在线存储服务持续使用意愿研究
——基于用户满意度和感知风险视角

赵 鹏 张晋朝

(武汉大学信息管理学院，武汉，430072)

在线存储服务持续使用意愿研究
——基于用户满意度和感知风险视角

赵 鹏 张晋朝

(武汉大学信息管理学院，武汉，430072)

基于用户满意度和感知风险的视角，构建了用户持续使用在线存储服务意愿的影响因素模型。通过调查问卷方式搜集数据，利用偏最小二乘结构方程模型方法对226个在线存储产品用户的样本数据进行分析，发现用户满意度对用户持续使用在线存储服务意愿有显著作用。感知风险对用户持续使用在线存储服务意愿的影响不显著，而对用户满意度有直接作用。

满意度 感知风险 持续使用意愿 结构方程模型 在线存储服务

1 引言

近年来，随着互联网技术的迅猛发展，网络用户数量逐步攀升，截至2013年6月底，我国网民规模已达5.91亿[1]。互联网企业间的竞争几近白炽化，为争取市场份额，各大公司不断推出新服务和新产品来吸引用户，在线存储服务便是其中之一。在线存储服务是一种新型的电子资源管理模式，能够帮助用户在因特网的环境下轻松、方便地管理(存储、访问、备份、共享)和编辑电子资源。

如今，百度、新浪、华为、腾讯、联想等企业都拥有在线存储服务产品，可见国内在线存储服务行业的竞争十分激烈。据速途研究院数据，截止2013年上半年，百度云盘以约8000万用户数量位居同类产品用户数量首位。而360云盘、115网盘、华为网盘和金山网盘分别以7000万、5000万、4500万、3000万用户数量位列2～5位。在用户好评度方面，百度云盘凭借8.9分的高分名列榜首，而360云盘、金山网盘、迅雷网盘和115网盘则紧随其后[2]。

关于在线存储服务的研究中，技术是研究重点，学者们主要探讨了在线存储服务层次架构[3]、数据备份及数据恢复[4]、数据安全[5]、硬件和软件支持等[6]技术问题，而在用户接受和持续使用在线存储服务方面的研究相对较少。已有的研究中，以定性方法为主，从用户视角、系统因素、心理因素和感知风险视角探究用户持续使用在线存储服务的影响因素[7-8]。

互联网安全问题一直是网络用户关心的重要内容，也是学术界研究的重要课题。2012年的中国网民信息安全状况研究报告显示84.8%的网民曾遇到过信息安全事件，其中包括个人账户被盗、个人信息泄露、计算机病毒等，77.7%的网民在时间、精力、经济上遭受到不同程度的损失[9]。使用在线存储服务这种新型电子资源管理模式时用户面临个人账户信息安全及个人电子资源安全等一系列问题。另一方面，用户满意度是产品能长久生存的关键指标，是所有企业关心的核心问题。在线存储服务行业竞争如此激烈，提升用户满意度无疑是所有服务提供商留住用户的重要途径。因此，本文从感知风险和用户满意度的角度出发，实证研究网络用户在线存储服务使用意愿。旨在准确把握影响用户使用在线存储服务意愿的影响因素，帮助互联网企业深入了解用户需求，为改进、提高在线存储服务质量和互联网企业网络资源的配置效率提供参考。

2 理论背景和研究模型

2.1 感知风险理论

1960年，哈佛大学的Bauer首度将感知风险的概念引入营销领域，他认为对于任何购买行为，消费者都无法事先知道他们预期的结果是否正确，而某些结果可能令消费者不偷快。因此，他认为感知风险包括两个方面：决策结果的不确定性和错误决策后果的严重性[10]。此后，大量的研究人员开始对感知风险进行深入探讨，学者们关心的主题包括感知风险的本质、感知风险的维度、感知风险与行为意向的关系、个体差异对感知风险的影响以及感知风险的测量[11]。Peter等把消费者购买行为中的感知风险定义为消费者对购买行为可能导致的损失的预期[12]。计算机和互联网的发展给感知风险研究提供了新的环境，学者们开始转向研究互联网环境下用户感知风险的各种问题。如在B2C电子商务模式中，Lim认为消费者感知风险是指如果消费者通过网络购买产品或服务，消费者认为他们将遭受损失的程度[13]。Pavlou对电子商务接受行为的研究表明感知风险直接对用户使用电子商务意愿产生影响，同时感知风险对信任和意愿间的关系起着中介作用[14]。Forsythe通过实证研究指出感知收益和感知风险对行为意向的直接作用[15]。Gover等从感知风险的来源、种类以及感知风险对网络购物态度和意愿的影响三个方面构建了电子商务中消费者感知风险的整合模型[16]。Hanafizadeh研究了感知风险的6个维度(时间风险、经济风险、绩效风险、社会风险、隐私风险、安全风险)对意识(awareness)与用户使用网络银行意愿之间关系的中介作用[17]。

