電商智能推薦用戶信息隱私披露意愿影響機制研究

占 南 閆香玉

(河南科技大學商學院，河南 洛陽 471000)

作為數字經濟新業態的代表，電子商務在新興信息技術的支撐推動下，在培育消費市場新動能和構建雙循環發展格局等方面發揮了重要的作用。截至2021年12月，我國網絡購物用戶規模達8.42億，網絡零售額達13.1萬億元。為了更好地滿足用戶個性化信息服務需求，提升電子商務平臺服務質量和銷售成交額，平臺通過分析用戶行為習慣和興趣愛好，實時主動推薦產品和服務，實現了用戶和商品信息之間的良性互動。從淘寶的“千人千面”到抖音的“全域興趣電商”，電商智能推薦服務通過吸引用戶停留、互動、下單購買，幫助電商平臺挖掘用戶潛在需求，為用戶進行商品和服務選擇提供了便利，但同時也引發了用戶對于隱私和數據安全的擔憂。2021年，我國22.1%的網民遭遇過個人信息泄露問題[1]，電商智能推薦服務會涉及用戶的敏感性個人信息，如個人身份信息、地理位置數據、網絡瀏覽痕跡和財務信息等。對于信息技術不確定性和數據安全的擔憂會降低用戶信任感，進而阻礙用戶采納電商智能推薦服務。電子商務行業發展需要關注智能化信息技術時代用戶行為特征和變化規律，深入分析用戶信息隱私披露意愿對于有效緩解用戶隱私顧慮和促進電子商務市場持續健康發展具有現實意義。

信息技術的進步和創造日新月異，互聯網從簡單的信息共享工具發展為社會生產生活協作平臺，用戶在互聯設備、服務和交互操作中留下的大量數字痕跡會暴露其興趣、特征、信仰和意圖，信息隱私安全和算法公平成為信息時代重要的管理實踐問題[2]。信息隱私是一個與情境相關的、多維的、動態的概念，隨著信息技術的進步而發展演變，信息系統領域學者也在持續關注隱私安全問題[3]。信息隱私披露行為一直以來都受到學者們的廣泛關注，學者對老年人[4]、未成年人[5]、病人[6]和殘疾人[7]等不同用戶群體信息隱私問題進行探討，分析了智能家居[8]、物聯網[9]、移動支付[10]、移動應用[11]、社交媒體[12]、共享經濟[13]、電子服務[14]、電子商務[15]和智能推薦系統[16]中用戶隱私關注和信息隱私披露。智能信息社會中的用戶隱私觀念不斷發生變化，信息隱私問題也更具有挑戰性[17]。隨著大規模商業智能數據分析的不斷發展，學者們也開始深入分析智能推薦算法倫理和信息隱私問題[18-19]，探討如何緩解用戶隱私擔憂并持續采納智能推薦服務，但目前對于電商智能推薦用戶隱私保護的研究還有所欠缺。平臺用戶信息隱私問題會影響電商智能推薦服務的采納意愿，智能推薦中用戶信息隱私保護對平臺合法合規運營至關重要。因此，為了深入探究電商智能推薦用戶信息隱私披露意愿影響機制，本文基于APCO模型、隱私計算理論和人格五因素模型，通過結構方程模型進行數據分析和假設檢驗，探討用戶隱私關注的前因和結果，同時還考慮了智能推薦商品相關性和人格特質對用戶隱私關注和信息隱私披露意愿關系的影響作用，為電商平臺保護用戶信息隱私安全和持續優化平臺信息推薦服務提供參考和建議。

1 文獻綜述和理論基礎

1.1 信息隱私披露行為的相關研究

信息隱私是數字時代長期存在的問題，用戶對隱私和數據安全的擔憂是信息技術采納的主要障礙[9-17]。隨著Web2.0社會化交互時代的到來，用戶基于互聯網參與和協作的意愿提升，信息隱私披露方式從被動變為主動，信息隱私披露行為成為信息系統領域學者關注的熱點[3，20-21]。隱私關注是從個體用戶層面研究信息隱私問題的核心變量，對于共享平臺參與[22]、電子政務采納[20]、在線健康社區參與[21]、智能推薦技術采納[19]等行為具有關鍵性影響作用，是影響個人信息隱私披露的重要因素。由于隱私本身難以測量，信息隱私領域的實證研究大部分是建立在對隱私關注測量的基礎上，學界開發出了滿足不同需求的隱私關注測量指標體系，包含控制、收集、訪問和感知等測量維度，如GCIP、CFIP、IUIPC和MUIPC量表。學者們嘗試解釋和分析隱私關注的前因變量，以此深入了解用戶的信息隱私披露意愿，主要包括：①個體因素[23]，如人口統計學特征、人格特質；②認知因素[24]，如感知隱私控制、感知隱私風險；③情境因素[25]，如企業隱私保障、信息敏感度；④宏觀因素[26]，如文化價值觀、隱私社會規范。

