基于元分析的在線社區用戶轉移意愿影響因素研究

范昊　熱孜亞·艾海提　李珊珊

DOl：10.3969/j.issn.1008-0821.2021.10.004

[中圖分類號]G252.0 [文獻標識碼]A [文章編號]1008—0821（2021）10—0030—10

Web2.0時代，隨著互聯網技術的快速發展，各類在線社區不斷涌現。由于不同在線社區在內容、使用體驗、服務質量等方面存在差異，而同類型社區之間具有可替代性，使得社區用戶能輕易地在不同在線社區之間進行轉移。數據顯示，2020年上半年，微信、QQ的用戶使用率呈現下降的趨勢，而微博的使用率則小幅上升;疫情期間，在線游戲領域用戶回升顯著，視頻用戶觀看時長增長顯著，各類在線社區面臨著如何有效吸引和保留用戶的難題。基于此，國內外學者對在線社區用戶轉移意愿影響因素進行了大量實證研究，取得了豐富的研究成果。

通過對相關實證研究文獻的整理與分析發現，不同研究涵蓋的因素冗雜且存在一定的不一致，這主要體現在同一因素在不同研究中的顯著性不一致、影響方向不一致和關系強度不一致。例如，周濤等證實不滿意度會顯著影響用戶的社交媒體轉移意向，但Fei L等的研究發現，用戶對當前使用SNS社區的不滿意度與轉移意向之間并無顯著關系;Hou A C Y等提出先前轉移經驗會正向影響在線游戲用戶的轉移意愿，Hsieh J K等卻發現，轉移經驗會負向影響博客用戶的轉移意愿;Hou A C Y等發現，感知娛樂性與SNS用戶的轉移意愿存在弱相關關系（r=0.232），而Hsieh J K等發現，感知娛樂性與博客用戶的轉移意愿存在強相關關系（r=0.65）等。不同學者開展研究時的研究視角、理論基礎、研究平臺、情境特征等多種客觀因素的差異都可能會造成上述不一致結論的產生。在具體實踐中，這些存在差異的結論與觀點不利于形成用戶轉移意愿與其影響因素的統一定論，無法為在線社區運營商提供可參考的用戶轉移一般規律。鑒于此，本文基于元分析方法，系統梳理現有在線社區用戶轉移意愿與其影響因素間關系的實證研究，客觀揭示相異性研究結果產生的原因，以期為在線社區的功能完善和用戶運營給予綜合性參考。

1相關研究

1.1在線社區

在線社區又稱虛擬社區、線上社區，Rheingold將其定義為人們在虛擬的網絡空間中不斷交談和思想交流而形成的一種帶有人類情感和人際關系網的文化集合。在線社區區別于線下社區，主要體現于其虛擬性、開放性、非地域性和非時間性的特點，即在線社區是依托互聯網與現代信息技術而存在的，社區用戶可以隨時隨地就某一問題或領域在網絡空間開展交流與互動.與此同時，在線社區總是隨用戶的變化而處于動態變化之中，因而具有高度自主性。不同學科領域的學者對在線社區的分類有所不同，目前廣泛采用的分類體系由Armstrong A等提出，其根據社區成員的目的將在線社區劃分為交易型社區、興趣型社區、幻想型社區和關系型社區4種類型。也有學者認為，在線社區的類型可從內容和關系兩個維度進行劃分，內容導向性越強的社區越側重于信息的產生和共享，而關系導向性越強的社區則越側重人際互動與關系的建立。此外，研究也指出，社區用戶是在線社區的兩大基本元素之一，其中社區用戶的口碑傳播、用戶參與以及知識共享等行為研究是在線社區研究的主要內容。隨著網絡服務功能的逐漸擴展，用戶對于平臺的體驗感和交互感的要求不斷提高，使得在線社區用戶可以選擇自愿進入或退出某一社區，因此，關注和研究用戶的轉移行為與意愿是在線社區運營和可持續發展的重要基礎之一。

