【摘要】对于竞争激烈的移动视频直播平台而言，增强用户黏性、提高用户持续使用意愿是其未来发展的关键。文章从用户体验视角出发，结合技术接受模型（TAM）和需求理论，构建了移动视频直播平台用户持续使用意愿影响因素模型。通过对411份有效问卷数据进行描述性统计分析发现，目前移动视频直播平台的用户体验水平及持续使用意愿均不高。结构方程模型（SEM）分析结果表明，用户体验和需求满足对持续使用意愿均有显著正向影响，感知易用性和感知享乐性通过用户体验的中介作用间接影响持续使用意愿，而感知有用性对用户体验和持续使用意愿、需求满足对用户体验均无显著影响；最后通过交叉表分析发现，部分用户人口统计学特征和部分使用环境变量与用户体验水平之间存在相关性。

【关键词】移动视频直播；持续使用意愿；用户体验；技术接受模型

一、前言

随着智能手机等移动设备的普及和资本市场对视频直播关注度的提升，2015年初我国移动视频直播行业进入了爆发式增长阶段，移动视频直播平台的数量井喷且用户规模剧增。作为一个新兴发展的行业，移动视频直播在短期内飞速发展的同时，也出现了一系列问题。一方面，直播内容价值导向偏低、品质不高且同质化严重[1]；另一方面，平台主播素质良莠不齐，有些主播不惜违反伦理道德甚至做出违法行为以吸引眼球[2]，这些问题的存在无疑会对各大平台的用户体验造成影响。此外，近几年供用户选择的移动视频直播平台越来越多，相互间的竞争也愈发激烈，导致用户流动性加大，从而降低了用户黏性，十分不利于移动视频直播行业的持续发展和盈利。

对于移动视频直播平台这一新媒体应用而言，用户黏性是其价值实现的重要要素之一[3]，如何维持住现有的庞大用户群、在吸引新用户的同时留住老客户、增强用户持续使用意愿是该新媒体行业发展的关键。同时，有相关研究表明，用户体验是决定平台选择和忠诚的重要影响因素[4]。随着以用户为中心这一理念的出现，用户体验逐渐成为新媒体应用中一个新的关注点，在激烈的同质化竞争中，用户体验已然成为衡量应用好坏的标尺[5]。

目前学术界关于移动视频直播平台的用户研究并不多，其中关于用户持续使用意愿的研究更是稀少，因此，笔者试图以移动视频直播平台为研究对象，以用户体验为研究视角，结合技术接受模型（TAM）和相关需求理论，探究移动视频直播平台用户持续使用意愿的影响因素，为移动视频直播平台开发运营者优化平台构建与运营、提高用户体验水平、增强用户持续使用意愿提供参考意见，进而促进移动视频直播行业持续良好地发展。

二、文献回顾

（一）用户体验研究

我国对用户体验的研究相对于国外而言起步较晚，后者在用户体验理论研究方面进行了大量探索，包括用户体验的定义、内容、特征、模型及评价等方面。因此，笔者将主要参考国外相关文献，从用户体验的定义、构成要素、测量方法三个方面对用户体验研究进行阐述。

1. 用户体验的定义

ISO 9241-210将用户体验定义为：人们对于针对使用或期望使用的产品、系统或者服务的认知印象和回应。该定义指出用户体验是用户在使用一个产品或系统之前、使用期间和使用之后的全部感受，包括情感、信仰、喜好、认知印象、生理和心理反应、行为和成就等各个方面，并且列出了三个影响用户体验的因素：系统、用户和使用环境[6]。国外学者Hassenzahl和Tractinsky（2006）则将用户体验定义为用户内部的状态（倾向、期望、需求、动机、情绪等）与具有一定特性的设计系统（复杂性、目的性、可用性、功能性等）在特定的交互环境下产生的所有结果[7]。

2. 用户体验的构成要素

用户体验涉及的内容非常广泛，不仅包括传统的可用性，还包括技术的美观、享乐以及情感体验等[8]。Hassenzahl（2003）提出的用户体验模型（如图1）概括了用户体验的形成过程及其重要要素：用户与产品接触时，首先感知产品特征（Product features）（内容、展示、功能、交互等），并在此基础上，结合自身期望构建产品特性（Product character）。产品特性是一个更高层次的描述，由两组不同的产品属性（Product attributes）组成——实用属性和享乐属性。继而，用户基于对产品特性的感知而产生结果：对产品吸引力的判断（有/无）、情绪结果（愉悦、满意）、行为结果（增加使用产品的频率或时间），这些结果构成了用户体验的内容。对具体产品特性的感知结果并不总是相同的，它们由具体的使用环境来调控[9]。

