基于卡诺模型的移动云存储服务质量要素分类研究

万莉 崔紫芳 程慧平

摘 要：[目的/意义]构建移动云存储服务质量评价指标体系，对移动云存储服务的不同质量要素进行分类，为促进移动云存储服务质量改进与提高提供参考。[方法/过程]从技术质量、功能质量、交互质量、环境质量4个维度构建移动云存储服务质量评价指标体系，运用Kano模型对移动云存储服务质量要素进行分类，借助SII-DDI象限矩阵将服务质量要素进行决策优先级排序。[结果/结论]研究发现：在20个质量要素中，2个为基本质量要素，8个为期望质量要素，4个为魅力质量要素，6个为无谓质量要素。决策优先级最低的是系统完善性和用户指南，最高的是系统响应性，其次是系统可靠性、安全保障、网络泛在性和设备反应速率。为提高用户满意度，移动云存储服务提供商需不断调查了解并尽可能满足用户的基本质量要素需求，重点提高环境要素中的期望质量要素，积极寻找发掘并提升改进用户的魅力质量要素需求。

关键词：移动云存储;云服务质量;Kano模型;用户满意度

DOI：10.3969/j.issn.1008-0821.2019.11.011

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2019）11-0098-09

Abstract：[Purpose/Significance]Constructing an evaluation indicator system of mobile cloud storage service quality，and categorizing different quality elements of mobile cloud storage service quality can provide reference for promoting mobile cloud storage service quality to improve and enhance.[Method/Process]This paper constructs the quality evaluation indicator system of mobile cloud storage service from four dimensions，namely，technical quality，function quality，interaction quality and environmental quality，and applies the Kano model to classify the quality elements of mobile cloud storage service，and ranks the decision priority of service quality elements according to the SII-DDI quadrant matrix.[Result/Conclusion]The results show that among the 20 quality factors，two factors are must-be quality elements，eight factors are one-dimensional quality elements，four factors are attractive quality elements，and six factors are indifferent quality elements.The lowest decision priority is system improvement and user guide，the highest is system responsiveness，followed by system reliability，security guarantee，network ubiquity and device reaction rate.To enhance customer satisfaction，the mobile cloud storage service providers need to investigate and meet the demand of users basic quality as far as possible，focus on increasing the one-dimensional quality factors of environmental elements，actively seek out and improve the users attractive quality elements.

Key words：mobile cloud storage;cloud service quality;Kano model;user satisfactory

隨着我国“互联网+”战略推进，用户端数据呈爆炸式增长，云存储技术应用是用户数据存储需求满足的有效策略。第41次《中国互联网络发展状况统计报告》显示[1]，截至2017年12月，我国手机网民规模达7.53亿，网民中使用手机上网人群的占比由2016年的95.1%提升至97.5%。随着手机网民规模的快速增长，带动了移动设备应用迅猛增长，用户对移动设备的存储空间以及移动设备资源的在线共享等要求越来越高，移动云存储由此应运而生。移动云存储服务指云端的数据存储服务，作为在移动设备上存储、共享和管理文件的一种方便可靠的工具，可以满足用户通过移动设备在云端随时随地进行备份、修改、访问或共享文件的服务需求[2]。相对于传统的存储方式，移动云存储服务具有跨平台存储、跨系统跨终端登录和同步[3]，文件共享等特色功能，较好地满足了用户同步文件、共享文件及随时随地登录的使用需求。面对不断频发的云存储安全事故，用户在使用云存储应用的同时，对其安全问题产生了普遍的担忧。未来大数据与物联网的推动，移动云存储服务发展仍有广大前景。移动云存储的传输速度、数据安全以及可持续发展性[4]受到了网络技术的限制，影响了移动云存储服务的自身发展，如何提升用户体验，增加用户粘性是移动云存储服务提供商亟需解决的问题。由此，促进移动云存储服务质量优化与提升是移动云存储服务可持续发展的关键。目前，云计算服务质量评价的相关研究主要在构建云服务质量评价指标体系并对指标进行权重分配的基础上，选择不同云服务提供商进行质量评价分析。典型的云服务质量评价研究文献，如表1所示：

