S-O-R视角下微信朋友圈用户不持续使用行为实证分析

【摘要】本文基于S-O-R分析框架，聚焦朋友圈不持续使用行为，从感知过载和社交媒体倦怠视角探析用户不持续使用行为的影响因素，以期更全面地考虑技术与实践的相互建构，从而为社交媒体运营商改善服务提供建议与启示。研究结果表明，朋友圈使用强度对感知过载具有正向预测作用，感知过载对朋友圈倦怠具有正向预测作用;朋友圈倦怠对不持续使用具有正向预测作用，朋友圈倦怠在感知过载与不持续使用之间起中介作用。

【关键词】朋友圈;不持续使用;感知过载;社交媒体倦怠

1. 引言

据腾讯公布的《2018微信年度数据报告》，截止2018年Q3季度，微信用户月活账户数达到10.82亿人，与此同时，不断扩张的朋友圈用户群体、逐渐复杂化的系统功能以及愈渐泛化的社交形势所带来的社交媒体倦怠正导致越来越多的朋友圈用户活跃量下降，人均访问、停留时间减少甚至终止使用。Kantar Group《中国社交媒体影响报告2018》数据也表明，同2017年相比，2018年微信用户对朋友圈的积极评价从83.5%下降到80.6%，消极评价从89%上升至93%，采取措施后减少消极影响的用户从89%上升至95%。可见，微信朋友圈用户黄金增长期后的疲态已开始突显，逃离朋友圈已逐渐成为了一种风潮。那么，造成微信朋友圈用户的媒体倦怠和疲态的原因是什么？本文拟从感知过载和社交媒体倦怠视角对微信朋友圈用户的不持续使用行为进行研究，以期为社交媒体运营商改善服务提供建议与启示。

2. 框架、方法与数据

2.1 假设与理论框架

本文拟采用S-O-R（Stimulus-Organism-Response）模型对微信朋友圈用户的不持续使用行为进行探讨。S-O-R分析是一种由Mehrabian and Russell（1974） 等人提出并广泛运用于行为科学的研究方法，是指有机体在环境刺激下（S），通过有机体内部的一系列复杂反应（O）对环境刺激作出的反馈（R）。根据S-O-R方法的研究要求，我们把微信朋友圈用户感知过载（细分为系统功能过载、信息过载、社交过载）视为外在环境刺激因素（S），把感知过载对用户产生社交媒体倦怠（侵扰感、焦虑感、低价值感）的情感体验和使用态度视为机体体验，把进而引发的不持续使用行为视为最终响应，由此构建如下分析框架（见图1）。

根据以上分析框架，结合本文的研究内容，我们提出如下假说（见表1）：

2.2 研究方法

本文采用问卷调查法对研究假设进行验证，量表是在参考已有成熟量表基础上设计而成。其中，微信朋友圈使用强度改编自Nicole B. Ellison和Charles Steinfield（2007） ，克隆巴赫α为0.83;系统功能过载、信息过载、社交过载改编自张淑玮（2016） ，三大变量克隆巴赫α分别取0.818、0.862、0.915;朋友圈倦怠以及不持续使用行为改编自张庆芳（2017） ，其中“侵扰感”、“焦虑感”、“低价值感”三变量的克隆巴赫α值分别取 0.773、0.822、0.722。感知过载维度采取李克特5级量表法，1表示非常不符合，5表示非常符合;朋友圈倦怠、不持续使用两个维度分别采用李克特7级量表法，1表示非常不同意，7表示非常同意。

2.3 数据收集与处理

本次调查采取问卷星在线问卷形式进行，共收到有效问卷362份，样本覆盖的性别、年龄和学历情况符合当前微信用户总体特征。其中，从性别看，男女各占54.1%和45.9%;从年龄看，20岁以下、20-29岁、30-39岁、40-49岁、50岁及以上分别占18.2%、23.5%、20.4%、18.0%、19.9%;从学历看，高中及以下、专科、本科、硕士、博士及以上分别占18.0%、11.3%、26.8%、23.2%、20.7%;从职业看，在校学生、政府/事业单位职员、企业/公司职员、个体经营/自由职业、其他分别占27.6%、19.3%、21.8%、11.9%、19.3%;从使用经验看，1年内、1-2年内、2-3年内、3-4年内、4-5年内、5年及以上分别占7.7%、10.8%、16.6%、17.1%、14.9%、32.9%;从好友数量看，1～150、151～300、301～450、451～600、600以上分别占29.6%、29.3%、16.9%、8.6%、15.7%。

3. 朋友圈用戶行为分析

本文采用SPSS23.0对数据进行统计分析，主要包括信度、效度和结构性分析。

3.1 信度和效度分析

3.1.1 信度分析

本研究选取克朗巴哈α系数进行信度分析。α系数介于0到1之间，α系数越大，则量表越可信。一般认为，α系数高于0.7时，量表可信度较高;α系数介于0.65到0.7之间，量表的信度可以接受;低于0.65则不可信。本文计算结果为：总量表的克隆巴赫α值为0.955，表明问卷的可靠性较高;所有分量表题项的克隆巴赫α值均高于0.7，表明量表可信度较高（见表2）。

