APP下载

在线健康社区用户非持续使用行为影响因素分析

2022-02-11袁静郭玲玉

现代情报 2022年2期
关键词:用户行为

袁静 郭玲玉

摘 要:[目的/意义]当前关于在线健康社区的研究大多关注用户的积极使用行为,而探究在线健康社区用户的非持续使用行为及其影响因素,对保留用户群体、促进在线健康社区的持续发展具有重要的意义。[方法/过程]在文献调研和相关理论借鉴基础上,结合在线健康社区自身特征,提取在线健康社区用户非持续使用行为的初始影响因素,利用实证调查数据对影响因素进行识别和修正。[结果/结论]感知风险、服务质量与成本、系统与信息质量、感知社会支持是影响在线健康社区用户非持续使用行为的主要因素,其中,服务管理、医生服务质量、服务费用、系统功能、感知隐私与诊疗风险等细分因素对在线健康社区用户非持续使用行为的影响程度较大,在此基础上针对性地提出应对策略。

关键词:在线健康社区;用户行为;非持续使用

DOI:10.3969/j.issn.1008-0821.2022.02.008

〔中图分类号〕G252.0 〔文献标识码〕A 〔文章编号〕1008-0821(2022)02-0081-13

Influencing Factors Analysis of Discontinuous Use

Behaviors of Users on Online Health Communities

Yuan Jing1,2 Guo Lingyu1

(1.School of Information Management,Zhengzhou University,Zhengzhou 450001,China;

2.Zhengzhou Data Science Research Center,Zhengzhou 450001,China)

Abstract:[Purpose/Significance]Current studies on online health communities mainly focus on users' active behaviors,while exploring the discontinuous use behaviors of users on online health communities is of great significance for retaining user groups and promoting the sustainable development of online health communities.[Method/Process]On the basis of literature review and related theory reference,combined with the characteristics of online health communities,the initial influencing factors of discontinuous use behaviors of users on online health communities were extracted,and the influencing factors were identified and corrected by using survey data.[Result/Conclusion]Perceived risk,service quality and cost,system and information quality,and perceived social support are the main factors that affect the discontinuous use behaviors of users on online health communities.Among them,subdivision influencing factors such as service management,doctor's service quality,service fees,system functions,perceived privacy risks,and perceived diagnosis and treatment risks have greater impact on discontinuous use behaviors of users on online health communities,and then some countermeasures are proposed.

Key words:online health community;user behavior;discontinuous use

網络技术的发展催生了线上医疗模式的产生,越来越多的人们开始利用互联网进行健康管理。随着2017年健康中国战略的提出以及受到2020年新冠肺炎疫情突然暴发的影响,民众对在线医疗的需求不断增长,在线健康社区呈现更为蓬勃的发展。第46次《中国互联网络发展状况统计报告》中显示,截至2020年6月,我国在线医疗用户规模达2.76亿,占网民整体的29.4%。此外,26.4%的网民在线购买过药品、健康器械等医疗用品,17.9%的网民使用过网上挂号、问诊等在线医疗服务[1]。

在线健康社区即在互联网上为用户提供预约挂号、咨询医生、患者互动、健康百科等服务的平台,如好大夫在线、丁香医生、甜蜜家园、妈妈网孕育、美柚APP和百度戒烟吧等。在线健康社区能够为用户提供健康信息支持、健康服务支持和情感支持,帮助用户更好地应对疾病的困扰。然而,在线健康社区在发展过程中也存在一些问题,比如系统使用复杂、界面设计不友好、信息过载、医生服务质量不高以及隐私泄露等,这些问题在不同程度上影响着在线健康社区用户的非持续使用行为,具体表现为降低使用频率、暂时停止使用、永久停止使用并卸载、转向其他同类型社区等行为。用户因各种原因产生的非持续使用行为,会造成用户流失,当非持续使用的用户数量达到一定规模时,可能导致在线健康社区无法实现正常运行和可持续发展。因此,明晰用户非持续使用行为的现状以及造成用户非持续使用行为的影响因素,从而采取相应的措施,优化在线健康社区中用户的使用体验,减少用户的消极使用行为,指导用户合理使用在线健康社区,提升用户粘性和忠诚度,对于在线健康社区的可持续发展至关重要。然而,当前关于在线健康社区的研究大多关注用户的积极使用行为,对用户的非持续使用等消极行为的研究较少。本文侧重于探究在线健康社区用户的非持续使用行为及其影响因素,在对用户非持续使用行为内涵界定的基础上,初步提取了在线健康社区用户非持续使用行为的影响因素,然后利用实证调查数据验证和识别影响在线健康社区用户非持续使用行为的主要因素,并比较各因素的影响程度大小,在此基础上提出针对性的应对策略,一方面有利于丰富在线健康社区研究的理论成果,另一方面有利于指导在线健康社区的实践发展,以期帮助在线健康社区保留更多的用户群体,并实现社区的可持续发展。

1 相關研究综述

1.1 在线健康社区用户的相关研究

当前国内外针对在线健康社区的研究主题大致可分为3类:第一类是从社区用户的角度展开研究;第二类是从社区内信息的角度展开研究;第三类是从社区的系统建设与发展的角度展开研究。其中,从社区用户的角度展开研究的文献数量较多,内容主要包括普通用户的研究、专业医护人员的研究以及医患互动的研究,普通用户是指患者、患者家属以及其他对健康信息有需求的用户,专业医护人员是指为有健康信息需求的用户提供专业服务的医生及其他专业人士。

