SNS采纳后阶段用户持续使用行为研究型

曹园园+李君君+秦星红

〔摘要〕SNS采纳后阶段的持续使用行为是SNS成功的关键，本研究提出情感依恋在用户持续使用意向形成过程中起关键性作用，用户的持续使用意向将受到情感与认知的双重作用。在整合ECM-ISC模型以及情感依恋相关理论、依恋强度ARC模型、情感扩建相关理论的基础上，构建了概念模型，以微信朋友圈经验用户为调研对象，进行了实证研究。研究结果表明：改进后的模型具有更高的解释力，感知有用性、满意和情感依恋对持续使用意向有显著影响，并间接影响用户的持续使用行为。用户关联、能力以及自主需求的满足会促使用户产生情感依恋并在情感扩大机制的作用下促使用户产生持续使用意向，同时满意度对于情感依恋也具有显著的正向作用。

〔关键词〕社会化网络网站；SNS；用户；持续使用行为；情感依恋；ECM-IS

〔Abstract〕Continued usage is important for the success of SNS in the postadoption phase.This study proposed that emotional attachment play a critical role in the formation process of users continuance intention.Continuous usage intention of users would be subject to dual role of emotion and cognition.Integrating the ECM-ISC model，emotional attachment theory，ARC model of attachment strength and emotional expansion theory，the conceptual model is constructed.Taking WeChat experienced user as the research object，the empirical research is carried on.The main conclusions are listed：Perceived Usefulness，Satisfaction and Emotional attachment positively influence continued usage intention and indirectly influence continued behavior.The fulfillment of users requirements of autonomy needing，relatedness needing and competence needing had significant positive effect on the emotional attachment strength.Under the effect of emotional expanding mechanism，emotional attachment prompted the users continuous intention.Satisfaction positively influenced the emotional attachment.

〔Key words〕social network sit；SNS；user；continued usage；emotional attachment；ECM-IS

自2005年，默多克买下Myspace开始，社会化网络网站（SNS，Social Network Sit）得到了快速发展，其在信息资源、社会联系和企业营销中的重要作用得到了企业界和学术界的广泛关注。据中国互联网信息中心（CNNIC）统计，2008-2010年期间，中国社交网站发展迅猛。2010年，SNS用户在网民中的渗透率达到历史高点514%。而自2011年起，SNS的网民渗透率进入徘徊期。大部分SNS网站的用户参与度出现了明显下降。从运营者角度而言，SNS的持续发展需要有持续增长的社会关系、用户访问流量以及用户创造内容的积累[2]。因此，如何扩大用户规模，激发用户的持续参与和使用行为是SNS网站发展的关键。

心理学家认为人的行为意愿受到认知和情感的共同作用，Piaget最早提出了认知和情感的关系，并指出两者作为一个整体相互联系[3]。后有学者Gray通过实验研究证明了这一观点，认为认知和情感能够共同、同等的控制个体行为。有时情感对意图的影响甚至要大于认知对意图的影响[4]。Limayem（2003）提出情感对用户信息系统使用行为有直接影响[5]。对于情感的研究能够加强我们对信息系统使用行为的理解。同时针对本文的研究对象SNS，它属于享乐型信息系统，用户多用于维护和扩展社交网络、信息分享和休闲娱乐。与工具型信息系统相比，影响用户持续使用的因素有其独特性，其中情感因素会对用户产生较大的影响。技术接受模型（TAM）、期望证实模型（ECM-IS）等经典模型大多基于理性认知假设，在解释享乐型信息系统持续使用行为时，存在解释力不足等问题。后虽有学者将TAM应用于SNS用户行为研究时，认为该模型主要考虑理性因素作用，对模型进行了拓展，又加入了感知趣味性[6]、感知愉悦性等情感变量。但这些变量未能从根本上解释SNS与用户的长期情感联结机制。情感依恋理论作为解释亲密关系的最优框架（Hazan & Shaver，1987）近年来得到了学术界的重视[8]。情感依恋与行为倾向高度相关，且具有意动特征。Bowlby曾明确指出，情感依恋的关键特征是具有强烈的动机和行为倾向性[9]。强烈的情感会促发消费者倾注更多时间和精力[0]。因此，本文将整合ECM-IS与情感依恋相关理论，从认知与情感的双重视角对用户的SNS持续使用行为进行分析，以期得到不同以往更有力的理论解释。