本文将感知风险定义为用户无法预料的使用在线存储服务所带来的后果的不确定性。该不确定性包含两个层面：①在线存储服务无法满足用户的预期需求；②使用在线存储服务给用户带来的损失。一方面，网络环境下理性用户都追求效用的最大化，因此，尽可能地规避风险，减少不必要的麻烦是所有用户的期望；另一方面，在线存储服务也确实面临各种各样的不确定性，可能给用户带来不必要的损失。因此，本文认为从感知风险的视角研究用户在线存储服务持续使用意愿十分必要。

2.2 顾客满意和期望确认理论

顾客满意最早由Cardozo引入到营销学领域，他认为顾客满意会增加顾客对产品的好感，从而有利于促使感到满意的顾客产生重新购买产品的意愿[18]。在后续的研究中，学者们主要从顾客期望与实际之间的一致性以及预期和结果的比较和评价两个角度来定义顾客满意。其中，Kotler对顾客满意度的定义多被后人采纳，他认为顾客满意是消费者对产品的实际感知效果与购买前的期望值进行比较后，形成的愉悦或失望的感觉状态，是实际感知效果与期望之间的差异[19]。

学者们对顾客满意的研究非常广泛，Lai在研究用户使用短信服务行为时发现满意度对使用意愿有直接影响[20]。在电子商务领域，Patterson等发现感知价值能够直接影响用户满意度和使用意愿，用户满意度和使用意愿正相关[21]。Ribbink等通过研究消费者使用网络书店的行为发现提升顾客对电子商务平台的感知质量能增加顾客信任和满意度，并且能够促进顾客的忠诚[22]。Lee等讨论了移动银行的信息质量、服务质量和系统质量与用户满意度和意愿间的关系，得出用户满意度通过用户网络收益对移动银行使用意愿产生影响的结论[23]。

期望确认理论(Expectation-Confirmation Theory)被广泛应用于消费者重复购买行为和持续使用行为研究。大量研究表明顾客期望理论模型在物品重复购买、信息系统持续使用领域有非常强的预测能力[24]。1980年Oliver构建了顾客产生重复购买行为过程的期望确认理论框架[25]。

期望确认理论指出决定顾客重复购买某项产品或用户继续使用某项服务意愿的关键因素是顾客购买后或者使用后的满意度[26]。本文研究在线存储服务持续使用意愿属于持续使用行为研究范畴，因此，以期望确认理论为理论支撑，顾客满意是本研究中的一个重要研究变量。

2.3 研究模型及假设

基于前文的理论基础，提出本文的研究模型如图1所示。

图1 研究模型

感知质量是消费者对一种产品整体优越性的判断，与产品实际质量不同的是感知质量是更高级别的抽象而不是产品特定属性[27]。Zeithaml认为感知价值是用来表示消费者对于得到的产品所带来的实用性程度的感知，并且指出消费者对产品的感知质量越高，那么消费者对产品的感知价值就越高[27]。Sweeney等从感知风险的角度对不同类型的消费者进行调查并且分析了感知质量与感知价值之间的关系，结果表明感知质量和感知价值间具有显著的正向相关关系[28]。本研究以在线存储服务为研究对象，用户对于在线存储服务的感知质量是指对于服务系统质量的感知，服务商提供一个好的在线存储服务平台质量能够促进用户产生更高的价值感知。因此，本文假设：

