許峰 李帥帥

[摘 要]在移動(dòng)互聯(lián)網(wǎng)背景下，旅游移動(dòng)APP潛在商業(yè)價(jià)值巨大，相關(guān)企業(yè)為推廣APP應(yīng)用投入巨大。然而，旅游移動(dòng)APP的用戶是否會(huì)受到“強(qiáng)推”式營銷策略的影響從而產(chǎn)生持續(xù)吸引力并構(gòu)建顧客忠誠度呢？文章在已有成熟理論的基礎(chǔ)上，引入了使用經(jīng)驗(yàn)、傳染性、自我效能3個(gè)變量，構(gòu)建了有調(diào)節(jié)的中介檢驗(yàn)?zāi)Ｐ?。?shí)證結(jié)果顯示：旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)對(duì)使用行為的直接效應(yīng)與中介效應(yīng)均顯著，表明其只是部分通過中介變量作用于使用行為；傳染性因素正向影響旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)與使用行為，雖分享價(jià)值已被利用，但離充分發(fā)揮移動(dòng)客戶端營銷爆炸性傳播力量仍有距離；使用經(jīng)驗(yàn)對(duì)態(tài)度與使用意向之間關(guān)系以及使用意向與使用行為之間關(guān)系的調(diào)節(jié)效應(yīng)不顯著，自我效能對(duì)旅游移動(dòng)APP用戶態(tài)度與使用意向之間關(guān)系的調(diào)節(jié)效應(yīng)顯著，而對(duì)使用意向與使用行為之間關(guān)系的調(diào)節(jié)效應(yīng)不顯著，旅游移動(dòng)APP的內(nèi)容與形式亟待完善?，F(xiàn)有補(bǔ)貼、返利、首單立減等營銷手段，可短時(shí)間引爆市場(chǎng)卻尚不能夠真正“俘獲”用戶，如何激發(fā)并培育用戶的忠誠度仍需探索新的策略。

[關(guān)鍵詞]旅游移動(dòng)APP；有調(diào)節(jié)的中介；檢驗(yàn)?zāi)Ｐ?/p>

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2016）08-0052-09

Doi： 10.3969/j.issn.1002-5006.2016.08.010

引言

移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展是當(dāng)今社會(huì)進(jìn)入“互聯(lián)網(wǎng)+”時(shí)代的標(biāo)志之一。在這一新時(shí)代下，電商企業(yè)的營銷邏輯與傳統(tǒng)方式有著較大差異。為了“俘獲”用戶，電商企業(yè)付出了巨額代價(jià)，這一現(xiàn)象在旅游移動(dòng)APP1的推廣方面更加明顯。眾多電商企業(yè)推出補(bǔ)貼、返利、首單立減等營銷手段，以吸引用戶從早期的網(wǎng)絡(luò)端轉(zhuǎn)移到更加敏捷的移動(dòng)端，從而獲得更多的忠誠用戶。然而，這些APP能否持續(xù)吸引用戶？使用經(jīng)驗(yàn)較多的用戶是否更加忠誠？不同自我效能的用戶其使用行為是否存在差異？移動(dòng)互聯(lián)網(wǎng)時(shí)代的分享價(jià)值是否被充分利用？這些問題都有待研究與檢驗(yàn)。

已有許多學(xué)者對(duì)創(chuàng)新性產(chǎn)品的用戶使用行為進(jìn)行了研究，如理性行為理論（theory of reasoned action，TRA）[1]、計(jì)劃行為理論（theory of planned behavior，TPB）[2]、技術(shù)接受理論（technology acceptance model，TAM）[3]、創(chuàng)新擴(kuò)散理論（innovation diffusion theory，IDT）[4]等，并提出了成熟的研究模式。而旅游移動(dòng)APP正是移動(dòng)互聯(lián)網(wǎng)時(shí)代典型的創(chuàng)新性產(chǎn)品之一，為用戶提供的是超過普通APP的多元化、一站式的長價(jià)值鏈服務(wù)，其價(jià)值性更強(qiáng)，省時(shí)性、省錢性、便利性的特點(diǎn)更為突出。因此在移動(dòng)互聯(lián)網(wǎng)背景下，其用戶使用行為的許多方面都非常具有研究?jī)r(jià)值。本文在上述成熟理論模型的基礎(chǔ)上，與移動(dòng)互聯(lián)網(wǎng)背景相結(jié)合進(jìn)行創(chuàng)新性探索性研究，引入了使用經(jīng)驗(yàn)、傳染性、自我效能3個(gè)變量，構(gòu)建了有調(diào)節(jié)的中介檢驗(yàn)?zāi)Ｐ停ㄟ^實(shí)證數(shù)據(jù)對(duì)相關(guān)假設(shè)進(jìn)行檢驗(yàn)，以期對(duì)其營銷效能做出判斷并對(duì)旅游移動(dòng)APP的健康有序發(fā)展有所裨益。

1 文獻(xiàn)綜述與研究假設(shè)