上述研究中，主要采用定性分析方式萃取指标，然后采用定量计算方式对指标进行权重分配，而对每个质量要素进行分类的研究少见。Kano二维质量模型是基于用户的主观感受与服务的客观表现[14]，将各项服务的具体属性转化成顾客的收益，依据调研结果将影响服务质量的各要素进行详细归类，适用于在对用户的需求进行分类并制定相应的服务质量改进优化策略上的研究。移动互联网应用的快速发展，使得移动终端用户数据迅猛增长，移动云存储成为了用户进行移动端数据存储的首选方案。移动云存储服务质量的提升，是增加移动云存储服务用户粘性的重要因素。学术界对移动云存储的关注远落后于其实践的发展，移动云存储服务质量的评价不仅需要注重用户体验，同时也需考虑移动云存储服务的客观表现。在主客观相结合的基础上构建移动云存储服务质量评价体系，才能客观合理地制定出服务质量优化方案。

移动云存储服务质量的评判不仅能丰富云计算服务质量相关研究，而且能够为其实践发展提供理论借鉴。因此，本文以移动云存储服务为研究对象，构建多层次多维度移动云存储质量评价指标体系，采取问卷调查的方式获取数据。基于Kano二维质量模型将移动云存储服务质量要素进行分类，并计算各项服务质量要素的增加用户满意系数（SII）和降低用户不满意系数（DDI），建立SII-DDI二维矩阵。通过分析SII-DDI矩阵，将服务质量要素进行排序，确定决策服务要素的改进顺序，为移动云存储服务供应商调整和改进服务质量提供参考。

1 指标体系构建

瑞典学者Grnroos C[15]首先提出了顾客感知服务质量（Customer Perceived Service Quality）的概念，将服务质量划分为功能质量（过程质量）和技术质量（结果质量）。Rust R T等[16]在Gronoos服务质量两个维度基础上，增加了环境质量维度，并认为服务质量是一个三维度的结构变量。Brady M K等[17]采用Rust对服务质量定义的三维度概念，将服务质量主维度划分为互动质量、环境质量和结果质量。移动云存储服务相对其他移动信息服务而言，更多的是功能服务，相对于传统的存储方式，移动云存储服务具有跨平台存储、跨系统跨终端登录和同步[3]，文件共享等特色功能，较好地满足了用户数据存储需求。

因此，在Gronroos服务质量两个维度基础上，结合移动云存储服务的特征（人—人交互和人—机交互方式），引入Brady服务质量中互动质量与环境质量两个维度，从技术质量、功能质量、交互质量和环境质量4个主维度来研究移动云存储服务质量。确定研究的主维度后，通过调研云服务质量相关文献，构建初步的多层次多维度移动云存储服务质量评价指标体系，采用领域专家调查和用户访谈法对评价指标体系进行筛选，遴选电子服务质量、云计算服务质量领域专家6名，其中教授1名、副教授2名、博士研究生3名;遴选具有1年以上移动云存储使用经验用户6名。最终确定移动云存储服务质量评价指标体系，包括4个主维度、20项子指标，如图1所示。

1）技术质量：是指用户在使用移动云存储系统过程中，对移动云存储平台性能的服务感知，共包括6项指标：系统稳定性、系统完善性、系统响应性、系统兼容性、系统可靠性、版本多样性。系统稳定性[18]：指用户在使用移动云存储系统时，系统处理性能的稳定性状况，是否会出现闪退、卡顿等情况;系统完善性[11]：反映移动云存储系统是否经常修改完善现有的系统，升级更新系统;系统响应性[18]：用户在访问移动云存储系统时，用于衡量系统对用户发出的指令作出反应的速度;系统兼容性[19]：指移动云存储系统是否支持用户使用多台移动设备同时访问;系统可靠性[6，9，20]：用于体现移动云存储系统提供持续服务的可靠性，即云存储系统是否会面临瘫痪、倒闭等情况而致使面向用户的移动云存储服务中断甚至终止;版本多样性[10]：指移动云存储系统是否为用户提供不同操作系统下的服务客户端，如安卓、iOS等操作系统。

