基于UTAUT模型修正的微信朋友圈信息流广告接受度实证研究

路朝祥 张宏哲 龚志柱 王海龙

摘 要：本文从解决微信朋友圈信息流广告接受度的现实困境出发，基于UTAUT模型进行修正构建了微信朋友圈信息流广告接受度SEM结构方程模型，重点研究影响微信朋友圈信息流广告的关键性因素及其相互关系。结果表明，绩效期望、付出期望、促成条件、社群影响、广告表现对微信朋友圈信息流广告接受度呈正相关，广告奖励对微信朋友圈信息流广告的接受意愿并不相关，微信使用用户的年龄越大，收入越高，对广告接受意愿越强。

关键词：UTAUT模型；信息流广告；消费者行为；客户画像；精准营销；微信朋友圈

本文索引：路朝祥，张宏哲，龚志柱，等.<变量 2>[J].中国商论，2024（06）：-078.

中图分类号：F063.2 文献标识码：A 文章编号：2096-0298（2024）03（b）--05

1 引言

2022年8月，腾讯公司发布2022年第二季度业绩报告显示，腾讯微信及wechat的月活跃用户近13亿 [1]，庞大的用户基础蕴含和隐藏着巨大的经济收益，因此腾讯依托于微信生态体系推出微信朋友圈信息流广告 [2]，但艾媒咨询发布的报告[3]显示：超过60%的受访者每天都会接收到朋友圈推送的广告，但只有4.2%的受访者在最近的一个月内购买过广告中的商品，该报告虽然调查了用户对微信朋友圈信息流广告的主观感受，但仍需要进行更严谨和深入的实证研究。现阶段基于信息流广告的研究中，国外主要研究对象以Facebook和Twitter为主，以定量研究为主[4-5]。国内主要研究对象以抖音短视频类和微博类为主，以定性研究为主[6-7]，具有一定的概括性和思辨思想，解释力和支撑性略显不足。本文在已有研究的基础上，以UTAUT理论模型框架为基础进行修正，增加广告效应相关影响因素，进一步将人口统计学的有关计量因素纳入模型进行异质性检验，通过专家及受众的深入訪谈进行结果验证，最后形成结论。

2 理论模型与研究假设

2.1 理论模型

整合型信息技术接受和使用理论模型由Venkatesh （2003）[8]提出，该模型包括绩效期望、付出期望、社群影响和促成条件四个关键变量，使用意愿和使用行为两个结果变量。该模型能更好地反映顾客的知识、经验、自愿程度对信息技术的接受意愿的影响，普遍被学者认为是一种能够较好测量用户使用行为的工具，其解释力达70%以上[9]，近年来在移动互联网等领域得到了广泛应用。

2.2 研究假设

首先，基于UTAUT模型，本文保留绩效期望、付出期望、社群影响和促成条件四个核心变量，本文提出假设：

H1：绩效期望对微信朋友圈信息流广告的使用意愿有正向影响；

H2：付出期望对微信朋友圈信息流广告的使用意愿有正向影响；

H3：促成条件对微信朋友圈信息流广告的使用意愿有正向影响；

H4：社群影响对微信朋友圈信息流广告的使用意愿有正向影响；

H5：用户对微信朋友圈信息流广告的使用意愿正向影响使用行为。

其次，结合广告传播的特性[10-11]，将广告表现、广告奖励纳入模型，以期改善本模型的结构弹性以及对复杂客观现实的适应度。基于此，本文提出假设：

H6：广吿对微信朋友圈信息流广告的使用意愿有正向影响；

H7：广告奖对微信朋友圈信息流广告的使用意愿有正向影响。

此外，进一步将性别、年龄、收入相关人口学因素纳入研究模型内，以期深入探究不同社会人群对微信朋友圈信息流广告接受度的差异性表现。

根据以上假设，在UTAUT理论模型基础上对变量进行了修正，构建微信朋友圈信息流广告接受度的理论模型（如图1所示），以弥补UTAUT模型在信息流广告接受意愿情境中解释力不足的问题。