1.1 感知優(yōu)勢(shì)與態(tài)度-意向-行為模型

感知優(yōu)勢(shì)（perceived advantage）是用戶選擇使用旅游移動(dòng)APP的重要原因。Davis于1989年提出的TAM模型中將感知優(yōu)勢(shì)分為感知有用性與感知易用性兩方面，并且認(rèn)為行為意圖主要受感知有用性影響。后續(xù)一些學(xué)者將感知優(yōu)勢(shì)視為單獨(dú)構(gòu)面，認(rèn)為構(gòu)面具有內(nèi)部一致性[5-6]。然而，有學(xué)者指出對(duì)于創(chuàng)新性產(chǎn)品來說，感知優(yōu)勢(shì)應(yīng)包括其與傳統(tǒng)產(chǎn)品的比較優(yōu)勢(shì)[7-8]，并將創(chuàng)新性產(chǎn)品的感知優(yōu)勢(shì)細(xì)分為省時(shí)性（time saving）、省錢性（money saving）、便利性（convenience）、產(chǎn)品多樣性（product variety）等。對(duì)于旅游移動(dòng)APP來說，其所擁有的比較優(yōu)勢(shì)是“俘獲”用戶的關(guān)鍵。因此，本文選取省時(shí)性、省錢性、便利性作為用戶對(duì)旅游移動(dòng)APP感知優(yōu)勢(shì)的3個(gè)維度。雖然態(tài)度-意向-行為模型是在TRA、TPB、TAM等理論模型中充分驗(yàn)證過的成熟理論，但在移動(dòng)互聯(lián)網(wǎng)背景下，由于互聯(lián)網(wǎng)公司獨(dú)特的營銷手段對(duì)用戶消費(fèi)行為的刺激性極強(qiáng)，某一互聯(lián)網(wǎng)產(chǎn)品或服務(wù)自身獨(dú)特的優(yōu)勢(shì)足以“綁架”用戶的使用行為。在這種情況下，態(tài)度-意向-行為模型是否仍然成立呢？因此，本文假設(shè)如下：

H1a：旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)直接正向影響用戶使用行為

H1b：旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)通過態(tài)度、使用意向的中介作用正向影響用戶使用行為

1.2 傳染性

傳染性（communicability）是行為人周圍的環(huán)境因素對(duì)其行為產(chǎn)生的影響。Fishbein等認(rèn)為社會(huì)群體壓力會(huì)影響個(gè)體的行為表現(xiàn)，個(gè)體往往會(huì)由于感知到社會(huì)壓力的存在而表現(xiàn)出與他人期望相一致的行為[9]，這種觀點(diǎn)得到了大量實(shí)證研究的驗(yàn)證[10-11]。然而，周邊的群體壓力等傳染性因素會(huì)促進(jìn)用戶對(duì)旅游移動(dòng)APP等互聯(lián)網(wǎng)創(chuàng)新產(chǎn)品的優(yōu)勢(shì)感知么？因此，本文假設(shè)如下：

H2a：傳染性因素正向影響旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)

H2b：傳染性因素正向影響旅游移動(dòng)APP用戶的使用行為

1.3 使用經(jīng)驗(yàn)

經(jīng)驗(yàn)（experience）是一個(gè)多維度的概念。通過文獻(xiàn)回顧發(fā)現(xiàn)，為了研究方便，許多學(xué)者用行為次數(shù)來代替經(jīng)驗(yàn)[12-15]。由此可見，行為次數(shù)可以在較大程度上代表經(jīng)驗(yàn)的觀點(diǎn)被大多數(shù)學(xué)者所接受。因此，筆者選取用戶使用旅游移動(dòng)APP的次數(shù)來代表用戶的使用經(jīng)驗(yàn)。不同的使用經(jīng)驗(yàn)可能會(huì)對(duì)態(tài)度與使用意向以及使用意向與使用行為的關(guān)系產(chǎn)生正向調(diào)節(jié)作用，這也正是互聯(lián)網(wǎng)企業(yè)采取首單立減、滿減等營銷策略的原因。如果用戶的忠誠度隨著使用經(jīng)驗(yàn)的增加有所提高，那么使用意向與使用行為之間的關(guān)系應(yīng)該受到使用經(jīng)驗(yàn)的正向調(diào)節(jié)作用。因此，本文假設(shè)如下：

H3a：使用經(jīng)驗(yàn)正向調(diào)節(jié)旅游移動(dòng)APP用戶態(tài)度與使用意向之間的關(guān)系

H3b：使用經(jīng)驗(yàn)正向調(diào)節(jié)旅游移動(dòng)APP用戶使用意向與使用行為之間的關(guān)系

1.4 自我效能

自我效能（self-efficacy）是個(gè)體在自我認(rèn)識(shí)的基礎(chǔ)上對(duì)自己能力的預(yù)期。自我效能是行為學(xué)學(xué)者著重關(guān)注的一個(gè)概念，自我效能不同的個(gè)體，其最終的行為表現(xiàn)往往也會(huì)有所區(qū)別[16-18]。目前來看，幾乎所有旅游移動(dòng)APP均為單一的標(biāo)準(zhǔn)化版本，并沒有根據(jù)用戶實(shí)際條件與需求情況，量身打造合適的版本。這種情況是否會(huì)對(duì)用戶的使用意向等產(chǎn)生影響呢？因此，本文假設(shè)如下：