隨著用戶對隱私保護關注度的不斷增強，在進行信息披露時就會進行權衡，由于信息不完整和不對稱的存在[27]，用戶信息隱私披露存在很大的不確定性[2]，呈現動態性和情境性特點[28]。研究發現，由于個體認知偏誤和社會環境等因素干擾[29]，人們很難做出理性的信息隱私披露決策，從而產生隱私態度和實際行為相矛盾的信息隱私悖論行為[30]。用戶信息是互聯網企業的重要戰略資源，企業通過收集用戶信息分析需求，據此提供個性化產品或服務[31]，存在樂觀偏差心態的用戶為體驗個性化服務會讓渡自己的隱私，這種隱私個性化悖論行為是用戶平衡個性化服務和信息隱私保護的結果[32]。學者們從隱私計算理論[33]、保護動機理論[34]、公平理論[35]和溝通隱私管理理論[36]等視角揭示了用戶信息隱私披露意愿影響機理，隨著用戶信息安全意識的不斷提升，用戶還會出現信息隱私披露的規避行為和倦怠行為[12]。學者通過探究用戶心理和認知需求差異[37]、文化差異[38]、信息隱私披露邊界條件[39]等方面，探討如何有效緩解用戶隱私擔憂，提高信息隱私披露意愿。

1.2 理論基礎

1.2.1 APCO模型

APCO(Antecedents/Privacy Concerns/Outcomes，前因→隱私關注→結果)模型是Smith H J等[40]基于信息邊界理論并整合學者研究成果所提出的，總結了隱私關注的前因和結果的關系。該模型指出隱私關注的前因變量包括隱私經歷、隱私認知、個性差異、人口統計變量和文化或氛圍，Li Y[41]在Smith H J等的基礎上提出了電子商務情境下APCO的綜合框架，將隱私關注的前因變量進一步劃分為個人維度(隱私素養、人格特質等)、社會關系維度(主觀規范)、組織和任務環境維度(隱私干預、平臺信譽等)以及宏觀環境維度(政府監管及文化氛圍)，結果變量為信任、行為意愿及感知風險，并考慮了感知收益和感知風險共同作用下的隱私計算對行為意愿的影響。APCO模型為隱私研究提供了一個總體的宏觀模型，可以用來解釋隱私關注的形成并分析相應的行為結果[42]。目前，該模型已被用于解釋移動用戶[43]、智慧醫療用戶[44]、虛擬社區用戶[45]和微信用戶[46]隱私關注問題的研究。基于此，本文將基于APCO模型探討電商智能推薦用戶信息隱私披露意愿，分析作為隱私關注前因的隱私素養、隱私社會規范和監管政策感知有效性，以及作為隱私關注結果的感知風險和信息隱私披露意愿。

1.2.2 隱私計算理論

Laufer R S等[47]將經濟學領域的社會交換理論引入用戶研究，提出隱私計算的概念。隱私計算理論(Privacy Calculus Theory，PCT)為解釋個人披露信息的原因提供了基礎，該理論假設成本效益分析中的理性決策來自代表成本的隱私風險和與交易相關的收益兩個變量[48]。用戶在衡量感知風險與感知收益的結果后決定是否披露個人隱私信息，PCT的核心是計算，是研究隱私決策領域的重要理論，是當前研究用戶隱私披露意愿使用較為廣泛的理論框架，已被廣泛應用于不同的研究情境中，如電子商務[49-50]、醫療健康[51]、社交媒體[37]和共享經濟[52]等。電商智能推薦用戶期望通過信息披露獲得個性化商品服務，以節省金錢、時間和精力，但同時也會擔心隱私信息泄露等問題，面臨著感知收益和預期風險帶來的成本損失之間的權衡。基于此，本文將基于PCT解釋電商智能推薦用戶信息隱私披露行為變化，探討用戶面對信息隱私問題的態度和行為。

1.2.3 人格五因素模型

人格特質是使人們行為表現出穩定持久的心理結構，是個人的氣質、情感、態度以及行為反應模式的整合且不隨時間而變化的穩定性指標，作為內在因素能夠影響個體的態度和行為活動[53-54]。20世紀90年代出現了很多對測定人格及其相關問卷的分析研究，如Goldberg L R[55]的人格五因素模型，把人格分為5個不同的維度，包括外向性(Extraversion，E)、開放性(Openness，O)、神經質(Neuroticism，N)、宜人性(Agreeableness，A)和責任感(Conscientiousness，C)，得到了心理學和行為科學研究者廣泛的研究證明，是目前為止最為常用的人格特質理論模型[56]，已被普遍應用于各種情境，包括社交媒體[57]、網絡健康信息搜索[58]和虛擬社區[59]等。個體不同的人格特質會決定他們的行為，基于此，本文基于人格五因素模型，通過對個體穩定和獨特的特點，預測和解釋其信息隱私披露意愿。

綜上，盡管國內外學者對信息隱私問題、影響因素和行為結果等展開相關實證研究，研究對象群體也更為廣泛，更加關注個人信息的開發利用和隱私保護，但在以下幾個方面可以繼續探討。首先，智能信息技術的發展會加劇用戶對隱私和數據安全的擔憂，信息隱私問題會阻礙電子商務平臺的發展，通過文獻梳理分析發現，目前對于電商智能推薦用戶隱私保護研究還有欠缺；其次，信息隱私披露行為是一種復雜的行為決策，已有研究缺乏多維視角下綜合框架分析，現有研究已經證實了隱私關注對于信息隱私披露意愿的影響作用，但對于影響因素之間的作用機制研究較少。基于對已有研究分析和現實需要，本文從個人、社會關系和宏觀環境維度出發，探討電商智能推薦情境下影響用戶隱私關注的因素以及結果，深入揭示用戶隱私關注和信息隱私披露意愿之間的影響作用，為電商平臺持續優化信息服務和完善用戶隱私保護提供建議和參考。

