張初兵++李義娜++吳波++李東進(jìn)

[摘 要]旅游App間的激烈競(jìng)爭(zhēng)不斷升級(jí)。如何提高旅游App用戶粘性與購(gòu)買(mǎi)意向是企業(yè)亟須解決的重要問(wèn)題。文章以“信念→態(tài)度→行為”為框架，綜合運(yùn)用互動(dòng)性理論與流體驗(yàn)理論，構(gòu)建旅游App互動(dòng)性影響用戶粘性與購(gòu)買(mǎi)意向的路徑模型。采用問(wèn)卷調(diào)查法，收集211份有效樣本，執(zhí)行偏最小二乘估計(jì)法，研究發(fā)現(xiàn)：預(yù)期互動(dòng)性會(huì)正向影響感知互動(dòng)性，但對(duì)用戶滿意沒(méi)有直接影響；感知互動(dòng)性不僅會(huì)直接影響而且還會(huì)通過(guò)流體驗(yàn)間接作用于用戶滿意；流體驗(yàn)和用戶滿意不僅會(huì)直接影響而且還會(huì)通過(guò)用戶粘性間接影響購(gòu)買(mǎi)意向；感知互動(dòng)性和流體驗(yàn)對(duì)用戶粘性與購(gòu)買(mǎi)意向影響的總效應(yīng)都很強(qiáng)。在理論上，發(fā)展了旅游App使用行為理論，豐富了互動(dòng)性理論的應(yīng)用范圍；在實(shí)踐上，提出時(shí)刻關(guān)注用戶對(duì)互動(dòng)性的預(yù)期與著力強(qiáng)化旅游App互動(dòng)性體驗(yàn)兩點(diǎn)建議。

[關(guān)鍵詞]旅游App；預(yù)期互動(dòng)性；感知互動(dòng)性；流體驗(yàn)；用戶粘性

[中圖分類(lèi)號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2017）06-0109-10

Doi： 10.3969/j.issn.1002-5006.2017.06.015

引言

隨著移動(dòng)互聯(lián)技術(shù)的發(fā)展與智能手機(jī)的全球普及，人們?cè)絹?lái)越青睞使用手機(jī)來(lái)查閱旅游信息、分享旅游體驗(yàn)、購(gòu)買(mǎi)旅游產(chǎn)品。截至2015年12月，我國(guó)有超過(guò)2.10億網(wǎng)民通過(guò)手機(jī)預(yù)訂機(jī)票、酒店、火車(chē)票或旅游度假產(chǎn)品，較2014年12月底增長(zhǎng)7569萬(wàn)人，增長(zhǎng)率為56.4%，其中，使用手機(jī)在線旅游預(yù)訂的比例由24.1%提升至33.9%[1]。同時(shí)，政府積極推動(dòng)“互聯(lián)網(wǎng)+旅游”，在線旅游移動(dòng)化趨勢(shì)加劇，旅游企業(yè)競(jìng)爭(zhēng)開(kāi)始逐漸由PC端轉(zhuǎn)向移動(dòng)端，旅游App由此應(yīng)運(yùn)而生，并成為企業(yè)爭(zhēng)奪的焦點(diǎn)。2016年2月，國(guó)內(nèi)旅游App下載量排名前三的依次為攜程旅行、去哪兒旅行與同程旅游[2]。企業(yè)確要關(guān)注旅游App的下載量，但更要提高用戶粘性與購(gòu)買(mǎi)意向，因?yàn)樗鼈儧Q定活躍度與流量變現(xiàn)。

近年來(lái)，國(guó)內(nèi)外僅有少數(shù)學(xué)者探討旅游App使用行為。這些研究主要是基于計(jì)劃行為理論與 技術(shù)接受模型來(lái)剖析人們?yōu)楹螘?huì)采納和使用旅游App[3-4]。當(dāng)前，各種旅游App都積累了大量用戶，面對(duì)同類(lèi)App的激烈競(jìng)爭(zhēng)，如何提高用戶粘性與購(gòu)買(mǎi)意向成為難題。在實(shí)踐中，企業(yè)做法之一就是想方設(shè)法提高用戶的互動(dòng)性體驗(yàn)。比如，優(yōu)化用戶界面、提供個(gè)性化內(nèi)容。然而，并未有學(xué)者探討旅游App互動(dòng)性會(huì)如何影響用戶粘性與購(gòu)買(mǎi)意向。本文以“信念→態(tài)度→行為”為框架，綜合運(yùn)用互動(dòng)性理論與流體驗(yàn)理論，從互動(dòng)性視角揭示旅游App用戶粘性與購(gòu)買(mǎi)意向的形成機(jī)制，具有重要的理論與現(xiàn)實(shí)意義。

1 相關(guān)文獻(xiàn)分析

1.1 旅游App使用行為

App的英文全稱(chēng)為Application，其在漢語(yǔ)中常被翻譯為應(yīng)用、應(yīng)用服務(wù)、應(yīng)用程序或應(yīng)用軟件等。本文將旅游App定義為在手機(jī)與平板電腦等移動(dòng)終端上安裝的與旅游相關(guān)的應(yīng)用程序或軟件，如攜程旅行、途牛旅游等。

近年來(lái)，有學(xué)者開(kāi)始對(duì)旅游App使用行為進(jìn)行探索。Morosan和DeFranco以美國(guó)酒店顧客為被試，通過(guò)模擬酒店App使用情境，研究發(fā)現(xiàn)顧客之所以會(huì)在酒店App上公開(kāi)個(gè)人信息，主要是源于他們信任該系統(tǒng)且認(rèn)為能從中獲得價(jià)值[5]?；谟?jì)劃行為理論，Chang等解析了中國(guó)游客為何會(huì)使用臺(tái)灣醫(yī)療旅游App，結(jié)果表明游客對(duì)App卷入、易用性與有用性的評(píng)價(jià)越高，就越會(huì)對(duì)App產(chǎn)生積極的態(tài)度，從而更愿意使用它[3]。他們還發(fā)現(xiàn)來(lái)自親朋好友的影響會(huì)直接強(qiáng)化游客的使用意愿，而自我效能會(huì)通過(guò)感知行為控制間接作用于使用意愿。李東和與張鷺旭修改了技術(shù)接受模型，以中國(guó)游客為樣本，檢驗(yàn)發(fā)現(xiàn)高自我效能者會(huì)覺(jué)得旅游App更易用/有用，因而會(huì)更愿意下載使用。雖然高自我效能者會(huì)感到更低的風(fēng)險(xiǎn)，但這并不會(huì)對(duì)下載使用行為產(chǎn)生消極影響[4]。

