基于解释结构模型的APP推广影响因素的实证研究.docVIP

基于解释结构模型的APP推广影响因素的实证研究 　　摘要：[目的/意义]从用户和设计者的角度提出一种基于解释结构模型（ISM）求解的新方法，并对影响移动终端应用程序APP推广的因素进行研究。[过程/方法]在研究过程中，首先通过SPSS软件对数据进行统计分析得到各个因素的相关性系数来判定各因素的相关性，再基于回归分析得到各个因素之间的依赖关系，最后通过解释结构模型对各个因素进行详细的分析得到各个因素的层级关系。将SPSS与ISM结合可以很好的弥补ISM的缺点，即不需要主观去判断各个因素的之间的关系。[结果/结论]研究结果展现了几款常用APP推广影响因素的层级关系，为今后APP更加有效地开发、使用与推广提供了依据。 　　关键词：解释结构模型 APP推广 SPSS 相关分析 回归分析 　　分类号：D923.41 　　引用格式：黄炜， 李总苛， 李岳峰.基于解释结构模型的APP推广影响因素的实证研究[J/OL]. 知识管理论坛， 2016， 1（1）： 61-73[引用日期]. http：///paperview？id=12. 　　1 引言 　　根据中国互联网络信息中心（CNNIC）发布的第36次《中国互联网络发展状况统计报告》，截至2015年6月，我国网民规模达6.68亿，其中手机网民规模达5.94亿，较2014年12月增加3 679万人[1]。手机用户的激增使得各类移动终端应用程序（APP）呈现出井喷式的增长，大量的APP在方便人们使用的同时也带了各种问题，如：如何评价和选择APP，如何改进APP以及在设计APP时应该怎样使用户更容易接受APP等[2-7]。通过对文献进行梳理可以发现，目前有关APP评价的论文绝大多数都是通过构建指标体系来评价一款APP，并且只是从用户或开发者一方的角度来对APP进行评价，缺乏关于APP推广有关影响因素的研究。 　　本文从用户和设计者双方的角度利用SPSS软件的统计分析功能和解释结构模型（ISM）对影响APP推广的因素进行研究。研究结果不仅可以发现各因素的层级关系，而且可以为APP设计者在设计和推广APP的过程中，能够通过根因素的变化来影响中间因素至表层因素，从而使得用户能更好地接受并使用其设计的APP。 　　2 变量因素与数据采集 　　2.1 变量因素 　　笔者通过对专家的咨询以及头脑风暴等形式，最终决定采用15个变量因素，它们分别为：APP功能更新、APP用户定位、APP的功能、APP呈现的内容、APP安全性与稳定性、APP账号的通用性、APP页面设计、APP应用平台、APP内存大小、APP操作难易、APP使用费用、APP推广或获取途径、APP使用福利、APP用户数量、APP的下载量，这15变量因素几乎包括了APP推广影响因素的所有方面。各个因素之详细介绍如表1所示： 　　2.2 数据采集 　　本文中使用的数据主要来源于问卷调查，根据已经给出的15个考量指标，被调查人站在开发商和用户双方的角度，对每个指标的重要性作出合理的评判。笔者给出的衡量标准为0-9，这10个数字分别代表不同程度的指标重要性，数值越大表示指标重要性越强。问卷通过网络在线公布使网民可以自由真实地填写，问卷调查范围涵盖了全国21个省市自治地区，调查对象主要为15-40岁的移动终端用户。最终回收问卷312份，通过讨论去除掉无效问卷最终剩下206份有效问卷。 　　3 APP推广影响因素分析 　　3.1 相关分析 　　相关分析是分析两个或者两个以上的变量因素之间是否存在某种关系以及这种关系的相关程度[8]，最能体现相关关系和相关程度的一个重要指标就是相关系数[9]。本文首先把预处理后的数据在SPSS软件上进行相关性分析，得到所有变量因素之间的相关系数。各变量因素两两之间的相关系数见表2。 　　选取相关系数大于0.500者作为判断变量之间存在相关关系的依据，选取后的结果如表3所示： 　　表1展现的是通过SPSS软件的相关分析之后，所有变量因素两两之间的相关系数值，相关系数越大，表示两个变量因素之间的相关程度越大。表2展现的是经过筛选两两变量因素相关系数大于0.500之后的相关系数表，这里也可以选择其他相关系数值作为筛选的条件，如把0.600作为筛选条件，但是在经过实验之后发现把0.500作为筛选条件较为符合现实。 　　3.2 回归分析 　　回归分析是分析两个或者两个以上的变量因素之间的依赖关系以及这种依赖程度，即可以判断出两个变量之间哪一个是自变量，哪一个是因变量[10-11]。通过上述部分得到的相关系数表，然后对所有变量因素进行回归分析，再通过回归系数[12]来确定哪个变量对应哪个变量存在依赖关系。回归系数见表4。 　　选取回归系数大于0.500者作为邻接矩阵的依据，选取后的结果见表5。