2）功能质量：是指用户在使用移动云存储系统后，对使用结果的服务感知。主要从移动云存储能够为用户提供的功能和用户所需的其他可能实现的功能两个方面考虑，包括5项指标：存储空间、安全保障、传输速度、信息备份、在线编辑。存储空间[9，11，21]：主要指移动云存储系统提供的免费初始容量以及付费会员后享受的存储容量，能否满足用户对存储空间的基本需求及特殊需求;安全保障[22-23]：移动云存储系统提供服务时能否保障用户安全，包括用户个人信息安全以及存储文件安全;传输速度[11，21]：指用户在使用移动云存储系统过程中，在免费和付费两种不同模式下软件提供的最大传输速度;信息备份[11，24]：指移动云存储系统是否提供通讯录同步、短信与文件备份功能;在线编辑[10-11]：指移动云存储系统能否为用户提供在线编辑的功能，如在线编辑文档、个人名片等。

3）交互质量：是指用户在使用移动云存储系统时，对用户之间、人机之间交流互动的服务感知，包括4项指标：用户指南、用户互动、意见反馈、个性化服务。用户指南[25]：指移动云存储服务提供商内置于软件中为用户提供的服务操作帮助指南，旨在反映用户在使用移动云存储系统服务过程中遇到疑难时能否快速得到解决问题的方案或步骤;用户互动[24]：包括用户之间的信息交流互动及资源共享的情况;意见反馈[26-27]：反映移动云存储服务工作人员对用户的反馈意见是否及时给予适当合理的回应;个性化服务[18]：主要指移动云存储系统是否根据用户需求，为用户提供个性化定制服务。

4）环境质量：是指用户在使用移动云存储时对服务环境的感知，是考虑使用移动云存储服务的前提和保障，主要包括5项指标：界面设计、登陆便捷性、网络泛在性、网络连接性、设备反应速率。界面设计[26，28]：用于反映移動云存储系统界面设计的美观实用性，是否给用户提供简洁舒适的使用体验;登陆便捷性：用户能否使用不同的社交平台（应用软件）直接登陆移动云存储系统，如QQ、微信、微博等;网络泛在性[23]：主要指在无处不在的网络环境下，用户是否可以在任何时间、任何地点使用移动云存储系统;网络连接性：用户能否随时随地通过移动无线网络接入移动云存储系统服务器;设备反应速率[25]：指用户所使用移动设备的反应速率，衡量移动云存储系统运行过程对用户所使用的移动设备性能的要求。

2 问卷设计与数据收集

问卷设计分为两部分：第一部分为用户的基本信息，包括性别、年龄、受教育程度以及目前职业;第二部分是Kano问卷的主体，是对移动云存储服务质量要素调查的20个题项，题项参考唐娜[29]的问卷形式进行设计。问卷设置完成后，邀请熟悉Kano模型领域专家进行咨询，然后邀请具有1年以上云存储使用经验的用户、课题组成员进行预调查，结合领域专家和用户意见进行修改问卷。

云存储服务作为一种典型互联网应用服务，针对云存储服务调查群体的选择，北京大学市场与媒介研究中心发布的《个人云服务用户使用情况调查》显示：45岁以下大学本科及以上学历的年轻群体为个人云存储优势群体[30]。另外，龚艺巍等[31]采用质性研究方法探究云存储用户持续使用行为影响因素研究中将具有本科以上学历的青年群体作为访谈对象。因此，本研究将调查对象主要设定在高校师生群体。采用“问卷星”制作调查问卷，招募10名具有硕士研究生及以上学历的调查人员委托他们通过微信、QQ向具有移动云存储使用经验的高校教师、高年级本科生、硕士研究生（含MBA、MPA）、博士研究生、其他企事业工作人员发放问卷收集调查数据，在发送调查问卷前先咨询被调查对象是否使用过移动云存储（如百度云，微云等），选择具有移动云存储服务使用经验的用户进行调查，共回收问卷205份。

借鉴赵宇翔等[32]针对在线调查中无效问卷剔除经验，经筛选和剔除无效问卷后，最终得到有效问卷为163份，有效率达79.51%。回收问卷后，把第二部分Kano问卷主体进行汇总。将每份问卷按照狩野纪昭教授Kano评价表的方式来统计落于各个质量属性的频数，如表2所示。表2中A代表魅力属性;M代表基本属性;O代表期望属性;I代表无谓属性;R代表反向属性;Q代表答案有问题，故舍弃。

