的成熟量表，因此，后續(xù)需完善量表的設(shè)計工作。 其次，調(diào)研的樣本數(shù)量偏少，在研究意義上有一定局限性，如今路跑App的使用范圍十分廣泛，為了使研究更具有普適性，在后續(xù)研究探索中應(yīng)擴大研究群體。