梁昌裔 楊金鑫 邵帥 鄭一曉
(中國(guó)政法大學(xué) 北京 100091)
招聘是傳統(tǒng)人力資源管理六大模塊之一,移動(dòng)互聯(lián)網(wǎng)的發(fā)展催生出App線上招聘的新模式,即在手機(jī)端的App上,用人單位采用線上招聘,求職者進(jìn)行線上求職。根據(jù)手機(jī)用戶使用App的頻數(shù),通常可將手機(jī)用戶的行為分為App的初次使用和App的持續(xù)使用兩個(gè)階段。因此,探究大學(xué)生群體對(duì)求職App的持續(xù)性使用意愿關(guān)系到不同求職App的運(yùn)營(yíng)商如何在競(jìng)爭(zhēng)激烈的求職App市場(chǎng)搶占市場(chǎng)份額,并且保持較高的瀏覽量和用戶量,以吸引更多優(yōu)質(zhì)的企業(yè)入駐,形成良性循環(huán)。
本文將在文獻(xiàn)回顧的基礎(chǔ)上提出求職App對(duì)于大學(xué)生用戶群體持續(xù)性使用意愿的研究模型(見圖1)。期望確認(rèn)理論旨在探討市場(chǎng)消費(fèi)者是否愿意多次購(gòu)買某一種產(chǎn)品或服務(wù)。該理論構(gòu)建了消費(fèi)者購(gòu)前期望與購(gòu)后績(jī)效表現(xiàn)的比較,以評(píng)估消費(fèi)的滿意度,并作為下次購(gòu)買或使用時(shí)的參考依據(jù)。新的信息系統(tǒng)持續(xù)使用模型認(rèn)為,用戶群體繼續(xù)使用信息系統(tǒng)的意愿和消費(fèi)者反復(fù)購(gòu)買某一種商品或服務(wù)這一基本邏輯極為相似,它顛覆了傳統(tǒng)的用戶采納研究,該模型的四個(gè)變量為感知有用性、滿意度、期望確認(rèn)程度、持續(xù)使用意愿;信息系統(tǒng)成功模型是解釋關(guān)于企業(yè)投資開發(fā)的某個(gè)信息系統(tǒng)成功與否的評(píng)價(jià)。后來(lái)在原有系統(tǒng)質(zhì)量和信息質(zhì)量的變量基礎(chǔ)上增加服務(wù)質(zhì)量,該研究證明這三個(gè)變量均對(duì)用戶的滿意度產(chǎn)生顯著正向的影響,進(jìn)而對(duì)用戶的持續(xù)使用意愿產(chǎn)生影響。理性行為理論的主觀規(guī)范最早源于社會(huì)心理學(xué)的研究,運(yùn)用于對(duì)人們的某些行為進(jìn)行解釋和預(yù)測(cè)。該理論認(rèn)為主觀規(guī)范是指人在做出某種行為時(shí),受到外界環(huán)境影響而促使其為某種行為的動(dòng)因。因此本文基于上述理論提出H1-H7的假設(shè)并建立結(jié)構(gòu)方程模型(如圖1所示),每條假設(shè)路徑均為正向:
H1:期望確認(rèn)度正向顯著影響大學(xué)生用戶對(duì)求職App的感知有用性;
H2:期望確認(rèn)度正向顯著影響大學(xué)生用戶對(duì)求職App的滿意度;
H3:感知有用性正向顯著影響大學(xué)生用戶對(duì)求職App的滿意度;
H4:感知有用性正向顯著影響大學(xué)生用戶對(duì)求職App的持續(xù)使用意愿;
H5:滿意度正向顯著影響大學(xué)生用戶對(duì)求職App的持續(xù)使用意愿;
H6a:系統(tǒng)質(zhì)量正向顯著影響大學(xué)生用戶對(duì)求職App的滿意度;
做法:準(zhǔn)備好材料,豬肉絞成肉泥,蒜頭切成末,香蔥切成末。加入鹽、胡椒粉、老酒,攪拌均勻后再加入蔥花、蒜末。均勻地裹上生粉。肉丸不需要太大,待油溫七八成熱時(shí)放肉丸,炸至金黃時(shí)撈出,可搭配彩椒或土豆條一起食用。
H6b:服務(wù)質(zhì)量正向顯著影響大學(xué)生用戶對(duì)求職App的滿意度;
H6c:信息質(zhì)量正向顯著影響大學(xué)生用戶對(duì)求職App的滿意度。
本文采用線上問(wèn)卷進(jìn)行數(shù)據(jù)的采集。線上問(wèn)卷采集的手段選擇了問(wèn)卷星在線調(diào)查平臺(tái)上制作和發(fā)布。調(diào)查問(wèn)卷主要分為三個(gè)部分:研究介紹、調(diào)查對(duì)象的人口特征和量表部分。所有的觀測(cè)變量即問(wèn)卷的題項(xiàng)直接或間接參考已有研究的成熟量表,因此可以保證問(wèn)卷題項(xiàng)的科學(xué)性。本研究于2023年多次進(jìn)行了線上問(wèn)卷的發(fā)布和收集。最終本次問(wèn)卷調(diào)查總共回收378份,在對(duì)其中30份不合格問(wèn)卷進(jìn)行篩除后,有效問(wèn)卷共348份,有效問(wèn)卷占回收問(wèn)卷總量的92.06%,有效問(wèn)卷量是問(wèn)卷量表題項(xiàng)之和的10倍以上,滿足問(wèn)卷調(diào)查樣本數(shù)量的要求。
