SNS采納后階段用戶持續使用行為研究型

曹園園+李君君+秦星紅

〔摘要〕SNS采納后階段的持續使用行為是SNS成功的關鍵，本研究提出情感依戀在用戶持續使用意向形成過程中起關鍵性作用，用戶的持續使用意向將受到情感與認知的雙重作用。在整合ECM-ISC模型以及情感依戀相關理論、依戀強度ARC模型、情感擴建相關理論的基礎上，構建了概念模型，以微信朋友圈經驗用戶為調研對象，進行了實證研究。研究結果表明：改進后的模型具有更高的解釋力，感知有用性、滿意和情感依戀對持續使用意向有顯著影響，并間接影響用戶的持續使用行為。用戶關聯、能力以及自主需求的滿足會促使用戶產生情感依戀并在情感擴大機制的作用下促使用戶產生持續使用意向，同時滿意度對于情感依戀也具有顯著的正向作用。

〔關鍵詞〕社會化網絡網站；SNS；用戶；持續使用行為；情感依戀；ECM-IS

〔Abstract〕Continued usage is important for the success of SNS in the postadoption phase.This study proposed that emotional attachment play a critical role in the formation process of users continuance intention.Continuous usage intention of users would be subject to dual role of emotion and cognition.Integrating the ECM-ISC model，emotional attachment theory，ARC model of attachment strength and emotional expansion theory，the conceptual model is constructed.Taking WeChat experienced user as the research object，the empirical research is carried on.The main conclusions are listed：Perceived Usefulness，Satisfaction and Emotional attachment positively influence continued usage intention and indirectly influence continued behavior.The fulfillment of users requirements of autonomy needing，relatedness needing and competence needing had significant positive effect on the emotional attachment strength.Under the effect of emotional expanding mechanism，emotional attachment prompted the users continuous intention.Satisfaction positively influenced the emotional attachment.

〔Key words〕social network sit；SNS；user；continued usage；emotional attachment；ECM-IS

自2005年，默多克買下Myspace開始，社會化網絡網站（SNS，Social Network Sit）得到了快速發展，其在信息資源、社會聯系和企業營銷中的重要作用得到了企業界和學術界的廣泛關注。據中國互聯網信息中心（CNNIC）統計，2008-2010年期間，中國社交網站發展迅猛。2010年，SNS用戶在網民中的滲透率達到歷史高點514%。而自2011年起，SNS的網民滲透率進入徘徊期。大部分SNS網站的用戶參與度出現了明顯下降。從運營者角度而言，SNS的持續發展需要有持續增長的社會關系、用戶訪問流量以及用戶創造內容的積累[2]。因此，如何擴大用戶規模，激發用戶的持續參與和使用行為是SNS網站發展的關鍵。

心理學家認為人的行為意愿受到認知和情感的共同作用，Piaget最早提出了認知和情感的關系，并指出兩者作為一個整體相互聯系[3]。后有學者Gray通過實驗研究證明了這一觀點，認為認知和情感能夠共同、同等的控制個體行為。有時情感對意圖的影響甚至要大于認知對意圖的影響[4]。Limayem（2003）提出情感對用戶信息系統使用行為有直接影響[5]。對于情感的研究能夠加強我們對信息系統使用行為的理解。同時針對本文的研究對象SNS，它屬于享樂型信息系統，用戶多用于維護和擴展社交網絡、信息分享和休閑娛樂。與工具型信息系統相比，影響用戶持續使用的因素有其獨特性，其中情感因素會對用戶產生較大的影響。技術接受模型（TAM）、期望證實模型（ECM-IS）等經典模型大多基于理性認知假設，在解釋享樂型信息系統持續使用行為時，存在解釋力不足等問題。后雖有學者將TAM應用于SNS用戶行為研究時，認為該模型主要考慮理性因素作用，對模型進行了拓展，又加入了感知趣味性[6]、感知愉悅性等情感變量。但這些變量未能從根本上解釋SNS與用戶的長期情感聯結機制。情感依戀理論作為解釋親密關系的最優框架（Hazan & Shaver，1987）近年來得到了學術界的重視[8]。情感依戀與行為傾向高度相關，且具有意動特征。Bowlby曾明確指出，情感依戀的關鍵特征是具有強烈的動機和行為傾向性[9]。強烈的情感會促發消費者傾注更多時間和精力[0]。因此，本文將整合ECM-IS與情感依戀相關理論，從認知與情感的雙重視角對用戶的SNS持續使用行為進行分析，以期得到不同以往更有力的理論解釋。