理论回顾

11情感依恋理论

依恋是一个心理学构念，其研究最初源于英国心理学家Bowlby（1969）对亲子关系领域的研究]。Bowlby认为，依恋是婴儿与母亲或照看者之间形成的一种特殊的情感纽带关系。依恋具有亲近依恋对象、当受到外界威胁或害怕时，向依恋对象寻求慰藉和安全、将依恋对象视为可靠基地，与依恋对象分离时，会产生紧张和焦虑感等特征。

随着研究的深入，其研究对象逐步从人际依恋出发，先后拓展到人对所有物的依恋、地方依恋、产品依恋和品牌依恋等领域。其中，Hidalgo等（2001）[2]在对母婴依恋概念特征分析的基础上，发展了环境心理学的地点依恋概念，指出地点依恋是指：“个人与特定地点之间的积极情感纽带，其主要特征是个人表现出与该地点的接近倾向”。该定义中除了强调依恋的情感成份，还突出了行为意向。20世纪80年代后，地方依恋的相关研究扩展到休闲科学领域，研究游憩者对地方的依恋与行为。如：对野外游憩活动的研究（Williams，1992）[3]，对森林步道的研究（Moore & Graefe，1994）等[4]。其研究的主要结论是人与地方的情感联结，人们在依恋地时会体验到愉悦、安全以及舒适等正向情感，而当离开依恋地后会产生失望、悲伤等负向情感。

依恋行为系统内化于个体之中，具有跨越现实与虚拟情境的稳定性。虚拟空间使用者也会与其所处空间进行互动，进而产生记忆、直觉和归属感，并形成虚拟地点依恋，并在其作用下促使使用者重返该空间[5]。一些学者进一步将依恋理论引入到信息系统和互联网领域。国内学者赵欣等（2012）[6]从情感依恋的视角提出了因参与者对虚拟社区依恋而导致长期使用行为这一新论点，并借鉴心理学研究成果，按照“从需求满足到依恋形成，再到持续使用行为倾向”的研究思路，尝试构建了虚拟社区持续使用概念模型。但可惜的是该研究只是停留在理论推理阶段，并未进行相应的实证研究。

依恋强度ARC模型与情感扩建理论

心理学家La Guardia（2000）等人提出了用于解释消费者情感依恋形成的ARC模型，该模型认为：若某对象能够满足人们自主（Autonomy）、关联（Relatedness）和发展能力（Competence）的需要，人们就会对该对象形成较强的情感依恋。自主、关联和发展能力这3种需求与人类大多数需要不同的是：他们是普遍、固有和持久的。其中自主需求是指个人在行动过程中对自我选择、自我控制等的追求；关联需求是指个人希望与他人或某一社会群体形成亲密关系，并在其中获得理解、支持和关爱的追求；能力需要是指个人在参与或完成行动过程中对获得成就感、胜任感和能力提升感等方面的追求。Thomson（2006）[8]将ARC理论引入营销情境中研究品牌依恋，实证结果发现，除能力需求外，自主和关联需求的满足程度直接影响消费者品牌依恋的强度。本研究将应用ARC模型具体研究SNS环境下用户情感依恋形成的路径，进一步验证该理论的普适性。

Fredrickson于1998年提出情感扩大和建设理论，阐明了情感作用机理。其中扩大机制（Broaden Mechanism），即情感瞬时激发个体联想，促进创造性思维，扩大行动指令系统和可选择行为范围。依恋情感可以激发使用者的积极体验联想，使其大脑在短时间内处于一种愉悦和充满灵感的状态，进而促使其创造性的使用虚拟社区，扩大使用者非理性的参与频率和质量[6，19]。

