医疗类社会化搜索答案质量用户满意度模型及实证研究
2018-07-25韩文婷朱庆华南京大学工程管理学院江苏南京0093南京大学信息管理学院江苏南京003
韩文婷 朱庆华 白 玫(.南京大学工程管理学院,江苏 南京 0093;.南京大学信息管理学院,江苏 南京 003)
随着医疗水平的不断提高,人们对医疗质量的高要求与现行医疗模式的不健全之间产生了许多矛盾。不止如此,快节奏、高压力和不健康的生活方式,导致越来越多的中青年群体滋生慢性病以及出现亚健康状态,再加上我国快速老龄化背景下日益膨胀的老年人群体,这3类人群对医疗资源的巨大需求,造成了严重的医疗资源供需矛盾。因此,引入当今日益成熟的信息技术,是改善现有的医疗模式、缓解医疗资源供需矛盾的有效途径。
社会化搜索(Social Search)是一种新兴的、基于Web2.0框架的搜索模式,与传统的搜索引擎不同,它强调用户之间的交互与协作,利用社会的力量来筛选、整理搜索成果,使搜索内容更多地体现用户生成内容,给用户带来了智能的搜索结果和灵活多样的搜索体验[1]。医疗类社会化搜索平台,利用社会化搜索中用户大量参与这一特点,将医生的医疗知识资源从狭窄的医院中扩散到整个互联网,能有效地简化看病程序,中和医疗资源的供需矛盾。截止到2016年,中国移动医疗健康市场用户规模已接近3亿,相比于2015年有了16%的增长[2]。
医疗类社会化搜索平台固然带来了许多积极影响,但是其暴露出来的答案质量问题同样令人堪忧。首先,激烈的市场竞争导致了产品同质化严重,频繁出现同一答案被大量转载的现象,降低用户满意度;其次,由于参与问答的用户水平难以测评和控制,还存在着答案质量参差不齐的问题。尽管大部分一般的社会化搜索平台均会有产品同质化、答案质量良莠不齐的问题,但医疗类社会化搜索平台的答案质量与人们的身体健康息息相关,因此,该类平台的用户对于答案质量的敏感度更高。基于以上考虑,控制医疗类社会化搜索平台的答案质量、提高用户满意度,在促进医疗类社会化搜索平台大量推广、占领市场份额的过程中显得尤为重要。
1 相关研究
健康信念模型[3],运用社会心理学的方法来研究影响人们健康行为的感知、信念等方面的因素。是公共卫生领域应用最广泛的健康行为研究理论之一,通常应用于疾病预防、健康教育、遵从医嘱行为等方面。近年来随着智慧医疗的发展,该模型也被应用于分析虚拟医疗社区中用户的行为特征。顾客满意度模型,一般用于衡量顾客对于商品和服务的满意程度,能够较为客观地反映顾客的真实想法。该模型一开始仅用于实体商品和服务的测评研究,近年来,图书情报领域的学者将这一模型引进了信息资源和信息服务测评领域,使得这一模型开始广泛应用于信息资源质量评价[4]。
在社会化搜索答案质量评价方面,国际上很早就开始了相关的研究,国内近几年也兴起了不少相关的研究。现有的研究成果主要围绕:社会化搜索答案质量的影响因素、对社会化搜索答案质量的人工评价、对社会化搜索答案质量的自动化评价、社会化搜索平台的比较测评等几个方面。
首先,在社会化搜索答案质量的影响因素研究方面,研究者依据社会化搜索以用户为中心的特点,将影响用户选择最佳答案的因素作为评价社会化搜索答案质量的标准,代表性研究成果有:Kim S等选择了Yahoo!Answers上的1 200余条用户答案评论,采用内容分析和用户打分的办法,在对数据样本进行分析之后,总结出用户评论中关于最佳答案的评价标准,提炼出了内容质量、认知质量、社会情感、外部特征、信息来源、效用等影响因素[5-6];Zhu Z M等将Answerbag上的50个答案作为数据样本,采用用户打分、专家判断以及比较研究的办法,总结出了一个社会化搜索答案质量的评价模型,此模型中包括信息量、文明性、完整性、易读性、相关性、简明性、真实性、细节性等13个指标[7];Blooma M J等选取Yahoo!Answers上特定领域的问题,如计算机与互联网领域、数学领域、艺术人文领域和商业领域等,采取用户打分的方式,将社会化搜索答案质量的影响因素分为社会化特征和内容特征这两大类[8];Oh S等选取Yahoo!Answers上400对健康问答,采取用户打分和对比分析的方式,得出包括准确性、完整性、相关性等维度的社会化搜索答案质量的评价模型[9];Wong N M后又选择Yahoo!Answers上60对老年健康问答,同样采取用户打分和对比分析的方法,得出了准确性、完整性、相关性、易读性、可验证性、专业建议、有效性和商业化等评价指标[10]。
