基于感知價值和隱私關注的用戶移動個性化推薦采納

李寶庫，郭婷婷

（遼寧工程技術大學營銷管理學院，遼寧葫蘆島125105）

一、引言

移動商務的發展帶來了移動網絡信息量的激增，為解決信息超載問題，提升用戶體驗，幫助消費者更加快捷高效地找到合意的商品或服務信息，很多電商網站（如京東、亞馬遜等）開發了移動個性化推薦系統。作為購物消費模式向服務消費模式轉變的重要手段，移動個性化推薦以移動終端為載體，根據用戶過去的或與之相似用戶的偏好和行為向其推薦可能感興趣的商品或服務信息。這些信息能否有效喚起用戶的消費心理并轉化成消費行為主要取決于用戶的感知價值。[1]價值接受模型認為，感知價值直接影響用戶對移動互聯網的態度，而其他變量則通過感知價值影響用戶態度。[2]不過，移動個性化推薦主要依賴于用戶信息挖掘，而這勢必會引起用戶對個人隱私信息泄露的關注。現有研究主要關注移動個性化推薦系統的算法和模型優化，[3]較少從營銷角度出發探討用戶對移動個性化推薦的心理感知。本文從用戶心理角度出發，基于感知價值和隱私關注，結合用戶使用移動個性化推薦的實際情況，探索用戶感知價值和隱私關注對其移動個性化推薦采納意愿的作用路徑，并進一步檢驗隱私關注對感知價值與用戶移動個性化推薦采納意愿之間關系的調節作用。

二、文獻綜述

（一）感知價值

感知價值作為預測消費者購買行為以及企業獲取持續競爭優勢的關鍵因素，一直以來都備受關注。澤絲曼爾（Zeithaml V A）[4]基于消費者視角對價格、質量、價值進行研究認為，感知價值是用戶基于成本和收益對產品或服務效用的總體評價。伍德拉夫（Woodruff R B）[5]認為，感知價值是消費者在使用過程中對產品屬性、屬性效能及使用效果的感知偏好和評價。在感知價值構成研究中，謝恩（Sheth J N）等[6]提出了包含社會、條件、情感、功能、認知五個維度的消費價值模型。針對B2C電子商務環境，李雪欣等[7]認為，網絡消費者感知價值可以劃分為功能價值、情感價值、社會價值三個維度。張瑞金等[8]提出了影響手機用戶移動數據業務價值感知的七類感知價值，即自我實現價值、質量價值、安全價值、服務價值、貨幣成本、非貨幣成本和情感價值。基于之前研究成果，考慮用戶使用移動個性化推薦的實際情況，筆者認為，用戶移動個性化推薦感知價值指用戶基于感知成本和感知收益兩個維度，對移動個性化推薦作出的總體評價，主要從功能價值、安全價值、體驗價值、社會價值四個維度進行測量。

（二）個性化推薦

個性化推薦是電子商務發展的重要產物，它可以根據消費者自身或相似消費者過去的搜索和消費行為預測目標消費者的行為和偏好，進而為之推薦可能感興趣的商品或服務信息。[9-10]個性化推薦相關研究主要集中在算法和用戶行為研究兩個方面。基于算法的研究主要關注個性化推薦系統的優化。金淳等[11]提出了基于Agent建模和仿真的方法，該推薦模型優于僅僅依賴用戶信息進行推薦的一般模型；盧（Lu J）等[12]提出了綜合模糊語義推薦算法，使推薦的精確度高于單獨的模糊語義和協同過濾算法。基于用戶行為的研究主要探討網絡環境下影響用戶對個性化推薦態度的前因變量以及個性化推薦對用戶決策的作用機理。伊斯泰米雷特（Estebanmillat I）等[13]認為，用戶信任和有用性感知是影響其個性化采納意愿的關鍵因素；尹（Yoon V Y）等[14]認為，用戶個人特征會影響用戶對個性化推薦系統的態度；陳明亮等[15]認為，用戶個人特質和推薦系統特征均會影響其對推薦系統認知價值和信任的感知；德拉特（Dellaert B G C）等[16]認為，個性化推薦通過改變用戶搜尋過程來改變其消費決策。

