信息生态视角下社会化媒体用户信息分享行为影响因素研究∗

●陈家鑫 董坚峰

吉首大学旅游学院,张家界,427000

引言

社会化媒体是一种供人们在网上分享意见、见解、观点和经验的新型在线媒体[1],如微博、推特等。 随着社会化媒体的广泛应用,人类与信息交互、响应的方式发生改变,人人都可以成为信息的生产者、分享者和接收者,社会化媒体用户的信息需求、情感需求、利益需求等得到极大满足。 内容是社会化媒体的核心产物,与内容有关的分享也就是信息互动,是社会化媒体可持续发展的主要动力。 探究社会化媒体用户信息分享行为对平台、用户生成内容(User Generated Content,UGC)发展、广告投放、舆情治理等均有重要意义。

目前,国内外学者对社会化媒体中的信息分享行为开展了相关研究。 国外学者主要是从用户和环境两个角度去考虑。 例如Lee H 等[2]通过模拟SNS实验研究发现,用户预期收益与用户预期风险都会显著影响用户信息分享意愿,其中预期收益对分享意愿的影响要大于预期风险。 Kim J 等[3]讨论了个人和环境因素对信息分享行为的影响,研究发现,自我效能、结果期望、分享感受正向影响用户信息分享行为;当用户认为他们的信息受众为弱关系集合时,则分享意愿会增加。 Liu L 等[4]利用社会化媒体数据为客户提供服务的机会,对信息分享行为的驱动因素进行了探讨,结果表明个人的影响和社会的资本会影响信息分享行为。 近年来,我国学者对社会化媒体用户分享行为的研究主要是基于信息、用户的特征或者某一理论展开。 例如鲍丽娟[5]对人人网中热门信息进行了分析,发现信息分享行为的产生受到网站功能、信息内容以及用户情感的影响;丁汉青等[6]以豆瓣网为例,对意见领袖进行了研究,构建了SNS 网络空间中意见领袖的指标体系,通过话题分析,总结出意见领袖的特点。 谭春辉等[7]基于Triandis 人际行为理论,认为认可预期、互惠关系、预期效能、情感、社会因素会影响微信朋友圈的信息分享行为;熊励等[8]基于动机认知理论,选取信息有用性等十个影响因素,探讨突发事件网络信息分享行为。 从现有研究成果来看,国内外对社会化媒体信息分享行为的研究取得了积极的进展。 但对影响因素的研究,大部分是从单一视角或者理论出发,很难全面地对影响信息分享行为的因素进行探究。 因此,本研究将以信息生态为视角,从信息人、信息、信息技术、信息环境和信息分享意愿5 个方面出发,对社会化媒体用户信息分享行为影响因素进行实证研究,通过信息生态理论将前人的研究有机整合,以期得出更全面的研究结果。

本研究试图解决以下问题:第一,社会化媒体用户信息分享行为受到哪些因素影响? 第二,信息生态理论能否为构建社会化媒体用户信息分享行为影响因素模型提供一定参考? 第三,如何在影响因素分析的基础上促进社会化媒体用户信息分享行为?为探究上述问题,本研究基于信息生态视角,构建社会化媒体用户信息分享行为影响因素模型,帮助平台、UGC 从业者、广告商、政府等了解用户的信息分享行为影响因素,以期为社会化媒体信息生态系统的可持续发展提供参考。

1 相关概念和理论基础

1.1 社会化媒体用户信息分享行为

信息分享行为是网络用户基于某种动机或者心理,借助网络平台将自身拥有的信息通过特定的方式向外界传播的行为[9]。 社会化媒体用户的信息分享行为其实是一种信息的反馈,是用户之间相互交流信息的过程。 用户不仅是信息的接收者,还能够主动创造并分享信息,也能对接收获取的信息进行再加工或分享转发。 信息分享是社会化媒体得以发展的基础,只有用户参与创造和分享信息,社会化媒体才能正常运转。 在社会化媒体环境下,用户的信息分享行为包括发布原创内容、转发他人内容(直接转发或再加工转发)、评论等。

