基于社交體驗的移動APP持續使用意愿研究

翟姍姍 孫雪瑩 李進華

摘要：[目的/意義]基于互聯網行業的“社交”和“社群化”等概念，以網易云音樂為具體對象，研究社交體驗對移動APP持續使用意愿的影響。[方法/過程]本研究借鑒期望確認模型，構建研究社交體驗對持續使用意愿影響的模型，通過調查問卷收集數據，利用結構方程模型對所得數據進行分析。[結果/結論]研究結果表明，用戶使用移動音樂APP時產生的獲得體驗、沉浸體驗和人際體驗顯著影響滿意度，獲得體驗和滿意度顯著影響持續使用意愿。

關鍵詞：網易云音樂;音樂社交;期望確認模型;移動APP;持續使用意愿

DOI：10.3969/j.issn.1008-0821.2019.02.015

〔中圖分類號〕G252.0〔文獻標識碼〕A〔文章編號〕1008-0821（2019）02-0128-08

隨著移動互聯網的發展和移動智能終端的普及，為了能在移動終端方便、快捷地實現PC端的各種功能，各類APP應運而生，音樂APP便是其中之一。從20世紀40年代的黑膠唱片開始，音樂載體在這半個多世紀以來發生了各種變化，音樂也從實體型發展成為現今的數字型，并通過智能移動終端APP為人們提供音樂服務。據統計，截至2017年6月，網絡音樂的網民使用率已達69.8%，手機網絡音樂的網民使用率已達67.7%[1]。

自成立之初便主打“音樂社交”的網易云音樂作為在線音樂的后起之秀，上線3年即成為僅次于騰訊音樂娛樂集團（QQ音樂、酷我音樂、酷狗音樂）的平臺，并逐步拉大與其他音樂平臺的差距。有數據表明，2017年6月，網易云音樂新下載用戶數達1 905.28萬人，同比增長率達109.77%[2]。7月日均用戶活躍數排名第4（1 552.8萬），用戶活躍率排名第2（22.3%）[3]。隨著國內音樂版權的逐漸規范，網易云音樂因曲庫縮小而受到嚴重沖擊，但用戶活躍度依舊占有優勢。以網易云音樂為代表的音樂APP之所以廣受歡迎，社交平臺的功能起到相當大作用。基于此，本文試圖探究社交體驗對移動音樂APP持續使用意愿的影響作用。

1文獻回顧

近年來，出現了很多社交類APP，但它們中的許多都不得不面對用戶的流失，如何提高用戶持續使用意愿和行為便成為一大熱門課題。持續使用研究的常用理論主要集中在期望確認模型（Expectation-confirmation Model，ECM）、使用與滿足理論（Use and Gratifications Theory，UGT）和理性行為理論（Theory of Reasoned Action，TRA），另外，技術接受模型（Technology Acceptance Model，TAM）、計劃行為理論（Theory of Planned Behavior，TPB）等[4]也較為常見。例如，Ecem Basak等[5]利用UGT研究了Facebook的持續使用意愿影響因素，證明滿意度和態度對持續使用意愿影響顯著，娛樂和地位追求對持續使用意愿有間接影響。YiCheng Ku等[6]借鑒UGT對社交網站用戶持續使用意愿進行研究，得出滿意度、感知臨界質量、主觀規范和隱私問題影響持續使用意愿的結論。Nancy K.Lankton等[7]結合了TRA和信任理論，構建了一個描述在線社交網站信任、習慣、態度和主觀規范對持續使用意愿影響的模型，并解釋了習慣和信任是如何預測新在線社交網站環境下用戶持續使用意愿的。Mutaz M.Al-Debei等[8]對TPB進行了擴展，增加了感知價值，并利用該擴展模型探究Facebook用戶的持續參與意愿和持續參與行為。Chia-Lin Hsu等[9]綜合了TAM、TPB、期望不確定模型和沉浸理論，以Facebook為例，對社交網站用戶持續使用的內在和外在動機進行深入研究。

