不同消费类型用户的个人云存储采纳行为对比

（副教授）

一、引言

随着互联网、物联网和移动技术的迅猛发展，以及大数据时代的来临，网络用户的私人信息成倍增加，用户信息的存储和管理成为亟待解决的问题。近年来，云存储作为一种集按需提供、海量存储、跨平台同步和实时分享为一体的信息管理工具，在生活的各个方面均有广泛应用，除数字图书馆、档案管理等领域外，在个人信息存储和管理方面也引起了较大反响。

目前，云存储采纳研究产生了许多成果，Low等（2011）使用技术—组织—环境模型，验证了影响企业用户云存储采纳行为的因素为相对优势、复杂性和兼容性；Wu等（2013）验证了影响学校云存储采纳行为的因素为感知易用性和感知有用性；Shin等（2013）研究证明影响政府采纳行为的因素主要为可用性、可访问性、安全性和可靠性。然而从采纳主体来看，目前用户采纳行为的研究主要针对企业层面，针对个人层面的云计算采纳研究较少，曹越等（2014）基于UTAUT模型，引入感知风险、感知费用、个人创新能力，研究了影响个人云存储采纳行为的因素；王建亚等（2016）以TAM、网络外部性理论、信任理论为基础构建个人云存储用户采纳模型，从个人信息管理视角研究了个人云存储采纳影响因素。但此类研究在模型构建上，均存在对用户需求的变化和云存储特征关注较少的问题，且忽略了模型和用户特征之间的关系。然而研究不同消费类型用户的行为差异，在许多领域的研究均有较好成果，梁静（2013）通过消费动机和商品形式将用户分为经济型、应用型、享受型和体验型，发现这四类用户在核心需求、信息搜索和价格敏感度等方面存在巨大差异；冉建荣等（2008）采用聚类分析的方法，根据用户当前价值和潜在价值等指标，将用户分为价值用户群、次价值用户群、潜在价值用户群和低价值用户群，分析四类用户在移动通信行业的行为差异，并提出相关行业建议。虽然不同消费类型用户行为差异的研究在许多领域已取得较好成果，但其在个人云存储采纳方面的研究几乎为零。因此，本文在已有研究成果的基础上，探索影响个人云存储采纳的因素，构建采纳模型分析不同消费类型用户个人云存储采纳行为的差异，为云存储服务商及相关者产品的设计和销售策略的制定提供依据。

综合上述已有研究，从采纳主体来看，目前云计算采纳相关研究主要针对企业，基于个人用户层面的研究相对较少。针对不同消费类型用户行为差异的研究在网络购物、移动通信等行业均取得了较好的成果，然而区分用户消费类型在云计算个人用户采纳方面的研究几乎没有。因此，笔者针对不同消费水平的用户进行了小范围访谈调研，发现消费水平较高的用户对个人云存储的采纳相对比较积极。最终，本文采用RFM方法（卢小宾等，2015），按照人口属性、购买云存储及相关服务的频率、购买云存储及相关服务总金额以及最近一次购买云存储及相关服务时间，将用户分为经济追求型、高消费型、习惯型和潜在二次消费型。通过构建个人云存储用户采纳模型，探究同一因素对不同消费类型用户的个人云存储采纳行为的影响差异，得出行为现状的相关规律并分析其成因。

二、基于用户消费类型聚类细分的个人云存储采纳模型构建

（一）基于RFM模型的用户消费类型聚类细分

1.RFM模型。RFM是一种衡量用户价值并对用户进行分类的方法，早期主要被应用于生产多种商品且商品单价不高的企业，随着互联网的发展及大数据时代的来临，RFM在网络消费者价值评估方面的研究也日趋成熟。徐翔斌等（2012）将RFM模型中购买商品总金额这一指标换成商家销售商品所获利润，同时通过K-Means聚类方法将用户分为企业大客户、企业临时客户和企业潜在客户，针对不同类型用户为商家提出相应销售策略；王文贤等（2012）在RFM模型基础上，提出多层级个人客户忠诚度衡量指标及评估模型，将个人客户按忠诚度划分为“挚友、藤壶、蝴蝶、陌生人”，并为商家制定个性化销售策略提供合理建议。

从商业模式上看，个人云存储服务商主要的收费模式分为基本功能收费和特色功能收费，基本功能收费包括流量收费、额外扩容收费等，特色功能收费包括额外传输速度收费、搜索全局资源收费、提高上传单个文件大小上限收费等。据小范围调研访谈得知，用户主要的付费方式为按年度或月度购买网盘额定容量获得基本功能或按年度或月度购买会员获得特色功能。因此，做出如下假设：