H1：感知质量与感知价值之间呈正向相关关系。

感知质量和感知价值是用户满意度模型中的重要变量，在用户满意度的研究中，有大量学者在不同领域实证分析了三者之间的关系。网络环境下，Anderson在研究顾客网络购物满意度与忠诚度的关系时发现信任、感知价值对顾客满意度具有非常强的影响[29]。Bou-Llusar通过感知产品质量和感知服务质量来研究顾客对产品的整体感知质量，并且指出在顾客重复购买行为中满意度对感知质量与重复购买意愿之间关系的中介作用[30]。Kuo等研究使用移动增值服务的满意度时，发现感知质量和感知价值与满意度呈正向相关关系[31]。本文将在线存储服务用户满意定义为用户使用在线存储服务的结果与使用前的期望之间对比的心理状态表征。在线存储服务是一项新型的电子资源管理服务，其中用户对该项服务的感知质量和感知价值能够提升用户的满意度。因此，本文假设：

H2：感知质量与用户使用在线存储服务满意度呈正向相关关系。

H3：感知价值与用户使用在线存储服务满意度呈正向相关关系。

Hanafizadeh在研究网络银行接受行为时认为网络银行意识(Awareness)是指用户接收到有关网络银行提供的服务、网络银行优势、网络银行如何使用、网络银行设施、网络银行提供商等信息[32]。结合本文研究环境，将意识定义为用户接收到有关在线存储服务提供商、品牌、优势、功能和如何使用等信息。1991年，Dodds等论述了用户接收到产品供应商、产品品牌、产品推广信息与用户感知质量和感知价值质之间的关系，他认为诚实的供应商、口碑良好的品牌和真实的产品推广意味着该产品具有更高的价值和质量[33]。本文中，意识体现的是用户对产品(服务)相关信息的了解程度。感知质量和感知价值是用户对产品的主观判断，而信息能够对用户的判断产生影响。Yoon通过对消费者在线购物行为研究发现消费者对在线购物网站的意识越高，则消费者对购物网站的信任程度越高[34]。Hanafizadeh在对网络银行使用行为的研究中也证实了该论断，并且还指出消费者意识能够降低消费者的感知风险[31]。因此，本文假设：

H4：意识与感知价值之间呈正向相关关系。

H5：意识与感知质量之间呈正向相关关系。

H6：意识与信任之间呈正向相关关系。

H7：意识与感知风险之间呈负向相关关系。

用户使用在线存储服务面临着个人信息泄露、电子资源丢失等风险，而用户对在线存储服务平台不了解会加剧这种感知程度。相反，用户决定使用在线存储服务的决定必然包含对该服务的正面期待，这种期待就是一种信任。信任是一种信心期望，能够对个人的行为产生显著影响。Sirdeshmukh等在社会交换理论(Social Exchange Theory)基础上提出消费者产生购买行为之前的信任会直接影响到购买后的满意度[35]。Chiou提出了一个顾客满意度和忠诚度框架，在该框架中明确指出信任对顾客满意度和忠诚度具有直接影响[36]。本文关注用户对在线存储服务平台的信任，这种信任是对在线存储服务平台正面期望的表达，能够提高用户使用在线存储服务的满意度。因此，本文假设：

H8：信任与用户满意度之间呈正向相关关系。

在网络用户信息行为研究中，用户感知风险成为了网络购物和电子商务领域一种主要障碍。因此，服务商也尽可能通过提高安全保障技术、活动宣传和保证政策声明等形式降低用户的感知风险[37]。网络环境下，感知风险对网络用户满意度有显著的影响[38]。Pavlou认为感知风险越高，顾客购物的意愿就会越低，感知风险会激发客户喜欢或讨厌的感觉，从而影响他们的信念、态度和意愿[14]。因此，本文假设：

H9：感知风险与用户满意度间呈负向相关关系。

H10：感知风险与在线存储服务持续使用意愿间呈负向相关关系。

用户满意度是用户使用产品或服务后的一种心理状态，在期望确认理论中，用户满意度是用户产生持续使用或回购行为的关键因素。基于期望确认理论模型，Bhattacherjee构建了信息系统持续使用接受模型(A Post-Acceptance Model Of IS Continuance)，该模型中用户满意度是影响其持续使用信息系统的重要变量[24]。一般认为，用户使用产品或服务后的满意程度是用户选择是否继续接受该产品或服务的重要因子。因此，本文假设：

