在線健康社區用戶非持續使用行為影響因素分析

袁靜 郭玲玉

摘 要：[目的/意義]當前關于在線健康社區的研究大多關注用戶的積極使用行為，而探究在線健康社區用戶的非持續使用行為及其影響因素，對保留用戶群體、促進在線健康社區的持續發展具有重要的意義。[方法/過程]在文獻調研和相關理論借鑒基礎上，結合在線健康社區自身特征，提取在線健康社區用戶非持續使用行為的初始影響因素，利用實證調查數據對影響因素進行識別和修正。[結果/結論]感知風險、服務質量與成本、系統與信息質量、感知社會支持是影響在線健康社區用戶非持續使用行為的主要因素，其中，服務管理、醫生服務質量、服務費用、系統功能、感知隱私與診療風險等細分因素對在線健康社區用戶非持續使用行為的影響程度較大，在此基礎上針對性地提出應對策略。

關鍵詞：在線健康社區;用戶行為;非持續使用

DOI：10.3969/j.issn.1008-0821.2022.02.008

〔中圖分類號〕G252.0 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）02-0081-13

Influencing Factors Analysis of Discontinuous Use

Behaviors of Users on Online Health Communities

Yuan Jing1，2 Guo Lingyu1

（1.School of Information Management，Zhengzhou University，Zhengzhou 450001，China;

2.Zhengzhou Data Science Research Center，Zhengzhou 450001，China）

Abstract：[Purpose/Significance]Current studies on online health communities mainly focus on users' active behaviors，while exploring the discontinuous use behaviors of users on online health communities is of great significance for retaining user groups and promoting the sustainable development of online health communities.[Method/Process]On the basis of literature review and related theory reference，combined with the characteristics of online health communities，the initial influencing factors of discontinuous use behaviors of users on online health communities were extracted，and the influencing factors were identified and corrected by using survey data.[Result/Conclusion]Perceived risk，service quality and cost，system and information quality，and perceived social support are the main factors that affect the discontinuous use behaviors of users on online health communities.Among them，subdivision influencing factors such as service management，doctor's service quality，service fees，system functions，perceived privacy risks，and perceived diagnosis and treatment risks have greater impact on discontinuous use behaviors of users on online health communities，and then some countermeasures are proposed.

Key words：online health community;user behavior;discontinuous use

網絡技術的發展催生了線上醫療模式的產生，越來越多的人們開始利用互聯網進行健康管理。隨著2017年健康中國戰略的提出以及受到2020年新冠肺炎疫情突然暴發的影響，民眾對在線醫療的需求不斷增長，在線健康社區呈現更為蓬勃的發展。第46次《中國互聯網絡發展狀況統計報告》中顯示，截至2020年6月，我國在線醫療用戶規模達2.76億，占網民整體的29.4%。此外，26.4%的網民在線購買過藥品、健康器械等醫療用品，17.9%的網民使用過網上掛號、問診等在線醫療服務[1]。

在線健康社區即在互聯網上為用戶提供預約掛號、咨詢醫生、患者互動、健康百科等服務的平臺，如好大夫在線、丁香醫生、甜蜜家園、媽媽網孕育、美柚APP和百度戒煙吧等。在線健康社區能夠為用戶提供健康信息支持、健康服務支持和情感支持，幫助用戶更好地應對疾病的困擾。然而，在線健康社區在發展過程中也存在一些問題，比如系統使用復雜、界面設計不友好、信息過載、醫生服務質量不高以及隱私泄露等，這些問題在不同程度上影響著在線健康社區用戶的非持續使用行為，具體表現為降低使用頻率、暫時停止使用、永久停止使用并卸載、轉向其他同類型社區等行為。用戶因各種原因產生的非持續使用行為，會造成用戶流失，當非持續使用的用戶數量達到一定規模時，可能導致在線健康社區無法實現正常運行和可持續發展。因此，明晰用戶非持續使用行為的現狀以及造成用戶非持續使用行為的影響因素，從而采取相應的措施，優化在線健康社區中用戶的使用體驗，減少用戶的消極使用行為，指導用戶合理使用在線健康社區，提升用戶粘性和忠誠度，對于在線健康社區的可持續發展至關重要。然而，當前關于在線健康社區的研究大多關注用戶的積極使用行為，對用戶的非持續使用等消極行為的研究較少。本文側重于探究在線健康社區用戶的非持續使用行為及其影響因素，在對用戶非持續使用行為內涵界定的基礎上，初步提取了在線健康社區用戶非持續使用行為的影響因素，然后利用實證調查數據驗證和識別影響在線健康社區用戶非持續使用行為的主要因素，并比較各因素的影響程度大小，在此基礎上提出針對性的應對策略，一方面有利于豐富在線健康社區研究的理論成果，另一方面有利于指導在線健康社區的實踐發展，以期幫助在線健康社區保留更多的用戶群體，并實現社區的可持續發展。

1 相關研究綜述

1.1 在線健康社區用戶的相關研究

當前國內外針對在線健康社區的研究主題大致可分為3類：第一類是從社區用戶的角度展開研究;第二類是從社區內信息的角度展開研究;第三類是從社區的系統建設與發展的角度展開研究。其中，從社區用戶的角度展開研究的文獻數量較多，內容主要包括普通用戶的研究、專業醫護人員的研究以及醫患互動的研究，普通用戶是指患者、患者家屬以及其他對健康信息有需求的用戶，專業醫護人員是指為有健康信息需求的用戶提供專業服務的醫生及其他專業人士。