图1 Hassenzahl用户体验模型

2004年，Hassenzah根据此前提出的用户体验模型将交互产品的用户体验分为感知实用性质量（Perceived pragmatic Quality, PQ）和感知享乐性质量（Perceived hedonic Quality, HQ），感知实用性质量是对产品能够完成某项任务的能力的判断，与用户实现行为目标的需求有关；感知享乐性质量主要与用户自身有关，与实现行为目标的需求无关[10]。

3. 用户体验的测量

由于用户体验在定义和构成要素上存在差异，直接导致了用户体验测量方法的多样性。Hassenzahl（2004）在测量用户体验所包含的感知实用性质量（perceived pragmatic quality）和感知享乐性质量（perceived hedonic quality，HQ）时，采用的是AttrakDiff量表[11]，这是一个包括21个项目的7级语义差异量表。测量感知实用性的量表，除了Hassenzahl采用的AttrakDiff量表外，还有Jim Lewis编制的计算机系统可用性问卷（CSUQ），该问卷包括19个陈述句，可分为系统有效性、信息质量、界面质量和总体满意度四大类[12]。

另外，Norman（2004）认为用户体验是属于情感层面的认知，可以采用一些较为成熟的情绪测量量表对用户体验进行测量：如Mehrabian提出的三维情绪识别量表（PAD情绪量表）[13]可以从愉悦度、激活度和优势度三个维度精确地测量情绪状态；以及Watson等（1988）提出的正性负性情绪量表[14]（The positive and Negative Affect Scale, PANAS）也被广泛使用，其中包括10个正性情绪形容词和10个负性情绪形容词。

（二）技术接受模型

技术接受模型（Technology Acceptance Model，简称TAM）是美国学者Davis（1989）基于理性行为理论提出的一个用户信息系统接受模型，该模型的最初目的是想对信息系统低使用率问题以及计算机广泛接受的决定性因素进行解释说明[15]。技术接受模型（参见图2）认为，系统的使用可以依据用户的使用意愿来合理预测，使用意愿由使用态度和感知有用性共同决定。其中，使用态度又由感知有用性和感知易用性决定，感知有用性则由外部变量和感知易用性决定，感知易用性由外部变量决定，外部变量包括系统设计特征、用户特征等等。

图2 技术接受模型

Davis（1989）将感知有用性（PU）定义为“一个人认为使用某一特定系统会提高他工作表现的程度”；感知易用性（PEU）指的是“一个人认为使用某一特定系统不费力的程度”[16]。使用态度是指用户在使用信息技术后产生的主观感受，包括情绪、情感、心理等方面，用户根据这种主观感受决定是否要持续使用该信息技术，因此可认为使用态度是构成用户体验的一部分，影响使用态度的因素——感知有用性、感知易用性也可作为影响用户体验进而影响持续使用意愿的因素，且这两个变量正好与Hassenzahl用户体验模型中的感知实用性要素相对应（见图1）。

学者Bagozzi（2007）认为，TAM模型虽然是一个非常具有影响力的模型，但是它过于简单，忽略了其他会影响使用态度或使用意愿的重要因素[17]。因此，本研究试图结合技术接受模型和Hassenzahl的用户体验模型，将感知有用性、感知易用性、感知享乐性、用户体验作为影响直播平台持续使用意愿的因素，提出以下假设：