H11：用户满意度与在线存储服务持续使用意愿间呈正向相关关系。

3 研究方法和数据收集

本研究采用问卷调查方法进行数据收集，应用偏最小二乘法(Partial Least Squares, PLS)的结构方程模型验证假设和概念模型。

3.1 测量变量设计与测度

本文的研究模型涉及7个潜在变量，包括感知质量、感知价值、感知风险、意识、信任、满意和持续使用意愿。每个潜在变量都由3～5个测量变量组成，所有测量变量均来源于已有文献，以保证测量变量的内容效度。结合本文研究对象和环境设计出量表，在进行大范围调查之前，首先对初始形成的问卷进行了预调查，根据反馈，慎重修改了部分表述，使问卷表达更清楚，语义更容易理解。本文的问卷见附录1。问卷中的每个测量题项都用7点李克特量表进行测度，测量的范围选择是“强烈不同意”(1)到“强烈同意”(7)。

3.2 数据收集

本研究通过问卷调查方式收集数据。将设计好的问卷公布在问卷星上，然后通过网民自愿填写问卷和发送私人消息邀请熟人填写问卷的方式收集数据。整个数据收集工作持续了三周，剔除答题时间过长和过短的问卷，共得到有效问卷226份，实际有效问卷数量大于理论需要的样本数量。样本的基本信息见表1。

表1 被调查对象基本信息统计

4 数据分析

4.1 测量模型的有效性检验

测量模型的有效性主要表现在内容有效性、内部一致性和区分效度等方面。本研究采用的所有测量指标均来源于已有文献，因此这些变量和题项表达都是清晰准确的。内部一致性由组合信度与Cronbach’s Alpha来衡量。由表2可以看出，所有潜在变量的CR(Composite Reliability)值都在0.9以上，Cronbach’s Alpha均大于0.8。一般认为，CR值与Cronbach’s Alpha达到0.7即表明测量模型具有较好的内部一致性。表2中AVE (Average Variance Extracted)是抽取的平均方差。

表2 验证性因子分析

表3是潜在变量间相关系数和AVE的平方根值。由表3可以看出每一个潜在变量的AVE平方根都大于该变量与其他变量之间的相关系数，表明该测量模型具有良好的区分性。

表3 潜在变量相关系数与AVE平方根

注：对角线上的值是AVE的平方根。

表4是交叉因子负荷量。由表4可知，每个测量变量与其潜在变量间具有较高的相关系数，而与其他潜在变量间的相关系数值则相对较低，进一步验证该测量模型具有好的内部一致性和区分性。由于感知风险的第3题和第4题的因子载荷低于0.7，在数据分析的过程中将其剔除。

4.2 结构模型检验

结构模型的验证结果如图2所示，其显著性检验中的t值是利用bootstrap重复抽样方法来计算的，样本数为1000。

从图2可以看到，顾客满意度和持续使用意愿的R2分别为0.677和0.582，说明本文的研究模型具有良好的预测能力。研究模型中除了感知风险对在线存储持续使用意愿的影响不显著外，其他假设关系都得到了验证(见表5)。同时，顾客满意度到持续使用意愿之间的路径系数为0.76，证实了期望确认理论中的论述，用户是否选择持续购买、使用某项产品或服务与顾客使用后的满意度密切相关。而意识与感知风险、感知风险与顾客满意之间呈负向相关性，路径系数分别为-0.252和-0.114。