1.2 信息生态理论

信息生态理论是运用生态学理念研究社会信息环境的全新理论,主要研究信息生态系统中信息人、信息、信息技术、信息环境4 个因子之间的和谐发展。 信息生态系统是由信息生态因子、信息生态链、信息生态位等要素所构成的统一整体[10],在信息生态系统中占核心地位的是在技术支持下的人的信息行为。 信息生态系统的基本构成要素为信息生态因子,包括信息人、信息、信息环境、信息技术,它们之间相互影响;信息生态链是信息生态因子相互作用形成的一种链式关系,构成了信息流转的网络;信息生态位是指信息人在信息生态系统中所占据的特定位置。

1.3 信息生态视角下的社会化媒体用户信息分享行为

社会化媒体平台的正常运转不仅需要信息人生产与分享信息内容,还需要有信息技术的支持和信息环境的保障,因此,社会化媒体中用户的信息分享行为是一个信息生态问题,涉及信息人、信息、信息技术、信息环境各个要素。 良好的信息生态使得信息分享得以高效、有序地进行,有效的信息分享增强了社会化媒体用户的黏性,进而有效提升社会化媒体的商业价值与产业规模。 从信息人角度来看,信息人是信息分享过程中最活跃的一个要素,社会化媒体用户参与信息分享的全过程,在社会化媒体信息分享中扮演着生产者、传递者、消费者和分解者的角色,同时,信息分享行为也可以加强用户间的交流,提升社会化媒体信息生态系统中信息人的活跃度。 从信息的角度来看,数字资源与数字经济的兴起,使得虚拟环境下的信息不断增殖,为用户提供了源源不断的信息资源,也助力社会化媒体的商业化发展。 从信息技术的角度来看,社会化媒体平台的建设应用了大数据、云计算等技术,能够不断优化性能、增强功能,进而提升用户体验。 从信息环境的角度来看,社会化媒体离不开“社会化”的建设,通过建立平台形象,营造社区文化氛围,增强用户黏性,加速信息分享,进而促进社会化媒体的可持续发展。

社会化媒体是融合信息人、信息、信息技术、信息环境等信息生态因子的信息系统,社会化媒体用户的信息分享行为受到这些信息生态因子的影响。社会化媒体的信息环境是信息生态链的助力条件,为用户、社会化媒体信息和技术的存在提供载体和空间;用户作为此信息系统中的信息人,也是信息分享行为的主体,决定着信息流的运作;社会化媒体信息是构建信息生态链的基本条件,将信息生态系统中的各要素串联起来;技术为社会化媒体平台的搭建以及信息生态系统的运行提供支持与保障。 生态化是社会化媒体发展的趋势,因此,从信息生态视角出发深入探讨社会化媒体用户信息分享行为影响因素,是个合适的切入点。 本研究从信息人、信息、信息技术、信息环境这4 个维度中提取社会化媒体用户信息分享行为影响因素,并结合前人研究提出假设。

1.4 研究理论基础

计划行为理论。 计划行为理论中,个人的现实行为受行为意向的直接支配,而行为意向受行为态度、主观规范和知觉行为控制的影响,这三者既相互独立,又相互联系。

社会交换理论。 在人际关系中,参与者以交换有价值的资源来建立和维护互动,这种资源不仅仅是实物,也可以是精神和心理上的回报,比如支持、信任和威望等。

技术接受模型。 该模型认为外部变量(信息、时间、资源等)不受人的主观控制,而这些外在因素会对人的行为产生影响。

2 研究假设与模型建立

2.1 社会化媒体用户信息分享行为影响因素分析

基于前人研究以及文献检索,本文认为计划行为理论[11]、社会交换理论[12]、技术接受模型[13]中的部分变量与社会化媒体信息分享行为存在联系,因此将其作为理论基础,提出社会化媒体用户信息分享行为影响因素。

