文摘

分析用户行为的复杂性在使用可持续应用面临的挑战时,如互联网搜索引擎。使用扩展分析接受模型TAM(技术接受模型)与信任作为一个额外的外部变量。建议信任间接影响最终的意图使用效用和易用性的认知。为了测试该模型,与用户进行了一项调查来自不同地理区域的西班牙( )。本研究的第二个目的是理解市场营销的复杂性由分离应用程序用户细分到不同的用户组。用户分组,他们偏好的最喜爱的互联网搜索引擎。使用FIMIX-PLS未被注意的异质性进行了研究,确定了三种不同的用户行为与搜索引擎。这些对应的居民居住在用户区。通过这种方式,环境对用户选择的影响,验收,使用这种类型的可持续应用程序了。结果使用PLS-SEM和检查表明,模型采用可持续的搜索引擎是解释和预测,因为信心和接受这个TAM验证。环境可持续的结论是有趣的对于开发人员和负责任的应用程序要符合当前的趋势,确保用户更喜欢他们。

1。介绍

许多公司不得不调整其业务组织互联网新技术发展(1]。在一个日益全球化和相互联系的世界,寻找信息,可以丰富公司,使其获得竞争优势是变得越来越重要2]。此外,这些技术的变化也影响了用户和已经发生明显的改变了消费者的生活。

在全球背景下,商业环境的日益复杂化,导致新商业模式的引入,改善全球联系和关系,容易获得信息。企业需要知道如何利用这些新的机遇。做到这一点的方法之一是为企业使用互联网搜索引擎来查找信息不同的产品,服务,活动,或任何信息是必需的。使用这些技术的进步改变了用户的习惯和访问信息的方法以及提高创造力当解决战略营销问题3,4]。

公司已经意识到,他们需要制定有效的营销策略,以利用新的消费者行为的趋势。的一个工具,可以用来做这是搜索引擎。在互联网上搜索引擎的网站索引信息和组织根据其质量为用户的搜索条件。今天,全世界使用最广泛的搜索引擎谷歌与总数的78.78%的市场份额,必应7.65%,百度为7.33%,雅虎为4.70% (5]。每个搜索引擎都有不同的特性,可以用来分析和改善营销策略。

以及考虑到全球发展在创建新的商业模式,公司也试图利用地球的资源更可持续和使用利基营销策略。这些营销策略的复杂性必须为了理解新的消费者分析(6,7]。研究各种可持续搜索引擎项目“绿搜索引擎在一些研究中,这是一个战略微观细分行业内(5,8,9]。

许多能源消耗计算资源需要一个搜索引擎能够从在世界任何地方找到信息。这些资源产生高温,可以减轻空调也消耗电能。事实上,谷歌表示,每个查询需要1 kJ或0.0003千瓦时的能量(10]。

可持续搜索引擎是一个搜索引擎的名字,让部分或全部利润的可持续社会和环境项目。一个搜索引擎的利润通常来自广告在搜索结果中(5,11]。

的信息在互联网上,存在新的可持续发展的商业模式已经发展近年来搜索引擎(12]。重要的是要注意,著名的搜索引擎优化技术,搜索引擎优化,SEM,搜索引擎营销,被广泛使用。第一种技术优化结果的搜索请求中所给出的信息,第二个方法是用于生产经济效益。这些经济利益中获得赞助的搜索结果(付费搜索)由广告商使用共产党(每次点击成本)或CPM(成本),或任何其他类型的支付方式13,14]。这种类型的广告还允许使用有效的营销策略,因为它使用和导航数据收集关于新消费趋势,可以用来修改营销。

作为一般规则,SEM-sponsored搜索结果和维持不同类型的可持续项目融资(15]。下面将描述一些可持续的搜索引擎。Ecosia分配80%的SEM广告收入树造林项目在世界各地。Solydar有助于可持续发展项目以及部门的社会弱势群体。Goodsearch鼓励用户的搜索引擎积累5美元信贷,他们稍后可以捐赠单位可持续发展项目。Lilo是一个搜索引擎,捐赠的水滴所积累的用户每次使用这个搜索引擎搜索。Benefind使捐赠0.5美分每一次有人使用他们的搜索引擎搜索。Forestle捐赠90%的利润和社会可持续发展机构或项目如Treeho,这类似于Ecosia植树模型使用搜索引擎的结果(5,16,17]。

本研究的目的是使用TAM和信任作为外部变量来确定不同群体的可持续的搜索引擎用户。FIMIX-PLS分析和事后分析,以确定不同的行为当用户采用可持续的搜索引擎和检测新消费者行为的趋势。这样,大量的信息可以用来评论营销如何面对未来的技术挑战,因为用户利用环境可持续技术。