1.2在線社區用戶轉移意愿及其影響因素研究

“用戶轉移”這一概念最早起源于人口地理學領域的“遷移理論”，用于研究一段時間內人口在兩個地理空間上的永久或半永久性遷移，后被市場營銷領域學者引入研究消費者替換服務提供商的行為，當前其在信息系統研究和電子商務領域得到廣泛關注，用于討論信息系統用戶由使用原系統轉向使用新系統的網際轉移現象。Ye C等將用戶的轉移意愿定義為用戶部分減少或完全終止使用一個特定的信息技術產品，同時轉向使用能滿足其特定需求的其他替代產品的意向;王晰巍等認為，社交媒體用戶轉移是用戶增加對“新”社交媒體的使用，減少對“舊”社交媒體的使用，甚至放棄“舊”社交媒體完全投入到“新”社交媒體的使用當中。類似地，本研究定義在線社區的用戶轉移為：特定一段時間內，用戶逐漸減少使用或完全不使用當前在線社區，同時增加對其他在線社區的使用。

現有在線社區用戶轉移的研究大多是從“態度—意愿—行為”這一視角出發，基于某一具體在線社區，構建并檢驗理論模型以研究用戶在不同在線社區間轉移的影響因素，其中，著眼于用戶轉移意愿的研究成果最為豐富。從研究方法上看，已有研究大多采用截面數據調查法，使用問卷調查法、訪談法、扎根理論方法等獲取數據，再利用結構方程模型、因子分析等數據分析方法測定被試用戶的轉移意愿及其影響因素。從理論模型上看，現有研究主要基于“推—拉—錨定”（Push-Pull-Mooring，PPM）模型展開討論，該模型認為推力、拉力和錨定3方面因素是影響用戶轉移的決定性因素，其中，推力因素是推動用戶減少使用原社區的因素，拉力因素是吸引用戶增加使用新社區的因素，錨定因素是促進或阻礙社區用戶從原社區轉向使用新社區的因素。大多研究將認知理論、社會網絡遷移理論、使用與滿足理論、期望（不）確認理論等理論模型融入PPM框架中，以識別和檢驗影響用戶轉移意愿的各種因素。可見，現有研究以量化檢驗因變量與有限數量自變量之間的關系為主，影響因素的涵蓋面較廣且研究結論存在較多不一致，難以對實踐產生更廣泛的指導意義。基于此，部分學者從定性層面對用戶轉移意愿影響因素進行梳理與總結，但鮮有學者從定量層面對現有研究結論進行整合，且尚未發現利用元分析方法對領域內大量相異性結論進行定量綜述的文章。

因此，本文期望使用元分析方法，整合在線社區情境下的用戶轉移意愿研究，定量檢驗影響在線社區用戶轉移意愿因素的關系強度大小，以系統評估相關因素的影響效果，并探索在線社區用戶轉移意愿與其影響因素間關系可能存在的調節變量，從而形成具有穩定性和一般性的研究結論，為把握用戶轉移意愿的動因機理研究提供定量依據。

2研究設計

2.1研究方法與步驟

元分析（Meta-analysis）是綜合某一主題下的眾多單個實證研究結果的一種統計學分析方法，又稱為Meta分析、薈萃分析、整合分析等。該方法旨在對不同研究中的單個效應量以一定的權重進行編碼統計，最終得到所有研究的平均效應量，以此來綜合評價多個存在差異的研究結論。研究也提出元分析作為一種定量綜合集成分析方法，在學科定量集成研究應用中具有處理研究結論之間的矛盾、揭示研究間異質性的原因和推進今后科研方向等意義。目前，元分析方法在多個領域受到廣泛關注與應用。圖書情報領域的學者也基于元分析方法進行了較多探索，主要成果有：①從局部入手研究某一特定因素與研究問題間的關系，如張寧等基于元分析對個體認知專注與虛擬社區用戶參與間的關系開展了性質和強度上的定量化探索，吳川徽等明確了用戶感知風險與網絡信息搜尋行為關系的整體效應和可能的調節變量;②從整體出發，多因素綜合定量分析研究問題下的所有驗證結果，如曹樹金等、范哲等基于元分析對影響虛擬社區知識共享意愿和社會化媒體用戶使用行為的顯著相關因素進行了梳理與整合，為領域后續的研究發展提供了理論基礎。由此可見，元分析方法在用戶信息行為影響因素的定量集成研究中具有適用性，故本研究將采用元分析方法對在線社區用戶轉移意愿的影響因素進行定量整合。