13信息系统持续使用行为研究脉络

在“以用户为中心”理念和网络技术高速发展的推动下，用户持续使用行为研究成为近年来国内外信息系统用户行为研究领域的热点问题。按照用户使用信息系统的次数，可将用户的使用行为分为采纳行为和持续使用行为。采纳行为是信息系统成功的第一步，持续使用行为是信息系统成功的关键。从理论视角来看，随着各界学者对信息系统用户使用行为研究的深入相继提出了一系列的经典模型。1989年，Davis在社会心理学、特别是理性行为理论的基础上提出了技术接受模型（Technology Acceptance Model，TAM）[20]，TAM模型是信息技术采纳研究中最具代表性的经典模型之一，该模型将用户采纳信息系统影响因素简洁的概括为感知易用性、感知有用性、态度、使用意图和实际使用等，并对这些因素之间的逻辑关系进行了阐述。后有学者在TAM模型的基础上几经扩展和修订，提出了TAM2、UTAUT等模型。这些模型被广泛的应用到各技术领域的采纳行为研究中，用以解释和预测影响用户采纳行为的影响因素，以及信念、态度、意图和行为之间的微观驱动关系[21-23]。

21世纪初期，以Bhattacherjee，A为首的学者提出信息系统的持续使用是信息系统成功的关键，信息系统的持续使用行为与消费者的重复购买行为存在相似性，用户都会基于消费或使用的满意度来与之前的期望进行比较，进而判断是否产生后续的持续使用行为。Bhattacherjee最早突破采纳理论的研究框架，在期望确认理论（Expectation Confirmation Theroy，ECT）的基础上构建了ECM-ISC（Expectation Confirmaiton Model of IS Continuance）模型，并以银行为背景进行了实证检验[24]。ECM-ISC模型的突出贡献在于：首先，将关注的重点放在采纳后阶段，突破了TAM模型无法解释的用户采纳后未持续使用的前后不一致现象。其次，将系统满意度、期望确认程度等变量扩充到模型中，以丰富持续使用研究[25-26]。其中满意度强调一种情感状态，与用户对系统的预期评价相关。低预期或高表现都会导致较高的期望确认度，进而影响用户的满意度和使用意图。第三，提出用户期望会随着用户的使用产生变化，并在采纳前后两阶段均对用户行为产生影响，从而弥补了ECT理论忽视用户期望在采纳后会改变的不足。

Limayem在ECM-ISC模型的基础上，将因变量扩展到持续使用行为上[27]。之后，Bhattacherjee，A（2008）对ECM-ISC模型进行了扩展[28]，提出将研究的终点定位在预测意图上是不合适的，且对于技术采纳行为而言，如果用户缺少足够的系统资源或使用技巧，仅仅依靠采纳意图还无法转化为实际的行为，因此引入了感知行为控制理论（Perceived Behaviors Control，PBC），在原有模型的基础上加入了促成因素和自我功效变量，从而得到了扩展的持续使用理论模型，增强了模型解释力。该理论被广泛应用于各信息系统领域如电子商务、网上银行、移动搜索、数字化学习平台、虚拟空间等。

理论模型和研究假设

ECM-ISC模型已被大量高水平研究证实与信息系统用户持续使用心理认知过程最贴合，具有很强的稳健性，因此本研究将以该模型作为理论基础。ECM-ISC模型中虽引入满意变量，但是满意主要反映了用户与先前使用经验相关的短期的情感。未能从用户内在动机与需求的角度去解释用户使用信息系统长期稳定的情感联结机制。对于SNS这类享乐型信息系统而言，用户长期的非理性的持续使用行为，应该更多的是一种情感驱动行为。根据情感依恋的相关理论，本研究提出：SNS对用户自主、关联、能力需求的不断满足将促使个体的认知重组，需求满足路径越多、强度越大，越容易形成情感依恋。情感依恋产生后，在情感扩大机制、感知有用性、满意的多重作用下促使用户付出更多的时间、精力持续使用SNS。因此，在原有ECM-ISC模型的基础上整合情感依恋理论、情感依恋强度ARC模型与情感扩建理论，引入情感依恋、自主需求满足、关系需求满足与能力需求满足4个变量，构建了本研究的理论模型，如图1所示。图1概念模型