图1 微信朋友圈信息流广告接受度的理论模型

3 模型变量与数据来源

3.1 模型变量

为确保本文提出变量的信度及效度，首先是国内外相关文献中普遍采用的潜变量的测量项；其次在已有的测量量表基础上，结合微信朋友圈信息流广告特性，对各个测量的量表进行再设计；最后同业界专家会同核定，确定相关指标对消费者的消费特征进行测量。

问卷测量项采用Likert5量表，通过小规模访谈、问卷前测和问卷修正等过程形成最终问卷，包括两部分：年龄、性别、可支配收入等个人基本信息部分；考虑绩效期望、社群影响、付出期望、促成条件、广告表现、使用意愿、使用行为的基本指标部分，共8个变量，24个题项。

3.2 问卷调查

调查问卷通过“问卷星”发放，日期为2022年9月8日至2022年11月29日，实际收回1067份，按照问卷填写不完整或者“陷阱”题目误填一个，即认定为无效问卷的筛选标准，剔除无效问卷33份，最终确定有效问卷1034份，有效回收率为96.9%，经计算该置信度符合要求。

4 计量模型与估计结果分析

4.1 模型选择

微信朋友圈信息流广告接受度体现的作用及影响机制是一个复杂系统，传统的统计方法不能有效处理如图1所示的各个潜变量，而结构方程模型法（structural equation modeling，SEM）能同时处理潜变量及其指标，将所有外生变量和内生变量的信息都予以考虑，所拟合的模型具备较强的参考价值[13-14]，因此本文将结构方程模型作为概念化建模及验证的数据分析方法。

结构方程模型式（1）中，η表示微信朋友圈信息流广告的使用意愿，它作为因变量被呈现。ξ表示自变量则涵盖了绩效期望等基础指标，β表示与因变量之间存在依赖关系。Γ表示独立变量对依赖变量的影响。此外，结构方程中包括ζ代表的残差项，用以反映模型无法解释的变异。

结构方程模型式（2）中，X是ξ的可检验变量，Λx为ξ与X存在特定的相关系数矩阵。同时，该模型考虑了δ为X的残差项，以全面评估模型的拟合程度。

在结构方程模型式（3）中，Y是η的可检验变量的呈现，Λy为η与Y的相关系数矩阵进一步揭示了与其他变量的关系。与前两个模型相同，这里同样考虑了ε为Y的残差项，以确保模型的完整性和准确性。

4.2 信效度分析

信度分析显示，问卷的克隆巴赫系数（Cronbachs Alpha）为0.968，这表明问卷具有极高的内部一致性。进一步观察各个子维度，它们的信度系数均高于0.8，这进一步支持了问卷测量的稳定性和可靠性。综上所述，该问卷的测量结果真实可信，且具有较强解释力，能够有效地反映目标构念的性质和程度（见表1）。

根据国际经典的技术接受度量表，本文结合微信朋友圈信息流广告的传播特性来设计问卷相关问题，再经过深入的访谈和前测等环节，也能够确保测试题项在设计上具有严密的逻辑性，从而确保了良好的内容效度。样本数据的Kaiser-Meyer-Olkin（KMO）值为0.953，高于0.8的标准值，这表明测试题目满足进行因子分析的统计要求。此外，测试题项的因子负荷量均大于0.5，可以保留所有测试选项，各组合信度CR值>0.7，且各变量的平均方差萃取AVE值>0.5，根据表1，该问卷具有较好的聚合效度。每个变量的平均方差萃取量（AVE）均大于变量间的相关性，这表明问卷的题项具有较好的区分效度。结果表明，问卷在测试不同构念时能够准确区分它们，从而为后续的研究提供了可靠依据。

4.3 接受度影响因素分析

本文应用AMOS 24.0软件，依据接受度机构模型拟合度评估和参数评估相关过程，验证微信朋友圈信息流广告接受度的影响因素[15]。

首先，通过模型拟合度评估，本文采用了绝对拟合指标和增值拟合指标进行测量。具体结果如表3所示。在绝对拟合指标方面，χ?/df 的值为2.806，这表明模型的拟合度较好，因为该值为小于3的标准值。此外，RMR 和 RMESA 等其他測量值仍为正常的评估范围，进一步证实了模型的拟合度。但是，GFI的值为0.888，略低于模型评估标准的优秀水平。增值拟合指标方面， NFI、CFI 和IFI 数值均符合拟合度要求，但是，AGFI 的值为0.854，略低于评估标准的优秀水平。