理論回顧

11情感依戀理論

依戀是一個心理學構念，其研究最初源于英國心理學家Bowlby（1969）對親子關系領域的研究]。Bowlby認為，依戀是嬰兒與母親或照看者之間形成的一種特殊的情感紐帶關系。依戀具有親近依戀對象、當受到外界威脅或害怕時，向依戀對象尋求慰藉和安全、將依戀對象視為可靠基地，與依戀對象分離時，會產生緊張和焦慮感等特征。

隨著研究的深入，其研究對象逐步從人際依戀出發，先后拓展到人對所有物的依戀、地方依戀、產品依戀和品牌依戀等領域。其中，Hidalgo等（2001）[2]在對母嬰依戀概念特征分析的基礎上，發展了環境心理學的地點依戀概念，指出地點依戀是指：“個人與特定地點之間的積極情感紐帶，其主要特征是個人表現出與該地點的接近傾向”。該定義中除了強調依戀的情感成份，還突出了行為意向。20世紀80年代后，地方依戀的相關研究擴展到休閑科學領域，研究游憩者對地方的依戀與行為。如：對野外游憩活動的研究（Williams，1992）[3]，對森林步道的研究（Moore & Graefe，1994）等[4]。其研究的主要結論是人與地方的情感聯結，人們在依戀地時會體驗到愉悅、安全以及舒適等正向情感，而當離開依戀地后會產生失望、悲傷等負向情感。

依戀行為系統內化于個體之中，具有跨越現實與虛擬情境的穩定性。虛擬空間使用者也會與其所處空間進行互動，進而產生記憶、直覺和歸屬感，并形成虛擬地點依戀，并在其作用下促使使用者重返該空間[5]。一些學者進一步將依戀理論引入到信息系統和互聯網領域。國內學者趙欣等（2012）[6]從情感依戀的視角提出了因參與者對虛擬社區依戀而導致長期使用行為這一新論點，并借鑒心理學研究成果，按照“從需求滿足到依戀形成，再到持續使用行為傾向”的研究思路，嘗試構建了虛擬社區持續使用概念模型。但可惜的是該研究只是停留在理論推理階段，并未進行相應的實證研究。

依戀強度ARC模型與情感擴建理論

心理學家La Guardia（2000）等人提出了用于解釋消費者情感依戀形成的ARC模型，該模型認為：若某對象能夠滿足人們自主（Autonomy）、關聯（Relatedness）和發展能力（Competence）的需要，人們就會對該對象形成較強的情感依戀。自主、關聯和發展能力這3種需求與人類大多數需要不同的是：他們是普遍、固有和持久的。其中自主需求是指個人在行動過程中對自我選擇、自我控制等的追求；關聯需求是指個人希望與他人或某一社會群體形成親密關系，并在其中獲得理解、支持和關愛的追求；能力需要是指個人在參與或完成行動過程中對獲得成就感、勝任感和能力提升感等方面的追求。Thomson（2006）[8]將ARC理論引入營銷情境中研究品牌依戀，實證結果發現，除能力需求外，自主和關聯需求的滿足程度直接影響消費者品牌依戀的強度。本研究將應用ARC模型具體研究SNS環境下用戶情感依戀形成的路徑，進一步驗證該理論的普適性。

Fredrickson于1998年提出情感擴大和建設理論，闡明了情感作用機理。其中擴大機制（Broaden Mechanism），即情感瞬時激發個體聯想，促進創造性思維，擴大行動指令系統和可選擇行為范圍。依戀情感可以激發使用者的積極體驗聯想，使其大腦在短時間內處于一種愉悅和充滿靈感的狀態，進而促使其創造性的使用虛擬社區，擴大使用者非理性的參與頻率和質量[6，19]。

