考慮不同使用場(chǎng)景的APP用戶隱私交換行為

韓 震,石 磊,趙彥霖

(大連海事大學(xué) 航運(yùn)與經(jīng)濟(jì)管理學(xué)院,遼寧 大連 116000)

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)在社會(huì)生活中的廣泛應(yīng)用和深度融合,多數(shù)的移動(dòng)應(yīng)用軟件(Application,簡(jiǎn)稱(chēng)APP)可以通過(guò)各類(lèi)應(yīng)用商店或掃描二維碼等形式免費(fèi)獲取。同時(shí),越來(lái)越多APP的功能甚至是增值服務(wù),被設(shè)置成用戶通過(guò)隱私交換的方式實(shí)現(xiàn),即用戶通過(guò)公開(kāi)他們的個(gè)人隱私以換取APP 個(gè)性化服務(wù)帶來(lái)的增值服務(wù)。免費(fèi)增值模式是指服務(wù)商向用戶提供免費(fèi)的基礎(chǔ)服務(wù)[1],而對(duì)增值服務(wù)模塊收費(fèi)的一種商業(yè)模式。從免費(fèi)的基礎(chǔ)服務(wù)狀態(tài)開(kāi)始吸引大量用戶,以用戶隱私作為使用權(quán)限的交換條件,能夠?yàn)檫\(yùn)營(yíng)商帶來(lái)巨大的用戶數(shù)據(jù)價(jià)值,以實(shí)現(xiàn)精準(zhǔn)的廣告推送[2]、應(yīng)用引流和個(gè)性化服務(wù)。與以往單一依靠付費(fèi)的免費(fèi)增值模式不同,利用隱私交換獲得更多商機(jī)的免費(fèi)增值模式正在成為APP 商業(yè)模式的主要邏輯。根據(jù)Braze《2020年數(shù)據(jù)隱私報(bào)告》顯示,隱私交換行為廣泛存在于獲取和使用APP的整個(gè)過(guò)程中,70%的用戶在使用APP 時(shí)存在著隱私交換行為,其中多數(shù)用戶更認(rèn)為隱私交換有利于自己獲得個(gè)性化服務(wù),改善使用體驗(yàn)。

但是這一現(xiàn)象卻存在著不容忽視的隱私問(wèn)題:一方面,隨手可得的產(chǎn)品和服務(wù)、輕易換取的使用權(quán)限,使得用戶隱私保護(hù)意識(shí)淡薄,將隱私交換行為當(dāng)成“免費(fèi)的午餐”,并對(duì)正常付費(fèi)產(chǎn)生抵觸情緒;另一方面,客觀上存在著巨大的隱私風(fēng)險(xiǎn),例如不斷發(fā)生的隱私信息泄漏、濫用等事件。由此可見(jiàn),用戶需要在隱私安全和便利之間進(jìn)行權(quán)衡[3]。深入解析用戶在APP使用過(guò)程中隱私交換行為的動(dòng)因和影響因素,探討在免費(fèi)和付費(fèi)等不同使用場(chǎng)景下的用戶行為,有效避免隱私交換行為所產(chǎn)生的風(fēng)險(xiǎn)和憂慮,是具有重要現(xiàn)實(shí)意義的研究課題。

近年來(lái),圍繞APP隱私問(wèn)題的相關(guān)研究正在成為熱點(diǎn)。除在技術(shù)層面探討如何進(jìn)行隱私保護(hù)外,多數(shù)研究都是圍繞隱私要素對(duì)用戶使用意愿和行為的影響展開(kāi),內(nèi)容涉及隱私的感知[4-5]、匹配[6]、權(quán)衡[7-8]、授權(quán)[9]、披露[10]等多個(gè)方面?？傮w來(lái)看,以往研究多選取具體的APP類(lèi)型[5-6]及不同的用戶特征[11-12]進(jìn)行分析,基于技術(shù)接受模型(Technology Acceptance Model,TAM)及其拓展模型[11,13]、隱私計(jì)算模型[12]等理論,采取結(jié)構(gòu)方程[9-13]的方法進(jìn)行實(shí)證,關(guān)注心理潛變量的影響[14],忽視APP使用中的客觀影響因素。事實(shí)上,這種隱私交換行為還受到APP運(yùn)營(yíng)商使用場(chǎng)景設(shè)計(jì)的影響。運(yùn)營(yíng)商會(huì)針對(duì)用戶需求情況,在不同使用場(chǎng)景下設(shè)置不同的隱私交換條件(即功能獲取和隱私信息交換的規(guī)則),這些隱私交換條件作為客觀可觀測(cè)變量,其選擇結(jié)果決定了用戶隱私交換行為是否發(fā)生。由此可見(jiàn),隱私交換行為本質(zhì)上是APP 用戶對(duì)不同使用場(chǎng)景隱私交換條件的選擇行為,針對(duì)選擇行為的研究應(yīng)兼顧心理潛變量及使用場(chǎng)景變量的共同影響。

