基于元分析的移动医疗持续使用意愿影响因素

李 伊,刘人境

(西安交通大学 管理学院,西安 710049)

自2016年《“健康中国2030”规划纲要》提出以来,推动中国健康产业发展,优化健康服务,保障国民健康,推进健康中国规划建设已经成为中国重要的发展战略[1]。中国健康产业在飞速发展的同时也暴露出医疗资源配置不均、供需增长不平衡、医疗成本高等问题。同时,随着国民对健康生活需求的提高,越来越多的个体更加关注医疗保健,这一现象加剧了健康产业所面临的的压力。如何降低医疗成本、优化医疗资源配置、填补医疗供需缺口、提高患者诊断效率等已成为中国医疗行业重点关注的主题。

在此背景下,随着信息与通信技术的飞速发展,一种新兴的医疗保健移动通信和网络技术——移动医疗应运而生[2]。移动医疗能够帮助个人不受时间、地点限制,通过移动通信设备(不限于智能手机、平板电脑、无线设备或可穿戴设备等)开展疾病预防与检测、远程医疗、医疗决策等功能的服务[3]。正是移动医疗的服务灵活、便携、高效、个性化、低成本、可覆盖面积广泛等优点,才使该服务具有重要的应用价值与发展潜力,并已经逐步成为推动医疗行业发展的重要手段[4]。

然而,与其他移动服务类似,尽管移动医疗服务在迅速且持续的增长,但由于程序使用难度大、个人隐私难以保证、服务质量差等问题的出现,约有45%的用户选择初次使用服务后终止移动医疗服务[5]。对于移动医疗服务而言,它的发展依赖于稳定且持续增长的用户规模[6]。因此,增强用户黏性、提升用户持续使用意愿成为了促进移动医疗服务健康发展的必要手段。探究持续使用意图影响因素,挖掘稳定和发展用户持续使用意愿策略,成为了各服务提供商的首要任务。同时,个体连续使用是健康行为变化的关键步骤,也是健康管理实现量变到质变的前提条件[7]。因此,对于中国未来社会医疗信息化建设和规划而言,探索影响持续使用意图的因素同样也是提升国民健康素养,助力中国移动医疗发展的重要前提。众多学者针对该问题进行了深入研究[8-11]。本文在综合已有研究的基础上,扩展了现有理论框架,采用元分析方法对持续使用意愿影响因素进行全面的定量分析。

元分析是指通过对收集和整合得到的已有实证研究成果进行统计分析,从而得出具有概括性与普适性结论的方法[12]。目前已经有学者针对移动医疗研究领域开展元分析研究。Zhao等[13]采用元分析的研究方法,在35项实证研究的基础上建立了个体移动健康服务采纳行为的综合框架,挖掘了影响个体使用移动健康服务的影响因素并验证了年龄的调节效应。朱张祥等[14]基于国内外30篇文献,探索了影响移动医疗用户采纳行为的关键因素。由于本文与上述两文献研究对象均为移动医疗服务,研究对象相同,因而元分析方法同样适用于本研究。

剖析已有研究发现,有关移动医疗服务持续使用行为的研究存在如下3个现象:

(1)大量围绕移动医疗服务持续使用主题展开的实证研究主要集中于基于期望确认模型[15-17]、技术接受模型[10,18]、双路径模型[19-20]、UTAUT[7,21]、信息系统持续使用模型[8,22-24]等探讨感知有用性、感知易用性等有关变量对持续使用意愿的影响。然而,对于用户而言,持续使用行为作为一种与个人生活紧密相关的健康行为。除了技术层面因素,个人特征以及使用后的个人体验同样影响个体行为。因此,有必要在已有模型基础上,结合个人特征以及个人使用后感知因素拓展持续使用行为研究框架,深挖影响持续使用行为意愿的前因。

(2)由于样本规模大小、研究背景的异质性以及样本特征的不同,已有研究存在一部分矛盾的结论。Chen等[19]围绕中国移动医疗APP展开研究,证实感知有用性显著正向影响用户持续使用意愿。而Gupta等[25]证实感知有用性对持续使用意愿的作用是微不足道的。Carlos等[17]证实了个体感知愉悦性正向影响移动医疗持续使用意愿。Nascimento等[24]收集了美国574份样本发现,个体感知愉悦性对用户持续使用移动医疗服务没有影响。Hsiao等[26]对一家台湾医院移动医疗服务用户调查发现,个体创新性与该用户持续使用移动医疗的可能性呈相关关系。然而,Ding 等[27]的研究表明,个体创新性与持续使用意愿之间没有直接关系。上述不一致的研究结论造成理论以及实践研究发展的混乱,因此,有必要对已有研究进行全面分析。