本研究的具體步驟為：①根據研究問題確定主題檢索詞，全面收集相關文獻;②制定文獻篩選標準，嚴格篩選目標文獻;③對目標文獻作數據編碼與處理;④統計分析，包括異質性檢驗、發表偏倚檢驗、關系強度判定以及調節效應檢驗。整個分析過程利用CMA3.0（Comprehensive Meta-Analysis）軟件輔助完成。

2.2文獻檢索與篩選

元分析方法的研究對象具有全面性和客觀性的特點，全面地收集樣本文獻能保證元分析結果的客觀性和消除潛在的偏倚性。因此，本文使用多種數據庫檢索已有的各類文獻，具體檢索策略為：對Web of Science、Elsevier ScienceDirect、Wiley On-line Library、Springer、ProQuest學位論文全文檢索平臺等英文數據庫以“Online Communit*、Virtual Communit*、Web Communit*、Social Network”匹配“Users Switch、Users Migrant、Switching Inten-tion*、Switching Behavior、Migration Intention*、Migration Behavior”進行關鍵詞組合檢索;對我國知網、萬方、維普中文科技期刊、AiritiLibrary臺灣學術文獻數據庫等中文數據庫則相應地使用關鍵詞為“在線社區、虛擬社區、線上社區、網絡社區、社會化網絡”匹配“用戶轉移、轉移意愿/行為、轉換意愿/行為、遷移意愿/行為”的檢索策略。此外，為避免遺漏“灰色文獻”，又借助百度學術、Google Scholar進行二次檢索與重點文獻的回溯檢索，以保證最大限度收集相關文獻，最終得到與本文研究相關的、可獲得的文獻103篇，供下一步進行文獻篩選。

檢索到相關文獻后，需對文獻作進一步篩選，以選取適用于元分析的目標文獻。本文采用以下標準對文獻進行篩選與剔除：①選取以在線社區中的用戶轉移意愿影響因素為研究對象的文獻，剔除研究對象為非在線社區或非用戶轉移意愿的文獻，如瀏覽器用戶的轉移、非移動圖書館用戶的轉移以及組織中的知識轉移等;②選取明確報告了樣本量、因素的相關系數r或能夠轉換成相關系數的其他效應值（如t值、F值）等統計數據的實證研究文獻，剔除定性綜述或理論研究等非實證類型文獻，以及缺乏可計算數據的文獻;③目標文獻須是不包含相同樣本的獨立研究，即當多篇文獻中出現相同樣本數據時，僅保留樣本量偏大的那項。經過多次篩選排查，最終獲得38篇相關文獻用于元分析，包括12篇中文文獻和26篇外文文獻，其中期刊論文23篇、學位論文7篇、會議論文8篇，文獻時間跨度為2008—2020年。

2.3文獻編碼與處理

為保證編碼數據的客觀性和準確性，本研究的兩位作者在通讀上述目標文獻的基礎上，分別獨立進行編碼工作。第一輪編碼結束后，交叉核對兩人的編碼表，對編碼不一致處共同討論核實，再對不一致結果的來源文獻進行第二輪編碼，最終編碼的一致性為89.5%。

3在線社區用戶轉移意愿影響因素的元分析

將上述編碼后文獻數據導人CMA3.0軟件中，軟件可根據公式對單個效應值r做Fisher Z值轉換，并得到轉換后的效應值。經編碼與統計，上述38篇目標文獻共識別出影響在線社區用戶轉移意愿的90個不同因素和197個效應值。RosenthalR認為，一個因素只需兩個效應值就可以進行元分析，因此本研究選取其中出現頻次大于等于3的共22個影響因素進行元分析，進一步統計檢驗以得到最終的影響因素與其平均效應值。