13信息系統持續使用行為研究脈絡

在“以用戶為中心”理念和網絡技術高速發展的推動下，用戶持續使用行為研究成為近年來國內外信息系統用戶行為研究領域的熱點問題。按照用戶使用信息系統的次數，可將用戶的使用行為分為采納行為和持續使用行為。采納行為是信息系統成功的第一步，持續使用行為是信息系統成功的關鍵。從理論視角來看，隨著各界學者對信息系統用戶使用行為研究的深入相繼提出了一系列的經典模型。1989年，Davis在社會心理學、特別是理性行為理論的基礎上提出了技術接受模型（Technology Acceptance Model，TAM）[20]，TAM模型是信息技術采納研究中最具代表性的經典模型之一，該模型將用戶采納信息系統影響因素簡潔的概括為感知易用性、感知有用性、態度、使用意圖和實際使用等，并對這些因素之間的邏輯關系進行了闡述。后有學者在TAM模型的基礎上幾經擴展和修訂，提出了TAM2、UTAUT等模型。這些模型被廣泛的應用到各技術領域的采納行為研究中，用以解釋和預測影響用戶采納行為的影響因素，以及信念、態度、意圖和行為之間的微觀驅動關系[21-23]。

21世紀初期，以Bhattacherjee，A為首的學者提出信息系統的持續使用是信息系統成功的關鍵，信息系統的持續使用行為與消費者的重復購買行為存在相似性，用戶都會基于消費或使用的滿意度來與之前的期望進行比較，進而判斷是否產生后續的持續使用行為。Bhattacherjee最早突破采納理論的研究框架，在期望確認理論（Expectation Confirmation Theroy，ECT）的基礎上構建了ECM-ISC（Expectation Confirmaiton Model of IS Continuance）模型，并以銀行為背景進行了實證檢驗[24]。ECM-ISC模型的突出貢獻在于：首先，將關注的重點放在采納后階段，突破了TAM模型無法解釋的用戶采納后未持續使用的前后不一致現象。其次，將系統滿意度、期望確認程度等變量擴充到模型中，以豐富持續使用研究[25-26]。其中滿意度強調一種情感狀態，與用戶對系統的預期評價相關。低預期或高表現都會導致較高的期望確認度，進而影響用戶的滿意度和使用意圖。第三，提出用戶期望會隨著用戶的使用產生變化，并在采納前后兩階段均對用戶行為產生影響，從而彌補了ECT理論忽視用戶期望在采納后會改變的不足。

Limayem在ECM-ISC模型的基礎上，將因變量擴展到持續使用行為上[27]。之后，Bhattacherjee，A（2008）對ECM-ISC模型進行了擴展[28]，提出將研究的終點定位在預測意圖上是不合適的，且對于技術采納行為而言，如果用戶缺少足夠的系統資源或使用技巧，僅僅依靠采納意圖還無法轉化為實際的行為，因此引入了感知行為控制理論（Perceived Behaviors Control，PBC），在原有模型的基礎上加入了促成因素和自我功效變量，從而得到了擴展的持續使用理論模型，增強了模型解釋力。該理論被廣泛應用于各信息系統領域如電子商務、網上銀行、移動搜索、數字化學習平臺、虛擬空間等。

理論模型和研究假設

ECM-ISC模型已被大量高水平研究證實與信息系統用戶持續使用心理認知過程最貼合，具有很強的穩健性，因此本研究將以該模型作為理論基礎。ECM-ISC模型中雖引入滿意變量，但是滿意主要反映了用戶與先前使用經驗相關的短期的情感。未能從用戶內在動機與需求的角度去解釋用戶使用信息系統長期穩定的情感聯結機制。對于SNS這類享樂型信息系統而言，用戶長期的非理性的持續使用行為，應該更多的是一種情感驅動行為。根據情感依戀的相關理論，本研究提出：SNS對用戶自主、關聯、能力需求的不斷滿足將促使個體的認知重組，需求滿足路徑越多、強度越大，越容易形成情感依戀。情感依戀產生后，在情感擴大機制、感知有用性、滿意的多重作用下促使用戶付出更多的時間、精力持續使用SNS。因此，在原有ECM-ISC模型的基礎上整合情感依戀理論、情感依戀強度ARC模型與情感擴建理論，引入情感依戀、自主需求滿足、關系需求滿足與能力需求滿足4個變量，構建了本研究的理論模型，如圖1所示。圖1概念模型