基于上文的理论模型，提出相关研究假设如下：

期望确认度是指用户使用信息系统前形成的预期在使用后得到确认的程度。与营销环境中用户的持续购买决策行为类似，用户的使用经历与初始预期的匹配程度，会直接影响用户的满意度。信息系统满意度反映了在原有使用经历基础上形成的短暂的情感，这种情感与信息系统的持续使用之间存在正向相关关系（Bhattacherjee，2008）[28]。Kim（2007）通过实证研究验证了愉快和唤起情感可以让用户对移动网络产生偏爱，进而持续使用[29]。与初始采纳中的感知有用性不同是ECT-ISC模型中的感知有用性强调在先前多次使用后所形成的有用性感知基础上形成的一种稳固不变的信念。Bhattacherjee通过研究发现，感知有用性是影响信息系统用户持续使用意愿的关键性激励因素。后有大量研究证实了感知有用性与持续使用意愿之间存在正向关系。在归纳TRA和EDT等理论中长期信念与持续使用意图之间关系的基础上，Bhattacherjee提出感知有用性对信息系统的持续使用意图具有直接的影响作用。同时根据理性行为理论，用户的意图对行为具有直接作用关系。根据以上论述，提出相关假设如下：

自主需求是指外部环境能够给予个人较高的自我决定权和自主性，能够让个体自由的发表看法，采取主动行动。让个体感受到较高的自我掌控权，能够做出自由的选择。

SNS作为一种社交平台，提供多种功能允许参与者自由选择、自由表达。用户可以根据自己的兴趣在相对应的活动页面就活动主题展开讨论，自由发表言论，主动建立好友关系，让用户感到有充分的空间自由度掌控自我行为，且从活动参与中获得满足感，从而对SNS产生情感依恋。

H51：用户自主需求的满足对SNS情感依恋有显著的正向影响。

关联需求是指个体需要来自周围环境、他人的关爱、支持理解和欣赏。同时也包括去理解、欣赏他人，并从中体验到一种归属感，它体现了个体生活中与其他人联系的情感期望。

SNS作为社交平台，为用户彼此联系、交流、建立亲密关系提供了有力工具。用户能够更加便捷地与自己熟悉和感兴趣的人或群体建立关系、保持联系，或与异地友人发起网络社群活动，极大降低了社交成本与阻力。在SNS环境下，当用户在情感上与他人保持联系的期望得到满足，并感受到他人的关爱、理解和情感支持时，其内心的归属与幸福感会加强，从而增强对SNS社区的情感依恋。

H52：用户关联需求的满足对SNS情感依恋有显著的正向影响。

能力需求是指个体对成就、胜任感以及效率等方面的追求。

生活中人们都希望得到肯定和关注，都怀有自我实现的希望，SNS在一定程度上能够满足用户的能力需求，如在虚拟游戏中积累财富，进行虚拟角色扮演，满足现实世界无法实现的愿望；在社区内发布自己感兴趣的信息，分享知识，通过帮助他人来实现自我价值。SNS这个虚拟平台为更多人提供了自我展示的平台，甚至让生活中默默无闻的人有机会成为“意见领袖”，增强了用户的自我效能感。

用户自我能力的不断满足，能够促使个体认知系统发生重组并逐渐形成新的认知判断，将自我能力需求的实现与SNS平台紧密结合起来，让用户在SNS中体验到自信与成就感，并形成较强的情感依恋。

H53：用户能力需求的满足对SNS情感依恋有显著的正向影响。

Carrollb et al（2006）指出研究消费者愿意与某一网站建立持久关系的重要方法是聚焦依恋和爱[30]。根据社会反应理论（Social Response Theory），Li（2006）指出使用者倾向于将计算机看作社会参与者，像对人一样产生情感依恋和归属感，其关系互动也会遵循一定的社会规则[31]。Maulana（2007）指出消费者与购物网站之间是一种类社会互动关系。这种互动关系使得消费者对购物网站形成情感依恋[32]。满意度也会进一步加强用户对信息系统的情感依恋。Goel（2011）指出人对虚拟空间同样存在依恋过程。在信息系统虚拟世界中，用户通过与所处空间的意义交互，会产生地方依恋，并重返该空间[33]。