1）針對普通用戶的研究。這類研究主要涉及用戶的知識共享行為、持續使用意愿、采納意愿、滿意度、隱私披露意愿等方面。如張星等借鑒S-O-R模型與動機理論，實證分析在線健康社區中用戶的一般知識共享行為和特殊知識共享行為的影響因素[2];董慶興等在感知價值理論的基礎上研究了在線健康社區用戶持續使用意愿的影響因素[3];王瑜超對在線健康社區用戶的健康信息披露意愿的影響因素展開研究[4];Zhu P P等則確定了在線信息支持和隱私關注對在線健康社區中患者信息共享意愿的影響，以及不同患者的疾病嚴重程度和信息敏感性對他們知識分享意愿的調節作用[5];Park K A等通過問卷調查分析了甲狀腺癌患者在網上健康社區中參與行為的影響因素，認為教育程度、腫瘤大小、對癌癥的態度、焦慮和抑郁都是相關的影響因素[6];Zhou J J等從衛生服務內容、人際因素的角度，探討在線健康社區中用戶自愿獎勵免費醫療服務貢獻者的行為的影響因素，發現信息支持、情感支持、社會規范依從性和社會互動對消費者的自愿獎勵行為都有正向影響[7]。

2）針對專業醫護人員的研究。這類研究主要探討某些因素（如回報、團隊多樣化、榮譽、隱私保護設置等）與醫生在在線健康社區中行為之間的影響或關系。如韓曉翠對在線醫療社區中醫生貢獻行為的動機進行研究，發現醫生獲得的經濟回報、名譽回報以及醫生的線下身份都對醫生的在線貢獻行為具有積極影響[8];Jing D等利用醫生定價和滿意度衡量醫生自身和患者的認知程度，利用免費服務衡量醫生的親社會行為，探討金錢激勵、認知程度與醫生親社會行為之間的關系，發現金錢激勵對醫生親社會行為有正向影響，較高的自我認知和他人對醫生能力的認知水平提高了這種促進效應[9];Kuang J等分析了在線健康服務的普及率對醫生在線咨詢服務質量和價格的影響，研究結果顯示，線上滲透率正向影響醫生服務質量，負向影響線上服務價格，網絡普及率對專科醫院醫生咨詢價格的影響大于對綜合醫院醫生咨詢價格的影響[10]。

3）針對醫患互動的研究。這類研究主要包括醫生對患者的影響、社區特征對醫患互動的影響、醫患互動對患者的影響等。如徐孝婷等抓取了好大夫在線平臺上的醫生數據，將療效、態度、感謝信、評論數、評論情感傾向值作為醫生口碑的指標，分析醫生口碑與患者選擇之間的關系[11];劉箐等通過采集有問必答網上醫生的數據和實證的方式來分析醫生線上義診行為是如何影響患者選擇的，結果表明，醫生義診的數量和質量會對患者選擇產生積極影響，醫生聲譽和服務價格起到顯著的調節作用[12];Peng L等通過分析中國某知名在線健康社區中的醫生與患者之間的動態互動過程，發現患者送禮能夠激勵醫生提高在線服務質量，影響的程度會因醫患關系的強度而不同，此外，情感禮物和工具性禮物對于醫生服務質量的提高有不同的效果[13];Chen S Q等通過收集在線健康社區中在線醫患互動的文本數據，分析了網上醫患互動對患者滿意度的影響，結果表明，病人的積極性對醫生的信息和情感支持有積極影響，醫生的信息和情感支持對患者滿意度有積極影響，其中情感支持的影響更顯著[14]。

1.2 用戶非持續使用行為的相關研究

近年來，用戶非持續使用行為逐漸成為國內外研究關注的熱點，研究內容主要涉及用戶非持續使用等這一類消極行為的形成原因或影響因素。研究對象涉及社交媒體用戶[15]、移動圖書館用戶[16]、社會化閱讀用戶[17]、電商平臺用戶[18]、旅游虛擬社區用戶[19]等，其中，關注移動社交媒體用戶的研究較多。如劉國亮等利用結構方程模型，分析在移動社交情境下錯失焦慮和社交媒體倦怠對用戶不持續使用意愿的影響效果，并揭示了移動社交媒體用戶面臨壓力時不持續使用意愿的變化[20];程慧平等利用問卷調查和偏最小二乘法對社交媒體用戶的非持續使用行為進行實證分析，發現期望不一致、不滿意、社會比較、每天使用社交媒體的時間長度等因素都會影響用戶在社交媒體中的非持續使用行為[21];Cao X F等實證檢驗了用戶在社交網絡中的非持續使用行為，結果表明，網絡欺凌和社會負荷對社交網絡焦慮和社交網絡疲倦有顯著影響，二者都進一步增加了用戶非持續使用社交網絡的意愿[22];Maier C等以Facebook為例，研究了用戶在社交網絡中非持續使用意愿的發展，發現社交網絡服務壓力和社交網絡服務疲倦會導致用戶的非持續使用意圖，而轉換壓力和轉換疲倦則會降低這些意愿[23];孫挺等則以期望失驗理論和壓力源—應變—結果框架為理論模型基礎，分析圖書閱讀類社會化閱讀APP的用戶不持續使用意愿的影響因素，研究發現，負面感知績效、不滿意、使用倦怠均對用戶不持續使用意愿有顯著正向的影響作用，功能過載、社交過載、信息過載通過使用倦怠對用戶不滿意和不持續使用意愿產生影響作用[24]。