H1：移动视频直播平台的感知有用性对用户体验有显著正向影响

H2：移动视频直播平台的感知易用性对用户体验有显著正向影响

H3：移动视频直播平台的感知享乐性对用户体验有显著正向影响

H4：移动视频直播平台的用户体验对用户持续使用意愿有显著正向影响

H5：移动视频直播平台的感知有用性对用户持续使用意愿有显著正向影响

H6：用户体验在感知有用性和持续使用意愿之间具有中介作用

H7：用户体验在感知易用性和持续使用意愿之间具有中介作用

H8：用户体验在感知享乐性和持续使用意愿之间具有中介作用

（三）相关需求理论

在需求理论领域，Ryan和Deci（2000）的自我决定理论则将动机分为内部动机、外部动机和无动机，指出外部环境通过满足个体自主、关系和胜任三种基本的心理需求来增强人的内部动机以及加强外部动机对内部动机的促进作用[18]。Sheldon等（2001）归纳出了十种人类最基本的需求：自主、胜任、关系、自我实现、身体成长、愉悦、财富、安全、尊重、名望[19]，并使用正性负性情绪量表（PANAS）探索了这十种需求与情感之间的关系，得出的结论是：自主、胜任、关系和尊严的满足能够给人带来最满意、最积极的心理体验。Hassenzahl等（2010）基于自我决定理论与Sheldon等人的研究成果，挑选出七种与交互产品用户体验最相关的需求——胜任、关系、促进、意义、安全、名望、自主，并通过实证研究证明了这七种需求与用户体验的关系：需求满足的程度与积极的情感体验成正相关[20]。由此看来，需求满足也可能是直播平台用户产生积极体验的影响因素之一。

需求理论在传播领域的代表性理论是“使用与满足”理论，该理论提出受众的媒介接触是基于自身需求对媒介内容进行选择的活动[21]，受众根据需求满足的程度产生对媒介的印象，进而影响对媒介的持续使用意愿。使用与满足理论在传播领域被认为解释范围广、解释力强，本研究认为该理论可用于阐释用户对移动直播平台的持续使用意愿。

由此本研究继续提出下述研究假设：

H9：需求满足对移动视频直播平台的用户体验有显著正向影响

H10：需求满足对移动视频直播平台的用户持续使用意愿有显著正向影响

H11：用户体验在用户需求满足和持续使用意愿之间具有中介作用

另外，考虑到人口统计学特征和使用环境与用户体验之间是否存在相关性，本研究进一步提出以下假设：

H12：移动视频直播平台用户的人口统计学特征与用户体验水平之间存在相关性

H13：移动视频直播平台的使用环境与用户体验水平之间存在相关性

三、研究设计

（一）理论模型构建

基于用户体验模型、技术接受模型以及相关需求理论，结合移动视频直播平台的特点，本研究选取感知有用性、感知易用性、感知享乐性以及需求满足作为研究的自变量，用户体验为中介变量，持续使用意愿为因变量，用户人口统计学特征和使用环境为控制变量，构建了如图3所示的移动视频直播平台用户持续使用意愿影响因素理论模型。

图3 移动视频直播平台用户持续使用意愿影响因素理论模型

（二）变量测量

根据理论框架和假设，本研究需要测量六个潜在变量：感知有用性、感知易用性、感知享乐性、需求满足、用户体验、持续使用意愿。

感知有用性（PU)，是指用户对使用移动视频直播平台的有用程度感知。借鉴Davis（1989）设计的感知有用性量表[22]，本研究采用以下4个题项来测量：PU1我觉得观看移动视频直播可以学习一些知识和技能；PU2我觉得使用移动视频直播平台能丰富我的生活；PU3我觉得使用移动视频直播平台能拓宽我的社交圈；PU4我觉得移动视频直播平台对我来说是有用的。

感知易用性，是用户对使用移动视频直播平台的难易程度感知。其6个测量题项来源于Davis（1989）设计的感知易用性量表[23]和Hassenzahl（2004）采用的感知实用性量表[24]，包括：PEU1学会使用移动视频直播平台对我来说很容易；PEU2我觉得移动视频直播平台的操作简单方便，用起来没有什么障碍；PEU3我觉得移动视频直播平台的界面布局合理；PEU4我觉得移动视频直播平台导航功能的设计很人性化；PEU5在移动视频直播平台上，我可以很容易地找到我需要的信息；PEU6我觉得移动视频直播平台上的内容很容易理解。

感知享乐性，是指用户在使用移动视频直播平台过程中，基于对平台的刺激性、辨识性的判断而形成的主观感受，这种感受与移动视频直播平台的实际效用无关。根据Hassenzahl（2004）在文章中引用的感知享乐性量表[25]，本研究采用以下6个题项来进行测量：HQ1我觉得移动视频直播平台上的内容都是得体的、不庸俗的；HQ2我觉得在观看视频直播过程中及时参与互动可以增加我与主播的亲近感；HQ3我觉得大多数主播都是比较专业的；HQ4我觉得每个移动视频直播平台各有各的特点，是独特的；HQ5我觉得移动视频直播是有吸引力的；HQ6我觉得移动视频直播平台上的内容是新奇的、有创意的。

