论文部分内容阅读
[摘 要]2019年刷脸支付成为新的风口，支付宝、微信等相继试水，从消费者角度看，刷脸支付的应用场景及接受度究竟如何？以重庆市居民为研究对象，借鉴技术接受度模型（TAM），设计相应问卷，选取合适样本抽样调研获取数据，利用SPSS、Amos对数据进行分析，探究刷脸支付的应用场景及消费者接受度。研究发现，刷脸支付目前较多应用于公共出行、餐饮、超市场景，消费者希望未来能在医疗行业使用刷脸支付，对此技术安全性的担心是影响消费者接受的最大阻碍。
[关键词]刷脸支付;技术接受度模型;实证模型
[DOI]10.13939/j.cnki.zgsc.2021.03.182
随着中国移动互联网的发展，移动支付已成为中国网民支付的主要方式，据艾媒咨询数据显示，2019年移动支付用户达到7.33亿人，作为移动支付发展方向的刷脸支付，在2019年迎来了风口，支付宝推出“蜻蜓”，微信推出“青蛙”，相继试水刷脸支付。刷脸支付的便捷性是毋庸置疑的，但是和所有新技术一样，被市场接受需要一个过程，当下刷脸支付的应用场景及前景如何？消费者如何看待刷脸支付，接受度又如何？基于此，以重庆市民为研究样本，展开实证研究。
1 模型构建与研究假设
1.1 技术接受度模型
1989 年，Davis 提出用TAM模型来解释和预测在工作场所使用计算机的表现，[1]模型如图1所示。技术接受模型（TAM）是在理性行为理论（TRA）的基础上提出的，Dishaw和Strong证明了态度和行为在很大程度上是具有关联性的，[2]而用户尝试一项新技术的态度可以由两个变量解释：感知易用性和感知有用性。[3]Bagozzi认为TAM模型过于简单，不能充分解释和预测个体接受行为，在模型中适当引入其他变量将提高模型的解释能力。[4]目前TAM模型在解释用户对某一技术的接受上，是受到众多学者认可的。且用户对技术的接受度，在很大程度上会影响该技术的发展。
1.2 模型构建
在进行刷脸支付时，用户的相关特征会被采集，需要考虑到其安全性，因此在本研究中加入感知风险性这一因素。刷脸支付是新型技术，所以在本次研究中加入个体创新这一因素能够更好的进行研究。此外，在问卷的前期设计中，得到反馈用户对个体创新的理解有偏差，针对个体创新的定义，将这一因素改为创新接受，以便被调查者在填写问卷时能夠更好理解。
综上所述，再将感知风险性、创新接受加入其中，得到研究初始模型。
1.3 研究假设
1.3.1 感知有用性和感知易用性
对于TAM模型而言，感知有用性和感知易用性这两个因子是模型最基本的因素。感知有用性是指用户个体主观感知外部信息技术对工作绩效的影响程度。[5]感知易用性指个体主观认为使用某一信息技术的难易程度。[6]已有诸多研究证明感知有用性对使用态度和行为意愿有正向影响作用，这也与 Davis 给出的研究结论相一致。即用户感受到使用刷脸支付能够很好的满足相关支付需求。综上所述提出如下假设：
H1：感知有用性对用户的使用态度产生正向影响。
H2：感知易用性对用户的使用态度产生正向影响。
1.3.2 感知风险性
由于网络的虚拟性，人们在互联网上进行各类活动时会考虑多方面的因素，感知风险性是消费者在做某事之前所考虑到的相关风险性。用户在进行刷脸支付时，相关的信息会被扫描且存入公司的系统中，若信息被盗取，后果非常严重等此类相关的风险问题。综上所述提出如下假设：
H3：感知风险性对用户的使用态度产生负面影响。
1.3.3 创新接受
创新接受是指个体愿意尝试新的信息技术的程度。Agarwal和Prasad（1998）认为具备创新意识的人在遇到新事物时常表现出想要尝试的意愿，在接触新产品的过程中，偏向于主动尝试和探究，在遇到困难时倾向于运用发散思维寻找解决问题的突破口。[7]综上所述提出如下假设：
H4：创新接受对用户使用态度产生正向影响。
1.3.4 使用态度
使用态度在本研究中具体表现为用户对刷脸支付的感受或评价。Davis在其研究中指出，学习者对某项技术的使用态度会直接影响其行为意向，从而影响其实际行为。综上所述提出如下假设：
H5：用户使用态度对用户行为意向产生正向影响。
2 研究设计
2.1 问卷设计及数据收集
