The Bass model is widely used in the literature to capture the diffusion of innovations and shows excellent predictive power in the context of durable goods. However, the model's efficacy fades when services are the target of analysis. Services that users adopt and subsequently utilize regularly are regarded as a continuous process that entails the possibility of dis-adoption and re-adoption. These aspects are not accounted for in the traditional Bass model. Thus, this study extends the Bass model to information system (IS)-based services by taking into account the unique nature of service adoption: the possibility of dis-adoption and re-adoption.,The proposed hypotheses were empirically tested using a longitudinal study of mobile service usage over 18 months. The longitudinal design provides a stronger position than the typical cross-sectional survey to understand the dynamics and infer causality.,Results show that the inclusion of the dis-adoption and re-adoption rates in the Bass model significantly improves the explanatory power over the traditional Bass model.,Consumption of services delivered through IS has exponentially increased. However, understanding on the diffusion pattern of IS-based services is limited. Our study is the first to examine the effect of dis-adoption and re-adoption together in the innovation diffusion process. The study offers significant implications for researchers and practitioners. The extended Bass model can help service firms develop an accurate prediction about the number of adopters at different periods of time.

中文翻译：

---

了解基于信息系统的服务的扩散：来自移动银行服务的证据

Bass 模型在文献中被广泛用于捕捉创新的传播，并在耐用品的背景下显示出出色的预测能力。然而，当服务成为分析的目标时，模型的功效就会减弱。用户采用并随后定期使用的服务被视为一个持续的过程，可能会被取消和重新采用。传统的 Bass 模型中没有考虑这些方面。因此，本研究通过考虑服务采用的独特性质将 Bass 模型扩展到基于信息系统 (IS) 的服务：取消采用和重新采用的可能性。, 所提出的假设使用纵向研究进行了实证检验超过 18 个月的移动服务使用量。纵向设计比典型的横截面调查提供了更强的位置来了解动态和推断因果关系。结果表明，在 Bass 模型中包含不采用率和再采用率显着提高了对传统模型的解释力Bass 模型。通过 IS 提供的服务消费呈指数增长。然而，对基于 IS 的服务的扩散模式的理解是有限的。我们的研究首次在创新扩散过程中检验了不采用和重新采用的影响。该研究为研究人员和从业人员提供了重要意义。扩展的 Bass 模型可以帮助服务公司对不同时间段的采用者数量进行准确预测。结果表明，在 Bass 模型中包含不采用率和重新采用率显着提高了对传统 Bass 模型的解释力。通过 IS 提供的服务消费呈指数增长。然而，对基于 IS 的服务的扩散模式的理解是有限的。我们的研究首次在创新扩散过程中检验了不采用和重新采用的影响。该研究为研究人员和从业人员提供了重要意义。扩展的 Bass 模型可以帮助服务公司对不同时间段的采用者数量进行准确预测。结果表明，在 Bass 模型中包含不采用率和重新采用率显着提高了对传统 Bass 模型的解释力。通过 IS 提供的服务消费呈指数增长。然而，对基于 IS 的服务的扩散模式的了解是有限的。我们的研究首次在创新扩散过程中同时检验了不采用和再采用的影响。该研究为研究人员和从业人员提供了重要意义。扩展的 Bass 模型可以帮助服务公司对不同时间段的采用者数量进行准确预测。通过 IS 提供的服务消费呈指数增长。然而，对基于 IS 的服务的扩散模式的理解是有限的。我们的研究首次在创新扩散过程中同时检验了不采用和再采用的影响。该研究为研究人员和从业人员提供了重要意义。扩展的 Bass 模型可以帮助服务公司对不同时间段的采用者数量进行准确预测。通过 IS 提供的服务消费呈指数增长。然而，对基于 IS 的服务的扩散模式的理解是有限的。我们的研究首次在创新扩散过程中检验了不采用和重新采用的影响。该研究为研究人员和从业人员提供了重要意义。扩展的 Bass 模型可以帮助服务公司对不同时间段的采用者数量进行准确预测。