在模型参数评估方面，本文关注了各变量对使用意愿的作用路径。具体地，评估了绩效期望、付出期望、社群影响、促成条件、广告表现和广告奖励等因素作为变量如何影响使用意愿的路径。这一评估为我们提供了关于各变量对使用意愿作用机制的深入理解，有助于更好地解释和预测用户的行为。如表3所示，广告奖励影响使用行为的路径P值大于0.05，表明两组变量间并不具有显著的相关性，而其他路径均通过了显著性检验。综合结构模型拟合度评估和参数评估，假设模型虽然基本正确，但仍可以进行更进一步地修正。

通过删除不显著的路径H6、修正指数（M.I.）、临界比率（C.R.）的方法依次对模型进行修正，并再次对样本数据进行拟合检验发现，如表4所示，绝对拟合指标方面，χ?/df 的值为2.903， GFI的值为0.901，AGFI 的值为0.868。如表5所示，各研究假设的路径达到显著性水平（P<0.05）。经过修正后的模型在多项指标上表现得更为出色，相较于原始模型，其拟合度更高，解释力更强，使得该模型更适用于解读微信朋友圈信息流广告对用户接受度的影响。

总效应取决于自变量和因变量的共同作用。各变量对使用行为的影响效果如表6所示。按照总效应影响大小，各自变量的解释程度排序为：广告表现、促成条件、付出期望、社群影响、绩效期望。

4.4 异质性分析

4.4.1 性别差异性检验

在独立样本t检验中，本文探讨了不同性别用户对微信朋友圈信息流广告的接受使用意愿。研究结果显示，相较女性，男性展现出更强烈的接受意愿（t=1.869）。然而，进一步分析表明，男性和女性在接受意愿上并未存在显著的差异（P=0.062>0.05），如表7所示。

4.4.2 年龄差异性检验

首先，本研究对有效样本进行了方差齐性检验，结果发现不同年龄层次的微信朋友圈信息流广告接受使用意愿均满足方差齐性要求（sig>0.05）。在此基础上，本文进一步进行了单因素方差分析，并发现不同年龄的用户在接受度上存在显著性差异（P=0.037<0.05）。通过事后多重比较，本文深入探讨了促成条件维度的接受次序。具体地， 55岁以上＞35～55岁＞18～35岁＞18岁以下，如表8所示。

4.4.3 收入差异性检验

首先，本研究对样本进行了方差齐性检验，结果发现不同收入的用户对微信朋友圈信息流广告的接受使用意愿不满足方差齐性条件（sig<0.05）。因此，采用Welchs ANOVA方法进行差异分析。结果显示，不同收入用户的接受度存在显著性差异（P=0.043<0.05）。进一步的事后多重比较揭示了各收入段用户接受度的排序： 10000元及以上>5000元～10000元>2000～5000元>2000元及以下，如表9所示。

4.5 最终结果

综上，10个研究假设中除H6、H8不成立之外，其他假设均成立，最终建立了微信朋友圈信息流广告接受度及其影响因素模型（见图2）。

5 结语

由于本文建模和变量选择均基于消费者行为及心理因素，在完成定量研究后，再通过与业界专家和受众进行访谈进行定性研究，对假设和模型进行更为深层的剖析和科学验证，以期得出更有针对性的最终实证结论。

首先，实证表明，绩效期望（路径系数0.16）、付出期望（路径系数0.223）、促成条件（路径系数0.295）、社群影响（路径系数0.189）、广告表现（路径系数0.412）对微信朋友圈信息流广告使用行为（UP）的总效应为正值，均正向影响微信用户朋友圈信息流广告的使用行为。其中，广告表现、促成条件的总决定系数在影响因素中位列前二，是提高微信用户朋友圈信息流广告的接受度的关键因素。通过深度访谈发现，用户更愿意接受高质量、优秀表现、创意深刻的广告，基于用户需求的广告相对容易促成交易。因此，应当进一步提升广告的精准推送算法，广告内容、形式、创意要与用户的真实需求相匹配，精准定位广告的目标用户群体，提升微信朋友圈信息流广告的真实效用。