3.1發表偏倚檢驗

發表偏倚也稱“文件抽屜”問題，是指一種相較于沒有得出顯著性結果的文章，具有顯著性結果的文章更容易被發表，導致一些具有低顯著性結論的文章留在研究者的抽屜里的現象。。因此，為了減少納入元分析文獻受“發表偏倚”問題的影響，首先進行發表偏倚檢驗。

本研究將結合漏斗圖和失效安全系數Fail-safeN進行發表偏倚檢驗。圖1是用于定性檢驗發表偏倚的漏斗圖，由圖可知，多數研究均集中于漏斗的中上部，沒有研究落在漏斗底部，且多數效應值均勻地分布在平均值附近，說明本研究存在發表偏倚的可能性較小。一般而言，當失效安全系數Fail-safe N大于其判別標準5K+10（K為獨立研究的數量）時可以認為研究不存在發表偏倚。在本研究納入的22個高頻影響因素中，除感知不充分參與、社交性、系統質量、社會關系、多樣化需求、準備成本和慣性7個影響因素存在發表偏倚外，其余各影響因素與用戶轉移意愿之間的失效安全系數均滿足大于5K+10的臨界條件，不存在發表偏倚問題，具體如表1所示。因此，本研究進一步剔除上述存在發表偏倚的影響因素，保留表1中的15個因素作為最終考察對象，并對其做進一步探索。

由表1可知，本研究所考察的15個影響在線社區用戶轉移意愿的因素總體上是穩定的，此次元分析結果可靠有效。

3.2異質性檢驗

異質性檢驗是元分析中對各研究結果合并的基礎，只有當各研究結果具有一致性時，合并分析的結果才能被認為是真實可靠的。目前，Q檢驗和，2檢驗是主要的異質性檢驗方法，當Q檢驗結果顯著或I²統計量大于50時，表明研究間存在明顯的異質性，應選用隨機效應模型合并效應量;反之，則表明研究間不存在異質性，應選用固定效應模型合并效應量。

本研究的異質性檢驗結果如表1所示，除“相對匱乏性”因素的Q值不顯著（p>0.05），應選用固定效應模型之外，其余各影響因素的Q值均在0.05的置信水平上統計顯著，且多數因素的I²集中在95左右，表明各影響因素均存在較強的異質性，應選用隨機效應模型進行效應值合并計算。

3.3關系強度

關系強度指各影響因素與用戶轉移意愿間相關關系的大小。根據Cohen jt41j提出的判別標準，相關系數r的強度可以分為基本不相關（0≤r<0.1）、弱相關（0.1≤rO.05），其他各影響因素與用戶轉移意愿均存在顯著相關關系（p<0.05），且95%的置信區間均不包含0，說明滿意度對用戶轉移意愿的影響不顯著。具體來說，相對匱乏性（r=0.566）、網絡義務性（r=0.552）和感知價值（r=0.548）與用戶轉移意愿顯著強正相關，不滿意度（r=0.485）、主觀規范（r=0.451）、替代品吸引力（r=0.443）、同輩影響（r=0.431）、感知有用性（r=0.354）和網絡規模（r=0.313）與用戶轉移意愿中度正相關，先前轉移經驗（r=0.26）和感知娛樂性（r=0.243）與用戶轉移意愿弱正相關，轉移成本（r=一0.332）與用戶轉移意愿中度負相關，沉沒成本（r=一0.265）和持續成本（r=-0.246）與用戶轉移意愿弱負相關。

