路朝祥 張宏哲 龔志柱 王海龍
摘 要:本文從解決微信朋友圈信息流廣告接受度的現(xiàn)實(shí)困境出發(fā),基于UTAUT模型進(jìn)行修正構(gòu)建了微信朋友圈信息流廣告接受度SEM結(jié)構(gòu)方程模型,重點(diǎn)研究影響微信朋友圈信息流廣告的關(guān)鍵性因素及其相互關(guān)系。結(jié)果表明,績(jī)效期望、付出期望、促成條件、社群影響、廣告表現(xiàn)對(duì)微信朋友圈信息流廣告接受度呈正相關(guān),廣告獎(jiǎng)勵(lì)對(duì)微信朋友圈信息流廣告的接受意愿并不相關(guān),微信使用用戶的年齡越大,收入越高,對(duì)廣告接受意愿越強(qiáng)。
關(guān)鍵詞:UTAUT模型;信息流廣告;消費(fèi)者行為;客戶畫像;精準(zhǔn)營(yíng)銷;微信朋友圈
本文索引:路朝祥,張宏哲,龔志柱,等.<變量 2>[J].中國(guó)商論,2024(06):-078.
中圖分類號(hào):F063.2 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2024)03(b)--05
1 引言
2022年8月,騰訊公司發(fā)布2022年第二季度業(yè)績(jī)報(bào)告顯示,騰訊微信及wechat的月活躍用戶近13億 [1],龐大的用戶基礎(chǔ)蘊(yùn)含和隱藏著巨大的經(jīng)濟(jì)收益,因此騰訊依托于微信生態(tài)體系推出微信朋友圈信息流廣告 [2],但艾媒咨詢發(fā)布的報(bào)告[3]顯示:超過60%的受訪者每天都會(huì)接收到朋友圈推送的廣告,但只有4.2%的受訪者在最近的一個(gè)月內(nèi)購(gòu)買過廣告中的商品,該報(bào)告雖然調(diào)查了用戶對(duì)微信朋友圈信息流廣告的主觀感受,但仍需要進(jìn)行更嚴(yán)謹(jǐn)和深入的實(shí)證研究?,F(xiàn)階段基于信息流廣告的研究中,國(guó)外主要研究對(duì)象以Facebook和Twitter為主,以定量研究為主[4-5]。國(guó)內(nèi)主要研究對(duì)象以抖音短視頻類和微博類為主,以定性研究為主[6-7],具有一定的概括性和思辨思想,解釋力和支撐性略顯不足。本文在已有研究的基礎(chǔ)上,以UTAUT理論模型框架為基礎(chǔ)進(jìn)行修正,增加廣告效應(yīng)相關(guān)影響因素,進(jìn)一步將人口統(tǒng)計(jì)學(xué)的有關(guān)計(jì)量因素納入模型進(jìn)行異質(zhì)性檢驗(yàn),通過專家及受眾的深入訪談進(jìn)行結(jié)果驗(yàn)證,最后形成結(jié)論。
2 理論模型與研究假設(shè)
2.1 理論模型
整合型信息技術(shù)接受和使用理論模型由Venkatesh (2003)[8]提出,該模型包括績(jī)效期望、付出期望、社群影響和促成條件四個(gè)關(guān)鍵變量,使用意愿和使用行為兩個(gè)結(jié)果變量。該模型能更好地反映顧客的知識(shí)、經(jīng)驗(yàn)、自愿程度對(duì)信息技術(shù)的接受意愿的影響,普遍被學(xué)者認(rèn)為是一種能夠較好測(cè)量用戶使用行為的工具,其解釋力達(dá)70%以上[9],近年來在移動(dòng)互聯(lián)網(wǎng)等領(lǐng)域得到了廣泛應(yīng)用。
2.2 研究假設(shè)
首先,基于UTAUT模型,本文保留績(jī)效期望、付出期望、社群影響和促成條件四個(gè)核心變量,本文提出假設(shè):
H1:績(jī)效期望對(duì)微信朋友圈信息流廣告的使用意愿有正向影響;
H2:付出期望對(duì)微信朋友圈信息流廣告的使用意愿有正向影響;