2。理论背景

在过去的十年里,研究人员跟踪各种线条的研究领域的搜索引擎接受,用户的感受不同的搜索引擎,和不同的市场选择(见表1(18])。

表1
相关的工作。

桑切斯et al。19]研究进化的搜索,搜索的数量,和任何预期的结果的一致性,当使用不同的可持续的搜索引擎。同样,Martinez-Sanahuja和桑切斯20.]对搜索引擎的可持续性进行了研究发现可持续项目如何影响用户的意见并评论了自1994年以来,可持续发展搜索引擎的主要举措。

在研究Hahnel et al。26),传统的搜索引擎和可持续的因素进行了研究,发现影响用户的搜索引擎的选择。Liaw和黄27)提出了一个模型来调查方法与搜索引擎查找信息和识别这些搜索可以更有效率。

Fortunati和奥沙利文28)显示的重要性,新媒体和新技术所提供的数字替代方案。可持续社会发展研究具有特殊重要性放在用户如何对待这些新数字选择为了找到方法来提高他们(29日]。Jaca et al。30.)显示的重要性对企业考虑社会和用户的尊重环境。他们指出,可持续发展可以被理解为可持续的组织通过分析用户行为(23]。

此外,Hirsu [29日]研究了文化因素的影响,选择不同的搜索引擎搜索的用户。不同类型的搜索引擎的用户行为的研究为了确定行为模式,因此预测他们(28]。

3所示。研究模型和假设的发展

不同的技术接受模型和理论分析之后,TAM与信任作为一个额外的外部变量被选为这个调查。TAM被选中,因为它已被证明是一个可靠的模型测量的接受和使用技术以及用户的行为。主要构造模型解释用户的态度利用技术,TAM已经被用于调查用户的态度替代技术。评估不同的研究使用了TAM,添加了外部变量,接受理论在这个模型的选择提供帮助。在下一节中,有一种解释每个变量和关系的模型分析中使用的假设。

4所示。技术接受模型(TAM)变量

TAM建立随意的感知有用性之间的关系(PU),感知易用性(PEOU),使用(前提),态度和意图使用(使用)31日]。戴维斯的研究(32),该模型首次提出了感知有用性(PU)和感知易用性(PEOU),不隐式地包含在TAM,预计将影响使用态度(前提)和行为意图使用(33]。在这项研究中,信任也包括外部变量。信任被定义为用户的信心技术的可靠性和链接使用它时隐式操作与技术(5]。前提是指用户的积极或消极情绪对任何给定的使用技术,虽然BUSE之前使用的技术的数量(34]。聚氨酯是指多少个人认为使用一个特定的系统将改善他们的表现32]。这是一个主观的衡量潜在用户的可能性将会增加他们的工作性能在一个组织在使用技术时35]。PEOU变量措施多少个人effort-free认为使用一个特定的系统。不同作者以前也使用外部变量,信任,TAM (36]。信任是一个外部变量定义的模型,先前的研究在各种各样的方式,理论上和操作。

Palanisamy [37演示和开发了一个模型的接受不同的搜索引擎和聚氨酯使用的影响有关。Liaw和黄27]研究了聚氨酯的影响前提理解用户的态度使用搜索引擎和感知效用不同的搜索引擎。使用上面的研究,我们提出以下假设。

H1感知有用性(PU)影响意图使用(使用)可持续的搜索引擎在互联网上。Lim和停38)开发搜索引擎的技术接受模型在电子商务中使用的web页面。一个清晰的关系被发现PU和使用搜索引擎时前提之间。Koufaris [39]研究用户行为进行查询时用这些搜索引擎和调查了PU和前提的关系当访问一个web页面使用搜索引擎的结果。通过这些研究,我们提出以下假设。H2感知有用性(PU)态度影响使用(前提)可持续搜索引擎在互联网上。Morosan和宋40TAM)用于研究搜索引擎采用的预订酒店和餐馆和研究PEOU和PU变量的影响在使用这些搜索引擎实现旅游者的目标。杨和康(41)显示使用和聚氨酯的影响变量在泰国和使用搜索引擎UTAUT(统一理论的接受和使用的技术)模型。使用这种文学,我们提出以下假设。H3感知易用性(PEOU)影响感知有用性(PU)的可持续的搜索引擎在互联网上。许和沃尔特(42)调查的关系易于使用和感知有用性的搜索引擎寻找web页面上的内容。他们提议PEOU之间的关系和使用技术接受模型的前提。Chi-Yueh et al。43]探索用户使用搜索引擎的目的在互联网上找到音频和视频内容的影响,分析了PEOU前提。通过这些调查,我们提出以下假设。H4感知易用性(PEOU)态度影响使用(前提)可持续的搜索引擎在互联网上。月亮和金(44)和Gefen et al。45TAM)用于研究在互联网上搜索引擎和在线商店。在这个研究中,态度的影响使用(前提)打算使用(使用)互联网搜索引擎进行了研究。以下调查,TAM改编为搜索引擎,我们提出以下假设。H5使用态度(前提)影响意图使用(使用)可持续的搜索引擎在互联网上。许和沃尔特(42)改编TAM为搜索引擎使用通过添加信任变量,然后将这两者聚氨酯。要做到这一点,态度对使用的影响,当一个用户相信搜索引擎,测量(44]。Palanisamy [37)还包括信任变量在模型中,为了找到搜索引擎及其可靠性的技术验收。使用这个搜索引擎的研究,我们提出以下假设。编辑信任影响感知有用性(PU)的可持续的搜索引擎在互联网上。Lim和停38],Palanisamy [37),和徐和沃尔特42也分析了影响信任,作为外部变量,在接受PEOU模型,揭示了这两个变量的影响搜索引擎(5,45]。因此,提出了以下假设。H7信任影响感知易用性(PEOU)可持续搜索引擎在互联网上。