3.1.2 效度分析

本文采用因子分析法进行效度分析。问卷的KMO值为0.938，满足因子分析基本要求，且样本Bartlett球型检验的显著性检验为0.000，表明各变量间相关性较好，问卷的结构效度良好。检验结果见表3，除朋友圈使用强度（WMUI1）的因子载荷值小于0.5以外，其他题项的因子载荷值均大于0.5，且多数在0.6以上，表问卷具有良好的效度。

3.2 结构模型检验

3.2.1 Pearson相关性分析

本文采用Pearson方法分析变量之间的相关关系。计算可知：朋友圈使用强度与感知过载之间的系数r=0.44，p=0.000<0.05，表明二者中等程度相关，即H1成立;感知过载与朋友圈倦怠的相关系数r=0.85，p=0.000<0.05，表明二者之间呈强相关，即H2成立;社交过载与朋友圈倦怠之间相关系数r=0.75，p=0.000<0.05，表明二者呈强相关，即H2a成立;信息过载与朋友圈倦怠相关系数r=0.62，p=0.000<0.05，表明二者之间具有相关性，即H2b成立;系统功能过载与朋友圈倦怠相关系数r=0.61，p=0.000<0.05，表明二者之间呈强相关，即H2c成立。朋友圈倦怠与不持续使用的Pearson系数r=0.71，p=0.000<0.05，表明二者呈强相关，即H3成立;疲惫感与不持续行为的相关系数r=0.48，p=0.000<0.05，二者呈中等程度相关，即H3a成立;焦虑感与不持续的相关系数r=0.51，p=0.000<0.05，表明二者呈中等程度相关，即H3b成立;侵扰感与不持续使用的相关系数r=0.59，p=0.000<0.05，二者呈中等程度相关，假H3c成立;低价值感与不持续使用相关系数r=0.54，p=0.000<0.05，呈中等程度相关，即H3d成立。感知过载与不持续使用的Pearson相关系数r=0.725，p=0.000<0.05，呈强相关，即H2成立;社交过载与不持续使用的相关系数r=0.654，p=0.000<0.05，呈强相关，即H2a成立;信息过载与不持续使用相关系数r=0.657，p=0.000<0.05，呈强相关，即H2b成立;系统功能过载与朋友圈倦怠相关系数r=0.568，p=0.000<0.05，呈中等程度相关，即H2c成立。

3.2.2 回归分析

为了进一步研究感知过载、朋友圈倦怠与不持续使用的关系，本文分别构建以“感知过载”作为自变量X、“朋友圈倦怠”作为中介变量M、“不持续使用”作为因变量Y的三个模型Y=c*X+e1、M=a*X+e2，Y=c'*X+b*M+e3进行中介效应分检验。回归分析结果见表5。模型1拟合结果显示，系数c=0.715，p=0.000，表明c显著;朋友圈倦怠作为因变量、感知过载作为自变量的模型2回归分析结果显示，系数a=0.757，p=0.000，表明a显著;不持续使用作为因变量、感知过载和朋友圈倦怠同时作为自变量的模型3回归分析结果显示，系数b=0.253，p=0.000，系数c'=0.524，p=0.000，表明系數 b和c都显著。

综上，模型2、3中，有关“朋友圈倦怠”变量的系数 a 和 b 均显著，模型3中 c' 显著，所以本文属于部分中介效应;自变量“感知过载”对因变量“不持续使用”的中介效应不完全通过中介变量“朋友圈倦怠”达到影响，“感知过载”对“不持续使用”有部分直接效应。中介效应对总效应的贡献率：M=a*b/c=0.268，即26.8%，故H4成立。

4. 结论与建议

本研究以S-O-R为分析基础，构建了以微信朋友圈不持续使用为因变量，朋友圈倦怠为中介变量、感知过载为自变量的中介模型，从心理层面探讨了朋友圈不持续使用的影响机制。通过相关分析和回归分析，11个研究假设均得到验证，表明朋友圈使用强度对感知过载、感知过载对朋友圈倦怠、朋友圈倦怠对不持续使用均具有正向预测作用;朋友圈倦怠在感知过载与不持续使用之间起中介作用;不持续使用不是“采纳”或“持续使用”的反面，而是基于社交媒体倦怠形成的一种“限制”、“暂停”甚至“放弃”，体现了对“曾经采用”方向的背离。本文关注媒体倦怠或不采纳行为，透视技术与实践的相互建构，突破了媒介采纳行为的研究局限，丰富了社交媒体采纳行为的研究思路和方法。本文为微信运营商给出的建议是，简化朋友圈系统功能设置、信息服务以及社交服务，使其服务更精准地对接用户的内在需求，提升朋友圈的易用性和实际功效。

参考文献：

[1]MehrabianA，RussellJA.Anapproachtoenvironmentalpsychology[M].theMITPress，1974.

[2]NicoleB.Ellison，CharlesSteinfield，CliffLampe，TheBenefitsofFacebook“Friends：”SocialCapitalandCollegeStudentsUseofOnlineSocialNetworkSites，JournalofComputer-MediatedCommunication，Volume12，Issue4，1July2007，Pages1143–1168.

[3]张淑玮.社交网络用户不持续使用行为的实证研究[D].华中科技大学，2016.

[4]张庆芳.社交媒体惓怠的量表编制[D].厦门大学，2017.

作者简介：罗艺，重庆涪陵人，西南交通大学人文学院本科2017级传播学专业，研究领域：传播学理论。