1)针对普通用户的研究。这类研究主要涉及用户的知识共享行为、持续使用意愿、采纳意愿、满意度、隐私披露意愿等方面。如张星等借鉴S-O-R模型与动机理论,实证分析在线健康社区中用户的一般知识共享行为和特殊知识共享行为的影响因素[2];董庆兴等在感知价值理论的基础上研究了在线健康社区用户持续使用意愿的影响因素[3];王瑜超对在线健康社区用户的健康信息披露意愿的影响因素展开研究[4];Zhu P P等则确定了在线信息支持和隐私关注对在线健康社区中患者信息共享意愿的影响,以及不同患者的疾病严重程度和信息敏感性对他们知识分享意愿的调节作用[5];Park K A等通过问卷调查分析了甲状腺癌患者在网上健康社区中参与行为的影响因素,认为教育程度、肿瘤大小、对癌症的态度、焦虑和抑郁都是相关的影响因素[6];Zhou J J等从卫生服务内容、人际因素的角度,探讨在线健康社区中用户自愿奖励免费医疗服务贡献者的行为的影响因素,发现信息支持、情感支持、社会规范依从性和社会互动对消费者的自愿奖励行为都有正向影响[7]。

2)针对专业医护人员的研究。这类研究主要探讨某些因素(如回报、团队多样化、荣誉、隐私保护设置等)与医生在在线健康社区中行为之间的影响或关系。如韩晓翠对在线医疗社区中医生贡献行为的动机进行研究,发现医生获得的经济回报、名誉回报以及医生的线下身份都对医生的在线贡献行为具有积极影响[8];Jing D等利用医生定价和满意度衡量医生自身和患者的认知程度,利用免费服务衡量医生的亲社会行为,探讨金钱激励、认知程度与医生亲社会行为之间的关系,发现金钱激励对医生亲社会行为有正向影响,较高的自我认知和他人对医生能力的认知水平提高了这种促进效应[9];Kuang J等分析了在线健康服务的普及率对医生在线咨询服务质量和价格的影响,研究结果显示,线上渗透率正向影响医生服务质量,负向影响线上服务价格,网络普及率对专科医院医生咨询价格的影响大于对综合医院医生咨询价格的影响[10]。

3)针对医患互动的研究。这类研究主要包括医生对患者的影响、社区特征对医患互动的影响、医患互动对患者的影响等。如徐孝婷等抓取了好大夫在线平台上的医生数据,将疗效、态度、感谢信、评论数、评论情感倾向值作为医生口碑的指标,分析医生口碑与患者选择之间的关系[11];刘箐等通过采集有问必答网上医生的数据和实证的方式来分析医生线上义诊行为是如何影响患者选择的,结果表明,医生义诊的数量和质量会对患者选择产生积极影响,医生声誉和服务价格起到显著的调节作用[12];Peng L等通过分析中国某知名在线健康社区中的医生与患者之间的动态互动过程,发现患者送礼能够激励医生提高在线服务质量,影响的程度会因医患关系的强度而不同,此外,情感礼物和工具性礼物对于医生服务质量的提高有不同的效果[13];Chen S Q等通过收集在线健康社区中在线医患互动的文本数据,分析了网上医患互动对患者满意度的影响,结果表明,病人的积极性对医生的信息和情感支持有积极影响,医生的信息和情感支持对患者满意度有积极影响,其中情感支持的影响更显著[14]。

1.2 用户非持续使用行为的相关研究

近年来,用户非持续使用行为逐渐成为国内外研究关注的热点,研究内容主要涉及用户非持续使用等这一类消极行为的形成原因或影响因素。研究对象涉及社交媒体用户[15]、移动图书馆用户[16]、社会化阅读用户[17]、电商平台用户[18]、旅游虚拟社区用户[19]等,其中,关注移动社交媒体用户的研究较多。如刘国亮等利用结构方程模型,分析在移动社交情境下错失焦虑和社交媒体倦怠对用户不持续使用意愿的影响效果,并揭示了移动社交媒体用户面临压力时不持续使用意愿的变化[20];程慧平等利用问卷调查和偏最小二乘法对社交媒体用户的非持续使用行为进行实证分析,发现期望不一致、不满意、社会比较、每天使用社交媒体的时间长度等因素都会影响用户在社交媒体中的非持续使用行为[21];Cao X F等实证检验了用户在社交网络中的非持续使用行为,结果表明,网络欺凌和社会负荷对社交网络焦虑和社交网络疲倦有显著影响,二者都进一步增加了用户非持续使用社交网络的意愿[22];Maier C等以Facebook为例,研究了用户在社交网络中非持续使用意愿的发展,发现社交网络服务压力和社交网络服务疲倦会导致用户的非持续使用意图,而转换压力和转换疲倦则会降低这些意愿[23];孙挺等则以期望失验理论和压力源—应变—结果框架为理论模型基础,分析图书阅读类社会化阅读APP的用户不持续使用意愿的影响因素,研究发现,负面感知绩效、不满意、使用倦怠均对用户不持续使用意愿有显著正向的影响作用,功能过载、社交过载、信息过载通过使用倦怠对用户不满意和不持续使用意愿产生影响作用[24]。

