洛阳师范学院 河南省洛阳市 471000
摘要：伴随移动支付技术的快速发展以及移动支付用户规模爆炸式增长，移动支付运营商以及相关商家希望通过利用用户消费偏好，从而能够实现快速定位目标人群，提高效益。正文通过对移动支付的背景和意义做了解释，归纳了一些前人对知识驱动对移动用户支付的影响、数据驱动对移动用户支付的影响以及在二者共同驱动下对于移动用户支付的影响研究，得出在对移动用户支付的研究上，将知识、数据两种驱动相结合才能使得最终得到的结论更有价值的结论。最后讨论了在移动支付快速发展的时期，银行业的发展状况。根据讨论状况，提出了一些针对性的建议。
关键词：移动支付；数据驱动；知识驱动
引言
一、研究背景及意义
伴随着智能手机使用率提高以及互联网的迅猛发展。如今移动支付用户规模呈现着稳步增长的趋势。2021年2月3日，中国互联网络信息中心（CNNIC）发布了第47次《中国互联网络发展状况统计报告》显示，截至2020年12月，中国网民规模已经高达9.89亿，互联网的普及率达到70.4%。截止2020年12月，我国网络支付用户规模达到8.54亿，网络支付使用率也占比近九成。根据来自艾媒资讯的数据显示，移动支付用户规模从2016年的4.62亿人次，增长到2020年的8.54亿人次。在近几年移动支付得到了飞速的发展，同时其增长的趋势也依旧明显。
（一）移动支付的定义
什么是移动支付？想要理解这个名词，就要首先理解“什么是电子支付”。
中国人民银行在很早的时候就做出了定义：“是指个人以及单位，为实现货币支付与资金转移，直接或授权他人通过电子终端发出支付指令的行为。”作为电子支付的衍生品，移动支付则是互联网技术、金融技术以及通信技术结合的产物。但迄今为止，无论是学界学者还是业界专家对移动支付的概念都尚未形成统一的界定。
（二）移动支付
1.移动支付的分类
移动支付的种类分为两种，近场移动支付（Proximity M - Payments）以及远程移动支付（Remote M - Payments）。在近场移动支付行为中，在销售点，客户可以通过在NFC设备终端前摇动手机，继而进行支付。在远程移动支付行为中，客户通过使用配备有短信服务（SMS）或无线应用协议（WAP）技术的手机，从而给商家或个人进行支付。
2.移动支付的特性
可移动性、及时性、集成性等特性使移动支付覆盖了大多数人日常生活的每个场景，同时也对消费者的支付行为产生了极大的影响。用户可以通过移动设备进行移动支付行为，使整个支付行为变得方便快捷，用户体验也在一定程度上得到了提升。通过整合用户的移动支付行为，企业可以提供实时精确的个性化服务。同时随着移动设备更新换代和信息交互快速加速，通过对通信卡、交通卡、银行卡等信息进行整合，并借手机为载体，运营商进行集成管理。这些也都加速了“无现金社会”的形成。
3.移动支付的历史沿革
最初的移动支付依赖于传统的银行卡，只涉及发行人、受让人、商家和消费者，消费者使用银行卡行支付时，银联、VISA或Master Card等机构代表发卡银行和商户的利益通过认证和结算交易参与其中。而目前的移动支付服务供应商更多地通过“点对点”模式进行支付，如微信支付、支付宝、百度钱包、PayPal。移动支付先后经历了SMS移动支付、WAP 移动支付、NFC移动支付三种形式。
移动支付作为电子支付中的一种新型业务形态，会伴随着智能手机等移动设备的普及，以及移动支付在电商领域的业务拓展，移动支付的发展态势在未来必将呈现持续稳定型增长。
二、知识与数据对于移动用户移动支付的影响作用
本文是根据知识驱动和数据驱动为因素，讨论其对移动用户支付行为的作用。知识驱动是根据“移动支付”作为关键词，所构成知识库，再根据知识库反作用于实际；数据驱动是基于用户大数据分析，对移动支付的未来优化具有驱动作用。移动用户支付行为识别目前在国内外少有报道，但对于其的研究可以用利用移动用户行为分析研究以及其他相关的成果进行参考。
（一）知识驱动对其的影响
知识驱动是利用已有的且经过验证的知识，对用户移动支付行为的验证和分析，为验证用户行为提供了一定的理论依据。通过Web of Science中的核心文献，以管理学、心理学、计算机学、交互管理学等不同的视角对用户在移动支付系统中的行为进行了建模分析，发现了在以上所列学科的研究领域中有以下因素是影响用户行为在移动支付系统中最多的影响因素，分别是安全、感知、信任、便利这四种因素。同时文化和服务因素，两者作为在原有模型扩展后所发现的新的影响因素，对用户行为的影响也起到了更加重要的作用[1]。通过分析移动支付的主要风险，并提出对应管控的措施，为移动支付在我国未来的发展提供了借鉴意义[2]。首先根据社交网络当中的一些多维特征，提出了两种算法，分别是利用城市“热区”挖掘以及停留点语义化。其次，为了更好地融合移动社交网络当中用户所呈现的多维特征。而系统最终所呈现的包含了以时空和语义等为特征的用户移动数据，对分析用户未来的行为模式以及预测用户的下一个所在位置都起着至关重要的作用[3]。利用技术接受模型，引入计划行为理论以及期望确认模型，通过对用户持续使用购物类App影响因素进行挖掘，得出了服务质量、感知娱乐性等属性是影响用户持续使用购物App的重要因素[4]。
（二）数据驱动对其的影响