通過文獻調研發現，當前國內外學者對在線健康社區用戶的研究多關注于積極使用行為，對在線健康社區用戶的非持續使用等消極行為的研究較少。但是，用戶的非持續使用行為將會對在線健康社區的發展和持續運行產生直接的消極影響，因此本研究著眼于在線健康社區用戶非持續使用行為的影響因素分析，以期能夠豐富在線健康社區用戶研究的內容體系，促進在線健康社區的可持續發展。

2 在線健康社區用戶非持續使用行為影響因素提取與調查

2.1 用戶非持續使用行為內涵界定

“非持續使用”這一術語最早在醫學領域內使用，用來形容患者對藥物的不持續使用行為[25]。后來被信息系統領域的學者引入信息系統的相關研究中。當前國內外對非持續使用行為或消極行為的研究大多集中在社交媒體平臺上，對非持續使用行為的內涵也是基于相應的研究平臺或對象進行界定。如金朝將短視頻社交平臺用戶的非持續使用行為定義為用戶降低短視頻的使用頻率、用戶暫時中斷使用短視頻、用戶永久停止使用短視頻或用戶轉向其他社交平臺[26];張琦等將社交媒體用戶的非持續使用行為定義為用戶減少社交媒體的使用頻率并控制自己的使用行為，暫時退出或完全放棄社交媒體以及轉向使用其他社交媒體的行為[27]。

在借鑒現有研究的基礎上，本文將在線健康社區用戶的非持續使用行為界定為：用戶降低在線健康社區的使用頻率、暫時停止使用在線健康社區、永久停止使用并且卸載在線健康社區、轉向使用其他同類型社區等消極使用行為。用戶因健康目的達成而造成在線健康社區中的非持續使用行為，是一種幸福的放棄[28]，這種情況下的非持續使用行為不在本文的研究范疇之內。

2.2 用戶非持續使用行為的影響因素提取

一般而言，用戶的行為會受到心理動機、行為意愿、內外部環境等各種因素的影響。在線健康社區平臺上，導致用戶產生非持續使用行為的影響因素眾多，并且具有多維性、復雜性、動態性。因此，為了盡可能全面地涵蓋影響用戶非持續使用行為的各種因素，本文在查閱國內外有關用戶非持續使用行為、在線健康社區用戶行為等相關研究的基礎上，結合在線健康社區自身的特征，借鑒信息系統成功模型、感知價值理論、隱私計算理論和社會支持理論，從客觀和主觀兩方面提取了在線健康社區用戶非持續使用行為的初始影響因素。其中，信息系統成功模型包含了影響信息系統成功的6個衡量指標，信息系統成功的關鍵在于用戶的接受和持續使用行為，而用戶的非持續使用行為會導致系統運行的不成功。因此信息系統成功模型中的衡量指標為研究在線健康社區的非持續使用行為提供了一些參考借鑒，具體而言，借鑒了系統質量、信息質量、服務質量3個衡量指標作為本研究的影響因素，抽取了系統質量下的易用性、服務質量下的響應能力、信息質量下的可理解性和時效性等細分影響因素，其余細分影響因素通過文獻調研確定。感知價值理論強調感知價值是消費者通過對感知收益和感知成本進行對比之后的結果，對在線健康社區的用戶而言，當用戶感知的成本較低時，用戶會持續使用該平臺帶來的收益，否則會產生非持續使用行為。本研究結合在線健康社區本身的特征，主要考慮感知成本對用戶非持續使用行為帶來的影響，將感知成本具體化為感知醫生費用、感知轉換成本和感知診療風險等影響因素。根據隱私計算理論，用戶是否披露個人信息取決于對成本和收益的評估，即所觀察到的披露個人數據的風險與感知到的收益之間的比較。個人健康信息屬于比較敏感的個人隱私數據，因此在使用在線健康社區時用戶會更加關注自身隱私，本研究參考借鑒隱私計算理論，分析評估在線健康社區用戶感知到的隱私風險對用戶非持續使用行為的影響。社會支持理論強調引導受試者相信自己受到關心、愛戴、尊重，并成為互相承擔義務的網絡中的一員，并且人與人之間的社會支持性互動可以預防生活壓力對健康的影響。本研究借鑒社會支持理論，根據在線健康社區用戶的活動特征，將用戶從在線健康社區中得到的社區支持因素分為信息支持、情感支持和陪伴支持。

最終提取的在線健康社區用戶非持續使用行為影響因素如表1、表2所示，其中客觀因素包括系統質量、信息質量和服務質量，主觀因素包括感知風險、感知成本、感知社會支持和期望不確認，在這些因素下又包含多個細分影響因素，最終確定為7大類影響因素和25個細分影響因素。

2.3 調查數據采集與獲取

2.3.1 調查問卷設計

在上文對在線健康社區用戶非持續使用行為影響因素提取的基礎上，筆者增加了用戶非持續使用行為的產生及類型和個人統計學信息等問題，設計出本文的初始調查問卷，并發放給專家和研究生同學進行預調研，在汲取專家和同學建議的基礎上形成正式的調查問卷。