通过文献调研发现,当前国内外学者对在线健康社区用户的研究多关注于积极使用行为,对在线健康社区用户的非持续使用等消极行为的研究较少。但是,用户的非持续使用行为将会对在线健康社区的发展和持续运行产生直接的消极影响,因此本研究着眼于在线健康社区用户非持续使用行为的影响因素分析,以期能够丰富在线健康社区用户研究的内容体系,促进在线健康社区的可持续发展。

2 在线健康社区用户非持续使用行为影响因素提取与调查

2.1 用户非持续使用行为内涵界定

“非持續使用”这一术语最早在医学领域内使用,用来形容患者对药物的不持续使用行为[25]。后来被信息系统领域的学者引入信息系统的相关研究中。当前国内外对非持续使用行为或消极行为的研究大多集中在社交媒体平台上,对非持续使用行为的内涵也是基于相应的研究平台或对象进行界定。如金朝将短视频社交平台用户的非持续使用行为定义为用户降低短视频的使用频率、用户暂时中断使用短视频、用户永久停止使用短视频或用户转向其他社交平台[26];张琦等将社交媒体用户的非持续使用行为定义为用户减少社交媒体的使用频率并控制自己的使用行为,暂时退出或完全放弃社交媒体以及转向使用其他社交媒体的行为[27]。

在借鉴现有研究的基础上,本文将在线健康社区用户的非持续使用行为界定为:用户降低在线健康社区的使用频率、暂时停止使用在线健康社区、永久停止使用并且卸载在线健康社区、转向使用其他同类型社区等消极使用行为。用户因健康目的达成而造成在线健康社区中的非持续使用行为,是一种幸福的放弃[28],这种情况下的非持续使用行为不在本文的研究范畴之内。

2.2 用户非持续使用行为的影响因素提取

一般而言,用户的行为会受到心理动机、行为意愿、内外部环境等各种因素的影响。在线健康社区平台上,导致用户产生非持续使用行为的影响因素众多,并且具有多维性、复杂性、动态性。因此,为了尽可能全面地涵盖影响用户非持续使用行为的各种因素,本文在查阅国内外有关用户非持续使用行为、在线健康社区用户行为等相关研究的基础上,结合在线健康社区自身的特征,借鉴信息系统成功模型、感知价值理论、隐私计算理论和社会支持理论,从客观和主观两方面提取了在线健康社区用户非持续使用行为的初始影响因素。其中,信息系统成功模型包含了影响信息系统成功的6个衡量指标,信息系统成功的关键在于用户的接受和持续使用行为,而用户的非持续使用行为会导致系统运行的不成功。因此信息系统成功模型中的衡量指标为研究在线健康社区的非持续使用行为提供了一些参考借鉴,具体而言,借鉴了系统质量、信息质量、服务质量3个衡量指标作为本研究的影响因素,抽取了系统质量下的易用性、服务质量下的响应能力、信息质量下的可理解性和时效性等细分影响因素,其余细分影响因素通过文献调研确定。感知价值理论强调感知价值是消费者通过对感知收益和感知成本进行对比之后的结果,对在线健康社区的用户而言,当用户感知的成本较低时,用户会持续使用该平台带来的收益,否则会产生非持续使用行为。本研究结合在线健康社区本身的特征,主要考虑感知成本对用户非持续使用行为带来的影响,将感知成本具体化为感知医生费用、感知转换成本和感知诊疗风险等影响因素。根据隐私计算理论,用户是否披露个人信息取决于对成本和收益的评估,即所观察到的披露个人数据的风险与感知到的收益之间的比较。个人健康信息属于比较敏感的个人隐私数据,因此在使用在线健康社区时用户会更加关注自身隐私,本研究参考借鉴隐私计算理论,分析评估在线健康社区用户感知到的隐私风险对用户非持续使用行为的影响。社会支持理论强调引导受试者相信自己受到关心、爱戴、尊重,并成为互相承担义务的网络中的一员,并且人与人之间的社会支持性互动可以预防生活压力对健康的影响。本研究借鉴社会支持理论,根据在线健康社区用户的活动特征,将用户从在线健康社区中得到的社区支持因素分为信息支持、情感支持和陪伴支持。

最终提取的在线健康社区用户非持续使用行为影响因素如表1、表2所示,其中客观因素包括系统质量、信息质量和服务质量,主观因素包括感知风险、感知成本、感知社会支持和期望不确认,在这些因素下又包含多个细分影响因素,最终确定为7大类影响因素和25个细分影响因素。

2.3 调查数据采集与获取

2.3.1 调查问卷设计

在上文对在线健康社区用户非持续使用行为影响因素提取的基础上,笔者增加了用户非持续使用行为的产生及类型和个人统计学信息等问题,设计出本文的初始调查问卷,并发放给专家和研究生同学进行预调研,在汲取专家和同学建议的基础上形成正式的调查问卷。