H4a：自我效能正向調(diào)節(jié)旅游移動(dòng)APP用戶態(tài)度與使用意向之間的關(guān)系

H4b：自我效能正向調(diào)節(jié)旅游移動(dòng)APP用戶使用意向與使用行為之間的關(guān)系

據(jù)上，本文研究框架見圖1。

2 研究設(shè)計(jì)

2.1 研究樣本

筆者在2014年9月15日—11月23日，選擇濟(jì)南的趵突泉、千佛山、動(dòng)物園、恒隆廣場(chǎng)、魯菜館等共計(jì)20個(gè)數(shù)據(jù)采集地點(diǎn)，在每個(gè)地點(diǎn)的APP取票處隨機(jī)發(fā)放25份問卷，總共發(fā)放500份問卷，收回問卷407份，回收率為81.4%，剔除回答不完整問卷后最終得到有效問卷336份，問卷有效回收率為67.2%。Bentler和Chow提出樣本數(shù)應(yīng)為觀察變量的10倍以上[19]，Loehlin認(rèn)為要得到穩(wěn)定的結(jié)果，樣本數(shù)應(yīng)該大于200[20]，因此，本文所收集到的問卷數(shù)量滿足研究需要。在樣本構(gòu)成中，性別方面，男性占46.1%，女性占53.9%；學(xué)歷方面，本科以下占40.4%，本科占37%，碩士及以上占22.6%；年齡方面，18～30歲的年輕用戶居多，占75.6%，其他年齡段占24.4%；收入方面，3000元以下占31.5%，3000～5000元占49.1%，其他收入水平占19.4%；職業(yè)方面，學(xué)生占27.7%，私企員工占22.9%，其他占49.4%。

2.2 變量測(cè)量

本文所使用的問卷題項(xiàng)均來自知名學(xué)者多次使用的成熟量表，問卷采用Likert的五級(jí)量表，并根據(jù)實(shí)際需要對(duì)題目?jī)?nèi)容進(jìn)行了修改。在問卷發(fā)放之前，筆者咨詢了相關(guān)領(lǐng)域的專家，并進(jìn)行了小規(guī)模的問卷預(yù)調(diào)研，據(jù)此對(duì)問卷的部分內(nèi)容進(jìn)行了修正，然后在專家審閱通過后確定最終問卷。因此，問卷的內(nèi)容效度較好。問卷的具體構(gòu)成如下：

感知優(yōu)勢(shì)包括3個(gè)維度，其中測(cè)量省時(shí)性的量表根據(jù)Davis [3]、Limayem等[21]和Cho [22]的量表改編；測(cè)量省錢性的量表根據(jù)Limayem等[21]、Kim等[23]以及Li和Buhalis[24]的量表改編；測(cè)量便利性的量表根據(jù)Verhoef和Langerak[25]和Limayem等[21]的量表改編。測(cè)量態(tài)度的量表根據(jù)Ajzen和Fishbein[26]的量表改編。測(cè)量使用意向的量表根據(jù)Grewal等[27]、Teo和Yeong[28]、Bigné等[29]的量表改編。測(cè)量使用行為的量表根據(jù)Kijsanayotin等[30]的量表改編。測(cè)量傳染性的量表根據(jù)Li和Buhalis[24]、Morrison等[31]的量表改編。測(cè)量自我效能的量表根據(jù)Vijayasarathy[32]的量表和一般自我效能感量表改編。

3 數(shù)據(jù)分析和結(jié)果

3.1 探索性因子分析

本文的問卷題項(xiàng)均來自國外成熟量表，并且小規(guī)模預(yù)調(diào)研的數(shù)據(jù)顯示效果良好。然而，是否會(huì)出現(xiàn)“橘生淮南則為橘，生于淮北則為枳”的現(xiàn)象呢？對(duì)此， Kolar和Zabaker[33]建議首先要對(duì)數(shù)據(jù)進(jìn)行探索性因子分析，刪除因子載荷量小于0.6，交叉載荷量大于0.35的題項(xiàng)，Hair等建議此值為0.4[34]。本文按照此方法，利用SPSS19.0進(jìn)行探索性因子分析，剔除不符合上述條件的題目后，最終因子旋轉(zhuǎn)的結(jié)果見表1。分析結(jié)果顯示，KMO=0.936，χ2近似值為6086.352，Sig.=0.000，解釋的總方差為79.861%，表明數(shù)據(jù)適合做因子分析。從表1中可以看出，同一研究構(gòu)面內(nèi)的測(cè)量題項(xiàng)經(jīng)過因子旋轉(zhuǎn)之后均聚到一起，說明量表具有良好的結(jié)構(gòu)效度。