正式調查問卷共分為3個部分：第一部分為使用情況的調查，篩選出使用過在線健康社區的用戶，對用戶具體使用的在線健康社區進行提問，并調查用戶是否產生過非持續使用行為及產生過的非持續使用行為類型，共4道題目;第二部分為影響因素的評價，要求被調查者根據自己在使用在線健康社區時的真實感受，評價主客觀影響因素對自身產生非持續使用行為的影響程度，根據上文表1、表2所提取的影響因素，這部分調查問卷共分為7個部分，分別為客觀因素下的系統質量（4道題）、信息質量（5道題）、服務質量（6道題）和主觀因素下的感知風險（4道題）、感知成本（2道題）、感知社會支持（3道題）、期望不確認（1道題），共25道題目，問卷量表題目與表1、表2中的“項目編碼”一一對應，題目內容根據表1、表2中的“因素闡釋”進行設置提問，量表題目的來源依據與表1、表2中的“參考文獻來源”一一對應，每道題目均采用李克特五級量表，沒有影響得1分，影響較小得2分，影響一般得3分，影響較大得4分，影響很大得5分，得分越高說明此影響因素對用戶非持續使用行為的影響程度越大，用戶非持續使用行為客觀影響因素和主觀影響因素問卷量表題項，分別如表3、表4所示;第三部分為個人基本信息的調查，要求被調查者如實填寫自己的性別、年齡、受教育程度、健康狀況、使用在線健康社區的年限、頻率和進行的活動，共7道題目。

2.3.2 調查對象的選取與發放

本研究的調查問卷主要利用問卷星平臺進行發放和回收。問卷發放時間為2021年1月13日—2021年2月28日。調查對象為使用過在線健康社區的用戶，發放方式為通過微信向好友發放、好友之間滾雪球發放、在某些在線健康社區的官方交流群內發放、通過在百度貼吧的健康主題吧內（如美柚吧、女性健康吧、健康之路吧）發招募填寫問卷的帖子以及在微博中征集用戶填寫等方式收集問卷。

2.3.3 問卷回收與基本問題描述

本次問卷調查共回收422份問卷，其中調查對象選擇未使用過在線健康社區的問卷共65份，直接標記為無效問卷。剩余357份問卷是使用過在線健康社區的用戶填寫的，經過篩選剔除后，有效問卷共296份，有效率為82.91%。

調查對象的個人基本信息如表5和表6所示。調查對象中男女比例約為1∶1.74;年齡在19～40歲之間的調查對象最多，占比達到了94.93%，這與利用網絡的主要人群分布基本一致;調查對象在學歷分布上，本科學歷人數最多，?？婆c碩博士學歷的人數相當，高中及以下學歷的人數最少;調查對象健康狀況為較差、一般和良好之間的比例約為1∶15.8∶42.4;調查對象中使用在線健康社區2～3年的人數最多;在使用頻率上調查對象更多的是偶爾使用1次或2～3天使用1次;調查對象主要利用在線健康社區進行查詢瀏覽健康相關信息、咨詢醫生和健康管理等活動;調查對象目前使用較多的在線健康社區有美柚APP、丁香醫生、好大夫在線;在調查對象中，有78.04%的用戶都曾在在線健康社區中產生過非持續使用行為，說明在線健康社區中的用戶產生非持續使用行為的情況較為嚴重，需要及時采取措施，減少用戶非持續使用行為的產生，幫助在線健康社區持續發展下去，其中，用戶出現較多的非持續使用行為是降低使用頻率和暫停使用兩種類型。

2.3.4 信度與效度分析

利用SPSS26.0軟件計算得出問卷調查數據的Cronbach's α系數為0.940，斯皮爾曼-布朗系數為0.872，格特曼折半系數為0.864，各因素的分半系數指標均為良好，說明問卷調查結果的信度較好。本研究提取的各項初始影響因素是在充分閱讀相關文獻和結合在線健康社區特征的基礎上確定的，并且多次請教和咨詢專家的意見，因此可以認為本問卷具有良好的內容效度;利用Spss26.0計算得出KMO取樣適切性量數為0.933，巴特利特球形度檢驗的近似卡方值為4 015.201，自由度為300，顯著性為0.000，說明非常適合做因子分析，問卷調查結果具有良好的結構效度。綜上可以認為，問卷調查結果具有較好的信度與效度。

3 在線健康社區用戶非持續使用行為影響因素識別與分析

3.1 基于調查數據的分析

本研究通過探索性因子分析，采用主成分分析法，選取特征值大于1的因子作為公共因子，利用最大方差法進行旋轉，因子分析中題項的刪除條件為：①旋轉后題項的因子載荷小于0.5;②一個題項同時在兩個因子上的因子載荷都大于0.5[45]。每刪除1個題項后再做1次因子分析，先后反復進行了9次因子旋轉，共刪掉4個因子，分別為期望不確認（QW1）、信息準確性（XX1）、信息可理解性（XX3）和信息窄化（XX5），最終提取了4個核心公因子，如表7所示。提取的4個核心公因子的累積方差貢獻率為63.042%，并且4個公因子的組合信度分別是0.892、0.848、0.813、0.820，均大于0.80（屬于比較可信的克隆巴赫Alpha系數范圍區間），整體組合信度為0.928（屬于非常可信的克隆巴赫Alpha系數區間），KMO值為0.924（遠大于0.65），因此總體上看，4個公因子下所涵蓋題項的信度和效度都較好。