H6：SNS用户的满意度与情感依恋正相关。

H7：SNS用户的情感依恋与持续使用意愿正相关。

3数据收集与处理

研究对象选择

据2015年中国社交媒体核心用户数据分析报告，目前微信已取代QQ空间成为国内网民使用最多的社交应用，且用户忠诚度和活跃度较高，2015年微信活跃用户已超过468亿[34]。因此，本研究选取微信朋友圈用户为调查对象。

根据信息系统使用次数，可将微信朋友圈用户分为初次采纳用户和持续使用用户。本研究的研究目的是探索SNS用户持续使用行为形成机制，因此将调研对象锁定为已经具有持续使用行为特征的用户。并从以下两个维度寻找符合要求的调研对象。（1）参与时间：用户持续使用时间为半年及以上，且累计登录天数为90天及以上。（2）参与程度：经常浏览，平均每天登陆3～5次。经常发帖，至少拥有50篇发帖。在朋友圈中经常回复发帖，并为朋友的发帖点赞，进行关系维系等活动。

另据腾讯发布的《2015年微信平台数据研究报告》显示：微信用户呈年轻化，平均年龄为26岁，862%的用户在18～36岁。用户职业主要为：企业职员、自由职业者、学生、事业单位员工这4类[34]。因此，调查对象的选择以在校大学生、教师、企事业单位工作人员为主。年龄控制在18～40岁之间，以保证样本的代表性。

量表设计

本研究所使用的量表主要借鉴现有成熟量表，自主需求、关联需求、能力需求的测量改编自Sheldon（2011）等[35]量表；情感依恋的测量改编自Hazan（1994）等[36]量表，期望确认度、感知有用性、满意度以及持续使用意愿的测量改编自Bhattacherjee，2001与Lin & Wang，2012[24，37]等量表。为增强量表的信度和效度，在正式调研之前，本研究进行了以下几个方面的工作：（1）查阅了大量相关主题文献；（2）对经验丰富用户和相关领域专家进行了焦点小组访谈，根据访谈结果结合模型假设和研究目的对已有量表做适当修改；（3）正式调研之前，进行小样本预测试，删除数据分析结果中信度和效度较低以及不合适问项。根据Nunnally的建议，本研究采用多维度、七点李克特量表进行测量，从1～7分别表示调查者的态度从非常同意到非常不同意。

33问卷发放与数据收集

本次问卷采用线上和线下两种方式发放，线下采用现场发放现场收回的形式，在被试正式填写之前，由调查人员对调查目的、填写方法等问题进行说明。线上使用问卷星调查平台进行发放。调查时间从2015年8月到2015年10月，采样范围包括北京、上海、浙江、广东等微信渗透率较高的地区。本次调查共发放问卷800份，剔除答题不认真、反转问题回答矛盾等无效问卷，本次共回收有效问卷698份，有效率为：873%。

模型验证

数据分析分为两个步骤。第一步：测量模型验证，对量表的信度和效度进行检验。第二步：结构模型验证，计算自变量与因变量之间路径系数及其显著性，以验证模型是否成立。

1测量模型检验

本研究使用SPSS210，采用因子分析法进行分析。在进行探索性因子分析之前，首先进行KMO和Bartlett球体检验，判断是否适合进行因子分析。其中KMO值越接近1表明原始变量相关性越强，越适合做因子分析。本研究中KMO=0892，Bartlett球体检验统计量为1351，相应的概率Sig为0000，因此原有变量适合做因子分析。

本研究采用Cronbach α信度和建构信度来评价因子信度。从表1可以看出，各潜因子的Cronbach α值在0762～0912之间，均超过07的门槛值。建构信度值在0836～0910之间，均超过05的门槛值，因此信度指标可以接受。