H3:促成條件對(duì)微信朋友圈信息流廣告的使用意愿有正向影響;
H4:社群影響對(duì)微信朋友圈信息流廣告的使用意愿有正向影響;
H5:用戶對(duì)微信朋友圈信息流廣告的使用意愿正向影響使用行為。
其次,結(jié)合廣告?zhèn)鞑サ奶匦訹10-11],將廣告表現(xiàn)、廣告獎(jiǎng)勵(lì)納入模型,以期改善本模型的結(jié)構(gòu)彈性以及對(duì)復(fù)雜客觀現(xiàn)實(shí)的適應(yīng)度?;诖耍疚奶岢黾僭O(shè):
H6:廣吿對(duì)微信朋友圈信息流廣告的使用意愿有正向影響;
H7:廣告獎(jiǎng)對(duì)微信朋友圈信息流廣告的使用意愿有正向影響。
此外,進(jìn)一步將性別、年齡、收入相關(guān)人口學(xué)因素納入研究模型內(nèi),以期深入探究不同社會(huì)人群對(duì)微信朋友圈信息流廣告接受度的差異性表現(xiàn)。
根據(jù)以上假設(shè),在UTAUT理論模型基礎(chǔ)上對(duì)變量進(jìn)行了修正,構(gòu)建微信朋友圈信息流廣告接受度的理論模型(如圖1所示),以彌補(bǔ)UTAUT模型在信息流廣告接受意愿情境中解釋力不足的問題。
圖1 微信朋友圈信息流廣告接受度的理論模型
3 模型變量與數(shù)據(jù)來源
3.1 模型變量
為確保本文提出變量的信度及效度,首先是國(guó)內(nèi)外相關(guān)文獻(xiàn)中普遍采用的潛變量的測(cè)量項(xiàng);其次在已有的測(cè)量量表基礎(chǔ)上,結(jié)合微信朋友圈信息流廣告特性,對(duì)各個(gè)測(cè)量的量表進(jìn)行再設(shè)計(jì);最后同業(yè)界專家會(huì)同核定,確定相關(guān)指標(biāo)對(duì)消費(fèi)者的消費(fèi)特征進(jìn)行測(cè)量。
問卷測(cè)量項(xiàng)采用Likert5量表,通過小規(guī)模訪談、問卷前測(cè)和問卷修正等過程形成最終問卷,包括兩部分:年齡、性別、可支配收入等個(gè)人基本信息部分;考慮績(jī)效期望、社群影響、付出期望、促成條件、廣告表現(xiàn)、使用意愿、使用行為的基本指標(biāo)部分,共8個(gè)變量,24個(gè)題項(xiàng)。
3.2 問卷調(diào)查
調(diào)查問卷通過“問卷星”發(fā)放,日期為2022年9月8日至2022年11月29日,實(shí)際收回1067份,按照問卷填寫不完整或者“陷阱”題目誤填一個(gè),即認(rèn)定為無效問卷的篩選標(biāo)準(zhǔn),剔除無效問卷33份,最終確定有效問卷1034份,有效回收率為96.9%,經(jīng)計(jì)算該置信度符合要求。
4 計(jì)量模型與估計(jì)結(jié)果分析
4.1 模型選擇
微信朋友圈信息流廣告接受度體現(xiàn)的作用及影響機(jī)制是一個(gè)復(fù)雜系統(tǒng),傳統(tǒng)的統(tǒng)計(jì)方法不能有效處理如圖1所示的各個(gè)潛變量,而結(jié)構(gòu)方程模型法(structural equation modeling,SEM)能同時(shí)處理潛變量及其指標(biāo),將所有外生變量和內(nèi)生變量的信息都予以考慮,所擬合的模型具備較強(qiáng)的參考價(jià)值[13-14],因此本文將結(jié)構(gòu)方程模型作為概念化建模及驗(yàn)證的數(shù)據(jù)分析方法。
結(jié)構(gòu)方程模型式(1)中,η表示微信朋友圈信息流廣告的使用意愿,它作為因變量被呈現(xiàn)。ξ表示自變量則涵蓋了績(jī)效期望等基礎(chǔ)指標(biāo),β表示與因變量之間存在依賴關(guān)系。Γ表示獨(dú)立變量對(duì)依賴變量的影響。此外,結(jié)構(gòu)方程中包括ζ代表的殘差項(xiàng),用以反映模型無法解釋的變異。