（三）隱私關注

電子商務環境下，隱私關注是指用戶自愿或非自愿地向網站提供個人信息，進而引發其對隱私信息泄露問題的關注。[17]學者們除對隱私關注的定義進行闡述外，對其構成也進行了研究。目前，比較經典的測量量表是信息隱私關注（Concern for Information Privacy，CFIP）量表和互聯網用戶信息隱私關注（Internet User’s Information Privacy Concerns，IUIPC）量表。其中，信息隱私關注量表包含搜集、錯誤、非授權二次使用以及不恰當訪問四個維度；[18]互聯網用戶信息隱私關注量表是在信息隱私關注量表的基礎上開發的，包含搜集、控制、了解三個維度。[19]楊姝等[20]認為，上述兩個量表均適用于中國，且互聯網用戶信息隱私關注量表適用性更強。此外，也有學者運用理論與實踐相結合的方法研究了隱私關注的影響因素及其對消費者行為意向的影響。例如，有研究分析了用戶個人特征、心理感知、網站和情境因素對其隱私關注的作用機理以及隱私關注對網絡用戶個人信息提供意愿和網絡交易意向的影響。[21-23]

三、研究假設

（一）感知價值與用戶移動個性化推薦采納意愿

感知價值是用戶的主觀感受，其核心是用戶對感知利益和感知損失的權衡。在移動商務中，其他變量可以通過感知價值影響用戶態度。移動個性化推薦屬于移動商務的一種，其推薦信息是否符合用戶需求和偏好，信息推薦商和運營商能否保證用戶貨幣和非貨幣安全，推薦信息能否喚起用戶積極的情感體驗，能否幫助用戶得到周圍群體的認同等均會影響用戶態度。戴德寶等[24]基于消費價值理論對電子商務和社會化媒體的個性化推薦進行了研究，結果發現消費價值各維度對消費者個性化推薦采納意愿具有不同程度的影響。受手機等移動設備存儲能力有限、功能鍵盤小、電池續航能力差、文本輸入易出錯、界面不友好等弊端影響，[25]移動個性化推薦容易讓用戶產生使用過程較復雜、鏈接不穩定、信息不安全等消極感知，特別是對缺乏移動購物經驗的新手而言，很容易使之產生厭惡和反感的情感體驗。當用戶對信息保持心理抗拒時，更容易拒絕移動個性化推薦所提供的商品或服務信息。基于此，本文提出以下假設：

H1：感知價值正向影響用戶移動個性化推薦采納意愿。

H1a：功能價值正向影響用戶移動個性化推薦采納意愿。

H1b：安全價值正向影響用戶移動個性化推薦采納意愿。

H1c：體驗價值正向影響用戶移動個性化推薦采納意愿。

H1d：社會價值正向影響用戶移動個性化推薦采納意愿。

（二）隱私關注

隱私關注對用戶個人信息提供意愿、交易意向、互聯網使用態度等具有直接負向影響。[22]移動個性化推薦主要依靠用戶注冊信息、歷史數據等對用戶進行商品或服務信息推薦，而信息的搜集與使用過程就會涉及用戶隱私關注問題。較高的隱私關注，一方面會降低個性化推薦帶來的用戶體驗；[26]另一方面會增加用戶的感知風險。結合H1，本文提出以下假設：

H2：隱私關注負向影響用戶移動個性化推薦采納意愿。

H3：隱私關注對感知價值與用戶移動個性化推薦采納意愿之間的關系具有負向調節作用。

根據已有文獻和本文提出的假設，構建圖1所示的概念模型。

四、研究設計和結果

（一）問卷設計與調研

本文采用實地調研的方式搜集問卷。根據相關量表設計原則，本文所有的潛在變量均有多個測試題項，且所有測試題項均采用李克特五級量表。其中，感知價值四個維度以及個性化推薦采納意愿的測試題項來源于文獻[6]和文獻[24]，隱私關注的測試題項來源于文獻[26]。結合移動個性化推薦實際情境，本文對量表進行適當修正，并邀請三位移動營銷方面的教授對問卷進行評價。接下來，邀請23位博士和碩士對問卷進行訪談和預調研，結合訪談和預調研結果形成本研究正式問卷。