基于上文的理論模型，提出相關研究假設如下：

期望確認度是指用戶使用信息系統前形成的預期在使用后得到確認的程度。與營銷環境中用戶的持續購買決策行為類似，用戶的使用經歷與初始預期的匹配程度，會直接影響用戶的滿意度。信息系統滿意度反映了在原有使用經歷基礎上形成的短暫的情感，這種情感與信息系統的持續使用之間存在正向相關關系（Bhattacherjee，2008）[28]。Kim（2007）通過實證研究驗證了愉快和喚起情感可以讓用戶對移動網絡產生偏愛，進而持續使用[29]。與初始采納中的感知有用性不同是ECT-ISC模型中的感知有用性強調在先前多次使用后所形成的有用性感知基礎上形成的一種穩固不變的信念。Bhattacherjee通過研究發現，感知有用性是影響信息系統用戶持續使用意愿的關鍵性激勵因素。后有大量研究證實了感知有用性與持續使用意愿之間存在正向關系。在歸納TRA和EDT等理論中長期信念與持續使用意圖之間關系的基礎上，Bhattacherjee提出感知有用性對信息系統的持續使用意圖具有直接的影響作用。同時根據理性行為理論，用戶的意圖對行為具有直接作用關系。根據以上論述，提出相關假設如下：

自主需求是指外部環境能夠給予個人較高的自我決定權和自主性，能夠讓個體自由的發表看法，采取主動行動。讓個體感受到較高的自我掌控權，能夠做出自由的選擇。

SNS作為一種社交平臺，提供多種功能允許參與者自由選擇、自由表達。用戶可以根據自己的興趣在相對應的活動頁面就活動主題展開討論，自由發表言論，主動建立好友關系，讓用戶感到有充分的空間自由度掌控自我行為，且從活動參與中獲得滿足感，從而對SNS產生情感依戀。

H51：用戶自主需求的滿足對SNS情感依戀有顯著的正向影響。

關聯需求是指個體需要來自周圍環境、他人的關愛、支持理解和欣賞。同時也包括去理解、欣賞他人，并從中體驗到一種歸屬感，它體現了個體生活中與其他人聯系的情感期望。

SNS作為社交平臺，為用戶彼此聯系、交流、建立親密關系提供了有力工具。用戶能夠更加便捷地與自己熟悉和感興趣的人或群體建立關系、保持聯系，或與異地友人發起網絡社群活動，極大降低了社交成本與阻力。在SNS環境下，當用戶在情感上與他人保持聯系的期望得到滿足，并感受到他人的關愛、理解和情感支持時，其內心的歸屬與幸福感會加強，從而增強對SNS社區的情感依戀。

H52：用戶關聯需求的滿足對SNS情感依戀有顯著的正向影響。

能力需求是指個體對成就、勝任感以及效率等方面的追求。

生活中人們都希望得到肯定和關注，都懷有自我實現的希望，SNS在一定程度上能夠滿足用戶的能力需求，如在虛擬游戲中積累財富，進行虛擬角色扮演，滿足現實世界無法實現的愿望；在社區內發布自己感興趣的信息，分享知識，通過幫助他人來實現自我價值。SNS這個虛擬平臺為更多人提供了自我展示的平臺，甚至讓生活中默默無聞的人有機會成為“意見領袖”，增強了用戶的自我效能感。

用戶自我能力的不斷滿足，能夠促使個體認知系統發生重組并逐漸形成新的認知判斷，將自我能力需求的實現與SNS平臺緊密結合起來，讓用戶在SNS中體驗到自信與成就感，并形成較強的情感依戀。

H53：用戶能力需求的滿足對SNS情感依戀有顯著的正向影響。

Carrollb et al（2006）指出研究消費者愿意與某一網站建立持久關系的重要方法是聚焦依戀和愛[30]。根據社會反應理論（Social Response Theory），Li（2006）指出使用者傾向于將計算機看作社會參與者，像對人一樣產生情感依戀和歸屬感，其關系互動也會遵循一定的社會規則[31]。Maulana（2007）指出消費者與購物網站之間是一種類社會互動關系。這種互動關系使得消費者對購物網站形成情感依戀[32]。滿意度也會進一步加強用戶對信息系統的情感依戀。Goel（2011）指出人對虛擬空間同樣存在依戀過程。在信息系統虛擬世界中，用戶通過與所處空間的意義交互，會產生地方依戀，并重返該空間[33]。

