基于隱私計算的物聯網服務采納意愿研究

肖洋

摘 要：文章從隱私泄露的視角研究了用戶對物聯網服務的采納意愿及其影響因素，基于隱私計算理論，構建了用戶對物聯網服務采納意愿的研究模型，利用結構方程模型和問卷調查法，分析了用戶的信息敏感度、信任、網絡外部性和采納意愿等相關變量，解釋了感知風險和感知收益對用戶采納物聯網服務意愿的影響機制，為物聯網服務商制定隱私保護政策提供了依據。

中圖分類號：G250文獻標識碼：A文章編號：1003-1588（2021）09-0094-09

關鍵詞：物聯網服務;隱私計算;采納意愿

1 問題提出

2005年，國際電信聯盟發布的《ITU互聯網報告2005：物聯網》報告首次提出了物聯網的概念[1]。物聯網簡單地說就是物物相連的網絡，它的核心內涵在于感知、控制、傳輸和智能，通過技術手段實現物與物、人與物、人與人之間的協同關系，從而在互聯網、移動通信網、傳感網的基礎上形成一個更大更復雜的網絡系統。隨著物聯網產業的發展，世界各國積極實施基于物聯網的發展規劃，甚至把物聯網納入戰略性產業振興計劃，如美國的“智慧地球”，歐盟的“物聯網行動”，日本的“IJPN”等，目前我國已把物聯網產業作為重點培育的戰略性新興產業之一[2]。

通信技術的快速發展為物聯網應用帶來無限可能。例如，智慧交通能夠幫助用戶合理規劃出行路線，降低擁堵頻率;智慧醫療能夠讓醫生及時掌握患者的健康狀況，提高診療效率;智慧家居能夠給用戶提供舒適的生活環境，且節約能源。物聯網的個性化服務是在采集分析用戶數據的基礎上實現的，容易產生用戶隱私泄露等問題。例如，2019年7月，智能家居公司歐瑞博發生了數據泄露事件，超過20億條IoT日志被泄露，包括用戶名、e-mail、密碼等個人敏感數據[3]。物聯網的核心技術之一是無線射頻識別技術（RFID），用戶通過RFID標簽可了解物體信息，通過物體與物體的連接，實現信息交換，但是，服務商通過RFID標簽采集用戶信息，存在個人隱私泄露的可能。無論是物聯網服務商的隱私泄露事件，還是物聯網技術客觀存在的隱私泄露可能性，都會引發用戶的擔憂，從而影響用戶對物聯網服務的采納意愿（Willingness to Adopt）。

學術界針對物聯網的研究逐漸增多，但大多集中在物聯網技術實現層面，關于用戶對物聯網服務采納意愿的研究較少。用戶采納物聯網服務的過程是物聯網服務商業化的過程，影響用戶采納物聯網服務意愿的因素較多，因此筆者從隱私關注角度分析了用戶的采納意愿。

2 理論基礎

2.1 隱私計算理論

隱私計算理論由R.S.Laufer和M.Wolfe[4]于1977年首次提出，并逐漸發展成為分析用戶隱私問題的有效框架。該理論基于經濟學中的成本收益計算思想，用戶披露隱私的目的是獲取收益，但同時也存在隱私泄露的風險，此時用戶需要計算披露隱私的風險和收益。只有用戶的感知收益高于感知風險時，他們才可能愿意披露隱私。在隱私計算框架中，感知風險（Perceived Risk）是指用戶使用物聯網服務可能產生的隱私泄露風險，如：銀行賬戶泄露可能造成的金錢損失，醫療健康信息泄露可能造成的名譽損失等。感知收益（Perceived Benefits）是指用戶披露個人隱私可能獲得的利益，如：用戶通過移動終端設備上傳其位置信息能夠獲取更加精確的導航服務。隱私計算的理論研究已經相對成熟，已被廣泛應用于電子商務[5]、社交網絡[6-7]、移動服務[8-9]、智慧圖書館建設[10]等領域。

物聯網技術的快速發展，使萬物互聯成為現實。物聯網服務依賴設備與網絡的連接，且需要通過設備收集用戶的個人信息，因此用戶面臨隱私泄露的風險。筆者主要對用戶采納物聯網服務的意愿進行研究，但并非真實的使用行為。因此，用戶對物聯網服務的風險和收益感知屬于用戶的主觀感受，適用于隱私計算理論。根據隱私計算理論，用戶對物聯網服務的采納意愿是其基于對物聯網服務的感知風險和感知收益權衡而做出的決策。