總體上看，上述研究主要是以計(jì)劃行為理論和技術(shù)接受模型為理論基礎(chǔ)，并且主要是以下載和使用意愿為結(jié)果變量。然而，學(xué)者們卻沒(méi)有回答用戶為何會(huì)持續(xù)使用旅游App，甚至?xí)?gòu)買(mǎi)其推薦的產(chǎn)品。顯然，促使人們下載和使用旅游App只是第一步，而如今多數(shù)旅游App都擁有大量的用戶，為此，企業(yè)尤為關(guān)注兩個(gè)問(wèn)題，即在激烈的市場(chǎng)競(jìng)爭(zhēng)中，如何保留住用戶并提高其使用頻率，以及如何促使用戶購(gòu)買(mǎi)其推薦的產(chǎn)品。因而，本文擬研究旅游App用戶粘性與購(gòu)買(mǎi)意向的形成機(jī)制。

1.2 預(yù)期與感知互動(dòng)性

互動(dòng)性是互聯(lián)網(wǎng)的核心特征[6]，甚至有人將其視為互聯(lián)網(wǎng)的本質(zhì)。顯然，互動(dòng)性必然是以移動(dòng)互聯(lián)網(wǎng)為基礎(chǔ)App的關(guān)鍵特征。然而，目前關(guān)于App互動(dòng)性的研究卻非常少見(jiàn)。為探究旅游App的互動(dòng)性，下文對(duì)預(yù)期與感知互動(dòng)性研究中的主要觀點(diǎn)進(jìn)行歸納。

預(yù)期互動(dòng)性（expected interactivity）是指?jìng)€(gè)體擬與某種信息工具（如網(wǎng)站）互動(dòng)時(shí)，他們期望體驗(yàn)到的互動(dòng)程度[7]。根據(jù)預(yù)期的形成方式，學(xué)者們將預(yù)期分為兩種類(lèi)型：偶然預(yù)期（contingent expectation）和蓄意預(yù)期（intentional expectation）[8]。前者是指對(duì)那些超出人們控制范圍之外事件（如自然災(zāi)害）的預(yù)測(cè)。當(dāng)人們的預(yù)測(cè)不符合現(xiàn)實(shí)時(shí)，他們會(huì)立刻對(duì)其做出調(diào)整。后者是指基于不斷試錯(cuò)的重復(fù)學(xué)習(xí)形成的信念。這種習(xí)得信念至少部分被自己掌控，并會(huì)保持很長(zhǎng)一段時(shí)間。即使出現(xiàn)一些反面事例，它們也不會(huì)被輕易改變。Sohn等認(rèn)為預(yù)期互動(dòng)性屬于蓄意預(yù)期而非偶然預(yù)期[7-8]。也就是說(shuō)，個(gè)體會(huì)從類(lèi)似的重復(fù)互動(dòng)中學(xué)習(xí)，進(jìn)而產(chǎn)生對(duì)互動(dòng)性的穩(wěn)定信念。比如，個(gè)體對(duì)旅游App互動(dòng)性的預(yù)期取決于他們先前與相似App的互動(dòng)體驗(yàn)。

Newhagen等于1995年首次提出感知互動(dòng)性（perceived interactivity）[9]。此后，研究者的興趣主要集中于網(wǎng)站感知互動(dòng)性。它被定義為個(gè)體在與網(wǎng)站互動(dòng)過(guò)程中體驗(yàn)到的一種心理狀態(tài)[10]。網(wǎng)站感知互動(dòng)性是一個(gè)多維構(gòu)念，其維度主要包括可控性、響應(yīng)性和個(gè)性化[11]。大量研究表明，個(gè)體對(duì)網(wǎng)站互動(dòng)性感知越好，他們就越會(huì)表現(xiàn)出更加積極的情感與行為。其背后的機(jī)制主要有三種觀點(diǎn)。首先，感知互動(dòng)性具有直接效應(yīng)。據(jù)Song和Zinkhan的觀點(diǎn)，網(wǎng)站感知互動(dòng)性會(huì)提高滿意度、正面口碑相傳與重復(fù)購(gòu)買(mǎi)意向[12]。Kim等還發(fā)現(xiàn)網(wǎng)站感知互動(dòng)性會(huì)積極影響對(duì)網(wǎng)站的信任與態(tài)度[13]。其次，以感知價(jià)值為中介變量。Coursaris等都認(rèn)為感知互動(dòng)性會(huì)通過(guò)娛樂(lè)性、有用性等感知價(jià)值維度間接作用于忠誠(chéng)度[14-15]。然而，Park等在研究對(duì)滿意度的影響時(shí)卻得出相悖的結(jié)論[16-17]。比如，前者認(rèn)為可控性會(huì)增加功能價(jià)值，而后者卻發(fā)現(xiàn)二者關(guān)系不顯著。最后，以流體驗(yàn)為中介變量。Van Noort等證實(shí)流體驗(yàn)會(huì)中介感知互動(dòng)性與情感變量（對(duì)網(wǎng)站和品牌的態(tài)度）/行為變量（推薦意向、再瀏覽意向和購(gòu)買(mǎi)意向）之間的關(guān)系[18]。

綜上可見(jiàn)，預(yù)期互動(dòng)性與感知互動(dòng)性是兩個(gè)不同的構(gòu)念，但鮮有學(xué)者探討預(yù)期互動(dòng)性與感知互動(dòng)性的關(guān)系。此外，學(xué)者們都認(rèn)為網(wǎng)站感知互動(dòng)性會(huì)積極影響重復(fù)使用意向與購(gòu)買(mǎi)意向，并且感知價(jià)值與流體驗(yàn)會(huì)對(duì)這種影響起著中介作用。這啟發(fā)我們可以從互動(dòng)性視角來(lái)探討預(yù)期和感知互動(dòng)性如何影響旅游App用戶粘性與購(gòu)買(mǎi)意向。進(jìn)一步，之所以選取流體驗(yàn)作為關(guān)鍵的中間變量，是因?yàn)樗且环N最優(yōu)的、令人愉快的體驗(yàn)，對(duì)粘性等行為變量有很強(qiáng)的解釋力[19]。

2 模型與假設(shè)

計(jì)劃行為理論認(rèn)為信念決定態(tài)度，而態(tài)度又影響行為。本文以旅游App為研究對(duì)象，以“信念→態(tài)度→行為”為框架，綜合運(yùn)用互動(dòng)性理論與流體驗(yàn)理論，設(shè)計(jì)出旅游App互動(dòng)性影響用戶粘性與購(gòu)買(mǎi)意向的路徑模型，見(jiàn)圖1。