表4 因子负荷量和交叉因子负荷量

*P<0.05, **P<0.01, ***P<0.001, ns: non-significant

表5 假设验证结果

5 分析和讨论

5.1 用户满意度对持续使用意愿的影响

图2中可以看出，用户满意度对用户持续使用行为意愿具有非常显著的直接作用。信任、感知质量、感知价值和感知风险都对用户满意度产生显著影响。从理论意义来讲，本文通过对在线存储服务的实证研究，验证了期望确认模型在预测用户持续使用行为的有效性和普适性，也进一步论证了用户感知产品质量和感知产品价值是用户对产品满意的两个重要因素，并且运用感知风险理论、用户满意度理论和期望确认理论构建整合模型探究影响用户持续使用在线存储服务意愿的关键因素。从现实意义看，在竞争日益激烈的在线存储服务行业，要想赢得用户的青睐，在线存储服务提供商必须提升用户对产品的满意度。从信任、感知质量、感知价值和感知风险角度考虑，首先，服务提供商需要全方位提升公司形象和声誉，完善相关制度，以增强用户对在线存储服务提供商和在线存储服务平台的信任；其次，产品是竞争的核心，从用户需求出发，注重用户体验，并通过技术手段提升产品质量，针对不同用户需求提供个性化的定制服务是提升用户满意度的关键；最后，从技术、制度等方面保障用户的个人利益和个人信息安全，降低用户的信息安全顾虑，也是提升用户满意度的重要手段和措施。

5.2 感知风险对持续使用意愿的影响

在图2中感知风险对行为意愿的直接影响不显著，这种状况可能与调查对象对互联网依赖性较强有关。这类用户充分体会到互联网的优越性，即使感知到互联网产品有较高的风险仍然会选择网络手段处理日常事务。而感知风险与用户满意呈负向相关，用户感知到在线存储服务的风险越高就会降低顾客的满意度，从而导致用户放弃继续使用该服务。因此，在互联网环境下感知风险仍然是影响用户行为意愿非常重要的因素。而从服务提供商的角度来说，降低用户的感知风险才是留住用户的重要措施。在目前中国的网络环境下，时常有用户的个人信息、隐私、电子文档被泄露的现象。因此，企业应该在加强网络安全技术和完善信息安全制度的同时，提高员工职业道德素养，为网络用户营造一个和谐、放心的互联网平台。

5.3 意识对持续使用意愿的影响

在本文的研究模型中，意识对用户行为意向并不产生直接影响，但是其能够对感知质量、感知价值、感知风险和信任起作用，进而影响用户满意度和用户的持续使用意愿。因此，意识这一变量在模型中的作用仍不容小觑。本文中的意识表征用户对产品信息的了解程度，而感知质量、感知价值、感知风险、信任均是用户对产品的主观判断，而这些信息能够对用户的主观判断产生影响。本研究中，90%以上的调查对象具有本科及以上学历，这一群体普遍具有较高的计算机能力。然而，在线存储服务是一种面向大众化群体的互联网产品，受众的计算机水平参差不齐。因此从这个角度来看，为了让受众全面的了解和认识在线存储服务、在线存储服务的优势以及在线存储服务的使用方法等信息，在线存储服务提供商需要对产品做全面、诚实的市场推广，并且通过各种各样的形式(如文字、图片、视频等)展示产品的核心竞争力以及指导用户正确的使用在线存储服务。

6 结语

本研究基于用户满意度和感知风险的视角研究了用户对在线存储服务的持续使用意愿。研究结果表明，用户满意是用户持续使用意愿的关键因素，感知风险对行为意愿直接影响效果不显著。意识在本研究中有重要的作用与意义，它通过感知质量、感知价值、信任和感知风险间接影响用户满意度。本研究存在以下几点不足以及可供未来研究参考的思路：第一，在研究感知质量变量时，本文只考虑了系统质量，未涉及信息质量和服务质量，在以后的研究中，可以全面考虑系统质量、信息质量和服务质量，探讨三者对用户持续使用在线存储服务意愿的影响；第二，本文仅考虑了用户对在线存储服务平台的信任，未考虑对服务提供商的信任，未来的研究中，可从信任的不同维度出发研究信任与用户满意度之间的关系；第三，对感知风险的研究不够全面，未来的研究可以从感知风险的各个子维度(时间风险、经济风险、社会风险、绩效风险、安全风险、隐私风险等)出发研究感知风险与持续信息行为之间的关系；第四，本研究基于信息安全问题较为突出的中国的互联网环境，且样本群体学历普遍较高，因而本研究的普适性还有待考证。今后的研究可以探究不同群体、不同文化背景或在不同环境下该模型的预测能力。