此次调研问卷主要从三个部分进行设计。第一个部分是受访者对刷脸支付使用情况的调查，包括是否使用刷脸支付、使用频率、使用场景、拒绝使用的原因等。第二个部分是问卷主体，包含感知有用性、感知易用性、感知风险性、创新接受、使用态度、行为意向六个部分，采用李克特五级量表进行度量。第三个部分是受访者基本信息的调查，包括性别、年龄、学历、工作、月收入。问卷采用线上线下结合方式发放，最终共收回调查问卷331份，经过筛选最终确定312份有效问卷（限于论文篇幅，略去描述统计）。
2.2 数据分析
2.2.1 信度与效度检验
文章使用SPSS 22和AMOS 24进行数据处理，信度采用Cronbach’s alpha 系数值进行检验，效度采用KMO和Bartlett检验，结果如表1、表2所示，感知有用、感知易用、感知风险、创新接受、使用态度、行为意向，各个因素的 Cronbach’s alpha 系数都大于0.9，量表的 Cronbach’s alpha 值为0.989，说明问卷具有较高的信度。KMO=0.965>0.7，Sig.=0.000<0.001，表明问卷结构效度很好。
KMO=0.965>0.7，sig.=0.000<0.001，问卷中设计的自变量之间具有一定的联系，证明了问卷的有效性。 2.2.2 用户整体偏好分析
本次调研中，使用过刷脸支付的受访者占87.18%，没有使用过的占12.82%。受访者日常支付方式排名前三依次为扫码支付、刷脸支付和银行卡支付，说明受访者日常还是以扫码支付为主，但同时对刷脸支付的接纳度较高。
大部分用户每周使用刷脸支付5～10次，每周使用10次以上的较少。用户使用刷脸支付最多的场景为公共出行，其次是餐饮，最后是超市、便利店和自助售卖机等;期望刷脸支付未来可以应用的场景中，最多的是娱乐行业和医疗行业。
2.2.3 结构模型假设检验
在对问卷量表信度、效度分析的前提下，进一步采用 AMOS 24 对所构建模型进行建模分析，以此揭示各变量之间的作用方向和程度，并对不理想的初始模型进行修正，得出最终模型和路径关系（限于论文篇幅只给出最终模型），从而对前文所提假设进行检验。修正后的模型拟合指标均符合标准，详见表4，因此认为此模型具有较好的模型配适度。
从表5 模型变量间的相关性可以看出，前文所提五项假设均通过检验，具体如表6所示。
3 结论及建议
3.1 结论
3.1.1 对用户来说刷脸支付的安全性还需得到更多的保证
从感知风险性这一因素的分析中可以看出，用户对刷脸支付存在的隐形风险非常关注，认为其安全性得不到保障，大部分的受访者认为风险性较大，其中用户最担心的就是自己的个人信息及相关生物特征被泄露。
3.1.2 刷臉支付的应用场景较广，前景较好
目前刷脸支付仍然处于一个初步的发展阶段，从调查中可以发现目前刷脸支付普及度最高的场景主要是在公共出行、餐饮、超市这一方面。另外了解到用户希望能在娱乐行业和医疗行业也能更加广泛的应用。由此可以看出，在今后刷脸支付应用场景的不断探索中，还有巨大的发展空间。
3.1.3 刷脸支付的内在特点会促使用户对其的使用
感知有用性和感知易用性均是用户对刷脸支付这项技术使用后的感受，从调查的结果看量表结果均值感知有用性为3.97，感知易用性为3.89，说明用户非常认可刷脸支付的有用性和易用性，从而会促使用户对刷脸支付的使用。3.2 建议
（1）政府应规范大数据时代面部信息利用需求的正当性，在法律中对公民信息安全与个人生物信息之间的边界划分清楚，企业也应在法律允许的范围内对公民的信息进行相关的采集以及储存，规范相关行业标准，维护用户隐私数据的安全，严厉打击滥用用户信息的行为。法律要为技术的发展保留充足的空间，也为切实维护相关权利、合理分配利益做出清晰指引。
（2）2019年被认为是刷脸支付的元年，任何新技术的推广，被消费者接纳是需要一个过程的，要想缩短这个过程，需要政府、企业加大对刷脸支付的宣传与推广，鼓励与刺激消费者积极尝试并使用刷脸支付，快速拓展刷脸支付的应用场景，逐步破除消费者的接受壁垒。
参考文献：
[1]SERENKO A， BONTIS N. A model of user adoption of mobile portals[J].Quarterly Journal of Electronic Commerce，2004，4（1）： 69-98.