2.1 預(yù)期、感知互動(dòng)性與用戶滿意

個(gè)體預(yù)期對(duì)其評(píng)價(jià)的影響存在兩種相對(duì)立的機(jī)制[7]。一種是期望不一致，即正向不一致（比預(yù)期好）會(huì)導(dǎo)致積極評(píng)價(jià)，而負(fù)向不一致（比預(yù)期差）會(huì)導(dǎo)致消極評(píng)價(jià)。以產(chǎn)品購(gòu)買(mǎi)為例，消費(fèi)者對(duì)所購(gòu)產(chǎn)品的評(píng)價(jià)取決于他們?cè)谫?gòu)買(mǎi)前對(duì)產(chǎn)品的預(yù)期以及在購(gòu)買(mǎi)后對(duì)績(jī)效的實(shí)際感知。當(dāng)預(yù)期結(jié)果小于感知績(jī)效時(shí)，消費(fèi)者會(huì)給予產(chǎn)品積極評(píng)價(jià)。反之，當(dāng)預(yù)期結(jié)果大于感知績(jī)效時(shí)，他們會(huì)給予產(chǎn)品消極評(píng)價(jià)。

另一種是一致性原則，即個(gè)體不論績(jī)效比預(yù)期好還是差，在評(píng)價(jià)時(shí)都會(huì)盡力保持與最初預(yù)期一致，因?yàn)樗麄儾幌矚g超出預(yù)期的結(jié)果。這種機(jī)制也可以用社會(huì)心理學(xué)中的同化理論加以解釋[20]。預(yù)期結(jié)果與感知績(jī)效不一致會(huì)使得個(gè)體產(chǎn)生消極情緒。為降低甚至消除這種消極情緒，當(dāng)二者的差距不大時(shí)，個(gè)體會(huì)更傾向于調(diào)整感知績(jī)效以達(dá)到自己的預(yù)期。Sohn等指出期望不一致更適合解釋偶然預(yù)期，而一致性原則更適合解釋蓄意預(yù)期[7]。

由于預(yù)期互動(dòng)性屬于蓄意預(yù)期[7-8]，所以預(yù)期互動(dòng)性與感知互動(dòng)性及用戶滿意的關(guān)系符合一致性原則。具體來(lái)看，用戶對(duì)旅游App互動(dòng)性的預(yù)期越高，他們對(duì)其互動(dòng)性感知的評(píng)價(jià)就會(huì)越好，也會(huì)感到更加滿意。在美國(guó)顧客滿意度指數(shù)模型中，也存在類(lèi)似的邏輯，即顧客預(yù)期對(duì)感知價(jià)值與顧客滿意均有積極的影響。據(jù)此，提出如下假設(shè)：

H1：預(yù)期互動(dòng)性會(huì)正向影響感知互動(dòng)性（H1a）與用戶滿意（H1b）

2.2 感知互動(dòng)性、流體驗(yàn)與用戶滿意

現(xiàn)有研究并未檢驗(yàn)旅游App感知互動(dòng)性對(duì)流體驗(yàn)與用戶滿意的影響。不過(guò)，有關(guān)感知互動(dòng)性的研究成果為推演三者之間的關(guān)系提供了理論基礎(chǔ)。Song和Zinkhan執(zhí)行多次實(shí)驗(yàn)研究都發(fā)現(xiàn)消費(fèi)者對(duì)購(gòu)物網(wǎng)站互動(dòng)性的評(píng)價(jià)越高，他們就會(huì)表現(xiàn)出更高的滿意度[12]。Zhao和Lu以微博用戶為研究對(duì)象，基于問(wèn)卷調(diào)查數(shù)據(jù)，已證實(shí)微博感知互動(dòng)性與滿意度之間存在正向關(guān)系[21]。Yoo等采用問(wèn)卷調(diào)查數(shù)據(jù)，驗(yàn)證電子口碑系統(tǒng)感知互動(dòng)性會(huì)積極影響消費(fèi)者決策支持滿意度[22]。這些研究一致地肯定了感知互動(dòng)性與滿意度正相關(guān)。本文將該結(jié)論延伸至旅游App使用情境。據(jù)此，提出如下假設(shè)：

H2a：感知互動(dòng)性會(huì)正向影響用戶滿意

個(gè)體能否進(jìn)入流體驗(yàn)狀態(tài)主要取決于技能與挑戰(zhàn)[23]。技能是指?jìng)€(gè)體成功完成既定任務(wù)的能力，而挑戰(zhàn)是指完成任務(wù)需要的所有努力。流體驗(yàn)只會(huì)發(fā)生在技能與挑戰(zhàn)水平都高時(shí)，即個(gè)體擁有高的技能以完成高挑戰(zhàn)性的任務(wù)。以旅游App為例，如果用戶不能從中找到想要的信息，或是它給予用戶的輸入反饋很慢，就很可能是用戶掌握的技能很難滿足旅游App使用要求，即技能與挑戰(zhàn)不匹配。反過(guò)來(lái)說(shuō)，用戶對(duì)旅游App互動(dòng)性的評(píng)價(jià)越高，就能越好地實(shí)現(xiàn)技能與挑戰(zhàn)的平衡，進(jìn)而就會(huì)越容易進(jìn)入流體驗(yàn)狀態(tài)。Van Noort等和Zhang等都驗(yàn)證網(wǎng)站感知互動(dòng)性與流體驗(yàn)正相關(guān)[18，24]。據(jù)此，提出如下假設(shè)：

H2b：感知互動(dòng)性會(huì)正向影響流體驗(yàn)

2.3 流體驗(yàn)、用戶滿意/粘性與購(gòu)買(mǎi)意向

流體驗(yàn)會(huì)影響個(gè)體的態(tài)度與行為[25]。OCass和Carlson認(rèn)為流體驗(yàn)是個(gè)體對(duì)先前體驗(yàn)進(jìn)行認(rèn)知加工之后形成的積極結(jié)果，并發(fā)現(xiàn)處于流體驗(yàn)狀態(tài)的消費(fèi)者會(huì)對(duì)網(wǎng)站更加滿意[26]。流體驗(yàn)與滿意度之間的正向關(guān)系也在虛擬旅游社區(qū)[19]、移動(dòng)支付服務(wù)[27]、網(wǎng)上銀行[28]、移動(dòng)商務(wù)[29]等背景下得到了多次驗(yàn)證。為此，筆者有理由相信流體驗(yàn)會(huì)提高滿意度。據(jù)此，在旅游App背景下，提出如下假設(shè)：