其次,在社会化搜索答案质量的人工评价研究方面,研究者多是在已有的评价模型或评价指标体系的基础上,对社会化搜索的答案质量进行人工评估。如Shah C等选择了5个MTurk的工作人员作为评价人,在Zhu Z M提出的评价模型的基础上,让评价人员依照模型中的13个维度来对Yahoo!Answers上的120个问题和600条答案进行评价[11];Oh S等则是选择了不同身份的人来对社会化搜索的答案质量进行评价,如图书馆员、护士以及Yahoo!Answers普通用户等,数据样本为Yahoo!Answers上400对健康问答,评价指标是包括准确性、完整性、相关性、客观性、可读性、来源可靠性、礼貌、自信、同情心以及回答者的努力在内的10个标准[12];Fichman P则从准确性、完整性、可验证性这3个维度,利用内容分析和对比分析的办法,对Askvile、Wiki Answers、Wikipedia Reference Desk和Yahoo!Answers这4个平台的1 522个样本进行了质量评估[13]。
再次,社会化搜索答案质量的自动化评价与人工评价不同,研究者一般基于机器学习的办法,让计算机来自动识别最佳答案,与人工评价相比,这种方法可以自动、迅速、高效地对社会化搜索的答案质量进行评估。相关的算法有最大熵、逻辑回归、决策树、随机SVM等。如Jeon J等运用最大熵的算法,对Naver Q&A上的1 700个问题对进行自动化评价,准确率达到92%[14];Hoang L等也采取最大熵算法,对Naver Knowledge Search Service上的2 589个韩文问答进行评价,准确率高达97%[15];孔维泽等选择百度知道这一问答社区,利用SVM算法,综合了基于文本的、链接的、时序的、用户的、问题粒度的特征,对高质量和非高质量的回答的自动分类进行研究[16];李晨等选择了百度知道中33 637个问题和145 184个回答,采用机器学习的算法,通过提取文本和非文本两类特征集,基于特征集设计并最终实现了问答质量的自动分类器[17];刘高军等选择百度知道中的5 000个问题对,利用“问答对”的文本特征、统计信息特征、用户特征以及问题和答案关联性特征,建立了一个“问答对”质量分类器,该分类器面向CQA系统,实现了自动选取高质量的“问答对”这一功能[18]。
最后,一些对社会化搜索平台进行对比测评的研究中也涉及了关于其答案质量的评价。如Shachaf P对问答社区和图书馆参考咨询的答案质量进行评价,发现一些问答社区的答案质量优于图书馆参考咨询[19];Chua A Y K等则是选取了6个中英文的社会化搜索平台,即Yahoo!Answers、Answerbag、Wiki Answers、百度知道、新浪爱问、腾讯搜搜问问这6个大型的社会化搜索平台,从这六大平台中提取数据进行对比分析,还研究了答案质量和回答速度之间的相互作用[20];吴丹等对Web 2.0环境下9个中英文社会化搜索平台的答案质量的有效率进行了比较研究,后又通过问答实验,选择了3个领域(经济学、文学、图书馆学)的4类问题(事实性问题、列举性问题、定义性问题、探索性问题),对网络问答社区和联合参考咨询的答案质量和效率进行了测评[21];张兴刚等则选择了5个大型的中文的社会化搜索平台,分别是百度知道、新浪爱问、雅虎知识堂、天涯问问和腾讯搜搜问问,对她们的答案质量进行了比较评价[22];贾佳等对百度知道和知乎上的10个问题和20个答案进行了对比分析,测评了这两个大型平台的答案质量[23]。
综上所述,现有的对社会化搜索答案质量的研究大部分是以信息为中心,重视的是平台与答案的质量问题而忽视用户感受,以用户为中心的研究也较少。因此,本文选择了用户满意度的视角,基于顾客满意度模型和健康信念模型,从用户的角度出发,来建立用户对医疗类社会化搜索平台答案质量的满意度模型。包括以下潜在变量:医疗类社会化搜索答案的效用质量,来源质量,内容质量,情感质量,健康行为期望,健康威胁感知,自我效能,感知价值和总体满意度。利用结构方程模型的方法来确定影响医疗类社会化搜索答案质量满意度的影响因素,希望能够帮助现有的医疗类社会化搜索平台更加了解用户需求,找到改善答案质量、提升用户满意度的方法,从而实现提升经济效益和社会效益这一目的。