[2]DISHAW T， STRONG M. Extending the technology acceptance model[J]. Information & Management，1999，36（1）： 9-21.
[3]DAVIS D.Perceived usefulness perceived ease of use and user acceptance of information technology [J].MIS Quarterly，1989，13（3）：319-340.
[4]BAGOZZI P. The legacy of the technology acceptance model and a proposal for a paradigm shift[J].Journal of the Association for Information System，2007，8（4）：244-254.
[5]李玥泓. 基于技术接受模型的大学生微信移动学习影响因素研究[D].曲阜：曲阜师范大学，2019.
[6]杨水清，鲁耀斌，曹玉枝.移动支付服务初始采纳模型及其实证研究[J].管理学报， 2012，9（9）：1365-1372.
[7]JIA F， PEI S， GEORGE L. Effects of innovativeness and trust on web survey participation[J].Computers in Human Behavior，2009（25）：144-152.
[基金项目]2020年重庆市教委人文社科项目（项目编号：20SKGH243）;2019年重庆市大学生创新训练计划项目（项目编号：S201911551010）。
[作者简介]张小容，重庆科技学院学生，市场营销专业;戴庆春，重庆科技学院市场营销系教师，讲师，研究方向：品牌管理、大数据营销;周映宏，重庆科技学院学生，市场营销专业;吴玥瑶，重庆科技学院学生，市场营销专业;宋可，重庆科技学院学生，市场营销专业。
[关键词]刷脸支付;技术接受度模型;实证模型
[DOI]10.13939/j.cnki.zgsc.2021.03.182
随着中国移动互联网的发展，移动支付已成为中国网民支付的主要方式，据艾媒咨询数据显示，2019年移动支付用户达到7.33亿人，作为移动支付发展方向的刷脸支付，在2019年迎来了风口，支付宝推出“蜻蜓”，微信推出“青蛙”，相继试水刷脸支付。刷脸支付的便捷性是毋庸置疑的，但是和所有新技术一样，被市场接受需要一个过程，当下刷脸支付的应用场景及前景如何？消费者如何看待刷脸支付，接受度又如何？基于此，以重庆市民为研究样本，展开实证研究。
1 模型构建与研究假设
1.1 技术接受度模型
1989 年，Davis 提出用TAM模型来解释和预测在工作场所使用计算机的表现，[1]模型如图1所示。技术接受模型（TAM）是在理性行为理论（TRA）的基础上提出的，Dishaw和Strong证明了态度和行为在很大程度上是具有关联性的，[2]而用户尝试一项新技术的态度可以由两个变量解释：感知易用性和感知有用性。[3]Bagozzi认为TAM模型过于简单，不能充分解释和预测个体接受行为，在模型中适当引入其他变量将提高模型的解释能力。[4]目前TAM模型在解释用户对某一技术的接受上，是受到众多学者认可的。且用户对技术的接受度，在很大程度上会影响该技术的发展。
1.2 模型构建
在进行刷脸支付时，用户的相关特征会被采集，需要考虑到其安全性，因此在本研究中加入感知风险性这一因素。刷脸支付是新型技术，所以在本次研究中加入个体创新这一因素能够更好的进行研究。此外，在问卷的前期设计中，得到反馈用户对个体创新的理解有偏差，针对个体创新的定义，将这一因素改为创新接受，以便被调查者在填写问卷时能夠更好理解。
综上所述，再将感知风险性、创新接受加入其中，得到研究初始模型。
1.3 研究假设
1.3.1 感知有用性和感知易用性