離散選擇模型(Discrete Choice Model,DCM)作為研究選擇行為的常用模型,通常基于效用最大化準(zhǔn)則來(lái)描述決策者面對(duì)多個(gè)備選方案時(shí)的選擇行為。由于DCM 不能直接測(cè)量態(tài)度、偏好、感知等潛變量,無(wú)法解釋心理因素對(duì)決策者的影響,為此,Ben-Akiva等[15]將潛變量引入DCM,建立了ICLV(Integrated Choice and Latent Variable)模型。由于ICLV 模型在充分考慮外部客觀屬性的前提下,還能清楚地揭示內(nèi)在主觀因素對(duì)選擇行為的影響,從而能夠有效增強(qiáng)模型的解釋和預(yù)測(cè)能力[15-16]。近年來(lái),ICLV模型在出行方式[16]、居住地[17]及產(chǎn)品[18]等領(lǐng)域的選擇行為研究中得到了廣泛應(yīng)用。以出行方式選擇研究為例,ICLV模型既包括以出行屬性(如出行時(shí)間、出行費(fèi)用、出行距離等)為客觀變量的離散選擇模型,又包括以出行態(tài)度(如喜好度、滿意度、舒適度等)[16]為心理潛變量的結(jié)構(gòu)方程模型。為此,本文將構(gòu)建隱私交換行為選擇的ICLV 模型。其中,依據(jù)TAM 提出使用場(chǎng)景變量構(gòu)建離散選擇模型,依據(jù)溝通隱私管理(Communication Privacy Management,CPM)理論提出心理潛變量構(gòu)建結(jié)構(gòu)方程模型。通過(guò)對(duì)不同使用場(chǎng)景下影響因素的測(cè)度來(lái)計(jì)算用戶隱私交換行為概率。

1 研究假設(shè)

1.1 基于CPM 理論的相關(guān)變量界定及假設(shè)

傳統(tǒng)意義上,隱私是指?jìng)€(gè)人與社會(huì)公共生活無(wú)關(guān)的而不愿為他人知悉的事項(xiàng)。如果本人愿意公開(kāi),原來(lái)的隱私就轉(zhuǎn)化為非隱私了,如社交平臺(tái)上的“曬”隱私現(xiàn)象,就不屬于隱私保護(hù)內(nèi)容[19]。因此,隱私在不同情境下有不同的定義。本文沿用CPM理論中隱私的定義,認(rèn)為隱私是一條從自我到他人的具有彈性的邊界,將隱私邊界看成是一個(gè)從完全開(kāi)放到完全封閉的連續(xù)體[20]。CPM 理論描述了用戶管理隱私信息的過(guò)程,解釋了人們?nèi)绾螌?duì)隱私的披露與隱藏進(jìn)行決策。為了很好地保護(hù)隱私,信息藏匿和保護(hù)之間需要進(jìn)行邊界協(xié)調(diào)[21],制定共同遵守的規(guī)則。CPM 理論將個(gè)人隱私規(guī)則制定標(biāo)準(zhǔn)分為核心標(biāo)準(zhǔn)和催化劑標(biāo)準(zhǔn)。核心標(biāo)準(zhǔn)包括個(gè)體特征和文化,催化劑標(biāo)準(zhǔn)包括情境、動(dòng)機(jī)和風(fēng)險(xiǎn)-收益比。因此,基于CPM 理論提出隱私交換收益、隱私交換風(fēng)險(xiǎn)、隱私侵犯經(jīng)歷、隱私保護(hù)自我效能、隱私政策關(guān)注和個(gè)性化需求6個(gè)潛變量。

CPM 理論指出用戶在決定是否披露個(gè)人隱私時(shí)會(huì)進(jìn)行收益風(fēng)險(xiǎn)權(quán)衡。當(dāng)用戶獲得的收益超過(guò)風(fēng)險(xiǎn)時(shí)會(huì)傾向于披露個(gè)人隱私,反之會(huì)拒絕披露個(gè)人隱私。已有研究證明,用戶會(huì)根據(jù)APP提供的價(jià)值來(lái)決定向APP披露隱私的程度[7],隱私披露的感知收益越高會(huì)積極影響他們的隱私披露意愿[7,10]。因此,提出假設(shè):