正式問卷中的六個潛在變量共包括23個測試題項。具體題項參見表1。問卷采用網上和網下兩種方式發放。網上主要通過問卷星平臺和電子郵件發放，網下主要是在高校自習室、室外健身房等地發放，填寫者年齡集中在20～30歲。這部分人群以學生為主，年輕且受教育程度較高，是移動購物的主要人群，因此本次調研樣本具有一定的代表性。相關研究認為，使用結構方程模型方法的樣本量最好控制在100以上。[27]本次調研共發放問卷250份，回收有效問卷216份。在這216名被調研者中，所有人都是每天上網。其中，男性107人，女性109人，比例接近1：1；超過75%的人瀏覽過移動個性化推薦；在年齡上，20～30歲的人占90.7%；在受教育程度上，初中及以下學歷者占2.3%，高中、職高、技校學歷者共占8.8%，大學及以上學歷者占87.5%，其他占1.4%；在手機上網年限上，主要集中在兩年以上，占比超過90%。

（二）數據分析

圖1　基于感知價值和隱私關注的用戶移動個性化推薦采納意愿研究模型

根據安德森（Anderson J C）等[28]提出的數據分析方法，本文利用探索性因子分析（EFA）和驗證性因子分析（CFA）對測量模型的信度和效度進行檢驗，利用結構方程模型（SEM）和回歸分析對測量模型的假設進行驗證。

表1　量表題項及信度和效度檢驗

1.信度和效度檢驗

首先，巴特利特球形度檢驗結果顯示，整個量表的KMO值為0.888，p=0.000，適合進行因子分析。利用主成分分析法和最大方差旋轉法進行因子分析，共析出六個特征根大于1的因子，六個因子解釋了78.064%的方差（根據張文彤等[29]的觀點，方差貢獻率達到50%即可酌情接受），且因子載荷均大于0.700。其次，對各潛在變量進行信度檢驗的結果顯示，六個潛在變量的克隆巴哈α系數均大于0.800。最后，利用驗證性因子分析法進一步檢驗測量量表的信度和效度。結果顯示，組合信度（CR值）均大于0.800，平均變異抽取量（AVE）值均大于0.500，收斂效度良好，且AVE的平方根均大于變量間的相關系數，區別效度良好。綜上所述，量表信度和效度良好。具體可參見表1和表2。

2.結構方程模型分析

表2　相關系數和AVE平方根矩陣

本研究采用結構方程模型研究感知價值各維度和隱私關注對用戶移動個性化推薦采納意愿的影響。由表3可知，功能價值（β=0.453，p=0.000），體驗價值（β=0.557，p=0.000），隱私關注（β=-0.283，p=0.007），安全價值（β=0.178，p=0.048）均顯著影響用戶移動個性化推薦采納意愿，但社會價值（β=0.012，p=0.758）對采納意愿的影響不明顯。H1a、H1b、H1c和H2得到支持，H1d沒有得到實證支持。

表3　結構方程模型假設檢驗結果

3.調節效應檢驗

由于社會價值對采納意愿的影響沒有得到實證支持，因此本文分別檢驗隱私關注對功能價值、安全價值、體驗價值三者與采納意愿之間關系的調節效應。為減少變量間的多重共線性問題，本研究首先對變量進行中心化處理，然后再利用回歸分析檢驗隱私關注的調節效應。回歸方程如下：

模型1：AI=a+b×FV+c×SAV+d×EV

模型2：AI=a+b×FV+c×SAV+d×EV+e×PC

模型3：AI=a+b×FV+c×SAV+d×EV+e×PC+f×FV×PC+g×SAV×PC+h×EV×PC

其中，模型1是自變量到因變量的總效應模型，模型2是自變量和調節變量到因變量的總效應模型，模型3是在模型2的基礎上加入了自變量與調節變量交互效應的全效應模型，也即以移動個性化推薦采納意愿為因變量，分別以功能價值、安全價值、體驗價值、隱私關注以及兩兩之間的交互項為自變量，逐步進行回歸。結果參見表4。隱私關注對功能價值（β=-0.131，p=0.038），安全價值（β=-0.103，p=0.042）與采納意愿之間的關系起到了調節作用，即用戶隱私關注程度越高，感知功能價值與安全價值對其移動個性化推薦采納意愿的影響越弱。隱私關注對體驗價值和移動個性化推薦采納意愿之間關系的調節作用不顯著。

五、研究結論與管理啟示

本研究基于216個有效樣本，通過探索性因子分析、驗證性因子分析、結構方程模型以及回歸分析，詳細分析了感知價值和隱私關注對用戶移動個性化推薦采納意愿的影響和作用機制。具體結論和啟示如下：