3.2 影響因素識別與修正

根據探索性因子分析的結果，對提取的在線健康社區用戶非持續使用行為初始影響因素進行修正。

將原來的影響因素中屬于信息質量維度的信息準確性（XX1）、信息可理解性（XX3）和信息窄化（XX5）以及屬于期望不確認維度的期望不確認（QW1）予以刪除，其余因素保留。最終識別出的影響因素仍可分為主客觀兩個維度，公因子1和公因子2屬于客觀因素，公因子3和公因子4屬于主觀因素，共包含21個影響因素，如圖1所示。

公因子1：命名為服務質量和成本，此公因子基于社區提供服務的質量和成本費用的角度，包括服務管理（FW1）、客服解決效率及效果（FW2）、醫生響應速度（FW3）、醫生服務態度（FW4）、醫生交互頻率（FW5）、醫生服務效果（FW6）、服務費用（CB1）和轉換成本（CB2），共計8個變量。這一組因子說明用戶的非持續使用行為會受在線健康社區的服務質量、服務費用、轉換成本等的影響。

公因子2：命名為系統與信息質量，此公因子基于社區的系統質量和信息質量的角度，包括易用性（XT1）、功能過載（XT2）、個性化服務（XT3）、檢索精準性（XT4）、信息時效性（XX2）和信息過載（XX4），共計6個變量。這一組因子說明用戶的非持續使用行為會受到社區的系統質量和信息質量的影響。

公因子3：命名為感知社會支持，此公因子基于社區內其他用戶提供的社會支持的角度，包括感知信息支持（ZC1）、感知情感支持（ZC2）和感知陪伴支持（ZC3），共計3個變量。這一組因子說明用戶的非持續使用行為會受到社區內其他用戶為其提供的信息支持、情感支持和陪伴支持的影響。

公因子4：命名為感知風險，此公因子基于用戶在社區內感受到的隱私風險和診療風險的角度，包括感知與社區相關的隱私風險（FX1）、感知與其他用戶相關的隱私風險（FX2）、感知與醫生相關的診療風險（FX3）和感知與其他用戶相關的診療風險（FX4），共計4個變量。這一公因子說明用戶的非持續使用行為會受到在社區內感受到的隱私風險和診療風險的影響。

3.3 用戶非持續使用行為影響因素的影響程度分析

此部分利用Spss26.0軟件計算出調查對象在因子分析之后形成的4個公因子和21個影響因素中的得分均值情況，比較4個公因子和21個影響因素對用戶非持續使用行為的影響程度大小。如表8所示，調查對象在21道有關影響因素的題目上的總得分均值為71.46，各題目的平均分為3.40，其中高于各題目平均分的題項有服務管理（FW1）、客服解決效率及效果（FW2）、醫生服務態度（FW4）、醫生服務效果（FW6）、服務費用（CB1）、易用性（XT1）、功能過載（XT2）、檢索精準性（XT4）、與社區相關的隱私風險（FX1）、與其他用戶相關的隱私風險（FX2）、與醫生相關的診療風險（FX3）和與其他用戶相關的診療風險（FX4），這表明在線健康社區的服務管理、醫生服務質量、系統功能、感知隱私和診療風險等對用戶的非持續使用行為影響較大;感知情感支持（ZC2）、感知陪伴支持（ZC3）的得分均值是最低的，說明用戶在社區內感知的情感支持和陪伴支持對用戶的非持續使用行為影響程度較小一些。

此外，由表8可知，調查對象在4個公因子上的得分均值大小為感知風險>服務質量與成本>系統與信息質量>感知社會支持，因此可以認為4個公因子對在線健康社區用戶非持續使用行為的影響程度大小依次為：感知風險、服務質量與成本、系統與信息質量、感知社會支持，說明用戶的非持續使用行為受在線健康社區中的感知風險情況以及服務質量和成本的影響較大。

4 在線健康社區用戶非持續使用行為應對策略

4.1 減少用戶對社區隱私風險和診療風險的擔憂

基于上文的分析可知，感知風險對在線健康社區用戶非持續使用行為的影響程度最大，因此，為了保留更多的用戶持續使用在線健康社區，采取相應的策略降低用戶對在線健康社區的隱私風險和診療風險的擔憂是非常重要的。

首先，在線健康社區應嚴格遵守隱私保護相關法律法規，增強社會責任感;應將本社區的隱私條款透明化，讓用戶了解自己的信息會被用在哪些地方、會受到何種程度的保護;此外，縱觀現在大多數軟件的隱私條款基本上都是一大段文字，用戶仔細閱讀和了解的可能性很小，會因不了解軟件的隱私保護條款而產生更高的感知隱私風險程度，因此社區應當將隱私條款以簡單、新穎的方式向用戶推送，如動畫、圖片等形式，讓用戶更有可能去閱讀和了解社區的隱私保護措施，以減輕用戶感知隱私風險的程度。

其次，社區應當為用戶提供隱私申訴渠道與申訴相關信息，當用戶的隱私在社區內受到侵犯時，幫助用戶通過正規渠道有效及時地維權。同時，提升用戶的隱私責任意識，加大對用戶泄露他人隱私的打擊力度，如增加行業征信制度，對曾出現過信用問題的用戶阻止登錄使用在線健康社區等，以此減少社區內用戶泄露他人隱私事件的發生。