3.2 信度與效度分析

在信度檢驗(yàn)方面，本文采用Cronbachs α系數(shù)來檢驗(yàn)變量的信度，具體數(shù)值見表2。由表2可知，Cronbachs α系數(shù)的值均大于0.8，超過0.7的標(biāo)準(zhǔn)，表明數(shù)據(jù)具有較好的信度。

在效度分析方面，收斂效度和區(qū)分效度是效度檢驗(yàn)中應(yīng)用最廣泛的兩個(gè)檢驗(yàn)項(xiàng)目。

在收斂效度的檢驗(yàn)中，根據(jù)Fornell和Larcker的建議，本文對(duì)標(biāo)準(zhǔn)化載荷量、組合信度、平均方差萃取量等指標(biāo)進(jìn)行檢驗(yàn)[35]。由表2可以看出，標(biāo)準(zhǔn)化載荷量λ均大于0.7，t值均在p<0.001的水平下顯著，符合0.6以上的標(biāo)準(zhǔn)，說明測(cè)量指標(biāo)的信度較高； Hair等認(rèn)為C.R.值的可接受門檻是0.7，而Fornell和Larcker則建議0.6以上即可，本文中C.R.值均大于0.8，符合以上標(biāo)準(zhǔn)，表明構(gòu)面的內(nèi)部一致性較好；Fornell和Larcker認(rèn)為AVE值在0.36～0.5之間是可接受的，而理想狀態(tài)AVE值應(yīng)該大于0.5，表2中的AVE值均大于0.5，表明本文所選取的研究構(gòu)面可以較好地解釋變量的方差。

在區(qū)分效度的檢驗(yàn)中，F(xiàn)ornell和Larcker建議要驗(yàn)證模型具有區(qū)分效度，只需驗(yàn)證潛變量AVE值的均方根大于其與其他潛變量的相關(guān)系數(shù)即可。由表3可知，本文中所有潛變量AVE值的均方根均大于其與其他潛變量的相關(guān)系數(shù)，說明本文所選取潛變量之間的區(qū)分效度效果較好。

3.3 模型的整體擬合度分析

本文借助AMOS17.0對(duì)所建立模型進(jìn)行整體擬合度的檢驗(yàn)，整體模型的擬合情況可根據(jù)絕對(duì)適配度、增值適配度、簡(jiǎn)約適配度三類指標(biāo)判斷。在絕對(duì)適配度指標(biāo)中，χ2/df =1.462、GFI=0.927、AGFI=0.908、RMR=0.037、RMSEA=0.037；在增值適配度指標(biāo)中，CFI=0.982、NFI=0.947、TLI=0.980；在簡(jiǎn)約適配度指標(biāo)中，PNFI=0.820，PCFI=0.851。根據(jù)相關(guān)學(xué)者提出的標(biāo)準(zhǔn)，所有指標(biāo)均在相應(yīng)標(biāo)準(zhǔn)以上，說明整體模型具有良好的適配度。

3.4 假設(shè)1與中介效應(yīng)的檢驗(yàn)

由于感知優(yōu)勢(shì)是相對(duì)于省時(shí)性、省錢性、便利性的二階潛變量，因而在具體分析之前涉及模型選擇的問題。Marsh和Hocevar指出，當(dāng)一階潛變量有3個(gè)時(shí)，二階模型與一階模型是等價(jià)的，而且二階模型是一階模型的簡(jiǎn)化，便于分析潛變量之間的關(guān) 系[36]。經(jīng)驗(yàn)證，一階模型與二階模型的擬合度指標(biāo)完全一致，因此，本文選擇二階模型以便于以下研究的開展。模型的運(yùn)算結(jié)果顯示，感知優(yōu)勢(shì)對(duì)使用行為影響的標(biāo)準(zhǔn)化路徑系數(shù)為0.28（p <0.001），因而H1a成立，即感知優(yōu)勢(shì)對(duì)使用行為具有顯著正向影響。這表明用戶在使用旅游移動(dòng)APP時(shí)，其感知到APP所具有的優(yōu)勢(shì)將直接刺激其后續(xù)的使用行為。

當(dāng)H1a成立時(shí)，感知優(yōu)勢(shì)-態(tài)度-使用意向-使用行為這一路徑仍然顯著嗎？對(duì)此，接下來將檢驗(yàn)中介效應(yīng)。在中介效應(yīng)的檢驗(yàn)中，最常見的是Baron和Kenny在1986年提出的逐步檢驗(yàn)法[37]，該方法具有易于理解和操作簡(jiǎn)便的優(yōu)點(diǎn)。但一些學(xué)者通過模擬研究發(fā)現(xiàn)，較之其他方法，逐步回歸法的統(tǒng)計(jì)效果最差而且無法檢驗(yàn)中介效果的顯著性[38-39]。Sobel在1982年與1986年先后提出了Sobel Test法來彌補(bǔ)逐步回歸法的不足[40-41]，但是Sobel Test法的正態(tài)分布等假設(shè)條件很難滿足，其估計(jì)結(jié)果往往是有偏的[42-43]。由于Bootstrapping法無需正態(tài)分布等假設(shè)條件，相關(guān)學(xué)者通過模擬發(fā)現(xiàn)其較之其他方法具有最強(qiáng)的統(tǒng)計(jì)效果[44-45]，因此，Hayes建議采用Bootstrapping法[46]。使用Bootstrapping法進(jìn)行中介效應(yīng)的檢驗(yàn)結(jié)果如表4所示，總效應(yīng)、間接效應(yīng)、直接效應(yīng)的Z值均大于1.96，表明利用系數(shù)乘積法來估計(jì)三種效應(yīng)均顯著；在Bootstrapping中三種效應(yīng)的Bias-corrected法與Percentile法中的取值區(qū)間均不包括0，表明三種效應(yīng)均顯著，因而H1b成立。綜上所述，模型中的直接效應(yīng)、間接效應(yīng)均顯著，即感知優(yōu)勢(shì)對(duì)使用行為的直接效應(yīng)顯著，感知優(yōu)勢(shì)通過態(tài)度、使用意向的中介作用對(duì)使用行為的間接效應(yīng)也顯著。