H3a：流體驗(yàn)會(huì)正向影響用戶滿意

當(dāng)個(gè)體進(jìn)入流體驗(yàn)狀態(tài)時(shí)，他們會(huì)感到非常享受，并希望再次獲得這種體驗(yàn)。在互聯(lián)網(wǎng)背景下，諸多研究都表明流體驗(yàn)會(huì)帶來(lái)積極的行為（如粘性或忠誠(chéng)），甚至有學(xué)者發(fā)現(xiàn)流體驗(yàn)對(duì)行為的預(yù)測(cè)力強(qiáng)于滿意度[19，29]。因而，當(dāng)旅游App用戶進(jìn)入流體驗(yàn)狀態(tài)時(shí)，他們會(huì)感到時(shí)間過(guò)得很快，進(jìn)而會(huì)在其上花費(fèi)更多的時(shí)間。同時(shí)，他們會(huì)感到非常享受，并希望再次獲得這種體驗(yàn)，所以會(huì)增加對(duì)其的使用頻率。此外，研究者還發(fā)現(xiàn)流體驗(yàn)會(huì)提高網(wǎng)絡(luò)購(gòu)物意向[30]、移動(dòng)支付意向[31]。那么，高流體驗(yàn)者就會(huì)更愿意購(gòu)買(mǎi)旅游App中的產(chǎn)品。據(jù)此，提出如下假設(shè)：

H3b：流體驗(yàn)會(huì)正向影響用戶粘性

H3c：流體驗(yàn)會(huì)正向影響購(gòu)買(mǎi)意向

滿意會(huì)引發(fā)積極的行為。以虛擬社區(qū)為研究對(duì)象，Gao等、Elliot等與Li等都證實(shí)社區(qū)成員越滿意，他們對(duì)社區(qū)的粘性就越強(qiáng)[19，32-33]。此外，Gao等用來(lái)自中國(guó)的數(shù)據(jù)統(tǒng)計(jì)檢驗(yàn)發(fā)現(xiàn)移動(dòng)購(gòu)物滿意度會(huì)提高持續(xù)使用意向[29]。Ha和Stoel研究發(fā)現(xiàn)美國(guó)大學(xué)生從網(wǎng)上購(gòu)買(mǎi)服裝的滿意度會(huì)提高他們的網(wǎng)絡(luò)購(gòu)物意向[34]。因而，如果用戶對(duì)旅游App不滿意，那么就很難增加使用頻率和時(shí)間，就更不可能購(gòu)買(mǎi)其中的產(chǎn)品。也就是說(shuō)，用戶滿意與用戶粘性、購(gòu)買(mǎi)意向均正相關(guān)。進(jìn)一步，陳曄等指出旅游網(wǎng)站粘性會(huì)提高購(gòu)買(mǎi)意向[35]。基于上述分析，提出如下假設(shè)：

H4a：用戶滿意會(huì)正向影響用戶粘性

H4b：用戶滿意會(huì)正向影響購(gòu)買(mǎi)意向

H5：用戶粘性會(huì)正向影響購(gòu)買(mǎi)意向

3 研究設(shè)計(jì)

3.1 變量測(cè)量

為測(cè)量概念模型中的6個(gè)變量，選取已有研究中的成熟量表，翻譯并修改問(wèn)項(xiàng)以符合旅游App使用情境。所有變量均采用Likert 7點(diǎn)量表，1表示“非常不同意”，7表示“非常同意”。問(wèn)項(xiàng)具體內(nèi)容見(jiàn)表1。

預(yù)期互動(dòng)性是指?jìng)€(gè)體在使用某旅游App之前期望體驗(yàn)到的互動(dòng)程度。針對(duì)預(yù)期互動(dòng)性的測(cè)量很少見(jiàn)，只有Sohn和Choi從知覺(jué)、語(yǔ)義和行為三方面設(shè)計(jì)開(kāi)發(fā)出預(yù)期互動(dòng)性量表[8]。據(jù)此，通過(guò)修改并執(zhí)行預(yù)調(diào)查得到旅游App預(yù)期互動(dòng)性量表。

感知互動(dòng)性是指用戶在與某旅游App互動(dòng)過(guò)程中體驗(yàn)到的心理狀態(tài)。綜合借鑒Song和Zinkhan、Lee等、Chu和Yuan對(duì)網(wǎng)站感知互動(dòng)性的測(cè)量[12，36-37]，基于可控性、響應(yīng)性和個(gè)性化3個(gè)維度，設(shè)計(jì)出旅游App感知互動(dòng)性量表。

流體驗(yàn)是指某旅游App用戶以完全卷入的方式采取行動(dòng)所體驗(yàn)到的整體感受，而購(gòu)買(mǎi)意向是指用戶對(duì)購(gòu)買(mǎi)某旅游App推薦產(chǎn)品可能性的評(píng)價(jià)。流體驗(yàn)與購(gòu)買(mǎi)意向量表來(lái)源于Kim和Han研究智能手機(jī)網(wǎng)站廣告時(shí)使用的量表[38]。

滿意是指某旅游App用戶通過(guò)對(duì)比預(yù)期與實(shí)際感知后得到的情感狀態(tài)，而粘性是指用戶經(jīng)常使用某旅游App或延長(zhǎng)持續(xù)停留時(shí)間的意愿。根據(jù)Gao及其合作者研究中使用的量表[19，29]，測(cè)評(píng)旅游App用戶滿意與粘性。

3.2 數(shù)據(jù)收集

關(guān)于樣本量，社會(huì)科學(xué)研究所需樣本量應(yīng)大于預(yù)測(cè)因子數(shù)的15倍[29]。本模型中有6個(gè)預(yù)測(cè)因子，所以樣本量至少要達(dá)到90。此外，結(jié)構(gòu)方程模型法要求樣本量必須超過(guò)200[39]。因此，本文設(shè)定的最小樣本量為200。

本研究委托國(guó)內(nèi)專(zhuān)業(yè)的在線調(diào)查公司（問(wèn)卷星）在其樣本庫(kù)中進(jìn)行隨機(jī)抽樣調(diào)查。問(wèn)卷星有超過(guò)260萬(wàn)樣本庫(kù)成員，其樣本服務(wù)已得到知名高校與企業(yè)的信賴(lài)，如北京大學(xué)、神戶大學(xué)、阿里巴巴、奔馳等。在具體執(zhí)行時(shí)，以智能手機(jī)用戶為調(diào)研對(duì)象，只有那些安裝并使用過(guò)旅游App的用戶才能填答問(wèn)卷，要求選出最近一次使用的旅游App，并對(duì)與該旅游App直接相關(guān)的問(wèn)題給予評(píng)價(jià)。據(jù)此，2016年5月16日至21日，問(wèn)卷星隨機(jī)發(fā)放并回收答卷293份。剔除答題時(shí)間過(guò)長(zhǎng)/過(guò)短以及前后不一致等無(wú)效問(wèn)卷，共得到有效答卷211份，有效率為72%，滿足上述提及的最小樣本量要求。