R：用户一年内最近一次购买个人云存储及其相关服务距离现在的天数。

F：用户一年内购买个人云存储及其相关服务的次数。

M：用户一年内购买个人云存储及其相关服务的总金额。

需要说明的是，在用户一年内购买个人云存储及其相关服务的次数的核算中：若用户按月度购买，每次购买算1次；若按年度购买，每次购买算12次；若以其他形式购买，每支付一笔算1次。

2.K-Means聚类算法。K-Means算法于1967年由MacQueen提出。其主要思想是找出数据集的K个簇中心，将数据集划分为K类，计算数据集中的数据点与各簇中心的距离，使得数据点与所属中心的距离平方和最小。K-Means算法原理简单，容易解释，对于数据量少、类别简单的数据的聚类效果较好。算法过程如下：①从一个样本容量为n的样本集合中选取k个样本作为簇中心；②依次计算剩下的样本到每一个簇中心的距离，将其划分到最接近的簇中；③计算每个簇中样本平均值作为各个簇样本新的中心；④重复第二、三步骤至不再有新的分配发生，算法结束。

距离的计算方法主要有夹角余弦距离、曼哈顿距离、欧几里得距离等，本文拟采用欧几里得距离，计算公式如式（1）所示：

本文采用K-Means聚类算法对RFM模型中统计所得用户数据进行聚类分析，并根据分析结果区分用户不同消费类型。

3.基于RFM模型的聚类细分结果讨论。

（1）数据描述。本文采用线上线下两种形式进行问卷调查，最终获得有效问卷581份。问卷中统计出每位用户一年内最近一次购买距离现在的天数（R）、一年内购买的次数（F）和一年内购买的总金额（M）。

（2）数据规范化。为防止RFM模型中变量的不同计量单位对聚类结果造成不合理影响，需要对数据进行规范化处理。数据规范化指从每一个变量中选出最大值和最小值，并用最大值减去最小值得出极差，然后用该变量中的每一个原始数据减去最小值，再除以极差，就得到了规范化处理后的数据，计算公式如式（2）所示：

（3）聚类结果分析。本文对K值进行分析（K=3、4、5），通过sig＜0.01及F检验，最终确定K=4，结果如表1、表2所示。

表1 RFM模型最终族中心

表2 RFM模型中每类成员数量

由表1、表2可知，2类用户购买金额最高，购买频率也较高，成员数量最少，因此是企业的大客户，定义为高消费型用户；1类用户除购买时间较近以外，购买总金额是四类用户中最少的，购买频率也较少，可以看出这类用户虽然有使用个人云存储的需求，但是在付费方面是比较谨慎的，定义为经济追求型用户；3类用户不仅购买频率最高，最近一次购买时间离现在也是最近的，购买金额远高于1类用户，说明这一类用户对于个人云存储有较强的依赖性，有一定的付费习惯，且成员数量在四类用户中最多，定义为习惯型用户；4类用户虽然购买时间离现在最远，购买频率也不高，但是购买的总金额却仅次于高消费型用户，推测此类用户为高收入人群，只是没有经常购物的习惯，因此为企业最具潜力的消费用户，定义为潜在二次消费型用户。

因此，通过对RFM模型统计的用户数据进行聚类分析后得出，本文探讨的不同消费类型用户主要为四类，分别是经济追求型、高消费型、习惯型和潜在二次消费型。

（二）个人云存储采纳研究假设与模型构建

个人云存储用户采纳模型由影响用户采纳的因素及其内在关系组成，正确的因素选取及关系设定也是影响模型构建合理及科学的保证。本文所提出的个人云存储用户采纳模型保留了技术接受模型中的感知有用性和感知易用性两个核心变量，以及UTAUT模型（Venkatesh，2003）中社会影响这个核心变量，同时结合云存储按需提供、海量存储、跨平台同步等特点进行小范围调研，引入感知风险、感知费用、个人创新能力、迁移能力和个性化五个外部因素。