H1隱私交換收益對(duì)隱私交換意愿有正向顯著影響。

隱私交換風(fēng)險(xiǎn)[10-13,22]是指用戶在使用APP 進(jìn)行隱私交換時(shí),對(duì)APP未經(jīng)授權(quán)披露其隱私信息所感知到的潛在損失。已有研究表明,當(dāng)用戶受到隱私侵犯感知到隱私風(fēng)險(xiǎn)時(shí)會(huì)減少信息披露[23]。此外,感知隱私敏感性會(huì)加劇隱私問(wèn)題,進(jìn)而對(duì)隱私披露產(chǎn)生負(fù)面影響[24]。因此,提出假設(shè):

H2隱私交換風(fēng)險(xiǎn)對(duì)隱私交換意愿有負(fù)向顯著影響。

Gu等[24]指出用戶對(duì)隱私的態(tài)度和以往經(jīng)歷有關(guān),有過(guò)隱私受損經(jīng)歷會(huì)對(duì)個(gè)人隱私披露產(chǎn)生直接和間接的影響[12]。當(dāng)用戶發(fā)現(xiàn)網(wǎng)站濫用他們的信息時(shí),就會(huì)覺(jué)得這個(gè)網(wǎng)站沒(méi)有履行其職責(zé),因而在以后使用該網(wǎng)站時(shí)會(huì)降低隱私交換意愿[24]。因此,提出假設(shè):

H3隱私侵犯經(jīng)歷對(duì)隱私交換風(fēng)險(xiǎn)有正向顯著影響。

個(gè)性化需求通常被定義為根據(jù)個(gè)人偏好和行為量身定做服務(wù)的需求[25],通過(guò)數(shù)據(jù)挖掘、統(tǒng)計(jì)、人工智能和基于規(guī)則的匹配等工具,平臺(tái)可以預(yù)測(cè)用戶的需求和偏好,并提供更符合需求的產(chǎn)品和服務(wù)[26]。為了滿足個(gè)性化需求,用戶需要披露隱私,因此,個(gè)性化需求被認(rèn)為是影響隱私交換收益的一個(gè)重要因素,所以提出假設(shè):

H4個(gè)性化需求對(duì)隱私交換收益有正向顯著影響。

以往研究表明,個(gè)性化服務(wù)以獲取大量用戶數(shù)據(jù)為前提[27],所以具有顯著個(gè)人特征。披露這些數(shù)據(jù)可能會(huì)導(dǎo)致不必要的廣告植入、價(jià)格歧視以及未經(jīng)授權(quán)的訪問(wèn)。盡管個(gè)性化服務(wù)帶來(lái)了附加價(jià)值,但仍會(huì)帶來(lái)隱私風(fēng)險(xiǎn),因此,提出假設(shè):

H5個(gè)性化需求對(duì)隱私交換風(fēng)險(xiǎn)有負(fù)向顯著影響。

根據(jù)CPM 理論,用戶隱私是否會(huì)被披露取決于環(huán)境的影響。而隱私政策會(huì)將APP如何收集和使用用戶隱私告訴他們,也是保護(hù)用戶隱私不會(huì)被篡改和泄露的保證。因此,隱私政策是APP使用過(guò)程中的一個(gè)環(huán)境因素。Mc Knight等[28]認(rèn)為隱私政策是促進(jìn)用戶建立對(duì)互聯(lián)網(wǎng)環(huán)境信任,保證供應(yīng)商誠(chéng)實(shí)的一種方式。由此提出假設(shè):

H6隱私政策關(guān)注對(duì)隱私交換意愿有負(fù)向顯著影響。

隱私保護(hù)自我效能是指?jìng)€(gè)體為保護(hù)個(gè)人信息和空間,對(duì)自身隱私邊界控制能力的感知[29]。已有研究表明,自我效能在影響用戶對(duì)技術(shù)感知和使用方面起著重要作用,能夠降低用戶對(duì)技術(shù)的焦慮感,是用戶評(píng)估感知規(guī)避能力的重要參考[30]。因此,提出假設(shè):

