移动知识付费用户复购意愿影响机制研究

发布时间：2020-10-30 11:36

　　 我国经济的高速发展扩大了中产阶级群体规模,技术进步也大大提高了包含衣食住行在内的生活效率,物质水平的极大满足与精神文化的普遍匮乏之间的差异造成了持续性的群体焦虑,继而催生了强烈的学习动机。自媒体内容营销引爆粉丝经济,人人都是内容生产者这一现象逐渐成为知识经济下的新风尚。移动设备和网络支持服务的技术进步促进了移动支付的普及、用户移动付费习惯的养成和线上交易新形态数字产品的出现,付费门槛有助于用户将时间、注意力和精力从爆炸信息量转移出来。总而言之,阶层焦虑、全民内容输出、技术条件和移动支付习惯为知识付费产业提供了核心驱动力。知识付费围绕跨领域知识与技能输出,具有学习门槛低、非必须连续性、碎片化形式输出、稀缺性和专业度等特点,能够满足用户多样性需求。知识付费产业逐渐形成了以内容方、平台方、用户核心,以孵化运营机构、传播渠道、服务企业为辅助的产业格局。目前知识付费平台一般分为独立平台、内容平台转型、社交平台转型、PGC平台、PUGC平台等几类,平台方依托品牌流量或差异化优势占领用户心智模式,通过关联优质内容,不断完善阶梯型产品矩阵,打造多元收入结构。而内容方则通过不断积累热度、打造版权级优质内容、建立自有生态等方式实现其商业价值,为用户提供实实在在的内容与知识。而随着知识付费的风头渐缓,用户消费逐渐趋于理性,“精明”的消费者已经不再愿意为了良莠不齐的知识产品进行冲动性购买,知识付费平台和内容产品的再次打开次数减少、复购率降低、用户黏性变差等问题制约着知识付费产业的发展。用户留存应成为知识付费企业和学术界重点关注问题。然而目前国内外学者多关心商业模式、运营方式、行业法律及社会变革、传播机制、用户行为等几个方面,对移动知识付费用户复购行为及意愿的内在机理鲜有研究。为此,在研究移动知识付费用户复购意愿动机之前,本文首先以知乎Live为研究对象进行了文本挖掘,运用word2vec模型进行特征聚类,得出了用户最关心的重要因素和指标。本文在文本挖掘结果基础上,结合信息系统成功模型和期望确认理论,将感知质量和品牌认知分别作为实际购买和购前期望,并做出相关假设,构建出了移动知识付费用户复购意愿影响机制的理论模型。接着采用问卷调研的方法进行实证研究,结果表明:感知系统质量、感知信息质量、感知服务质量正向影响用户满意度继而促进移动知识付费用户重复购买意愿,且转移障碍也显著作用于用户复购意愿。知识产品品牌认知负向调节感知信息质量和用户满意度之间的关系,知识产出方品牌认知也在感知服务质量和用户满意度之间起到负向调节作用,具有显著差异。本论文研究创新点和贡献在于:其一,以知乎Live为对象评论文本分析拓宽了文本挖掘的应用范围。其二,本文的理论模型构建过程存在创新性,不同于一般学术研究文献综述的方式,本研究结合文本挖掘的结果与经典理论(信息系统成功模型和期望确认理论)的结合构建更为科学、稳固、有理有据的概念模型。其三,本研究从平台方、知识产出方、用户等多方视角出发构建移动知识付费用户复购意愿影响机制模型,丰富了移动知识付费和内容付费领域内个人行为层面上的相关研究成果。最后,本论文的研究成果也可以从实践方面为知识付费企业、头部大V、腰部KOL、长尾力量、知识获取用户提供一些建设性的意见。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F49;F274
【部分图文】：

图 1-1 中国知识付费市场 AMC 模型Figure1-1 The AMC Model of Chinese Knowledge Payment Market然而，无论是问答咨询、付费订阅、社群圈子还是音视频直播等知识付费产品形式（如表 1-1 所示）的发展过程中都存在着一些普遍性问题。第一，依靠猎奇心理来复刻“爆款“使得内容偏向娱乐化，违背平台知识分享的初衷与定位。第二，头部大 V和腰部 KOL 的内容输出数量有限，长尾力量的内容质量良莠不齐，难以辨别。第三，知识版权界定模糊，原创内容难以得到版权保护。最后，用户付费趋于理性，知识产品再次打开率和复购率难以保证。因此，对于用户而言，用户到底是否愿意为知识获取与共享付费？使用移动知识付费平台和知识产品对用户是否有用？什么因素影响了用户的持续使用意愿？这些问题的解决能够为知识付费产业发展存在的弊端提供一些建设性的意见。而另一方面，对于平台方来说，面对愈演愈烈的“知识大战”，如何更好的搭建移动知识付费平台，提高用户满意度及刺激再次购买意向的产生，直接关系