2 研究模型與假設

基于APCO模型、隱私計算理論和人格五因素模型，本文構建了電商智能推薦用戶信息隱私披露意愿研究模型，如圖1所示。其中，模型假設電商智能推薦用戶隱私關注的前因包括隱私素養、隱私社會規范和監管政策感知有效性3個因素，隱私關注的結果包括感知風險、感知利益和信息隱私披露意愿，此外，模型還試圖探究智能推薦商品相關性和人格特質(外向性、開放性、神經質、宜人性、責任感)對電商智能推薦用戶隱私關注和信息隱私披露意愿關系的調節作用。

圖1 電商智能推薦用戶信息隱私披露意愿研究模型

2.1 隱私關注的前因變量

隱私素養是個體對信息在網絡環境中如何被跟蹤、使用、保留以及丟失的理解程度，是人們掌握的信息隱私保護法律法規知識和相關技能[60]。本文的隱私素養是指電商智能推薦用戶對信息隱私問題的批判認知和信息隱私保護的知識技能。強月新等[61]研究發現隱私素養對用戶后續隱私態度的形成和隱私行為反應具有很強的預測性；Desimpelaere L等[62]研究指出了解如何保護信息隱私的人也更善于付諸有效的行動來保護其隱私，隨著人們隱私素養水平的提高，用戶對于其信息隱私的關注水平也在提高；張大偉等[63]研究指出社交媒體中數字原住民的在線隱私素養是其產生隱私關注的正向驅動因素；Prince C等[64]研究指出具有較高隱私素養的互聯網用戶對隱私的擔憂會隨之增加。在電子商務智能推薦中，高隱私素養水平的用戶對于隱私風險的評估不同，隱私關注度較高，不會因為擔心個人信息隱私泄露而不知所措，會根據自己掌握的隱私保護知識對信息隱私進行保護設置，最大化減少“隱私悖論”現象。因此，本文假設：

H1：隱私素養正向影響隱私關注

從社會關系層面而言，隱私社會規范代表的社會因素衡量了周圍人群對隱私關注的影響，是測量社會群體影響的重要變量[65-66]。本文中，用戶隱私關注不但會因為個體不同而不同，而且其所處的社會環境也會產生重要的影響作用。隱私社會規范對用戶隱私關注的影響已得到檢驗，如Zlatolas L N等[67]研究了隱私社會規范對社交網絡用戶隱私關注的影響；郭飛鵬等[26]指出社交群體對用戶隱私關注具有正向影響作用；Xu Z[44]實證檢驗了隱私社會規范對智慧醫療服務患者隱私關注的影響。這些研究表明用戶周圍的社會群體會影響其隱私關注，電商智能推薦用戶所屬的社會群體對于信息隱私問題的認識和關注程度也會影響其隱私關注，因此假設：

H2：隱私社會規范正向影響隱私關注

隱私是個體的主觀感知，個體隱私偏好會受到外部環境的影響[2]，APCO模型從宏觀環境角度指出監管政策對用戶隱私關注產生影響。監管政策是保護用戶信息隱私和安全的機制，包括政府監管和行業自律，通過告知用戶在何種情況下會收集信息、收集信息的目的和方式，對使用個人信息的過程進行規范和監管，可以有效地保障用戶作為信息主體的合法權益[68]。蔣驍等[69]指出政府和行業組織的監管會影響用戶隱私關注的程度；He M等[70]研究指出宏觀層面的監管機制直接影響消費者對共享平臺的信任；學者在智慧醫療[44]和共享經濟[22]研究中都指出監管政策會減少用戶隱私擔憂。政府機構也頒布了一系列法律法規完善對電商行業的監管，電商平臺為了消除用戶的隱私擔憂，也積極對用戶個人信息的收集、使用和保護等方面作出承諾。為了更好地了解宏觀環境因素對電商智能推薦用戶隱私關注的影響，本文探討監管政策感知有效性對于用戶隱私關注的影響，監管政策感知有效性是指用戶認為目前政策法規及相關監管措施能夠幫助保護其信息隱私的程度，如果用戶相信政府、行業組織和電商平臺的監管舉措能有力保障信息隱私安全，其對隱私的擔憂程度也會降低。現有研究表明，隨著監管政策感知有效性的增加，用戶的隱私關注和感知隱私風險都會降低，隱私披露意愿會增強[14，71]。因此，本文假設：

H3：監管政策感知有效性負向影響隱私關注

2.2 隱私關注的結果變量

在互聯網上用戶很容易失去對個人信息傳播和使用的控制，從而引發信息隱私問題的產生，隱私關注是從個體層面研究信息隱私問題的核心變量，是用戶對個人信息采集、獲取和使用的感知和關注，反映了用戶感知隱私被侵犯的可能性以及其所帶來的相關風險[72]。已有研究表明，隱私關注是影響用戶信息隱私披露意愿的關鍵因素[73]，隱私關注與感知風險呈正相關關系[74]，用戶會因為對信息控制權減少，或者擔心個人信息存在泄露和濫用的風險而不愿意進行隱私信息披露。隱私關注程度高的用戶信息隱私披露意愿較低，電子商務智能推薦情境中，用戶會關心其個人信息將如何被電商平臺進行處理、存儲、共享和使用，可能擔心技術漏洞、黑客攻擊和不當利用帶來隱私泄露問題，隨著感知風險提升會降低其信息隱私披露意愿。因此，本文假設：