附录1 问卷

[1] 中国互联网络信息中心. 中国互联网网络发展状况统计报告[EB/OL].[2014-04-20].http://www.cnnic.net.cn/

[2] 2013年上半年中国网盘市场排行榜[EB/OL].[2014-04-20].http://www.weste.net/2013/8-29/93413.html

[3] Zeng W,Zhao Y,Ou K,et al.Research on cloud storage architecture and key technologies[C]//Proceedings of the 2nd International Conference on Interaction Sciences:Information Technology,Culture and Human.ACM,2009:1044-1048

[4] Crawford C M. Commercial online backup service that provides transparent extended storage to remote customers over telecommunications links: U.S. Patent 5,901,228[P]. 1999-5-4

[5] Gunaseelan L, Lauris E. Media server system and process having device independent near-online storage support: U.S. Patent 6,601,136[P]. 2003-07-29

[6] Wang C, Wang Q, Ren K, et al. Toward secure and dependable storage services in cloud computing[J]. Services Computing, IEEE Transactions on, 2012, 5(2): 220-232

[7] De Assunção M D, Di Costanzo A, Buyya R. Evaluating the cost-benefit of using cloud computing to extend the capacity of clusters[C]//Proceedings of the 18th ACM international symposium on High performance distributed computing. ACM, 2009: 141-150

[8] Paquette S, Jaeger P T, Wilson S C. Identifying the security risks associated with governmental use of cloud computing[J]. Government Information Quarterly, 2010, 27(3): 245-253

[9] 中国互联网络信息中心. 中国网民信息安全状况研究报告[EB/OL].[2014-04-20].http://www.cnnic.net.cn/

[10] Bauer R A. Consumer behavior as risk taking[C]//Dynamic marketing for a changing world, Proceedings of the 43rd Conference of the American Marketing Association. Hancock,1960:396-398

[11] Havlena W J,DeSarbo W S.On the measurement of perceived consumer risk[J].Decision Sciences,1991,22(4):927-939

[12] Peter J P,Ryan M J.An investigation of perceived risk at the brand level[J].Journal of marketing research,1976,13(2):184-188

[13] Lim N. Consumers’ perceived risk: sources versus consequences[J]. Electronic Commerce Research and Applications, 2003, 2(3): 216-228

[14] Pavlou P A. Consumer acceptance of electronic commerce: integrating trust and risk with the technology acceptance model[J]. International journal of electronic commerce, 2003, 7(3): 101-134

[15] Forsythe S, Liu C, Shannon D, et al. Development of a scale to measure the perceived benefits and risks of online shopping[J]. Journal of Interactive Marketing, 2006, 20(2): 55-75

[16] Glover S, Benbasat I. A comprehensive model of perceived risk of e-commerce transactions[J]. International Journal of Electronic Commerce, 2010, 15(2): 47-78

[17] Hanafizadeh P,Khedmatgozar H R. The mediating role of the dimensions of the perceived risk in the effect of customers’ awareness on the adoption of Internet banking in Iran[J].Electronic Commerce Research,2012,12(2):151-175

[18] Cardozo R N. An experimental study of customer effort, expectation, and satisfaction[J]. Journal of marketing research, 1965,2(3): 244-249

[19] Kotler P. Marketing Management: The Millennium Edition[M]. New Jersey: Prentice Hall, 2001:132-142

[20] Lai T L. Service quality and perceived value’s impact on satisfaction, intention and usage of short message service (SMS)[J]. Information Systems Frontiers, 2004, 6(4): 353-368

[21] Patterson P G, Spreng R A. Modelling the relationship between perceived value, satisfaction and repurchase intentions in a business-to-business, services context: an empirical examination[J]. International Journal of Service Industry Management, 1997, 8(5): 414-434

[22] Ribbink D, Van Riel A C R, Liljander V, et al. Comfort your online customer: quality, trust and loyalty on the internet[J]. Managing service quality, 2004, 14(6): 446-456

[23] Lee K C, Chung N. Understanding factors affecting trust in and satisfaction with mobile banking in Korea: A modified DeLone and McLean’s model perspective[J]. Interacting with computers, 2009, 21(5): 385-392