當前，對移動音樂APP的研究主要集中在界面設計和個性化推薦兩方面。蔣一鳴[10]結合APP功能、美學及流行趨勢，對音樂APP界面設計進行了對比分析。萬昀暉[11]從心理學的角度出發，通過對用戶的訪談和認知走訪，了解用戶的基本需求，并提出一款用戶體驗較好的音樂APP的界面原型。常見的音樂推薦方法包括基于專家的推薦、基于內容過濾的推薦、基于協同過濾的推薦和基于語境的推薦等，但目前相關研究更多地集中在基于協同過濾的推薦和基于內容過濾的推薦上[12]。例如，Ziwon Hyung等[13]通過提取音頻內容構建語義模型，參考用戶的收聽歷史構建用戶偏好模型，并基于此進行音樂個性化推薦。張燕等[14]基于分形理論，對已構建的音樂特征數據集進行屬性約簡，從而獲得音樂的推薦特征向量，并據此提出一種更實用的距離度量方法，實現提高推薦算法的效率的目的。Claudio Baccigalupo等[15]提出，基于兩首歌曲的同現頻率建立社交網絡電臺，通過電臺為用戶提供個性化推薦的方法。Shulong Tan等[16]提出了一種利用多種社交媒體信息和基于聲學的音樂內容的音樂推薦算法。

綜上所述，盡管社交類移動APP持續使用的研究已較為豐富，國內主流的移動音樂APP也都增加了評論、專欄等社交功能，但關于移動音樂APP的社交體驗的實證研究仍較缺乏。

2研究模型與假設

2.1研究模型

本文模型基于期望確認模型。期望確認理論指出，消費者購買商品前對商品的期望和購買商品后得到的體驗與認知的比較結果會影響用戶滿意度，從而影響用戶的重復購買意愿。Anol Bhattacherjee[17]將期望確認理論進行針對性修改，形成了期望確認模型（如圖1所示），使其更適應信息系統領域的應用。目前，期望確認模型在諸如包括微博、Twitter在內的SNS[18-21]、移動搜索[22]、社會化閱讀APP[23]等研究領域中被使用。許多學者在研究時會根據研究對象對模型進行擴充，本研究的模型也將在此基礎上進行一定的調整。

2.2研究假設

美國音樂流媒體軟件公司Rido的首席執行官Drew Larner較早便提出“音樂社交”這一概念，他認為，音樂的本質是社交的，數字音樂的未來也將有社交體驗的有效傳遞來推動[24]。王路[25]認為，“音樂社交”是“以用戶社交互動為聯結、以用戶生產內容為核心、最大化開發用戶創造力，并幫助用戶最終實現音樂享受與消費的運營理念或策略”。結合社交媒體能通過分享、協作、討論來進行“用戶生成內容（User Generated Content，UGC）”活動的特點，本文認為“音樂社交”的本質是通過用戶的評論、分享等社交行為，實現音樂的傳遞和推廣。

網易云音樂早期通過評論區吸引了大量用戶，并形成了“邊聽歌邊看評論”等較為獨特的聽歌方式，而偏向情感的評論使得用戶在不知不覺間沉浸其中，甚至對音樂和音樂人產生新的理解。同時，用戶可以自由編輯和分享歌單，以更為自由和多樣的方式將歌曲組織起來，成為用戶獲得音樂的又一途徑。基于此，本文將網易云音樂的社交體驗分為獲得體驗、沉浸體驗、人際體驗、思考體驗等4種類型。

2.2.1社交體驗對滿意度的影響

1）獲得體驗。獲得體驗體現的是社交行為是否有助于用戶獲取符合自己喜好的音樂。“音樂社交”的最終目的是推廣和傳遞音樂，音樂APP最核心的作用是使用戶可以及時、準確、便捷地獲得需要的音樂。因此，獲得體驗是用戶評判網易云音樂是否有用的最重要標準。在期望確認模型中，感知有用性體現的是用戶在使用產品或接受某種服務后的感受。獲得體驗與感知有用性具有一定相似性，一般情況下，通過評論、歌單等獲得音樂的體驗越好（即獲得體驗越好），用戶滿意度越高。同時，根據期望確認模型中感知有用性和持續使用意愿的關系，本研究做出以下假設：

H1：移動APP的用戶獲得體驗對用戶滿意度有顯著的正向影響。

H2：移動APP的用戶獲得體驗對用戶持續使用意愿有顯著的正向影響。

2）沉浸體驗。沉浸體驗（Flow Experience），又稱心流體驗，是指人們完全投入一項活動而忽略周遭環境的一種狀態。“沉浸”一詞是由Mihaly Csikszentmihalyi在1975年提出的[26]，最初只停留于心理學領域，近年來，沉浸體驗也被引入了互聯網和信息系統領域。李力等[27]發現，心流體驗在虛擬社區中對用戶知識搜尋滿意度具有顯著影響。歐陽博等[28]證實，在虛擬社區中，沉浸體驗對用戶信息搜尋滿意度具有正向影響。Dongseong Chio等[29]經過調查研究發現，沉浸體驗是導致人們沉迷網絡游戲的重要原因。宋之杰等[30]和Susan Rose等[31]分別對團購網站和在線購物進行研究，證實沉浸體驗顯著影響用戶對團購網站和在線購物的滿意度。代寶等[32]的研究顯示，心流體驗顯著影響微信用戶滿意度，進而影響持續使用意愿。