H4：隱私關注正向影響感知風險

H5：隱私關注負向影響信息隱私披露意愿

2.3 隱私計算維度：感知風險與感知利益

隱私計算理論認為，用戶會在風險和利益的平衡中決定是否披露個人信息，感知風險和感知利益是個人信息披露的關鍵因素[75]。其中，感知風險是用戶在采取某種行為時所考慮的風險感知，包括經濟風險、人身安全風險和隱私風險等[76-77]。本文的感知風險是指用戶對在電商平臺上披露隱私信息可能會帶來的不利后果的感知，比如信息泄露、未經授權的訪問、被出售或共享給第三方。Yu L等[73]研究表明，用戶的感知風險與其信息隱私披露意愿呈現顯著負相關；李綱等[78]研究發現感知風險是個人信息披露態度的強負向預測因子；楊夢晴等[79]研究發現情境信息共享風險能夠對移動消費用戶情境信息共享意圖產生消極影響。感知利益一般被定義為用戶在使用某服務過程中所感受到的該行為可能為自己帶來的利益和回報[27]。本文的感知利益是指用戶使用電商智能推薦服務所產生價值的感知，包括節省時間、金錢和精力帶來的功利利益，以及情感滿足帶來的享樂利益。已有研究表明，通過對消費者進行經濟上的補償可以促進他們的信息披露[50]；李海丹等[80]研究了社交媒體環境下在線用戶隱私披露行為的影響機制，發現感知收益是隱私披露意愿的強正向影響因子；White T B[81]的研究同樣驗證了當用戶得到個性化利益時，更愿意提供個人信息；朱侯等[52]將感知收益分為利己收益與利他收益，證實了利己收益、利他收益均正向影響信息隱私披露意愿。電商智能推薦服務是基于用戶購物偏好等提供個性化商品推薦服務，隨著用戶隱私關注的增強，在進行信息隱私披露時就會進行權衡，因此，本文假設：

H6：感知風險負向影響信息隱私披露意愿

H7：感知利益正向影響信息隱私披露意愿

2.4 智能推薦商品相關性的調節作用

電商智能推薦服務為用戶提供了相關的商品推薦信息，可以有效減少用戶商品購買的不確定性，節省用戶的時間和精力，緩解用戶信息超載和認知負擔，從而增強用戶網絡購物的意愿。用戶網絡購物決策是一個動態的認知和行為過程，要經歷商品搜索、篩選比較和商品評估等階段，在商品搜索階段，智能推薦服務可以為用戶提供個性化商品建議，提高網站的銷售額和用戶粘性[82]。然而研究指出，電商智能推薦分析和算法會使用戶擔心信息隱私泄露、價格歧視和平臺對其購物行為的監視[83]，從而使用戶產生心理抗拒，降低網絡購物的滿意度[84]。本文中智能推薦商品相關性是指電商平臺提供給用戶的商品推薦信息具有與用戶購物偏好匹配、相關和完整的特點，相關實證研究表明，當推薦商品相關性越高時，用戶與電商平臺的互動將使用戶更有安全感[43，85]，進而緩和用戶因為較高水平的隱私關注導致的低水平信息隱私披露意愿。因此，本文假設：

H8：智能推薦商品相關性負向調節用戶隱私關注和信息隱私披露意愿的關系

2.5 人格特質的調節作用

人格特質代表了個體之間的差異，對個體態度、感知和行為產生影響，學者通過研究指出人格特質會影響用戶隱私關注[86]，并進一步影響信息隱私披露意愿[33，42]。本文中的人格特質采用的是目前測量個體人格常用的人格五因素模型，包括外向性、開放性、神經質、宜人性和責任感，探討不同人格特質對于用戶隱私關注到信息隱私披露意愿的調節作用。外向性人格表現出熱情、社交、冒險、樂觀等特點，具備外向性人格特質的用戶更愿意嘗試新事物[87]。有學者研究表明，為了適應社交關系中的互動需求，外向性的人群往往也會有著較低的信息敏感關注度，更容易信任他人，因此這類群體對于信息隱私方面負面感知較低，隱私擔憂水平較低，自我披露的意愿較高[88]。開放性人格表現出創造、求異、思辨等特點，對于已有的經驗往往持有開放、探究的態度，更傾向于喜歡學習和體驗。已有研究表明，開放性人格的用戶對于信息收集和使用而引發的信息隱私問題不敏感[26]，高開放性用戶具有較低的隱私關注度，進而會傾向于提供更多的個人隱私信息[89]。神經質人格也稱作情緒不穩定性人格，具有焦慮、緊張、抑郁、脆弱、易受暗示等特點。研究指出神經質人格的用戶情緒不夠穩定，容易被激起負面情緒，他們對周圍環境敏感度水平高，對潛在風險更加恐懼，因此也表現出較高的隱私關注水平和焦慮、緊張等情緒[90]。宜人性是反映社會從眾性的一種人格特質，表現為熱情、善良、和藹可親、友好和寬容等特點。已有研究表明，宜人性人格的用戶對于隱私的關注程度持有不同的觀點，郭飛鵬等[26]認為宜人性人群在與他人交往中受集體主義思想影響，更加隨和，容易相信周圍人和環境，隱私關注水平較低；Bansal G等[86]則指出宜人性人群認為隱私侵犯的問題是不道德的行為，因此更加關注信息隱私問題。責任感人格表現出可靠、自律、謹慎和高效等特點，會認真地根據已經掌握的信息做出決定，以避免不必要的風險。已有研究表明，高度責任感的人更加注重細節，隱私關注水平較高[91]。本文認為，電商智能推薦服務用戶群體中，外向性、開放性、宜人性人格特質對于用戶隱私關注和信息隱私披露意愿的關系具有負向調節作用，神經質和責任感人格特質則具有正向調節作用，因此本文假設：