因子效度评估从内容效度和区分效度两个方面进行评估。对于内容效度，9个潜变量源于已有经典成熟量表。并通过焦点小组访谈、专家访谈、预测试修正保证了问项基本符合内容效度的要求。

对于区分效度，表中对角线的值为AVE平方根，比较后可发现，特定潜变量的AVE平方根均明显高于该潜变量与其他因子间的相关系数。因此，测量指标具有一定的区分效度。

结构模型验证

本研究采用AMOS200对结构模型进行参数估计和假设检验。采用极大似然估计法计算模型拟合指标和各路径系数的估计值，模型参数估计值如表3所示。从表中数据可以看出除AGFI系数与09的建议值略有差距外，其它指标均超过了建议值。因此，整体模型拟合情况尚好。表3模型整体拟合指标与建议值

拟合指标测量值建议值RMSEA0072<008GFI0916>09AGFI0883>09NFI0936>09IFI0963>09CFI0910>09

假设检验分析结果显示模型中7条假设均得到支持。因子被解释方差、路径的标准化回归系数以及显著性见图。其中满意度、关联需求、自主需求、能力需求共同解释了51%的情感依恋的方差变异；情感依恋、感知有用性和满意共同解释了68%的持续使用意愿的方差变异；持续使用意愿解释了58%的持续使用行为的方差变异；期望确认度解释了32%的满意度的方差变异。

期望确认度对感知有用性（路径系数：025，p<0001）和满意度（路径系数：035，p<0001）有显著的正向意向，感知有用性（路径系数：043，p<0001）和满意度（路径系数：031，p<0001）对持续使用意愿有显著的正向影响。持续使用意愿（路径系数：047，p<0001）对持续使用行为有显著的正向影响。以上数据分析结果再一次验证了经典的ECM-ISC模型中的因子具有较稳健的解释力。

其中值得注意的是情感依恋、感知有用性、满意度均对持续使用意向有显著的正向作用，并对持续使用行为有间接的正向作用。对比感知有用性、情感依恋和满意与持续使用行为这3条路径，其中情感依恋对持续使用意向的作用最大（052），其次是感知有用性（043），最后是满意度（031）。数据分析结果验证了本文的假设，用户的持续使用行为受到情感与认知的双重作用。对于经验用户情感依恋对其持续使用意愿具有重要的作用。同时数据分析结果显示，情感依恋的形成来自于信息系统对用户关联、能力以及自主需求的满足。此外，用户的满意度对于情感依恋的形成也具有正向的作用。对比这四条路径对情感依恋的影响，从大到小依次是：关联（0547）、能力（0431）、自主（0261）、满意度（013）。由此可以看出，现阶段，SNS环境下，用户彼此之间的联系、互动，以及用户能力的提升是用户情感联结形成的最关键因素。注：p<005，p<001，p<0001。图结构模型分析结果

4结论与讨论

针对SNS用户采纳后的持续使用行为，通过文献梳理和理论分析，以ECM-ISC模型为基础架构，引入情感依恋等新的变量，得到了SNS采纳后用户持续使用模型，以微信朋友圈经验用户为实证对象进行了模型验证，其解释力可达69%。本研究的理论贡献在于：该模型从认知和情感两个方面概括了SNS用户采纳后持续使用的微观机理，即验证了ECM-ISC中期望确认度、感知有用性、满意度等变量仍是影响用户持续使用意愿及行为的关键影响因素，同时本模型引入情感依恋变量，从情感的角度解释了用户持续意愿形成的稳定的、持续的联结机制，突破了以往模型中满意变量只能解释用户短期情感状态的不足。同时揭示了满意这一短期情感与情感依恋这一稳定持续的情感之间存在显著的正向关系。并基于ARC情感依恋强度理论，验证了情感依恋形成的路径，即用户自主、关联与能力需求的满足能够促成用户形成情感依恋，并在情感依恋扩大机制的作用下，增强用户使用SNS的意向和实际使用频率。从而弥补了以往研究中ECM-ISC理论在研究SNS这类享乐型信息系统持续使用行为时，解释力不理想的不足，拓展了信息系统领域的情感研究。