5。异质性和分割

在社会科学中,很难保证整个样本符合相同的概率分布。然而,请,细分可以使用结构模型,这意味着不同的参数用于单独的样本分成组(46]。

异构的数据可能会或可能不会被观察到。异质性是观察到当两个或两个以上的团体之间的差异所导致的数据可以观察到的特征,如性别、年龄、或原产国。另一方面,未被注意的异质性时出现两个或两个以上的数据组之间的差异并不依赖于任何可以观察到的特征或特征的组合。但是,仍然可以有显著差异的数据组之间的关系模型,当这些差异的起源不能归因于任何可观察到的变量如年龄、性别、教育水平、或任何其他类型(47]。

在我们的研究中,这些可观测特征被用来将数据划分为独立的组织进行调查,然后分析了与一个与PLS-SEM方法。要做到这一点,使用的变量的分组样本必须被发现。一旦这些被确定,这些分组之间的关系可以建立和分析。

建立了这个过程的技术,但之前的研究表明,传统的分组技术操作不是很好地识别分组差异(48]。方法论研究PLS-SEM导致多种不同的技术,通常被称为潜类技术,识别和治疗难以察觉的异质性。这些技术已被证明是非常有用的对于识别未被注意的异质性和相应的分组数据(47]。

TAM用于这个调查采用可持续的搜索引擎在互联网上,和建立了段的数量,这是小到足以保证吝啬,足以保证战略相关性(49]。

技术选择研究的异质性是FIMIX-PLS (50),延长Sarstedt et al。51]。FIMIX-PLS是最潜在的类方法用于PLS-SEM [52),是一个探索性的工具,导致样本的适当数量的部分应该划分。FIMIX-PLS技术允许做出判断段的数量用务实的推理和实际问题中确定当前研究[53]。

FIMIX-PLS是应用最广泛的技术,已被应用到各个领域的研究,如环境定位的企业(46由中小企业[],互联网的使用54,55)、旅游管理(56),战略营销管理(57),企业声誉48,58),移动购物59),和学习系统60]。

使用PLS-PM FIMIX估计提出了一种路径模型算法。由此产生的潜变量值用于FIMIX-PLS算法找到任何未被注意的异质性的内部模型的参数估计(潜变量)之间的关系。

6。数据和方法

表2显示了样本的人口统计特征( )。可以看出,大多数的样本是岁年轻人19-30(81.3%)的人在大学学生(75.3%)(73.0%)和使用搜索引擎智能手机(91.2%)。百分比的男性(41.6%)和女性(56.8%),以及栖息地,同样更匀称。

表2
样本的人口特征( )。

本研究的数据收集技术选择的调查,这是一个定量技术。在这种情况下,它允许我们识别用户的态度和行为在使用可持续的和不可持续的搜索引擎在互联网上。一个15个关于态度和行为的问卷调查和5分类问题。分类问题是性别、年龄、工作、栖息地,教育水平和设备用于互联网接入。调查问卷分为3部分。

第一部分处理TAM的问题(32对互联网搜索引擎技术和用户的情感、态度和行为的采纳和使用可持续的搜索引擎。这部分是由12个问题PU (3), PEOU(3),前提(3),并使用(3)。TAM变量测量使用适应项目量表(32]。

第二部分由一块问题的不同方面的信任和可持续的搜索引擎。这些问题被分为3项构建信任。行为项关于可持续搜索引擎在互联网上被改编成先前的研究在信任、信任的变量是指多少用户相信安全、可靠性、效率、能力、和有效性的一个可持续发展的搜索引擎(5]。可持续搜索引擎行为项目指的是当用户发现服务是不可靠的和与搜索引擎互动少,内容或信息。

在行为意向的研究使用一个搜索引擎,信任被定义为一般认为这些搜索将[37,38,42,44,45]。

有20项研究问卷调查(见表3)。所有的项目,除了类别的问题,测量使用李克特5点量表,包括总分歧(61年)总协议(62年]。

表3
项目和规模。

总的来说,445年从用户收集的问卷。谷歌使用形式,因为问卷可以在线然后分布式社交网络。非概率和使用便利抽样,一个试点调查进行了检查量表的有效性和可靠性。这样,问题可能是精制和额外的评价问卷的内容和结构。在调查中所有的参与者被要求观看视频,问卷调查。