H9a：外向性人格特質負向調節隱私關注和信息隱私披露意愿的關系

H9b：開放性人格特質負向調節隱私關注和信息隱私披露意愿的關系

H9c：神經質人格特質正向調節隱私關注和信息隱私披露意愿的關系

H9d：宜人性人格特質負向調節隱私關注和信息隱私披露意愿的關系

H9e：責任感人格特質正向調節隱私關注和信息隱私披露意愿的關系

3 研究方法

3.1 變量來源與測量

本文的調查問卷分為三部分，第一部分為被調查者的基本信息，包括性別、年齡、學歷、網購時長、使用過提供智能推薦商品服務的平臺等；第二、三部分為潛在變量的測量題項，包括隱私素養、隱私社會規范、監管政策感知有效性、隱私關注、感知風險、感知利益、信息隱私披露意愿、智能推薦商品相關性、外向性、開放性、神經質、宜人性和責任感共13個潛在變量，測量量表問項均改編自現有成熟量表，并結合電商智能推薦情境進行修改和完善，每個潛在變量設計3～4個測量題項。為了保證問卷中題項的內容效度，在正式調查之前，本文進行了預調研，并依據預調研獲得的反饋意見對問卷的部分題項進行修改，最終形成本文的量表如表1所示。所有題項均采用李克特五點量表進行測量，被調查者根據對各個題項的同意程度來進行判斷(1=非常不同意，2=比較不同意，3=一般，4=比較同意，5=非常同意)。

表1 潛在變量及其測量項

3.2 數據收集

本文通過問卷星付費樣本服務制作和發布調查問卷，回收問卷共計627份，去除31份填寫時間不足1分鐘或答案存在明顯規律性的無效問卷，回收有效問卷共計596份，調查樣本基本特征如表2所示。在596份樣本中，從被調查者的年齡和學歷分布來看，20～40歲用戶占比85.1%，具有本科及以上學歷占比86.6%；從網購時長來看，具有4年及以上網購經歷的占比80.7%；從提供智能推薦商品服務的互聯網平臺使用頻率來看，以淘寶、京東和拼多多為代表的電商平臺占比約58%。

表2 調查樣本描述性統計

3.3 數據統計與分析

本文采用SPSS22.0進行數據預處理及描述性統計，采用偏最小二乘法進行數據分析，通過Smart PLS3.0軟件驗證研究模型和假設。在目前的學術研究中，相比基于協方差的結構方程模型(CB-SEM)，基于方差的偏最小二乘結構方程模型(PLS-SEM)更適用于研究目標為理論發展的探索性研究，不需要樣本數據符合正態分布的假設，可以同時對結構模型和測量模型進行分析，并且能夠以較小樣本量估計更復雜的模型[98]。

4 數據分析與結果

4.1 測量模型有效性檢驗

測量模型的評估應該檢驗信度、收斂效度和區別效度，本文采用結構方程建模工具Smart PLS3.0的PLS分析來估計測量模型，以檢驗模型的信度和效度。表3列出了本文各潛變量的Cronbach’s Alpha值、組合信度(Composite Reliability，CR)、平均方差提取值(Average Variance Extracted，AVE)以及所有題項的因子負荷，以檢驗本文測量模型的信度和收斂效度。表4列出了本文各潛在變量的AVE的平方根和該潛在變量與其他潛在變量之間的相關系數，以檢驗本文測量模型的區別效度。

表3 信度、收斂效度檢驗結果

表4 區別效度檢驗結果

對于本文測量模型信度的檢驗，表3中結果顯示潛在變量Cronbach’s Alpha系數范圍為0.755～0.906，CR范圍為0.854～0.938，均大于0.7的閾值，表示本文測量模型具有良好的信度。

對于本文測量模型效度的檢驗，表3中結果顯示所有題項的因子負荷值均高于0.6，潛在變量的AVE均大于0.5，表明本文測量模型具有良好的收斂效度；表4中結果顯示對角線上所代表的潛在變量AVE平方根最低值為0.778，大于非對角線部分所代表的潛在變量與其他潛在變量之間的相關系數最高值0.661，表明本文測量模型具有充分的區分效度。