广东工业大学硕士学位论文软件，对样本数据进行描述性统计分析、信效度分析、因子分析和回归分析，然后结构方程模型的构建、分析和修正，确保模型的科学性和可靠性。1.3 技术路线与创新点1.3.1 技术路线本文的技术路线如下图 1-2 所示，大致的流程为：首先通过对 word2vec 的文献查阅，对知乎 live 评论进行爬取，从知识付费 APP 用户评论文本中探究用户关心的重要因素。接着根据文本挖掘结论和相关文献综述构建移动知识付费用户复购意向影响因素的基本理论模型框架。然后按照科学的流程构建问卷量表，在小范围里预调查后进行正式问卷的发放与回收，并对回收来的数据进行统计分析，验证理论模型与假设。最后根据实证研究结果，提出有关平台搭建布局、知识生产方与知识产品质量、用户与粉丝运营等方面的建议。

在 2013 年发布了一款基于深度学习的开源工具——Word2vec，它可化为多维实数值向量[23]，将自然语言中的字词转化为合适计算机的稠向量的浅层神经网络训练方法。word2vec 作为一种分布式的词向量表训练，将文本内容每个词的处理转化为 K 维向量空间中的向量运算似度可以通过词之间的距离（如欧式距离、cosine 相似度等）来计算。入层-隐藏层-输出层”的三层神经网络，根据 Huffman 编码，使得隐藏层激活的内容大致一致，出现频率越高的词语激活的隐藏层数降低了计算的复杂度。word2vec 算法通过不断的发展与沉淀，得到来表示词向量，分别是连续词袋模型 CBOW(Continuous Bag of m 模型，具体模型如图 2-1 所示。相比于潜在语义分析（LSI）、潜LDA），Word2vec 可以将词的语境信息融入到整个计算过程中，使结果语义信息更加丰富，因此 Word2Vec 常被用于文本挖掘工作，分析、特征关键词提取等。
【相似文献】

相关期刊论文 前10条

1 杨博;格雷琴·A.派克;;报业通过创新增加数字付费用户[J];青年记者;2018年10期

2 ;我国有线电视付费用户跌破1.6亿关口[J];通信世界;2017年23期

3 曹珺萌;;电竞用户也应“付费买欢乐”[J];电子竞技;2017年03期

4 罗立璇;;十点读书:付费用户炼成记[J];风流一代;2017年06期

5 陈畅;;多啦衣梦 带领50万女性玩转“共享衣服”[J];创业邦;2017年06期

6 张东亮;;“全球青年领袖”姬十三:我的“分答”,你的知识掘金场[J];黄金时代;2017年03期

7 东亮;;姬十三:出售盈余知识也能赚大钱[J];女子世界;2017年02期

8 ;知识付费亏本吗[J];中国科技信息;2018年02期

9 飞雪散花;移动信息图库;;免费之后 付费用户应否得到补偿[J];移动信息;2013年09期

10 张莉曼;张向先;卢恒;张玲;;知识直播平台付费用户群体画像研究[J];图书情报工作;2019年05期

相关硕士学位论文 前8条

1 蒋瑞新;移动知识付费用户复购意愿影响机制研究[D];广东工业大学;2019年

2 宋金倩;线上知识付费用户持续使用意愿影响因素的研究[D];山东大学;2018年

3 黄兆丰;中国电信绍兴分公司后付费用户话费监控系统的设计与实现[D];电子科技大学;2012年

4 徐倩;潇湘晨报数字内容付费模式研究[D];湖南大学;2014年

5 梁霞;基于UTAUT模型的用户接受网络付费视频的影响因素研究[D];哈尔滨工业大学;2017年

6 方方;基于多级QoS的云计算资源调度算法研究[D];华东师范大学;2015年

7 张莉;互联网视频付费业务发展战略的研究[D];天津大学;2016年

8 刘志成;互联网棋牌游戏公司估值分析[D];广东财经大学;2016年

本文编号：2862415