結(jié)構(gòu)方程模型式(2)中,X是ξ的可檢驗(yàn)變量,Λx為ξ與X存在特定的相關(guān)系數(shù)矩陣。同時(shí),該模型考慮了δ為X的殘差項(xiàng),以全面評(píng)估模型的擬合程度。
在結(jié)構(gòu)方程模型式(3)中,Y是η的可檢驗(yàn)變量的呈現(xiàn),Λy為η與Y的相關(guān)系數(shù)矩陣進(jìn)一步揭示了與其他變量的關(guān)系。與前兩個(gè)模型相同,這里同樣考慮了ε為Y的殘差項(xiàng),以確保模型的完整性和準(zhǔn)確性。
4.2 信效度分析
信度分析顯示,問卷的克隆巴赫系數(shù)(Cronbachs Alpha)為0.968,這表明問卷具有極高的內(nèi)部一致性。進(jìn)一步觀察各個(gè)子維度,它們的信度系數(shù)均高于0.8,這進(jìn)一步支持了問卷測(cè)量的穩(wěn)定性和可靠性。綜上所述,該問卷的測(cè)量結(jié)果真實(shí)可信,且具有較強(qiáng)解釋力,能夠有效地反映目標(biāo)構(gòu)念的性質(zhì)和程度(見表1)。
根據(jù)國(guó)際經(jīng)典的技術(shù)接受度量表,本文結(jié)合微信朋友圈信息流廣告的傳播特性來設(shè)計(jì)問卷相關(guān)問題,再經(jīng)過深入的訪談和前測(cè)等環(huán)節(jié),也能夠確保測(cè)試題項(xiàng)在設(shè)計(jì)上具有嚴(yán)密的邏輯性,從而確保了良好的內(nèi)容效度。樣本數(shù)據(jù)的Kaiser-Meyer-Olkin(KMO)值為0.953,高于0.8的標(biāo)準(zhǔn)值,這表明測(cè)試題目滿足進(jìn)行因子分析的統(tǒng)計(jì)要求。此外,測(cè)試題項(xiàng)的因子負(fù)荷量均大于0.5,可以保留所有測(cè)試選項(xiàng),各組合信度CR值>0.7,且各變量的平均方差萃取AVE值>0.5,根據(jù)表1,該問卷具有較好的聚合效度。每個(gè)變量的平均方差萃取量(AVE)均大于變量間的相關(guān)性,這表明問卷的題項(xiàng)具有較好的區(qū)分效度。結(jié)果表明,問卷在測(cè)試不同構(gòu)念時(shí)能夠準(zhǔn)確區(qū)分它們,從而為后續(xù)的研究提供了可靠依據(jù)。
4.3 接受度影響因素分析
本文應(yīng)用AMOS 24.0軟件,依據(jù)接受度機(jī)構(gòu)模型擬合度評(píng)估和參數(shù)評(píng)估相關(guān)過程,驗(yàn)證微信朋友圈信息流廣告接受度的影響因素[15]。
首先,通過模型擬合度評(píng)估,本文采用了絕對(duì)擬合指標(biāo)和增值擬合指標(biāo)進(jìn)行測(cè)量。具體結(jié)果如表3所示。在絕對(duì)擬合指標(biāo)方面,χ?/df 的值為2.806,這表明模型的擬合度較好,因?yàn)樵撝禐樾∮?的標(biāo)準(zhǔn)值。此外,RMR 和 RMESA 等其他測(cè)量值仍為正常的評(píng)估范圍,進(jìn)一步證實(shí)了模型的擬合度。但是,GFI的值為0.888,略低于模型評(píng)估標(biāo)準(zhǔn)的優(yōu)秀水平。增值擬合指標(biāo)方面, NFI、CFI 和IFI 數(shù)值均符合擬合度要求,但是,AGFI 的值為0.854,略低于評(píng)估標(biāo)準(zhǔn)的優(yōu)秀水平。