在被調(diào)查者中，45.97%的是男性；年齡主要集中于26至40歲（85.78%）；絕大多數(shù)擁有本科學(xué)歷（78.20%）；過(guò)半工作類(lèi)型為公司職員（65.40%）；月收入處于4000～6000元、6001～8000元、8001～10000元的占比，依次為27.01%、23.22%、26.54%；年旅游消費(fèi)支出額超5000元的占比最高，為44.55%，其次為4001～5000元（29.86%）；過(guò)去一年旅游次數(shù)為2次（29.86%）和3次（23.22%）的居多；最近一次使用旅游App排列前三的依次為攜程旅行（35.07%）、去哪兒旅行（18.48%）和途牛旅游（15.17%）。

3.3 分析方法

為統(tǒng)計(jì)檢驗(yàn)結(jié)構(gòu)方程模型，研究者通常會(huì)采用兩種方法：基于協(xié)方差分析法與基于方差偏最小二乘法。首先，前者要求大樣本且數(shù)據(jù)至少要服從近似正態(tài)分布，但后者對(duì)這兩點(diǎn)都不十分敏感[40]。其次，后者比前者更適用于理論發(fā)展與探索性調(diào)查[41]。最后，后者比前者有更強(qiáng)的統(tǒng)計(jì)功效，尤其是針對(duì)小樣本[42]?；谶@些差異，本文將使用基于方差偏最小二乘法。一方面是因?yàn)楸疚氖占臄?shù)據(jù)相對(duì)較少且很難服從多元正態(tài)分布，另一方面是因?yàn)楸狙芯磕康氖瞧饰雎糜蜛pp互動(dòng)性如何影響用戶粘性與購(gòu)買(mǎi)意向，這是對(duì)已有理論的發(fā)展。此外，分析軟件使用SmartPLS 2.0。

4 數(shù)據(jù)分析

4.1 測(cè)量模型分析

根據(jù)Henseler等提出的標(biāo)準(zhǔn)[43]，對(duì)測(cè)量模型的信度（指標(biāo)信度和內(nèi)部一致性信度）與效度（收斂效度和判別效度）進(jìn)行評(píng)價(jià)。

從表1可知，所有觀測(cè)指標(biāo)的載荷系數(shù)都大于0.7，并都在0.001水平下顯著。這表明指標(biāo)信度是令人滿意的[44]。此外，各變量的Cronbachs α均在0.8以上。同時(shí)，組合信度（CR）的最小值為0.879。為此，內(nèi)部一致性信度都達(dá)到標(biāo)準(zhǔn)[45]。最后，平均方差萃取量（AVE）都超過(guò)臨界值0.5（AVEmin=0.569）?？梢?jiàn)，量表具有較好的收斂效度[46]。

判別效度檢驗(yàn)?zāi)康脑谟诮沂靖髯兞恐g的差異程度。本文采用Fornell和Larcker給出的標(biāo)準(zhǔn)[46]，即要求AVE算術(shù)平方根要大于變量之間相關(guān)系數(shù)絕對(duì)值。從表2可知，對(duì)角線上的AVE算術(shù)平方根都大于對(duì)角線左下方的相關(guān)系數(shù)值，說(shuō)明判別效度滿足要求。

4.2 結(jié)構(gòu)模型分析

在SmartPLS 2.0中，設(shè)定211個(gè)樣本，5000次抽樣，執(zhí)行非參數(shù)Bootstrapping檢驗(yàn)，得到直接效應(yīng)與總效應(yīng)及其顯著性水平。

從擬合效果看，內(nèi)生變量感知互動(dòng)性、流體驗(yàn)、用戶滿意、用戶粘性與購(gòu)買(mǎi)意向的R2依次為26.5%、47.9%、60.8%、65.3%、26.5%。顯然，這些R2都大于臨界值0.1[47]，表明數(shù)據(jù)與模型的擬合度高，模型具有較好的預(yù)測(cè)力。

從直接效應(yīng)看，預(yù)期互動(dòng)性對(duì)感知互動(dòng)性有積極的影響（β = 0.514，p < 0.001），但它不會(huì)直接影響用戶滿意（β = 0.003，n.s.），而會(huì)通過(guò)感知互動(dòng)性的傳遞才能發(fā)揮作用。感知互動(dòng)性不僅會(huì)直接正向影響用戶滿意（β = 0.433，p < 0.001），而且還會(huì)通過(guò)流體驗(yàn)間接作用于用戶滿意，即感知互動(dòng)性先影響流體驗(yàn)（β=0.692，p<0.001），繼而流體驗(yàn)再影響用戶滿意（β=0.413，p<0.001）。此外，流體驗(yàn)還會(huì)正向影響用戶粘性（β=0.432，p<0.001）和購(gòu)買(mǎi)意向（β=0.265，p<0.001）。用戶滿意也會(huì)正向影響用戶粘性（β=0.441，p<0.001）和購(gòu)買(mǎi)意向（β=0.261，p<0.001）。用戶粘性會(huì)提高購(gòu)買(mǎi)意向（β=0.319，p<0.001）。邏輯關(guān)系見(jiàn)圖2。

從總效應(yīng)看，感知互動(dòng)性對(duì)流體驗(yàn)的影響強(qiáng)于預(yù)期互動(dòng)性（0.692>0.356）。用戶滿意影響因素對(duì)其作用強(qiáng)度從大到小依次為感知互動(dòng)性、流體驗(yàn)與預(yù)期互動(dòng)性（0.719>0.413>0.373）。感知互動(dòng)性（0.616）和流體驗(yàn)（0.614）對(duì)用戶粘性的影響差異不大，但它們都強(qiáng)于預(yù)期互動(dòng)性（0.318）和用戶滿意（0.441）。按照總效應(yīng)從大到小排序，影響購(gòu)買(mǎi)意向的因素依次為流體驗(yàn)、感知互動(dòng)性、用戶滿意、用戶粘性與預(yù)期互動(dòng)性（0.569>0.567>0.401>0.319>0.293）。

5 討論

5.1 主要結(jié)論

基于“信念→態(tài)度→行為”框架，本文對(duì)互動(dòng)性理論與流體驗(yàn)理論進(jìn)行整合，構(gòu)建并檢驗(yàn)旅游App互動(dòng)性影響用戶粘性/購(gòu)買(mǎi)意向的路徑模型，研究發(fā)現(xiàn)除預(yù)期互動(dòng)性不會(huì)直接影響用戶滿意之外，其他所有路徑關(guān)系均在0.001水平上顯著。具體來(lái)看：預(yù)期互動(dòng)性會(huì)正向影響感知互動(dòng)性，但對(duì)用戶滿意沒(méi)有直接影響；感知互動(dòng)性不僅會(huì)直接影響而且還會(huì)通過(guò)流體驗(yàn)間接作用于用戶滿意；流體驗(yàn)和用戶滿意不僅會(huì)直接影響而且還會(huì)通過(guò)用戶粘性間接影響購(gòu)買(mǎi)意向；感知互動(dòng)性和流體驗(yàn)對(duì)用戶粘性與購(gòu)買(mǎi)意向影響的總效應(yīng)都很強(qiáng)。