2.1.1 信息人维度对社会化媒体用户信息分享意愿和行为的影响

计划行为理论认为自我效能对个体行为有着重要影响,社会交换理论认为人的行为受到利益因素驱动,只有在社会交换中达到互惠平衡,人际关系才能和谐发展,本文将自我效能、利益诉求作为信息人维度对社会化媒体用户信息分享意愿产生影响的因素。 第一,自我效能。 自我效能(self-efficacy)是指个体对自己在某一场景的某一行为能否取得成功的主观思维。 魏华等[14]认为在虚拟健康社区中用户的感知自我效能与健康知识分享呈正相关;赵宇翔等[15]研究发现,用户对自身能否有能力完成某件事的推断会影响参与意愿,用户自我效能感越强,用户的参与意愿就越显著。 社会化媒体用户的自我效能是用户对社会化媒体平台功能和模块的熟悉程度以及将有价值的信息进行分享的愿意程度。 第二,利益诉求。 利益不仅仅是物质上的获得,还有精神、心理上的报酬(支持、信任、威望等)以及社交满足(自我表达、自我形象塑造等)的需求,在利益的驱动下,用户往往更容易产生信息分享的意愿。 蓝岚[16]认为物质利益和社交利益会影响社交电商平台用户对信息分享的意愿;陈稳等[17]认为用户在健康信息分享中,转发、点赞、正面评论等会对用户产生精神激励,从而使用户持续性地进行信息分享。 另外,利益诉求不仅是利己的诉求,还有利他的诉求,王星[18]认为大学生在信息分享时,具备自愿性质和他人获益的价值取向。 第三,习惯。 习惯是指某个行为经过大量重复后变成一个无须认知思考的行为。在信息分享行为过程中,自我效能和利益诉求通过分享意愿间接影响分享行为,而某些情况下的分享行为并不是个体有意识的决策,而是受情境控制产生的,大多数情况下由习惯导致,且习惯比分享意愿更能决定分享行为的产生。 有研究表明,用户会基于自身惯性进行信息分享[19]。 因此,本文将习惯作为信息人维度对社会化媒体用户信息分享行为产生影响的直接因素。 基于上述文献的研究结果与论述,本文提出如下假设:

H1:自我效能对社会化媒体用户信息分享意愿产生正向影响;

H2:利益诉求对社会化媒体用户信息分享意愿产生正向影响;

H3:习惯对社会化媒体用户信息分享行为产生正向影响。

2.1.2 信息维度对社会化媒体用户信息分享意愿的影响

技术接受模型表明感知有用性和感知易用性对人的意愿有重要影响,因此,本文认为用户对信息的感知有用性和感知易用性会影响用户的分享意愿,故将信息有用性和信息易用性作为信息维度对社会化媒体用户信息分享意愿产生影响的因素。 第一,信息有用性。 有研究表明,用户最早的上网行为是为了搜寻他们所需要的信息[20],社会化媒体用户对满足自身需求的信息,更有可能衍生出其他的信息行为,如点赞、评论、转发等。 王少剑等[21]指出社会化媒体用户对信息内容质量的感知会正向影响分享意愿。 社会化媒体用户在获得信息满足,认为此信息内容对自己有帮助时,更容易积极主动地参与到信息分享之中。 第二,信息易用性。 Hansen J M等[22]通过研究发现信息易用性会提升消费者在社交媒体上交易的意愿。 蒋知义等[23]认为扩展信息的表现形式能够提升信息的易用性,从而能够促进信息分享行为的发生。 肖强等[24]对UGC 共享意愿进行研究后发现,信息的易用性会促使更多用户分享信息。 基于上述文献的研究结果与论述,本文提出如下假设:

H4:信息有用性对社会化媒体用户信息分享意愿产生正向影响;