2 概念模型的构建
根据美国顾客满意度测评模型(ACSI)和健康信念模型(HBM),选取ACSI中的感知价值和满意度2个变量以及HBM中的健康行为期望、健康威胁感知和自我效能3个变量,结合社会化搜索平台答案的4个质量维度,构建医疗类社会化搜索答案质量的用户满意度概念模型。该概念模型的构成要素主要有:
2.1 医疗类社会化搜索平台答案质量
用户使用医疗类社会化搜索平台,是为了获取相应的信息,因此,答案质量成为影响用户满意度的不可或缺的因素。在社会化搜索答案质量的影响因素方面已有许多研究,由上文可知,影响社会化搜索平台质量的因素包括信息量、文明性、完整性、易读性、相关性、简明性、真实性、细节性、准确性、可验证性、专业建议、有效性和商业化等等[7,9-10],本文对以上影响因素进行总结归纳,将答案质量这一变量分为了4个结构变量,分别是答案的效用质量、来源质量、内容质量和情感质量。其中,效用质量的观测变量为有效性、可行性和实用性[6,10,24];来源质量的观测变量为专业性、原创性和外部链接[6,24];内容质量的观测变量为准确性、完整性、客观性、可理解性和相关性[8,12,24];情感质量的观测变量为回答者对用户的鼓励、认同、互动以及实践性等[6,12,24]。
2.2 健康行为期望
健康行为期望指的是用户有关健康行为采纳的期望,包括行为益处和行为障碍两个变量[3],其中行为益处指的是用户关于健康行为采纳所带来的好处的期望,观测变量为病情好转、提前发现病症以及预防工作;行为障碍则是用户关于健康行为采纳所带来的阻力的期望,观测变量为时间花费、金钱花费以及生活受干扰[25-26]。医疗类社会化搜索答案质量的效用质量代表着答案中提出的治疗方案具有有效性、可行性和实用性,效用质量高的答案可以帮助患者发现并选择有效的方式及时治疗,提高其对病情好转的希望。因此假设效用质量与健康行为期望之间存在着正向相关的关系;医疗类社会化搜索答案质量的来源质量代表着答案中提出的治疗方案是专业、原创的,并提供外部链接以供检验,来源质量高的答案可以让患者了解到不亚于医院给出的专业治疗方案,有利于提高用户对恢复健康的期望。因此假设来源质量与健康行为期望之间存在着正向相关的关系。
基于以上分析,本文提出以下假设:
H1a:医疗类社会化搜索平台答案的效用质量与行为益处显著正相关;
H1b:医疗类社会化搜索平台答案的效用质量与行为障碍显著正相关;
H2a:医疗类社会化搜索平台答案的来源质量与行为益处显著正相关;
H2b:医疗类社会化搜索平台答案的来源质量与行为障碍显著正相关;
2.3 健康威胁感知
健康威胁感知指的是用户对于病情给自己的健康状态带来的影响的感知,包括易感性和严重性两个变量[3]。其中,易感性指的是个体对疾病以及不良后果的可能性和几率的感知,观测变量有是否患病、将来患病可能性、与一般人相比患病的可能性;严重性指的是个体对疾病的不良影响严重性的感知,观测变量有对病情的担心、病情对日常生活的影响、病情对人际关系的影响以及病情的严重程度感知[25-26]。医疗类社会化搜索答案质量的来源质量代表着答案中提出的治疗方案是高可信度的,来源质量高的答案可以帮助患者了解关于自身病情的权威知识。因此假设来源质量与健康威胁感知之间存在着正向相关的关系;医疗类社会化搜索答案质量的内容质量代表着答案中提出的治疗方案是准确、客观的,内容质量高的答案可以提供与问题高度相关的、精准的答案,有利于用户准确把握自身病情。因此假设内容质量与健康威胁感知之间存在着正向相关的关系。
基于以上分析,本文提出以下假设:
H3a:医疗类社会化搜索平台答案的来源质量与易感性显著正相关;
H3b:医疗类社会化搜索平台答案的来源质量与严重性显著正相关;
H4a:医疗类社会化搜索平台答案的内容质量与易感性显著正相关;
H4b:医疗类社会化搜索平台答案的内容质量与严重性显著正相关;