(3)全球经济发展水平差异的逐步增大导致各国医疗水平发展的差距也慢慢拉大。与发达国家相比,发展中国家由于其电子素养、健康素养、健康意识、医疗水平等因素影响,移动医疗服务发展水平与发达国家有一定的差距[28]。个体围绕移动医疗服务产生的行为模式也将有所不同。多数研究主要集中于同一国家或地区的用户,很少有研究探讨不同国家个体之间的差异,致使已有研究结果的普适性受到一定的限制。因此,有必要针对不同经济发展水平的个体开展研究。

综上所述,尽管元分析在移动医疗采纳行为研究中得以应用,但目前为止在移动医疗持续使用中尚未有定量研究。为了填补空白,拓展研究视野,本文采用元分析方法,对移动医疗用户持续使用意愿相关文献进行统计分析,并在信息系统持续使用模型的基础上融入个体感知与个体特征两类影响因素,提出一个综合研究框架,量化和比较移动医疗持续使用行为每一个前因的影响。同时,将国家经济发展水平作为调节变量,探究经济发展水平对于用户行为变量关系的调节效应。本文通过上述研究,深化对个体移动医疗持续使用行为意愿的理解,协助服务提供者制定高效有力的营销策略。

1 理论基础与研究假设

目前,在移动医疗研究领域常用期望确认模型[15-17]、技术接受模型[10,18]、双路径模型[19-20]、UTAUT[7,21]、信息系统持续使用模型[8,22-24]等对个体持续使用行为展开研究。其中,信息系统持续使用模型[29]得到了大量学者的青睐,围绕从信息系统持续使用模型开展的持续使用行为研究呈现逐渐上升的趋势。信息系统持续使用模型(Expectation-Confirmation Model of Information System Continuance,ECM-ISC)融合了期望确认模型(ECM)与技术接受模型(TAM),除了强调期望确认模型中确认与满意度对持续使用行为的影响外,还结合了技术接受模型中用户对技术的感知有用性来预测、解释个体对信息系统的持续使用意图(见图1)。

在信息系统产品与服务研究领域,例如移动银行[30]、社交应用程序[31-32]以及在线学习[33],已有大量文献采用ECM-ISC模型对用户个体持续使用行为开展研究。Susanto等[30]利用ECM-ISC 探究满意度、信任以及隐私对智能手机移动用户持续使用行为的影响。Hsu等[31]基于信息系统持续使用模型研究个体对移动应用程序(APP)的持续使用行为。Hsiao等[32]基于客户价值视角,采用信息系统持续使用模型探究影响用户持续使用社交类应用程序的影响因素。Cheng等[33]基于ECM-ISC 模型,从内部激励与外部激励两个角度探究影响在线学习网站持续使用意图的影响因素。

在移动医疗领域,也有大量围绕ECM-ISC模型开展的研究。Cho等[8]利用ECM-ISC模型探究了韩国某健康类移动医疗应用程序激励用户持续使用的过程及其影响因素。Ju等[22]从影响吸引力角度扩展了ECM-ISC模型,挖掘基于中国情景的用户连续使用移动医疗服务模型,并提出了相应改进策略。Karma等[23]对253个移动医疗用户进行调查,基于ECM-ISC模型探究了信任与隐私关注对用户移动医疗持续使用行为产生的作用。因此,在已有研究基础上,本文将信息系统持续使用模型作为总体理论框架,探究移动医疗持续使用行为影响因素。

由于持续使用意愿是一个受多种因素影响的复杂现象[16,18,34-36],已有研究分析了各种前因对持续使用意愿的影响,而基于感知因素与个人特征综合视角探究持续使用意愿的研究较少[15]。因此,本文在ECM-IS模型的基础上,加入了与移动医疗用户体验相关的感知因素以及代表个人特征的个人因素组成研究框架,探究影响个体持续使用行为的因素。研究模型如图2所示。