本次有效問(wèn)卷被調(diào)查者的基本情況:性別方面,男性占49.71%、女性占50.29%;教育程度,專科占45.11%、本科占49.14%、研究生占5.75%;每日使用頻率方面,少于一次的占31.61%、1~2次的占20.69%、3~4次的占26.72%、4次以上的占20.98%;在App平臺(tái)選擇方面,占總?cè)藬?shù)比例前三名分別為智聯(lián)招聘、前程無(wú)憂、Boss直聘,該統(tǒng)計(jì)結(jié)果與艾瑞咨詢報(bào)告的2022年中國(guó)網(wǎng)絡(luò)招聘App月總有效使用時(shí)間統(tǒng)計(jì)排名的前三名一致,這在一定程度上反映了本次調(diào)查數(shù)據(jù)具有較好的代表性。
本文首先運(yùn)用SPSS 26.0和SPSSAU統(tǒng)計(jì)平臺(tái)對(duì)測(cè)量模型進(jìn)行信效度檢驗(yàn)。首先,表1中各題項(xiàng)的Cronbach’s α的信度系數(shù)值均達(dá)到0.9,說(shuō)明研究數(shù)據(jù)信度質(zhì)量很高;其次,本次針對(duì)共8個(gè)因子,以及26個(gè)分析項(xiàng)進(jìn)行驗(yàn)證性因子分析(CFA)。從表1可知,針對(duì)測(cè)量關(guān)系來(lái)看:8個(gè)因子對(duì)應(yīng)的平均方差提取量AVE值全部大于0.5,且組合信度CR值全部高于0.7,意味著本次分析數(shù)據(jù)具有良好的聚合(收斂)效度。從表2可見,每個(gè)因子的AVE值平方根均顯著大于該因子與其他因子的相關(guān)系數(shù),說(shuō)明量表具有較好的區(qū)別效度。
表1 各因子標(biāo)準(zhǔn)負(fù)荷、Cronbach’sα、CR和AVE值
本文運(yùn)用AMOS 27.0對(duì)初始理論模型進(jìn)行結(jié)構(gòu)方程模型分析。首先,為保證數(shù)據(jù)與理論模型相符,需要對(duì)模型的擬合度進(jìn)行檢查。根據(jù)結(jié)構(gòu)方程模型擬合標(biāo)準(zhǔn),初始理論模型中的各擬合度:CMIN/DF(卡方值比自由度)=15.244,GFI=0.921,AGFI=0.682,TLI=0.843,CFI=0.950,RMSEA=0.203。在與擬合標(biāo)準(zhǔn)進(jìn)行比較后發(fā)現(xiàn),初始理論模型擬合程度不符合標(biāo)準(zhǔn),因此,有必要做進(jìn)一步修訂?;贏MOS軟件給出的模型修正指標(biāo)(ModificationIndex),遵循每一次只對(duì)一條路進(jìn)行校正,每次修改1條,執(zhí)行1次操作,且增列參數(shù)關(guān)系與結(jié)構(gòu)方程模型假設(shè)不相悖。修正過(guò)程如下:期望確認(rèn)程度與感知有用性的殘差項(xiàng)建立共變關(guān)系,可降低卡方值約63;主觀規(guī)范與滿意度的殘差項(xiàng)建立共變關(guān)系,可降低卡方值約10。經(jīng)過(guò)擬合修正后,最終模型擬合指數(shù)如表3所示。
表3 結(jié)構(gòu)方程模型適配度指數(shù)接受標(biāo)準(zhǔn)和數(shù)據(jù)擬合結(jié)果
模型修正完成后,各項(xiàng)指標(biāo)均符合要求。整個(gè)模型對(duì)大學(xué)生用戶持續(xù)使用意愿的解釋率為67.8%,研究模型總體具有較好的解釋能力。修正模型的標(biāo)準(zhǔn)化相關(guān)系數(shù)如圖2所示,結(jié)果顯示所有假設(shè)路徑均顯著,其中H6a和H6b的顯著性水平小于0.01,其余假設(shè)顯著性水平均小于0.001。
圖2 求職類App大學(xué)生用戶持續(xù)使用意愿影響的模型(標(biāo)準(zhǔn)化系數(shù))