需求满足，指用户在使用移动视频直播平台过程中心理需要的达成，本研究从Sheldon等（2001）归纳出的十个人类最基本的需求[26]中挑选出6个与移动视频直播平台用户体验最相关的需求：愉悦、关系、安全、尊重、自我实现、名望，并依次设计成以下6个具体题项：NF1我觉得通过观看他人直播的视频，我的好奇心得到了满足；NF2在移动视频直播平台我可以与我关注的人或关注我的人互动，满足了我的社交需求；NF3我觉得在观看视频直播或参与互动过程中，平台不会泄露我的个人隐私（账号和交易信息等）；NF4我觉得在观看视频直播和参与互动过程中，我的人格受到了尊重；NF5我可以在移动视频直播平台上尽情地表达自我，如评论、制作并发布视频等；NF6我觉得观看视频直播时给主播刷礼物让我很有面子。

用户体验，是用户在观看视频直播和参与互动过程中，内部状态（倾向、期望、需求、动机、情绪等）产生的所有结果，如愉悦、轻松、有趣等。Norman（2004）认为用户体验是属于情感层面的。因此，可采用成熟的情绪测量量表对用户体验进行测量。本研究选取了最具代表性的正性负性情绪量表（PANAS）（Watson et al.，1988）[27]和三维情绪识别量表（PAD情绪量表）（Mehrabian，1996）[28]，构建了以下5个测量题项：UX1总体而言，我觉得使用移动视频直播平台是愉悦的；UX2总体而言，我觉得使用移动视频直播平台是轻松的；UX3总体而言，我觉得使用移动视频直播平台是有趣的；UX4总体而言，我很喜欢目前正在使用的移动视频直播平台；UX5总体而言，使用移动视频直播平台给我的感觉是好的。

持续使用意愿，是用户在使用信息系统之后，还想继续使用该信息系统的意愿（Bhattacherjee, 2001）[29]。笔者根据Bhattacherjee设计的信息系统持续使用意愿测量量表，编制了以下5个有关移动视频直播平台用户持续使用意愿的测量题项：CUI1我想要继续使用目前正在使用的移动视频直播平台，而不是放弃使用；CUI2我想要继续使用目前正在使用的移动视频直播平台，而不是其他可替代的平台；CUI3以后我还会经常使用目前正在使用的移动视频直播平台；CUI4我愿意向周围的亲朋好友分享和推荐正在使用的移动视频直播平台；CUI5如果可以重新选择，我会再次选择目前正在使用的移动视频直播平台。

以上6个变量中，每个变量都至少由4个题项测量，保证了主观感受测量结果的有效性和可靠性；每个题项均采用5级李克特量表进行测量，量表分值从1分到5分依次代表非常不同意、比较不同意、一般、比较同意、非常同意。

本研究同时搜集了每位受访者的人口统计学信息，包括性别、年龄、受教育程度、职业、月收入等，并且调查了受访者使用移动视频直播平台的基本情况，包括是否使用过移动视频直播平台、使用过哪些移动视频直播平台、使用移动视频直播平台的频率、平均每次使用移动视频直播平台的时长、使用移动视频直播平台的主要时间、地点及情境。

（三）数据收集

本研究采用问卷调查法收集相关数据。将上述变量设计成问卷后，邀请30位移动视频直播平台用户进行预调查，并对问卷反复修改。正式调查采用问卷星生成问卷链接和二维码，分别在线上和线下开展，线上在各社交平台转发问卷链接，包括逐个联系各类主播粉丝QQ群的成员；线下通过走访大学生宿舍，随机选择调查对象并让其通过扫描二维码填写问卷。一周内共回收509份问卷。剔除掉选择“未曾观看过移动视频直播”选项的问卷，所有题项答案完全相同的问卷，以及填写时间低于1分钟的问卷后，最终得到有效问卷411份。

四、研究数据与分析

（一）信度与效度分析

1. 信度分析

信度用于衡量问卷中各量表测量题项的内部一致性程度，常用克朗巴哈（Cronbach）α系数法进行检测。利用克朗巴哈α系数值作为信度分析的具体标准为：克朗巴哈α系数值大于0.9，表示量表内在信度很高；克朗巴哈α系数值介于0.8和0.9之间，表示量表内在信度较高；克朗巴哈α系数值介于0.7和0.8之间，表示量表内在信度勉强可以接受；如果克朗巴哈α系数值小于0.7，则说明量表的设计有很大问题，应该重新设计[30]。

本研究所包含的6个潜在变量对应着6个测量量表。利用SPSS20.0统计软件分析得到各测量量表和总量表的克朗巴哈α系数值介于0.783和0.942之间，说明本研究的问卷总体上具有很高的信度，且各个测量量表也都是有效和可信的。