此外，預(yù)期互動(dòng)性之所以不會(huì)直接影響用戶滿意，可能是因?yàn)槠谕灰恢屡c一致性原則兩種相對(duì)立機(jī)制同時(shí)在起作用。具體來(lái)看，期望不一致機(jī)制認(rèn)為預(yù)期互動(dòng)性與用戶滿意負(fù)相關(guān)，而一致性原則卻認(rèn)為預(yù)期互動(dòng)性與用戶滿意正相關(guān)。當(dāng)上述兩種機(jī)制下的正負(fù)效應(yīng)強(qiáng)度相差不大時(shí)，預(yù)期互動(dòng)性與用戶滿意的直接關(guān)系就會(huì)不顯著。S?derlund指出消費(fèi)者對(duì)高/低熟悉服務(wù)有不同的評(píng)價(jià)框架，即當(dāng)高熟悉服務(wù)時(shí)，他們更傾向于采用期望不一致評(píng)價(jià)機(jī)制，反之，當(dāng)?shù)褪煜し?wù)時(shí)，他們更傾向于一致性原則評(píng)價(jià)機(jī)制[48]。由此，我們可以推測(cè)，在當(dāng)前階段，用戶對(duì)旅游App互動(dòng)性的預(yù)期處在中等水平，所以上述兩種對(duì)立機(jī)制都起作用但相互抵消。

5.2 理論貢獻(xiàn)

本文首次從互動(dòng)性視角對(duì)旅游App用戶粘性與購(gòu)買(mǎi)意向的形成機(jī)制進(jìn)行探索，研究發(fā)現(xiàn)具有重要的理論貢獻(xiàn)，主要體現(xiàn)在下述三點(diǎn)：

首先，使用互動(dòng)性理論研究旅游App使用行為。以往互動(dòng)性研究多關(guān)注網(wǎng)站互動(dòng)性，但卻較少探究旅游App等新媒體的互動(dòng)性。另外，學(xué)者們對(duì)旅游App使用行為研究依然不夠，已有文獻(xiàn)主要是基于計(jì)劃行為理論與技術(shù)接受模型來(lái)建構(gòu)理論解釋[3-4]，但并未剖析旅游App特征（如互動(dòng)性）對(duì)其使用行為的影響。為此，本文以預(yù)期/感知互動(dòng)性為起點(diǎn)以揭示其對(duì)旅游App用戶粘性與購(gòu)買(mǎi)意向的影響，有助于拓展互動(dòng)性理論的應(yīng)用范圍，也為解釋旅游App使用行為提供新的視角。

其次，檢驗(yàn)預(yù)期與感知互動(dòng)性的關(guān)系及其影響。雖然有關(guān)感知互動(dòng)性的研究成果十分豐富，也有學(xué)者提及預(yù)期互動(dòng)性會(huì)影響感知互動(dòng)性[8]，但是對(duì)于二者關(guān)系及其影響的實(shí)證研究卻非常少見(jiàn)。本研究發(fā)現(xiàn)預(yù)期互動(dòng)性確實(shí)會(huì)提高感知互動(dòng)性，但二者對(duì)后續(xù)評(píng)價(jià)的影響卻存在差異，如預(yù)期互動(dòng)性只會(huì)通過(guò)感知互動(dòng)性間接作用于滿意度。這不同于Sohn等提出的觀點(diǎn)[7-8]。他們認(rèn)為預(yù)期互動(dòng)性屬于蓄意預(yù)期，它對(duì)評(píng)價(jià)的影響適用于一致性原則，即預(yù)期互動(dòng)性會(huì)提高滿意度。本研究中二者的直接關(guān)系不顯著，也就是說(shuō)，期望不一致與一致性原則兩種對(duì)立機(jī)制同時(shí)存在且強(qiáng)度相當(dāng)，豐富了互動(dòng)性理論。

最后，選取用戶粘性與購(gòu)買(mǎi)意向?yàn)樾袨樽兞俊，F(xiàn)有旅游App研究者只停留于探究用戶的下載使用意愿的形成機(jī)制[3-4]，而并未剖析用戶粘性與購(gòu)買(mǎi)意向的形成機(jī)制。其實(shí)，后者研究結(jié)論對(duì)用戶保留及流量變現(xiàn)的指導(dǎo)意義會(huì)更大。本文在區(qū)分預(yù)期與感知互動(dòng)性的基礎(chǔ)上，提取出流體驗(yàn)和用戶滿意兩個(gè)中間變量，檢驗(yàn)它們對(duì)用戶粘性與購(gòu)買(mǎi)意向的影響。本研究發(fā)現(xiàn)除預(yù)期與感知互動(dòng)性之間的路徑關(guān)系不顯著之外，其他變量之間的路徑關(guān)系均得到驗(yàn)證。同時(shí)，還發(fā)現(xiàn)感知互動(dòng)性與流體驗(yàn)在提高用戶滿意、粘性與購(gòu)買(mǎi)意向上發(fā)揮著重要作用。這些結(jié)論有力推動(dòng)了旅游App使用行為理論的發(fā)展。

5.3 實(shí)踐啟示

本研究結(jié)論對(duì)旅游App管理者從互動(dòng)性角度維系用戶關(guān)系以及實(shí)現(xiàn)流量變現(xiàn)有重要的實(shí)踐啟示。

首先，時(shí)刻關(guān)注用戶對(duì)互動(dòng)性的預(yù)期。本研究表明旅游App互動(dòng)性預(yù)期會(huì)影響用戶對(duì)旅游App的態(tài)度與行為。具體來(lái)看，預(yù)期互動(dòng)性會(huì)通過(guò)感知互動(dòng)性和流體驗(yàn)間接作用于用戶滿意，繼而流體驗(yàn)和用戶滿意不僅會(huì)直接影響購(gòu)買(mǎi)意向，而且還會(huì)通過(guò)用戶粘性間接作用于購(gòu)買(mǎi)意向。從總效應(yīng)表可知，預(yù)期互動(dòng)性對(duì)用戶滿意、粘性與購(gòu)買(mǎi)意向的作用強(qiáng)度都在0.3左右，即預(yù)期互動(dòng)性變化1個(gè)單位，用戶滿意、粘性與購(gòu)買(mǎi)意向會(huì)相應(yīng)地變化0.3個(gè)單位。據(jù)此，營(yíng)銷(xiāo)人員通過(guò)廣告、事件與體驗(yàn)等多種促銷(xiāo)方式，可以適度提高用戶對(duì)旅游App互動(dòng)性的預(yù)期，這將有助于提高用戶滿意、粘性與購(gòu)買(mǎi)意向。然而，隨著時(shí)間的推移，用戶會(huì)越來(lái)越熟悉旅游App，期望不一致機(jī)制會(huì)起主導(dǎo)作用[48]，這時(shí)提高互動(dòng)性預(yù)期反而會(huì)帶來(lái)消極影響，即會(huì)降低用戶滿意、粘性與購(gòu)買(mǎi)意向。因而，營(yíng)銷(xiāo)人員在制定促銷(xiāo)方案時(shí)，要正確理解互動(dòng)性預(yù)期水平。