H5:信息易用性对社会化媒体用户信息分享意愿产生正向影响。

2.1.3 信息技术维度对社会化媒体用户信息分享意愿和行为的影响

计划行为理论认为知觉行为控制对用户的行为意向产生影响,也能直接决定实际行为,本文认为社会化媒体所运用的技术会影响用户的知觉行为控制,因此将技术支持和技术安全作为信息技术维度对社会化媒体用户信息分享意愿和行为产生影响的因素。 第一,技术支持。 随着信息技术的发展,用户的信息分享形式不仅局限于文字,还包括照片、语言、视频等。 信息技术的支持,不仅能让用户体验到更便捷、高效乃至个性化的信息服务,还能通过信息技术的进步促进信息的分享。 Venkatesh V 等[25]认为设施的技术性对用户的信息技术使用行为产生正向影响;黄晓音等[26]认为技术赋能促使用户变成信息的传播主体。 第二,技术安全。 大数据时代的到来,数据的数量与信息的价值呈指数型上升,随之而来的隐私泄露、信息丢失也日益严重,信息安全成为制约网民信息分享行为的重要因素。 社会化媒体的信息安全主要体现在信息系统、数据库以及人员操作等方面。 这些信息安全问题主要由两方面引起,一是系统设计与建设不规范,容易遭受黑客攻击从而造成平台的瘫痪和数据的泄露、篡改、丢失等;二是技术人员本身的问题,如操作不规范或者操作技术不过关,导致用户信息的泄露、数据的丢失等。 张国萍[27]认为信息分享是隐私悖论的表现,信息分享与用户隐私保护存在显著的冲突;Zlatolas L N 等[28]指出用户信息分享的主要制约因素就是信息隐私控制。 基于上述文献的研究结果与论述,本文提出如下假设:

H6:技术支持对社会化媒体用户信息分享意愿产生正向影响;

H7:技术支持对社会化媒体用户信息分享行为产生正向影响;

H8:技术安全对社会化媒体用户信息分享意愿产生正向影响;

H9:技术安全对社会化媒体用户信息分享行为产生正向影响。

2.1.4 信息环境维度对社会化媒体用户信息分享意愿的影响

技术接受模型认为外在环境会对人的行为意图产生影响,计划行为理论认为主观规范对人们行为意愿产生影响,本研究将交互氛围和主观规范作为信息环境维度对社会化媒体用户信息分享意愿产生影响的因素。 第一,交互氛围。 社会化媒体中的社区交互氛围是用户信息分享的信息环境。 一方面,和谐的交互氛围可以提升用户的良好感受,并促进用户间主动的信息分享;另一方面,UGC 从业者为了扎根自己的垂直领域,融入某一社区环境,往往会产生更多的信息分享行为来收获关注。 Bock G W等[29]认为社区交互氛围对用户持续性的知识分享行为具有促进作用;商宪丽等[30]通过对学术博客用户持续知识共享行为的分析表明,氛围感和交互感能够影响用户信息分享。 第二,主观规范。 主观规范这一变量源于计划行为理论,反映了外界因素对个人行为意愿的影响,“羊群效应”很好地解释了主观规范对人们行为意愿的影响。 张书源[31]通过研究明星粉丝的信息分享行为,发现主观规范对信息分享影响显著。 任剑锋[32]研究微信平台上的信息分享行为,回归分析结果表明主观规范与分享意图呈显著正相关。 基于上述文献的研究结果与论述,本文提出如下假设:

H10:交互氛围对社会化媒体用户信息分享意愿产生正向影响;

H11:主观规范对社会化媒体用户信息分享意愿产生正向影响。

2.1.5 社会化媒体用户信息分享意愿对社会化媒体用户信息分享行为的影响

计划行为理论认为信息分享行为受到信息分享意愿的影响。 在信息生态系统中,信息人是信息生态系统的核心,本文认为信息人的主观能动性对信息生态系统的运转起决定性的作用。 熊励等[8]探讨突发事件网络信息分享行为,认为网民的分享态度是信息分享行为的影响因素;霍艳花[33]通过研究微信用户的信息分享行为,得出用户信息分享行为是通过信息分享意愿而产生的结论。 基于上述文献的研究结果与论述,本文提出如下假设:

H12:社会化媒体用户信息分享意愿对社会化媒体用户信息分享行为产生正向影响。

2.2 社会化媒体用户信息分享行为影响因素假设模型的建立

社会化媒体是一个典型的信息生态系统,社会化媒体用户信息分享行为是一个涵盖了信息人、信息、信息技术、信息环境的信息生态问题。 为了更深入讨论社会化媒体用户信息分享行为影响因素,本文将信息生态理论与社会交换理论、计划行为理论、技术接受模型等信息分享行为相关理论相结合提出路径假设,并构建社会化媒体用户信息分享行为影响因素假设模型。 其中,信息人维度包括自我效能、利益诉求和习惯,信息维度包括信息有用性和信息易用性,信息技术维度包括技术支持和技术安全,信息环境维度包括交互氛围和主观规范。 具体模型结构如图1 所示。