2. 效度分析

（1）区别效度

区别效度是指测量不同潜在变量的测量指标会落在不同共同因素上，在AMOS的操作中，检验区别效度的方法及判断标准是：在潜在变量间两两构建区别效度的假设模型，在每一组假设模型中利用单群组分别生成未限制模型和限制模型（潜在变量间的共变关系限制为1），并将两个模型的卡方值进行差异比较，若卡方值差异量愈大且达到显著水平（p<0.05），表示两个潜在变量间具有高的区别效度，而且未限制模型的卡方值愈小表示潜在变量间的相关性越低，区别效度越高[31]。

本研究共有六个潜在变量，笔者将其两两配对，利用AMOS24.0结构方程模型分析软件构建了15个区别效度的假设模型，结果发现，每一对未限制模型与限制模型的卡方值差异量均达到了显著水平（p=.000<0.05），表明未限制模型与限制模型有显著的差异，说明本研究中每两个潜在变量间的区别效度都很好。

（2）收敛效度

收敛效度又称聚合效度，是指测量相同潜在变量的测量指标会落在同一个共同因素上，且测量题项间高度相关[32]。收敛效度可通过平均方差抽取量（AVE）和组合信度（CR）两大指标来评估，一般而言，AVE大于0.50、CR大于0.60说明潜在变量的测量模型具有较好的收敛效度，Fornell等人则认为，AVE大于0.50代表收敛效度良好，AVE介于0.36和0.50之间也可以接受[33]。结果表明六个潜在变量的组合信度（CR）均大于0.60，各潜在变量的AVE值介于0.3817和0.6957之间，说明本研究六个潜在变量的测量量表均具有良好的收敛效度。

（二）描述性统计分析

在回收的411份有效问卷中，男性用户较女性用户多，占比分别为56.0%、44.0%。年龄方面，19-25岁人群数量最多，占比高达87.3%；其次未成年人群占比8.5%；26-30岁人群占比2.9%；仅有少数直播用户年龄在30岁以上。在受教育程度上，大学本科及以上学历的人群比例共占88.6%。职业性质方面，样本用户中学生群体最多，占比88.8%；其次为企业职员。在月收入上，样本中55.7%的直播用户月收入低于1000元，这与样本中绝大多数用户目前还是学生有关，这部分群体尚无固定收入。

此外，本研究共有6个潜在变量，笔者将这些潜在变量的最小值、最大值、均值和标准差整理成如表1所示。从各项均值得分可以看出，用户体验水平和持续使用意愿都不高，分别为3.64和3.38，感知有用性、感知易用性、感知享乐性、需求满足的得分也都未达到比较同意的程度（M=4）。

表1 潜在变量描述性统计分析

三）结构方程模型分析

结构方程模型包括测量模型和结构模型，测量模型相当于进行验证性因素分析（CFA），被用来测量各模型的适配度/拟合度；结构模型分析相当于进行潜在变量间的路径分析（PA-LV），被用来检验潜在变量间的因果关系，以及结构模型的整体适配度/拟合度。

1．验证性因素分析（CFA）

在进行路径分析（PV-LV）之前，笔者先对六个潜在变量的测量模型逐一进行了验证性因素分析（CFA），主要考察各测量模型的适配度。结果发现，除“感知有用性”外，其他五个变量的初始测量模型适配度均不高，于是，笔者采取了合理的模型修正策略，一方面剔除了标准化回归系数（因素负荷量）小于0.50 的测量指标HQ1，另一方面根据修正指标，分别对除“感知有用性”以外的五个测量模型合理增列了测量指标误差项间的共变关系，最终得到了六个适配度/拟合度皆良好的测量模型，以做后续路径分析。

2．潜在变量的路径分析（PA-LV）

笔者利用修正后的测量模型，在AMOS中完成了潜在变量间的路径分析（PA-LV），得到了如图4所示的标准化回归系数下的移动视频直播平台用户持续使用意愿影响因素理论模型路径分析图。

图4 移动视频直播平台用户持续使用意愿影响因素理论模型路径分析图

（补充说明：在结构模型中，所有外因潜在变量也要增列双向箭头符号，否则模型无法估计。若相关系数不为0，则表示两个变量间存在相关关系[34]。）

从表2给出的各项适配度指标来看，虽然卡方值的显著性概率值小于0.05，导致虚无假设被拒绝，但这是由于卡方值容易受样本数量的影响，大样本情况下（N≥200）p值会很小。在这种情况下，假设模型与样本数据是否适配就需要参照其他的适配度指标：卡方自由度比值为2.468<3.000，GFI值为0.846>0.80，AGFI值为0.815>0.80，IFI值为0.920>0.90，TLI值为0.909>0.90，CFI值为0.920>0.90，RMSEA值为0.06<0.08，均符合拟合度标准。因此总体而言，从主要适配度统计量的结果来看，本文修正后的理论模型与样本数据可以适配。