从管理实践角度看，本研究为SNS运营商如何更好的激发用户行为提供了指引方向：

（1）经典的ECM-ISC模型中，期望确认、感知有用性以及满意度仍然是影响用户持续使用意愿以及行为的核心要素，因此加强SNS实用性层面的建设，提高用户满意度、合理塑造用户期望，仍然是未来提高用户忠诚的关键道路。

（）将关爱用户，与用户建立强劲的情感联结机制提升到战略层面。SNS网站应跟踪调查用户与网站的依恋水平，全面了解用户与网站的情感联结状态。洞察用户的情感需求动机，通过自主、关联和能力需求的满足强化用户对社区的情感依恋。具体可采取如下措施：在设计网站功能时注重用户的情感体验，使其有充分的自由度进行文章发表，发起讨论，联系好友，减少用户使用系统的阻力；增加网站情感支持功能，方便用户自我表达情感，鼓励朋友之间相互关心，设置专职人际管理人员，定期提醒用户联系沟通，加固用户之间的关联。根据用户兴趣爱好，分类建立社群圈子为志趣相投的用户提供互动平台。除激发用户线上沟通交流的热情外，还可以定期举行各类线下活动，打通不同渠道，发挥渠道协作效应，实现线上线下交流互动；提供用户自我展现的表现工具，如：提供用户级别标识、声誉跟踪机制、用户生成内容价值展示等。

由于条件限制，本研究存在一定的局限性：未对不同性格类型的用户做分类研究。而不同性格特质的用户其心理行为过程可能会存在一定的差异，这对于研究结论的普适性具有一定的限制。因此，未来的研究可以引入性格特质等调节变量具体检验不同群体SNS用户行为的差异。

参考文献

http：∥www.183read.com/magazine/article200099.html.

[2]Chen R.Member use of social networking sites-an empirical examination[J].Decision Support Systems，2013，54（54）：1219-1227.

[3]Piaget J，Brown T A，Kaegi C E，et al.Intelligence and affectivity：their relationship during child development[M].Annual Reviews Inc，1981.

[4]Gray J R，Braver T S，Raichle M E.Integration of emotion and cognition in the lateral prefrontal cortex[J].Proceedings of the National Academy of Sciences of the United States of America，2002，99（6）：4115-20.

[5]Limayem M，Hirt S G.Force of Habit and Information Systems Usage：Theory and Initial Validation[J].Journal of the Association for Information Systems，2003，4（1）：65-97.

[6]Sledgianowski D，Kulviwat S.Using Social Network Site：The Effects of Playfulness，Critical Mass and Trust in Hedonic Context[J].Journal of Computer Information Systems，2009，49（4）：74-83.

Leng G S，Lada S，Muhammad M Z，et al.An Exploration of Social Networking Sites（SNS）Adoption in Malaysia Using Technology Acceptance Model（TAM），Theory of Planned Behavior（TPB）and Intrinsic Motivation[J].Journal of Internet Banking and Commerce，2011，16（2）：1-27.

[8]Hazan C，Shaver P.Romantic love conceptualized as an attachment process[J].Journal of Personality & Social Psychology，1987，52（3）：511-524.

[9]Bowlby J.Attachment and Loss：Vol3Loss[M].New York：Basic Books，1980.

[0]Park C，Whan D J，Macinnis，Joseph P.Beyond Attitudes：Attachment and Consumer Behavior[J].Seoul Journal of Business，2006，12（2）：3-35.

]Bowlby J.Attachment and Loss：Vol1Attachment[M].New York：Basic Books，1969：177-234.

[2]Hidalgo M C，Hernandez B.Place Attachment：Conceptual and Empirical Questions[J].Journal of Environmental Psychology，2001，21（3）：273-281.

[3]Williams D R，Roggenbuck J W，Watson A E.Beyond the commodity metaphor：Examining emotional and sym bolic attachment to place[J].Leisure Sciences，1992，14（1）：29-46.

[4]Moore R L，Graefe A R.Attachments to recreation settings：the case of rail-trail users[J].Leisure Sciences，1994，16（1）：17-31.