本文对已有文献提及的有关感知因素与个人因素变量按照如下规则进行筛选和整合。一方面,纳入本研究的变量需至少有3篇已有文献对其展开研究。根据相关文献的频率统计,部分变量如便利条件、社会规范等只在1～2个研究中进行了探讨。类似变量因为研究频率过低,不适合纳入元分析研究而予以排除。另一方面,将部分代表相似含义的变量进行整合,例如绩效预期。在已有文献中,绩效预期代表一个人相信使用技术有助于促进任务绩效的程度。该定义与感知有用性相似,故在本模型中进行合并,均视为感知有用性变量[13]。因此,通过多次筛选,在信息系统持续使用模型基础上,融入代表感知因素的变量如感知易用性(PEOU)、感知愉悦性(PE)、感知服务质量(PSQ)和感知信任(PTRU),以及代表个人因素的变量如创新性(IN)与习惯(HAB),以探究上述因素对个体移动医疗持续使用意愿产生的影响。

1.1 满意度

满意度(Satisfaction,SAT)是指“消费者对服务初始体验后的事后评估,并被捕获为一种积极(满意)、无感、消极(不满意)的感觉”[37]。文献[29]中证明了个体对产品或服务的满意度是其持续使用的主要动机。满意度与持续意向的关系已在信息系统[38-39]、健康信息服务[40]、移动银行和支付服务[30,41]以及智能手表[42]等领域得到广泛研究。而在移动医疗服务情境下,如果用户对移动医疗满意程度越高,则他们将倾向于继续使用该服务。该关系同样得到了证实,满意度较高的用户有更强的持续使用意图[11,43-44]。因此,提出假设:

H1个体满意度对持续使用意愿有显著正向影响。

1.2 期望确认度

由Bhattacherjee[29]定义可知,期望确认度(Confirmation,CONF)是指“主观评价期望与感知绩效之间差异的结果”。Bhattacherjee指出用户对移动应用程序的满意度取决于他们预期与实际体验的接近程度,即如果个体期望越接近用户的实际体验,则他们将有更高的满意度;但若用户的期望超过实际体验,他们将会出现不满情绪[25,45-46],即用户的期望确认水平正向影响用户对服务的满意程度。同时,由文献[47]可知,当感知绩效超过预期时,用户将出现积极确认;当感知绩效低于预期时,用户将出现消极确认。积极确认可促进个体持续使用移动医疗服务的意愿,消极确认则抑制个体持续使用移动医疗服务的意愿[7,27],由此提出期望确认度直接影响用户持续使用意向。基于上述研究,提出如下假设:

H2个体期望确认度对满意度有显著正向影响。

H3个体期望确认度对持续使用意愿有显著正向影响。

1.3 感知有用性

感知有用性(Perceived Usefulness,PU)作为与IS使用行为有关的重要变量,代表“个体相信使用该系统将提高其工作绩效的程度”[48]。研究表明,感知有用性和满意度、感知有用性和持续意向之间存在积极关系[29],大量研究[42,49-50]也证实了三者之间的关系。一方面,众多研究证明了感知有用性是用户满意度的重要前提[26,51];另一方面,感知有用性也被反复验证将对用户持续使用意图产生重要影响[8,52-53]。

由此可知,用户通过移动医疗服务收获的益处越多,他们就越满意,越有可能继续使用该服务。因此,提出如下假设:

H4感知有用性对满意度有显著正向影响。

H5感知有用性对持续使用意愿有显著正向影响。

1.4 个人特征

创新性(Innovativeness,IN)是指个体愿意尝试新技术的程度[54]。该变量是技术使用行为中的一个个体特征。具有较高创新性的用户往往能更高效、更积极地运用新技术,因此,他们更愿意尝试并持续使用新技术,同时向他人提供建议[55]。Lu等[56]研究发现,具有良好教育背景的用户中,创新性是影响用户持续使用意图的重要因素。Lin等[57]提出具有较强创新性的中国航空公司乘客,在线航班登机服务的持续使用可能性更高。Hsiao等[26]对一家台湾医院移动医疗服务用户调查发现,个体创新性与该用户持续使用移动医疗的可能性呈相关关系。同样结论在文献[58]中也有所验证。因此,提出假设:

H6创新性对持续使用意愿有显著正向影响。

习惯(Habit,HAB)被定义为个体倾向自动使用信息技术的程度[59]。主要指一种下意识的、不需要太多思考的行为。该变量已经被证明为预测技术持续使用的关键因素之一[59-60]。Limayem 等[59]提出习惯将显著影响用户持续使用信息技术的意愿。Barnes[60]的研究表明,习惯将鼓励用户继续使用同一款移动应用程序。个体越习惯于使用一项技术,那么,他继续使用该技术的可能性就越大,习惯对持续使用意图有积极影响[17,21,24]。因此,提出假设:

H7习惯对持续使用意愿有显著正向影响。

1.5 感知因素

感知易用性(Perceived Ease of Use,PEOU)是指个体认为使用某一特定系统不需要花费努力的程度[61]。高速发展的科技促使用户在更加青睐技术的快捷高效的同时,也更加注重信息系统的简便易学。因此,用户对移动医疗服务的满意度以及是否持续使用移动医疗将取决于使用服务的上手难易程度。大量研究证明,感知易用性对满意度和对持续使用意愿均具有积极影响[10,15,18,53,62]。因此,提出如下假设:

H8感知易用性对满意度有显著正向影响。

H9感知易用性对持续使用意愿有显著正向影响。

感知愉悦性(Perceived Enjoyment,PE)是指“无论可能设想的执行后果如何,使用一项技术令人愉快的程度”[63]。该变量反映了与使用信息技术相关的享受和乐趣。感知愉悦性被证明是在信息系统[64]、社交网站[65-66]和移动互联网[67]等背景下影响用户行为的重要因素。感知愉悦性是一种心理体验,是感知体验的维度之一。用户感知愉悦性会影响其体验效果,而用户体验效果直接影响用户持续使用意愿。对于用户而言,他们希望通过使用移动医疗服务提高他们管理自身健康效率的同时也有一个愉快舒适的体验。文献[24,68-69]中证明,感知愉悦性对用户满意度有显著的积极影响。同时,文献[17,20]中研究证实了用户感知愉悦性越高,其持续使用意愿越高。因此,提出假设:

H10感知愉悦性对用户持续使用意愿有显著正向影响。

感知服务质量(Perceived Service Quality,PSQ)是电子服务能否成功的重要决定因素之一[70]。服务质量是指用户对任何服务优劣好坏的判断[71]。因此,本文将服务质量定义为用户对移动医疗健康服务整体的看法。由定义可知,感知服务质量是一种先于满意度的认知评价[72]。已有研究证明,满意度、服务质量与行为意图之间存在在直接关系[73-75]。在移动医疗领域,个体感知服务质量越高,其满意度越高,持续使用该服务的可能性越高[11,43,45]。因此,提出如下假设:

H11感知服务质量对满意度有显著正向影响。

H12感知服务质量对持续使用意图有显著正向影响。

感知信任(Perceived Trust,PTRU)是指“用户对服务提供商可靠性与完整性的信心,以及期望提供服务商履行承诺的程度”[76]。对于用户而言,感知信任程度越高,他们对服务将表现出更为积极的态度[77]。即消费者信任程度与个体满意度有直接关系[45]。同时,研究表明,感知信任是服务提供者与客户建立长期关系的关键因素[77]。用户信任程度影响用户持续使用意图[77,79]。因此,提出假设:

H13感知信任对用户持续使用意图有显著正向影响。

2 研究设计

即使是同一研究主题,由于样本来源、样本数量、方法模型、研究视角等不同,围绕其开展的研究结果也存在巨大差异[80]。元分析作为一种以围绕同一课题开展的大量独立研究为研究对象,对已有研究结论进行综合分析的定量研究方法,能精准地将大量同一关系的独立研究结果进行整合[12,81]。该方法通过运用统计分析方法将已有研究结论整合为单一估计,减少独立研究由于抽样统计误差而造成的差异,从而得出具有普遍性的综合研究结论[81-82]。

因此,为了验证移动医疗平台持续使用行为及其前因相互作用关系,按照Hedges等[83]提出的元分析的一般步骤,对已有移动医疗持续行为实证研究结论进行再分析。

2.1 文献检索与筛选

为了确保本研究的可信性和完整性,首先以移动医疗(“mhealth”“mobile health”“mobile healthcare”“MHS”)、移动医疗服务或移动医疗APP(“mobile health service”“mobile wellness APPs”)和持续使用、持续使用意图(“continuance use”“continuance intention”“continuing using intention”“continuous usage intention”“sustained use behavior”)为关键词,在Google Scholar、Web of Science、EBSCO、ScienceDirect、Proquest、Emerald、IEEE、Xplore、Springer Link、PQDT、LISA、Elsevier、Scopus以及CNKI、万方数据库、维普数据库、百度学术等数据库中搜索2020年3月以前发表的国内外期刊论文、硕博士学位论文与会议论文;其次,通过关键词对信息管理重点期刊如Academy of Management Journal(AMJ)、Academy of Management Review(AMR)、MIS Quarterly、Journal of International Business Studies等进行二次搜索,人工检索被遗漏的文章;再次,通过综述类参考文献目录寻找被遗漏的文章形成相关研究数据库;最后,剔除与本文研究主题不符的文章,共得到76篇文章进行分析。