[24] Bhattacherjee A. Understanding information systems continuance: an expectation-confirmation model[J]. MIS quarterly, 2001, 25(3): 351-370

[25] Oliver R L. A cognitive model of the antecedents and consequences of satisfaction decisions[J]. Journal of marketing research, 1980,17(4): 460-469

[26] Anderson E W, Sullivan M W. The antecedents and consequences of customer satisfaction for firms[J]. Marketing science, 1993, 12(2): 125-143

[27] Zeithaml V A. Consumer perceptions of price, quality, and value: a means-end model and synthesis of evidence[J]. The Journal of Marketing, 1988,52(6): 2-22

[28] Sweeney J C, Soutar G N, Johnson L W. The role of perceived risk in the quality-value relationship: a study in a retail environment[J]. Journal of retailing, 1999, 75(1): 77-105

[29] Anderson R E, Srinivasan S S. E-satisfaction and e-loyalty: A contingency framework[J]. Psychology & Marketing, 2003, 20(2): 123-138

[30] Bou-Llusar J C, Camisón-Zornoza C, Escrig-Tena A B. Measuring the relationship between firm perceived quality and customer satisfaction and its influence on purchase intentions[J]. Total Quality Management, 2001, 12(6): 719-734

[31] Kuo Y F, Wu C M, Deng W J. The relationships among service quality, perceived value, customer satisfaction, and post-purchase intention in mobile value-added services[J]. Computers in Human Behavior, 2009, 25(4): 887-896

[32] Hanafizadeh P,Khedmatgozar H R.The mediating role of the dimensions of the perceived risk in the effect of customers’ awareness on the adoption of Internet banking in Iran[J].Electronic Commerce Research,2012,12(2):151-175

[33] Dodds W B, Monroe K B, Grewal D. Effects of price, brand, and store information on buyers’ product evaluations[J]. Journal of marketing research, 1991,28(3): 307-319

[34] Yoon S J. The antecedents and consequences of trust in online-purchase decisions[J]. Journal of interactive marketing, 2002, 16(2): 47-63

[35] Sirdeshmukh D, Singh J, Sabol B. Consumer trust, value, and loyalty in relational exchanges[J]. The Journal of Marketing, 2002,66(1): 15-37

[36] Chiou J S, Droge C. Service quality, trust, specific asset investment, and expertise: direct and indirect effects in a satisfaction-loyalty framework[J]. Journal of the Academy of Marketing Science, 2006, 34(4): 613-627

[37] Chang M K, Cheung W, Lai V S. Literature derived reference models for the adoption of online shopping[J]. Information & Management, 2005, 42(4): 543-559

[38] Lopez-Nicolas C, Molina-Castillo F J. Customer Knowledge Management and E-commerce: The role of customer perceived risk[J]. International Journal of Information Management, 2008, 28(2): 102-113

[39] Pavlou P A, Gefen D. Building effective online marketplaces with institution-based trust[J]. Information Systems Research, 2004, 15(1): 37-59

[40] Hellier P K, Geursen G M, Carr R A, et al. Customer repurchase intention: a general structural equation model[J]. European Journal of Marketing, 2003, 37(11/12): 1762-1800

Research on Continual Usage Intention of Online Storage Service——A Perspective of User Satisfaction and Perceived Risk

Zhao Peng Zhang Jinchao

(School of Information Management，Wuhan University，Wuhan 430072)

Based on the perspective of user satisfaction and perceived risk, we conduct an influencing factor model about the continuance intention of online storage service. Collecting data by survey questionnaire and analyzing data of 226 Internet users by PLS, it turns out user satisfaction has a significant positive effect on continuance intention. However, perceived risk has a direct effect on user satisfaction rather than continuance intention.

Satisfaction Perceived risk Continuance intention Structural equation model Online storage service

本文系中央高校基本科研业务费专项资金资助“社会化媒体用户信息行为规律研究”(2013104010204)的成果之一。

赵鹏，硕士生，研究方向：网络用户信息行为，E-mail：871874896@qq.com；张晋朝，博士生，研究方向：网络用户信息行为。

TP333;G203

A

2095-2171(2015)02-0070-09

10.13365/j.jirm.2015.02.070

2014-03-14)