表2 移动视频直播平台用户持续使用意愿结构模型适配度指标

潜在变量间的路径分析（PA-LV）还可以用来检验潜在变量间的因果关系，从表3的路径分析结果来看，感知有用性对用户体验（路径系数即标准化回归系数SC为0.039，p>0.05）的影响并不显著，因此假设1不成立；感知易用性对用户体验（SC=0.244，p<0.001）有显著正向影响，假设2成立；感知享乐性对用户体验（SC=0.473，p<0.001）有显著正向影响，假设3成立；需求满足对用户体验（SC=0.086, p>0.05）的影响并不显著，因此假设9不成立；用户体验对持续使用意愿（SC=0.668，p<0.001）有显著正向影响，假设4成立；感知有用性对持续使用意愿（SC=0.067, p>0.05）的影响并不显著，因此假设5不成立；需求满足对持续使用意愿（SC=0.185，p<0.001）有显著正向影响，假设10成立。

在中介作用方面，由于感知有用性对用户体验和持续使用意愿均无显著影响，因此假设6不成立；由于感知易用性、感知享乐性对用户体验都有直接影响，且用户体验直接影响持续使用意愿，因此假设7和假设8成立；虽然需求满足对持续使用意愿有显著影响，但却对用户体验无显著影响，因此假设11不成立。

表3 路径分析结果

（一般显著水平分为三个级别：***P<0.001；**P<0.01；*P<0.05）

（四）交叉表分析

为分析不同人口统计学特征和不同使用环境下的用户体验水平是否有显著差异，笔者将采用交叉表分析方法对其进行探讨。针对交叉表分析的结果，若皮尔逊卡方值的显著性概率值p>0.05，则接受虚无假设，表明不同特征或环境下的用户体验水平没有显著差异，反之则表示有显著差异。

笔者将本研究中涉及到的五种人口统计学特征（性别、年龄、受教育程度、职业性质、月收入）和五个使用环境变量（使用频率、平均每次使用时长、主要使用时间段、主要使用地点、主要使用情境）分别与用户体验水平进行交叉表分析，各显著性概率值p如表4。分析结果表明，在人口统计学特征方面，不同受教育程度、不同月收入的用户在用户体验水平上存在显著差异；在使用环境方面，不同的使用频率、平均每次使用时长、主要使用时间段会带来明显不同的用户体验水平。而其他变量（性别、年龄、职业性质、主要使用地点、主要使用情境）下的用户体验水平则没有显著差异。因此，假设12和假设13部分成立。

表4 交叉表分析的卡方检验结果整合

五、结论与讨论

（一）研究结论

1. 移动视频直播平台的用户黏性不高

描述性统计分析结果表明，移动视频直播平台的用户体验水平和持续使用意愿均处于中等水平，其均值分别为3.64和3.38，说明移动视频直播平台的用户黏性有待提高。此外，PU3（“使用移动视频直播平台能拓宽社交圈”）、HQ1（“内容得体、不庸俗”）、HQ3（“主播是专业的”）、NF3（“平台不会泄露我的个人隐私”）、NF6（“给主播刷礼物让我很有面子”）等五个测量指标的均值小于3，说明用户对移动视频直播平台的内容质量、主播专业程度、平台的安全性仍持怀疑态度，且对使用移动视频直播平台能“拓宽社交圈”和“增强自身荣誉感”这两种说法并不认可；而感知易用性中有两个测量指标（“很容易学习如何使用”、“操作简单”）的均值大于4，说明在多数用户看来，移动视频直播平台的操作和使用并不难。

2. 用户体验的确对平台忠诚度有重要影响

从结构方程模型的路径分析结果中，我们可以发现其他变量对持续使用意愿的影响存在直接和间接两种方式。直接影响方面，用户体验对移动视频直播平台的持续使用意愿有显著正向影响，说明了移动视频直播平台的可持续发展在很大程度上依赖于用户体验，用户体验水平的高低将直接影响用户对产品的忠诚度，因此增强移动视频直播平台用户持续使用意愿的充分条件是提高用户体验水平。间接影响方面，感知易用性和感知享乐性通过用户体验的中介作用来间接影响持续使用意愿，而感知有用性对用户体验和持续使用意愿均无显著影响，这说明对于用户而言，移动视频直播平台的使用体验好坏与否，更多的是取决于产品的易用性和享乐性，而非有用性。