PLS-SEM方法用于分析。这是一个基于结构方程模型的统计分析方法,它是一个探索性研究推荐的方法,因为它允许潜在的造型结构和指标(63年分析收集到的数据。请适合相对较新的现象的分析和预测64年]。在这项研究中,我们使用了SmartPLS 3软件(65年]。结果处理统计软件包SPSS 24岁,这是用来计算频率表、CHAID树,方差分析,样本统计量。

为请找到最小样本量的造型,头发等。66年)建议使用科恩表(67年]。这些表是使用G 权力软件包(68年找到相关的构造,是那些有最多数量的预测。在这种情况下,他们是PU、前提、和使用。以下参数被用于计算:测试功率( 错误概率。(二)和效应的大小( )。科恩(69年和头发等。70年)推荐的0.80和平均大小的影响 。在我们的例子中,有两个因素,因果关系的结构与使用(见图1)。因此,从请使用构建建立了最小样本容量为107 和关键 。因此,使用的样本是足够的,因为它是四倍以上推荐的最小获得有效和可靠的结果建立了参数。


图1
提出了研究模型并请结果。

7所示。分析的结果

7.1。度量模型评价

前请进行分析,测量模型的有效性和可靠性计算使用以下测试:个人每个项目的可靠性,内部一致性(或可靠性)的规模(或结构),聚合效度和区分效度。

安装7.1.1。个人物品的可靠性:构造负载( )

在这个阶段的调查指标的负载( )计算,最低验收标准构建的一部分 (71年]。因此,一个值 表明每个测量代表至少50%(0.7072 = 0.5)的底层构建的方差(72年]。没有达到最低水平的指标忽视(73年]。

潜变量之间的关系的大小和重要性计算使用的标准化路径系数。下巴[建立的规则74年)指出,这个值必须至少0.2(见图1)。

克伦巴赫α和综合可靠性(CR、综合可靠性)然后找到每一个构造的可靠性计算。这个评估措施的一致性构造基于其指标(75年),也就是说,这些项目的严格测量相同的潜变量。接受的下限构造可靠性使用量表的阿尔法通常在0.6和0.7之间(76年]。因果关系存在的负载指标和综合可靠性(CR) [77年)必须有一个最低水平0.7 (62年,78年,79年]。

表4显示了结果的可靠性系数。可以看到,所有的系数值大大高于必要的最低限制,这证实了较高的内部一致性的所有潜在的变量。

表4
测量模型。
7.1.2。判别和聚合效度

大街(平均方差提取)被定义为均值方差和方差衡量指标中提取构造的相比,由于测量误差的方差(80年]。这些作者的建议是AVE≥0.50。rho_A系数(81年)表明,在所有构造≥0.7。

区分效度显示多少一个构造不同于另一个。高值表示弱结构之间的相关性。对于这个测试,Fornell &拉克尔(80年使用标准,验证如果平均方差的平方根提取(AVE)构造大于构造之间的关系和模型的其余部分的结构。是满足此条件可以看到右边的表2。

表5显示了得到的结果,可以看出,每一对的所有HTMT关系因素< 0.90 (82年,83年]。所有这些标准和测量的实现意味着证实模型的有效性和可靠性。

表5
HTMT模型的解释和预测能力。
7.2。评估结构模型

下面的分析是用来研究结构模型,解释方差的内生构造( ),预测能力 ,路径系数( ),选择学生的关键值分布t值(84年]。

hensel et al。72年)考虑的解释力 值为0.67,0.33和0.19是实质性的,温和,分别和弱。在表4,我们可以看到,PU ( ),ATS ( ),并使用( )有一个温和的解释力,而PEOU解释力很差( )。

7.3。模型和假设检验

使用引导的模式,然后分析技术。使用这种技术,参数和标准偏差的学生t值被发现。从这些简单的组件计算回归系数,结果潜变量之间的关系的假说。

在此阶段,假设进行测试,看在该模型建立的关系被证实(84年]。首先,所有的构造之间的关系有显著影响行为意图使用搜索引擎(见表6)。因此,拟议的TAM一起支持外部信任变量。所有的假设都支持以99.9%的置信度,H3除外。之间的关系PEOU→PU与置信水平95%(最低有效 , )。

表6
统计假设检验。

最强烈的关系,在秩序,H7:信任→PU ( ; )和H2: PEOU→ATS ( ; )。

7.4。结果FIMIX-PLS:研究难以察觉的异质性

FIMIX-PLS属于任何给定的概率计算部分,每一个观察调整段的预定数量估计独立线性回归函数,使一组可能的片段。每种情况下分配给段以最大的概率。

测试是在四个阶段完成:首先,最优的数量与FIMIX段计算。然后,证明这些片段被发现的潜在变量,为了最后估计模型及其片段。

FIMIX被用来将样本划分为不同的细分市场。遇到的第一个问题是选择适当数量的部分。这是典型的连续重复FIMIX-PLS过程与潜在的类的数量。在我们的例子中,由于样本容量 ,我们计算 , , , 。获得的结果比较使用不同的信息标准提供的健康指数。以下比较,Akaike (AIC),控制AIC (CAIC),贝叶斯信息准则(BIC),和标准化的熵统计(EN)。健康指数的结果如表所示7。