其次，著力強(qiáng)化旅游App互動(dòng)性體驗(yàn)。相比預(yù)期互動(dòng)性，旅游App感知互動(dòng)性在提高用戶滿意、粘性與購(gòu)買(mǎi)意向上起著更為重要的作用。另外，本研究還發(fā)現(xiàn)感知互動(dòng)性會(huì)正向影響流體驗(yàn)，而流體驗(yàn)又會(huì)正向影響用戶滿意、粘性與購(gòu)買(mǎi)意向，這些作用強(qiáng)度并不比感知互動(dòng)性的弱。為此，運(yùn)營(yíng)方需要對(duì)旅游App進(jìn)行優(yōu)化設(shè)計(jì)，從而使得用戶的互動(dòng)性體驗(yàn)更好，最終促使他們進(jìn)入流體驗(yàn)狀態(tài)。他們可以從可控性、響應(yīng)性與個(gè)性化3方面下足功夫。比如，依據(jù)用戶需求與習(xí)慣，優(yōu)化頁(yè)面布局與導(dǎo)航系統(tǒng)，使得用戶能快速找到想要的信息；關(guān)注軟件的運(yùn)行速度與反饋機(jī)制，要確保用戶的輸入能得到快速有效的回應(yīng)；基于用戶使用行為數(shù)據(jù)，對(duì)界面與內(nèi)容等盡量做到個(gè)性化與定制化。值得注意的是，不能盲目在旅游App上增加互動(dòng)性特征或功能，因?yàn)椴⒉皇腔?dòng)性特征或功能越多，用戶的互動(dòng)性體驗(yàn)就越好，這取決于是否使用以及使用的效果[12]。

5.4 不足與展望

本研究還存在一些不足，為未來(lái)探索提供了空間。首先，樣本量相對(duì)較少，可以增加樣本量以再次檢驗(yàn)?zāi)Ｐ?。其次，預(yù)期與感知互動(dòng)性之間的關(guān)系不顯著，或許是由于調(diào)節(jié)變量的干擾，所以建議從文獻(xiàn)中提取熟悉度等變量以揭示調(diào)節(jié)效應(yīng)。再次，采用問(wèn)卷調(diào)查法獲得的截面數(shù)據(jù)不能有效驗(yàn)證變量之間的因果關(guān)系。在條件允許的情況下，可以開(kāi)展縱向研究。最后，將預(yù)期與感知互動(dòng)性以及流體驗(yàn)視作為單維構(gòu)念進(jìn)行測(cè)量。其實(shí)，它們?cè)诤芏嘌芯恐幸脖唤缍槎嗑S構(gòu)念，所以可以剖析不同維度之間的差異化關(guān)系。

參考文獻(xiàn)（References）

[1] CNNIC. The 37th China Internet Network Development Statistics Reporting[EB/OL]. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/ 201601/P020160122444930951954.pdf. [中國(guó)互聯(lián)網(wǎng)信息中心. 第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL]. http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201601/P02016012244493095195 4.pdf.]

[2] Ctcnn.com. The downloads TOP10 of domestic booking tourism Apps in February 2016[EB/OL]. http：// www.ctcnn.com/html/2016-03-18/17934958.html. [勁旅網(wǎng). 2016年2月國(guó)內(nèi)預(yù)訂類(lèi)旅游App下載量TOP10 [EB /OL]. http：//www.ctcnn.com/html/2016-03-18/17934958.html.]

[3] Chang I， Chou P， Yeh R K， et al. Factors influencing Chinese tourists intentions to use the Taiwan medical travel App[J]. Telematics and Informatics， 2016， 33（2）： 401-409.

[4] Li Donghe， Zhang Luxu. Model of influential factors for downloading and using tourism apps based on a technology acceptance model[J]. Tourism Tribune， 2015， 30（8）： 26-34. [李東和， 張鷺旭. 基于TAM的旅游App下載使用行為影響因素研究[J].旅游學(xué)刊，2015，30（8）：26-34.]

[5] Morosan C， DeFranco A. Disclosing personal information via hotel apps： A privacy calculus perspective[J]. International Journal of Hospitality Management， 2015， 47（7）： 120-130.

[6] Cho C， Cheon H J. Cross-cultural comparisons of interactivity on corporate web sites： The United States， the United Kingdom， Japan， and South Korea[J]. Journal of Advertising， 2005， 34（5）： 99-115.

[7] Sohn D， Ci C， Lee B. The Moderating effects of expectation on the patterns of the interactivity-attitude relationship[J]. Journal of Advertising， 2007， 36（3）： 109-119.

[8] Sohn D， Choi S M. Measuring expected interactivity： Scale development and validation[J]. New Media & Society， 2013， 16（5）： 1-15.

[9] Newhagen J E， Cordes J W， Levy M R. Audience scope and the perception of interactivity in viewer mail on the Internet[J]. Journal of Communication， 1995， 45（3）： 164-175.

[10] Mcmillan S J. Interactivity is in the eye of the beholder： Function， perception， involvement， and attitude toward the web site[C]. Proceedings of the Conference-American Academy of Advertising， 2000： 71-78.

[11] Wu G. Conceptualizing and measuring the perceived interactivity of websites[J]. Journal of Current Issues & Research in Advertising， 2006， 28（1）： 87-104.

[12] Song J H， Zinkhan G M. Determinants of perceived web site interactivity[J]. Journal of Marketing， 2008， 72（2）： 99-113.

[13] Kim J， Spielmann N， Mcmillan S J. Experience effects on interactivity： Functions， processes， and perceptions[J]. Journal of Business Research，2012， 65（11）： 1543-1550.

[14] Coursaris C K， Sung J. Antecedents and consequents of a mobile websites interactivity[J]. New Media & Society， 2012， 14（7）： 1128-1146.

[15] Cyr D， Head M， Ivanov A. Perceived interactivity leading to eloyalty： Development of a model for cognitive–affective user responses[J]. International Journal of Human-Computer Studies， 2009， 67（10）： 850-869.

