自我呈現視角下醫生頭像信息對患者決策行為的影響研究

關鍵詞：自我呈現理論：頭像信息：在線醫療社區：患者：決策行為

健康公平作為國家衛生事業發展的核心議題，始終貫穿于政策制定與實踐之中。面對醫療資源分配不均的挑戰，在線醫療平臺作為潛在解決方案，逐步成為促進醫療資源有效分配的重要力量。疫情期間《國家衛生健康委辦公廳關于在疫情防控中做好互聯網診療咨詢服務工作的通知》的發布，更是推動“互聯網+醫療”模式的廣泛應用。在線醫療社區突破傳統醫療的時空限制，以其便捷、高效、經濟的特性，極大地優化了患者就醫體驗，構建起連接醫生、患者、醫院等數字醫療參與主體的橋梁，加速醫療行業數字化轉型進程。中國數字醫療行業市場規模在2023年已突破1740億元，同比增長50%．前景可觀。

盡管在線醫療社區已成為醫療服務供給的重要模式，但仍面臨多重挑戰，其中較為顯著的是醫患之間的信息不對稱問題。這種不對稱性部分源于在線醫療社區平臺上醫生數量的龐大與患者信息獲取能力的相對有限，使得患者在尋求醫療咨詢時面臨決策困境。在此情境下，醫生頭像作為非語言視覺符號，成為核心的自我呈現手段，其直觀性和影響力遠超文本描述。醫生頭像作為患者可接觸的一手信息，可將醫生個人形象可視化，通過視覺沖擊吸引患者注意力，塑造初步印象。更重要的是，頭像傳遞的豐富信息有助于患者對醫生作出初步評估，減少醫患之間的信息不對稱。然而，當前對于在線醫療社區患者決策行為的研究聚焦于醫生聲譽、口碑、服務質量等顯性特征，卻忽視了醫生頭像這一自我呈現手段對患者決策過程的潛在影響。此外，現有研究對患者決策行為的測量指標較為單一，往往局限于“問診”行為的直接發生，而忽略患者從搜索醫生信息到決定是否“訪問”醫生主頁這一上游環節，而該環節是提升醫生曝光度、推動患者問診的關鍵要素。再者，當前自我呈現理論大多應用于社交媒體、在線電商平臺、游戲社區以及新興直播平臺等，在在線醫療社區這一特定場景下的患者決策行為研究中相對匱乏。尤其是已有研究大多針對自我呈現中的文本內容分析，鮮有面向頭像自我呈現方式的探討。

基于上述局限性，本文以好大夫在線為研究情境，基于自我呈現理論探究醫生頭像信息對患者決策行為的影響。為此，本文抓取好大夫在線中47704名醫生數據進行分析。相比以往研究，本文的貢獻體現在：①拓展了自我呈現理論的應用領域。本文將自我呈現理論引入在線醫療社區的研究中，特別是聚焦于醫生頭像這一非文本形式的自我呈現方式，填補以往研究中自我呈現理論在醫療領域應用的空白，深化對在線醫療環境下醫生自我呈現和患者決策行為的理解：②多維解析醫生頭像信息對患者決策行為的影響。本文整合醫生頭像內容特征（包括頭像真實性、專業性、親和力與焦點性）與質量特征（包括頭像豐富度與清晰度），以及頭像中隱含的性別、年齡及眼鏡佩戴等人口統計學因素，從多個維度構建實證分析框架；③豐富了患者決策行為的測量指標。與以往研究大多僅關注患者在線問診行為不同，本文同時考慮患者訪問醫生主頁這一重要決策環節，增加了患者決策行為研究復雜性，提高了本文的現實指導意義。本文研究結論對于在線醫療平臺優化醫生展示策略、醫生提升自身競爭力以及促進患者決策等方面具有實踐意義。

1文獻綜述

1.1在線醫療社區患者決策行為研究

Simon H A在《管理行為》中提出“有限理性”和“滿意解”，開創了用戶決策過程研究的先河。已有針對在線醫療社區中患者決策行為的研究，研究情境涉及微醫、好大夫在線等在線醫療社區，通常采用回歸分析等研究方法，研究理論涉及信號理論、社會行為理論、信任理論等；研究目標在于探索患者擇醫、患者健康信息服務購買、患者診后決策等行為。

現有患者決策行為動因研究聚焦醫生聲譽、口碑、服務質量等特征，鮮有研究探討醫生自我呈現對患者決策的影響。同時，現有研究對患者決策行為的測量指標選擇較單一，大多只關注在線問診行為，缺少對訪問行為的關注。本文從醫生自我呈現角度分析在線醫療社區中患者決策行為的影響因素，依據患者選擇醫生的過程，將患者的決策行為劃分為訪問與問診行為開展行為機理研究。