3 数据分析

调查样本的人口特征统计描述如表3所示：男性用户占总样本52.8%、女性用户占47.2%。大学本科及以上学历人员占比达98.2%。18～40岁用户占比达93.3%。从调查对象的职业分布来看，高校学生与教师占比达到83.5%。可见，本研究遴选的调查对象与《个人云服务用户使用情况调查》[30]显示：“教育程度在大学本科学历的年轻群体为个人云存储优势群体”的个人云存储服务用户分布特征相符合。因此，本次调查样本具有代表性。

本文的调查数据分析由3部分构成。第一部分对样本数据进行项目分析、信度与效度检验;第二部分基于Kano二维质量模型对移动云存储服务质量要素进行分类;第三部分根据服务质量要素的分类情况，计算各项服务质量要素的增加用户满意系数和降低用户不满意系数，通过分析SII-DDI矩阵将服务要素进行排序。

3.1 项目分析、信度与效度检验

1）项目分析：借鉴邱皓政[33]采用极端分组法的项目分析方法，借助SPSS 20.0进行本研究问卷的项目分析，对问卷的各项指标进行T检验。先将所有有效问卷的反向问题得分转换为正向得分，再对每份问卷的各项指标得分进行加总，以总分排序前后27%的极端区域的样本分为高分组和低分组。分析结果显示：高分组和低分组在20项调查指标的检验均达到显著性水平（P<0.01），说明问卷各项指标均具有鉴别度。

2）信度检验：利用SPSS 20.0进行数据分析，采用Cronbachs α值对调查问卷的数据进行信度检验。检验结果，如表4所示：Kano问卷主体的正向与反向问题的Cronbachs α值分别为0.923和0.966，均大于0.8，表明量表信度非常好，整个问卷的内部结构保持高度的一致性，回收的问卷具有高度的可靠性，并且4个主维度层面影响因素的正反问题的Cronbachs α均大于0.7，进一步表明问卷内部一致性良好，可靠性高。

3）效度分析：通过SPSS 20.0进行探索性因子分析，检验问卷的结构效度。利用Kaiser提出的KMO统计量进行效度检验，KMO值越接近于1表示效度越好。KMO检验值为0.906，Bartlett球形度检验近似卡方为5002.924，P值通过1%的显著性水平检验，采用主成分和方差最大正交旋转进行分析，保留特征值大于1的因子，得到6个主要因子，累计方差解释为66.914%。表明问卷的结构效度良好[34]，能较真实准确反映出移动云存储服务质量的要素。问卷内容通过了领域专家访谈及云存储服务使用经验丰富的用户进行了调查，问卷内容能较好地代表所需要测量的内容。因此，问卷具有良好的内容效度[35]。

3.2 服务质量要素的Kano属性分类

根据表2的Kano评价表，对每份问卷进行评价后，将所有有效问卷的数据进行二次汇总。即对每个指标的各个属性进行加总，得到每个指标下的6个属性的总频数（每个指标的6个属性总频数之和相等且为有效问卷份数）。根据狩野纪昭教授Kano属性归类方法，取频数大者为该指标的最终质量属性。各项服务质量要素的Kano统计结果，如表5所示：

依据表5的Kano统计结果将移动云存储服务质量要素属性进行归类整理，发现本次的研究调查中无问题性质量要素（Q）和反向质量要素（R）。具体的移动云存储服务质量要素Kano属性分类情况[36]，如图2所示。

1）基本质量要素（M）：该要素主要特点是：在基本质量要素满足的情况下，用户的满意度却得不到提高，然而該要素一旦不满足，会立即引起用户的不满意。因此在Kano图中（图2左上）显示为一条曲线，且当基本质量要素满意度趋近无穷大时，曲线无限接近水平轴，但不会超出水平轴。本研究调研结果显示，系统稳定性和安全保障两项要素被归类为基本质量要素，表明用户将系统稳定性以及平台安全保障视为必备质量属性，是移动云存储服务提供商必须提供的服务要素，一旦系统不稳定或者用户的信息安全没有得到保障，会引起用户的不满意，导致用户产生埋怨甚至投诉。