[16] Park M， Park J. Exploring the influences of perceived interactivity on consumers e-shopping effectiveness[J]. Journal of Customer Behavior， 2009， 8（4）： 361-379.

[17] Yoo W， Lee Y， Park J. The role of interactivity in e-tailing： Creating value and increasing satisfaction[J]. Journal of Retailing and Consumer Services， 2010， 17（2）： 89-96.

[18] van Noort G， Voorveld H A M， van Reijmersdal E A. Interactivity in brand web sites： Cognitive， affective， and behavioral responses explained by consumers online flow experience[J]. Journal of Interactive Marketing， 2012， 26（4）： 223-234.

[19] Gao L， Bai X， Park A T. Understanding sustained participation in virtual travel communities from the perspectives of is success model and flow theory[J]. Journal of Hospitality & Tourism Research， 2014， 38（4）：1-35.

[20] Xu Xianying， Ma Qinhai. Research on the relationships among expectation， perceived service quality and customer satisfaction[J]. Forecasting， 2011， 30（4）： 14-19. [徐嫻英， 馬欽海. 期望與感知服務(wù)質(zhì)量、顧客滿意的關(guān)系研究[J].預(yù)測(cè)，2011，30（4）： 14-19.]

[21] Zhao L， Lu Y. Enhancing perceived interactivity through network externalities： An empirical study on micro-blogging service satisfaction and continuance intention[J]. Decision Support Systems， 2012， 53（4）： 825-834.

[22] Yoo C W， Kim Y J， Sanders G L. The impact of interactivity of electronic word of mouth systems and E-Quality on decision support in the context of the e-market place[J]. Information & Management， 2015， 52（4）： 496-505.

[23] Wang L C， Hsiao D F. Antecedents of flow in retail store shopping[J]. Journal of Retailing and Consumer Services， 2012， 19（4）： 381-389.

[24] Zhang H， Lu Y， Gupta S， et al. What motivates customers to participate in social commerce？ The impact of technological environments and virtual customer experiences[J].Information & Management， 2014， 51（8）： 1017-1030.

[25] Hoffman D L， Novak T P. Flow online： Lessons learned and future prospects[J]. Journal of Interactive Marketing， 2009， 23（1）： 23-34.

[26] O'Cass A， Carlson J. Examining the effects of website-induced flow in professional sporting team websites[J]. Internet Research， 2010， 20（2）： 115-134.

[27] Zhou T. An empirical examination of continuance intention of mobile payment services[J]. Decision Support Systems， 2013， 54（2）： 1085-1091.

[28] Lee K C， Kang I， McKnight D H. Transfer from offline trust to key online perceptions： An empirical study[J]. IEEE Transactions on Engineering Management， 2007， 54（4）： 729-741.

[29] Gao L， Waechter K A， Bai X. Understanding consumers continuance intention towards mobile purchase： A theoretical framework and empirical study： A case of China[J]. Computers in Human Behavior， 2015， 53（6）： 249-262.

[30] Richard M O， Chandra R. A model of consumer web navigational behavior： Conceptual development and application[J]. Journal of Business Research， 2005， 58（8）： 1019-1029.

[31] Zhou T. An empirical examination of continuance intention of mobile payment services[J]. Decision Support Systems， 2013， 54（2）： 1085-1091.

[32] Elliot S， Li G， Choi C. Understanding service quality in a virtual travel community environment[J]. Journal of Business Research， 2013， 66（8）： 1153-1160.

[33] Li G， Elliot S， Choi C. Electronic word-of-mouth in B2C virtual communities： An empirical study from Ctrip. com[J]. Journal of Global Academy of Marketing， 2010， 20（3）： 262-268.

[34] Ha S， Stoel L. Online apparel retailing： Roles of e-shopping quality and experiential e-shopping motives[J]. Journal of Service Management，2012， 23（2）： 197-215.

[35] Chen Ye， Yi Liusu， He Chuan，et al. Tourism website stickiness and its impact factors： Based on the dual system cognitive process theory[J]. Tourism Tribune， 2016， 31（2）： 53-63. [陳曄， 易柳夙， 何釧， 等. 旅游網(wǎng)站的粘性及其影響因素——基于雙系統(tǒng)認(rèn)知理論[J].旅游學(xué)刊，2016，31（2）：53-63.]

[36] Lee D， Moon J， Kim Y J. Antecedents and consequences of mobile phone usability： Linking simplicity and interactivity to satisfaction， trust， and brand loyalty[J]. Information & Management， 2015， 52（3）： 295-304.

[37] Chu K， Yuan B J C. The effects of perceived interactivity on e-trust and e-consumer behaviors： The application of fuzzy linguistic scale[J]. Journal of Electronic Commerce Research， 2013， 14（1）： 124-136.

[38] Kim Y J， Han J. Why smartphone advertising attracts customers： A model of web advertising， flow， and personalization[J]. Computers in Human Behavior， 2014， 33（9）： 256-269.

[39] Hoelter J W. The analysis of covariance structures goodness-of-fit indices[J]. Sociological Methods & Research， 1983， 11（3）： 325-344.

[40] Chin W W， Marcolin B L， Newsted P R. A partial least squares latent variable modeling approach for measuring interaction effects： Results from a Monte Carlo simulation study and an electronic-mail emotion/adoption study[J]. Information Systems Research， 2003， 14（2）： 189-217.

[41] Barclay D， Higgins C， Thompson R. The partial least squares （PLS） approach to causal modeling： Personal computer adoption and use as an illustration[J]. Technology Studies， 1995， 2（2）： 285-309.

[42] Lu I R R， Kwan E， Thomas D R， et al. Two new methods for estimating structural equation models： An illustration and a comparison with two established methods[J]. International Journal of Research in Marketing， 2011， 28（3）： 258-268.

[43] Henseler J， Ringle C M， Sinkovics R R. The use of partial least squares path modeling in international marketing[J]. Advances in International Marketing， 2009， 20（1）： 277-319.

[44] Bagozzi R P， Yi Y， Phillips L W. Assessing construct validity in organizational research[J]. Administrative Science Quarterly， 1991， 36（1）： 421-458.

[45] Bagozzi R P， Yi Y. On the evaluation of structural equation models[J]. Journal of the Academy of Marketing Science， 1988， 16（1）： 74-94.

[46] Fornell C， Larcker D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research， 1981， 18（1）： 39-50.

[47] Lew Y K， Sinkovics R R. Crossing borders and industry sectors： Behavioral governance in strategic alliances and product innovation for competitive advantage[J]. Long Range Planning， 2013， 46（1）： 13-38.

[48] S?derlund M. Customer familiarity and its effects on satisfaction and behavioral intentions[J]. Psychology & Marketing， 2002， 19（10）： 861-879.