正式调查问卷共分为3个部分:第一部分为使用情况的调查,筛选出使用过在线健康社区的用户,对用户具体使用的在线健康社区进行提问,并调查用户是否产生过非持续使用行为及产生过的非持续使用行为类型,共4道题目;第二部分为影响因素的评价,要求被调查者根据自己在使用在线健康社区时的真实感受,评价主客观影响因素对自身产生非持续使用行为的影响程度,根据上文表1、表2所提取的影响因素,这部分调查问卷共分为7个部分,分别为客观因素下的系统质量(4道题)、信息质量(5道题)、服务质量(6道题)和主观因素下的感知风险(4道题)、感知成本(2道题)、感知社会支持(3道题)、期望不确认(1道题),共25道题目,问卷量表题目与表1、表2中的“项目编码”一一对应,题目内容根据表1、表2中的“因素阐释”进行设置提问,量表题目的来源依据与表1、表2中的“参考文献来源”一一对应,每道题目均采用李克特五级量表,没有影响得1分,影响较小得2分,影响一般得3分,影响较大得4分,影响很大得5分,得分越高说明此影响因素对用户非持续使用行为的影响程度越大,用户非持续使用行为客观影响因素和主观影响因素问卷量表题项,分别如表3、表4所示;第三部分为个人基本信息的调查,要求被调查者如实填写自己的性别、年龄、受教育程度、健康状况、使用在线健康社区的年限、频率和进行的活动,共7道题目。

2.3.2 调查对象的选取与发放

本研究的调查问卷主要利用问卷星平台进行发放和回收。问卷发放时间为2021年1月13日—2021年2月28日。调查对象为使用过在线健康社区的用户,发放方式为通过微信向好友发放、好友之间滚雪球发放、在某些在线健康社区的官方交流群内发放、通过在百度贴吧的健康主题吧内(如美柚吧、女性健康吧、健康之路吧)发招募填写问卷的帖子以及在微博中征集用户填写等方式收集问卷。

2.3.3 问卷回收与基本问题描述

本次问卷调查共回收422份问卷,其中调查对象选择未使用过在线健康社区的问卷共65份,直接标记为无效问卷。剩余357份问卷是使用过在线健康社区的用户填写的,经过筛选剔除后,有效问卷共296份,有效率为82.91%。

调查对象的个人基本信息如表5和表6所示。调查对象中男女比例约为1∶1.74;年龄在19~40岁之间的调查对象最多,占比达到了94.93%,这与利用网络的主要人群分布基本一致;调查对象在学历分布上,本科学历人数最多,专科与硕博士学历的人数相当,高中及以下学历的人数最少;调查对象健康状况为较差、一般和良好之间的比例约为1∶15.8∶42.4;调查对象中使用在线健康社区2~3年的人数最多;在使用频率上调查对象更多的是偶尔使用1次或2~3天使用1次;调查对象主要利用在线健康社区进行查询浏览健康相关信息、咨询医生和健康管理等活动;调查对象目前使用较多的在线健康社区有美柚APP、丁香医生、好大夫在线;在调查对象中,有78.04%的用戶都曾在在线健康社区中产生过非持续使用行为,说明在线健康社区中的用户产生非持续使用行为的情况较为严重,需要及时采取措施,减少用户非持续使用行为的产生,帮助在线健康社区持续发展下去,其中,用户出现较多的非持续使用行为是降低使用频率和暂停使用两种类型。

2.3.4 信度与效度分析

利用SPSS26.0软件计算得出问卷调查数据的Cronbach's α系数为0.940,斯皮尔曼-布朗系数为0.872,格特曼折半系数为0.864,各因素的分半系数指标均为良好,说明问卷调查结果的信度较好。本研究提取的各项初始影响因素是在充分阅读相关文献和结合在线健康社区特征的基础上确定的,并且多次请教和咨询专家的意见,因此可以认为本问卷具有良好的内容效度;利用Spss26.0计算得出KMO取样适切性量数为0.933,巴特利特球形度检验的近似卡方值为4 015.201,自由度为300,显著性为0.000,说明非常适合做因子分析,问卷调查结果具有良好的结构效度。综上可以认为,问卷调查结果具有较好的信度与效度。

3 在线健康社区用户非持续使用行为影响因素识别与分析

3.1 基于调查数据的分析

本研究通过探索性因子分析,采用主成分分析法,选取特征值大于1的因子作为公共因子,利用最大方差法进行旋转,因子分析中题项的删除条件为:①旋转后题项的因子载荷小于0.5;②一个题项同时在两个因子上的因子载荷都大于0.5[45]。每删除1个题项后再做1次因子分析,先后反复进行了9次因子旋转,共删掉4个因子,分别为期望不确认(QW1)、信息准确性(XX1)、信息可理解性(XX3)和信息窄化(XX5),最终提取了4个核心公因子,如表7所示。提取的4个核心公因子的累积方差贡献率为63.042%,并且4个公因子的组合信度分别是0.892、0.848、0.813、0.820,均大于0.80(属于比较可信的克隆巴赫Alpha系数范围区间),整体组合信度为0.928(属于非常可信的克隆巴赫Alpha系数区间),KMO值为0.924(远大于0.65),因此总体上看,4个公因子下所涵盖题项的信度和效度都较好。