H7隱私保護(hù)自我效能對(duì)隱私交換意愿有正向顯著影響。

1.2 基于TAM 相關(guān)變量界定

TAM 因其有用性、易用性被廣泛應(yīng)用于組織IT 管理、銀行客戶采納、消費(fèi)者網(wǎng)絡(luò)購(gòu)物意向以及圖書(shū)館信息系統(tǒng)滿意度等領(lǐng)域。APP 使用中考慮最多的因素是功能的有用性和便捷性,因此,基于TAM 理論設(shè)置不同使用場(chǎng)景。由于APP 類(lèi)型繁多,用戶對(duì)APP的使用偏好也不相同,對(duì)實(shí)證研究中的使用場(chǎng)景設(shè)計(jì)有較大的影響。如果實(shí)證研究場(chǎng)景過(guò)于具體化,用戶偏好會(huì)對(duì)實(shí)證研究的影響較大。因此,對(duì)于使用場(chǎng)景中與用戶偏好有關(guān)的影響因素(如軟件功能需求程度、使用時(shí)長(zhǎng)等)應(yīng)該進(jìn)行有效控制。模型中感知有用性是指使用系統(tǒng)對(duì)于人們所帶來(lái)的幫助和效率的提高,感知易用性是指用戶對(duì)于系統(tǒng)使用的方便性和技術(shù)接受的程度高低。除此之外,TAM 的應(yīng)用受到被調(diào)查者的個(gè)體特征、研究對(duì)象的特征以及文化環(huán)境差異等因素影響,隨著技術(shù)的不斷發(fā)展,使用環(huán)境也變得復(fù)雜,感知有用性和易用性已經(jīng)無(wú)法滿足對(duì)用戶使用行為解釋和預(yù)測(cè)的需求。因此,結(jié)合免費(fèi)增值模式下用戶在不同場(chǎng)景中交換隱私信息的不同提出信息敏感度這一使用場(chǎng)景屬性。信息敏感度[22,31-34]是指用戶對(duì)不用類(lèi)型隱私信息披露所產(chǎn)生負(fù)面影響的感知程度。綜上可知,基于TAM 提出有用性、易用性和信息敏感度3個(gè)使用場(chǎng)景屬性,并根據(jù)使用場(chǎng)景屬性的不同水平劃分為4個(gè)使用場(chǎng)景。

2 MIMIC模型及結(jié)果

2.1 數(shù)據(jù)來(lái)源

(1)用戶社會(huì)經(jīng)濟(jì)屬性測(cè)量、以往APP使用中的隱私潛變量測(cè)項(xiàng)。其中,隱私潛變量量表依據(jù)CPM 各變量的問(wèn)題項(xiàng)改編形成,相關(guān)變量題項(xiàng)及來(lái)源見(jiàn)表1。

表1 變量測(cè)量題項(xiàng)及來(lái)源

研究量表均采用Likert 5級(jí)量表,調(diào)查及后續(xù)研究中所用到的變量:

Sage——用戶的年齡;

Sedu——用戶受教育程度;

Sincome——用戶月收入;

Semploy——用戶受訪者職業(yè);

Zuse——功能有用性;

Zease——功能易用性;

Zsen——信息的敏感度。

(2)場(chǎng)景測(cè)試。選取有用性、易用性和信息敏感性3個(gè)使用場(chǎng)景屬性分別劃分為3個(gè)水平,理論上可產(chǎn)生3×3×3=27種使用場(chǎng)景。在免費(fèi)增值模式的運(yùn)營(yíng)下產(chǎn)生了4 種使用場(chǎng)景,分別為免費(fèi)游客(A)、免費(fèi)注冊(cè)(B)、隱私交換增值(C)和付費(fèi)增值(D)。使用場(chǎng)景A 下,APP運(yùn)營(yíng)商提供基礎(chǔ)服務(wù)(在有用性屬性下用1 表示),用戶需要提供使用信息(在信息敏感度屬性下用1表示)進(jìn)行交換,使用過(guò)程中受到廣告植入等影響,使用不便捷(在易用性屬性下用1表示);使用場(chǎng)景B下,APP運(yùn)營(yíng)商提供個(gè)性化服務(wù)(在有用性屬性下用2 表示),用戶需要提供基本信息(在信息敏感性屬性下用2表示)進(jìn)行交換,使用方便(在易用性屬性下用2表示);使用場(chǎng)景C 和D 下,APP提供增值服務(wù)(在有用性屬性下用3 表示),用戶需要用敏感信息(在信息敏感度屬性下用3表示)或者付費(fèi)(在信息敏感度屬性下用2 表示)獲取,使用非常便捷(在易用性屬性下用3表示)。各使用場(chǎng)景屬性及其水平如表2所示。

表2 使用場(chǎng)景及其屬性

將情景描述為:“您在接觸一款新上市APP,您對(duì)該APP的使用需求強(qiáng)烈,在每個(gè)APP 使用場(chǎng)景下的需求都是理性的,且沒(méi)有產(chǎn)生對(duì)APP在使用時(shí)間和技術(shù)上的依賴(lài)?！痹趩?wèn)卷調(diào)查中要求用戶根據(jù)日常使用偏好,對(duì)4個(gè)使用場(chǎng)景是否進(jìn)行隱私交換依次做出選擇。圖1所示為使用場(chǎng)景選項(xiàng)卡樣例。

