移动营销：基于短信息服务的消费者接受实证研(2)
2014-03-09 01:03
导读：除了上述TAM流派之外，相关理论模型还有计划行为理论 (TPB) [7] 、创新扩散理论 [8] 以及任务技术匹配(TTF) [9] ，等等。IDT理论研究认为技术创新的扩散包括
除了上述TAM流派之外，相关理论模型还有计划行为理论 (TPB)[7]、创新扩散理论[8]以及任务技术匹配(TTF)[9]，等等。IDT理论研究认为技术创新的扩散包括五种显著的创新特征：相对优势、兼容性、复杂性、可试性和可观察性[8]， 根据IDT理论, 创新扩散过程中个人可以分为五种不同创新类型：创新者、早期采纳者、早期多数、晚期多数、滞后者[8]。在TTF理论中, Goodhue和Thompson 提出一项信息技术要对个人绩效有正面的影响这项技术必须被利用而且适合于其所支持的任务[9]。
笔者主要集中于采纳和扩散的研究。如相关研究所指出的那样[10]，移动广告最终用户服务的采纳也可以视为技术采纳。
（二）移动营销和广告
移动广告因为其基于移动通信技术支持的特点能够更加个性化，也可以有诸如基于许可的、基于动机的或者基于定位的不同形式[11]。 一项调查的结果显示对于移动广告除非是经过特别同意的消费者总的来说态度是负面的[12]。
在以往关于移动营销的研究中，四种因素被确定和证明对于移动营销的接受有着显著的影响：许可、内容、无线服务提供商的控制和信息的发送[13]。对于《财富》500强公司网站内容的定量分析探究了短信息技术的扩散并且发现大型跨国公司移动营销的竞争已经开始[14]。另一模型指出消费者通过手机接收移动广告的意愿主要由四种因素驱动：移动媒体在营销组合中的任务、技术的、一对一的营销媒体和相关规章制度[15]。一项对移动电话用户的调查显示消费者认为移动营销的好处是省钱、省时、提供有用的信息，消费者认为同意许可是决定参与移动营销的重要因素[16]。从上述研究中可以看出，许可是影响移动营销的消费者接受的一个核心因素。
您可以访问中国科教评价网（www.NsEac.com）查看更多相关的文章。
二、研究框架
笔者基于技术接受理论对移动广告进行分析，主要采用UTAUT模型中的核心变量、IDT中的个人创新性和TTF的任务技术匹配这几个方面的变量探讨消费者对移动广告的态度和接受。在UTAUT中导致使用意向和行为的核心变量包括绩效期望、努力期望、社会影响和便利条件
[6]。 检验的研究模型见图1，基本假设的提出均基于以往信息系统领域相关研究的而提出。
H1a: 绩效期望显著正向影响行为意向；
H1b: 绩效期望对行为意向的影响受到性别年龄等因素的调节，比如这一效应对男性特别是年轻的男性影响为更显著；
H2: 努力期望对行为意向的影响是显著的正向的，同时也受到性别、年龄的调节作用，这一调节效应对于女性特别是年轻的女性更为显著；
H3a: 社会影响显著正向影响行为意向；
H3b: 社会影响对于行为意向的效应受到性别、年龄和自愿等因素的调节，这一效应对于女性特别是年轻的女性更为显著；
H4: 便利条件显著影响使用行为；
H5: 个人创新性影响消费者接收移动广告的意向；
H6: 用户的许可影响消费者接收移动广告的意向；
H7: 消费者接收移动广告的意向影响到他们接收移动广告以后的行为。
四、研究设计和方法
（一）变量的测度
为保证内容的效度，变量的测度项的选择主要来源于已有文献的相关研究，在此基础上进行了少量改编 (见表1)。
本实证研究主要集中于确定用户对移动广告的态度和接受的影响因素。如前所述调查问卷主要问题部分的设计来源于已有相关的文献，主要变量的测度项使用7点Likert量表。问卷同时也包括了关于性别、年龄等人口
统计学数据的内容。初步的调查问卷发放给65名大学生进行了预测试，根据反馈的意见和效度分析的结果对问卷进行了进一步的修改。
（科教论文网 lw.NsEac.com编辑整理）
（二）数据调查收集
在对以学生为主的调查员进行了调查
培训基础上，由调查员在武汉市区持调查问卷进行了面对面的调查或交由调查对象填写当场回收。书面调查问卷共发放了300份，返回问卷261份，其中18份问卷因为未完成回答、明显自相矛盾或过于随意（如所有选项选择相同等）等被剔除，剩下有效答卷243份。
运用SPSS13.0对调查对象的基本情况的描述统计，有效回答者包括 149位男性和94位女性，其中30岁以下占了89%，88%以上拥有大专以上学历，这显示被访者主要是受过良好的年轻人。由于他们中间多数人大量使用短信息服务，所以他们也是移动广告较好的目标群体。88%的被访者每周至少发送和接收短信息30条以上。超过五分之四的被访者使用短信息服务的经历在一年以上。
结果显示仅有 10.7%的受访者购买了移动广告推销的产品或服务。最近几年我国有许多短信欺诈行为发生，许多消费者对短信广告持怀疑态度，而74%受访者回答他们曾收到欺诈短信或者受到欺诈至少一次。这一结果显示移动广告的整体接受程度还是很低的。
三、数据分析与结果
（一）行为意向的差异检验
被访者的创新类型(见表2) 识别的问题修改自Hsu和Lu的研究
[18]。但是根据调查数据进行ANVOA分析的结果显示不同创新类型的用户的行为意向和差异并不明显。
2. 信度和效度检验
笔者检验了研究所使用的量表的信度、收敛效度和判别效度。信度和因子的收敛效度通过复合信度和平均变异抽取量（AVE）加以估计(见表3)。在本研究的测量模型中所有因子的复合信度都高于0.8。平均变异抽取量均大于一般推荐的0.50的水平，这是显著的表示测度项超过一半的 方差都被它们假设的因子所解释。收敛效度也可以通过验证因子分析中的因子负载和复相关系数平方法(SMC)得以检验。研究模型中所有测度项的因子负载都大于0.70 (见表4)。因此，测量模型中的所有因子都有足够的信度和收敛效度。为检验判别效度，笔者比较因子间共享方差和单个因子的平均变异抽取量。这一分析显示因子间共享的方差小于单个因子的平均变异抽取量，表明具有较好的判别效度(见表3)。总地来说测量模型被证明有足够的信度、收敛效度和判别效度。
（科教范文网http://fw.NSEAC.com编辑发布）
注: 1. ICR:内部一致性效度；
2. 对角元素是平均变异抽取量，即结构和它们的测度的共享方差的平方根，非对角元素是结构之间的相关性；
3. PE:绩效期望; EE:努力期望; SI:社会影响; FC:便利条件; BI:使用的行为意向; BH:使用行为; IN:个人创新性; FIT:移动广告的匹配性。
（三） PLS分析结果
模型的分析使用PLS-Graph。PLS分析可以显示测度项与每一个变量的联系是否紧密以及理论层面假设的关系是否在实证中是真实的。本研究在结构方程模型的分析中使用PLSgraph3.0进行了三次分析来检验不包含调节变量的UTAUT 模型(Model1)，包含交互项的UTAUT模型(Model2)和整合模型(Model3)。PLS对这三个模型的分析结果见表5。