为了保证数据分析的客观性、有效性以及一致性,根据元分析方法的要求,对搜集的76篇文献进行了仔细检查,确保其符合如下标准:①相关研究必须为基于移动医疗的实证研究;②相关研究必须报告样本大小以及相关系数;③研究至少包含上述假设中的一种关系;④研究中涉及因果变量定义需一致。经过筛选,共有30篇研究符合上述要求(见表1)。30篇研究包含30个独立样本,总样本量为10 431,平均样本量为336,具有足够的验证性。

表1 纳入元分析的原始文献

续表1

2.2 编码过程

在确定了已有研究后,对纳入研究的30篇文献中的描述项与相关系数统计项两部分进行了编码,每一个独立样本编码一次。其中,描述项包括论文的基本信息(如论文出版的年份、作者、出版物)、研究方法和理论模型。而相关系数统计项包括样本大小、有关变量以及相关变量间的效应大小。为了提高元分析的有效性,在统计变量时,对原始研究进行了仔细阅读,并将其中概念含义相同但却用不同名称进行描述的变量进行了合并。同时,为了避免编码错误,提高编码的准确性,由论文作者在两个不同时间点(间隔1个月)对所有文献进行重复独立编码。同时,邀请两位在线医疗研究领域的博士同步进行编码,并对编码不一致之处进行复核。通过上述两种方法,对比发现,除极少数数据有微小偏差外,其他编码均不存在明显差异,一致性较高。

2.3 元分析析过程

采用Comprehensive Meta Analysis 2.0(CMA 2.0)开展元分析研究。根据Lipsey等[84]提出的方法,按照如下流程进行分析:①根据本研究概念框架以及选定的30篇文献,对相关关系进行描述性统计,用于了解每一个变量在移动医疗健康持续使用行为中的作用。②效应值计算。采用R-Fisher’Z-R转化公式,将原始文献中的相关系数转化为Fisher’Z分数,并在此基础上对Z分数进行加权处理,将处理后的Z分数值与相应的标准差用于合并效应值,得到本文相关系数R。③模型选定以及异质性检验。梳理本文分析的文献发现,各研究群体具有不同特征,而这些特征可能影响变量与持续使用意愿之间的相关关系[85],故采用随机效应模型进行分析。此外,由Lipsey等的研究可知,异质性检验是元分析中用于检查纳入元分析中的已有研究数据是否来自统一样本即检验每一个独立样本是否具有本质差异的重要方法,故采用异质性检验中的Q检验以及I-square验证随机效应模型使用的合理性和异质性程度。④发表偏差检验。本文采用漏斗图检验法、Classic fail-safeN以及Egger’s regression intercept检验法检验效应值分布情况与真实值之间偏离的程度。

3 研究结果

3.1 发表偏差检验

Krleza-Jeric[86]的研究表明,研究结果越具有统计意义,其发表的可能性就越大,即具有显著效应结果的研究更加容易出版。与此同时,研究报告常常偏向于已出版研究,忽视正在或尚未发表的研究,出现粉饰实证结果的现象,因而已经发表的研究可能高估真正的效应[85]。因此,为了避免发表偏差问题,在进行元分析之前必须对研究效应值进行检验,以此检验效应值的分布情况与真实值之间偏离度。

为了更准确地检验发表偏差,采用Egger’s regression intercept与Fail-safeN两者定量的方法检验发表偏差(见表2)。其中,Egger’s regression intercept结果显示,除了TRU-CI这一组变量,其他相关变量检验P均大于0.05,呈现不显著状态,说明除TRU-CI之外,其余变量关系不存在发表偏差。进而,针对TRU-CI这组变量开展Fail-safeN(失安全系数)检验,发现这一组变量失安全系数为1 588,大于临界值K×5+10(K为文献数量),说明该研究结果可靠,不存在发表偏差。由图3可知,大部分研究效应值集中分布于漏斗图上方与平均效应值附近且呈现中心对称分布,由此得出,该元分析研究不存在偏差问题。