图2 最终的微信朋友圈信息流广告接受度及其影响因素模型

其次，广告奖励（AA）和使用意愿（UP）之间的标准化路径系数为0.099，然而该结果在统计上不具有显著性（P=0.075），因此假设6未能得到支持。这与龚艳萍（2020）[16]、关于广告奖励对使用意愿产生正向作用的研究结论不一致。此外，卢星余（2018）[17]提出广告奖励（回归系数0.458）与其他变量相比并不显著，提出需要进一步去验证。这可能的原因是：（1）本文对微信朋友圈信息流广告的研究为采用更全面的人口学信息，而龚艳萍的调研人群为在校大学生，刘红艳的研究对象为创意中插广告；（2）在访谈中，用户的主观感受是，有些产品并未在广告中提供相关奖励；（3）在访谈中，用户的购物行为是，在寻求折扣或者低价的购物时，主要考虑“双十一”“618”等旺季促销。以上表明，并不是微信朋友圈信息流广告奖励不重要，而是企业应充分使用微信朋友圈广告投放平台，实行各种真实有效的广告奖励形式，同时还需要充分利用广告促销旺季，进行广告奖励和精准投放。

最后，从人口统计学信息发现，不同的年龄和收入的用户，表现出不同的广告使用意愿和广告使用行为。年龄特征负向调节微信朋友圈信息流广告的使用行为接受度，收入特征正向调节微信朋友圈信息流广告的使用行为接受度。在访谈中同样发现，微信用户的年龄越大对广告的接受意愿越强，收入越高对广告接受意愿就越强。因此，微信朋友圈信息流广告的运营应该根据不同的年龄和消费能力，进行更具针对性的客户画像和精准营销。

参考文献

腾讯2022年第二季度财报[R].腾讯控股，2022-8-12.

王静.微信朋友圈信息流广告如何实现传播力提升[J].传媒，2019（6）： 54-55.

微信朋友圈广告用户感知调查报告[EB/OL].http：//www.iimedia.cn /38521.html，2015-01-27

Qinwei， Xie; Morris， Jon & Zhang， Meng.Find us on Facebook Emotional and Cognitive Responses Towards Facebook Social Ads [J].Electronic Commerce Research and Applications，2010（9）：50-60.

Youn， Seounmi.Newsfeed native advertising on Facebook： young millennials knowledge， pet peeves， reactance and ad avoidance[J].International Journal of Advertising·The Review of Marketing Communications，2019（12）：651-683.

崔佳欣.微信朋友圈信息流广告发展现状探析： 以卡片广告为例[J].中国报业，2022（18）：20-21.

熊昊.信息流广告的特征与发展趋势[J].青年记者，2020（18）：81-83.

Venkatesh V.Moiris M.G.Davis G.B.&Davis F.D.User acceptance of information technology：toward a unified view.IS Quarterly，2003，27（3）： 425-478.

閆志明，付加留，朱友良，等.整合人工智能技术的学科教学知识（AI－ TPACK）：内涵、教学实践与未来议题[J].远程教育杂志， 2020，38（5）： 23-34.

喻国明，丁汉青，王菲，等.植入式广告： 研究框架、规制构建与效果评测[J].国际新闻界.2011，33（4）：6-23.

谭若诗.基于UTAUT模型的微信朋友圈学习类打卡信息接受度实证研究[J].东南传播，2020（5）：29-33.

张应语，张梦佳，王强，等.基于感知收益： 感知风险框架的O2O模式下生鲜农产品购买意愿研究[J].中国软科学，2015（6）：128-138.

韩丹，慕静，宋磊.生鲜农产品消费者网络购买意愿的影响因素研究： 基于UTAUT模型的实证分析[J].东岳论丛，2018（4）：91-101.

荣泰生. AMOS与研究方法[M].重庆：重庆大学出版社，2010：118-119.

郑洪利.房地产广告微信朋友圈传播效果的实证研究： 以UTAUT模型为基本框架[D].济南： 山东大学，2021.

龚艳萍，欧阳清，岳歆婷，等.创意中插广告特征对消费者购买意愿的影响研究[J].管理现代化，2020（1）： 68-72.

卢星余.微信朋友圈广告用户参与效果研究[D].武汉： 武汉大学，2018.