1.2在線社區用戶自我呈現研究

自我呈現理論（Self-Presentation

Theory）解釋了公眾在社會交往中為什么以及如何呈現出特定的形象。Goffman E指出，人們向他人呈現個人身份的原因：一是通過自我呈現來影響他人并獲得回報；二是維護個人身份并利用它與相似的人建立聯系。在線社區中用戶可通過個人資料的自我呈現來創建和分享數字化自我形象，為人際溝通和社會關系的發展提供基礎。

當前自我呈現理論已被廣泛應用于心理學、圖書情報學、管理科學等學科，研究情境涵蓋各類在線社區，如微信等社交媒體，微商、Airbnb等在線電商平臺，SNS游戲社區以及新興直播平臺等。研究對象包括泛化的普通用戶、特定群體中學生等，解釋用戶在各類在線社區中的分享、信任、購買、互動等意愿或行為。研究方法包括情境實驗、問卷調查、二手數據分析等。現有研究較少基于自我呈現理論，面向在線醫療社區進行患者決策行為研究。同時，已有研究大多針對自我呈現中的文本內容，鮮有對頭像等圖像內容的研究。本文將自我呈現理論應用于在線醫療社區中，基于二手數據分析探討醫生頭像對患者決策行為的影響。

2研究模型與假設

2.1理論適用性

自我呈現是指個體通過特定行為或揭露特定信息在他人面前構建并展示社會身份和形象的過程，旨在控制他人對自己的印象，獲得他人的贊許、尋求心理滿足等。自我呈現不僅涉及積極信息的展示，也包括對負面信息的處理，以維護或提升個體在他人心目中的形象。在線醫療社區為自我呈現理論提供實踐場景，醫生通過精心設計個人資料實施自我呈現策略，響應患者對醫生信息透明度的需求，構建的個人專屬在線身份有助于初步建立醫患間的關系。頭像這一視覺焦點是醫生自我呈現的重要工具。具體而言，醫生可利用頭像進行個人在線身份塑造和印象管理，向患者傳遞出積極、專業的形象，通過持續的自我呈現來保持行為與身份的一致性，從而在虛擬空間中構建穩固的醫患關系，贏得患者信任，以促進患者訪問意愿與問診決策行為。這會進一步為醫生帶來提升個人聲譽、獲得平臺經濟激勵等諸多回報，這些回報不僅限于在線社區內部，更可能延伸至現實醫療環境中影響患者的評價與選擇。因此，自我呈現理論在在線醫療社區情境下具有高度適用性，有助于揭示在線醫療社區中醫生利用頭像進行身份構建與關系管理的內在機制，對于促進醫患互動及優化醫療資源配置具有潛在價值。

2.2研究假設與概念模型

在線醫療社區情境下，醫生頭像是核心自我呈現方式。在醫生個人主頁中，頭像通常呈現在頁面左上角明顯位置；在社區主頁中，單個醫生條目能展示的信息有限，而頭像通常占據較大比例，說明頭像對醫生的自我呈現具有關鍵意義。相較文本形式的個人信息呈現，圖片形式的頭像信息更能引起患者視覺注意，進而激發用戶后續意愿和實際行動。因此，患者可將醫生頭像作為參考信號，來判斷是否做出進一步決策。基于此，本文采用自我呈現理論，探索醫生頭像自我呈現對患者決策行為的影響。

內容特征和質量特征是全面理解和評價醫生頭像圖片的維度。內容特征主要關注圖像所表達的信息、情感等；質量特征則主要關注圖像技術質量，包括清晰度、色彩還原度等方面。頭像真實性能體現醫生真實形象，專業性可傳達醫生的專業背景和職業素養，親和力是醫患建立關系的重要因素，焦點性關乎圖像視覺吸引力和信息傳遞效率，豐富度展現圖像信息多樣性，清晰度是圖像質量的重要標準，上述變量均可能對患者決策行為產生影響，本研究將其納入自變量討論。本文還將醫生職稱、綜合推薦熱度等納入控制變量，研究模型如圖1所示。