在模型參數(shù)評(píng)估方面,本文關(guān)注了各變量對(duì)使用意愿的作用路徑。具體地,評(píng)估了績(jī)效期望、付出期望、社群影響、促成條件、廣告表現(xiàn)和廣告獎(jiǎng)勵(lì)等因素作為變量如何影響使用意愿的路徑。這一評(píng)估為我們提供了關(guān)于各變量對(duì)使用意愿作用機(jī)制的深入理解,有助于更好地解釋和預(yù)測(cè)用戶的行為。如表3所示,廣告獎(jiǎng)勵(lì)影響使用行為的路徑P值大于0.05,表明兩組變量間并不具有顯著的相關(guān)性,而其他路徑均通過了顯著性檢驗(yàn)。綜合結(jié)構(gòu)模型擬合度評(píng)估和參數(shù)評(píng)估,假設(shè)模型雖然基本正確,但仍可以進(jìn)行更進(jìn)一步地修正。
通過刪除不顯著的路徑H6、修正指數(shù)(M.I.)、臨界比率(C.R.)的方法依次對(duì)模型進(jìn)行修正,并再次對(duì)樣本數(shù)據(jù)進(jìn)行擬合檢驗(yàn)發(fā)現(xiàn),如表4所示,絕對(duì)擬合指標(biāo)方面,χ?/df 的值為2.903, GFI的值為0.901,AGFI 的值為0.868。如表5所示,各研究假設(shè)的路徑達(dá)到顯著性水平(P<0.05)。經(jīng)過修正后的模型在多項(xiàng)指標(biāo)上表現(xiàn)得更為出色,相較于原始模型,其擬合度更高,解釋力更強(qiáng),使得該模型更適用于解讀微信朋友圈信息流廣告對(duì)用戶接受度的影響。
總效應(yīng)取決于自變量和因變量的共同作用。各變量對(duì)使用行為的影響效果如表6所示。按照總效應(yīng)影響大小,各自變量的解釋程度排序?yàn)椋簭V告表現(xiàn)、促成條件、付出期望、社群影響、績(jī)效期望。
4.4 異質(zhì)性分析
4.4.1 性別差異性檢驗(yàn)
在獨(dú)立樣本t檢驗(yàn)中,本文探討了不同性別用戶對(duì)微信朋友圈信息流廣告的接受使用意愿。研究結(jié)果顯示,相較女性,男性展現(xiàn)出更強(qiáng)烈的接受意愿(t=1.869)。然而,進(jìn)一步分析表明,男性和女性在接受意愿上并未存在顯著的差異(P=0.062>0.05),如表7所示。
4.4.2 年齡差異性檢驗(yàn)
首先,本研究對(duì)有效樣本進(jìn)行了方差齊性檢驗(yàn),結(jié)果發(fā)現(xiàn)不同年齡層次的微信朋友圈信息流廣告接受使用意愿均滿足方差齊性要求(sig>0.05)。在此基礎(chǔ)上,本文進(jìn)一步進(jìn)行了單因素方差分析,并發(fā)現(xiàn)不同年齡的用戶在接受度上存在顯著性差異(P=0.037<0.05)。通過事后多重比較,本文深入探討了促成條件維度的接受次序。具體地, 55歲以上>35~55歲>18~35歲>18歲以下,如表8所示。
4.4.3 收入差異性檢驗(yàn)
首先,本研究對(duì)樣本進(jìn)行了方差齊性檢驗(yàn),結(jié)果發(fā)現(xiàn)不同收入的用戶對(duì)微信朋友圈信息流廣告的接受使用意愿不滿足方差齊性條件(sig<0.05)。因此,采用Welchs ANOVA方法進(jìn)行差異分析。結(jié)果顯示,不同收入用戶的接受度存在顯著性差異(P=0.043<0.05)。進(jìn)一步的事后多重比較揭示了各收入段用戶接受度的排序: 10000元及以上>5000元~10000元>2000~5000元>2000元及以下,如表9所示。
4.5 最終結(jié)果
綜上,10個(gè)研究假設(shè)中除H6、H8不成立之外,其他假設(shè)均成立,最終建立了微信朋友圈信息流廣告接受度及其影響因素模型(見圖2)。
5 結(jié)語