3.2 影响因素识别与修正

根据探索性因子分析的结果,对提取的在线健康社区用户非持续使用行为初始影响因素进行修正。

将原来的影响因素中属于信息质量维度的信息准确性(XX1)、信息可理解性(XX3)和信息窄化(XX5)以及属于期望不确认维度的期望不确认(QW1)予以删除,其余因素保留。最终识别出的影响因素仍可分为主客观两个维度,公因子1和公因子2属于客观因素,公因子3和公因子4属于主观因素,共包含21个影响因素,如图1所示。

公因子1:命名为服务质量和成本,此公因子基于社区提供服务的质量和成本费用的角度,包括服务管理(FW1)、客服解决效率及效果(FW2)、医生响应速度(FW3)、医生服务态度(FW4)、医生交互频率(FW5)、医生服务效果(FW6)、服务费用(CB1)和转换成本(CB2),共计8个变量。这一组因子说明用户的非持续使用行为会受在线健康社区的服务质量、服务费用、转换成本等的影响。

公因子2:命名为系统与信息质量,此公因子基于社区的系统质量和信息质量的角度,包括易用性(XT1)、功能过载(XT2)、个性化服务(XT3)、检索精准性(XT4)、信息时效性(XX2)和信息过载(XX4),共计6个变量。这一组因子说明用户的非持续使用行为会受到社区的系统质量和信息质量的影响。

公因子3:命名为感知社会支持,此公因子基于社区内其他用户提供的社会支持的角度,包括感知信息支持(ZC1)、感知情感支持(ZC2)和感知陪伴支持(ZC3),共计3个变量。这一组因子说明用户的非持续使用行为会受到社区内其他用户为其提供的信息支持、情感支持和陪伴支持的影响。

公因子4:命名为感知风险,此公因子基于用户在社区内感受到的隐私风险和诊疗风险的角度,包括感知与社区相关的隐私风险(FX1)、感知与其他用户相关的隐私风险(FX2)、感知与医生相关的诊疗风险(FX3)和感知与其他用户相关的诊疗风险(FX4),共计4个变量。这一公因子说明用户的非持续使用行为会受到在社区内感受到的隐私风险和诊疗风险的影响。

3.3 用户非持续使用行为影响因素的影响程度分析

此部分利用Spss26.0软件计算出调查对象在因子分析之后形成的4个公因子和21个影响因素中的得分均值情况,比较4个公因子和21个影响因素对用户非持续使用行为的影响程度大小。如表8所示,调查对象在21道有关影响因素的题目上的总得分均值为71.46,各题目的平均分为3.40,其中高于各题目平均分的题项有服务管理(FW1)、客服解决效率及效果(FW2)、医生服务态度(FW4)、医生服务效果(FW6)、服务费用(CB1)、易用性(XT1)、功能过载(XT2)、检索精准性(XT4)、与社区相关的隐私风险(FX1)、与其他用户相关的隐私风险(FX2)、与医生相关的诊疗风险(FX3)和与其他用户相关的诊疗风险(FX4),这表明在线健康社区的服务管理、医生服务质量、系统功能、感知隐私和诊疗风险等对用户的非持续使用行为影响较大;感知情感支持(ZC2)、感知陪伴支持(ZC3)的得分均值是最低的,说明用户在社区内感知的情感支持和陪伴支持对用户的非持续使用行为影响程度较小一些。

此外,由表8可知,调查对象在4个公因子上的得分均值大小为感知风险>服务质量与成本>系统与信息质量>感知社会支持,因此可以认为4个公因子对在线健康社区用户非持续使用行为的影响程度大小依次为:感知风险、服务质量与成本、系统与信息质量、感知社会支持,说明用户的非持续使用行为受在线健康社区中的感知风险情况以及服务质量和成本的影响较大。

4 在线健康社区用户非持续使用行为应对策略

4.1 减少用户对社区隐私风险和诊疗风险的担忧

基于上文的分析可知,感知风险对在线健康社区用户非持续使用行为的影响程度最大,因此,为了保留更多的用户持续使用在线健康社区,采取相应的策略降低用户对在线健康社区的隐私风险和诊疗风险的担忧是非常重要的。

首先,在线健康社区应严格遵守隐私保护相关法律法规,增强社会责任感;应将本社区的隐私条款透明化,让用户了解自己的信息会被用在哪些地方、会受到何种程度的保护;此外,纵观现在大多数软件的隐私条款基本上都是一大段文字,用户仔细阅读和了解的可能性很小,会因不了解軟件的隐私保护条款而产生更高的感知隐私风险程度,因此社区应当将隐私条款以简单、新颖的方式向用户推送,如动画、图片等形式,让用户更有可能去阅读和了解社区的隐私保护措施,以减轻用户感知隐私风险的程度。

其次,社区应当为用户提供隐私申诉渠道与申诉相关信息,当用户的隐私在社区内受到侵犯时,帮助用户通过正规渠道有效及时地维权。同时,提升用户的隐私责任意识,加大对用户泄露他人隐私的打击力度,如增加行业征信制度,对曾出现过信用问题的用户阻止登录使用在线健康社区等,以此减少社区内用户泄露他人隐私事件的发生。