表7
指数。标准模型的选择。

首先,FIMIX测试被用来找到段的数量的样品可分为。配置的算法对样本的大小,以便PLS-SEM可以应用与10个重复。这个配置是通过期望最大化(EM)算法。EM算法之间的交替执行步骤(E)和期望最大化的一步(M) (47]。步骤E评估和使用的当前估计参数。M步计算中的参数概率最大化对数登记步骤E步骤E和M应用先后到结果是稳定的。达到稳定值在没有实质性的改进。

表7显示运行后的结果与不同数量的FIMIX 分区。因为段的数量是未知的先验,不同段数比较的适合性和统计解释(85年,86年]。

纯粹是基于数据的方法,它只提供了一个近似指南段的数量,应该选中。启发式,如标准和EN的信息,是不可靠的,因为他们是敏感数据和模式的特点47]。

然后评估获得的不同的标准。Sarstedt et al。51)评价不同信息的有效性标准FIMIX-PLS星座和广泛的数据模型。他们的研究结果表明,研究人员应该考虑AIC 3和CAIC。只要这两个标准显示相同数量的部分,结果可能指向适当数量的片段。在表6,在我们的分析可以看出,这些结果不相同数量的部分。因此,AIC使用因子4 (AIC 4,87年]和BIC)。这些指标通常工作得很好,在我们的示例中(见表6),他们表示相同数量的部分,这是 。其他标准显示这是一个明显高估,尽管MDL5表示部分的最小数量 ,在这种情况下会显示3 (47]。

熵的测量,如标准化熵统计(EN),也被认为是(88年]。在使用一个观察的概率属于一段表明是否分区是否可靠。属于概率越高段测量,清晰段归属。在指数震荡在0和1之间。最高的值表示一个更好的质量分区。先前的研究提供证据表明,在值高于0.50允许一个清晰的分类的数据段的预定的数量(89年,90年]。在表6,可以看出,所有分区的值> 0.50,虽然价值达到最高 EN = 0.998;为 EN = 0.819, EN = 0.717 。

因此,从提议的解决方案,最优段之间的数量 和 。 被FIMIX-PLS段的数量表示,考虑到最小的分区的大小在这种情况下是12.1%。

我们可以看到在桌子上8, 解决方案和样品 的分区段为58.2% (259),29.6% (131),12.1% (91年,92年]。段的大小并不小,尽管百分比。因此,样本大小是充分的使用请。请在样本大小可以大大小于SEM由于协方差(47]。甚至可以比观测变量,可能会有少量的数据完全丢失(46,93年]。不同作者表明,在请样品可以非常小94年和最低甚至可以2064年]。

表8
相对大小。

获得数据的分割结构准备FIMIX的第三步。要做到这一点,一个事后分析(50),这意味着,首先,分配每个观测结果的概率最高的一段属于这段。其次,数据除以一个解释变量或者一些解释变量的组合,导致数据分组由FIMIX-PLS对应。

进行事后分析,以确定解释变量,证明这个细分。使用建议的几个作者,CHAID决定或者分类和回归树来做这个48,95年]。

CHAID决策树(96年)是一个图形和分析的方式代表所有可能出现的事件决定。这些树允许考试结果和直观地确定模型的流。视觉的结果有助于找到特定的子组和关系可能不会发现与更传统的统计数据(97年]。在这个调查,这种方法被用于制造“最好”的决定从概率的角度对一系列可能的决策。见图2,结果表明,生境变量对的选择充分说明4段。


图2
CHAID决策树。

另一种方法,可用于事后分析是比较分类上的解释性变量使用方差分析(方差分析)因素应用于部分分配给每个观察。

这样,CHAID树构造,使用FIMIX-PLS段被发现的特点。方差分析的结果(方差分析)类别变量定义与解释能力。表9表明不仅生境变量的解释能力,而且年龄和最喜欢的搜索引擎。

表9
方差分析的结果。

在一个更详细的分析表10时没有发现显著,年龄为3段研究手段的差异。然而,和最喜欢的搜索引擎是重要的栖息地。

表10
方差分析差异片段的手段。

表10表明城镇之间的差异片段1和2 < 20000居民,居民从20000年到100000年,> 100000居民。谷歌和之间有显著差异https://www.ecosia.org/搜索引擎在这些相同的部分。

的最后一步估计segment-specific FIMIX分析模型。一旦栖息地和最喜欢的搜索引擎变量被发现的主要解释变量证明FIMIX-PLS分区,只剩下最后一个步骤。在这一步中,特定的模型表示部分被发现。