H6：SNS用戶的滿意度與情感依戀正相關。

H7：SNS用戶的情感依戀與持續使用意愿正相關。

3數據收集與處理

研究對象選擇

據2015年中國社交媒體核心用戶數據分析報告，目前微信已取代QQ空間成為國內網民使用最多的社交應用，且用戶忠誠度和活躍度較高，2015年微信活躍用戶已超過468億[34]。因此，本研究選取微信朋友圈用戶為調查對象。

根據信息系統使用次數，可將微信朋友圈用戶分為初次采納用戶和持續使用用戶。本研究的研究目的是探索SNS用戶持續使用行為形成機制，因此將調研對象鎖定為已經具有持續使用行為特征的用戶。并從以下兩個維度尋找符合要求的調研對象。（1）參與時間：用戶持續使用時間為半年及以上，且累計登錄天數為90天及以上。（2）參與程度：經常瀏覽，平均每天登陸3～5次。經常發帖，至少擁有50篇發帖。在朋友圈中經?；貜桶l帖，并為朋友的發帖點贊，進行關系維系等活動。

另據騰訊發布的《2015年微信平臺數據研究報告》顯示：微信用戶呈年輕化，平均年齡為26歲，862%的用戶在18～36歲。用戶職業主要為：企業職員、自由職業者、學生、事業單位員工這4類[34]。因此，調查對象的選擇以在校大學生、教師、企事業單位工作人員為主。年齡控制在18～40歲之間，以保證樣本的代表性。

量表設計

本研究所使用的量表主要借鑒現有成熟量表，自主需求、關聯需求、能力需求的測量改編自Sheldon（2011）等[35]量表；情感依戀的測量改編自Hazan（1994）等[36]量表，期望確認度、感知有用性、滿意度以及持續使用意愿的測量改編自Bhattacherjee，2001與Lin & Wang，2012[24，37]等量表。為增強量表的信度和效度，在正式調研之前，本研究進行了以下幾個方面的工作：（1）查閱了大量相關主題文獻；（2）對經驗豐富用戶和相關領域專家進行了焦點小組訪談，根據訪談結果結合模型假設和研究目的對已有量表做適當修改；（3）正式調研之前，進行小樣本預測試，刪除數據分析結果中信度和效度較低以及不合適問項。根據Nunnally的建議，本研究采用多維度、七點李克特量表進行測量，從1～7分別表示調查者的態度從非常同意到非常不同意。

33問卷發放與數據收集

本次問卷采用線上和線下兩種方式發放，線下采用現場發放現場收回的形式，在被試正式填寫之前，由調查人員對調查目的、填寫方法等問題進行說明。線上使用問卷星調查平臺進行發放。調查時間從2015年8月到2015年10月，采樣范圍包括北京、上海、浙江、廣東等微信滲透率較高的地區。本次調查共發放問卷800份，剔除答題不認真、反轉問題回答矛盾等無效問卷，本次共回收有效問卷698份，有效率為：873%。

模型驗證

數據分析分為兩個步驟。第一步：測量模型驗證，對量表的信度和效度進行檢驗。第二步：結構模型驗證，計算自變量與因變量之間路徑系數及其顯著性，以驗證模型是否成立。

1測量模型檢驗

本研究使用SPSS210，采用因子分析法進行分析。在進行探索性因子分析之前，首先進行KMO和Bartlett球體檢驗，判斷是否適合進行因子分析。其中KMO值越接近1表明原始變量相關性越強，越適合做因子分析。本研究中KMO=0892，Bartlett球體檢驗統計量為1351，相應的概率Sig為0000，因此原有變量適合做因子分析。

本研究采用Cronbach α信度和建構信度來評價因子信度。從表1可以看出，各潛因子的Cronbach α值在0762～0912之間，均超過07的門檻值。建構信度值在0836～0910之間，均超過05的門檻值，因此信度指標可以接受。