对于TAM模型而言，感知有用性和感知易用性这两个因子是模型最基本的因素。感知有用性是指用户个体主观感知外部信息技术对工作绩效的影响程度。[5]感知易用性指个体主观认为使用某一信息技术的难易程度。[6]已有诸多研究证明感知有用性对使用态度和行为意愿有正向影响作用，这也与 Davis 给出的研究结论相一致。即用户感受到使用刷脸支付能够很好的满足相关支付需求。综上所述提出如下假设：
H1：感知有用性对用户的使用态度产生正向影响。
H2：感知易用性对用户的使用态度产生正向影响。
1.3.2 感知风险性
由于网络的虚拟性，人们在互联网上进行各类活动时会考虑多方面的因素，感知风险性是消费者在做某事之前所考虑到的相关风险性。用户在进行刷脸支付时，相关的信息会被扫描且存入公司的系统中，若信息被盗取，后果非常严重等此类相关的风险问题。综上所述提出如下假设：
H3：感知风险性对用户的使用态度产生负面影响。
1.3.3 创新接受
创新接受是指个体愿意尝试新的信息技术的程度。Agarwal和Prasad（1998）认为具备创新意识的人在遇到新事物时常表现出想要尝试的意愿，在接触新产品的过程中，偏向于主动尝试和探究，在遇到困难时倾向于运用发散思维寻找解决问题的突破口。[7]综上所述提出如下假设：
H4：创新接受对用户使用态度产生正向影响。
1.3.4 使用态度
使用态度在本研究中具体表现为用户对刷脸支付的感受或评价。Davis在其研究中指出，学习者对某项技术的使用态度会直接影响其行为意向，从而影响其实际行为。综上所述提出如下假设：
H5：用户使用态度对用户行为意向产生正向影响。
2 研究设计
2.1 问卷设计及数据收集
此次调研问卷主要从三个部分进行设计。第一个部分是受访者对刷脸支付使用情况的调查，包括是否使用刷脸支付、使用频率、使用场景、拒绝使用的原因等。第二个部分是问卷主体，包含感知有用性、感知易用性、感知风险性、创新接受、使用态度、行为意向六个部分，采用李克特五级量表进行度量。第三个部分是受访者基本信息的调查，包括性别、年龄、学历、工作、月收入。问卷采用线上线下结合方式发放，最终共收回调查问卷331份，经过筛选最终确定312份有效问卷（限于论文篇幅，略去描述统计）。
2.2 数据分析
2.2.1 信度与效度检验
文章使用SPSS 22和AMOS 24进行数据处理，信度采用Cronbach’s alpha 系数值进行检验，效度采用KMO和Bartlett检验，结果如表1、表2所示，感知有用、感知易用、感知风险、创新接受、使用态度、行为意向，各个因素的 Cronbach’s alpha 系数都大于0.9，量表的 Cronbach’s alpha 值为0.989，说明问卷具有较高的信度。KMO=0.965>0.7，Sig.=0.000<0.001，表明问卷结构效度很好。
KMO=0.965>0.7，sig.=0.000<0.001，问卷中设计的自变量之间具有一定的联系，证明了问卷的有效性。 2.2.2 用户整体偏好分析
本次调研中，使用过刷脸支付的受访者占87.18%，没有使用过的占12.82%。受访者日常支付方式排名前三依次为扫码支付、刷脸支付和银行卡支付，说明受访者日常还是以扫码支付为主，但同时对刷脸支付的接纳度较高。
大部分用户每周使用刷脸支付5～10次，每周使用10次以上的较少。用户使用刷脸支付最多的场景为公共出行，其次是餐饮，最后是超市、便利店和自助售卖机等;期望刷脸支付未来可以应用的场景中，最多的是娱乐行业和医疗行业。
2.2.3 结构模型假设检验
在对问卷量表信度、效度分析的前提下，进一步采用 AMOS 24 对所构建模型进行建模分析，以此揭示各变量之间的作用方向和程度，并对不理想的初始模型进行修正，得出最终模型和路径关系（限于论文篇幅只给出最终模型），从而对前文所提假设进行检验。修正后的模型拟合指标均符合标准，详见表4，因此认为此模型具有较好的模型配适度。
从表5 模型变量间的相关性可以看出，前文所提五项假设均通过检验，具体如表6所示。
3 结论及建议
3.1 结论
