《Energy Research & Social Science》：Leading the pack or lagging behind? Validating a simple measure to prospectively identify adopter categories for low emission technologies
编辑推荐：
消费者自我识别采用者类别的有效性验证及低排放技术推广策略研究。摘要：通过询问消费者自我识别采用者类别，研究发现这与罗杰斯理论一致，但创新者与早期采用者无显著差异。该方法可作为前瞻性分类有效手段，支持低排放技术定制化推广策略。
约书亚·D·牛顿（Joshua D. Newton）| 贾宾·雅各布·约翰（Jubin Jacob John）| 杰夫·D·罗特曼（Jeff D. Rotman）| 弗吉尼亚·韦伯（Virginia Weber）| 杰伊·岑基奇（Jay Zenki?）
迪肯大学（Deakin University）市场营销系，地址：221 Burwood Hwy, Burwood, VIC, 3125, 澳大利亚
摘要
采用低排放技术对于缓解气候变化至关重要，但许多消费者尚未采取这一行动。罗杰斯（Rogers, 2003）的创新扩散模型以及该模型根据消费者采用技术的速度将其分为不同动机类别的方法，似乎是应对这一挑战的有效工具，有助于制定针对不同类别消费者的低排放技术采纳策略。然而，传统上采用者类别的分类方式是回顾性的，这阻碍了这一策略的实施。因此，本研究的目的是评估一种前瞻性的方法来确定消费者的采纳者类别：即让消费者自我识别他们属于哪种低排放技术采纳者类别。通过对两个澳大利亚样本（总样本量n=2645）的研究，我们发现三种低排放技术（电动汽车、电热供暖系统、电/太阳能热水系统）的当前和计划采纳情况与罗杰斯的理论预测基本一致，即使在控制了潜在的采纳障碍（如财务资源、居住时间、采纳成本）后也是如此。唯一的例外是创新者与早期采纳者之间，未观察到明显的采纳差异。尽管存在这一例外，自我识别的采纳者类别仍是一种有效且快捷的方法，可以用于前瞻性地分类消费者的采纳者类别，从而制定出符合各采纳者类别动机特征的低排放技术采纳策略。
引言
要缓解气候变化带来的生存威胁，需要在全球经济的所有领域立即大幅减少温室气体排放[1,2]。实现这一目标的关键在于全球消费者广泛采用低排放技术，包括电动汽车和由绿色能源驱动的节能家用电器[3,4]。不幸的是，尽管这些技术的可用性和可负担性不断提高，但不同消费者群体的采纳率仍存在显著差异，且国际上普遍较低[3,5]。因此，迫切需要制定针对性的措施来加速特定消费者群体对低排放技术的采纳。
罗杰斯（Rogers, 2003）的创新扩散模型中的某些组成部分似乎非常适合解决这一采纳挑战。其中一个组成部分是将消费者分为五个类别——根据他们采纳技术的速度，从创新者（最早采纳者）到滞后者（最晚采纳者）。另一个组成部分是罗杰斯为每个采纳者类别开发的心理社会特征，这些特征描述了各类别消费者对创新的评价和反应方式。这些组成部分结合起来，可以为制定针对每个采纳者类别独特动机特征的战略奠定基础。例如，罗杰斯认为早期采纳者重视新颖性和独特性，因此可以设计强调低排放技术如何符合这些价值诉求的信息，以吸引这些消费者。
尽管潜力巨大，但由于采纳者类别的分类是回顾性的（基于消费者相对于整体人群的采纳时间），目前使用罗杰斯模型来加速低排放技术的采纳受到了限制。因此，只有在消费者已经采纳技术后，才能知道其采纳者类别，此时再制定相应的策略已经为时已晚。实际上，我们需要一种前瞻性的方法来评估消费者的采纳者类别，以便制定出符合各采纳者类别独特动机特征的战略。
借鉴其他领域的方法[7,8]，我们的研究评估了一种可能的解决方案：评估消费者自我识别的采纳者类别。在这种方法中，向参与者展示一组描述罗杰斯模型中采纳者类别的心理特征陈述，并要求他们选择最符合自己情况的类别。值得注意的是，迄今为止尚无研究证明这种分类方法能否有效衡量消费者的采纳者类别，因此我们的评估对于判断其适用性至关重要。从实际角度来看，这种方法可以让政策制定者和产品经理设计出针对不同采纳者类别独特动机特征的战略。
采纳者类别
采纳者类别
罗杰斯（Rogers, 2003）的创新扩散模型被广泛用于解释消费者的采纳决策，在Google Scholar上的引用次数超过16万次。这一理论基于两个假设：采纳决策反映了消费者的创新性，且创新性在人群中呈正态分布。基于这些假设，罗杰斯区分了五个采纳者类别，并根据他们采纳技术的速度进行了定义。
研究背景
我们的研究重点关注澳大利亚维多利亚州居民对三种低排放技术（电动汽车、电热供暖系统、电/太阳能热水系统）的采纳情况。选择这些低排放技术和研究地点基于多个因素。从排放角度来看，到2030年，交通领域预计将成为澳大利亚最大的碳排放来源，目前汽车占所有交通相关排放量的42%[29]。
采纳者类别分类
表1列出了每个样本中自我识别为各采纳者类别的参与者比例，以及罗杰斯（Rogers, 2003）用于将消费者分配到相应采纳者类别的比例。值得注意的是，自我识别为创新者的参与者比例高于罗杰斯模型中的分类结果（样本1=10.5%；样本2=8.3%；罗杰斯模型=2.5%），早期采纳者的比例也呈现出类似趋势（样本1=43.0%；样本2=47.2%）。
讨论
我们的研究结果表明，尽管存在样本和产品相关的差异，自我识别的采纳者类别仍是一种有效的方法，可以前瞻性地区分所有采纳者类别除了创新者与早期采纳者之外。例如，在两个样本中，自我识别的采纳者类别能够区分不同采纳者类别在当前和计划采纳低排放技术方面的具体差异，无论是总体上（跨技术）还是细分来看（在同一技术内部）。
CRediT作者贡献声明
约书亚·D·牛顿（Joshua D. Newton）：撰写初稿、方法论设计、资金筹集、数据分析、概念构建。
贾宾·雅各布·约翰（Jubin Jacob John）：撰写内容审核与编辑、方法论设计。
杰夫·D·罗特曼（Jeff D. Rotman）：撰写内容审核与编辑、方法论设计、资金筹集、概念构建。
弗吉尼亚·韦伯（Virginia Weber）：撰写内容审核与编辑、方法论设计、资金筹集、概念构建。
杰伊·岑基奇（Jay Zenki?）：撰写内容审核与编辑、方法论设计、资金筹集、概念构建。
利益冲突声明
本研究由iMOVE CRC资助，并得到了澳大利亚政府合作研究中心（Cooperative Research Centres）计划的支持。此外，该研究还得到了新能源技术中心（Centre for New Energy Technologies）的资助。这两家资助机构在以下方面均没有参与：(i) 数据的设计、收集、分析或解释；(ii) 文章的撰写；(iii) 决定文章的发表。作者没有其他需要声明的利益关系。
致谢
本研究由iMOVE CRC资助，并得到了澳大利亚政府合作研究中心（Cooperative Research Centres）计划的支持。此外，该研究还得到了新能源技术中心（Centre for New Energy Technologies）的资助。这两家资助机构在以下方面均没有参与：(i) 数据的设计、收集、分析或解释；(ii) 文章的撰写；(iii) 决定文章的发表。