通過(guò)線上發(fā)放問(wèn)卷,共收回326 份有效問(wèn)卷。被調(diào)查對(duì)象的年齡和學(xué)歷基本符合正態(tài)分布,說(shuō)明樣本分層比較均勻。其中,本科學(xué)歷用戶最多(占總數(shù)的47.85%),且83.74%的調(diào)查對(duì)象年齡在18～45歲,這符合高學(xué)歷用戶與青年用戶是互聯(lián)網(wǎng)使用的主要人群特征。

信度采用組合信度(CR)來(lái)檢驗(yàn),并使用平均萃取變差(AVE)、Cronbach’sα系數(shù)檢驗(yàn)問(wèn)卷中量表的有效性。首先,大部分潛變量的CR均大于0.8,表示因子具有較好的指標(biāo)信度。盡管兩個(gè)潛變量的結(jié)果不是很滿意,但是也大于0.7,也是可接受的。Cronbach’sα系數(shù)均大于0.7,說(shuō)明該問(wèn)卷的量表題具有較好的內(nèi)部一致性;AVE 都大于0.5,表示該問(wèn)卷的量表題具有較好的聚合效度。信度和效度分析如表3所示。

表3 信度效度分析表

2.2 MIMIC模型及擬合結(jié)果

MIMIC模型是結(jié)構(gòu)方程的一種特殊形式,是一種探討多個(gè)外生觀測(cè)變量與多個(gè)內(nèi)生潛在變量之間關(guān)系的模型。該模型可以將連續(xù)變量和類(lèi)別變量同時(shí)納入建立混合模型,以此來(lái)探討混合變量與測(cè)量模型間的關(guān)系。該模型相比傳統(tǒng)的多群組分析模型,不必根據(jù)類(lèi)別變量把數(shù)據(jù)分為幾個(gè)組分別估值,操作上更簡(jiǎn)單。MIMIC 模型在本質(zhì)上是結(jié)構(gòu)方程模型的一種形式,通常由結(jié)構(gòu)方程和測(cè)量方程兩部分組成,其關(guān)系為

式中:ηni是不可觀測(cè)潛變量向量,具體為ηbenefits、ηrisks、ηpolicy、ηPE、ηPPIE、ηSE和ηWTE;xni是影響潛變量ηni的外生可觀測(cè)變量向量,包括Sage、Sedu、Sincome和Semploy;yni是潛變量;ηni是可觀測(cè)指標(biāo)向量;ξni和εni為測(cè)量誤差;Γ和Λ是公式中待估計(jì)函數(shù)的系數(shù)。模型擬合情況如表4所示,本文中的結(jié)構(gòu)方程模型擬合度都在可接受的范圍內(nèi)。

表4 MIMIC模型擬合統(tǒng)計(jì)指標(biāo)

2.3 潛變量間關(guān)系分析

從構(gòu)建的MIMIC模型中可以得到外生可觀測(cè)變量和潛變量之間的關(guān)系以及潛變量之間的因果關(guān)系,由于篇幅有限,這里僅給出后者的結(jié)果。MIMIC模型中潛變量之間的路徑關(guān)系如圖2所示。

在圖2的MIMIC模型中,除假設(shè)H5、H6未得到證明之外,其余假設(shè)都得到顯著支持。個(gè)性化需求對(duì)于隱私交換收益有顯著影響,而對(duì)隱私交換風(fēng)險(xiǎn)沒(méi)有顯著影響,說(shuō)明用戶在對(duì)個(gè)性化需求的感知收益大過(guò)感知風(fēng)險(xiǎn)。隱私侵犯經(jīng)歷對(duì)隱私交換意愿有顯著影響,說(shuō)明用戶在決定隱私交換意愿時(shí)會(huì)形成定性思維,受到之前相關(guān)經(jīng)歷的影響,增加隱私交換風(fēng)險(xiǎn)。隱私交換收益和隱私交換風(fēng)險(xiǎn)對(duì)交換意愿有顯著影響。這說(shuō)明,用戶在體驗(yàn)APP時(shí)會(huì)進(jìn)行隱私權(quán)衡,進(jìn)而決定是否采取隱私交換行為。隱私保護(hù)能力對(duì)隱私交換意愿有顯著影響,說(shuō)明用戶隱私交換意愿受到隱私知識(shí)和隱私保護(hù)習(xí)慣的影響。而隱私政策關(guān)注對(duì)隱私交換意愿沒(méi)有顯著影響,可能是由于現(xiàn)有商業(yè)模式不接受隱私政策不允許使用的規(guī)則而導(dǎo)致用戶對(duì)隱私政策持流程化的態(tài)度,降低了對(duì)隱私政策的關(guān)注。