假設(shè)H1~H5均成立,說(shuō)明本文選擇以ECM-ISC模型為基礎(chǔ)提出的5個(gè)假設(shè)均成立。由此證明ECM-ISC模型在以求職App為特定對(duì)象的研究中仍有較強(qiáng)的適用性。由圖2可知,滿意度對(duì)持續(xù)使用意愿的影響最大,用戶對(duì)求職App的使用體驗(yàn)越滿意,其持續(xù)使用意愿越強(qiáng)烈,這與類似的持續(xù)使用意愿研究相一致;假設(shè)H6a、H6b、H6c均成立,表明本文引入的理論框架信息系統(tǒng)成功模型提出的3個(gè)假設(shè)全部成立。說(shuō)明在探討大學(xué)生對(duì)求職App的滿意度問(wèn)題上,信息系統(tǒng)成功模型仍有較強(qiáng)的解釋力度和參考價(jià)值。
由圖2可知,信息質(zhì)量的影響程度最大,系統(tǒng)質(zhì)量次之,服務(wù)質(zhì)量最小。由圖2可以看出,大學(xué)生用戶首先看重的是求職App信息的質(zhì)量:反映出大學(xué)生最渴望獲取到內(nèi)容真實(shí)且具有時(shí)效性的招聘信息。同時(shí),系統(tǒng)質(zhì)量對(duì)大學(xué)生用戶的滿意度也起著影響作用:App系統(tǒng)是否穩(wěn)定、操作界面是否符合用戶習(xí)慣、個(gè)人數(shù)據(jù)是否安全等,在很大程度上決定了用戶的體驗(yàn)感。此外,服務(wù)質(zhì)量也對(duì)滿意度有影響作用:豐富的應(yīng)用可以滿足用戶不同的使用需求、及時(shí)的提醒服務(wù)提升用戶對(duì)于相關(guān)信息的獲取效率、有效的求職指引可以為用戶提供參考;假設(shè)H7成立,證明了本文引入理性行為理論中的主觀規(guī)范作為自變量的假設(shè)是成立的,從相關(guān)系數(shù)可以看出,主觀規(guī)范對(duì)持續(xù)使用意愿的影響較大。大學(xué)生群體接受產(chǎn)品和服務(wù)時(shí),容易受親戚或同輩的影響,可能基于從眾的心理去接受某個(gè)產(chǎn)品或服務(wù)。
(1)進(jìn)一步優(yōu)化求職App,提升系統(tǒng)性能。保證系統(tǒng)性能是任何成功App的首要條件,也是提升用戶感知有用性和滿意度的重要因素。一方面,求職App的開發(fā)者在設(shè)計(jì)應(yīng)用功能和應(yīng)用架構(gòu)之初,應(yīng)當(dāng)明確核心價(jià)值、強(qiáng)調(diào)主要功能,使得求職App的UI設(shè)計(jì)符合用戶使用習(xí)慣;另一方面,在應(yīng)用布局上要做到刪繁就簡(jiǎn)與合理規(guī)劃,盡可能地減少多余或非必要的布局控件,使整個(gè)求職App的布局層更加清晰。通過(guò)系統(tǒng)性能的優(yōu)化工作,保證使用界面滿足用戶的使用偏好。
(2)完善隱私系統(tǒng),加強(qiáng)用戶信息安全。大數(shù)據(jù)時(shí)代,App業(yè)務(wù)的隱私合規(guī)問(wèn)題愈發(fā)受到社會(huì)的重視,政府部門加大了數(shù)據(jù)保護(hù)的執(zhí)法力度。對(duì)于隱私安全的保護(hù),求職App一方面應(yīng)保證采集行為的合理性,特別是收集范圍應(yīng)不超出業(yè)務(wù)功能實(shí)際需要,不收集與提供的服務(wù)無(wú)關(guān)的個(gè)人信息;另一方面,應(yīng)嚴(yán)格履行數(shù)據(jù)收集的告知義務(wù),例如在用戶注冊(cè)過(guò)程中推送的《隱私政策》,須告知用戶主體同意App提供者收集并使用的具體個(gè)人信息。
(3)豐富求職App的服務(wù)種類,提升用戶體驗(yàn)感。當(dāng)前求職App的服務(wù)較為單一化和同質(zhì)化,未來(lái)產(chǎn)品的設(shè)計(jì)者可通過(guò)增加有針對(duì)性的增值服務(wù)來(lái)提高用戶的產(chǎn)品體驗(yàn),進(jìn)而提高用戶滿意度。從求職者的角度來(lái)看,對(duì)于不同類型的求職者可以提供線上咨詢服務(wù),例如大學(xué)生面試、簡(jiǎn)歷和職業(yè)規(guī)劃等有針對(duì)性的咨詢服務(wù)。
(4)加大宣傳力度,注重口碑營(yíng)銷。經(jīng)過(guò)分析,證明主觀規(guī)范對(duì)于App的持續(xù)使用意愿有顯著影響和大學(xué)生用戶容易受到朋輩的影響而使用求職App。此外,App的用戶口碑對(duì)大學(xué)生用戶的選擇有著至關(guān)重要的影響。因此,求職App的運(yùn)營(yíng)商可以拓寬營(yíng)銷渠道,利用網(wǎng)站廣告、軟件廣告、短視頻等新媒體手段大力宣傳App,并且可以選擇求職App的大學(xué)生用戶喜愛(ài)的公眾人物為App代言,形成良好的口碑,以此來(lái)維護(hù)甚至擴(kuò)大其用戶群體。