论文部分内容阅读
用户生成内容(UGC)作为Web2.0环境下新兴的网络信息资源创作与组织模式,凭借其强大的社交属性对用户的信息接受及决策行为产生了深刻影响,推动了通过共享和用户之间的互动来帮助营销和购买行为的电子商务和社交网络的深度融合,形成了诸如蘑菇街、美丽说等国内具有代表性的购物分享社区。UGC用户采纳在一定程度上可将用户从潜在消费者变为现实消费者,开启用户在线购买行为的第一步,因此研究UGC的哪些信息特征会影响购物分享社区中的用户采纳,了解用户更加关注的是哪几个指标,对购物分享社区和UGC信息提供者贴合用户需求,提高产品和服务的核心竞争力有重要的实践意义。本文创新性地从用户角度出发,在信息采纳模型和消费者行为理论等现有理论的基础上,加入体现社交属性的互动性特征,挖掘UGC不同的属性维度与UGC用户采纳之间的关系,并探究用户类型在UGC互动性和UGC用户采纳之间的调节效应。首先,构建UGC用户采纳结构方程模型,以Python程序爬取到的蘑菇街首页用户搭配信息和用户个人信息为样本数据,使用实证方法验证研究假设、分析概念模型匹配度;其次,在UGC用户采纳模型的基础上,运用支持向量机算法分别对UGC用户点赞采纳水平和上榜采纳水平的各项自变量做指标贡献率分析;最后,将经过支持向量机特征提取与编码处理过的样本数据作为前因变量,利用BP神经网络算法对UGC用户采纳做预判。研究结果显示:UGC质量、UGC信息源可靠性与UGC互动性均对UGC用户采纳产生了显著的正向影响,其中UGC质量对UGC用户采纳的正向影响系数相对偏低,而UGC互动性的正向影响相对更高。用户类型在UGC互动性与UGC用户采纳之间的调节效应不显著;在点赞采纳水平的预测中,用户等级的贡献率最大,其次是用户关注数和信息评论数,而在上榜采纳水平的预测中,用户粉丝数的贡献率最大,其次是信息评论数;将UGC用户采纳模型中的前因变量作为预测指标能够有效实现UGC用户采纳的预判,且准确率较高。