2.2.1頭像真實性

頭像真實性指在線醫療社區中醫生頭像真實程度。用戶在平臺中上傳的頭像是肖像圖片還是虛擬圖片（是否具有真實面部圖像）會影響其他用戶對其信任程度。已有研究表明，電子商務網站賣家頭像擬人度和逼真度會影響顧客的社會臨場感和信任度：真人頭像比卡通頭像能獲得更多的網絡人際信任，進而影響用戶決策行為。本文研究情境中，醫患間交流受限于非面對面互動模式，患者首次接觸醫生時往往通過查看醫生頭像來形成初步視覺印象。醫生使用個人肖像，能更直接地傳達出醫生真實性，減少患者對不確定性的感知，增強患者信任感，進而積極影響患者決策行為，促使他們更愿意訪問醫生主頁并進行問診。因此，提出假設：

H1：在線醫療社區醫生頭像真實性顯著正面影響患者決策行為

2.2.2頭像專業性

頭像專業性指在線醫療社區中醫生頭像所傳達出的專業程度。頭像專業性可通過醫生穿著正式程度進行衡量，穿著正式商務服裝會增加人物感知能力和影響力。已有研究表明，對于知識問答社區答主、旅游博主、醫生等研究對象，其專業性顯著正向影響用戶信任度、滿意度、意愿以及行為等。本文研究情境中，醫生作為健康信息的關鍵傳播者，其展現的專業性對構建患者信任及引導患者行為具有重要作用。醫生在頭像中通過著裝等元素展現出的較強專業性能夠顯著提升患者在初次接觸時對其權威感的認知，進而作用于患者信息評估過程，使得患者更傾向于認為醫生提供的信息準確、可靠且具有指導意義。該種信任感通過多條路徑影響患者決策行為。一方面，高信任度促使患者更愿意主動訪問醫生個人主頁，深入了解醫生背景，從而加深對其專業性的認知；另一方面，信任度提升還增加了患者進行在線咨詢的意愿，患者更傾向于選擇信任的醫生進行咨詢。因此，提出假設：

H2：在線醫療社區醫生頭像專業性顯著正面影響患者決策行為

2.2.3頭像親和力

頭像親和力指在線醫療社區中醫生頭像傳達出的親近感，可通過醫生面部表情傳遞。面部表情是富含豐富信息的視覺線索，會影響其他用戶對該用戶的第一印象，有助于判斷該用戶個性。通過微笑的面部表情顯示出快樂情緒的人通常可傳達出較高的親和力，且更值得信賴。已有研究表明，Airbnb平臺中，在個人資料照片上展現積極面部表情的房東比消極面部表情甚至無個人資料照片的房東更能激起房客的信任和預訂意圖。本文研究情境中，醫生頭像中呈現的面部表情是塑造患者第一印象的關鍵因素之一。當醫生頭像中展現出親和力強的表情時，會通過視覺信號直接作用于患者心理感知，使患者感受到醫生的友好與溫暖。這種積極的情感共鳴會增強患者對醫生的初步信任感，進而引發患者正向決策行為。具體而言，高親和力的表情會首先提高患者對醫生的接納度，使患者更加傾向于認為醫生是可親近的、值得信賴的。在此基礎上，患者會產生更強烈的動機去進一步探索醫生主頁從而了解更多信息。同時，這種增強的信任感也會直接轉化為實際問診行為，即患者更愿意向展現親和力表情的醫生進行咨詢，從而獲得更貼心、人性化的醫療服務。因此，提出假設：

H3：在線醫療社區醫生頭像親和力顯著正面影響患者決策行為

2.2.4頭像焦點性

頭像焦點性指在線醫療社區醫生頭像中人臉聚焦程度。頭像焦點性可通過頭像中人臉占整張圖片的比例進行衡量，人臉所占比重越大，受到關注就越集中，焦點性也就越強。大頭照（Headshots，以人臉部為焦點的照片）可吸引觀看者注意力并為其留下直接而持久的印象。通常用戶視覺注意力受時間和精力限制，因此需通過增強圖片焦點性吸引用戶注意力。只有引起用戶注意后，才能激發后續意愿和行動。此外，實踐證明在社交媒體網站中頭肩肖像通常比全身肖像傳達出的能力和影響力更大。本文研究情境中，占比較大的人臉能夠減少患者瀏覽時的認知負荷，迅速捕捉并鎖定患者的視覺興趣，從而加深患者對該醫生的第一印象。對于醫生而言，采用標準化頭部特寫照片作為頭像，不僅符合醫療行業專業形象要求，更能通過一致性和規范性的呈現方式增強患者對醫生職業身份的認同感和信任感。專業形象的塑造結合人臉焦點的吸引力，共同作用于患者決策過程，提高了醫生個人主頁被訪問的頻率，同時也增加了患者問診行為的可能性。因此，提出假設：