3.5 傳染性的影響檢驗(yàn)

傳染性對(duì)感知優(yōu)勢(shì)影響的標(biāo)準(zhǔn)化路徑系數(shù)為0.46（p<0.001），因而H2a成立，即傳染性對(duì)旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)具有顯著正向影響。傳染性對(duì)使用行為影響的標(biāo)準(zhǔn)化路徑系數(shù)為0.21（p<0.001），因而H2b成立，即傳染性對(duì)旅游移動(dòng)APP用戶的使用行為產(chǎn)生顯著正向影響。這表明周邊人群的使用行為等傳染性因素，不僅會(huì)促進(jìn)用戶做出使用旅游移動(dòng)APP的決策行為，還會(huì)提升用戶對(duì)旅游移動(dòng)APP所具有優(yōu)勢(shì)的感知程度。

3.6 使用經(jīng)驗(yàn)的調(diào)節(jié)效應(yīng)檢驗(yàn)

為了檢驗(yàn)用戶使用經(jīng)驗(yàn)對(duì)模型中變量之間關(guān)系的調(diào)節(jié)作用，筆者根據(jù)Edwards和Lambert的建議，將樣本進(jìn)行分類，進(jìn)而比較低使用經(jīng)驗(yàn)組與高使用經(jīng)驗(yàn)組樣本下，態(tài)度與使用意向以及使用意向與使用行為之間路徑系數(shù)的差異[47]。根據(jù)運(yùn)算結(jié)果，態(tài)度與使用意向之間路徑系數(shù)差異的p值為0.286，大于0.05，表明使用經(jīng)驗(yàn)對(duì)態(tài)度與使用意向之間關(guān)系的調(diào)節(jié)作用不顯著；使用意向與使用行為之間路徑系數(shù)差異的p值為0.418，大于0.05，表明使用經(jīng)驗(yàn)對(duì)使用意向與使用行為之間關(guān)系的調(diào)節(jié)作用不顯著。因此，樣本數(shù)據(jù)分析結(jié)果不支持H3a與H3b。這表明用戶使用旅游移動(dòng)APP經(jīng)驗(yàn)的增加，并未造成態(tài)度與使用意向以及使用意向與使用行為之間關(guān)系的顯著變化。

3.7 自我效能的調(diào)節(jié)效應(yīng)檢驗(yàn)

本文中的另一調(diào)節(jié)變量自我效能是潛變量，但由于運(yùn)算操作上比較復(fù)雜等原因，潛變量作為調(diào)節(jié)變量的研究相對(duì)較少。Kenny和Judd在1984年最早提出使用帶乘積項(xiàng)的結(jié)構(gòu)方程來分析調(diào)節(jié)變量為潛變量時(shí)的調(diào)節(jié)效應(yīng)[48]，Ping在1995年與1996年先后提出了潛變量調(diào)節(jié)效應(yīng)分析的單一指標(biāo)法與多重指標(biāo)法[49-50]。本文采用單一指標(biāo)法進(jìn)行分析，即通過自變量與調(diào)節(jié)變量構(gòu)造出單一指標(biāo)潛變量，將運(yùn)算出的λ與θ值賦予這一潛變量1，通過驗(yàn)證這一潛變量與因變量之間路徑系數(shù)的顯著性，得出潛變量調(diào)節(jié)效應(yīng)的顯著性。利用上述方法構(gòu)造出新的潛變量，經(jīng)過運(yùn)算得出，態(tài)度與自我效能構(gòu)造出的潛變量與使用意向之間的標(biāo)準(zhǔn)化路徑系數(shù)為0.1，p=0.008，調(diào)節(jié)效應(yīng)顯著；使用意向與自我效能構(gòu)造出的潛變量與使用行為之間的標(biāo)準(zhǔn)化路徑系數(shù)為0.02，p=0.715，調(diào)節(jié)效應(yīng)不顯著。因此，樣本分析結(jié)果支持H4a而不支持H4b。這表明，自我效能對(duì)態(tài)度與使用意向之間關(guān)系的調(diào)節(jié)作用顯著，而對(duì)使用意向與使用行為之間關(guān)系的調(diào)節(jié)作用不顯著。