2.2 網絡外部性

J.Rohlfs[11]在研究用戶對通信服務的采納意愿時發現，用戶更傾向于選擇用戶基數大的電話產品，由此發現網絡外部性效應。M.L.Katz和C.Shapiro[12]于1985年正式提出網絡外部性的概念，一種產品或一項服務的所有用戶構成一個用戶網絡，網絡中單個用戶從一種產品或一項服務所獲得的效用，與該產品或服務的用戶總量正相關，也與其互補的產品或服務的用戶總量正相關。前者稱為直接網絡外部性，如：電話網絡的用戶總量越大，單個用戶可聯系的用戶就越多，收獲的效用就越大。后者稱為間接網絡外部性，如銀行卡的價值與接受該卡的商戶數量正相關。

3 研究假設與模型構建

用戶面對物聯網服務時，需要權衡感知風險和感知收益，以決定是否采納該項服務。因此，筆者基于隱私計算理論，從感知風險和感知收益兩個方面分析了用戶對物聯網服務的采納意愿。

3.1 感知風險

用戶使用某一項物聯網服務的前提是，同意向物聯網服務商披露個人隱私數據。因此，感知風險主要有以下三種：隱私數據被濫用、隱私數據被出售給第三方、隱私數據被非法竊取使用。相關研究表明[13-15]，用戶的感知風險越高，其披露隱私信息的意愿就越低，用戶的隱私披露意愿直接影響用戶對該物聯網服務的采納意愿。因此，筆者做出如下假設：假設H1：感知風險負向影響用戶對物聯網服務的采納意愿。在物聯網服務中，影響用戶感知風險的因素有兩個：一是物聯網服務商采集的用戶個人信息的敏感度。二是用戶對物聯網服務的信任程度。

3.1.1 信息敏感度（Information Sensitivity）。信息敏感度指在特定情境下，用戶對某種類型信息所感知的隱私憂慮水平或某些信息泄露時導致隱私權喪失的可能性。用戶的信息敏感度受信息類型及應用情境的影響，在同一情境中不同類型信息的敏感度可能不同，同一類型信息在不同情境中的敏感度也可能存在差異。在電子商務領域，商戶要求用戶提供的個人信息越敏感，用戶的感知風險就越大，就越不愿意與該商戶進行交易[16]。在物聯網領域，不同的物聯網服務需要用戶提供不同的信息類型，不同類型信息的敏感度也不一樣，信息敏感度越高，用戶的感知風險就越高。因此，筆者做出如下假設：假設H2：信息敏感度正向影響用戶對物聯網服務的感知風險。

3.1.2 信任（Trust）。信任包括主體和客體，主體是用戶，客體是與主體產生關聯的對象，不同情境中的信任客體不同。在社交活動中，信任指用戶相信他人，因而愿意與之交往，且在需要時將其作為可信賴對象。在網絡環境中，E.Turban[17]等人認為信任是網絡用戶對服務商在網絡環境中不暴露信任主體弱點的期望。在電子商務中，P.A.Norberg[18]等人認為信任能夠幫助消費者克服對網絡購物過程中個人敏感信息被采集的擔憂。在高新技術產品應用領域，M.Siegrist[19]研究發現，信任的缺失能提升用戶感知風險的能力，并以轉基因技術為例進行實證分析，證明了信任負面影響用戶的感知風險。用戶在使用物聯網服務過程中會被采集個人信息，客觀上存在隱私泄露的可能，由此產生感知風險。因此，信任是用戶采納物聯網服務的基礎。因此，筆者做出如下假設：假設H3：信任負向影響用戶對物聯網服務的感知風險。

3.2 感知收益

基于隱私計算理論，用戶是否使用物聯網服務，需要進行風險與收益的權衡。只有感知收益大于感知風險時，用戶才愿意使用該項服務。因此，筆者做出如下假設：假設H4：感知收益正向影響用戶對物聯網服務的采納意愿。