因子效度評估從內容效度和區分效度兩個方面進行評估。對于內容效度，9個潛變量源于已有經典成熟量表。并通過焦點小組訪談、專家訪談、預測試修正保證了問項基本符合內容效度的要求。

對于區分效度，表中對角線的值為AVE平方根，比較后可發現，特定潛變量的AVE平方根均明顯高于該潛變量與其他因子間的相關系數。因此，測量指標具有一定的區分效度。

結構模型驗證

本研究采用AMOS200對結構模型進行參數估計和假設檢驗。采用極大似然估計法計算模型擬合指標和各路徑系數的估計值，模型參數估計值如表3所示。從表中數據可以看出除AGFI系數與09的建議值略有差距外，其它指標均超過了建議值。因此，整體模型擬合情況尚好。表3模型整體擬合指標與建議值

擬合指標測量值建議值RMSEA0072<008GFI0916>09AGFI0883>09NFI0936>09IFI0963>09CFI0910>09

假設檢驗分析結果顯示模型中7條假設均得到支持。因子被解釋方差、路徑的標準化回歸系數以及顯著性見圖。其中滿意度、關聯需求、自主需求、能力需求共同解釋了51%的情感依戀的方差變異；情感依戀、感知有用性和滿意共同解釋了68%的持續使用意愿的方差變異；持續使用意愿解釋了58%的持續使用行為的方差變異；期望確認度解釋了32%的滿意度的方差變異。

期望確認度對感知有用性（路徑系數：025，p<0001）和滿意度（路徑系數：035，p<0001）有顯著的正向意向，感知有用性（路徑系數：043，p<0001）和滿意度（路徑系數：031，p<0001）對持續使用意愿有顯著的正向影響。持續使用意愿（路徑系數：047，p<0001）對持續使用行為有顯著的正向影響。以上數據分析結果再一次驗證了經典的ECM-ISC模型中的因子具有較穩健的解釋力。

其中值得注意的是情感依戀、感知有用性、滿意度均對持續使用意向有顯著的正向作用，并對持續使用行為有間接的正向作用。對比感知有用性、情感依戀和滿意與持續使用行為這3條路徑，其中情感依戀對持續使用意向的作用最大（052），其次是感知有用性（043），最后是滿意度（031）。數據分析結果驗證了本文的假設，用戶的持續使用行為受到情感與認知的雙重作用。對于經驗用戶情感依戀對其持續使用意愿具有重要的作用。同時數據分析結果顯示，情感依戀的形成來自于信息系統對用戶關聯、能力以及自主需求的滿足。此外，用戶的滿意度對于情感依戀的形成也具有正向的作用。對比這四條路徑對情感依戀的影響，從大到小依次是：關聯（0547）、能力（0431）、自主（0261）、滿意度（013）。由此可以看出，現階段，SNS環境下，用戶彼此之間的聯系、互動，以及用戶能力的提升是用戶情感聯結形成的最關鍵因素。注：p<005，p<001，p<0001。圖結構模型分析結果

4結論與討論

針對SNS用戶采納后的持續使用行為，通過文獻梳理和理論分析，以ECM-ISC模型為基礎架構，引入情感依戀等新的變量，得到了SNS采納后用戶持續使用模型，以微信朋友圈經驗用戶為實證對象進行了模型驗證，其解釋力可達69%。本研究的理論貢獻在于：該模型從認知和情感兩個方面概括了SNS用戶采納后持續使用的微觀機理，即驗證了ECM-ISC中期望確認度、感知有用性、滿意度等變量仍是影響用戶持續使用意愿及行為的關鍵影響因素，同時本模型引入情感依戀變量，從情感的角度解釋了用戶持續意愿形成的穩定的、持續的聯結機制，突破了以往模型中滿意變量只能解釋用戶短期情感狀態的不足。同時揭示了滿意這一短期情感與情感依戀這一穩定持續的情感之間存在顯著的正向關系。并基于ARC情感依戀強度理論，驗證了情感依戀形成的路徑，即用戶自主、關聯與能力需求的滿足能夠促成用戶形成情感依戀，并在情感依戀擴大機制的作用下，增強用戶使用SNS的意向和實際使用頻率。從而彌補了以往研究中ECM-ISC理論在研究SNS這類享樂型信息系統持續使用行為時，解釋力不理想的不足，拓展了信息系統領域的情感研究。