（一）研究結論

一方面，用戶感知功能價值和體驗價值對其移動個性化推薦采納意愿的影響最為顯著，隱私關注的影響其次，安全價值的影響再次，感知社會價值的影響不顯著；另一方面，隱私關注對感知功能價值和安全價值與移動個性化推薦采納意愿之間的關系存在負向調節作用。

第一，在信息超負荷和信息不對稱的移動商務環境下，功能價值是移動個性化推薦技術發展的核心價值，是滿足消費者對信息數量和質量需要的關鍵，通過基于用戶體驗的設計來滿足用戶獵奇心理與求知欲望是移動個性化推薦未來發展的重要方向。

第二，移動個性化推薦主要通過對用戶個人偏好和行為信息的搜集來完成，安全和隱私問題是阻礙其發展的瓶頸。電商網站和商家應著力增強用戶以正直、能力、友善等為基礎的信任，通過娛樂、互動、金錢刺激等補償性措施降低用戶對隱私問題的關注度和感知風險。同時，區分用戶群體，對于隱私敏感型客戶，要避免過多使用個人信息進行推薦。

表4　隱私關注的調節效應檢驗

第三，感知社會價值對移動個性化推薦采納意愿的影響不明顯。筆者認為，導致這種情況的原因主要有兩個：一是移動個性化推薦的環境屬于自愿采納的商務環境，且調研樣本大部分是受教育程度較高的年輕群體，這樣的群體對事和物有著自己的見解，他們使用移動個性化推薦更多是為了達到自身目的，而較少用來引起他人關注或社會共鳴；二是從某種程度上講，人們有意或無意使用移動個性化推薦的現象已經比較普遍，感知社會價值不明顯。

（二）管理啟示

其一，繼續完善移動個性化推薦的功能屬性，通過加強基于情境的個性化推薦增強用戶體驗，提高推薦的精準性和新穎性。移動個性化推薦的核心是其功能價值，各種算法和模型的優化主要是為了不斷提高推薦的準確性，但電商企業仍然要有長遠眼光。研究表明，體驗價值不僅能夠直接影響用戶移動個性化推薦采納意愿，且這種影響不會因用戶對自身隱私信息的關注而削弱。鑒于此，首先要以優質的推薦界面和穩定的連接速度作為喚起用戶積極情感體驗的基礎；其次要充分把握用戶心理感知，避免主觀性的強制推薦，在進行個性化推薦時要關注以顧客為中心的情境線索，而非僅僅依賴已有的宏觀環境線索。

其二，增強用戶隱私保護，營造安全的移動營銷環境。安全是用戶進行移動商務的根本保障，而移動個性化推薦情境下，用戶個人信息處于完全暴露狀態，即使出現信息泄露的情況也難以追究責任。因此，首先，政府應完善立法，規范商家不道德使用和泄露用戶信息的行為；其次，要從移動個性化推薦各環節入手緩解用戶對隱私信息泄露的擔憂，即從搜集、控制、認知三個方面著手降低用戶對隱私信息泄露的焦慮感；其三，要感知用戶心理，對于隱私敏感型用戶，宜從激勵和社會關系兩個方面入手打消其對移動個性化推薦的顧慮，如微信朋友圈個性化推薦。

（三）研究不足與展望

本文構建的概念模型能夠在一定程度上解釋用戶采納移動個性化推薦的意愿，對后續推薦模型和算法的改進以及移動營銷實際問題的解決具有借鑒意義。不過，本研究仍然存在一些不足之處：首先，移動個性化推薦必須以一定的商務情境為依托，用戶的情境感知可能會影響用戶對移動個性化推薦的感知價值和態度，該問題尚待進一步研究；其次，本文研究的主要是一般意義上的移動個性化推薦，并未針對不同類型的移動個性化推薦進行區別研究，未來需要進行更加深入的探索。

參考文獻：

[1]SABIOTE C M，FRIAS D M，CASTANEDA J A.The moderating effect of uncertainty-avoidance on overall perceived value of a service purchased online[J].Internet research，2012，22（2）：180-198.

[2]KIM H W，CHAN H C，GUPTA S.Value-based adoption of mobile internet：an empirical investigation[J].Decision support systems，2007，43（1）：111-126.

[3]楊一翁，王毅，孫國輝.網絡推薦系統對消費者的營銷效果——技術接受模型視角[J].中國流通經濟，2016，30（2）：98-107.