梅特卡夫定律指出[20]，網絡的價值是其用戶數量的平方函數。物聯網是用戶間信息交流的網絡，用戶數量越多，物聯網的價值就越高。因此，筆者通過網絡外部性衡量用戶對物聯網服務的感知收益，網絡外部性分為直接網絡外部性和間接網絡外部性。

3.2.1 直接網絡外部性。直接網絡外部性指一種產品或服務的價值隨用戶數量的增加而上升。作為一個整體產品，物聯網服務依賴物聯網設備與互聯網之間的信息交換，進而構成物聯網系統。物聯網服務直接網絡外部性的衡量指標有兩個：一是物聯網服務商數量（Number of IoT Services）。數量越多，用戶選擇性就越大，感知收益就越大。二是感知用戶數量（Perceived Member）。研究表明，感知用戶數量越多，就越能夠吸引新用戶加入[21]。隨著某一物聯網服務用戶數量的增加，越來越多的用戶發現使用該物聯網服務能夠獲得額外價值，當該物聯網服務的用戶數量達到臨界容量時，其就能占領市場。因此，筆者做出如下假設：假設H5：物聯網服務商數量正向影響用戶對物聯網服務的感知收益。假設H6：感知用戶數量正向影響用戶對物聯網服務的感知收益。

3.2.2 間接網絡外部性。間接網絡外部性是指一種產品的用戶數量增加，能引起與該產品兼容或互補的產品數量的增加，進而使該產品的價格下降。例如，當某類物聯網設備的用戶數量增加時，供應商就會開發更多該類物聯網設備支持的相關軟件，用戶能夠選擇質量高、價格低的設備，進而獲得額外收益。間接網絡外部性通過感知兼容性（Perceived Compatibility）和感知互補性衡量（Perceived Complementarity）。因此，筆者做出以下假設：假設H7：感知兼容性正向影響用戶對物聯網服務的感知收益。假設H8：感知互補性正向影響用戶對物聯網服務的感知收益。

3.3 研究模型

基于上述分析，筆者構建了研究模型，如圖1所示。

4 研究設計

本研究采用問卷調查方法，分析了用戶對物聯網服務采納意愿的影響因素。問卷內容分兩個部分：一是人口統計學因素，以及物聯網服務類型等。二是采納意愿的影響因素。該部分參考前人研究成果，并根據物聯網服務情境進行了相應改編。在正式調查前，筆者采用紙質問卷調查的方式進行了預調查，并基于預調查對象的反饋結果進行了必要的修改，形成了正式的測量量表。所有變量均采用李克特七點量表進行測量，題項及來源如表1所示。

5 數據統計與分析

5.1 數據收集與統計

筆者借助“問卷星”平臺，采用“滾雪球”的方式進行了問卷調查，問卷發放周期為2021年3月31日至4月13日，共回收問卷295份。筆者剔除規律性作答、答題時長過短等無效問卷，獲得有效問卷252份。樣本的人口統計學特征如表2所示。

5.2 信度與效度檢驗

針對信度反映測量結果的一致性、穩定性和可靠性，筆者采用內部一致性系數（Cronbachs α）和組合信度（CR）進行檢驗，檢驗結果如表3所示。

效度反映測量結果的真實性和準確性，包括內容效度和結構效度。本研究的所有測量題項參考前人研究成果，測量結果的內容效度能夠得到保證。結構效度包括聚合效度和區分效度，聚合效度的檢驗（因子載荷、AVE兩個指標）結果見上頁表3，區分效度的檢驗結果見表4。

從表3可以看出，觀測變量的因子載荷均大于0.5的閾值，潛變量的AVE均大于0.5的閾值，符合聚合效度的檢驗標準。從表4可以看出，潛變量的AVE的平方根均大于該潛變量與其他潛變量之間的相關系數，符合區分效度的檢驗標準。