綜上，本文的最終假設(shè)檢驗(yàn)結(jié)果如圖2所示。

4 結(jié)論與討論

本文引入了傳染性、使用經(jīng)驗(yàn)、自我效能3個(gè)變量，構(gòu)建了一個(gè)有調(diào)節(jié)的中介檢驗(yàn)?zāi)Ｐ?，通過問卷數(shù)據(jù)的實(shí)證分析，最終得出以下結(jié)論：（1）旅游移動(dòng)APP用戶的感知優(yōu)勢(shì)會(huì)直接促進(jìn)最終的使用行為，這也為近期相關(guān)企業(yè)實(shí)施瘋狂“強(qiáng)推”營銷的效果提供了數(shù)據(jù)佐證，說明旅游移動(dòng)APP本身的省錢性等優(yōu)勢(shì)可以直接吸引用戶使用。然而，這種“粗獷”式的策略盡管可以帶來大量用戶，但用戶“粘性”往往會(huì)不足。數(shù)據(jù)顯示，感知優(yōu)勢(shì)只是部分通過中介變量作用于使用行為，這也體現(xiàn)出用戶忠誠度不夠的問題。未來針對(duì)這一問題，筆者將通過實(shí)證數(shù)據(jù)進(jìn)一步深入探討。（2）群體壓力等傳染性因素不僅可以對(duì)旅游移動(dòng)APP用戶的使用行為產(chǎn)生促進(jìn)作用，還可以讓用戶更好地感知APP所具有的優(yōu)勢(shì)，這正是移動(dòng)互聯(lián)網(wǎng)時(shí)代分享行為極具價(jià)值性的體現(xiàn)。例如，微信等移動(dòng)社交軟件已經(jīng)成為許多人生活中必要的交流工具之一，旅游移動(dòng)APP如何有效地通過這些軟件來提高分享價(jià)值，是值得相關(guān)企業(yè)深思的問題。（3）旅游移動(dòng)APP用戶使用經(jīng)驗(yàn)的增加，并沒有對(duì)態(tài)度、使用意向、使用行為的關(guān)系產(chǎn)生顯著的調(diào)節(jié)作用。這恰恰說明相關(guān)企業(yè)“粗獷”式營銷策略的不足，雖然用戶的使用次數(shù)在增加，但并沒有帶來用戶使用意向等方面發(fā)生顯著轉(zhuǎn)變。因此，單純的價(jià)格戰(zhàn)等營銷策略很難帶來忠誠的用戶，相關(guān)企業(yè)應(yīng)該尋求有效的新策略。（4）自我效能對(duì)態(tài)度與使用意向之間的關(guān)系產(chǎn)生顯著性調(diào)節(jié)作用，但對(duì)使用意向與使用行為之間關(guān)系的調(diào)節(jié)作用不顯著。這說明不同自我效能的用戶對(duì)待旅游移動(dòng)APP的態(tài)度及使用意向并不相同，高自我效能感的用戶使用意向較高，而低自我效能感的用戶使用意向較低。一些用戶做出使用決策可能只是被相關(guān)企業(yè)誘人的營銷策略所吸引，這也是自我效能對(duì)使用意向與使用行為之間關(guān)系的調(diào)節(jié)效應(yīng)不顯著的原因。相關(guān)企業(yè)要想真正維持自我效能較低群體的忠誠度，還需根據(jù)這類群體的實(shí)際需求，采取提供差異化的APP版本等精準(zhǔn)營銷策略。

5 創(chuàng)新與展望

本文的創(chuàng)新之處主要有以下兩個(gè)方面：（1）將傳染性、使用經(jīng)驗(yàn)、自我效能引入旅游移動(dòng)APP用戶使用行為的研究之中，構(gòu)建了一個(gè)有調(diào)節(jié)的中介檢驗(yàn)?zāi)Ｐ停@是現(xiàn)有成熟理論模型與移動(dòng)互聯(lián)網(wǎng)背景相結(jié)合所進(jìn)行的探索性研究。（2）在中介效應(yīng)的檢驗(yàn)中使用了最新的Bootstrapping法，同時(shí)，在研究自我效能的調(diào)節(jié)作用時(shí)涉及潛變量調(diào)節(jié)效應(yīng)的檢驗(yàn)。這些方法在國外發(fā)展得已經(jīng)比較成熟，國內(nèi)的相關(guān)旅游研究還有待跟進(jìn)。研究結(jié)論表明，對(duì)于旅游移動(dòng)APP的用戶來說，首單立減等營銷手段，并不能真正“俘獲”用戶，如何保持這些用戶的忠誠度仍需探索新的策略。未來，筆者將通過調(diào)查問卷對(duì)旅游移動(dòng)APP用戶的忠誠度等方面進(jìn)行實(shí)證研究，為相關(guān)企業(yè)的營銷策略優(yōu)化提供進(jìn)一步的實(shí)證 支撐。

參考文獻(xiàn)（References）

[1] Fishbein M， Ajzen I. Belief， Attitude， Intention and Behavior： An Introduction to Theory and Research[M]. Reading， MA： Addison-Wesley， 1975： 335-383.