1.感知风险。感知风险是指用户在使用个人云存储及服务过程中，能够直接或间接感受到的风险，例如账号密码被盗、资料遗失、隐私外泄等均在感知风险范围之内。云存储在云端保存着用户大量的私人信息，而用户的担忧主要来源于两个方面：一方面是云服务商不能恪守职业道德将用户数据及隐私卖给第三方谋取利益；另一方面是黑客进入云服务商数据中心，盗取用户数据及隐私。因此，用户对于个人云存储的可靠性和安全性要求极高，引起了研究人员的高度重视，Shin（2013）在研究中发现影响云计算采纳的因素有安全和隐私；Chong（2013）研究发现感知风险对用户的行为意向有显著负向作用。因此，本文提出假设H1和假设H2，见表3。

表3 感知风险对其他因素的研究假设

2.个人创新能力。个人创新能力指用户在各个领域中具备敏锐的观察力及创造性新思维，同时对新产品或服务具备高度倾向性的能力。一般情况下，个人创新能力越强的人，对新技术接纳程度越高。王建亚等（2016）研究表明个人创新精神对个人云存储用户采纳意向有正向影响，曹越等（2014）研究表明个人创新性对用户采纳云存储服务有显著影响。因此，本文提出假设H3，见表4。

表4 个人创新能力对其他因素的研究假设

3.感知费用。感知费用是指用户在使用个人云存储服务过程中，对可能产生费用的心理预期。目前，研究人员在感知费用对用户采纳个人云存储的影响上产生了不同意见。Wu等（2005）研究发现感知费用对潜在用户采纳个人云存储产生负向影响，但是谢滨等（2009）却认为感知费用并不是潜在用户是否采纳个人云存储的因素之一。

云存储服务的特征之一为按需使用，按使用流量付费，但是新用户在初次使用时，服务商会赠送一定容量的免费存储空间，比起用户自建数据中心或购买硬盘等外部存储设备来说，大大降低了用户的使用成本。但是，当用户的使用容量超出免费赠送的容量时，需要另行付费，使用云存储服务还会产生网络接入费等附加费用。因此，提出假设H4，见表5。

表5 感知费用对其他因素的研究假设

4.迁移能力。迁移能力指用户个人拥有的数据信息，从当前云端向其他云存储服务商提供的云端转移的难易程度。此种因素考虑到用户未来某时刻可能需要将个人数据和信息迁移到其他平台。石双元等（2015）研究发现迁移能力对企业云存储具有一定的影响。就目前而言，互联网企业的更迭速度越来越快，2015年10月，酷盘停止个人用户网络存储服务，2016年10月，360云盘宣布正式停用个人云存储服务，个人云存储服务商的不稳定性使得数据迁移能力成为云存储采纳的重要考量因素。因此，本文提出假设H5，见表6。

表6 迁移能力对其他因素的研究假设

5.个性化。个性化指企业能够针对不同类型用户定制不同类型的服务。80后、90后和00后是中国未来二十年的消费主力，然而这三代人对个性化体验的重视越来越强，因此，根据用户个性及行为习惯，为不同类型用户制定个性化服务，可能会对个人云存储的采纳产生影响。因此，本文提出假设H6，见表7。

表7 个性化对其他因素的研究假设

在此基础上，还需要对UTAUT模型及技术接受模型中原有假设进行验证。因此，做出以下假设，见表8。

综上所述，本文提出个人云存储用户采纳理论模型，如图所示。

表8 社会影响、感知易用性、感知有用性、行为意向对其他因素的研究假设

个人云存储用户采纳模型

三、研究方法设计与数据分析

（一）问卷设计与数据收集

本文采用问卷调查的方式获取数据，进行实证研究，问卷主要参考前人已有成熟量表，结合云存储自身特点对量表进行修改和删减。同时根据模型中的十个因素，采用李克特量表法进行度量，设计了47个测量题项。被调查对象均为有使用云存储经历的用户，采用线上线下两种形式进行调查。线下采用纸质问卷形式，共计发放问卷230份，回收219份，其中有效问卷为145份，有效问卷回收率为63%；线上利用问卷星制作调查问卷，通过微信、微博、论坛等各类社交软件及平台对社会各界人士进行调查，共计回收问卷587份，其中有效问卷为436份，有效问卷回收率为74.3%。因此，最终获取有效问卷581份。