最后,社区应更多地邀请具有丰富就诊经验的医生加入在线健康社区进行线上问诊;由于线下问诊与线上问诊的形式有很大差异,所以应定期举办医生线上问诊能力培训活动,提升医生线上问诊的专业化水平。此外,社区可设立问诊结果二次审核团队,审核团队由各专业医生组成,在医生与用户线上沟通之后,将诊治结果提交给二次审核团队核验,审核无误后再交给用户,最大化地减少线上误诊情况的出现。另外,应加大对用户发布的与诊治病情、服用药物等相关的引导性言论的审核力度,以社区公告、私信等方式向用户推送不要轻信偏方或误导健康的言论,提升用户辨别健康信息真伪的能力。

4.2 优化社区服务质量,降低社区服务成本

在线健康社区的服务质量与服务成本也是影响用户非持续使用行为的非常重要的因素,因此需要采取相应的措施尽可能地优化社区服务质量、降低服务成本。

首先,社区应努力为用户提供一个绿色、有序的健康信息交流平台,加强对用户行为和社区工作人员行为的规范化管理,包括禁止用户发布盈利性的广告、违法信息、误导健康或不文明的言论,禁止社区工作人员向用户乱收费等;提升客服人员的工作能力和工作效率,雇佣高素质、高水平的客服人员,定期对客服人员进行专业能力培训,为用户提供更高效、更及时的服务。

其次,因为线上问诊这一形式的特殊性,医生需要在较短时间内对用户进行远程诊治,所以对医生的专业能力和服务水平要求更高。社区需要在提升医生线上问诊专业能力的同时,也应不断提升医生的责任心和同理心等,使医生以更饱满更热情的情绪为用户提供服务;社区还应增加责任机制,在用户问诊之后,由医生定期回访,与用户增加交互频次;完善社区内现有的医生评价机制,设置多种评价方式,如文字、图片、视频评价以及礼物馈赠评价等,并提升评价功能的易用性,在用户完成评价之后向用户回馈积分,积分可抵下次问诊或药品购买费用,以此激励用户积极对医生展开评价,同时对评价较高的医生给予精神和物质奖励,提升医生线上问诊工作的积极性。

此外,用户的非持续使用行为受在线健康社区内医生的问诊费用影响较大。用户受传统思想束缚,普遍更愿意为线下问诊付出更多的费用,认为线上问诊费用较高。社区可以通过增加线上问诊医生名誉、职称、诊治成功案例的宣传力度,并透明化医生线下问诊费用与线上问诊费用,减少用户对线上问诊费用高的感知。同时,社区应致力于线上医保程序简单化,使用户能够省时省力地报销线上问诊费用。社区还可以增加个性化服务功能,如与医生视频问诊、在社区内添加好友等功能,提高用户向其他同类型社区转换的成本,增强社区用户的忠诚度。

4.3 提升社区的系统与信息质量

在线健康社区的系统与信息质量也会影响用户的非持续使用行为。在线健康社区应不断完善系统质量,并严格把控信息质量。社区的技术研发人员应当根据用户需求来完善系统的质量,提升系统响应速度,为用户设计和提供更实用、更人性化的功能,以提升用户在社区内检索到的信息的精准性;为用户提供可进行个性化设置的功能菜单,用户可以根据自己的实际需求,增加常用功能到主页面,隐藏不常用功能,减轻功能过载对用户的影响;提升社区内信息的更新速度,使用户能够及时接收最新的健康信息,同时,设置社区信息过滤功能,智能化地为用户剔除掉无用信息,降低社区内信息过载对用户的影响。

4.4 增强用户对社区内社会支持的感知

在线健康社区用户的非持续使用行为也会在一定程度上受到感知社会支持的影响,因此,在线健康社区也应尽可能地不断优化用户在社区内进行交流的使用体验。针对目前用户更倾向于在微信交流群或QQ交流群里进行交流分享的情况,在线健康社区首先应简化社区内交流分享的步骤和界面,优化聊天框、消息提醒、文字图片及语音输送的使用功能,帮助用户形成在社区内交流分享的习惯;其次,在社区内培养良好的社区文化和营造用户互助友善的氛围,可以利用积分等奖励措施鼓励用户之间相互支持,增强用户的社区归属感。

5 结束语

本研究在对国内外相关文献进行充分调研的基础上,结合在线健康社区的自身特征,借鉴信息系统成功模型、感知价值理论、隐私计算理论和社会支持理论,基于主客观两方面考虑在线健康社区用户非持续使用行为的影响因素,主要从系统质量、信息质量、服务质量、感知风险、感知成本、感知社会支持和期望不确认等维度提取在线健康社区用户非持续使用行为的初始影响因素。在此基础上形成调查问卷,利用实证调查数据识别和修正影响因素,并在比较分析各因素影响程度之后,得出感知风险、服务质量与成本、系统与信息质量、感知社会支持是在线健康社区用户非持续使用行为的主要影响因素,在这4个影响因素维度之下,服务管理、医生服务质量、服务费用、系统功能、感知隐私与诊疗风险等细分因素对在线健康社区用户非持续使用行为的影响程度较大。最后,分别从减少风险担忧、优化服务质量、降低服务成本、提升社区系统与信息质量、增强社会支持等方面提出针对性的应对策略。