3. 外部变量（用户、使用环境）确实会对用户体验产生影响

此外，笔者通过将人口统计学特征和使用环境与用户体验水平进行交叉表分析后发现，不同受教育程度、不同月收入的用户在移动视频直播平台的用户体验水平上存在显著差异，用户对移动视频直播平台的使用频率、平均每次使用时长、主要使用时间段与用户体验水平之间也存在相关性，这恰好证实了用户体验的两大影响因素：用户和使用环境。

（二）增强移动视频直播平台用户持续使用意愿的建议

由以上研究结论可知，感知有用性、感知易用性、感知享乐性、需求满足对持续使用意愿的标准化总效果分别为0.094、0.163、0.316、0.242，后三者对用户持续使用意愿的影响程度较高，因此对于增强移动视频直播平台用户持续使用意愿，平台开发运营者主要可以从提升感知易用性和感知享乐性体验，以及满足用户使用需求三个方面着手。

就感知易用性而言，本研究的调查对象对移动视频直播平台“界面布局合理”、“导航功能设计人性化”、“目标信息容易查找”等说法的认可度很低。虽然现在大多数移动视频直播平台都带有搜索的功能，但搜索出来的内容精准度并不高，输入的关键词对应的输出内容太多，用户仍然需要从中进行二次搜索，极大地降低了用户查找目标信息的效率。因此，为提升用户的感知易用性体验，平台开发商除了需要进一步优化界面布局和导航功能的设计，还应该充分利用数据挖掘等个性化信息服务相关技术，在了解用户需求的基础上，精准地向用户推送他们需要的直播内容。

就感知享乐性质量而言，调查结果显示，移动视频直播平台的感知享乐性质量较差，主要表现为平台同质化严重，直播内容庸俗、欠新颖，主播不专业等方面。事实上，对于大多数用户而言，观看视频直播是娱乐休闲的一种方式，而这种愉悦感势必会受到平台特性、直播内容以及主播专业程度的影响。因此，为提升用户的感知享乐性体验，移动视频直播平台应有所创新，以期在众多的竞品中体现出独特的优势；平台管理员也应加大内容监管力度，对直播内容严格把关，使其坚持正确的价值导向；为推动PGC（Professional Generated Content，专业生产内容）直播模式的发展，对于平台签约的常驻主播，可进行综合素质考核与专业培训，并且在其上岗期间随机考察主播的专业程度，从而促使主播行业向专业化领域不断发展。

就用户需求满足而言，在需求满足的六个测量指标中，安全、尊重、社交最能有效反映出需求满足的特质，且本研究中用户在这三方面的需求并未得到较好的满足，因此建议平台开发运营者在试图满足用户需求时尽可能向这三个方面倾斜。首次，安全性是用户对移动视频直播平台最基本的需求，平台在为用户提供个性化信息服务过程中，如果没有把握好一个度，就会因过多干涉用户对内容的选择而让用户误以为隐私受到侵犯，因此平台除了需要建立一个完善的安全保障体系，还应提供适度的个性化信息服务。其次，用户在观看直播过程中，都期望能得到主播以及其他观众的尊重，而不是相反的人格侮辱（如地域黑等）或谩骂攻击，对于恶意诋毁他人的现象，始作俑者无论是主播还是观众，平台都应严格加以管制。再者，用户的社交需求引发了视频直播热，相应的移动视频直播平台若要继续生存与发展，就应该尽可能地满足用户的社交需求，对于平台而言，不仅需要为用户提供与主播或其他观众交流的渠道，还应在主播与观众之间，观众与观众之间建立信任的桥梁，因为平台的社交属性建立在彼此信任的基础上。

本研究虽然得出了一些有价值的结论，但依然存在一定的局限性。一方面，由于笔者的研究资源有限，在问卷调查过程中，无法在所有的移动视频直播平台用户中进行严格的随机抽样，导致调查对象主要集中在学生用户，而非学生群体和高年龄段用户明显较少，这对样本的代表性有一定影响。另一方面，本研究目前只从用户体验的角度考虑了感知有用性、感知易用性、感知享乐性以及需求满足等因素对用户持续使用意愿的影响，可能存在其他影响因素尚未考虑在内。以上两方面的不足都是后续研究需要进一步完善的地方。