3 離散選擇模型檢驗(yàn)及結(jié)果分析

3.1 離散選擇模型

根據(jù)MIMIC模型的結(jié)果,圖3為ICLV 模型的全路徑,具體由MIMIC模型和離散選擇模型構(gòu)成。

每一個(gè)使用場(chǎng)景下的效用函數(shù)的解釋變量分為可直接測(cè)量的解釋變量和不可直接測(cè)量的潛變量,并且假設(shè)效用函數(shù)是關(guān)于參數(shù)的線性函數(shù)。每一個(gè)使用場(chǎng)景下的效用函數(shù)為

式中:Uni為第n個(gè)APP用戶選擇第i個(gè)場(chǎng)景的效用;Vni是系統(tǒng)效應(yīng);νni是隨機(jī)效應(yīng);β是待估計(jì)的效用函數(shù)的系數(shù);βx是可直接觀測(cè)影響因素的系數(shù);βn是不可直接觀測(cè)影響因素的系數(shù)。

每個(gè)使用場(chǎng)景被選擇的概率為

式中:sni表示第n個(gè)用戶選擇第i個(gè)使用場(chǎng)景的狀態(tài),如果被調(diào)查的人選擇i,則sni=1,否則為0;Cn為第n個(gè)APP 用戶互斥的選項(xiàng)集;Pn為第n個(gè)APP用戶的選擇概率。

混合離散選擇模型的似然函數(shù)為

式中:Σv、Σξ、Σε分別為殘差和隨機(jī)項(xiàng)的協(xié)方差矩陣;Rη為積分是有多少個(gè)潛在變量的多重積分。假設(shè)有n個(gè)用戶,則ICLV 模型的似然函數(shù)為

3.2 模型檢驗(yàn)

通過(guò)繪制calibration圖來(lái)評(píng)估模型預(yù)測(cè)得到的預(yù)測(cè)值與實(shí)際的真實(shí)性的一致性,4個(gè)在使用場(chǎng)景下的calibration圖如圖4所示。

圖4(a)～(d)中,X軸為模型預(yù)測(cè)得到的結(jié)局可能性,Y軸為實(shí)際觀察得到的值,并重復(fù)計(jì)算1 000次,其中,Bias-corrected 為校正曲線,對(duì)角線Ideal為理想曲線。校正曲線與理想曲線之間越相近,說(shuō)明模型的預(yù)測(cè)能力越好。因此,模型具有良好的校準(zhǔn)能力。

3.3 離散選擇擇結(jié)果分析

由于要考慮用戶個(gè)體特征對(duì)是否采取隱私交換行為的影響,在采用Logit模型計(jì)算時(shí),將不同使用場(chǎng)景的有用性、易用性和信息敏感程度分別統(tǒng)一在1個(gè)變量下。每個(gè)場(chǎng)景下隱私交換行為的結(jié)果如表4所示。

由表4可以看出,使用場(chǎng)景對(duì)用戶隱私交換行為具有顯著影響,用戶隱私交換行為會(huì)不同程度受到使用場(chǎng)景變量的影響。在不同使用場(chǎng)景下用戶隱私交換行為的影響因素存在如下不同:

表4 離散選擇模型結(jié)果分析

(1)在使用場(chǎng)景A 下會(huì)受到職業(yè)、隱私交換風(fēng)險(xiǎn)、隱私政策關(guān)注以及以往隱私侵犯經(jīng)歷的影響。在現(xiàn)有免費(fèi)增值模式下,用戶在此場(chǎng)景中處于不披露隱私就不能使用的被動(dòng)狀態(tài),用戶關(guān)注隱私政策的合法合理性,結(jié)合以往隱私侵犯經(jīng)歷來(lái)判明隱私風(fēng)險(xiǎn),決定是否進(jìn)行隱私交換。不同職業(yè)的人群對(duì)APP的需求,也會(huì)對(duì)隱私交換行為產(chǎn)生影響。

(2)在使用場(chǎng)景B下會(huì)受到年齡、教育水平、隱私交換風(fēng)險(xiǎn)、隱私政策關(guān)注、個(gè)性化需求、隱私侵犯經(jīng)歷以及隱私保護(hù)自我效能的影響。在該場(chǎng)景下,用戶獲得個(gè)性化功能,會(huì)考慮個(gè)性化功能帶來(lái)的便捷性,并且在各種因素的影響下,會(huì)對(duì)自身隱私保護(hù)能力即自我效能做出判斷,最終決定是否進(jìn)行隱私交換。隨著用戶年齡增長(zhǎng)以及受教育水平的提高,用戶進(jìn)行隱私交換的概率會(huì)降低。