本研究的理论贡献在于将用户的非持续使用行为作为在线健康社区研究的对象,拓展了已有研究成果主要关注用户的积极行为的理论视角,分析验证了在线健康社区用户非持续使用行为的影响因素。本研究的实践启示分为两个方面:对在线健康社区用户而言,应正确认识在线健康社区在日常健康信息获取方面的辅助作用,理性看待在线健康社区上发布的信息质量、服务质量与系统质量;对在线健康社区平台而言,需要重视调研用户对在线健康社区的消极使用行为,剖析其非持续使用的潜在原因,提升服务质量,优化服务结构,降低用户使用风险,增加用户使用满意度,帮助在线健康社区非持续使用用户的理性回归,保留更多的用户群体,促进在线健康社区的可持续发展。本研究也存在一些不足之处,问卷回收的调查对象在年龄分布上不太均衡,调查数据主要是基于调查对象的主观感受填写的,因此,后续研究将结合采用深度访谈法以及抓取在线健康社区用户行为、用户评论反馈数据等,进一步分析影响用户非持续使用行为的具体因素,以得到更客观全面的认识。

参考文献

[1]中国互联网络信息中心.第46次中国互联网络发展状况统计报告(全文)(2020-09-29)[R/OL].http://www.gov.cn/xinwen/2020-09/29/5548176/files/1c6b4a2ae06c4ffc8bccb49da353 495e.pdf,2020-11-11.

[2]张星,吴忧,夏火松,等.基于S-O-R模型的在线健康社区知识共享行为影响因素研究[J].现代情报,2018,38(8):18-26.

[3]董庆兴,周欣,毛凤华,等.在线健康社区用户持续使用意愿研究——基于感知价值理论[J].现代情报,2019,39(3):3-14,156.

[4]王瑜超.在线医疗社区用户健康隐私信息披露意愿的影响因素研究[J].信息资源管理学报,2018,8(1):93-103,113.

[5]Zhu P P,Shen J,Xu M.Patients' Willingness to Share Information in Online Patient Communities:Questionnaire Study[J].Journal of Medical Internet Research,2020,22(4):1-13.

[6]Park K A,Eum S Y,Oh H,et al.Factors Affecting Online Health Community Participation Behavior in Patients with Thyroid Cancer[J].Plos One,2020,15(6):1-11.

[7]Zhou J J,Liu F,Zhou T T.Exploring the Factors Influencing Consumers to Voluntarily Reward Free Health Service Contributors in Online Health Communities:Empirical Study[J].Journal of Medical Internet Research,2020,22(4):1-17.

[8]韩晓翠.在线医疗社区不同激励因素对医生贡献行为的影响研究[D].哈尔滨:哈尔滨工业大学,2015.

[9]Jing D,Jin Y,Liu J.The Impact of Monetary Incentives on Physician Prosocial Behavior in Online Medical Consulting Platforms:Evidence from China[J].Journal of Medical Internet Research,2019,21(7):1-11.

[10]Kuang J,Kuang L,Yan Z.The Impact of Penetration Rate of Online Health Service on Service Quality and Price:Evidence from Online Health Communities[C]//ACM International Conference Proceeding Series,2018:1-5.

[11]徐孝婷,杨梦晴,宋小康.在线健康社区中医生口碑对患者选择的影响研究——以好大夫在线为例[J].现代情报,2019,39(8):20-28,36.

[12]刘箐,吴红,沈丽宁,等.在線医疗社区中医生义诊行为对患者选择的影响研究[J].医学信息学杂志,2019,40(3):10-16.

[13]Peng L,Wang Y N,Chen J.Consequences of Gift Giving in Online Health Communities on Physician Service Quality:Empirical Text Mining Study[J].Journal of Medical Internet Research,2020,22(7):e18569.

[14]Chen S Q,Guo X T,Wu T S,et.al.Exploring the Online Doctor-patient Interaction on Patient Satisfaction Based on Text Mining and Empirical Analysis[J].Information Processing & Management,2020,57(5):1-16.

[15]李君君,王金歌,曹园园.间歇性中辍行为特征的探索性研究——以微博数据为例[J].现代情报,2021,41(1):60-66.

[16]明均仁,操慧子.移动图书馆用户的不持续使用行为影响因素研究——以超星移动图书馆为例[J].情报理论与实践,2021,44(3):157-163.

[17]孙挺,夏立新.社会化阅读用户不持续使用意愿实证研究[J].图书馆论坛,2021,41(5):60-69.

[18]戴桢.基于移动社交电商平台的用户不持续使用行为影响机制及实证研究[D].成都:西南财经大学,2019.

[19]王文琛,张补宏.旅游虚拟社区中用户倦怠与消极使用行为影响因素研究——以“马蜂窝”旅游网为例[J].地理与地理信息科学,2020,36(5):86-94.

[20]刘国亮,张汇川,刘子嘉.移动社交媒体用户不持续使用意愿研究——整合错失焦虑与社交媒体倦怠双重视角[J].情报科学,2020,38(12):128-133.

[21]程慧平,苏超,王建亚.社交媒体用户不持续使用行为模型构建及实证研究[J].情报学报,2020,39(9):963-978.

[22]Cao X F,Khan A N,Ali A,et al.Consequences of Cyberbullying and Social Overload while Using SNSs:A Study of Users' Discontinuous Usage Behavior in SNSs[J].Information Systems Frontiers,2020,22(6):1343-1356.