图1 社会化媒体用户信息分享行为影响因素假设模型

3 调查对象与问卷设计

3.1 调查对象

哔哩哔哩弹幕视频网站(以下简称“B 站”)于2009 年创建,是集版权视频、长短视频、直播、社交等为一体的综合性视频网站,拥有PC 端和移动端,是国内领先的网络文化娱乐社区,同时也是典型的社会化媒体平台,拥有互动性、强社交性、连通性等社会化媒体特点。 B 站作为中国最大的二次元弹幕视频网站,其2022 年第一季度财报显示:月活跃用户达2. 94 亿人次,同比增长31%;月均投稿量达1 260 万份;月均互动数达123 亿次。 根据QuestMobile 统计的数据,其2022 年中国Z 世代规模大约有3.42 亿人,这就意味着每两个年轻人中可能就有一个是B 站的活跃用户。 基于B 站自由且独特的社区氛围,聚集了一些特定兴趣的年轻人,在归属感和文化认同感驱使下用户的黏性高、活跃度强。 因此,本文以B 站为实证研究对象,探讨社会化媒体用户信息分享行为影响因素。

3.2 问卷设计与数据收集

为对社会化媒体用户信息分享行为影响因素假设模型进行数据验证,以模型中12 个假设为依据,在参考国内外相关文献以及前人量表的基础上,根据B 站的特点选定38 项观测变量。 基于选定的观测变量设计了本文的调查问卷,问卷由两部分组成,第一部分是B 站用户的个人基本情况,包括性别、年龄、学历、职业、使用B 站进行信息分享频率等人口统计学特征;第二部分是假设模型的观测变量,从信息、信息人、信息技术、信息环境、信息分享意愿以及信息分享行为维度确定11 个影响因素,共38 个题项,每个题项均使用5 级李克特量表(5-point Likert scale)来测量,1—5 分别代表“非常不同意”“不同意”“一般”“同意”“非常同意”。 为消除调研对象的安全隐私顾虑,本问卷使用匿名的方式收集数据。

为使问卷的信度、效度达标,本文采用预调研的方式检查问卷内容,通过QQ、微信群等共收集预调研答卷50 份。 结果发现调查对象对“信息分享行为”一词仅理解为转发,因此,笔者在问卷中增加了对信息分享行为的解释,并对问卷中部分题项的表述进行了修正,最终确定本文的测量量表,见表1。

表1 测量量表

本次调查借助问卷星平台设计问卷,通过微博中的B 站超话、百度贴吧中的B 站吧、B 站网友的QQ 群和微信群以及微信朋友圈等发放问卷。 根据相关规则[30],问卷样本量必须为观测变量的10—20倍,最终,本次调查共收集问卷524 份,剔除填写时间短、题项前后逻辑不符的问卷,最终得到有效问卷470 份,问卷有效率89.69%。 对470 份有效问卷进行描述性统计分析的结果见表2。 在性别方面,样本中男女比例基本持平,男性略多于女性;在年龄方面,样本的年龄段主要集中在18—30 岁,符合B 站财报中披露的B 站主要用户年龄段,也符合社会化媒体主要用户群体为青年人的实际情况;在学历方面,样本主要集中在本科与专科,还有部分在硕士研究生及以上,表明问卷填写人群绝大多数受过高等教育;在职业方面,私企员工占比最高,其次是在校学生;在使用B 站进行信息分享频率方面,每天进行信息分享及每周分享1—6 次的用户占比最大,也有极少部分用户不曾参与信息分享。

表2 调查样本描述性统计

4 数据分析

4.1 信效度分析

4.1.1 信度分析

信度分析采用Cronbach’s α 信度系数来检验。一般认为,当信度系数大于0.7 时,说明数据的信度良好。 在本文研究中信息有用性、信息易用性、自我效能、利益诉求、习惯、技术支持、技术安全、交互氛围、主观规范、信息分享意愿、信息分享行为的Cronbach’s α 系数均大于0.8,表明本调查问卷具有较好的信度。