(3)在使用場(chǎng)景C 下會(huì)受到教育水平、隱私交換收益、隱私交換風(fēng)險(xiǎn)、隱私侵犯經(jīng)歷以及隱私保護(hù)自我效能的影響。在該場(chǎng)景下,用戶需要交換敏感個(gè)人信息來(lái)獲得增值功能,更多是考慮隱私交換這一行為所帶來(lái)的隱私收益和隱私風(fēng)險(xiǎn),結(jié)合以往隱私侵犯經(jīng)歷和自我效能的評(píng)價(jià)決定是否進(jìn)行隱私交換。與免費(fèi)注冊(cè)場(chǎng)景不同,在該場(chǎng)景下,用戶受教育水平的提高反而會(huì)促進(jìn)用戶進(jìn)行隱私交換,這可能是由于用戶隱私保護(hù)自我效能的提高增加了隱私交換意愿。

(4)在使用場(chǎng)景D 下會(huì)受到職業(yè)、收入、隱私交換風(fēng)險(xiǎn)、個(gè)性化需求以及隱私侵犯經(jīng)歷的影響。在該場(chǎng)景下,用戶需要付費(fèi)來(lái)得到增值功能,更多是考慮APP增值功能的個(gè)性化程度,以此來(lái)決定是否進(jìn)行交換。

3.4 聚類(lèi)分析

采用R 語(yǔ)言進(jìn)行K-Means算法實(shí)現(xiàn)聚類(lèi)分析,確定最優(yōu)k值為2。兩類(lèi)用戶群分別標(biāo)記為Ⅰ類(lèi)和Ⅱ類(lèi),樣本數(shù)分別為102個(gè)和224個(gè)。對(duì)兩類(lèi)用戶群的潛變量進(jìn)行均值分析,如圖5所示。Ⅰ類(lèi)和Ⅱ類(lèi)用戶群潛變量均值均呈一正一負(fù)分布在兩側(cè),具有顯著差異性。這表明,兩類(lèi)人群在隱私偏好導(dǎo)向上存在明顯的不同。根據(jù)問(wèn)卷潛變量定義,Ⅰ類(lèi)用戶具有較高的隱私保護(hù)意識(shí)和隱私保護(hù)能力,將其定義為隱私導(dǎo)向人群,則Ⅱ類(lèi)為功能導(dǎo)向人群。

3.5 隱私交換行為的Nomogram 圖分析

為進(jìn)一步分析各自變量對(duì)隱私交換行為的影響,采用Nomogram 圖進(jìn)行可視化分析。首先,根據(jù)二元Logit回歸模型中自變量回歸系數(shù)大小制定評(píng)分標(biāo)準(zhǔn)(變量標(biāo)尺),以回歸系數(shù)最大的自變量為參考標(biāo)尺;其次,依據(jù)各變量標(biāo)尺對(duì)每個(gè)取值水平進(jìn)行評(píng)分,將各變量評(píng)分相加得到總評(píng)分;最后,通過(guò)總評(píng)分與預(yù)測(cè)事件發(fā)生概率之間的轉(zhuǎn)換函數(shù),計(jì)算出該預(yù)測(cè)事件發(fā)生的概率。

以Ⅱ類(lèi)月收入為5 000～8 000元1)用戶在不同使用場(chǎng)景下會(huì)受到不同的社會(huì)屬性的影響,選取各社會(huì)屬性變量中選擇最多的人群為樣本的用戶群為例,分析該群體在使用場(chǎng)景A 下隱私交換概率,用R 繪制Nomogram 圖(見(jiàn)圖6)。依據(jù)量表采集數(shù)據(jù)結(jié)果,ηbenefits和ηrisks的變量取值水平為5,分別對(duì)應(yīng)評(píng)分(Points)的68和0,ηpolicy和ηPPIE的變量取值水平為1,分別對(duì)應(yīng)Points的100和0;收入為5 000～8 000元標(biāo)記為3,對(duì)應(yīng)Points的48。將每個(gè)變量對(duì)應(yīng)的Points相加得到Total points為216,在Total points上找到相應(yīng)數(shù)值,對(duì)應(yīng)于最下面概率軸(s1)的0.82,即該類(lèi)用戶群在該場(chǎng)景下隱私交換的概率為0.82。

由于Nomogram 圖繪制的基本原理是以回歸系數(shù)最大的自變量為基準(zhǔn),其他變量以此為參考標(biāo)尺進(jìn)行轉(zhuǎn)換,使得各變量的標(biāo)尺長(zhǎng)度隨回歸系數(shù)的變化呈現(xiàn)顯著差異,能夠系統(tǒng)反映多變量組合下的作用效果,將復(fù)雜的回歸方程轉(zhuǎn)變?yōu)榭梢暬膱D形,方便對(duì)事件發(fā)生概率進(jìn)行評(píng)估。