[2] Ajzen， I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes， 1991， 50（2）： 179-211.

[3] Davis F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. QIS Quarterly， 1989， 13（3）： 319-340.

[4] Rogers E M. Diffusion of Innovations （4th ed.）[M]. New York， NY： The Free Press， 1995： 79-85.

[5] Wu J H， Wang S C. What drives mobile commerce？ An empirical evaluation of the revised technology acceptance model[J]. Information & Management， 2005， 42（5）： 719-729.

[6] Lee Y， Kozar K A. An empirical investigation of anti-spyware software adoption： A multitheoretical perspective[J]. Information & Management， 2008， 45（2）： 109-119.

[7] Shin D H. MVNO services： Policy implications for promoting MVNO diffusion[J]. Telecommunications Policy， 2010， 34（10）： 616-632.

[8] Suzanne A， Paulo D. An integrative model of consumers intentions to purchase travel online[J]. Tourism Management， 2015， 46： 64-79.

[9] Ajzen I. From Intentions to Actions： A theory of planned behavior[A]. // Kuhl J， Beckman J. Action-control： From Cognition to Behavior[C]. Heidelberg， Germany： Springer， 1985： 11-39.

[10] Chen Chunyan. Impact Study of the Buying Herd Behavior Online of the Students in Vocational Colleges Caused by the Social Networking Sites[D]. Chongqing： Southwest University， 2012. [陳春燕. 社交網(wǎng)站對(duì)高職院校學(xué)生網(wǎng)絡(luò)團(tuán)購從眾行為的影響研究[D]. 重慶： 西南大學(xué)， 2012.]

[11] Cheng Zhiyu， Wang Chaohui. Research on consumer resource-saving brand innovation from customer value perspective[J]. Academic Exchange， 2013， （4）： 94-97. [程志宇，王朝暉. 顧客價(jià)值視角下消費(fèi)者資源節(jié)約型品牌創(chuàng)新研究[J]. 學(xué)術(shù)交流， 2013，（4）： 94-97.]

[12] Heung V， Qu H， Chu R. The relationship between vacation factors and socio-demographic and traveling characteristics： The case of Japanese leisure travelers[J]. Tourism Management， 2001， 22（3）： 259-269.

[13] Baloglu S. Image variations of Turkey by familiarity index： Informational and experiential dimensions[J]. Tourism Management， 2001， 22（2）： 127-133.

[14] Huang S S， Hsu C H C. Effects of travel motivation， past experience， perceived constraint， and attitude on revisit intention[J]. Journal of Travel Research， 2009， 48（1）： 29-44.

[15] Lv Xingyang， Xu Hong， Liu Yuqing. An empirical study of the impact of tourists power on their satisfaction： Mediating effect of perceived control and moderating effect of consumption experience[J]. Tourism Science， 2014， 28（5）： 41-53.[呂興洋，徐虹，劉宇青. 旅游者權(quán)力對(duì)旅游者滿意影響的實(shí)證研究——感知控制的中介作用及消費(fèi)經(jīng)驗(yàn)的調(diào)節(jié)作用[J]. 旅游科學(xué)， 2014， 28（5）： 41-53.]

[16] Pavlou P A， Fygenson M. Understanding and predicting electronic commerce adoption： An extension of the theory of panned behavior[J]. Management Information Systems Quarterly， 2006， 30（1）： 115.

[17] Wendelien V， Hans V， Mieke V H. Transcending the gender dichotomy in educational gender gap research： The association between gender identify and academic self-efficacy[J]. Contemporary Educational Psychology， 2014， 39（4）： 369-378.

[18] Wu Weixing， Shen Tao， Ren Xiaocan. Self-efficacy and investor participation in stock market[J]. The Theory and Practice of Finance and Economics， 2014， 35（1）： 45-51. [吳衛(wèi)星，沈濤，任小璨. 自我效能與股票市場(chǎng)投資者參與[J]. 財(cái)經(jīng)理論與實(shí)踐， 2014， 35（1）： 45-51.]

[19] Bentler P M， Chou C P. Practical issues in structural modeling[J]. Sociological Methods & Research， 1987， 16（1）： 78-117.

[20] Loehlin J C. Latent Variable Models： An Introduction to Factor， Path， and Structural Analysis （the 2nd Edition.）[M]. Hillsdale， NJ： Lawrence Erlbaum Associates， 1992： 40-47.

[21] Limayem M， Khalifa M， Frini A. What makes consumers buy from internet？ A longitudinal study of online shopping[J]. Systems， Man and Cybernetics， 2000， 30（4）： 421-432.

[22] Cho J. Likelihood to abort an online transaction： Influences from cognitive evaluations， attitudes， and behavioral variables[J]. Information & Management， 2004， 41（7）， 827-838.