最后，社區應更多地邀請具有豐富就診經驗的醫生加入在線健康社區進行線上問診;由于線下問診與線上問診的形式有很大差異，所以應定期舉辦醫生線上問診能力培訓活動，提升醫生線上問診的專業化水平。此外，社區可設立問診結果二次審核團隊，審核團隊由各專業醫生組成，在醫生與用戶線上溝通之后，將診治結果提交給二次審核團隊核驗，審核無誤后再交給用戶，最大化地減少線上誤診情況的出現。另外，應加大對用戶發布的與診治病情、服用藥物等相關的引導性言論的審核力度，以社區公告、私信等方式向用戶推送不要輕信偏方或誤導健康的言論，提升用戶辨別健康信息真偽的能力。

4.2 優化社區服務質量，降低社區服務成本

在線健康社區的服務質量與服務成本也是影響用戶非持續使用行為的非常重要的因素，因此需要采取相應的措施盡可能地優化社區服務質量、降低服務成本。

首先，社區應努力為用戶提供一個綠色、有序的健康信息交流平臺，加強對用戶行為和社區工作人員行為的規范化管理，包括禁止用戶發布盈利性的廣告、違法信息、誤導健康或不文明的言論，禁止社區工作人員向用戶亂收費等;提升客服人員的工作能力和工作效率，雇傭高素質、高水平的客服人員，定期對客服人員進行專業能力培訓，為用戶提供更高效、更及時的服務。

其次，因為線上問診這一形式的特殊性，醫生需要在較短時間內對用戶進行遠程診治，所以對醫生的專業能力和服務水平要求更高。社區需要在提升醫生線上問診專業能力的同時，也應不斷提升醫生的責任心和同理心等，使醫生以更飽滿更熱情的情緒為用戶提供服務;社區還應增加責任機制，在用戶問診之后，由醫生定期回訪，與用戶增加交互頻次;完善社區內現有的醫生評價機制，設置多種評價方式，如文字、圖片、視頻評價以及禮物饋贈評價等，并提升評價功能的易用性，在用戶完成評價之后向用戶回饋積分，積分可抵下次問診或藥品購買費用，以此激勵用戶積極對醫生展開評價，同時對評價較高的醫生給予精神和物質獎勵，提升醫生線上問診工作的積極性。

此外，用戶的非持續使用行為受在線健康社區內醫生的問診費用影響較大。用戶受傳統思想束縛，普遍更愿意為線下問診付出更多的費用，認為線上問診費用較高。社區可以通過增加線上問診醫生名譽、職稱、診治成功案例的宣傳力度，并透明化醫生線下問診費用與線上問診費用，減少用戶對線上問診費用高的感知。同時，社區應致力于線上醫保程序簡單化，使用戶能夠省時省力地報銷線上問診費用。社區還可以增加個性化服務功能，如與醫生視頻問診、在社區內添加好友等功能，提高用戶向其他同類型社區轉換的成本，增強社區用戶的忠誠度。

4.3 提升社區的系統與信息質量

在線健康社區的系統與信息質量也會影響用戶的非持續使用行為。在線健康社區應不斷完善系統質量，并嚴格把控信息質量。社區的技術研發人員應當根據用戶需求來完善系統的質量，提升系統響應速度，為用戶設計和提供更實用、更人性化的功能，以提升用戶在社區內檢索到的信息的精準性;為用戶提供可進行個性化設置的功能菜單，用戶可以根據自己的實際需求，增加常用功能到主頁面，隱藏不常用功能，減輕功能過載對用戶的影響;提升社區內信息的更新速度，使用戶能夠及時接收最新的健康信息，同時，設置社區信息過濾功能，智能化地為用戶剔除掉無用信息，降低社區內信息過載對用戶的影響。

4.4 增強用戶對社區內社會支持的感知

在線健康社區用戶的非持續使用行為也會在一定程度上受到感知社會支持的影響，因此，在線健康社區也應盡可能地不斷優化用戶在社區內進行交流的使用體驗。針對目前用戶更傾向于在微信交流群或QQ交流群里進行交流分享的情況，在線健康社區首先應簡化社區內交流分享的步驟和界面，優化聊天框、消息提醒、文字圖片及語音輸送的使用功能，幫助用戶形成在社區內交流分享的習慣;其次，在社區內培養良好的社區文化和營造用戶互助友善的氛圍，可以利用積分等獎勵措施鼓勵用戶之間相互支持，增強用戶的社區歸屬感。

5 結束語

本研究在對國內外相關文獻進行充分調研的基礎上，結合在線健康社區的自身特征，借鑒信息系統成功模型、感知價值理論、隱私計算理論和社會支持理論，基于主客觀兩方面考慮在線健康社區用戶非持續使用行為的影響因素，主要從系統質量、信息質量、服務質量、感知風險、感知成本、感知社會支持和期望不確認等維度提取在線健康社區用戶非持續使用行為的初始影響因素。在此基礎上形成調查問卷，利用實證調查數據識別和修正影響因素，并在比較分析各因素影響程度之后，得出感知風險、服務質量與成本、系統與信息質量、感知社會支持是在線健康社區用戶非持續使用行為的主要影響因素，在這4個影響因素維度之下，服務管理、醫生服務質量、服務費用、系統功能、感知隱私與診療風險等細分因素對在線健康社區用戶非持續使用行為的影響程度較大。最后，分別從減少風險擔憂、優化服務質量、降低服務成本、提升社區系統與信息質量、增強社會支持等方面提出針對性的應對策略。