從管理實踐角度看，本研究為SNS運營商如何更好的激發用戶行為提供了指引方向：

（1）經典的ECM-ISC模型中，期望確認、感知有用性以及滿意度仍然是影響用戶持續使用意愿以及行為的核心要素，因此加強SNS實用性層面的建設，提高用戶滿意度、合理塑造用戶期望，仍然是未來提高用戶忠誠的關鍵道路。

（）將關愛用戶，與用戶建立強勁的情感聯結機制提升到戰略層面。SNS網站應跟蹤調查用戶與網站的依戀水平，全面了解用戶與網站的情感聯結狀態。洞察用戶的情感需求動機，通過自主、關聯和能力需求的滿足強化用戶對社區的情感依戀。具體可采取如下措施：在設計網站功能時注重用戶的情感體驗，使其有充分的自由度進行文章發表，發起討論，聯系好友，減少用戶使用系統的阻力；增加網站情感支持功能，方便用戶自我表達情感，鼓勵朋友之間相互關心，設置專職人際管理人員，定期提醒用戶聯系溝通，加固用戶之間的關聯。根據用戶興趣愛好，分類建立社群圈子為志趣相投的用戶提供互動平臺。除激發用戶線上溝通交流的熱情外，還可以定期舉行各類線下活動，打通不同渠道，發揮渠道協作效應，實現線上線下交流互動；提供用戶自我展現的表現工具，如：提供用戶級別標識、聲譽跟蹤機制、用戶生成內容價值展示等。

由于條件限制，本研究存在一定的局限性：未對不同性格類型的用戶做分類研究。而不同性格特質的用戶其心理行為過程可能會存在一定的差異，這對于研究結論的普適性具有一定的限制。因此，未來的研究可以引入性格特質等調節變量具體檢驗不同群體SNS用戶行為的差異。

參考文獻

http：∥www.183read.com/magazine/article200099.html.

[2]Chen R.Member use of social networking sites-an empirical examination[J].Decision Support Systems，2013，54（54）：1219-1227.

[3]Piaget J，Brown T A，Kaegi C E，et al.Intelligence and affectivity：their relationship during child development[M].Annual Reviews Inc，1981.

[4]Gray J R，Braver T S，Raichle M E.Integration of emotion and cognition in the lateral prefrontal cortex[J].Proceedings of the National Academy of Sciences of the United States of America，2002，99（6）：4115-20.

[5]Limayem M，Hirt S G.Force of Habit and Information Systems Usage：Theory and Initial Validation[J].Journal of the Association for Information Systems，2003，4（1）：65-97.

[6]Sledgianowski D，Kulviwat S.Using Social Network Site：The Effects of Playfulness，Critical Mass and Trust in Hedonic Context[J].Journal of Computer Information Systems，2009，49（4）：74-83.

Leng G S，Lada S，Muhammad M Z，et al.An Exploration of Social Networking Sites（SNS）Adoption in Malaysia Using Technology Acceptance Model（TAM），Theory of Planned Behavior（TPB）and Intrinsic Motivation[J].Journal of Internet Banking and Commerce，2011，16（2）：1-27.

[8]Hazan C，Shaver P.Romantic love conceptualized as an attachment process[J].Journal of Personality & Social Psychology，1987，52（3）：511-524.

[9]Bowlby J.Attachment and Loss：Vol3Loss[M].New York：Basic Books，1980.

[0]Park C，Whan D J，Macinnis，Joseph P.Beyond Attitudes：Attachment and Consumer Behavior[J].Seoul Journal of Business，2006，12（2）：3-35.

]Bowlby J.Attachment and Loss：Vol1Attachment[M].New York：Basic Books，1969：177-234.

[2]Hidalgo M C，Hernandez B.Place Attachment：Conceptual and Empirical Questions[J].Journal of Environmental Psychology，2001，21（3）：273-281.

[3]Williams D R，Roggenbuck J W，Watson A E.Beyond the commodity metaphor：Examining emotional and sym bolic attachment to place[J].Leisure Sciences，1992，14（1）：29-46.