与知识驱动相比，数据驱动更加立体，结合相关已知数据，进行数据整合，通过对数据的分析、利用，可以直接影响现实。通过对用户使用手机的数据进行挖掘，构建了具有表征作用的特征——用户地理信息、发生消费地点和时间，以及发生消费的商店类别等特征。预测了用户在商场中将要出现的位置，并借此作为判断依据，为用户在未来提供更为准确的服务[5]。基于其所构建件描述用户行为模型，利用模型可以帮助运营商缩减在用户定位期间所消耗的资源，可以为用户提供更优质的使用体验，同时运营商营业网点的分布和基站的设置得到优化。另一方面服务提供商通过了解用户真正的需求，从而提高自己的竞争力，改善客户对其的业务满意度，变相的改变或影响了移动用户的消费行为[6]。通过对用户的历史位置所构成的数据进行整合，为分析用户的行为习惯等供了数据依据。通过对用户历史位置所分析出的结果，对用户服务、营销活动和社会建设等都起重要的意义[7]。
（三）知识和数据共同驱动的影响
数据驱动型可以依据现有数据，进行相应的数据分析，在得出结论后，依据结论即可帮助各方做出相应决策。但由于在数据驱动的影响下，对未来产生的结果是以当前数据为基础所进行的一种预测行为，在缺少知识驱动的情况下，会导致无法对未来具体情况进行全面的解释。所以在研究移动用户支付行为时要充分结合两种驱动各自的优点，从而进行相应的研究。从用户需求、体验以及社会网络分析了用户移动支付习惯的成因，并建立了其成因模型，又运用软件amos17.2，通过验证和分析，得出为培养用户移动支付习惯要从了解用户顾虑、明确用户使用收益以及利用先行者作用三方面进行着手[8]。通过结合相关理论以及多个模型相互融合，构建了新的模型——移动用户在线支付行为偏好影响因素模型，同时也为在线支付服务商在服务优化和支付产品的营销中提出了相关的建设性建议，例如与各领域之间的跨界合作，向“支付+”的金融综合方向发展，增强支付过程中的社交性等[9]。
通过以上的研究结果表明，将知识、数据两种驱动相结合，不仅能够更好地、全面地预测未来所要发生的情况，提出相应的解决方案，还能使得结论在实际情况上的应用通过数据的加持变得更加理性。两种驱动相结合的研究方法，在未来应该会成为重要的研究方法，其产生的结论也会更具价值。
三、移动用户支付行为对部分行业的影响
（一）对银行业的影响
银行作为经营货币和提供信用业务的金融机构，通过发行信用货币、管理货币流通、调剂资金供求、办理货币存贷与结算，充当信用的中介人。虽然新的互联网金融拥有成本低、易取得客户行为大数据、高效率等优势。但同时银行业也有着新的互联网金融不可比拟的优势，比如拥有更多的专业人才、自身信用水平较高、综合性服务能力强等。不可否认的是随着互联网金融的出现以及移动支付的发展，我国非现金支付业务在近年来持续增加。根据《2020中国支付清算行业社会责任报告》显示：在2019 年，全国银行业金融机构所共办理的非现金支付业务 3310.19亿笔，金额为 3779.49 万亿元，与上一年相比增长50.25%和 0.29%。
通过选取2013年至2019年，十一家银行中间业务收入以及占比数据，与第三方移动支付交易规模和数据进行回归分析，发现了在中间业务的整体发展上，第三方支付平台对商业银行有着促进作用[10]。
银行不仅作为现代金融业的主体同样也是国民经济运转的重要枢纽，应积极寻求与第三方支付平台进行多角度合作，实现共赢；同时，开发具有自身特色的移动支付平台；转变经营观念，提升经营水平，加大中间业务规模，提高办事效率，进一步促进现代金融业的发展。同时，银行通过整合资源，将核心业务与互联网信息技术进行交融，为客户提供“一站式”的综合金融服务。随着消费者支付行为更加多变化，“消费”变得越来越简单化、网络化，所以消费者所需要的操作，也需要变得更加人性化、便捷化。商业银行为了能够更好地生存和发展，必须结合当代时代特征，开发出更具有大众化的网络金融产品或服务。只有加强电子支付的安全技术研究以及支付流程的便捷化，商业银行所开发出其他产品，才能加强消费者的忠诚度。
参考文献
[1]齐蒙.移动支付设计中用户消费行为研究进展——基于Web of Science 2012—2020年相关研究文献的分析[J].湖南包装,2020,35(06):17-21.
[2]王恬也.我国移动支付的发展、风险和管控分析[J].电子世界,2019(16):66-67.
[3]熊俊杰.移动社交网络中用户行为分析和位置预测研究[D].南京邮电大学,2019.
[4]周沛,伏苏云,赵越春.购物类APP用户持续使用影响因素的实证研究[J].南京师大学报(自然科学版),2020,43(02):140-148.
[5]钟裕滨.基于手机移动支付的用户位置预测[D].广东工业大学,2019.
[6]于泽川.基于大数据的用户精准定位与行为分析[D].北京邮电大学,2019.
[7]陈鹏.基于用户移动数据的可视化用户行为分析[D].华南理工大学,2016.
[8]谢雪梅,高艳苗.用户移动支付行为习惯成因研究[J].北京邮电大学学报(社会科学版),2013,15(05):33-37.
[9]王骍琪.互联网金融环境下用户支付行为偏好及影响因素研究[D].南京大学,2015.
[10]王仙,李玲玉.第三方支付对商业银行中间业务的影响及研究[J].黑龙江金融,2020(09):78-80.