4.1.2 效度分析

本研究通过KMO 值和Bartlett 球形检验对问卷数据进行效度分析。 KMO 检验的系数取值范围在0—1 之间,越靠近1 说明问卷效度越好。 根据结果可知本研究的KMO 系数为0.943,球形检验的显著性为0.000,可知各潜变量间具有较好的相关性,适合做因子分析。 随后进行验证性因子分析,分析结果如表3 所示。 一般认为,当CR(组合信度)大于0.7,AVE(平均方差抽取量)大于0.5 时,具有较好的聚合效度,由表3 可知,所有变量的CR 值均大于0.7,AVE 值均大于0.5,表明本次调查问卷具有良好的聚合效度。 各潜变量之间的相关矩阵即区分效度如表4 所示,根据分析结果可知,每个潜变量的AVE 值的平方根(表中对角线加粗数字)均大于各变量间的相关系数,表明本研究各个变量之间具有较好的区分效度。

表3 验证性因子分析结果

表4 区分效度分析结果

4.2 模型拟合度评估与假设检验

利用AMOS 24.0 软件对470 份有效问卷进行结构方程建模,对模型拟合度评估并验证变量之间的关系,评估结果如表5 所示。 根据拟合结果来看,本文所构建的结构方程模型拟合度均满足评价标准,模型具有良好的拟合度,可以进行下一步的假设路径检验。

表5 模型拟合度指标分析

根据前述假设分析,通过AMOS 24.0 软件建立结构方程模型得出的模型检验结果如表6 所示,结果显示假设H1、H2、H3、H4、H5、H7、H8、H9、H10、H11、H12 均得到证实,而假设“H6:技术支持对社会化媒体用户信息分享意愿产生正向影响”未达到显著性要求,假设不成立。

表6 标准化路径系数与假设检验结果

5 讨论分析

5.1 信息人维度

5.1.1 信息人的利益诉求

利益诉求对社会化媒体用户信息分享意愿的影响系数为0.170,P值在0.01 水平上显著,表明利益诉求对社会化媒体用户信息分享意愿有正向影响。利益诉求也可以说是信息人的信息分享动机,在社会化媒体中可以分为两种诉求。 第一种是个人收益的诉求,个人收益包含外在奖励、声誉提高、互惠、助人为乐等。 外在奖励是指在社会化媒体平台进行信息分享而得到的礼品、金钱、虚拟货币等;声誉提高是指在社会化媒体平台进行信息分享而得到的地位和声誉的提升,主要包括粉丝量、阅读量、视频播放量、关注度等;互惠是指通过分享他人的信息,希望自己的信息也能同样被他人分享传播;助人为乐是指在社会化媒体平台进行信息分享帮助了他人而获得愉悦感。 第二种是集体利益的诉求,集体利益主要是指随着社会化媒体网上社区的发展,用户希望通过自己的信息分享给整个社区带来福利,为社区建设作出贡献。 精准抓住用户利益需求,是提升用户信息分享意愿的关键。

5.1.2 信息人的自我效能

自我效能对社会化媒体用户信息分享意愿的影响系数为0.121,P值在0.05 水平上显著,表明自我效能对社会化媒体用户信息分享意愿有正向影响。自我效能体现在他们能够熟练掌握社会化媒体平台的功能,积极地分享信息,同时也能够理解和运用他人分享的信息,这种对社会化媒体平台功能的把握为社会化媒体信息分享提供了必要的条件。 信息分享是基于用户之间的互动行为,社交媒体给予了用户极大的自由度,他们可以随时随地与他人进行交流,但是交流的效果与个体的知识储备、信息素养等息息相关。 换而言之,若用户的自我效能越高,用户往往对所分享的信息极具自信,用户沟通的时间和精力等成本会降低,用户的信息分享意愿将会增强;同样,用户的自我效能越低,用户认为自身信息和知识储备不足,则信息分享意愿也会降低。