3.1.1 对用户来说刷脸支付的安全性还需得到更多的保证
从感知风险性这一因素的分析中可以看出，用户对刷脸支付存在的隐形风险非常关注，认为其安全性得不到保障，大部分的受访者认为风险性较大，其中用户最担心的就是自己的个人信息及相关生物特征被泄露。
3.1.2 刷臉支付的应用场景较广，前景较好
目前刷脸支付仍然处于一个初步的发展阶段，从调查中可以发现目前刷脸支付普及度最高的场景主要是在公共出行、餐饮、超市这一方面。另外了解到用户希望能在娱乐行业和医疗行业也能更加广泛的应用。由此可以看出，在今后刷脸支付应用场景的不断探索中，还有巨大的发展空间。
3.1.3 刷脸支付的内在特点会促使用户对其的使用
感知有用性和感知易用性均是用户对刷脸支付这项技术使用后的感受，从调查的结果看量表结果均值感知有用性为3.97，感知易用性为3.89，说明用户非常认可刷脸支付的有用性和易用性，从而会促使用户对刷脸支付的使用。3.2 建议
（1）政府应规范大数据时代面部信息利用需求的正当性，在法律中对公民信息安全与个人生物信息之间的边界划分清楚，企业也应在法律允许的范围内对公民的信息进行相关的采集以及储存，规范相关行业标准，维护用户隐私数据的安全，严厉打击滥用用户信息的行为。法律要为技术的发展保留充足的空间，也为切实维护相关权利、合理分配利益做出清晰指引。
（2）2019年被认为是刷脸支付的元年，任何新技术的推广，被消费者接纳是需要一个过程的，要想缩短这个过程，需要政府、企业加大对刷脸支付的宣传与推广，鼓励与刺激消费者积极尝试并使用刷脸支付，快速拓展刷脸支付的应用场景，逐步破除消费者的接受壁垒。
参考文献：
[1]SERENKO A， BONTIS N. A model of user adoption of mobile portals[J].Quarterly Journal of Electronic Commerce，2004，4（1）： 69-98.
[2]DISHAW T， STRONG M. Extending the technology acceptance model[J]. Information & Management，1999，36（1）： 9-21.
[3]DAVIS D.Perceived usefulness perceived ease of use and user acceptance of information technology [J].MIS Quarterly，1989，13（3）：319-340.
[4]BAGOZZI P. The legacy of the technology acceptance model and a proposal for a paradigm shift[J].Journal of the Association for Information System，2007，8（4）：244-254.
[5]李玥泓. 基于技术接受模型的大学生微信移动学习影响因素研究[D].曲阜：曲阜师范大学，2019.
[6]杨水清，鲁耀斌，曹玉枝.移动支付服务初始采纳模型及其实证研究[J].管理学报， 2012，9（9）：1365-1372.
[7]JIA F， PEI S， GEORGE L. Effects of innovativeness and trust on web survey participation[J].Computers in Human Behavior，2009（25）：144-152.
[基金项目]2020年重庆市教委人文社科项目（项目编号：20SKGH243）;2019年重庆市大学生创新训练计划项目（项目编号：S201911551010）。
[作者简介]张小容，重庆科技学院学生，市场营销专业;戴庆春，重庆科技学院市场营销系教师，讲师，研究方向：品牌管理、大数据营销;周映宏，重庆科技学院学生，市场营销专业;吴玥瑶，重庆科技学院学生，市场营销专业;宋可，重庆科技学院学生，市场营销专业。