由于本文建模和變量選擇均基于消費(fèi)者行為及心理因素,在完成定量研究后,再通過與業(yè)界專家和受眾進(jìn)行訪談進(jìn)行定性研究,對(duì)假設(shè)和模型進(jìn)行更為深層的剖析和科學(xué)驗(yàn)證,以期得出更有針對(duì)性的最終實(shí)證結(jié)論。
首先,實(shí)證表明,績(jī)效期望(路徑系數(shù)0.16)、付出期望(路徑系數(shù)0.223)、促成條件(路徑系數(shù)0.295)、社群影響(路徑系數(shù)0.189)、廣告表現(xiàn)(路徑系數(shù)0.412)對(duì)微信朋友圈信息流廣告使用行為(UP)的總效應(yīng)為正值,均正向影響微信用戶朋友圈信息流廣告的使用行為。其中,廣告表現(xiàn)、促成條件的總決定系數(shù)在影響因素中位列前二,是提高微信用戶朋友圈信息流廣告的接受度的關(guān)鍵因素。通過深度訪談發(fā)現(xiàn),用戶更愿意接受高質(zhì)量、優(yōu)秀表現(xiàn)、創(chuàng)意深刻的廣告,基于用戶需求的廣告相對(duì)容易促成交易。因此,應(yīng)當(dāng)進(jìn)一步提升廣告的精準(zhǔn)推送算法,廣告內(nèi)容、形式、創(chuàng)意要與用戶的真實(shí)需求相匹配,精準(zhǔn)定位廣告的目標(biāo)用戶群體,提升微信朋友圈信息流廣告的真實(shí)效用。
圖2 最終的微信朋友圈信息流廣告接受度及其影響因素模型
其次,廣告獎(jiǎng)勵(lì)(AA)和使用意愿(UP)之間的標(biāo)準(zhǔn)化路徑系數(shù)為0.099,然而該結(jié)果在統(tǒng)計(jì)上不具有顯著性(P=0.075),因此假設(shè)6未能得到支持。這與龔艷萍(2020)[16]、關(guān)于廣告獎(jiǎng)勵(lì)對(duì)使用意愿產(chǎn)生正向作用的研究結(jié)論不一致。此外,盧星余(2018)[17]提出廣告獎(jiǎng)勵(lì)(回歸系數(shù)0.458)與其他變量相比并不顯著,提出需要進(jìn)一步去驗(yàn)證。這可能的原因是:(1)本文對(duì)微信朋友圈信息流廣告的研究為采用更全面的人口學(xué)信息,而龔艷萍的調(diào)研人群為在校大學(xué)生,劉紅艷的研究對(duì)象為創(chuàng)意中插廣告;(2)在訪談中,用戶的主觀感受是,有些產(chǎn)品并未在廣告中提供相關(guān)獎(jiǎng)勵(lì);(3)在訪談中,用戶的購(gòu)物行為是,在尋求折扣或者低價(jià)的購(gòu)物時(shí),主要考慮“雙十一”“618”等旺季促銷。以上表明,并不是微信朋友圈信息流廣告獎(jiǎng)勵(lì)不重要,而是企業(yè)應(yīng)充分使用微信朋友圈廣告投放平臺(tái),實(shí)行各種真實(shí)有效的廣告獎(jiǎng)勵(lì)形式,同時(shí)還需要充分利用廣告促銷旺季,進(jìn)行廣告獎(jiǎng)勵(lì)和精準(zhǔn)投放。
最后,從人口統(tǒng)計(jì)學(xué)信息發(fā)現(xiàn),不同的年齡和收入的用戶,表現(xiàn)出不同的廣告使用意愿和廣告使用行為。年齡特征負(fù)向調(diào)節(jié)微信朋友圈信息流廣告的使用行為接受度,收入特征正向調(diào)節(jié)微信朋友圈信息流廣告的使用行為接受度。在訪談中同樣發(fā)現(xiàn),微信用戶的年齡越大對(duì)廣告的接受意愿越強(qiáng),收入越高對(duì)廣告接受意愿就越強(qiáng)。因此,微信朋友圈信息流廣告的運(yùn)營(yíng)應(yīng)該根據(jù)不同的年齡和消費(fèi)能力,進(jìn)行更具針對(duì)性的客戶畫像和精準(zhǔn)營(yíng)銷。
參考文獻(xiàn)
騰訊2022年第二季度財(cái)報(bào)[R].騰訊控股,2022-8-12.