通過訪談和相關報告可以發現，網易云音樂中的大部分用戶都有長時間瀏覽歌曲評論或專欄的經歷。Donna L.Hoffman等[33]認為，沉浸體驗是一種自成目的性體驗，它能刺激人們重復參與某種活動。Sheng Wu等[34]研究發現，沉浸體驗所帶來的愉悅感可以延長用戶使用網站的時間，提高用戶使用網站的頻率。因此，當用戶沉浸在包括瀏覽評論、專欄在內的音樂社交活動中時，有可能會提高對網易云音樂APP的滿意度。由此，本研究作出如下假設：

H3：移動APP的用戶沉浸體驗對用戶滿意度有顯著的正向影響。

3）人際體驗。人際體驗是指包括歌曲評論、專欄評論在內的涉及“社交”的環境給用戶帶來的心理感受。湛東升等[35]的研究結果表明，居住環境正向影響居住滿意度，改善鄰里環境可以提高居住滿意度。董書香等[36]、張宜民等[37]、莫秀婷等[38]分別針對農村醫生、城市公立醫療機構醫生和不同基本特征醫務人員進行實證研究，證實了醫患關系對醫務人員的工作滿意度具有顯著的正向影響。侯烜方等[39]的研究結果表明，人際和諧是新生代工作價值觀之一，并正向影響績效。胡翔等人[40]的研究證實新生代女性員工的人際和諧對工作滿意度具有顯著影響。

根據馬斯洛需求層次理論，人有被尊重的需要[41]。評論區的內容由用戶生成，而這些內容會給其他用戶帶來不同的感受。若用戶留下的評論讓其他用戶感受到平等與尊重，即帶來良好的人際體驗，其他用戶會更愿意瀏覽評論，甚至主動參與互動，從而提升滿意度。相反，若用戶留下的評論大多是極端且充滿挑釁的，即帶來較差的人際體驗，那么其他用戶極有可能對APP產生反感，APP的用戶滿意度也隨之降低。基于此，本研究提出如下假設：

H4：移動APP的用戶人際體驗對用戶滿意度有顯著的正向影響。

4）思考體驗。思考體驗描述的是現有評論對用戶音樂認知的影響，它不僅包含用戶對音樂的理解、對音樂人的了解，還包括是否能激發用戶對音樂產生延伸思考。Bernd H.Schmitt[42]提出，在體驗營銷活動中，體驗模塊可以分為感官體驗、情感體驗、思考體驗、行動體驗和關聯體驗5種。沈進成等人利用Schmitt的理論，從感官、情感、思考、行動、關聯5個維度來衡量游客體驗，并研究游客體驗對旅游目的地的滿意度及忠誠度等情感[43-45]。

通過評論、專欄、原創節目等，用戶能了解音樂背后的故事、音樂人的故事或者某一類音樂的特征和意義，激發用戶對某類音樂、某位音樂人的興趣或讓用戶更為確切地了解自己喜歡的音樂類型或音樂人。歌單得以生成往往暗示歌單內音樂在某種或某些方面具有一定的相似性，而由用戶生成歌單可以從更多角度將不同的音樂關聯起來，音樂之間的關聯因素也更具多樣性和靈活性，也可以為用戶提供更多獲得音樂、了解自己音樂偏好的渠道。通過評論、專欄、歌單、原創節目等在一定程度上可以啟發用戶進行更為準確的音樂搜索，用戶滿意度便有可能因此得到提高。本研究由此提出如下假設：