4.2 共同方法偏差檢驗

一般來說，研究中多個變量數據均由同一個被調查者提供、同樣的測量環境、問項的研究情境、問項的本身特征等可能導致存在潛在的共同方法偏差。本文采用問卷調查法，多個潛變量數據均來自同一個被調查者，可能存在共同方法偏差。考慮到從不同來源獲取數據可以幫助減少共同方法偏差，本文收集的樣本數據來自不同的用戶來源，能夠有效降低共同方法偏差帶來的影響。采用SPSS中的主成分分析對本文收集的潛變量數據進行Harman單因素檢驗，結果提取出特征根大于1的因子共10個，最大因子方差解釋率為23.714%(小于40%)，可知本文不存在嚴重的共同方法偏差。

4.3 結構模型結果

本文的結構模型分析結果如圖2和表5所示，模型的SRMR指標值為0.063，小于0.08的閾值，表明模型的擬合度較好，符合PLS-SEM的適配要求。模型中假設檢驗通過PLS方法進行，路徑系數顯著性采用Bootstrap重抽樣方法檢驗，樣本數設置為5 000，據此可得T估計值和p值。

注：***表示p<0.001，**表示p<0.01，*表示p<0.05，ns表示差異不顯著。圖2 PLS結構模型結果

表5 假設檢驗結果

根據以上結構模型檢驗和假設檢驗可得以下研究結果：①從前因變量對隱私關注的影響來看，隱私素養顯著正向影響隱私關注(β=0.165，p<0.001)，驗證了假設H1；隱私社會規范顯著正向影響隱私關注(β=0.369，p<0.001)，假設H2得到驗證；而假設H3監管政策感知有效性負向影響隱私關注(β=0.306，p<0.001)未得到支持。故在前因變量中，隱私素養和隱私社會規范能夠顯著提升用戶的隱私關注水平；②從隱私關注對結果變量的影響來看，隱私關注顯著正向影響感知風險(β=0.611，p<0.001)，并顯著負向影響信息隱私披露意愿(β=-0.152，p<0.001)，故假設H4和H5得到驗證。由此可見，用戶隱私關注水平的提高能夠顯著提升其對潛在風險的感知程度，并顯著降低其信息隱私披露意愿；③從隱私計算維度來看，感知風險對信息隱私披露意愿的負向作用不顯著(β=0.062，p>0.1)，感知利益顯著正向影響信息隱私披露意愿(β=0.465，p<0.001)，故假設H6未得到支持，假設H7得到驗證。可知感知利益作為隱私計算中的重要部分能夠顯著提升用戶的信息隱私披露意愿；④從智能推薦商品相關性和人格特質的調節作用來看，智能推薦商品相關性顯著負向調節用戶隱私關注和信息隱私披露意愿的關系(β=0.143，p<0.05)，驗證了假設H8；人格特質維度中，外向性人格特質顯著負向調節隱私關注和信息隱私披露意愿的關系(β=0.106，p<0.05)，宜人性人格特質顯著負向調節隱私關注和信息隱私披露意愿的關系(β=0.465，p<0.001)，故H9a和H9d得到驗證，而假設H9b、H9c、H9e中開放性、神經質和責任感等人格特質對用戶隱私關注和信息隱私披露意愿的調節作用未得到驗證。

4.4 調節效應進一步檢驗

上述分析表明，智能推薦商品相關性、外向性人格特質和宜人性人格特質顯著負向調節用戶隱私關注和信息隱私披露意愿的關系。為了進一步解釋調節效應，本文使用Smart PLS3.0進行了簡單斜率分析，結果如圖3所示。簡單斜率圖3(a)顯示，當智能推薦商品相關度越高時，用戶隱私關注對信息隱私披露意愿影響越小，但是當智能推薦商品相關度低時，用戶隱私關注對信息隱私披露意愿影響更強。隨著用戶隱私關注水平的提升，低商品推薦相關性用戶的信息隱私披露意愿明顯低于高商品推薦相關性用戶；簡單斜率圖3(b)顯示，當用戶外向性程度越高時，其隱私關注對信息隱私披露意愿的影響越小，但是當用戶外向性程度越低時，其隱私關注對信息隱私披露意愿的影響越大。隨著用戶隱私關注水平的提升，低外向性用戶的信息隱私披露意愿明顯低于高外向性用戶信息；簡單斜率圖3(c)顯示，當用戶宜人性程度越高時，其隱私關注對信息隱私披露意愿的影響越小，但是當用戶宜人性程度越低時，其隱私關注對信息隱私披露意愿的影響越大(正斜率是由于相對較大的負調節效應)。隨著用戶隱私關注水平的提升，低宜人性用戶的信息隱私披露意愿明顯低于高宜人性用戶。

圖3

5 討論與結論

5.1 研究結果的討論

本文基于APCO模型、隱私計算理論和人格五因素模型構建了電商智能推薦用戶信息隱私披露意愿理論模型，檢驗了電商智能推薦用戶隱私關注的前因和結果，同時還考慮了智能推薦商品相關性和人格特質的調節作用。大部分假設關系通過驗證，主要的研究結論如下：