[4]Moore R L，Graefe A R.Attachments to recreation settings：the case of rail-trail users[J].Leisure Sciences，1994，16（1）：17-31.

[5]Goel，Johnson N A，Junglas I，Ives B.From Space to Place：Predicting Users Intention to Return to Virtual Worlds[J].MIS Quarterly，2011，35（3）：749-771.

[6]趙欣，周密，于玲玲，等.基于情感依戀視角的虛擬社區持續使用模型構建-超越認知判斷范式[J].預測，2012，（5）.

La G J G，Ryan R M，Couchman C E，Deci E L.Within-person Variation in Security of Attachment：A Self-determination Theory Perspective on Attachment，Need-fulfillment and Well-being[J].Journal of Personality and Social Psychology，2000，79（3）：367-384.

[8]Thomson M.Human Brands：Investigating Ant- ecedents to Consumers Strong Attachments to Celebrities[J].Journal of Marketing，2006，70（7）：104-119.

[9]Fredrickson B L.What good are positive emotionns[J].Review of General Psychology，1998，2（3）：300-319.

[20]Davis F D，Bagozzi R P，Warshaw P R.User acceptance of computer technology models[J].Management Science，1989，35（8）：982-1003.

[21]胡安安，姜江，黃麗華.ERP系統實施的用戶接受模型及實證研究[J].研究與發展管理，2008，20（3）：50-56.

[22]黎利，劉永梅.B2C電子商務個體采納意向影響因素綜合模型研究[J].信息系統學報，2008，2（1）：37-47.

魯耀斌，徐紅梅.即時通訊服務使用行為的影響因素實證研究[J].管理學報，2006，（5）：114-121.

[24]Bhattacherjee A.Understanding information systems continuance：An expectation confirmation model[J].MIS Quarterly，2001，25（3）：351-370.

[25]Kim D J，Steinfield C.Consumers mobile internet service satisfaction and their continuance intentions[C].AIS Electronic Libraty.Proceedings of the Tenth Americas Conference on Information Systems，2004：2276-2780.

[26]Dai L，Huang L H，Yi H D.How B2C service quality influence website continuance[C].IEEE.Proceeding of the 9th Pacific Asia Conference on Information Systems，2005.

[27]Limayem M.How Habit limits the predictive power of intention：The case of information systems continuance[J].MIS Quarterly，2007，31（4）：705-737.

[28]Bhattacherjee A，Perols J，Sanford C.Information technology continuance：A theoretic extension and empirical test[J].Journal of Computer Information Systems，2008，30（4）：17-26.

[29]Kim H W，Chan H C，Chan Y P.A Balanced Thinking-feeling Model of Information Systems Continuance[J].International Journal of Human-Computer Studies，2007，65：511-525.

[30]Carrollb A，Ahuvia A C.Some Antecedents and Outcomes of Brand Love[J].Marketing Letters，2006，7（2）：79-89.

[31]Li D H，Browne G J，Wetherbe C J.Why do Internet Users Stick with A Specific Web Site？A Relationship Perspective[J].International Journal of Electronic Commerce，2006，10（4）：105-141.

[32]Maulana A E，Eckhardt G M.Just Friends，Good Acquaintances or Soul Mates？An Exploration of Web Site Connectedness[J].Qualitative Mark-et Research：An International Journal，2007，10（3）：227-242.

[33]Goel，Johnson N A，Junglas I，Ives B.From Space to Place：Predicting Users Intention to Return to Virtual Worlds[J].MIS Quarterly，2011，35（3）：749-771.

[34]http：∥www.360doc.com/content/15/1218/12/15549792521262386.shtml.

[35]Sheldon K M，Elliot A J，Kim Y.What is Satisfying about Satisfying Events？Testing 10 Candidate Psychological Needs[J].Journal of Personality and Social Psychology，2001，80（2）：325.

[36]Hazan C，Shaver P R.Attachment as an Organizational Framework for Research on Close Relationships[J].Psychological Inquiry，5（1）：1-22.

[37]Lin，WS.，& Wang，CH..Antecedence to continued intentions of adopting e-learning system in blended learning instruction：A contingency framework based on models of information system success and task-technology fit[J].