2）期望质量要素（O）：此类要素的用户满意度与要素满足度成线性的正比关系，当期望质量服务要素的满足度越高，用户对该项服务质量的满意度就越高，反之满意度越低。期望质量要素在Kano图中（图2左下）显示为一条直线，是穿过原点和第一、第三象限的正比例直线。经计算发现，共有8项要素被归类为期望质量属性。在技术质量层面，系统响应性、系统可靠性和版本多样性是用户期望的要素，这些要素满足度越高，用户越满意;从功能质量层面分析，期望质量要素包括存储空间和传输速度，因此移动云存储系统需不断扩充存储空间，提高传输速度，尽可能满足用户的期望质量要素需求，提高用户的满意度;在环境质量层面，网络泛在性、网络连接性以及设备反应速率均为期望质量属性，表明环境质量要素是重要的期望质量要素。可见，移动云存储服务提供商应重点提高环境质量层面的要素质量，从而获得更高的用户满意度。

3）魅力质量要素（A）：当该质量要素满足时，会给用户带来极大满意甚至意想不到的惊喜，而当该要素不满足时也并不会引起用户的不满意。相较基本质量要素、期望质量要素和无谓质量要素，魅力质量属性的服务要素对用户的吸引力更大，培养其用户忠诚度也越容易，同时该服务要素往往也是用户的潜在需求。魅力质量要素在Kano图中（图2右上）显示为往上扬的一条曲线。通过调查分析发现：4项要素被列入魅力质量属性，分别是系统兼容性、个性化服务、界面设计和登录便捷性，反映出这些要素是用户最关注的部分，也是最容易提高用户满意度的要素。

4）无谓质量要素（I）：无论该类要素的满足与否，都不会引起用户满意度的提升或下降。无谓质量要素在Kano图中（图2右下）显示为一条直线，且与水平轴保持平行。调查结果显示，用户对于系统完善性、信息备份、在线编辑、用户指南、用户互动以及意见反馈这6项服务质量要素表现出无所谓的态度，即用户在使用移动云存储服务时并不在乎这些要素质量的好坏。在这些无谓质量要素中有一半属于交互质量（用户指南、用户互动、意见反馈），而交互质量反映的是用户在使用移动云存储系统时，对人人交互和人机交互的服务感知，表明用户在使用移动云存储系统时，主要关注个人的服务体验，如文件资料的上传与下载，而很少关注用户之间、用户与系统之间的交流，因此这些要素的提供与否对用户产生的影响较小。

3.3 SII-DDI矩阵分析

Berger C等[37]在Kano模型基础上提出了改善质量指标，即用户满意系数，分为增加用户满意系数（SII）和降低用户不满意系数（DDI）。SII取值在0～1之间，当要素的满足对增加用户满意影响越大时，SII值越接近于1;DDI取值在-1～0之间，当要素的不满足对降低用户不满意影响越大时，DDI值越接近于-1。具体计算公式，如式（1）、（2）所示，计算结果如表6所示。

在图3的坐标轴中，以SII值作X轴，以DDI值作Y轴。水平轴值越往右，垂直轴值越往下的点，代表服务要素的影响度越大。计算各服务要素的SII平均值为0.503，DDI平均值为-0.468。以原点为圆心，以0.2的倍数长度为半径，作圆弧辅助线，并根据SII平均值和DDI平均值作分别平行于Y轴与X轴的直线，绘制出最终的SII-DDI分析矩阵[36]，如图3所示。图3中的质量要素离原点越远，意味着该要素的增加用户满意度与降低用户不满意度的综合影响能力越大，反之其综合影响能力越小。由图3可知，离原点最近的要素是F2（系统完善性），其次是F12（用户指南），表明其综合影响度较低，移动云存储服务提供商在制订提升服务质量战略规划时，其优先级应较低;离原点最远的要素是F3（系统响应性），接着是F5（系统可靠性）、F8（安全保障）、F18（网络泛在性）以及F20（设备反应速率）。因此，移动云存储服务提供商在制定发展计划时应着重考虑这几个要素。

4 结论与建议

从技术质量、功能质量、交互质量、环境质量4个维度构建移动云存储服务质量评价指标体系，包括20个质量要素指标。运用Kano模型对移动云存储服务质量要素进行分类，结果显示：20个质量要素中，2个为基本质量要素，8个为期望质量要素，4个为魅力质量要素，6个为无谓质量要素。