王靜.微信朋友圈信息流廣告如何實(shí)現(xiàn)傳播力提升[J].傳媒,2019(6): 54-55.
微信朋友圈廣告用戶感知調(diào)查報(bào)告[EB/OL].http://www.iimedia.cn /38521.html,2015-01-27
Qinwei, Xie; Morris, Jon & Zhang, Meng.Find us on Facebook Emotional and Cognitive Responses Towards Facebook Social Ads [J].Electronic Commerce Research and Applications,2010(9):50-60.
Youn, Seounmi.Newsfeed native advertising on Facebook: young millennials knowledge, pet peeves, reactance and ad avoidance[J].International Journal of Advertising·The Review of Marketing Communications,2019(12):651-683.
崔佳欣.微信朋友圈信息流廣告發(fā)展現(xiàn)狀探析: 以卡片廣告為例[J].中國(guó)報(bào)業(yè),2022(18):20-21.
熊昊.信息流廣告的特征與發(fā)展趨勢(shì)[J].青年記者,2020(18):81-83.
Venkatesh V.Moiris M.G.Davis G.B.&Davis F.D.User acceptance of information technology:toward a unified view.IS Quarterly,2003,27(3): 425-478.
閆志明,付加留,朱友良,等.整合人工智能技術(shù)的學(xué)科教學(xué)知識(shí)(AI- TPACK):內(nèi)涵、教學(xué)實(shí)踐與未來議題[J].遠(yuǎn)程教育雜志, 2020,38(5): 23-34.
喻國(guó)明,丁漢青,王菲,等.植入式廣告: 研究框架、規(guī)制構(gòu)建與效果評(píng)測(cè)[J].國(guó)際新聞界.2011,33(4):6-23.
譚若詩.基于UTAUT模型的微信朋友圈學(xué)習(xí)類打卡信息接受度實(shí)證研究[J].東南傳播,2020(5):29-33.
張應(yīng)語,張夢(mèng)佳,王強(qiáng),等.基于感知收益: 感知風(fēng)險(xiǎn)框架的O2O模式下生鮮農(nóng)產(chǎn)品購(gòu)買意愿研究[J].中國(guó)軟科學(xué),2015(6):128-138.
韓丹,慕靜,宋磊.生鮮農(nóng)產(chǎn)品消費(fèi)者網(wǎng)絡(luò)購(gòu)買意愿的影響因素研究: 基于UTAUT模型的實(shí)證分析[J].東岳論叢,2018(4):91-101.
榮泰生. AMOS與研究方法[M].重慶:重慶大學(xué)出版社,2010:118-119.
鄭洪利.房地產(chǎn)廣告微信朋友圈傳播效果的實(shí)證研究: 以UTAUT模型為基本框架[D].濟(jì)南: 山東大學(xué),2021.
龔艷萍,歐陽清,岳歆婷,等.創(chuàng)意中插廣告特征對(duì)消費(fèi)者購(gòu)買意愿的影響研究[J].管理現(xiàn)代化,2020(1): 68-72.
盧星余.微信朋友圈廣告用戶參與效果研究[D].武漢: 武漢大學(xué),2018.