H5：移動APP的用戶思考體驗對用戶滿意度有顯著的正向影響。

2.2.2滿意度對持續使用意愿的影響

期望確認理論認為，用戶在使用產品或接受服務時獲得的滿意度會影響用戶的持續購買或使用意愿。Richard L.Oliver[46]的研究顯示，滿意度是影響顧客再次購買意愿的重要因素，且兩者成正相關關系，滿意度越高，顧客的重復購買意愿也越高。Anol Bhattecherjee[17]的研究也證實，在信息系統中，用戶滿意度正向影響持續使用意愿。在關于移動APP持續使用意愿的研究中，李武等[23]、殷猛等[18]、代寶等[32]分別對社會化閱讀APP、健康APP、即時通訊APP（微信）進行研究，研究結果表明用戶滿意度對持續使用意愿具有顯著影響。因此，本研究做出如下假設：

H6：用戶滿意度對用戶持續使用意愿有顯著的正向影響。

綜合以上假設，本文提出概念模型如圖2所示。

3研究方法

3.1測量量表的開發

為了保證本研究測量量表的信效度，測量題項基本借鑒已有文獻，并根據網易云音樂APP的特點做出適當調整。其中，沉浸體驗的題項參考代寶等[32]的測量量表;獲得體驗的題項參考了李武等[23]的閱讀有用性認知題項和Hassan M[47]的感知有用性題項;人際體驗的題項參考侯烜方等人[39]的測量量表;思考體驗參考了沈進成等人[44]的量表;滿意度借鑒了李武等人[23]的量表;持續使用意愿借鑒了胡淑平[48]和李武等[23]的量表。問卷除基本信息部分，全部采用李克特五級量表形式，其中1表示非常不同意，5表示非常同意。在小規模發放問卷后，利用SPSS22.0對所獲得的樣本數據進行探索性因子分析，并根據結果對問卷進行調整，且保證每個因子有至少3個題項，最后得到6個因子和20個測量題項。

3.2數據收集

通過線上和線下兩種方式進行問卷發放，共回收問卷321份。剔除明顯未認真填寫以及填寫不完整的問卷，結果得到238份有效問卷，有效問卷率為74.14%。有效問卷中，未使用過網易云音樂APP的有17份，使用過的有221份。對這221份樣本進行描述性統計分析，結果如表1所示。

4數據處理

4.1信度與效度檢驗

本文主要利用Cronbachα值（CA）進行信度分析，利用組合信度（CR）測量各題項間的內部一致性，利用平均抽取方差（AVE）來判斷各測量項間的聚合效度。一般認為，問卷整體CA值大于0.8，分量表CA值大于0.7，說明問卷信度較好，整體CA值大于0.7，分量表CA值大于0.6可接受。通過SPSS22.0對問卷整體及各個因子的Cronbachα值進行計算，得到問卷整體信度Cronbachα為0.847，除沉浸體驗的CA值為0.626，可接受外，其余5個變量的CA值均大于0.7，說明問卷整體信度較高。同時，通過計算得到所有CR值均大于0.7，說明問卷各題項間的內部一致性較高。

通過最大方差法對數據進行主成分分析。根據Henry F.Kaiser[49]的觀點，若KMO值小于0.5，則不適合進行因子分析，而本文樣本的KMO值為0.847，適合進行因子分析。同時，本文樣本Bartlett球形檢驗卡方值為2 236.273，自由度為190，顯著性為0.000，滿足顯著性小于0.05的要求，說明適宜進行因子分析。如表2所示，各測量題項的因子載荷均在0.5以上，除沉浸體驗AVE值為0.456略低于0.5以外，其余5個變量的AVE值均大于閾值0.5，問卷的效度可接受。

4.2結構模型檢驗

4.2.1初始模型檢驗

本文利用AMOS24.0進行結構模型檢驗，標準化路徑系數如圖3所示。從圖中可知，用戶的獲得體驗、沉浸體驗、人際體驗對用戶滿意度具有顯著的正向影響，用戶滿意度和用戶的獲得體驗對持續使用意愿有顯著的正向影響，即假設H1、H2、H3、H4、H6成立。但用戶的思考體驗對用戶滿意度的影響不顯著，即H5不成立。

注：***表示P<0.001下顯著;**表示在P<0.01下顯著。圖3網易云音樂APP持續使用意愿初始模型標準化系數

同時，得到模型擬合度指標如表3。一般認為，卡方自由度比（CMIN/DF）小于1表示模型過度適配，大于3表示模型適配度不佳，介于1～3之間表示適配度良好;RMSEA值小于0.05表示適配度佳，介于0.05～0.08之間表示適配度尚可;GFI、AGFI、NFI、IFI、TLI大于0.9表示模型適配度較好[43]。但也有文獻中出現過AGFI大于0.8即可[50]。初始模型的CMIN/DF、RMSEA、CFI、IFI和TFI均達到適配標準，但GFI、AGFI和NFI均略小于臨界值。