表2 本文涉及变量发表偏差检验

3.2 异质性检验

Lipsey等[84]指出“异质性检验作为检验多项独立的研究是否全部来自同一样本的手段,是元分析研究中不可忽视的重要环节”。由表3异质性检验结果可知,除了创新性(IN)与习惯(HAB)异质性检验结果Q检验显著性大于0.05外,其余影响因素P值均小于0.05,表示拒绝同质性虚无假设,因此研究存在异质性。与此同时,除去创新性与习惯,其余因素I-squared 值在80%～95%之间,均大于75%,说明本文涉及的研究存在高度异质性[87]。综上可知,已有研究结果除抽样误差之外,还存在因其他研究特性而导致的差异,故采用考虑已有研究之间与研究内部变异的随机效应模型对移动医疗持续使用影响因素展开Meta分析,同时对研究变量进行次群体分析,以找出导致异质性的调节变量。

表3 异质性检验结果

3.3 元分析结果

由表4元分析结果可知,本文假设均得到了验证。其中,Lipsey等[84]指出,若相关系数效应值大于0.40,则表示变量间呈现高程度相关关系;若相关系数效应值大于0.2小于0.4,则表示变量间呈现中等程度相关;若相关系数效应值小于0.2,则表示变量间呈现弱相关关系。因此,在影响持续使用意愿的因素中,除了创新性(r=0.320,P＜0.001)对移动医疗是持续使用呈现中等程度正相关性,其余相关关系均呈现高强度正相关关系,说明这些变量对满意度以及对持续使用意愿的作用是重要的。对比结果可知,有关持续使用意愿的影响因素中,感知信任(r=0.645,P＜0.001)与习惯(r=0.619,P＜0.001)对用户移动医疗持续使用行为的影响最大,满意度(r=0.578,P＜0.001)、感知确认度(r=0.593,P＜0.001)、感知易用性(r=0.596,P＜0.001)对持续使用的相关性差异不明显,创新性(r=0.320,P＜0.001)虽对持续使用产生正向影响效应,但其对持续使用产生的作用不及其余影响因素,说明该变量对持续使用意愿的影响是有限的。由满意度的影响因素研究结果可知,期望确认度(r=0.635,P＜0.001)对于满意度的影响最大,其次为感知有用性(r=0.589,P＜0.001),对满意度影响作用最小的因素为感知易用性(r=0.410,P＜0.001)。

表4 随机效应模型分析结果

3.4 次群体检验

由异质性检验结论可知,各研究之间呈现高异质性,说明变量间关系受到潜在调节变量的影响。采用次群体组检验进一步挖掘研究异质性来源及其研究特征对效应量的调节作用。

对于发达地区的个体而言,在愈加关注医疗保健的同时更倾向于使用更快捷方便且有效的健康保健方式[19]。因此,经济发达地区的居民更有驱动力以及能力利用移动医疗管理自身健康状况。而对于发展中国家的个体而言,由于其电子素养、健康素养、健康意识等因素的原因,他们持续使用移动医疗的意愿与发达国家个体有所区别,故将样本所在地经济发展水平作为调节变量,探究经济发展水平对相关变量产生的调节效应(其中,按照国际分类标准,德国、葡萄牙、韩国、美国、加拿大等为发达国家,中国、孟加拉国、印度等为发展中国家)。如表5所示,除了感知有用性与满意度、感知服务质量与满意度的关系外,组间异质性检验统计量QB均呈显著关系,表明样本所在国家经济发展水平显著调节所有变量间的相关关系。对比相关性值可以发现,基于不同发展水平样本所得到的变量间相关性关系大小也有所不同。发展中国家中感知信任、感知服务质量以及感知易用性对移动医疗持续使用意愿的影响要高于发达国家,而发达国家中感知有用性、满意度、期望确认度、创新性、感知愉悦性和习惯6个变量与持续使用行为意愿之间的关系程度高于发展中国家。

表5 国家经济发展水平的调节作用

4 讨论

本文基于信息系统持续使用模型,综合考虑个体感知因素与个体特征,构建了移动医疗用户持续使用意愿影响因素综合模型。采用元分析方法,对30篇相关实证文献进行统计分析,验证了模型中各变量间的关系,证实了ECM-ISC 基本模型变量(期望确认度、感知有用性、满意度)、个体感知因素(感知易用性、感知愉悦性、感知服务质量、感知信任)以及个体特征(创新性、习惯)对持续使用意愿的显著正向关系。与此同时,本文检验了研究样本所在国家经济发展水平在模型中各种变量关系产生的调节效应,发现不同经济水平下的变量关系差异。具体地:

(1)由元分析结果可知用户持续使用行为研究领域广泛使用的ECM-ISC 在解释用户持续使用意图方面都是显著且重要的。由相关分析结果可知期望确认度、感知有用性以及满意度对持续使用意愿呈显著的正向关系。即用户初次使用后的感知绩效与预期越相近,越相信移动医疗能改变自身健康状况以及对服务越满意,用户继续使用移动医疗的可能性就越高。这表明,上述3个变量在持续使用行为中的重要作用,与文献[8,45]中的结论一致。

基于上述结论,本文建议移动医疗服务提供者从如下方面改进营销策略:

①服务提供商应努力让用户相信移动医疗服务有益于提高身体素质、方便管理自身健康。例如,在移动医疗服务中,提供者可以设置各种心理提示强调其价值维度,真实地宣传利用服务成功实现疾病预防与检测、远程医疗、医疗决策、方便健康管理等成功案例,以提升用户感知有用性程度。

②服务提供商应理解移动医疗具有非面对面交流特性,期望过高,一旦实际绩效低于期望,期望确认度就会降低,影响持续使用意愿;若实际绩效超过已有期望,确认度将增高,在提升满意度的同时增大客户粘性。但是较低的期望又可能造成对于服务较差的印象,影响初次采纳行为。因此,服务提供商要重视服务品牌的建立与功能上的宣传,加深用户对移动医疗的了解,引导用户形成较为理性的期望。同时,服务商应当专注于满足用户的需求与期望,针对用户期望制定个性化的服务,采用一种容易被用户理解和消化的服务方式。通过提升用户的体验,缩小用户期望与实际感知之间的差距,促使用户持续使用移动医疗服务。

③服务提供商应当持续追踪用户服务进程,及时有效地与客户进行沟通,高度重视用户意见与建议,及时做出反应,并及早制定相应的问题解决方案,从而提升用户满意度,实现提高用户黏性的目的。

(2)通过元分析挖掘与用户体验有关的个人感知因素对满意度以及持续使用意愿的影响发现,感知易用性、感知愉悦性、感知服务质量以及感知信任对持续使用意愿均有积极影响,该结论与文献[10,44]中的结论一致。而对于影响用户满意度的因素而言,感知易用性以及感知服务质量对用户满意度有正向影响,与文献[24,52]中的结论一致。该结果表明,用户体验与情感在很大程度上决定了他们是否愿意继续使用移动医疗服务。因此,为了鼓励用户继续使用移动医疗服务,提供商需要重点关注如下几个方面:

①剖析已有移动医疗服务发现,部分移动医疗服务需要用户执行繁琐的使用程序(例如,反复的注册登录、详尽的数据输入),花费较多时间和精力,增加了用户的感知使用难度,从而导致用户停止继续使用该服务[88]。因此,对于服务提供商而言,降低服务注册难度、服务学习成本,构建更为轻松的使用教程是提升用户满意度、促进用户持续使用服务的重要手段之一。

②由研究结果可知用户愉悦的使用体验能够有效提高持续使用意愿,故对于移动医疗服务提供商而言,在满足用户实际需求的同时,应该为用户构建一个愉快舒适的环境,甚至采用游戏化的设计,例如完成任务或升级奖励等方式,让用户感受到移动服务的独具匠心,提升用户的使用体验,引导用户享受使用过程从而提高用户使用频率。

③用户感知服务质量直接影响用户满意度以及持续使用意愿,故对于移动医疗服务提供商而言,提高服务质量应当成为刺激用户使用行为,实现价值共创的重要目标。因此,本文建议服务提供商及时更新服务信息、反馈服务进程,同时优化服务流程,增强移动医疗服务的人性化特征。在提供服务的过程中注重与用户之间的情感交流,强化对用户的服务意识,形成“用户为中心、质量为核心”的服务宗旨,以提升用户感知服务质量程度。

④感知信任是指“用户对服务提供商可靠性与完整性的信心,以及期望提供服务商履行承诺的程度”。因此,对于移动医疗服务提供商而言,构建良好的服务形象,扩大服务影响力,重视服务声誉的培养与维护,提高认知声誉与情感声誉,是促进用户感知信任程度的重要手段。

