社交网站中用户流失要素的理论探讨及实证分析.pdf

《社交网站中用户流失要素的理论探讨及实证分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、信息系统学报ChinaJournalofInformationSystems(第13辑)：83—9783—97社交网站中用户流失要素的理论探讨及实证分析徐孝娟，赵宇翔，朱庆华，孙霄凌(1．南京大学·信息管理学院，南京2100932．南京大学工程管理学院，南京210093)摘要用户作为社交网站的核心资源，其数量及其活跃程度是网站成功的关键因素。而对于曾经盛极一时的SNS，在一个较短的时间内出现用户数量及恬跃程度的大规模衰退，其隐藏的用户流失原因需要深入探讨。本文基于s一0一R理论，以开心网流失用户作为研究对象，从激励理论的视角出

2、发，运用扎根分析和民族志决策树的方法设计访谈内容，同时依据访谈内容抽取用户流失要素并对关键要素进行整理分类。结果表明，用户流失的要素主要包括关系层面、安全层面、经济层面、内容层面、网站设计层面及外部环境因素层面。最后，本文对用户流失的原因要素进行了深入讨论，并给出了相应对策。关键词社交网站，用户流失，s一0一R理论，扎根分析，民族志决策树模型中图分类号C931．6随着信息技术的飞速发展，互联网进入了Web2．0时代，网络用户参与信息传播和信息交互的需求越来越强烈，渴望将虚拟的网络与现实社会进行有效结合(OnlinetoOffl

3、ine，020)，并开始追求更加实用和真实的用户体验。于是，基于社交网络服务的社交网站(SocialNetworkSite，sNS)应运而生。2007年，中国社交网站进入了飞速发展时期，国内社交网站个数最高达到910，诞生了人人网、开心网及51．com等。截至2010年3月底，累计用户数为1．91亿]。然而从2010年下半年开始，国内外社交网站发展变缓，甚至停滞不前，社交网站遭遇了发展困境。许多热门的社交网站用户流失严重，部分网站甚至走向关闭之路。据市场研究机构ComScore发布的数据，Myspace在2006年的独立访问者

4、数量以每月1559／6的速度递增，最终达到5580万人。2008年12月达到巅峰期，每月可吸引全美7590万受众。2009年5月，Myspace在美国独立用户访问量下降到7024万，两个月以后，则下滑至6800万。该数据截至2011年5月已降至3480万_2]。社交新闻网站雅虎Buzz关闭等。国内开心网的用户流失更为严重。来自网站流量统计机构Alexa的数据显示，开心网目前正在遭遇快速失去用户的局面，从2010年年初开始的一年半时间里，开心网用户失去量约为65，至2013年初媒体对其关注程度已下降至2O万以下l_4j。人人网的

5、发展也不容乐观，其在美国股票交易市场2012年7月末的收盘价为10．83美元，远低于发行价14美元，显示了用户流失带来的网站市值贬值。对于社交网站来说，其最核心的资源就是用户。用户的数量及活跃程度是网站成功的关键因素，直接影响网站用户的黏度、网站的人气及市值等。而曾经盛极一时的SNS，在一个较短的时间内就出现用户数量及活跃程度的大规模衰退，其背后的原因值得学界和业界思考。本文从刺激一有机体一反应(Stimuli—Organism—Response，S—O—R)理论视角出发，运用扎根分析和民族志决策模型结合的理念设*基金项目：国

6、家社科基金重点项目“互联N,ft户群体协作行为模式的理论与应用研究”和教育部人文社科青年项目“众包社区中参与者的动因分类及调节效应研究(13YJC870033)”及江苏省研究生培养创新工程项目“社交网站中用户流失成因探析及对策研究(CXZZ13—0072)”研究成果之一。通信作者：徐孝娟，南京大学信息管理学院，在读博士。E—mail：xxjksks@126．corn。8384信息系统学报(第13辑)计访谈内容，并基于访谈内容抽取用户流失要素且对关键要素进行整理分类。在此基础上，本文对社交网站中不同维度和层面上用户流失的要素进行

7、了深入讨论，为设计一套科学合理的用户流失对策提供了研究基础。1相关文献综述目前国内外有关社交网站用户流失分析的研究主要集中在流失预警机制模型的构建上，对用户流失的原因及其预防机制研究较少，现有的用户流失研究对象多为通信行业及传统互联网行业。(1)企业及传统互联网中用户流失的相关研究。Keaveney以服务行业为研究对象，认为用户流失的原因包括高价格、不便利性、失败的核心服务、顾客服务的失败及提供商的败德行为等。Desai以无线服务用户流失率高的案例进行分析，指出客户满意度和客户忠诚度是用户保留的两个重要因素，认为满意度和顾客的

8、服务态度关系最大，并提出流失用户的一些特殊行为【=7】。赖院根等以国家科技图书文献中心的用户流失量为研究对象，将原因概括为自然流失、竞争流失、障碍流失及失望流失。同时提出了相应的用户流失分析指标J。(2)用户流失预测模型研究。用户流失预测模型方面的研究主要有基于传统统计学的预