5.3 路徑分析與假設檢驗

筆者采用AMOS26.0對模型進行路徑檢驗。模型擬合度檢驗的部分擬合指數如表5所示。各擬合指數均優于推薦值，表明模型整體適配度良好。

假設檢驗結果如表6所示，物聯網服務采納意愿影響因素的路徑示意圖如下頁圖2所示。

從以上圖表可以得出以下結論：一是感知收益正向影響用戶對物聯網服務的采納意愿，感知風險負向影響用戶對物聯網服務的采納意愿，即H1和H4成立。用戶使用物聯網服務能夠提升自身的工作（學習）能力、質量、生活品質及獲取有用的信息，這些感知收益會增強用戶對物聯網服務的采納意愿。但是，物聯網服務商需要采集用戶的個人信息，客觀存在用戶隱私泄露風險，這種感知風險會降低用戶對物聯網服務的采納意愿。用戶的最終決策取決于對物聯網服務感知風險與感知收益的權衡。二是信息敏感度正向影響感知風險，信任負向影響感知風險，即H2和H3成立。一方面，信息敏感度正向影響感知風險，與李海丹、G.R.Miline等人[30]的研究結論一致，信息敏感度是用戶擔心物聯網服務商將個人隱私信息泄露給第三方或不合理使用，擔心自身利益受到損害，意味著當用戶使用物聯網服務時，被采集的個人隱私信息越敏感，感知風險就越大;另一方面，信任負向影響感知風險，如果用戶與物聯網服務商建立了信任關系，就相信物聯網服務商會合理使用個人數據，保護個人隱私。用戶對物聯網服務商的信任程度越高，所感知到的風險就越低，因此，物聯網服務商往往會采取一系列保護措施，提升用戶信任度。三是物聯網服務商數量對感知收益的影響不顯著，感知用戶數量正向影響感知收益，即H5不成立、H6成立。一方面，物聯網服務商數量對感知收益的影響不顯著，可能是因為目前我國的物聯網服務行業還處于發展階段，物聯網技術還不成熟，許多物聯網服務還未普及，因此用戶對物聯網服務商數量感知不明顯;另一方面，感知用戶數量正向影響感知收益，用戶數量越多，物聯網的價值就越高，因此，感知用戶數量越多，用戶對物聯網服務的感知收益就越明顯。四是感知兼容性和感知互補性正向影響感知收益，即H7和H8成立。感知兼容性是指用戶所采納的物聯網服務是否與其工作（學習）相兼容，是否能夠契合用戶的工作方式。如果用戶認為物聯網服務與其工作、學習是兼容的，就表明用戶可從其使用的物聯網服務中獲取一定的利益;感知互補性同理如此。

6 結語

綜上所述，用戶的最終決策取決于對物聯網服務感知風險與感知收益的權衡。因此，服務商在運營物聯網的過程中，應提高自身的服務水平，強化用戶采納物聯網服務可能產生的潛在收益，提升用戶的工作效率和生活品質;向用戶闡明個人數據采集、處理過程和隱私保護技術以降低用戶的感知風險，從而增強用戶對物聯網服務的采納意愿，推動自身的快速發展。本研究的調查對象大部分來自河南省，且以大學生居多，故本研究存在一定的局限性。因此，筆者在后續的研究中不僅要擴大用戶樣本的地域覆蓋范圍，分析地域經濟、文化等宏觀因素的影響，還要擴大用戶樣本的社會覆蓋范圍，分析人口統計學特征等個體因素的影響。

參考文獻：

[1] International Telecommunication Union.ITU internet reports 2005：the internet of things[EB/OL].[2021-07-15].http：//www.un.org/chinse/events/wsis/9rev1.pdf.

[2] 工業和信息化部.物聯網“十二五”發展規劃[EB/OL].[2021-07-15].http：//www.gov.cn/zwgk/2012-02/14/content_2065999.htm.

[3] 思維世紀.盤點近年國內外信息泄露安全事件[EB/OL].[2021-07-15].http：//www.siweicn.com/newsinfo/44688.html.

[4] Laufer R S，Wolfe M.Privacy as a Concept and a Social Issue：A Multidimensional Developmental Theory[J].Journal of Social Issues，1977（3）：23-42.

[5] Sharma S，Crossler R E.Disclosing too much？Situational factors affecting information disclosure in social commerce environment[J].Electronic Commerce Research and Applications，2014（5）：305-319.

[6] 李海丹，洪紫怡，朱侯.隱私計算與公平理論視角下用戶隱私披露行為機制研究[J].圖書情報知識，2016（6）：114-124.

[7] Krasnova H，Veltri N F，Günther O.Self-disclosure and Privacy Calculus on Social Networking Sites：The Role of Culture[J].Business & Information Systems Engineering，2012（3）：127-135.