为了做到这一点,栖息地进行了多组分析,结果CHAID决策树。相对应的3组生活在一个地方< 20000居民,20000 - 100000年居民,> 100000居民。方差分析发现显著差异片段1和2之间的栖息地,也最喜欢的搜索引擎:谷歌或Ecosia。应用重新引导之后,结果在表11被发现。

表11
分解的结果直接影响潜变量之间的关系。

这些分析完成FIMIX-PLS方法的基本步骤。然而,其他研究显示测试的具体路径系数数值差异是否使用多组分析部分也明显不同。多组分析文档研究发现几种方法,Sarstedt et al。98年和头发等。47详细讨论。头发et al。47)推荐使用的排列方法(下巴& Dibbern, 2010;Dibbern &下巴,2005),它也被SmartPLS 3软件实现。

然而,在解释多组分析的结果,研究人员必须确保在所有组测量模型是不变的。一旦测量不变性(MICOM)所描述的hensel et al。99年)进行了检查,进行了分析发现如果有任何重大差异部分使用多组分析(公司)。结果中可以看到右边的三列的表12。

表12
可靠性测量的通用模型和三段。

从结果可以验证的非参数测试、多组PLS-MGA分析证实了参数测试和还发现部分2和3之间的显著差异。

第一和第二段之间有差异但只有 和 在H1 at→使用( ), 和 在H1 ( )和H7 ( )表现出显著差异。

段的有效性测量模型和其使用的解释能力 表所示11段与主要结果分类。可以看出 值CR和AVE限制(以下 CR PU = 0.293, AVE PU = 0.497)。每一段的解释能力( )是改善一般模型显示在所有主要因变量的分区使用。

7.4.1。预测效度的评估

请可以用于解释和预测的研究,它可以预测现有的和未来的观测(One hundred.]预测效度表明,对于任何给定的一组测量构造可以预测相关的构造(101年),在我们的案例中,打算使用(IU)。

预测效度(样本外预测)是评估通过交叉验证保留样品。建议的方法·史慕丽et al。(2016)是用于这个调查。

使用其他作者的研究[102年,103年),目前请SmartPLS预测算法的软件版本3.2.7使用(65年]。这个软件给结果k-fold交叉预测误差和预测错误的总结,如均方根误差(RMSE)和平均绝对误差(MAE)。请路线模型的预测性能指标和结构可以被评估。以下基准由SmartPLS团队被用来评估模型的预测性能(102年- - - - - -104年]:(1)的 请预测价值:请模型的预测误差进行比较简单的平均预测。如果该值的 是正的,PLS-SEM结果的预测误差的预测误差小于简单使用平均值。因此,PLS-SEM模型提供适当的预测性能。这是段的两个次级样本情况(见表1和313相关建设单位(表)14)。这表明我们取得了良好的预测结果(2)线性回归模型(LM)的方法:回归的外生指标每个内生指标。当这种比较,估计得到的能获得更好的预测错误。这是显示当RMSE值和梅低于LM模型。如果这是发现,预测成为可能。这种技术只能申请指标。我们可以看到在桌子上14、RMSE值和梅大多是负面的,这说明良好的预测能力

表13
总结因变量的预测。
表14
请预测评估。

之后,菲利普et al。102年),样本内和样本外预测相比,真正的综合得分。为了做到这一点,研究[105年使用:

使用这个过程时,发现以下指标IU构造:RMSE完整的样例(见表8)是0.374和更高价值段1(0.485,差异= 0.111)和较低的值段2(0.205,差异=−0.169)和段3(0.337,差异=−0.037)。随着复合值归一化和0的均值和方差1,RMSE可以视为衡量标准偏差。RMSE样本内和样本外的最大0.205,小于25%的标准偏差(102年]。自RMSE不是实质性的差异,产能过剩对这项研究并不是一个问题。

残留的密度图提供了样本内和样本外的图3。


图3
渣密度样本内和样本外。

由于不同的分析,本研究发现足够的证据来支持预测效度(样本外预测)我们的研究模型,以预测的值IU的新病例。因此,模型可以预测意图使用额外的样品中不同的数据集是用来测试理论研究模型106年]。

研究模型的预测效度提供了额外的支持测试。

7.5。考虑管理互联网搜索引擎(IPMA)

符合研究研究数据的异构性59],IPMA-PLS技术被用来寻找更精确的推荐搜索引擎的营销在互联网上。IPMA相结合是一种使用矩阵网格分析,允许的总影响PLS-SEM估计“重要性”的平均值得分“性能”(59,107年]。这项研究的结果发表在importance-performance图的四个领域。通过这种方式,营销行为可以优先考虑重要性和性能的平均线为每一个潜在的构造(108年]。

结果不同类型的搜索引擎用户在互联网上显示在图中4。与不同的应用程序,其他作者提出的四种不同的建议可以为更高效的搜索引擎营销行为在互联网上([109年][59,110年,111年])。


图4
Importance-performance地图 , , 。

Groß[59),解释的四象限图划分如下:

象限我接受的显示属性被高度重视的表现和重要性,竞争压力,和因素获得或保持在互联网上搜索引擎的接受在一个较高的水平。因此,公司正在开发搜索引擎应该考虑到这些属性。

象限II显示接受属性的重视但低性能,需要改进。在这种情况下,互联网搜索引擎开发人员应该首先关注这些因素。

第三象限显示低接受属性重要性和性能。由于他们的低优先级,它不是明智的额外的努力改善搜索引擎关注这些属性,只要他们的影响力不会改变的力量。

第四象限显示与小目标的重要性但是接受属性高的性能指标。这可能超过积极接受搜索引擎必须考虑这样的资源和努力可以分配给其他属性并不在这个象限。

获得的结果为每个部分提供不平等的结果。为用户属于 ,所有结构都是重要的,并提供合理的性能和显示较低的重要性和聚氨酯的性能但与类似的结果获得了信任和PEOU在较小程度上,哪个更重要。

因此,个人的结果类型的互联网搜索引擎用户可以解释在四个不同的建议进行更有效的市场营销行为在互联网上搜索引擎。

为用户属于 ATS的结果是相同的,但与性能略低于PEOU和信任。这些展示聚氨酯性能很低,因此开发人员应该关注营销活动显示产品的巨大效用在日常生活中,不突出的重要性,而是可以实现的结果与产品使用。

最后,获得的结果 表现出不同的情况。这些用户价值重要性> 40岁和< 70,说明聚氨酯是最少的价值和获得0.85分。因此,在这部分中,改进的性能应该PEOU ATS,提高搜索引擎的用户的感知。对这一领域的大多数营销应该采取行动,强调易用性,和工作行为,提高对互联网搜索引擎的态度。

8。讨论

首先,讨论的结果是由一个扩展信任理论TAM与外部变量,分析了打算使用社会和环境负责的搜索引擎。请方法被用来分析测量模型和测试假设。结果表明,所使用的尺度都是有效的和可靠的模型。结果还表明,所有的变量都支持,甚至影响了聚氨酯和PEOU信任。其他作者也证实了这种说法37,42,44]。

FIMIX-PLS分析将样本分成三组。合适的分析指标,细分市场的大小,和的值 建议细分为三个样本组。多组分析发现显著差异在不同团体的关系。

事后分析使用一个决定或分类CHAID树(96年)导致的最佳分类变量样本组。结果表明,生境变量是最好的变量组分类。这意味着应该由三个部分的大小位置搜索引擎用户生活的地方。也就是说,用户住在的地方< 20000 - 100000年之间的20000居民,居民,> 100000居民。最喜欢的搜索引擎(谷歌vs。https://www.ecosia.org/)是一个额外的分类变量。

引导的结果分析表明,一些关系无效的部分,即使他们完整的样例有效。所有的假设都支持最大的部分(58.2%),这意味着这个群体标准的Google搜索引擎的用户配置文件。

Google是一个全球领先的搜索引擎市场,领先排名在所有国家,除了中国。在西班牙,95.79%的市场份额,其次是Bing(2.61%)和雅虎(1.34%)数据显示从2018年5月112年]。因此,这部分代表了大多数用户在西班牙最喜欢的搜索引擎。很明显,电脑并不是唯一的设备使用的搜索引擎,和许多搜索也用移动设备。考虑到在西班牙Android拥有90%的市场份额,而搜索引擎是预装在谷歌的移动操作系统,也就不足为奇了Google搜索引擎使用统计数据非常有利。

然而,这多数行为没有明显在第二段(29.6%),在PEOU PU和ATS没有显著关系。这两个关系,多组分析显示显著差异(置信水平= 99.9%)PEOU→at前两段。因此,用户在第二段似乎没有考虑到搜索引擎很容易使用,和这个事实并不影响他们的态度。

同样,分段2显示减少路径系数和人际关系的重要性。我们可以看到在图5的关系,改变这段聚氨酯→ATS和信任→聚氨酯。其他增加的关系,如信任→PEOU和ATS→使用。这些用户是为谁学习如何使用搜索引擎并不是一个问题,不考虑其易用性。使用搜索引擎的决定是基于感知的效用和生成的信心。这个用户可以成为社会和环境可持续发展的潜在用户的搜索引擎。


图5
分割结果。

段3(12.1%),可以看出,这四个假设没有证实(ATS→使用,PEOU→PU、PU→ATS,信任→PEOU),所以这部分用户喜欢简单的搜索引擎和只考虑其效用。然而,PU不是受到PEOU的影响,这意味着有用的搜索引擎只受信任的影响。这种类型的用户更喜欢选择搜索引擎,贡献社会和环境,有额外的搜索引擎工具,比如可持续的。这个群体,因此,包括可能的用户可持续的搜索引擎。