[23] Kim M J， Chung N， Lee C K. The effect of perceived trust on electronic commerce： Shopping online for tourism products and services in South Korea[J]. Tourism Management， 2011， 32（2）： 256-265.

[24] Li L， Buhalis D. E-Commerce in China： The case of travel[J]. International Journal of Information Management， 2006， 26（2）： 153-166.

[25] Verhoef P C， Langerak F. Possible determinants of consumers adoption of electronic grocery shopping in the Netherlands[J]. Journal of Retailing and Consumer Services， 2001， 8（5）： 275-285.

[26] Ajzen I， Fishbein M. Understanding Attitudes and Predicting Social Behavior[M]. Englewood Cliffs， NJ： Prentice Hall， 1980： 13-27.

[27] Grewal D， Monroe K B， Krishnan R. The effects of price-comparison advertising on buyers perceptions of acquisition value， transaction value， and behavioral intentions[J]. The Journal of Marketing， 1998， 62（2）： 46-59.

[28] Teo T S H， Yeong Y D. Assessing the consumer decision process in the digital marketplace[J]. Omega， 2003， 31（5）： 349-363.

[29] Bigné E， Sanz S， Ruiz C， et al. Why some Internet users dont buy air tickets online[A]// Gretzel U， Law R， Fuchs M. Informationand Communication Technologies in Tourism 2010[C]. New York， NY： Springer-Verlag/Wien， 2010： 209-221.

[30] Kijsanayotin B， Pannarunothai S， Speedie S M. Factors influencing health information technology adoption in Thailands community health centers： Applying the UTAUT model[J]. International Journal of Medical Informatics， 2009， 78（6）： 404-416.

[31] Morrison A M， Jing S， OLeary J T， et al. Predicting usage of the Internet for travel bookings： An exploratory study[J]. Information Technology & Tourism， 2001， 4（1）： 15-30.

[32] Vijayasarathy L R. Predicting consumer intentions to use on-line shopping： The case for an augmented technology acceptance model [J]. Information & Management， 2004， 41（6）： 747-762.

[33] Kolar T， Zabkar V. A consumer-based model of authenticity： An oxymoron or the foundation of cultural heritage marketing？ [J]. Tourism Management， 2010， 31（5）： 652-664.

[34] Hair J， Anderson R， Tatham R， et al. Multivariate Data Analysis （the 5th ed.）[M]. Upper Saddle River， NJ： Prentice Hall， 1998： 677-679.

[35] Fornell C， Larcker D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research， 1981， 18（1）： 39-50.

[36] Marsh H W， Hocevar D. Application of confirmatory factor analysis to the study of self-concept： First and higher order factor models and their invariance across groups[J]. Psychological Bulletin， 1985， 97（3）： 562-582.

[37] Baron R M， Kenny D A. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations[J]. Journal of Personality and Social Psychology， 1986， 51（6）： 1173-1182.

[38] MacKinnon D P， Lockwood C M， Hoffman J M， et al. A comparison of methods to test mediation and other intervening variable effects[J]. Psychological Methods， 2002， 7（1）： 83-104.

[39] Fritz M S， MacKinnon D P. Required sample size to detect the mediated effect[J]. Psychological Science， 2007， 18（3）： 233-239.

[40] Sobel M E. Asymptotic confidence intervals for indirect effects in structural equation models[J]. Sociological Methodology， 1982， 13： 290-312.

[41] Sobel M E. Some new results on indirect effects and their standard errors in covariance structure models[J]. Sociological Methodology， 1986， 16： 159-186.

[42] Bollen K A， Stine R. Direct and indirect effects： Classical and bootstrap estimates of variability[J]. Sociological Methodology， 1990， 20（1）： 115-140.

[43] Stone C A， Sobel M E. The robustness of estimates of total indirect effects in covariance structure models estimated by maximum[J]. Psychometrika， 1990， 55（2）： 337-352.

[44] Cheung G W， Lau R S. Testing mediation and suppression effects of latent variables[J]. Organizational Research Methods， 2008， 11： 296-325.

[45] MacKinnon D P. Introduction to Statistical Mediation Analysis[M]. Mahwah， NJ： Lawrence Erlbaum Associates， 2008： 173-192.

[46] Hayes A F. Beyond Baron and Kenny： Statistical mediation analysis in the new millennium[J]. Communication Monographs， 2009， 76（4）： 408-420.

[47] Edwards J R， Lambert L S. Methods for integrating moderation and mediation： A general analytical framework using moderated path analysis[J]. Psychological Methods， 2007， 12（1）： 1-22.

[48] Kenny D A， Judd C M. Estimating the nonlinear and interactive effects of latent variables[J]. Psychological Bulletin， 1984， 96（1）： 201-210.

[49] Ping Jr R A. A parsimonious estimating technique for interaction and quadratic latent variables[J]. Journal of Marketing Research， 1995， 32（4）： 336-347.

[50] Ping Jr R A. Latent variable interaction and quadratic effect estimation： A two-step technique using structural equation analysis[J]. Psychological Bulletin， 1996， 119（1）： 166-175.