[8] 相甍甍，王晰巍，王楠阿雪，等.移動支付中消費者個人隱私信息披露影響因素研究[J].情報理論與實踐，2017（9）：8-13.

[9] 迪莉婭.大數據環境下APP用戶隱私計算影響因素研究[J].現代情報，2019（12）：131-137.

[10] 謝珍，楊九龍.智慧圖書館視域下的用戶隱私披露意愿[J].圖書館論壇，2020（9）：69-78.

[11] Rohlfs J.A Theory of Interdependent Demand for a Communications Service[J].The Bell Journal of Economics and Management Science，1974（1）：16-37.

[12]Katz M L，Shapiro C.Network Externalities，Competition，and Compatibility[J].The American Economic Review，1985（3）：424-440.

[13] Chen R.Living a private life in public social networks：An exploration of member self-disclosure[J].Decision Support Systems，2013（3）：661-668.

[14] 蘭曉霞.移動社交網絡信息披露意愿的實證研究：基于隱私計算與信任的視角[J].現代情報，2017（4）：82-86.

[15] 郭海玲，馬紅雨，許澤輝.社會化媒體用戶信息披露意愿影響模型構建與實證：以微信用戶為例[J].圖書情報工作，2019（15）：111-119.

[16] Castaneda J A，Montoro F J.The effect of Internet general privacy concern on customer behavior[J].Electron Commerce Research，2007（7）：117-141.

[17] Turban E，King D，Mckay J，etal.Electronic Commerce：A Managerial Perspective[J].Computer Networks，2012（6）：667-668.

[18]Norberg P A.Managed Profiles：The Value of Personal Information in Commercial Exchange[D].Rhode Island：University of Rhode Island，2003.

[19]Siegrist M.The Influence of Trust and Perceptions of Risks and Benefits on the Acceptance of Gene Technology[J].Risk Analysis，2000（2）：195-204.

[20]百度百科.梅特卡夫定律[EB/OL].[2021-07-15].https：//baike.baidu.com/item/%E6%A2%85%E7%89%B9%E5%8D%A1%E5%A4%AB%E5%AE%9A%E5%BE%8B/559840？fr=aladdin.

[21] 鄧朝華，魯耀斌，張金隆.基于TAM和網絡外部性的移動服務使用行為研究[J].管理學報，2007（2）：216-221.

[22] Hsu C L，Lin C C.An empirical examination of consumer adoption of Internet of Things services：Network externalities and concern for information privacy perspectives[J].Computers in Human Behavior，2016（9）：516-527.

[23] Sun Y Q，Wang N，Shen X L，etal.Location information disclosure in location-based social network services：Privacy calculus，benefit structure，and gender differences[J].Computers in Human Behavior，2015（11）：278-292.

[24]Dinev T，Hart P.An Extended Privacy Calculus Model for E-Commerce Transactions[J].Information Systems Research，2006（1）：61-80.

[25]Kowatsch T，Maass W.Critical Privacy Factors of Internet of Things Services：An Empirical Investigation with Domain Experts[C]//the 7th mediterranean conference on information systems.Berlin：springer press，2012.

[26]Bansal G，Zahedi F，Gefen D.The impact of personal dispositions on information sensitivity，privacy concern and trust in disclosing health information online[J].Decision Support Systems，2010（2）：138-150.

[27]McKnight D H，Lankton N，Tripp J.Social Networking Information Disclosure and Continuance Intention：a Disconnect[C]//the 44th Hawaii international conference on system sciences.New York：IEEE press，2011.

[28]Phelps J，Nowak G，Ferrell E.Privacy Concerns and Consumer Willingness to Provide Personal Information[J].Journal of Public Policy & Marketing，2013（1）：27-41.

[29]Chiu C M，Cheng H L，Huang H Y，etal.Exploring individuals subjective well-being and loyalty towards social network sites from the perspective of network externalities：The Facebook case[J].International Journal of Information Management，2013（3）：539-552.

[30]Milne G R，Gordon M E.Direct Mail Privacy-Efficiency Trade-offs Within an Implied Social Contract Framework[J].Journal of Public Policy & Marketing，1993（2）：206-215.

（編校：孫新梅）