3.4調節效應檢驗

從表1的異質性檢驗結果可知.除“相對匱乏性”不存在明顯異質性外，本研究其余各影響因素均存在異質性。為找出這些研究間差異的來源，本研究引入“社區類型”這一情境因素，來探究在線社區類型在研究用戶轉移意愿中可能存在的調節作用。本研究以Armstrong A等學者提出的分類體系為基礎，將在線社區劃分為關系型和非關系型社區兩類，關系型社區指成員間為維持相互之間的關系而聚集形成的社區，主要以微信、微博、Facebook等基于人際互動的SNS社交網站為主，而非關系型社區指其他屬于交易型、興趣型、娛樂型或綜合型的社區，如以個體間交互與娛樂為目的的在線游戲社區、視頻社區，或基于共同興趣愛好、以知識交流為目的的在線學術社區、問答社區等。調節變量分組中，當各影響因素對應的組間Q_B值在0.05的置信水平上顯著時，說明研究的異質性部分來源于研究間的不同研究特征，而部分來源于研究內的隨機誤差。表2是社區類型作為調節變量時的分析結果。

由表2可知，社區類型對感知娛樂性、不滿意度、替代品吸引力、網絡義務性、感知有用性以及感知價值與用戶轉移意愿的關系有顯著影響（p<0.05），但對先前轉移經驗、同輩影響、轉移成本、網絡規模以及主觀規范與用戶轉移意愿之間的關系影響不顯著（p>0.05）。由此可說明，不同研究之間的特征差異會導致結論的部分異質性，因而表明社區類型對用戶轉移意愿及其影響因素之間的關系具有一定的調節作用。從關系強度來看，相對于非關系型社區而言，關系型社區中的感知娛樂性、替代品吸引力和感知價值對用戶轉移意愿的作用更強。

4結果與討論

4.1影響在線社區用戶轉移意愿的因素及其關系強度

剔除存在發表偏倚問題的影響因素后，在納入本研究的15個用戶轉移意愿影響因素中.除“滿意度”這一因素影響不顯著外，其余因素對在線社區用戶的轉移意愿均有不同強度的顯著影響，具體如圖2所示。根據各影響因素自身的含義與特點，將其放入PPM模型的推力、拉力和錨定框架中可以發現，對于用戶轉移意愿而言，相關關系最強的因素是拉力因素中的相對匱乏性、網絡義務性和感知價值，其次是拉力因素中的其他因素（網絡規模、替代品吸引力、同輩影響、相對匱乏性、感知有用性及主觀規范）和推力因素中的不滿意度以及錨定因素中的轉移成本，而推力因素中的感知娛樂性以及錨定因素中的先前轉移經驗、沉沒成本和持續成本與用戶轉移意愿的相關關系最弱。

由圖可見，吸引用戶轉向新在線社區的影響因素是顯著強相關和中度相關因素的主要構成，這與多數研究中“拉力因素在驅動用戶轉移中起最關鍵的作用”這一結論一致。目前僅有少量研究關注相對匱乏性、網絡義務性和感知價值這3個相關強度最高的因素，后續研究可以更多地以這三者為核心構建用戶轉移意愿模型，也可進一步對其進行細分，如從情感匱乏、經濟匱乏和功能匱乏3個方面探究相對匱乏性對在線社區用戶轉移過程的影響。相較于強相關和中度相關因素而言，具有弱相關關系的影響因素在不同研究中的結果更有可能與元分析結果不一致。例如，在納入元分析的實證研究中，僅有1篇文獻認為替代品吸引力與用戶轉移意愿間具有弱相關關系，而大多數研究得出“先前轉移經驗與用戶轉移意愿間存在中度相關關系”的結論，與本研究通過綜合多個實證研究結果后得出的結論不一致。因此，未來研究應該更多地探索和確認這些因素對用戶轉移意愿的影響強度。

當然，具有中度相關關系的影響因素仍會在不同研究中具有一定的不一致性。例如，大量文獻采納轉移成本作為研究中的錨定因素，并認為轉移成本對用戶轉移意向存在顯著負向影響這與本研究的結果一致。但也有部分實證研究對這一觀點給出了否定性證據，如Choi J等、夏立新等學者發現，轉移成本對用戶轉移意向無顯著影響，產生這種不一致結論的原因可能在于，即便是強相關或中度相關因素的研究，它們之間也存在一定的不一致性，只是存在不一致性的研究數量較少，在研究綜合中其效應會被其他多個具有高度一致且相關關系較強的研究抵消。