注释

[1] 彭锦：《网络直播热潮下的冷思考》，《电视研究》，2016年第9期。

[2] 曲涛、臧海平：《当前网络直播存在的问题及监管建议》，《青年记者》2016年第26期。

[3] 彭兰：《“内容”转型为“产品”的三条线索》，《编辑之友》2015年第4期。

[4] 陈娟、钟雨露、邓胜利：《移动社交平台用户体验的影响因素分析与实证——以微信为例》，《情报理论与实践》2016年第1期。

[5] 陈力丹、曹文星：《2012年新媒体技术与应用走势分析》，《编辑之友》2013年第2期。

[6] 丁一等：《用户体验国内外研究综述》，《工业工程与管理》2014年第4期。

[7] Hassenzahl M, Tractinsky N, User experience-a research agenda, Behaviour & Information Technology, 2006, 25(2), pp.91-97.

[8] 彭柯：《数字阅读平台用户体验影响因素研究》，南京大学硕士学位论文2015年。

[9] Hassenzahl M, The thing and I: understanding the relationship between users and product, In Funology: From Usability to Enjoyment, 2003, pp.31-42.

[10] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.

[11] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.

[12] [美]特里斯，阿伯特著，周荣刚等译：《用户体验度量》，机械工业出版社2009年版，第114页。

[13] Albert Mehrabian, Analysis of Affiliation-Related Traits in Terms of the PAD Temperament Model, The Journal of psychology, 1997, 131(1), pp.102-117.

[14] Edmund R. Thompson, Development and validation of an internationally reliable short-form of the Positive and Negative Affect Schedule (PANAS), Journal of Cross-Cultural Psychology, 2007, 38 (2), pp.227-242.

[15] 鲁耀斌、徐红梅：《技术接受模型的实证研究综述》，《研究与发展管理》2006第3期。

[16] Davis F.D, Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.

[17] Bagozzi R.P, The Legacy of the Technology Acceptance Model and a Proposal for a Paradigm Shift, Journal of the Association for Information Systems, 2007, 8(4), pp.244-254.

[18] Ryan R.M, Deci E.L., Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being, American psychologist, 2000, 55 (1), pp.68-78.

[19] Sheldon K. M, Elliot A. J, Kim Y, et al., What is satisfying about satisfying events? Testing 10 candidate psychological needs, Journal of personality and social psychology, 2001, 80 (2), p.325.

[20] Hassenzahl M, Diefenbach S, G?ritz A, Needs, affect, and interactive products – Facets of user experience, Interacting with Computers, 2010, 22(5), pp.353-362.

[21] 郭庆光：《传播学教程》，中国人民大学出版社2011年版，第168页。

[22] Davis F.D., Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.

[23] Davis F.D., Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS quarterly, September 1989, pp.319-340.

[24] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products , Human-Computer Interaction, 2004, 19(4), pp.319-349.

[25] Hassenzahl M, The interplay of beauty, goodness, and usability in interactive products, Human-Computer Interaction, 2004, 19(4), pp.319-349.

[26] Sheldon K. M, Elliot A. J, Kim Y, et al., What is satisfying about satisfying events? Testing 10 candidate psychological needs, Journal of personality and social psychology, 2001, 80 (2), p.325.

[27] Edmund R. Thompson, Development and validation of an internationally reliable short-form of the Positive and Negative Affect Schedule (PANAS), Journal of Cross-Cultural Psychology, 2007, 38 (2), pp.227-242.

[28] Albert Mehrabian, Analysis of Affiliation-Related Traits in Terms of the PAD Temperament Model, The Journal of psychology, 1997, 131(1), pp.102-117.

[29] Bhattacherjee A., Understanding information systems continuance: an expectation-confirmation model, MIS quarterly, 2001, pp.351-370.

[30] 张虎、田茂峰：《信度分析在调查问卷设计中的应用》，《统计与决策》2007年第21期。

[31] 吴明隆：《结构方程模型——AMOS的操作与应用》，重庆大学出版社2010年版，第467页至第468页。

[32] 吴明隆：《结构方程模型——AMOS的操作与应用》，重庆大学出版社2010年版，第14页。

[33] 李本乾、刘强、王大可主编：《中国传媒国际竞争力研究报告》，社会科学文献出版社2017年版，第257页。

[34] 吴明隆：《结构方程模型——AMOS的操作与应用》，重庆大学出版社2010年版，第85页。

分享让更多人看到