2.4 自我效能
自我效能指的是用户基于对自身的认知从而对做出改变自我、采纳健康行为的信心[3],观测变量有对病情好转的信心、对保持健康生活方式的信心以及寻找健康信息的行为[25-26]。医疗类社会化搜索答案质量的情感质量代表着回答过程中回答者能够给予用户鼓励、认同,与用户保持互动等,情感质量高的答案可以给予用户心理安慰和认同感,帮助患者保持恢复健康的自信心。因此假设情感质量与自我效能之间存在着正向相关的关系。
基于以上分析,本文提出以下假设:
H5:医疗类社会化搜索平台答案的情感质量与自我效能显著正相关;
2.5 感知价值
感知价值指的是用户基于花费成本,对医疗类社会化搜索平台实际效益的认识[4]。在本文中,用户的花费成本主要指的是在时间和精力方面的成本。其观测变量有:用户对花费成本的感知、用户对实际效益的感知、与传统搜索引擎相比对医疗类社会化搜索平台价值的感知以及与去医院就医相比对医疗类社会化搜索平台价值的感知[27]。一般来说,若医疗类社会化搜索平台能够帮助用户把握病情、对保持健康状态充满信心,用户便能感知到其实际效益。
基于以上分析,本文提出以下假设:
H6a:行为益处与感知价值显著正相关;
H6b:行为障碍与感知价值显著负相关;
H8a:易感性与感知价值显著正相关;
H8b:严重性与感知价值显著负相关;
H10:自我效能与感知价值显著正相关;
2.6 总体满意度
总体满意度指的是用户对医疗类社会化搜索平台的搜索结果的满意程度,指的是用户的心理状态,观测变量有需求相比满意度、期望相比满意度以及总体满意度[4]。同样的,只有能够帮助用户了解病情、选择合适的治疗方案并对病情好转充满信心的平台,才可以提高用户对该平台的满意度。同时,由顾客满意度模型可知,感知价值与满意度之间存在着正向相关关系[4]。
基于以上分析,本文提出以下假设:
H7a:行为益处与总体满意度显著正相关;
H7b:行为障碍与总体满意度显著负相关;
H9a:易感性与总体满意度显著正相关;
H9b:严重性与总体满意度显著负相关;
H11:自我效能与总体满意度显著正相关;
H12:感知价值与总体满意度显著正相关。
本文采用结构方程模型中的结构变量形式来描述各要素之间的因果关系,最终形成的医疗类社会化搜索答案质量用户满意度概念模型如图1所示。其中,长方形表示的是结构变量;有向箭头表示的是结构变量之间的假设关系。
图1 医疗类社会化搜索答案质量满意度逻辑模型
3 模型验证
本文以医疗类社会化搜索平台为研究对象,采用问卷调查法收集数据,分析用户对医疗类社会化搜索平台答案质量满意度的影响因素和影响机制,并选择了结构方程模型(SEM)方法和SmartPLS软件对模型进行修正,最终获得了医疗类社会化搜索平台答案质量的满意度模型。
3.1 数据收集
首先,调查问卷的设计。本文先通过文献调研完成了问卷的初步设计,后又通过问卷前测修正初始问卷,形成最终的问卷。最终问卷分为两部分:第一部分为用户满意度调查部分,题项与概念模型中的观测变量相对应。答案选项采用的是Likert 5级量表;第二部分是用户基本信息的调查,包括被调查者的性别、年龄、学历、使用医疗类社会化搜索平台的经验等。
其次,调查数据的收集。本次调查面向医疗类社会化搜索平台的所有用户,采用随机选择的方法选取调查对象。在调查方法上,采用了网络调查为主、纸质问卷为辅的方式。其中,网络问卷共发放200份,回收196份,有效问卷160份,回收有效率为80%;纸质问卷共发放80份,回收76份,有效问卷70份,回收有效率为87.5%。线上和线下累计回收有效问卷230份。
最后,从样本数据中用户的基本信息来看,样本用户以18~35岁的中青年为主,学历一般在本科及以上,使用医疗类社会化搜索平台的时间还不长,基本在3年以内。
3.2 数据可靠性检验
3.2.1 共同方法偏差检验
共同方法偏差是一种系统误差,指的是因为同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量与效标变量之间人为的共变[28]。是后续一切研究的起点。