本研究的理論貢獻在于將用戶的非持續使用行為作為在線健康社區研究的對象，拓展了已有研究成果主要關注用戶的積極行為的理論視角，分析驗證了在線健康社區用戶非持續使用行為的影響因素。本研究的實踐啟示分為兩個方面：對在線健康社區用戶而言，應正確認識在線健康社區在日常健康信息獲取方面的輔助作用，理性看待在線健康社區上發布的信息質量、服務質量與系統質量;對在線健康社區平臺而言，需要重視調研用戶對在線健康社區的消極使用行為，剖析其非持續使用的潛在原因，提升服務質量，優化服務結構，降低用戶使用風險，增加用戶使用滿意度，幫助在線健康社區非持續使用用戶的理性回歸，保留更多的用戶群體，促進在線健康社區的可持續發展。本研究也存在一些不足之處，問卷回收的調查對象在年齡分布上不太均衡，調查數據主要是基于調查對象的主觀感受填寫的，因此，后續研究將結合采用深度訪談法以及抓取在線健康社區用戶行為、用戶評論反饋數據等，進一步分析影響用戶非持續使用行為的具體因素，以得到更客觀全面的認識。

參考文獻

[1]中國互聯網絡信息中心.第46次中國互聯網絡發展狀況統計報告（全文）（2020-09-29）[R/OL].http：//www.gov.cn/xinwen/2020-09/29/5548176/files/1c6b4a2ae06c4ffc8bccb49da353 495e.pdf，2020-11-11.

[2]張星，吳憂，夏火松，等.基于S-O-R模型的在線健康社區知識共享行為影響因素研究[J].現代情報，2018，38（8）：18-26.

[3]董慶興，周欣，毛鳳華，等.在線健康社區用戶持續使用意愿研究——基于感知價值理論[J].現代情報，2019，39（3）：3-14，156.

[4]王瑜超.在線醫療社區用戶健康隱私信息披露意愿的影響因素研究[J].信息資源管理學報，2018，8（1）：93-103，113.

[5]Zhu P P，Shen J，Xu M.Patients' Willingness to Share Information in Online Patient Communities：Questionnaire Study[J].Journal of Medical Internet Research，2020，22（4）：1-13.

[6]Park K A，Eum S Y，Oh H，et al.Factors Affecting Online Health Community Participation Behavior in Patients with Thyroid Cancer[J].Plos One，2020，15（6）：1-11.

[7]Zhou J J，Liu F，Zhou T T.Exploring the Factors Influencing Consumers to Voluntarily Reward Free Health Service Contributors in Online Health Communities：Empirical Study[J].Journal of Medical Internet Research，2020，22（4）：1-17.

[8]韓曉翠.在線醫療社區不同激勵因素對醫生貢獻行為的影響研究[D].哈爾濱：哈爾濱工業大學，2015.

[9]Jing D，Jin Y，Liu J.The Impact of Monetary Incentives on Physician Prosocial Behavior in Online Medical Consulting Platforms：Evidence from China[J].Journal of Medical Internet Research，2019，21（7）：1-11.

[10]Kuang J，Kuang L，Yan Z.The Impact of Penetration Rate of Online Health Service on Service Quality and Price：Evidence from Online Health Communities[C]//ACM International Conference Proceeding Series，2018：1-5.

[11]徐孝婷，楊夢晴，宋小康.在線健康社區中醫生口碑對患者選擇的影響研究——以好大夫在線為例[J].現代情報，2019，39（8）：20-28，36.

[12]劉箐，吳紅，沈麗寧，等.在線醫療社區中醫生義診行為對患者選擇的影響研究[J].醫學信息學雜志，2019，40（3）：10-16.

[13]Peng L，Wang Y N，Chen J.Consequences of Gift Giving in Online Health Communities on Physician Service Quality：Empirical Text Mining Study[J].Journal of Medical Internet Research，2020，22（7）：e18569.

[14]Chen S Q，Guo X T，Wu T S，et.al.Exploring the Online Doctor-patient Interaction on Patient Satisfaction Based on Text Mining and Empirical Analysis[J].Information Processing & Management，2020，57（5）：1-16.

[15]李君君，王金歌，曹園園.間歇性中輟行為特征的探索性研究——以微博數據為例[J].現代情報，2021，41（1）：60-66.

[16]明均仁，操慧子.移動圖書館用戶的不持續使用行為影響因素研究——以超星移動圖書館為例[J].情報理論與實踐，2021，44（3）：157-163.

[17]孫挺，夏立新.社會化閱讀用戶不持續使用意愿實證研究[J].圖書館論壇，2021，41（5）：60-69.

[18]戴楨.基于移動社交電商平臺的用戶不持續使用行為影響機制及實證研究[D].成都：西南財經大學，2019.

[19]王文琛，張補宏.旅游虛擬社區中用戶倦怠與消極使用行為影響因素研究——以“馬蜂窩”旅游網為例[J].地理與地理信息科學，2020，36（5）：86-94.

[20]劉國亮，張匯川，劉子嘉.移動社交媒體用戶不持續使用意愿研究——整合錯失焦慮與社交媒體倦怠雙重視角[J].情報科學，2020，38（12）：128-133.