4.2.2修正模型檢驗

為了提高模型的擬合度，根據AMOS提供的修正指標，對初始模型進行了一定的修正。變量持續使用意愿的兩個測量題項CU3和CU4所測量的某些特質可能類同，其測量誤差之間也有可能存在某種關聯，因此建立兩個測量誤差之間的共變關系不違反SEM的假定[51]（在本模型中可降低卡方值28.197）。為了使模型更簡潔，刪除了沒有顯著性關系的路徑——思考體驗對用戶滿意度的影響。得到的修正模型如圖4所示，修正模型擬合度指標如表4所示。修正后，各項指標均有所提升，除AGFI略低（0.888）以外，GFI、NFI、IFI、TLI均大于0.9。

5分析與討論

本文通過調查問卷和數據分析等方法得出的結論認為，網易云音樂APP的用戶滿意度顯著影響用戶持續使用意愿的結論，印證了期望確認模型關于用戶滿意度顯著影響用戶持續使用意愿的觀點。獲得體驗、沉浸體驗、人際體驗3個社交體驗變量對網易云音樂APP的用戶滿意度均有顯著的正向影響，并且獲得體驗顯著影響持續使用意愿。

音樂往往會引出或加劇人們內心的情緒，而人的情緒是需要表達和發泄的，網易云音樂的評論區便為用戶提供了一個抒情環境。無論是現實生活中的社交還是基于網絡的移動社交，在人際關系中感受到平等與尊重是人們愿意繼續進行表達和交流的基礎。評論區的熱門評論多為通過記敘性的語言描述評論者當下的情緒，或文藝或俏皮，文字可能是原創，也可能源于某本書或某部影視作品，情緒或喜或悲。通過評論，即便是陌生人也可以進行情感上的交流，或是表達安慰，或是表達恭賀，或是過來人、其他的正在經歷者表達感同身受。和諧的氛圍會使用戶情緒表達的欲望得到滿足，從而對用戶滿意度產生積極影響。只有當人們對某些內容感到滿意和滿足的時候，才會沉迷其中難以自拔。聽音樂的同時瀏覽評論，看他人的故事，看專欄了解某種音樂或音樂人背后的故事，由此使用戶在視覺和聽覺上同時得到了滿足。音樂類產品的核心是音樂[25]，通過用戶發表的評論、建立和分享的歌單等途徑，用戶更容易找到具有相似特點的音樂，從而使用戶得到更好地獲得體驗，進而可以提升用戶滿意度和持續使用意愿。

基于以上結論，本文給予類似網易云音樂這樣的社交APP的管理者以下3點啟示：

第一，重視評論區氛圍的維護工作。在必要時應當刪除偏激的、具有挑釁意味的評論，減少評論區沖突。只有和睦的評論區才會讓更多的用戶產生參與互動的欲望，也只有保證評論區的和諧才能讓用戶擁有更好的沉浸體驗。

第二，嚴格審核專欄內容。除了官方發布的專欄內容，更多專欄是由普通用戶發布的，因此專欄內容往往會帶有一定的主觀色彩，但是應當保證專欄內容的真實性，也要避免內容過于極端和情緒化。

第三，進一步鼓勵用戶建立和分享歌單。將已有音樂從“專輯”拆分為“單曲”，通過歌單的方式將“單曲”重新組織，呈現更多同類或相關歌曲，這也可以在一定程度上掩蓋網易云音樂曲庫小的弊端。而網易云音樂的歌單大多依靠用戶生成，建立和分享的歌單越多，用戶越容易找到符合自己音樂偏好的歌曲，獲得體驗也會相應提高。

未來，可以從以下兩方面對本研究進行拓展：

第一，本研究的調查對象年齡段主要集中在18～23歲之間，盡管網易云音樂APP的90后用戶占比最高[3]，但也有其他年齡層的用戶。今后的研究可以增加其他年齡層的樣本數量，提供更為全面的研究數據。

第二，本研究只基于某一時間節點進行研究，未來可以擴展到歷時研究，跟蹤調查同一批研究對象隨時間的推移從網易云音樂APP獲得的社交體驗進行對比，探究在不同階段，社交體驗對移動APP滿意度和持續使用意愿影響的變化。

參考文獻

[1]中國互聯網絡信息中心.第40次中國互聯網絡發展狀況統計報告[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201708/t20170803_69444.htm，2017-08-03.