[5]Goel，Johnson N A，Junglas I，Ives B.From Space to Place：Predicting Users Intention to Return to Virtual Worlds[J].MIS Quarterly，2011，35（3）：749-771.

[6]赵欣，周密，于玲玲，等.基于情感依恋视角的虚拟社区持续使用模型构建-超越认知判断范式[J].预测，2012，（5）.

La G J G，Ryan R M，Couchman C E，Deci E L.Within-person Variation in Security of Attachment：A Self-determination Theory Perspective on Attachment，Need-fulfillment and Well-being[J].Journal of Personality and Social Psychology，2000，79（3）：367-384.

[8]Thomson M.Human Brands：Investigating Ant- ecedents to Consumers Strong Attachments to Celebrities[J].Journal of Marketing，2006，70（7）：104-119.

[9]Fredrickson B L.What good are positive emotionns[J].Review of General Psychology，1998，2（3）：300-319.

[20]Davis F D，Bagozzi R P，Warshaw P R.User acceptance of computer technology models[J].Management Science，1989，35（8）：982-1003.

[21]胡安安，姜江，黄丽华.ERP系统实施的用户接受模型及实证研究[J].研究与发展管理，2008，20（3）：50-56.

[22]黎利，刘永梅.B2C电子商务个体采纳意向影响因素综合模型研究[J].信息系统学报，2008，2（1）：37-47.

鲁耀斌，徐红梅.即时通讯服务使用行为的影响因素实证研究[J].管理学报，2006，（5）：114-121.

[24]Bhattacherjee A.Understanding information systems continuance：An expectation confirmation model[J].MIS Quarterly，2001，25（3）：351-370.

[25]Kim D J，Steinfield C.Consumers mobile internet service satisfaction and their continuance intentions[C].AIS Electronic Libraty.Proceedings of the Tenth Americas Conference on Information Systems，2004：2276-2780.

[26]Dai L，Huang L H，Yi H D.How B2C service quality influence website continuance[C].IEEE.Proceeding of the 9th Pacific Asia Conference on Information Systems，2005.

[27]Limayem M.How Habit limits the predictive power of intention：The case of information systems continuance[J].MIS Quarterly，2007，31（4）：705-737.

[28]Bhattacherjee A，Perols J，Sanford C.Information technology continuance：A theoretic extension and empirical test[J].Journal of Computer Information Systems，2008，30（4）：17-26.

[29]Kim H W，Chan H C，Chan Y P.A Balanced Thinking-feeling Model of Information Systems Continuance[J].International Journal of Human-Computer Studies，2007，65：511-525.

[30]Carrollb A，Ahuvia A C.Some Antecedents and Outcomes of Brand Love[J].Marketing Letters，2006，7（2）：79-89.

[31]Li D H，Browne G J，Wetherbe C J.Why do Internet Users Stick with A Specific Web Site？A Relationship Perspective[J].International Journal of Electronic Commerce，2006，10（4）：105-141.

[32]Maulana A E，Eckhardt G M.Just Friends，Good Acquaintances or Soul Mates？An Exploration of Web Site Connectedness[J].Qualitative Mark-et Research：An International Journal，2007，10（3）：227-242.

[33]Goel，Johnson N A，Junglas I，Ives B.From Space to Place：Predicting Users Intention to Return to Virtual Worlds[J].MIS Quarterly，2011，35（3）：749-771.

[34]http：∥www.360doc.com/content/15/1218/12/15549792521262386.shtml.

[35]Sheldon K M，Elliot A J，Kim Y.What is Satisfying about Satisfying Events？Testing 10 Candidate Psychological Needs[J].Journal of Personality and Social Psychology，2001，80（2）：325.

[36]Hazan C，Shaver P R.Attachment as an Organizational Framework for Research on Close Relationships[J].Psychological Inquiry，5（1）：1-22.

[37]Lin，WS.，& Wang，CH..Antecedence to continued intentions of adopting e-learning system in blended learning instruction：A contingency framework based on models of information system success and task-technology fit[J].