问卷在发放时没有对不同消费类型用户进行区分，回收并统计后，利用RFM方法将用户消费类型划分为经济追求型、习惯型、潜在二次消费型和高消费型。

统计结果如表9所示：经济追求型用户数有151人，占比26%；高消费型用户数有84人，占比14.5%；习惯型用户数有245人，占比42.2%；潜在二次消费型用户数有101人，占比17.3%。被调研人群中男性数量略多于女性，但基本持平，年龄大多分布在18～40岁之间，职业类型中64.7%为学生和教师，企事业单位和党政机关占27.4%，教育程度大部分在本科及以上。在网盘的使用情况中，最受欢迎的依次为百度网盘、坚果云和腾讯微云，从调研访谈中得知大部分用户选择使用百度网盘的原因是受周围朋友的影响以及资源共享的便捷性，而选择坚果云的用户则表示，云存储的选择应将安全放在第一位，而坚果云的安全指数高于国内其他网盘。

（二）信度和效度检验

在进行模型验证之前，本文采用验证性因子分析进行信度和效度的检验，分析结果如表10～12所示。为方便叙述，下文用字母代表模型中的构念，分别是：感知有用性（PU）、感知易用性（PE）、社会影响（SI）、感知风险（PR）、个性化（IN）、迁移能力（TA）、个人创新能力（PI）、感知费用（PF）、行为意向（BI）、使用行为（UB）。

根据表10分析，除PU3的因子载荷0.689和SI2的因子载荷0.695略低于0.7外，模型中的其他观测指标在对应变量上的因子载荷均大于0.7，有的甚至达到0.8以上，且均在0.001水平上显著。根据表11所示，组合信度（CR）的最大值为0.863，最小值为0.785，远大于0.7的标准，平均萃取方差（AVE）的最大值为0.679，最小值为0.551，均大于标准0.5。根据Fornell-Lacker准则，潜变量AVE的平方根高于其他所有潜变量的相关系数，本量表的判别效度如表12所示，对角线上最小值为0.742，大于非对角线上的最大数0.691。上述分析均证明本量表具有较好的信度和效度水平。

表9 样本的人口统计特征

表10 观测指标在对应变量上的因子载荷

（三）结构模型

将调研数据样本按经济追求型（N=151）、高消费型（N=84）、习惯型（N=245）和潜在二次消费型（N=101）分为四类，结果如表13所示。对于经济追求型用户而言，除感知风险和个人创新能力对行为意向，迁移能力对感知有用性的影响没有通过检验，其余假设均获得支持；对于高消费型用户而言，除感知风险对行为意向的影响没有通过检验外，其余假设均获得支持；对于习惯型用户而言，除迁移能力对感知有用性，感知风险对行为意向的影响没有通过检验，其余假设均获得支持；对于潜在二次消费型用户而言，除感知风险对行为意向，迁移能力对感知有用性的影响没有通过检验，其余假设均获得支持。

表11 收敛效度

表12 判别效度

（四）结果讨论

由表13得知，经济追求型、高消费型、习惯型和潜在二次消费型用户在社会影响对感知有用性、感知易用性对感知有用性和行为意向、感知有用性对行为意向、行为意向对使用行为的影响均显著。感知风险对这四类用户行为意向的影响均显著，说明尽管四类用户认为使用个人云存储存在一定风险，但仍然会使用。迁移能力对这四类用户感知有用性的影响均不支持，说明尽管目前个人云存储迁移能力有限，这四类用户依然会选择使用。通过对经济追求型、高消费型、习惯型和潜在二次消费型这四类用户结构模型结果的进一步比较，发现存在以下几个方面的差异。

1.感知风险的影响。四类用户感知风险对感知有用性的影响均显著，且为负向影响，其中对高消费型和习惯型用户的影响高于经济追求型和潜在二次消费型用户，路径值分别为-0.327和-0.318高于-0.109和-0.025，在高消费型和习惯型用户中风险对感知有用性的影响大于经济追求型和潜在二次消费型用户，说明高消费型和习惯型用户的风险意识较高。高消费型用户可能是因为较高的经济收入导致其更加注重工作及个人隐私；习惯型用户因长期稳定地使用个人云存储，对于个人云存储具有较强依赖性，可能会将较多工作及私人信息存储在云端，因此对于风险更加敏感。

表13 四类用户的结构模型结果比较

虽然四类用户感知风险对感知有用性的影响均为显著，但是感知风险对行为意向的影响却都是不显著的，这说明，虽然这四类用户均认为个人云存储存在风险，且会因此降低个人云存储的感知易用性，但仍然会选择使用。

2.个性化的影响。个性化对四类用户感知有用性的影响均显著，但经济追求型用户具有极高显著性水平。这可能是因为经济追求型用户大多为年轻用户，因此对个性化要求更高，而高消费型和潜在二次型用户大部分为中年用户，对个性化要求不高，习惯型用户可能只是将个人云存储作为一种生活中必不可少的信息管理工具，因此对个性化的关注度也很低。