一般来说,若模型中任意两个变量之间的相关系数都大于0.6,这说明模型存在着严重的共同方法偏差。表1为变量间的相关系数表,由表1可知,模型中结构变量间的相关系数绝大部分都在0.6以下。虽然有部分相关系数超过了0.6,原因可能是数据来源于单一问卷。总体来说,所测变量间的共同方法偏差不会影响到结果的可靠性。
表1 医疗类社会化搜索答案质量满意度相关系数表
3.2.2 信度检验
信度代表了问卷调查的可重复性、调查前后的一致性和时间上的稳定性,因此,研究中一般用信度来检验测评的精确性[29]。信度越高,代表数据的可靠性程度越高,调查成果也越具有说服力。本文选取克朗巴哈信度(Cronbach Alpha)来检验调查结果的信度,因为这一系数是社会科学领域Likert量表相关的信度估计中最常采用的系数,信度检验的结果如表2所示:
表2 医疗类社会化搜索答案质量满意度问卷信度检验
一般认为,Cronbach Alpha的值在0.7以上,代表数据的可靠性程度很高,0.5以下则代表数据可靠性不可接受。如表1所示,除感知价值变量的克朗巴哈信度系数为0.69之外,其余变量系数值均在0.7以上,说明问卷数据整体信度较高,具有良好的可靠性和内部一致性。
3.2.3 效度检验
效度[29]代表的是调查中的问项对于研究者想要研究的问题的反映程度。一般来说,除了对内容效度的检验之外,还需对结构的效度进行检验。其中,内容效度的保证需要在问卷设计与问卷前测阶段,通过文献调研和专家访谈两种方法,来达到问卷中的各个问项均能有效测量主题的目的。
对结构效度的检验,分为内敛效度检验和判别效度检验。其中,内敛效度检验一般是采用AVE值来表示,该值代表了观测变量在解释结构变量时的方差。AVE的值大于0.5,代表内敛效度可接受。如表3所示,所有结构变量内敛效度检验均合格。
判别效度指的是各个概念之间存在可区分的内涵和实证方面的差异。一般来说,模型中每个结构变量的AVE的平方根大于结构变量之间的相关系数,即AVE大于结构变量之间相关系数的平方,说明该模型中各个变量的判别效度较好。如表4所示,表4下半部分为相关系数,对角线上的数值为对应的结构变量的AVE的平方根。各结构变量的AVE的平方根均远大于相关系数,说明本模型具有较高的判别效度。
表3 医疗类社会化搜索答案质量满意度问卷内敛效度检验
除了检验结构变量的效度,本文还采用了各观测变量对应于结构变量的因子负荷系数,来检验各观测变量的内敛效度。检测结果显示,大部分观测变量的因子负荷系数在0.8以上,内敛效度很强。但是有3个观测变量的内敛效度较弱。内容质量的问项4以及严重性的问项1均为带有强烈主观意向的问项,对主题的反映程度不强;而严重性的问项2与问项3有所重复,导致问项2的内敛效度较弱。故在模型中删除了以上3个问项。
3.3 模型验证
本文采用SmartPLS 2.0工具软件进行模型设置、数据录入和统计分析等工作。SmartPLS 2.0工具软件以预测为导向,适用于探索及解释型研究,无需充分的理论基础,对样本数量要求不高,比较适合本文的分析。
运用SmartPLS 2.0工具软件对模型进行显著性检验,结果如表5所示:当P<0.10时,假设H2b和H9a显著,得到支持;当P<0.05时,假设H3b、H4a、H4b、H6a、H7a和H8a显著,得到支持;当P<0.01时,假设H1a显著,得到支持;当P<0.001时,假设H2a、H3a、H5、H10、H11和H12显著,得到支持;而假设H1b、H6b、H7b、H8b、H9b由于显著性水平较低,不被支持。
表4 医疗类社会化搜索答案质量满意度问卷判别效度检验
表5 显著性检验之T值检验
运用SmartPLS 2.0软件,在软件中构建本文设计的概念模型图,导入调查数据,对模型进行路径分析。通过以上信度、效度和显著性检验,对模型进行相应的修正,最终得到验证后的模型图。显著性路径图如图2所示。
图2 医疗类社会化搜索答案质量用户满意度模型显著性路径图
图中结构变量间关系上的数值为两个变量之间的路径系数,路径系数的大小代表自变量对因变量的影响大小,路径系数的符号代表变量间的关系为正向还是负向;星号代表显著性水平,星号越多,代表变量间的关系越显著;R2代表结构变量最终被解释的程度,R2越高,代表变量被解释的程度越好。由图2可知:通过检验的关系均为正向关系,其中来源质量与行为益处、来源质量与易感性、情感质量与自我效能、自我效能与感知价值、感知价值与总体满意度之间的关系显著性非常高;作为最终解释变量的总体满意度R2较高,说明本文研究模型具有较好的预测和解释能力。