[4]ZEITHAML V A.Consumer perceptions of price，quality，and value：a means-end model and synthesis of evidence[J].The journal of marketing，1988，52（3）：2-22.

[5]WOODRUFF R B.Customer value：the next source for competitive advantage[J].Journal of the academy of marketing science，1997，25（2）：139-153.

[6]SHETH J N，NEWMAN B I，GROSS B L.Why we buy what we buy：a theory of consumption values[J].Journal of business research，1991，22（2）：159-170.

[7]李雪欣，鐘凱.網絡消費者感知價值影響因素的實證研究[J].首都經濟貿易大學學報，2013，15（3）：77-84.

[8]張瑞金，李國鑫，王茹.移動數據業務手機用戶感知價值結構模型研究[J].中國軟科學，2014（8）：138-149.

[9]BOBADILLA J，ORTEGA F，HERNANDO A，et al.Recommender systems survey[J].Knowledge-based systems，2013，46（1）：109-132.

[10]孫魯平，張麗君，汪平.網上個性化推薦研究述評與展望[J].外國經濟與管理，2016，38（6）：82-99.

[11]金淳，張一平.基于Agent的顧客行為及個性化推薦仿真模型[J].系統工程理論與實踐，2013，33（2）：463-472.

[12]LU J，SHANBOUR Q，XU Y，et al.A web-based personalized business partner recommendation system using fuzzy semantic techniques[J].Computational intelligence，2013，29（1）：37-69.

[13]ESTEBANMILLAT I，MARTINEZLOPEZ F J，CABAL C C，et al.Psychological factors explaining consumer adoption of an e-vendor’s recommender[J].Industrial management&data systems，2015，115（2）：284-310.

[14]YOON V Y，HOSTLER R E，GUO Z，et al.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision support systems，2013，55（4）：883-893.

[15]陳明亮，蔡日梅.電子商務中產品推薦代理對消費者購買決策的影響[J].浙江大學學報（人文社會科學版），2009，39（5）：138-148.

[16]DELLAERT B G C，HAUBL G.Searching in choice mode：consumer decision processes in product search with recommendations[J].Journal of marketing research，2011，49（49）：277-288.

[17]DINEV T，HART P.Internet privacy concerns and social awareness as determinants of intention to transact[J].International journal of electronic commerce，2005，10（2）：7-29.

[18]STEWART K A，SEGARS A H.An empirical examination of the concern for information privacy instrument[J].Information systems research，2002，13（1）：36-49.

[19]MALHOTRA N K，KIM S S，AGARWAL J.Internet users'information privacy concerns（IUIPC）：the construct，the scale，and a causal model[J].Information systems research，2004，15（4）：336-355.

[20]楊姝，王淵，王刊良.互聯網環境中適合中國消費者的隱私關注量表研究[J].情報雜志，2008，27（10）：3-7.

[21]申琦.網絡信息隱私關注與網絡隱私保護行為研究：以上海市大學生為研究對象[J].國際新聞界，2013，35（2）：120-129.

[22]BANDYOPADHYAY S.Consumers’online privacy concerns：causes and effects[J].Innovative marketing，2012，8（3）：32-39.

[23]WU K W，HUANG S Y，YEN D C，et al.The effect of online privacy policy on consumer privacy concern and trust[J].Computers in human behavior，2012，28（3）：889-897.

[24]戴德寶，劉西洋，范體軍.“互聯網+”時代網絡個性化推薦采納意愿影響因素研究[J].中國軟科學，2015（8）：163-172.

[25]SIAU K，LIM E P，SHEN Z.Mobile commerce：promises，challenges and research agenda[J].Journal of database management，2001，12（12）：4-13.

[26]李凱，王曉文.隱私關注對旅游網站個性化服務的影響機制研究[J].旅游學刊，2011，26（6）：80-86.

[27]侯杰泰，溫忠麟，成子娟.結構方程模型及其應用[M].北京：教育科學出版社，2004：135-136.

[28]ANDERSON J C，GERBING D W.Structural equation modeling in practice：a review and recommended two-step approach[J].Psychological bulletin，1988，103（3）：411-423.

[29]張文彤，鐘云飛.IBM SPSS數據分析與挖掘實戰案例精粹[M].北京：清華大學出版社，2013：232.