[2]QuestMobile.移動互聯網2017年Q2夏季報告[EB/OL].http：//www.questmobile.com.cn/blog/blog_98.html，2017-07-12.

[3]QuestMobile.2017年在線音樂應用行業洞察報告[EB/OL].http：//www.questmobile.com.cn/blog/blog_108.html，2017-09-06.

[4]楊海娟，原薇，王文艷.國內外社交類應用持續使用研究綜述[J].情報科學，2017，（3）：164-170.

[5]Ecem Basak，Calisir F.An Empirical Study on Factors Affecting Continuance Intention of Using Facebook[J].Computers in Human Behavior，2015，48（C）：181-189.

[6]YiCheng Ku，Chen R，Zhang H.Why Do Users Continue Using Social Networking Sites？An Exploratory Study of Members in the United States and Taiwan[J].Information & Management，2013，50（7）：571-581.

[7]Nancy K.Lankton，Mcknight D H，Thatcher J B.The Moderating Effects of Privacy Restrictiveness and Experience on Trusting Beliefs and Habit： An Empirical Test of Intention to Continue Using a Social Networking Website[J].IEEE Transactions on Engineering Management，2012，59（4）：654-665.

[8]Mutaz M.Al-Debei，E Al-Lozi，Papazafeiropoulou A.Why People Keep Coming Back to Facebook：Explaining and Predicting Continuance Participation from an Extended Theory of Planned Behaviour Perspective[J].Decision Support Systems，2013，55（1）：43-54.

[9]Chia-Lin Hsu，Yu C C，Wu C C.Exploring the Continuance Intention of Social Networking Websites：An Empirical Research[J].Information Systems and e-Business Management，2014，12（2）：139-163.

[10]蔣一鳴.基于簡約風格的移動音樂APP界面設計研究[J].美與時代，2015，（3）：111-113.

[11]萬昀暉.基于心理學的音樂APP用戶體驗設計研究[D].武漢：華中師范大學，2016.

[12]楊麟兒.基于用戶興趣的個性化推薦系統的研究與設計[D].北京：北京交通大學，2008.

[13]Ziwon Hyung，Lee K，Lee K.Music Recommendation Using Text Analysis on Song Requests to Radio Stations[J].Expert Systems with Applications，2014，41（5）：2608-2618.

[14]張燕，唐振民，李燕萍.面向推薦系統的音樂特征抽取[J].計算機工程與應用，2011，47（5）：130-133.

[15]Claudio Baccigalupo，Plaza E.Poolcasting：A Social Web Radio Architecture for Group Customisation[C]//International Conference on Automated Production of Cross Media Content for Multi-Channel Distribution.IEEE Computer Society，2007：115-122.

[16]Shulong Tan，Bu J，Chen C，et al.Using Rich Social Media Information for Music Recommendation Via Hypergraph Model[J].Acm Transactions on Multimedia Computing Communications & Applications，2011，7S（1）：22.

[17]Anol Bhattacherjee.Understanding Information Systems Continuance：An Expectation-confirmation Model[J].Mis Quarterly，2001，25（3）：351-370.

[18]殷猛，李琪.基于價值感知的微博話題持續參與意愿研究[J].情報雜志，2017，36（8）：94-100.

[19]殷國鵬，楊波.SNS用戶持續行為的理論模型及實證研究[J].信息系統學報，2010，（1）：53-64.

[20]Barnes S J，Bhringer M.Modeling Use Continuance Behavior in Microblogging Services：The Case of Twitter[J].Journal of Computer Information Systems，2011，51（4）：1-10.

[21]Kim B.Understanding Antecedents of Continuance Intention in Social-networking Services[J].Cyberpsychology Behavior & Social Networking，2011，14（4）：199.

[22]劉魯川，孫凱，王菲，等.移動搜索用戶持續使用行為實證研究[J].中國圖書館學報，2011，（6）：50-57.

[23]李武，趙星.大學生社會化閱讀APP持續使用意愿及發生機理研究[J].中國圖書館學報，2016，42（1）：52-65.

[24]楊燕，徐麗芳.Rdio：社交化數字音樂服務平臺引領者[J].出版參考，2015，（16）：24-25.

[25]王路.從網易云音樂看“音樂社交”生態的建設[J].傳媒，2017，（3）：70-72.