1)本文發現了隱私素養和隱私社會規范對于用戶隱私關注的作用機制。首先，隱私素養正向影響用戶隱私關注。隱私素養水平高的用戶對隱私的擔憂程度也較高，這與已有研究結果一致[62-64]，說明隱私素養對于用戶隱私關注的重要性。相比隱私素養水平較低的用戶，隱私素養水平較高的用戶關注其個人信息如何被電商平臺跟蹤、使用、保存和處理，掌握更多的隱私保護法律法規知識和隱私保護技能，更有可能感知到信息隱私泄露的風險，由此引發高水平隱私關注；其次，從社會關系層面，本文證實了隱私社會規范對于用戶隱私關注具有重要影響作用，這也與已有研究結果一致[26，44，67]，表明用戶隱私關注會受到周圍用戶群體的影響。電商平臺的智能商品推薦服務存在用戶隱私泄露的可能，隱私社會規范會影響個人對于信息隱私重要性的認知，用戶會通過改變其隱私關注水平，使之與周圍用戶群體的隱私關注保持一致。然而監管政策感知有效性對于隱私關注的影響未通過假設檢驗，這一發現與之前研究結果不一致[22，44]，原因可能是與國內外個人信息保護政策體系的發展路徑有關，國外重視公民隱私權保護由來已久，美國1974年就制定通過了《隱私權法》，通過政府引導下的行業自律保障公民隱私。歐盟從20世紀90年代就開始制定嚴格而規范的個人信息保護法律框架，2016年頒布了最嚴苛的個人信息保護法《通用數據保護條例》，保障歐盟公民數據權利。我國是世界互聯網大國，也頒布了一系列相關法律法規保障公民個人信息權和隱私權，如《網絡安全法》(2016年)、《電子商務法》(2018年)、《個人信息保護法》(2021年)等，相關行業組織和平臺也在積極制定規則和協議保護用戶信息安全。國外公民隱私權意識萌生較早，而我國公民隱私相關法律法規起步較晚，公民還沒有對目前政策法規和監管措施充分了解，因此，監管政策感知有效性并沒有降低用戶的隱私關注，而是隨著我國對個人信息保護體系的不斷完善，公民隱私權意識逐漸增強。

2)本文發現了用戶隱私關注對于感知風險和信息隱私披露意愿的作用機制。一方面，隱私關注正向影響感知風險，即用戶對于電商智能推薦服務中個人信息如何被平臺進行使用和處理的關注度越高，越容易提升隱私泄露相關風險的感知，這與已有研究結果一致[73-74]；另一方面，隱私關注負向影響信息隱私披露意愿，即用戶對于電商智能推薦服務中隱私和數據安全的擔憂會降低用戶信息隱私的披露意愿，這也與已有研究將隱私關注作為用戶負面行為預測的結論相一致[73]，表明隱私關注程度較高的用戶在被要求披露個人隱私信息時會表現出更加審慎的態度。

3)本文證實了隱私計算維度中感知利益對于信息隱私披露意愿的正向影響作用，本文中的感知利益是電商智能推薦服務給用戶帶來的功利利益(省錢、省時、省力)和享樂利益(情感滿足)，用戶對于信息隱私披露的感知利益越高，越會提升其信息隱私披露意愿，這與已有研究結果一致[50，52，80-81]。然而本文中感知風險對于信息隱私披露意愿的負向影響作用不顯著，與已有研究中感知風險作為信息隱私披露意愿的抑制性因素不一致[73，78-79]，表明本文中電商智能推薦用戶在權衡是否披露個人隱私信息時對于可能存在的風險，如經濟風險、人身安全風險等考慮較少，他們的決策并非完全理性的，隱私和數據安全風險的存在并沒有阻止用戶進行信息披露，即存在“隱私悖論”。智能推薦商品服務給用戶帶來了購物個性化和便利性體驗，用戶雖然意識到信息披露存在風險隱患，但為了更好地體驗平臺個性化服務還會進行信息披露。

4)本文驗證了智能推薦商品相關性在隱私關注影響信息隱私披露意愿的路徑中發揮了負向調節作用，電商平臺基于用戶偏好信息實現商品和服務的精準推送，但同時也引發了用戶對于個人隱私信息的擔憂，但是隨著智能推薦商品相關性增大，用戶隱私關注對信息隱私披露意愿的影響變小，這也與電商智能推薦相關研究結果一致[82，85]。

5)本文驗證了外向性人格和宜人性人格在隱私關注影響信息隱私披露意愿的路徑中發揮了負向調節作用，表明個體人格差異會產生不同的隱私關注心理傾向，現有研究大多數是驗證人格特質對隱私關注具有直接影響作用[86]。本文通過調節效應檢驗發現高外向性用戶信息敏感度較低，其隱私關注對于信息隱私披露意愿的負面影響作用較小；高宜人性用戶更容易受到周圍群體和環境的影響，對平臺信任感較強，因此其隱私關注對于信息隱私披露意愿的負面影響作用也較小。

5.2 理論意義

信息隱私安全和算法公平是信息時代重要的管理實踐問題，本文關注智能推薦和關聯分析給用戶信息隱私帶來的問題和挑戰，研究結論具有啟發性的理論意義。信息技術進步引發人們對信息隱私的關注，已有研究對社交媒體、電子商務、移動支付和電子政務等用戶信息隱私披露行為展開研究，用戶信息隱私披露是一種復雜的行為決策，具有情境性和動態性的特點。本文基于APCO模型，引入隱私計算理論和人格五因素模型，從前因、隱私關注和結果的綜合理論框架研究電商智能推薦用戶信息隱私披露意愿，并進一步探討智能推薦商品相關性和人格特質在用戶隱私關注和信息隱私披露意愿關系中存在的調節作用，加深了對電商智能推薦用戶信息隱私披露意愿形成機理的認知，拓展了信息隱私披露的研究視角。