[23]Maier C,Laumer S,Weinert C,et al.The Effects of Technostress and Switching Stress on Discontinued Use of Social Networking Services:A Study of Facebook Use[J].Information Systems Journal,2015,25(3):275-308.

[24]孙挺,夏立新.社会化阅读用户不持续使用意愿实证研究[J].图书馆论坛,2021,41(5):60-69.

[25]Belknap J K,Ondrusek G,Berg J,et al.Barbiturate Dependence in Mice Effects of Continuous vs Discontinuous Drug Administration[J].Psychopharmacology,1977,51(2):195-198.

[26]金朝.過载对短视频社交平台用户不持续使用行为的影响研究[D].广州:华南理工大学,2019.

[27]张琦,钟承田.感知风险对强关系社交媒体用户不持续使用意愿的研究[J].中国经贸导刊(中),2020,(11):168-172.

[28]Huang C K,Chen S H,Tang C P,et al.A Trade-off Dual-factor Model to Investigate Discontinuous Intention of Health App Users:From the Perspective of Information Disclosure[J].Journal of Biomedical Informatics,2019,100:1-47.

[29]DeLone W H,McLean E R.The DeLone and McLean Model of Information Systems Success:A Ten-year Update[J].Journal of Management Information Systems,2003,19(4):9-30.

[30]Zhang S,Zhao L,Lu Y,et al.Do You Get Tired of Socializing?An Empirical Explanation of Discontinuous Usage Behaviour in Social Network Services[J].Information and Management,2016,53(7):904-914.

[31]Lee A R,Son S M,Kim K K.Information and Communication Technology Overload and Social Networking Service Fatigue:A Stress Perspective[J].Computers in Human Behavior,2016,55:51-61.

[32]唐天娇.社会化阅读平台用户不持续使用行为影响因素研究[D].武汉:华中师范大学,2019.

[33]安初滢.在线健康社区发展状况及未来展望研究[J].产业创新研究,2020,(14):32-33.

[34]Atanasova S,Kamin T,Petricˇ G.The Benefits and Challenges of Online Professional-patient Interaction:Comparing Views Between Users and Health Professional Moderators in an Online Health Community[J].Computers in Human Behavior,2018,83:106-118.

[35]DeLone W H,McLean E R.Information Systems Success:The Quest for the Dependent Variable[J].Information System Research,1992,3(1):60-95.

[36]Wu C H,Kao S C,Chiu H Y.Determinants of Discontinuous Intention of Attention to Mobile Instant Message Services[J].Journal of Retailing and Consumer Services,2019,49:219-230.

[37]游静,杜娟.“信息茧房”效应下消费者对个性化推荐信息的心理抗拒研究[J].顺德职业技术学院学报,2019,17(1):22-27,35.

[38]Yang H L,Guo X T,Wu T S.Exploring the Influence of the Online Physician Service Delivery Process on Patient Satisfaction[J].Decision Support Systems,2015,78:113-121.

[39]Zhang X,Liu S,Chen X,et al.Health Information Privacy Concerns,Antecedents,and Information Disclosure Intention in Online Health Communities[J].Information & Management,2018,55(4):482-493.

[40]Adhikari K,Panda R K.Examining the Role of Social Networking Fatigue Toward Discontinuance Intention:The Multigroup Effects of Gender and Age[J].Journal of Internet Commerce,2020,19(2):125-152.

[41]Bundorf M K,Wagner T H,Singer S J,et al.Who Searches the Internet for Health Information[J].Health Services Research,2006,41(3Pt1):819-836.

[42]Wu H,Lu N.Service Provision,Pricing,and Patient Satisfaction in Online Health Communities[J].International Journal of Medical Informatics,2018,110:77-89.

[43]Zhao D X,Zhang Q P,Ma F C.Communication That Changes Lives:An Exploratory Research on a Chinese Online Hypertension Community[J].Library Hi Tech,2020,38(4):883-896.

[44]李夢宇.基于社会支持理论的在线健康社区用户参与行为研究[D].淮北:淮北师范大学,2020.

[45]齐向华.图书馆电子服务质量评价量表的构建[J].情报理论与实践,2014,37(11):98-103,89.

(责任编辑:陈 媛)

收稿日期:2021-07-12

基金项目:河南省高等学校青年骨干教师培养计划资助项目“高校图书馆情景敏感移动服务用户采纳行为及服务优化研究”(项目编号:2019GGJS010);郑州大学人文社会科学优秀青年科研团队培育计划项目“用户参与的网络知识服务研究”(项目编号:2020-QNTD-09)。

作者简介:袁静(1982-),女,副教授,博士,硕士生导师,研究方向:用户行为与信息服务。郭玲玉(1996-),女,硕士研究生,研究方向:信息用户与信息服务。

猜你喜欢

用户行为
基于“点击流数据”的电子商务用户行为分析研究综述
基于用户行为数据分析的高校图书馆信息服务平台研究
网络免费学术资源分享及使用行为初探
社会化媒体用户使用动机与行为探析
移动互联网环境下用户行为社交化变迁的探析
基于云计算技术的大数据用户行为引擎设计
基于用户行为分析的智能家居系统的研究与设计
基于社交网络的个性化知识服务模型研究