5.1.3 信息人的习惯

习惯对社会化媒体用户信息分享行为的影响系数为0.133,P值在0.05 水平上显著,表明习惯对社会化媒体用户信息分享行为有正向影响。 信息人的习惯包括用户的社会化媒体使用习惯和信息分享习惯。 社会化媒体使用习惯主要是指用户黏性,用户对社会化媒体平台的依赖性越强,越容易产生信息分享行为;信息分享习惯是指用户选择分享的信息大多是自己感兴趣的信息,即用户更偏好在社交媒体上接收自己喜欢的信息,而忽略那些不合自己口味的内容,也就是所谓的信息窄化。 目前许多平台针对用户的特点进行个性化推荐,从而激发用户信息分享的习惯,推动信息分享行为的发生。 本文研究中习惯对分享行为的影响程度小于分享意愿,原因可能是习惯主要解释的是从未分享信息和经常分享信息的用户之间的差异。

5.2 信息维度

5.2.1 信息有用性

信息有用性对社会化媒体用户信息分享意愿的影响系数为0.111,P值在0.05 水平上显著,表明信息有用性对社会化媒体用户信息分享意愿有正向影响。 大数据时代,沉冗的信息充斥着整个互联网,高质量的社会化媒体信息不仅有利于用户规避虚假信息,而且能够满足用户信息需求;丰富社会化媒体信息内容,使其呈现出多领域、多形式的融合趋势,能够扩展信息分享范围,提升信息分享意愿;随着信息时代的发展,用户对信息的需求不断增加,但信息服务发展不平衡不充分的矛盾日益显现。 社会化媒体能够根据用户的信息需求提供精准的信息,提升用户对信息的满意度,激励用户进行信息分享,促进彼此之间的交流,形成一个和谐的状态。

5.2.2 信息易用性

信息易用性对社会化媒体用户信息分享意愿的影响系数为0.121,P值在0.05 水平上显著,表明信息易用性对社会化媒体用户信息分享意愿有正向影响。 社会化媒体用户信息分享意愿的核心驱动力是发挥信息价值,满足信息需求,消除未知,丰富生活。信息易用性是信息分享的前提,如果分享的信息不能得到有效利用,那么信息的价值就无法充分体现出来,信息分享的意义就会被削弱。 而良好的信息组织在一定程度上可以增加信息的易用性,便于信息甄别与使用。 为了使信息更容易被理解,可以采用合适的媒介表达信息,对信息进行分类标注,并设置相关主题,同时还需要规范信息的组织形式。

5.3 信息技术维度

5.3.1 技术支持

技术支持对社会化媒体用户信息分享意愿的P值为0.831,在0.05 水平上不显著,因此,本文的实证分析结果不支持该假设;技术支持对社会化媒体用户信息分享行为的影响系数为0.217,P值在0.001 水平上显著,表明技术支持对社会化媒体用户信息分享行为有正向影响。 技术支持是指用户在借助社会化媒体平台进行信息分享时,平台为用户信息分享提供的技术支持。 信息技术是社会化媒体建设与运营的重要组成部分,信息分享行为的发生离不开技术支持,技术为分享行为提供便利条件,用户需要使用平台的信息技术才能完成信息分享。 也就是技术支持会直接影响用户的分享行为,但是并不会显著地影响用户的分享意愿,这一研究结论与技术采纳与利用整合理论模型中的观点——便利条件会影响用户使用行为不谋而合。 随着互联网的不断发展,社会化媒体为用户提供信息服务,用户的选择也倒逼社会化媒体信息技术水平的发展,强大的计算能力、存储能力、安全能力等可以满足用户信息分享的需求,从而推动社会化媒体信息技术向前发展。