4 结果讨论
根据上文中修正后的医疗类社会化搜索答案质量用户满意度模型图,对变量间关系进行分析讨论,以发现医疗类社会化搜索答案质量用户满意度的影响机制和关键影响因素。研究结论如下:
1)医疗类社会化搜索答案的来源质量关系均通过检验,需重视
来源质量对用户的健康行为期望(行为益处和行为障碍)和健康威胁感知(易感性和严重性)均有影响。其中,对于行为益处和易感性的影响较大,路径系数分别为0.47和0.45。由此得知,答案的来源质量可以帮助人们更好的认识自己的病情,并采取一定的预防措施,因此需重视答案质量的来源质量。
2)医疗类社会化搜索答案的情感质量对自我效能影响较大
情感质量与自我效能之间的路径系数达到了0.53,说明两者之间的因果关系较强。由此得知,如果医疗类社会化搜索平台上的回答者能带给用户正向的情感支持,则会极大地增强用户对于改变自我、采取健康行为的自信心。
3)与感知价值和总体满意度显著负相关的关系均未通过检验
原假设中假定行为障碍和感知严重性对于感知价值和总体满意度显著负相关,而两者在显著性检验中均未通过检验。另外3个具有正相关关系的变量,行为益处、感知易感性和自我效能,则通过了检验。由此得知,对于用户的感知价值和满意度而言,答案所带来的正向影响要比负向影响更显著。
4)自我效能与感知价值和满意度的关系显著,影响突出
自我效能指的是用户对病情好转、采取健康的生活方式的信心。其对于感知价值和满意度的路径系数分别为0.36和0.3,相比于行为益处和感知易感性,自我效能对于感知价值和满意度的影响作用更大。这说明,用户在使用医疗类社会化搜索平台时,很看重对自我的改变。如果医疗类社会化搜索平台能够给予用户积极向上的暗示,使其对病情好转和健康生活充满信心,则会极大地提高用户的感知价值和满意度。
5)行为益处、易感性、自我效能对于感知价值的影响总体大于满意度
行为益处、感知易感性和自我效能都是既会影响感知价值,又会影响用户满意度的3个因素,但是它们对感知价值和满意度的影响程度不同。整体来看,对于感知价值的影响较大,尤其是行为益处和感知易感性。这说明,目前使用医疗类社会化搜索平台的用户已经能够认可其带来的价值与效益,但是还不至于达到对这类平台感到满意的程度。
上述讨论结果对于改进医疗类社会化搜索平台的答案质量、提高用户使用率、增强用户粘性具有一定的借鉴意义。具体建议有:
1)重视答案来源质量,保证答案的专业性。如:限定回答者的资格,保证只有具有专业经验的医师才有资格回答问题;要求回答者在回答问题时注明答题依据和出处;强化举报制度,严禁不实和抄袭答案等。
2)重视答案的情感质量,给予用户积极心理暗示。如:完善用户间的互动机制,建立更方便用户进行沟通交互的平台;加强信息净化,重视举报制度,及时清理负面及不良信息;根据疾病种类建立不同交流社区,使患有同种疾病的病友和医师之间可以自由沟通,增强用户认同感等。
3)优化平台形象,增强用户粘性。大部分用户在使用过医疗类社会化搜索平台之后,能够认可其带来了一定的效益,但不能达到满意的程度。因此,医疗类社会搜索平台的建设者应优化平台形象,使用户更加了解与信赖该平台;增强用户粘性,使得用户在长时间的使用过程中逐渐达到满意程度。
5 结 语
医疗类社会化搜索平台是简化看病程序、中和医疗资源供需矛盾的有效途径,其答案质量直接影响用户的使用体验,进而决定着这类平台的市场占有率。本文基于健康信念模型和顾客满意度模型,构建以用户为中心的医疗类社会化搜索答案质量用户满意度模型,并通过实证研究修正模型,分析影响用户满意度的关键影响因素和影响机制。
由于医疗类社会化搜索平台出现时间不长,本研究也仅属于探索型研究,在理论基础、样本数据质量等方面还存在着许多不足。如研究中假设提出的推导过程较为简单,采用单一问卷调查方法等。在此后的研究中,还需加大文献调研的力度,扩大样本容量,丰富样本范围,或者尝试进行分组研究,以进一步细化并完善研究工作。