根據(jù)上述方法計(jì)算Ⅰ類(lèi)和Ⅱ類(lèi)用戶在不同使用場(chǎng)景下的隱私交換概率,結(jié)果如圖7所示。由圖7可以發(fā)現(xiàn),隱私導(dǎo)向用戶在各個(gè)使用場(chǎng)景下隱私交換意愿偏低且平穩(wěn),功能導(dǎo)向的用戶除了在使用場(chǎng)景B下隱私交換概率都比較大。

4 結(jié)論

基于CPM 理論提出潛變量,引入用戶社會(huì)屬性變量構(gòu)建MIMIC 模型;再加上使用場(chǎng)景構(gòu)成效用決策,進(jìn)行離散選擇分析,構(gòu)建混合選擇模型對(duì)用戶在免費(fèi)增值模式下不同使用場(chǎng)景的隱私交換行為進(jìn)行實(shí)證分析。研究發(fā)現(xiàn):

(1)使用場(chǎng)景對(duì)用戶隱私交換行為產(chǎn)生顯著影響,且影響程度隨使用場(chǎng)景變量發(fā)生變化?？紤]使用場(chǎng)景后,影響因素增加且組合不同。用戶在獲得免費(fèi)功能時(shí),隨著個(gè)性化功能與隱私信息敏感度的提高,用戶年齡、受教育水平以及隱私保護(hù)能力會(huì)顯著影響隱私交換行為,而收入和隱私交換收益的影響并不明顯;用戶在獲得增值功能時(shí),由于在使用場(chǎng)景C要交換敏感度高的隱私而受教育水平、隱私保護(hù)能力以及隱私交換收益的顯著影響,而在使用場(chǎng)景D 需要付費(fèi)則受到職業(yè)和收入水平的影響,隱私保護(hù)能力對(duì)其影響不顯著。

(2)APP用戶類(lèi)型不同,在不同的使用場(chǎng)景下是否進(jìn)行隱私交換還會(huì)受到不同影響因素的影響。功能導(dǎo)向型用戶在使用場(chǎng)景A 和D 下的交換概率偏低,說(shuō)明這兩個(gè)場(chǎng)景下的功能的個(gè)性化程度不能滿足功能導(dǎo)向型人群需求。隱私導(dǎo)向型用戶在4個(gè)使用場(chǎng)景下的隱私交換意愿都偏低。

(3)在進(jìn)行APP用戶類(lèi)型聚類(lèi)時(shí)可以看出,隱私導(dǎo)向型用戶數(shù)量只占少數(shù),所以APP用戶在使用過(guò)程中要注意“免費(fèi)”的假象,加強(qiáng)隱私保護(hù)意識(shí),樹(shù)立正確的隱私觀。

(4)APP 運(yùn)營(yíng)商在實(shí)際運(yùn)營(yíng)中要注意使用場(chǎng)景變化對(duì)用戶使用行為的影響,并可對(duì)用戶數(shù)據(jù)進(jìn)行分析,判定用戶類(lèi)型,對(duì)不同用戶類(lèi)型采取不同的策略。對(duì)于功能導(dǎo)向型用戶,APP運(yùn)營(yíng)商可以增加功能的便捷程度和獨(dú)特程度,提高對(duì)用戶的吸引力,增加隱私交換概率,更好地建立用戶資料庫(kù),提供精準(zhǔn)服務(wù),形成良性循環(huán)。對(duì)于隱私導(dǎo)向型用戶,APP運(yùn)營(yíng)商在獲取用戶隱私時(shí)要注意保護(hù)用戶隱私,在保護(hù)用戶隱私的同時(shí)提供便捷的服務(wù),促進(jìn)商業(yè)模式的健康發(fā)展。

本文存在的不足:①本文是在免費(fèi)增值模式下對(duì)APP用戶隱私交換行為影響因素進(jìn)行研究,并沒(méi)有考慮APP種類(lèi)。不同種類(lèi)的APP功能和受眾群體不同,所對(duì)應(yīng)的影響因素也會(huì)有所差異,未來(lái)研究者可以劃分APP種類(lèi)進(jìn)行研究或者對(duì)某一類(lèi)APP進(jìn)行研究。②用戶在使用場(chǎng)景D 下可能會(huì)受到價(jià)格的影響,未來(lái)研究者可以設(shè)置不同的價(jià)格區(qū)間研究用戶隱私交換意愿。