段的解释能力较高的三个分析分区(温和的)比一般模型,2段适度更高的价值。

8.1。分割使用生境与喜欢的搜索引擎

像其他最近的研究(60),本研究发现,使用请分割是一个有效的和适当的技术研究未被注意的异质性,可以帮助提高对市场营销的理解复杂的系统。在我们的例子中,用户生活的地方(生境)和用户最喜欢的搜索引擎(搜索引擎)也提供了样本分割和适度接受模型的关系。

现有的科学文献识别调节效应关系的重要性,大多数研究认为这影响经典TAM (32),交易(理性行动理论)61年),UTAUT(统一理论的接受和使用的技术)(113年),在派生的适应性。

然而,文献使用栖息地作为细分变量,或者温和派技术采用相当稀缺。最近的研究证实,采用互联网的标准是由民族文化(114年),因此,一个住的地方条件对互联网的看法。

一些作者(5)指出,第二个细分变量,提出搜索引擎偏好,采用模型中条件的关系。

与其他研究相比之下栖息地的影响,先天的变量是不习惯。本研究采用未被注意的细分,将样本划分为组,这样能找到异质性和同质组中创建。之后,CHAID分析表明,生境变量是最好的预测变量分割可用的信息。后,未被注意的异质性是用作以后的观测到的异质性分析与方差分析。

这些结果表明,生境变量的调节影响意图使用某些搜索引擎。组分析,首先测试发现差异PEOU k1和k2段→ATS的关系。同时,ATS→使用关系是不受支持的第三段,和显著差异被发现k1和k2。其余的差异关系的强度。在第一段,信任→比在第二段聚氨酯具有更大的意义,这意味着搜索引擎效果比其他更重要的方面。这证实了这段2包含潜在用户的可持续的搜索引擎。

9。结论

9.1。对企业管理

在当前的市场,科技公司需要处理复杂的问题。两个最重要的是增加各种各样的产品和消费者需求的变化。这些市场研究不得不停止推荐无差别营销策略和采用过程使用基于因果关系的分割。

使用科技产品设计是环保的,因此从社会可持续发展的观点是最近感兴趣的领域在IT部门。还有小研究在这一领域,只有少数公司考虑为他们的产品这些属性的结果。然而,这些属性用户越来越感兴趣。本研究研究了互联网搜索引擎,还有只有少数社会和环境可持续性。为了让搜索引擎工作在世界各地,许多计算机资源消耗电力。搜索引擎使用产生高温,减轻空调房间,而这些也消耗电能。事实上,谷歌指出,每个查询由需要大约1 kJ或0.0003千瓦时的能源(10]。这种能量的一小部分是由可再生能源,16.5%的西班牙(欧盟统计局,2016)。这意味着公司必须赔偿所有产生的污染的能源生产服务器,网络设备和存储单元所需的搜索引擎,通过改善搜索引擎可持续性和环境意识。本研究发现最好的关系模型的变量条件搜索引擎的用户的偏好和验收以及可持续的搜索引擎用户的概要文件。

这项研究使科学文献中两个重要的贡献。第一个贡献是方法论,使用非参数不均匀的分割技术,有助于理解复杂的系统。是文献综述中所看到的那样,这种方法已经被作者用于商业,营销,管理,但尚未应用于it行业的科技产品。因此,不同的互联网搜索引擎用户群体的行为是探索,与特别的考虑环境可持续性的属性。

所有的构造提出了通用模型中假设被接受。信任是一个重要的考虑在接受搜索引擎在互联网上5,37,38,42,44,45),因为它间接影响聚氨酯和PEOU。

以下行为细分变量和用户行为进行研究后,提出了在每个组。用户与小于20000的城镇居民表现出功利主义的行为,所以策略旨在提高表现,生产力和效率提出和强调使用搜索引擎的优点。

为用户属于第二段,ATS的结果都是一样的但略低于PEOU和信任的重要性。这些用户给PU重要性,所以搜索引擎公司营销活动应该显示的巨大效用的产品在日常生活中,和结果,可以通过使用它。

最后,用户在第三段的结果反映了不同的场景。这些用户状态,聚氨酯是最重要的变量。因此,在这种情况下,PEOU at应该考虑通过提高用户的感知的搜索引擎。最重要的营销应该在这方面采取行动,促进易用性的属性和行为,提高使用互联网搜索引擎用户的态度。对环境可持续性和尊重是很重要的方面应该包含在营销行动。

9.2。局限性和未来的研究

这项研究是有一定的局限性,因为它是一个探索性研究在最近的研究领域可持续发展的it产品。在未来,更大的人口规模应该用于比较和对比这一研究发现的结果。同时,营销是一个复杂系统因果关系只能回头再看。必须了解这些系统的复杂性和战略发展面临这些挑战。另一个重要观点是,创新发展的速度往往是不一样的市场研究。此外,用户还不是很熟悉这些应用程序的使用,需要看视频和互动与可持续的搜索引擎观察它是怎样工作的,但也许,应该花更多的时间在这一个完整的理解等应用及其广泛的影响。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。