5.3.2 技术安全

技术安全对社会化媒体用户信息分享意愿的影响系数为0.130,P值在0.05 水平上显著,表明技术安全对社会化媒体用户信息分享意愿有正向影响;技术安全对社会化媒体用户信息分享行为的影响系数为0.242,P值在0.001 平上显著,表明技术安全对社会化媒体用户信息分享行为有正向影响。 数据信息的经济价值在不断提高,同时信息技术的发展方便了信息资源的挖掘,增加了用户隐私等信息泄露的风险。 尤其是社会化媒体这种拥有大量用户原始数据的平台,信息被窃取会给用户造成巨大损失,因此,技术安全影响着用户参与信息分享的意愿。安全的社会化媒体环境保障了用户的信息分享行为,当社会化媒体用户对自身信息安全感到放心时,用户的信息交互意愿就会提升,同时也会正向影响信息分享行为。

5.4 信息环境维度

5.4.1 交互氛围

交互氛围对社会化媒体用户信息分享意愿的影响系数为0.153,P值在0.05 水平上显著,表明交互氛围对社会化媒体用户信息分享意愿有正向影响;交互氛围是社会化媒体用户间交流互动所营造的氛围环境。 马斯洛需求层次理论指出,除了安全和身体上的需要,社会关系需求也是人们获得满足的重要来源,与他人的互动和交流是社会化媒体用户进行信息分享的内在动机。 在社会化媒体中,如果在交流过程中产生了共同议题并引发强烈的共鸣,那么其他成员也会受到这种氛围的影响,转发、评论、分享原创信息,活跃交互氛围,从而促使更多的用户参与其中,形成一个良性循环。 通过营造良好的交互环境,不仅可以满足用户的信息需求,还能提升用户信息分享意愿,加速信息的流动,实现社会化媒体平台和用户的双赢。

5.4.2 主观规范

主观规范对社会化媒体用户信息分享意愿的影响系数为0.169,P值在0.01 水平上显著,表明主观规范对社会化媒体用户信息分享意愿有正向影响。社会人际关系网中个体的行为意愿会受到主观规范的制约,主要包括他人的压力和与他人意见保持一致的动机。 社会化媒体用户作为个体同样也会受到主观规范的影响,例如在B 站中,以某位UP 主(信息资源上传者)为意见领袖的用户群体,会在UP 主的请求下产生信息分享意愿;或是某一信息被大量用户分享会对其他用户形成暗示及示范作用,促使个体产生从众心理。

5.5 信息分享意愿

社会化媒体信息分享意愿对社会化媒体用户信息分享行为的影响系数为0.300,P值在0.001 水平上显著,表明信息分享意愿对社会化媒体用户信息分享行为有正向影响。 当用户进行社会化媒体信息分享的意愿越强烈,用户产生实际分享行为的可能性就越大,此结论与Fishbein 提出的理性行为理论、Triandis 提出的人际行为模型结论相一致。

6 结语

本文以信息生态为视角,结合计划行为理论、社会交换理论、技术接受模型,构建社会化媒体用户信息分享行为影响因素模型,为社会化媒体用户信息分享行为研究提供新的研究视角。 通过分析用户信息分享行为影响因素,为各主体发展提供策略。 对于社会化媒体平台来说,可以通过优化界面、营造社区氛围、迭代算法等,促进平台可持续发展;对于广告商来说,可以通过创新广告形式、优化广告内容吸引用户注意力,还可以通过大数据分析实现精准营销;对于UGC 从业者来说,可以帮助了解用户的信息需求,根据用户需求进行内容创作和发布,提升用户信息分享的积极性;对于政府来说,可以帮助指导相关部门针对用户信息分享行为特点,加强对社会化媒体用户信息分享行为和网络媒体行业的监管,以及对舆情的正确引导,及时、科学地处理网络舆情事件,构建良好的互联网舆情生态。

囿于作者研究水平和能力,本文仍有一些不足之处:第一,本文在影响因素的选取上存在一定的主观性,有待在后续的研究中扩大参考文献范围,结合德尔菲法等方法引入更科学、客观的影响因素。 第二,本文的调查对象为B 站用户,尽管B 站为国内典型的社会化媒体平台,但并不能全面代表所有的社会化媒体平台,这使得本文的研究结论存在一定的局限性,未来可针对不同的社会化媒体平台用户进行深入分析。 此外,本研究未考虑性别、年龄、学历等因素差异对结果的影响,因此在后续的研究中,可以考虑引入相关的控制变量,以获得更完善的研究结果。