[26]Mihaly Csikszentmihalyi.Beyond Boredom and Anxiety[J].1975.

[27]李力，張晉朝.虛擬社區用戶持續知識搜尋意愿影響因素研究[J].情報雜志， 2016，35（8）：199-203.

[28]歐陽博，劉坤鋒.移動虛擬社區用戶持續信息搜尋意愿研究[J].情報科學，2017，（10）.

[29]Dongseong Chio，J Kim.Why People Continue to Play Online Games：In Search of Critical Design Factors to Increase Customer Loyalty to Online Contents[J].Cyberpsychology & Behavior：The Impact of the Internet，Multimedia and Virtual Reality on Behavior and Society，2004，7（1）：11.

[30]宋之杰，石曉林.團購網站消費者忠誠度研究——基于心流體驗和信息系統持續使用理論[J].科技與管理，2013，15（5）：30-34.

[31]Susan Rose，M Clark，Samouel P，et al.Online Customer Experience in e-Retailing：An Empirical Model of Antecedents and Outcomes[J].Journal of Retailing，2012，88（2）：308-322.

[32]代寶，劉業政.基于期望確認模型、社會臨場感和心流體驗的微信用戶持續使用意愿研究[J].現代情報，2015，35（3）：19-23.

[33]Donna L Hoffman，Novak T P.Marketing in Hypermedia Computer-Mediated Environments：Conceptual Foundations[J].Journal of Marketing，1996，60（3）：50-68.

[34]Sheng Wu，Lin C S，Lin J.An empirical Investigation of Online Users Keyword Ads Search Behaviours[J].Online Information Review，2011，35（2）：177-193.

[35]湛東升，孟斌，張文忠.北京市居民居住滿意度感知與行為意向研究[J].地理研究，2014，33（2）：336-348.

[36]董香書，Proochista Ariana.為何農村醫生工作不滿意？——工作收入、醫患關系和工作滿意度的實證研究[J].管理世界，2012，（11）：77-88.

[37]張宜民，馮學山.城市公立醫療機構醫生工作滿意度決定因素的實證研究[J].中國衛生資源，2011，14（2）：77-79.

[38]莫秀婷，徐凌忠，羅惠文，等.醫務人員感知醫患關系、工作滿意度與離職意向的關系研究[J].中國臨床心理學雜志，2015，23（1）：141-146.

[39]侯烜方，李燕萍，涂乙冬.新生代工作價值觀結構、測量及對績效影響[J].心理學報，2014，46（6）：823-840.

[40]胡翔，李燕萍，李泓錦.新生代女性員工的人際和諧需求與工作滿意度[J].武漢大學學報（哲學社會科學版），2015，68（3）：121-128.

[41]Bernd H.Schmitt.A Theory of Human Motivation.[J].Psychological Review，1943，50（1）：370-396.

[42]Schmitt B H，Martínez M.Experiential Marketing[J].Journal of Marketing Management，1999，15（1-3）：53-67.

[43]沈進成.遊客體驗、旅遊意象、滿意度與忠誠度影響關係之研究——以華山咖啡爲例[J].戶外遊憩研究，2005，18.

[44]沈進成，曾慈慧，林映秀.遊客休閒涉入、體驗、依附影響之研究——以南投水里蛇窯陶藝文化園區為例[J].新竹教育大學人文社會學報，2008：113-132.

[45]沈進成，王伯文.民宿體驗對遊客意象及忠誠度影響關係研究——以奮起湖地區為例[J].南華大學旅遊事業經營學系，2004.

[46]Richard L.Oliver.A Cognitive Model for the Antecedents and Consequences of Satisfaction Decisions[J].Journal of Marketing Research，1980，17（4）： 460-469.

[47]Hassan M，Kouser R，Abbas S S.Consumer Attitudes and Intentions to Adopt Smartphone Apps：Case of Business Students[J].Pakistan Journal of Commerce & Social Sciences，2014.

[48]胡淑平.用戶體驗對用戶忠誠的作用機理研究[D].濟南：山東大學，2012.

[49]Henry F.Kaiser.An index of Factorial Simplicity[J].Psychometrika，1974，39（1）：31-36.

[50]吳明隆.結構方程模型：AMOS的操作與應用[M].重慶：重慶大學出版社，2010.

[51]鄧朝華，魯耀斌，張金隆.基于TAM和網絡外部性的移動服務使用行為研究[J].管理學報，2007，4（2）：216-221.

（責任編輯：陳媛）