1）基本质量要素包括：系统稳定性和安全保障，表明这两个要素是移动云存储服务提供商必须提供的，一旦系统不稳定或者用户的信息安全没有得到保障，便会引起用户的不满意，导致用户产生埋怨和投诉。为提高用户满意度，移动云存储服务提供商需要不断地调查和了解用户的基本质量要素需求，改进完善移动云存储系统的基本服务质量来满足用户的需求。

2）期望质量要素包括：技术质量层面的系统响应性、系统可靠性和版本多样性;功能质量层面的存储空间和传输速度;环境质量层面的网络泛在性、网络连接性以及设备反应速率。此类要素体现的是移动云存储替代产品的竞争能力，移动云存储服务提供商应尽可能满足用户的需求，提升用户满意度。其中环境质量要素是重要的期望质量要素，应予以高度关注，为用户营造良好的体验环境。

3）魅力质量要素包括：系统兼容性、个性化服务、界面设计和登录便捷性。表明这些要素是用户最关注的部分，也是最容易提高用户满意度和忠诚度的要素。因此，移动云存储服务提供商需要寻找并发掘用户对于魅力质量要素的需求，积极努力去提升并改进这些要素，从而增加用户满意度。

4）无谓质量要素包括：系统完善性、信息备份、在线编辑、用户指南、用户互动以及意见反馈。表明用户并不关心這些要素的提供与否，移动云存储服务供应商无需对这些要素花费大量精力进行改进或提升。由于质量要素属性具有时间动态性，即质量要素属性会随着时间的推移而发生改变，现在的无谓质量要素在未来可能会转变为魅力质量要素或基本质量要素，这是难以预测的。由此，移动云存储系统的管理策略需要适时进行动态调整，或者定期进行相应的改进。

为了给移动云存储服务供应商提升服务质量提供理论决策依据，借助SII-DDI象限矩阵将服务质量要素进行决策优先级排序。

1）根据表6和图3的结果，SII、DDI的平均值分别为0.503、-0.468，据此本文选取SII、DDI的绝对值大于0.6进行分析，发现：从增加用户满意度的角度，系统响应性、网络泛在性要素的具备可以较大增加用户满意度;从降低用户不满意的角度，系统响应性、系统可靠性、安全保障和设备反应速率要素的不足会带来用户的不满意，且努力改进也不能保障可以提升用户的满意度。

2）就增加用户满意度与降低用户不满意度的综合影响能力而言，系统完善性和用户指南综合影响力较低，移动云存储服务提供商在制订提升服务质量发展策略时，其优先级应较低。系统响应性的决策优先级最高，其次是系统可靠性、安全保障、网络泛在性和设备反应速率，因而移动云存储服务提供商在制定发展计划时，应着重考虑这些服务要素。

参考文献

[1]中国互联网络信息中心（CNNIC）.第41次《中国互联网络发展状况统计报告》[R].北京，2017.

[2]Cheng S，Choi B J.An Empirical Investigation of Users Voluntary Switching Intention for Mobile Personal Cloud Storage Services Based on the Push-pull-mooring Framework[J].Computers in Human Behavior，2019，92：198-215.

[3]崔勇，赖泽祺，缪葱葱.移动云存储服务关键技術研究[J].中兴通讯技术，2015，（2）：10-13.

[4]中国电子网.云存储的优势与劣势解析[EB/OL].http：//www.21ic.com/news/rf/201607/681686.htm，2018-03-06.

[5]Lang M，Wiesche M，Krcmar H.Technical and Managerial Quality of Services in Cloud Computing：A Delphi Study[J].Information & Management，2018，55（6）：746-758.

[6]Choi C R，Jeong H Y.Quality Evaluation and Best Service Choice for Cloud Computing Based on User Preference and Weights of Attributes Using the Analytic Network Process[J].Electronic Commerce Research，2014，14（3）：245-270.

[7]Abdel-Basset M，Mohamed M，Chang V.NMCDA：A Framework for Evaluating Cloud Computing Services[J].Future Generation Computer Systems，2018，86：12-29.

[8]Lee S，Seo K K.A Hybrid Multi-criteria Decision-making Model for a Cloud Service Selection Problem Using BSC，Fuzzy Delphi Method and Fuzzy AHP[J].Wireless Personal Communications，2016，86（1）：57-75.

[9]邓仲华，汪宣晟，李志芳，等.信息资源云服务的质量评价指标研究[J].图书与情报，2012，（4）：12-15.