3.个人创新能力的影响。在个人创新能力对行为意向的影响中，除经济追求型用户外其余三类用户均显著。说明经济追求型用户中大部分可能并不具备明显的个人创新能力，而潜在二次消费型用户可能具备较高个人创新能力。这可能是因为经济追求型用户大多为经济水平一般的用户，工作性质大多可能为重复非创新类型，因此对于创新的意识并不高，而潜在二次消费型用户为购买个人云存储频率不高但消费金额较高的用户，说明此类用户具有一定经济实力，更可能从事创新类型工作，因此对个人创新能力的要求较高。

4.感知费用的影响。在感知费用对行为意向的影响中，四类用户均显著。但经济追求型用户具有极高的显著性，其余三类用户具有可以接受的显著性水平，说明经济追求型用户对于费用非常敏感。从高消费型和潜在二次消费型用户个人云存储的使用及消费情况来看，他们几乎不会考虑价格因素，良好的使用体验才是这类用户真正关注的，因此感知费用对行为意向的影响不大。对习惯型用户而言，个人云存储是生活中必不可少的工具，已经养成及其良好的用户习惯，因此对于费用的承受能力可能较好，费用大小对其使用不会造成太大影响。

四、研究结论与建议

本文采用RFM模型对用户消费类型进行聚类分析，将用户分为经济追求型、习惯型、高消费型和潜在二次消费型，结合云存储服务自身特点提出了个人云存储采纳模型，同时对四类用户结构模型结果进行对比研究。研究结果表明：经济追求型、高消费型、习惯型和潜在二次消费型这四类用户对于感知风险、个性化、个人创新能力和感知费用的影响方面存在差异。

根据研究结果，本文分别针对个人用户、云存储服务商及相关者和政府相关部门提供下述建议：

1.个人用户。对于个人用户而言，需要开阔眼界，打破传统观念和思维，努力培养个人创新能力，保持对新技术的热爱，强化对新技术的使用。

2.云存储服务商及相关者。对于云存储服务商及相关者而言，需要针对不同消费类型用户采取不同的策略。在产品设计方面，经济追求型用户对于个性化要求较高，而通过调研得知此类用户人数最多，因此若想提高个人云存储的用户活跃度及传播性，则应高度重视产品的个性化设计；潜在二次消费型用户在四类用户中具备较高的个人创新能力，这类用户在个人云存储中进行过大金额消费，但是对于个人云存储的使用频率却并不高，为最具发展潜力的一类用户，因此可通过创新产品功能设计来挽留此类用户。在营销方案的制定方面，经济追求型用户对于价格的敏感度最高，因此可以针对此类用户制定个性化消费套餐，用优惠的方式刺激此类用户消费；潜在二次消费型用户具有较高的个人创新能力，此类用户是对新技术接纳程度最高的用户，可以向他们进行大力宣传和特别营销，利用他们的带头作用促进更多的人采纳个人云存储。在安全技术方面，良好的安全技术才能营造安全的云存储空间，高消费型用户和习惯型用户对于风险都非常的敏感，加强安全技术人才的培养，提高个人云存储安全保障，是维持此类用户的最佳方法。

3.政府。政府应加强个人云存储宣传力度，增加用户认知度、激发用户个人信息管理需求和提高全民信息素质。同时，可以加强对于网络安全犯罪的打击力度，提高网络安全性，为个人云存储的推广提供良好的外部环境。

本文的研究也存在一些局限性。受样本数量的限制，不同消费类型用户的差异性不能很好地体现出来，后续研究将进一步扩大样本容量，对不同消费类型用户进行更细化的分类。

Low C.，Chen Y.，Wu M..Understanding the determinants of cloud computing adoption［J］.Industrial Management&Data Systems，2011（7）.

Wu W.，Lan L.W.，Lee Y..Factors hindering acceptance of using cloud services in university：A case study［J］.Electronic Library，2013（1）.

Shin D..User-centric cloud service model in public sectors：Policy implications of cloud services［J］.Government Information Quarterly，2013（2）.

曹越，毕新华.云存储服务用户采纳影响因素实证研究［J］.情报科学，2014（9）.

王建亚，罗晨阳.个人云存储用户采纳模型及实证研究［J］.情报资料工作，2016（1）.

梁静.网络消费类型及其特征分析［J］.经济论坛，2013（5）.