(3)研究结果表明,个体特征(创新性、习惯)对于用户持续使用意愿有积极作用。具体来讲,具有较高创新性的用户往往能够更高效地运用移动医疗服务,更有可能持续使用该类服务。这与文献[27]中的结论一致,因此,对于移动医疗服务提供商而言,针对不同创新性程度的用户应当采用差异化的营销策略。若用户创新性高,服务提供商要不断扩展新功能、新服务,持续满足用户对于新兴技术与新鲜事物的好奇心,强调新功能或服务的特别之处,引导该类用户持续使用意愿。对于创新性较低的用户,强调移动医疗服务的安全、稳定,降低他们的忧虑,提高该类用户对服务的信心。与此同时,根据元分析结果可知,个人习惯同样是影响用户持续使用移动医疗服务的重要因素。该结论与文献[26]中的结论一致。因此,对于服务提供商而言,应当重点关注用户的习惯性使用,即服务提供商要主动积极地加强与用户之间的交互关系,紧密联系服务与用户的行为习惯与情感状态,触发用户对服务的依赖性,激发用户持续使用的欲望。

(4)通过元分析次群体检验可知,国家经济发展水平对移动医疗持续使用行为均具有调节作用。具体来讲,感知信任、感知服务质量以及感知易用性3个影响因素对于发展中国家持续使用意愿的作用要强于发达国家,即对于发展中国家用户而言,是否选择持续使用移动医疗服务受到感知信任、感知服务质量以及感知易用性的影响较发达国家更大。这可能是由于发展中国家医疗资源更为稀缺且分布更为不均匀、医疗信息不对称、信息共享性差、医疗服务公平性差等医疗问题以及自身电子素养相对于发达国家用户较低的原因,故对于移动医疗服务提供商而言,在面对发展中国家用户时,应从如下3个方面增强用户黏性,提升持续使用意愿:①构建良好的服务形象,提高认知声誉与情感声誉,提升用户感知信任程度;②及时反馈服务进程,优化服务流程,提高感知服务质量;③降低服务注册难度与服务学习成本,使服务使用过程更简洁方便,通过增强感知易用性的方法,刺激用户持续使用欲望。

5 结语

本文采用元分析方法,对移动医疗服务用户持续使用领域30篇中外文献进行综合定量分析,所得结论有一定的理论价值。

(1)在ECM-ISC 模型基础上融入用户特征与用户使用后体验感知两类因素,量化和比较了持续使用意愿每一个前因的影响程度,证实了ECM-ISC基本模型变量(期望确认度、感知有用性、满意度)、个体感知因素(感知易用性、感知愉悦性、感知服务质量、感知信任)以及个体特征(创新性、习惯)对持续使用意愿的显著正向关系。该结论一方面证明了ECM-ISC 模型在移动医疗服务持续使用意愿研究领域的有效性;另一方面,将个体特征与使用后个体体验纳入ECM-ISC 模型,以综合的视角为进一步拓展并细化该模型在移动医疗服务研究领域的使用提供了参考。

(2)探讨了不同经济环境下用户行为的差别,探究了不同经济发展水平国家或地区用户持续使用意愿背后的内涵。在分析了经济发展水平对模型中涉及变量关系调节效应的基础上,得出感知信任、感知服务质量以及感知易用性对发展中国家用户持续使用移动医疗服务行为的作用要强于发达国家用户的结论。本研究扩大了研究范围,在一定程度上突破了现有研究集中于一个国家或地区单一样本的局限,同时,通过整合国家或地区经济发展水平维度,增进了对不同经济环境用户特征及其移动医疗持续使用行为之间关系的理解。

(3)将已有研究结论整合为一个单一估计,得出用户持续使用移动医疗服务使用意愿影响因素的总体结论,挖掘了用户持续使用意愿普适性的研究结论,减少了由于抽样统计误差而导致的独立研究的差异,避免了现有研究中一些结论相互矛盾而导致的理论和实践研究发展的混乱。

就实践价值而言,本研究可以协助移动医疗服务提供商了解用户持续使用行为。引导他们关注影响用户持续使用意愿的关键因素,同时协助服务运营者认识不同个体以及不同经济发展水平国家用户需求的差异性,从而制定有针对性的推广方案,增强客户粘性,促进移动医疗服务健康、持续且稳定的发展。

本文存在一定的缺陷。与其他类型移动服务不同的是,目前有关移动医疗持续使用行为的成果有限,因此,可能有一些重要的影响因素没有被纳入本文研究中。同时,本文没有考虑用户职业、身体状况、年龄等调节作用。未来的研究将继续从其他重要变量以及不同用户群体进行深入分析。