[10]Dai D，Zheng W，Fan T.Evaluation of Personal Cloud Storage Products in China[J].Industrial Management & Data Systems，2017，117（1）：131-148.

[11]程慧平，程玉清.用户体验视角下的个人云存储服务质量评价研究[J].情报科学，2017，（9）：12-17.

[12]程慧平，彭琦.个人云存储网站影响力评价体系构建研究[J].现代情报，2018，38（8）：90-94.

[13]王文婧.移动云计算的QoE评价与优化研究[D].北京：北京邮电大学，2013.

[14]孟庆良，卞玲玲，何林，等.整合Kano模型与IPA分析的快递服务质量探测方法[J].工业工程与管理，2014，19（2）：75-80.

[15]Grnroos C.Service Management and Marketing：Managing the Moments of Truth in Service Competition[M].Jossey-Bass，1990.

[16]Rust R T，Oliver R L.Service Quality：New Directions in Theory and Practice[M].Sage Publications，1993.

[17]Brady M K，Jr J J C.Some New Thoughts on Conceptualizing Perceived Service Quality：A Hierarchical Approach[J].Journal of Marketing，2001，65（3）：34-49.

[18]程慧平，杨伟.基于IPA和因子分析法的个人云服务评价模型[J].现代情报，2017，37（10）：28-35.

[19]Lee Y C.Why Do People Adopt Cloud Services？Gender Differences[J].Social Science Information，2016，55（1）：78-93.

[20]黄云.基于QoS的云服务评价模型及应用的研究[D].杭州：浙江工商大学，2013.

[21]程慧平.基于解释结构模型的个人云存储服务使用影响因素研究[J].图书馆学研究，2017，（17）：48-54.

[22]Arpaci I.Understanding and Predicting Students Intention to Use Mobile Cloud Storage Services[J].Computers in Human Behavior，2016，58：150-157.

[23]Ramachandran N，Sivaprakasam P，Thangamani G，et al.Selecting a Suitable Cloud Computing Technology Deployment Model for an Academic Institute[J].Campus-Wide Information Systems，2014，31（5）：319-345.

[24]程慧平，王建亞.面向个人用户的云存储服务质量测量量表探讨[J].情报科学，2017，35（11）：66-71.

[25]王博雅，邓仲华.移动阅读服务质量测评——基于ANP-模糊综合评价法[J].图书馆论坛，2018，38（2）：71-80.

[26]马静南.基于用户体验的普适型云服务系统质量评价体系构建研究[D].南京：南京大学，2014.

[27]郭明晶.移动电子商务服务质量控制研究[D].武汉：武汉大学，2012.

[28]Choi C R，Jeong H Y，Park J H，et al.Relative Weight Comparison Between Virtual Key Factors of Cloud Computing with Analytic Network Process[J].Journal of Supercomputing，2016，72（5）：1694-1714.

[29]唐娜.基于卡诺模型的数字参考咨询服务质量关键因素研究[J].图书情报工作，2016，60（18）：63-70.

[30]北京大学市场与媒介研究中心.个人云服务用户使用情况调查[EB/OL].https：//max.book118.com/html/2016/0103/32606159.shtm，2018-09-20.

[31]龚艺巍，王小敏，刘福珍，等.基于扎根理论的云存储用户持续使用行为探究[J].数字图书馆论坛，2018，（9）：29-36.

[32]赵宇翔，彭希羡，朱庆华.社交媒体后续采纳阶段用户转移行为研究——以微信为例[J].情报学报，2016，35（2）：208-224.

[33]邱皓政.量化研究与统计分析：SPSS中文视窗版数据分析范例解析[M].台中：五南图书出版公司，2003.

[34]王岚.图书馆创客空间用户信息服务需求分析与服务策略[J].图书情报工作，2018，62（12）：39-45.

[35]高洁，杨欢.基于公众需求的政府电子信息服务质量影响因素实证研究[J].情报理论与实践，2017，40（8）：13-18.

[36]吴兵涛.基于Kano-IPA整合模型的客运站服务评价研究[D].西安：长安大学，2015.

[37]Berger C，Blauth R，Boger D，et al.Kanos Methods for Understanding Customer-defined Quality[J].Center for Quality Management Journal，1993，2（4）：2-36.

（责任编辑：陈 媛）