此外，雖然不滿意度和感知娛樂性（推力因素）是出現頻次較高的兩個因素，但其對用戶轉移意愿的影響較弱。其中，感知娛樂性是本研究識別出的影響用戶轉移意愿的因素中最弱的，說明現有實證研究對用戶轉移意愿推力因素的討論較為分散，并且從整體上來說其關系強度仍較弱，這與Hou A C Y等學者的“推力因素在用戶轉移過程中的影響作用是有限的”這一研究結論較為一致。因此，后續研究可以通過深度訪談、扎根理論等定性方法充分識別與挖掘推動用戶轉移至其他社區的關鍵因素.實現在推力因素研究視角上的進一步拓展。

4.2調節效應的影響分析

通過異質性檢驗和調節效應檢驗，本研究發現在線社區類型可以作為用戶轉移意愿與其影響因素之間關系的調節變量。進一步來說，社區類型對感知娛樂性、不滿意度、替代品吸引力、網絡義務性、感知有用性以及感知價值與用戶轉移意愿的關系有顯著影響，并且相較于非關系型社區，關系型社區中的感知娛樂性、替代品吸引力和感知價值對用戶轉移意愿的正向作用都更強。不同類型的在線社區具有差異化的功能屬性與特征，關系型社區旨在為用戶提供信息交流平臺，一方面，當用戶發現市場上存在其他社區平臺可作為替代品，并且替代品在系統、功能或是信息質量上使用戶更加滿意，他們更愿意嘗試使用新社區;另一方面，已有研究證實社交媒體等關系型社區的社交趣味性不足或感知收益不強都會給用戶帶來負面體驗，從而導致用戶產生轉移意愿。在實際研究中，非關系型社區的用戶轉移意愿也會依據社區的主要功能呈現情境化特征，如在娛樂型社區情境下，用戶更關注是否滿足其娛樂需求和沉浸式體驗，而在興趣型社區情境下，用戶的轉移動機更多的受如感知有用性、感知易用性等外部因素的影響。因此，未來研究在構建理論模型時應更多地考慮不同社區的情境特征，以更有針對性地剖析用戶轉移意愿的動機與因素。

5結語

基于國內外38篇與在線社區用戶轉移意愿影響因素相關的實證研究，本研究利用元分析方法，綜合分析不同因素對在線社區用戶轉移意愿的影響程度，并基于研究情境特征，檢驗可能引起不同研究間影響程度差異的調節變量。研究發現，對用戶轉移意愿產生直接影響的15個關鍵因素中，相對匱乏性、網絡義務性和感知價值是與用戶轉移意愿相關關系最強的因素，而感知娛樂性的相關關系最弱。同時，社區類型作為調節變量會影響感知娛樂性、不滿意度、替代品吸引力、網絡義務性、感知有用性以及感知價值6個因素與用戶轉移意愿的關系。本研究在一定程度上反映了在線社區用戶轉移意愿的動因機理，得出了用戶轉移意愿與其影響因素的一致性研究結論，為在線社區的持續發展和運營提供了理論支撐。此外，本研究實現了利用元分析方法定量綜合分析用戶轉移意愿影響因素，豐富了在線社區用戶轉移領域的研究思路。

本研究也有一定的局限性。首先，納入元分析的原始文獻數量較少，這也是受當前在用戶轉移領域的實證研究數量整體較少所影響;其次，受因素的頻次下限影響，有些如習慣、慣性等已證實對用戶轉移意愿有顯著影響的潛意識因素因其出現頻次較少而未被納入元分析中，這可能會導致研究的因素不夠全面。未來的研究可以從不同角度對用戶轉移領域做動因研究，擴充相關領域實證文獻，并通過大樣本元分析得出更可靠結論;并且，可考慮其他研究特征（如轉移類型、文化情境、被試特征等）對不同研究間效應值的調節作用，找出產生不一致性結論的可能根源。

（責任編輯：孫國雷）