5.3 管理啟示

本文的管理啟示主要體現在為電商平臺降低用戶隱私關注和持續優化信息推薦服務提供了建議和參考。

1)電商平臺企業要落實推薦算法安全責任，持續優化商品信息推薦服務。①研究表明，電商智能推薦服務給用戶帶來的功利利益和享樂利益可以提升其信息隱私披露意愿，而且隨著智能商品推薦相關性增大，用戶隱私關注對信息隱私披露的影響作用也被削弱。電商智能推薦根據用戶特征、內容特征、環境特征和行為特征等進行個性化商品和服務推薦，幫助平臺挖掘用戶潛在需求，促成在線購買并增強用戶粘性，在緩解用戶商品信息過載和優化用戶購物體驗方面具有優勢。在電商平臺中，智能推薦算法是用戶和商品之間的中介。然而智能推薦需要用戶披露地理信息、身份信息、購物偏好等敏感性個人信息，存在用戶體驗和隱私擔憂沖突等問題，如何平衡個性化服務和用戶隱私保護顯得尤為重要。平臺企業應立足于用戶，在進行用戶和商品信息匹配推薦時要保證相關性，滿足用戶省時、省力和省錢的需求，同時還需要重視用戶的情感體驗，智能推薦服務給用戶網絡購物帶來的樂趣會使用戶產生正向情感滿足，提升用戶感知利益，從而提升購物轉化和復購；②研究進一步證實了隱私悖論的存在，在感知利益的驅動下，用戶為了網購個性化體驗會讓渡自己隱私權，平臺企業為了實現供需最佳匹配會采集用戶個人信息。推薦算法猶如雙刃劍，電商智能推薦會與用戶行為特征信息相關聯，讓用戶感覺自己處于被監視之中，加劇信息隱私問題。我國自頒布實施《個人信息保護法》以來，已進入到數據監管的新時代，對自動化決策信息推送和商業營銷等進行規范和約束，《互聯網信息服務算法推薦管理規定》又明確了算法推薦服務提供者的合規義務，推進了算法綜合治理。因此平臺企業應根據國家政策法規制定完善便于用戶理解的隱私政策，規范使用算法推薦，針對不同類別個人信息(一般性個人信息和敏感性個人信息)實施不同等級的保護措施，使用戶能夠放心地披露數據并獲得收益，實現信息收集利用和保護的平衡，促進這種良性發展的可持續性。

2)電商平臺企業要增強用戶數據安全感，緩解用戶的隱私擔憂。①研究表明，隨著用戶隱私素養水平的提高，用戶更加關注個人信息如何被電商平臺采集、使用和處理，因此平臺企業應該強化用戶對個人信息的自我決定權，使用戶能夠及時了解個人信息處理動態，給予用戶隨時查看、修改、刪除個人信息和拒絕個性化定制的權限，增強用戶隱私控制感，使信息處理流程更加公開透明，從而不斷提升用戶對平臺的信任感；②從社會關系層面來看，用戶隱私關注會受到周圍社會群體尤其是對自己重要的群體的影響，因此平臺企業要重視社群隱私觀對用戶產生的影響作用，搭建一個隱私保護措施健全的網購環境，避免數據過度采集、不當利用和非法泄露等信息隱私問題和負面影響，不斷提升企業聲譽，削弱社群隱私感知風險；③研究發現，用戶信息隱私披露意愿與人格特質有關，外向性和宜人性人格特質的影響作用更為突出，因此平臺企業應考慮用戶個體差異，根據用戶人格特質區分信息敏感度級別，據此提供高信息敏感度或低信息敏感度的智能推薦服務。在分析用戶隱私需求和認知層面的基礎上，結合受償意愿和支付意愿衡量平臺個人隱私信息的價值，識別用戶信息隱私保護邊界，制定差異化信息隱私保護策略。

5.4 研究結論

本文構建了電商智能推薦用戶信息隱私披露意愿理論模型，通過問卷調查法收集有關數據，采用PLS進行數據分析和假設檢驗，探討電商智能推薦用戶隱私關注的前因和結果。本文的研究結果為信息隱私研究提供了更豐富和全面的研究視角，同時為平臺企業保護用戶信息隱私安全、持續優化信息推薦服務提供參考，但也存在一些局限性：第一，本文只考慮了用戶的信息隱私披露意愿，意愿是個體實施某種行為的主觀意愿，和行為之間有高度的相關性，智能化信息時代由于信息隱私邊界擴大及用戶平臺交互關系的改變，實際的信息隱私披露行為也呈現出情境性、復雜性和動態性的特點，未來研究可以結合用戶實際披露行為對研究結果進行拓展，進一步驗證研究結果的有效性。第二，本文主要從量化實證路徑展開，通過分析變量之間的因果關系對理論假設進行驗證，屬于一種被動、間接的行為測量方式，在對個體復雜的信息隱私披露行為深入理解和解釋方面存在局限，未來可以進一步結合質性研究的觀察法、訪談法和案例研究法等，綜合考慮個體情感、動機等，深入揭示用戶信息隱私披露行為的影響規律。