[21]程慧平，蘇超，王建亞.社交媒體用戶不持續使用行為模型構建及實證研究[J].情報學報，2020，39（9）：963-978.

[22]Cao X F，Khan A N，Ali A，et al.Consequences of Cyberbullying and Social Overload while Using SNSs：A Study of Users' Discontinuous Usage Behavior in SNSs[J].Information Systems Frontiers，2020，22（6）：1343-1356.

[23]Maier C，Laumer S，Weinert C，et al.The Effects of Technostress and Switching Stress on Discontinued Use of Social Networking Services：A Study of Facebook Use[J].Information Systems Journal，2015，25（3）：275-308.

[24]孫挺，夏立新.社會化閱讀用戶不持續使用意愿實證研究[J].圖書館論壇，2021，41（5）：60-69.

[25]Belknap J K，Ondrusek G，Berg J，et al.Barbiturate Dependence in Mice Effects of Continuous vs Discontinuous Drug Administration[J].Psychopharmacology，1977，51（2）：195-198.

[26]金朝.過載對短視頻社交平臺用戶不持續使用行為的影響研究[D].廣州：華南理工大學，2019.

[27]張琦，鐘承田.感知風險對強關系社交媒體用戶不持續使用意愿的研究[J].中國經貿導刊（中），2020，（11）：168-172.

[28]Huang C K，Chen S H，Tang C P，et al.A Trade-off Dual-factor Model to Investigate Discontinuous Intention of Health App Users：From the Perspective of Information Disclosure[J].Journal of Biomedical Informatics，2019，100：1-47.

[29]DeLone W H，McLean E R.The DeLone and McLean Model of Information Systems Success：A Ten-year Update[J].Journal of Management Information Systems，2003，19（4）：9-30.

[30]Zhang S，Zhao L，Lu Y，et al.Do You Get Tired of Socializing？An Empirical Explanation of Discontinuous Usage Behaviour in Social Network Services[J].Information and Management，2016，53（7）：904-914.

[31]Lee A R，Son S M，Kim K K.Information and Communication Technology Overload and Social Networking Service Fatigue：A Stress Perspective[J].Computers in Human Behavior，2016，55：51-61.

[32]唐天嬌.社會化閱讀平臺用戶不持續使用行為影響因素研究[D].武漢：華中師范大學，2019.

[33]安初瀅.在線健康社區發展狀況及未來展望研究[J].產業創新研究，2020，（14）：32-33.

[34]Atanasova S，Kamin T，Petricˇ G.The Benefits and Challenges of Online Professional-patient Interaction：Comparing Views Between Users and Health Professional Moderators in an Online Health Community[J].Computers in Human Behavior，2018，83：106-118.

[35]DeLone W H，McLean E R.Information Systems Success：The Quest for the Dependent Variable[J].Information System Research，1992，3（1）：60-95.

[36]Wu C H，Kao S C，Chiu H Y.Determinants of Discontinuous Intention of Attention to Mobile Instant Message Services[J].Journal of Retailing and Consumer Services，2019，49：219-230.

[37]游靜，杜娟.“信息繭房”效應下消費者對個性化推薦信息的心理抗拒研究[J].順德職業技術學院學報，2019，17（1）：22-27，35.

[38]Yang H L，Guo X T，Wu T S.Exploring the Influence of the Online Physician Service Delivery Process on Patient Satisfaction[J].Decision Support Systems，2015，78：113-121.

[39]Zhang X，Liu S，Chen X，et al.Health Information Privacy Concerns，Antecedents，and Information Disclosure Intention in Online Health Communities[J].Information & Management，2018，55（4）：482-493.

[40]Adhikari K，Panda R K.Examining the Role of Social Networking Fatigue Toward Discontinuance Intention：The Multigroup Effects of Gender and Age[J].Journal of Internet Commerce，2020，19（2）：125-152.

[41]Bundorf M K，Wagner T H，Singer S J，et al.Who Searches the Internet for Health Information[J].Health Services Research，2006，41（3Pt1）：819-836.

[42]Wu H，Lu N.Service Provision，Pricing，and Patient Satisfaction in Online Health Communities[J].International Journal of Medical Informatics，2018，110：77-89.

[43]Zhao D X，Zhang Q P，Ma F C.Communication That Changes Lives：An Exploratory Research on a Chinese Online Hypertension Community[J].Library Hi Tech，2020，38（4）：883-896.

[44]李夢宇.基于社會支持理論的在線健康社區用戶參與行為研究[D].淮北：淮北師范大學，2020.

[45]齊向華.圖書館電子服務質量評價量表的構建[J].情報理論與實踐，2014，37（11）：98-103，89.

（責任編輯：陳 媛）

收稿日期：2021-07-12

基金項目：河南省高等學校青年骨干教師培養計劃資助項目“高校圖書館情景敏感移動服務用戶采納行為及服務優化研究”（項目編號：2019GGJS010）;鄭州大學人文社會科學優秀青年科研團隊培育計劃項目“用戶參與的網絡知識服務研究”（項目編號：2020-QNTD-09）。

作者簡介：袁靜（1982-），女，副教授，博士，碩士生導師，研究方向：用戶行為與信息服務。郭玲玉（1996-），女，碩士研究生，研究方向：信息用戶與信息服務。