H4：在線醫療社區醫生頭像焦點性顯著正面影響患者決策行為

2.2.5頭像豐富度

頭像豐富度指在線醫療社區中醫生頭像富含內容的復雜程度。已有研究表明，網頁視覺信息越復雜越能引起用戶注意。Deng L等研究表明，在網頁自由瀏覽情境下，豐富度正向影響用戶愉悅情緒。相反，Ochsner K N研究表明，視覺豐富性負向影響愉悅情感。上述研究均表明豐富度對用戶情緒反應具有顯著影響。本文研究情境中，醫生頭像豐富度能夠刺激患者的視覺感官，初步吸引用戶注意力。然而，當頭像復雜度超出一定閾值時，患者需要投入更多認知資源加工和處理頭像信息，這可能導致信息過載，增加患者認知負擔，進而觸發負面情緒。負面情緒會抑制個體積極行為傾向，削弱患者訪問醫生主頁和發起問診的動力。總之，醫生頭像復雜度過高，會通過增加患者信息處理難度、引發負面情緒等機制，抑制患者訪問醫生主頁并問診的意愿和行為。因此，提出假設：

H5：在線醫療社區醫生頭像豐富度顯著負面影響患者決策行為

2.2.6頭像清晰度

頭像清晰度指在線醫療社區醫生頭像清晰程度。圖片清晰程度會影響用戶對該圖片的信息質量感知。因此，專家建議用戶設置個人資料中的頭像時選擇高分辨率圖片，提高觀看者觀感和信任感。已有研究表明，信息質量會影響用戶持續使用意愿、信息回避行為、健康信息源選擇行為等。本文研究情境中，醫生頭像中人臉清晰度能夠影響患者心理感知。高清晰度的醫生頭像通常具有更少的模糊、噪點和失真，能夠讓患者感知到較高的信息質量。而高質量的視覺呈現能夠促進患者將該醫生與可靠性相關聯。患者傾向于將高清晰度的頭像視為醫生對自身形象和專業態度的重視，進而對醫生的醫療服務質量進行正面聯想，促進了患者對醫生的信任感建立。信任感的增強使患者更有可能主動點擊頭像訪問醫生主頁并進行在線問診。因此，提出假設：

H6：在線醫療社區醫生頭像清晰度顯著正面影響患者決策行為

3研究設計

3.1數據采集

本文利用網絡爬蟲技術，針對好大夫在線中呼吸科、傳染科、感染科以及重癥或急診科等科室醫生進行信息采集，獲取共47704名醫生數據，包括醫生頭像、主頁總訪問量、在線問診量、職稱、綜合推薦熱度、患友會數、醫療功能開通數、出診時間、投票總數、文章總數、收到禮物件數、醫院地域、級別、科室等信息。

3.2變量測量

3.2.1因變量

本文因變量為在線醫療社區患者決策行為。如圖2所示，在線醫療社區中，患者在線選擇醫生的過程可分為搜索階段、評估決策階段。將患者決策行為情境化為患者訪問醫生個人主頁以及向醫生在線問診行為，分別通過醫生個人主頁訪問數和醫生在線接診的總患者數體現，取值為實際數值。

3.2.2自變量

頭像真實性。好大夫在線平臺醫生擁有自主設定個人頭像的權限。部分醫生使用包含自身面部特征的真人頭像，直觀展現個人形象；其他醫生出于隱私保護或個性化考量，而采用虛擬頭像。本文將頭像真實性情境化定義為醫生頭像是否具備可識別的人臉特征，運用Face++人臉分析技術對醫生頭像特征進行檢測，如圖3所示。若API服務端接受請求后成功返回人臉數據，說明該醫生頭像中包含真實人臉元素，該醫生頭像真實性取值為1；反之，取值為0。

頭像專業性。對于識別出真實人臉的醫生頭像，本文對其衣著元素進行剖析，探索醫生專業形象。將頭像專業性具象化為頭像中衣著所展現的專業程度，通過分析衣著是否符合醫療行業著裝規范，評估該頭像的專業信息深度。利用視覺目標標注工具VOTT對醫生頭像進行標注，將身著標準醫療職業裝束的頭像賦值為3；將展現商務正裝的頭像賦值為2；將身著非上述兩類的頭像賦值為1。

頭像親和力。對于頭像真實性為1的醫生，深入挖掘該頭像中人臉所傳達的親和力。將頭像親和力情境化為頭像中人臉微笑的程度。利用Face++人臉分析技術對頭像進行表情識別，如圖3所示。Face++服務端接收到請求后返回Attributes參數集，其中笑容分析結果以0～100的浮點數形式量化微笑程度，數值的遞增直接對應著微笑程度的加深。

頭像焦點性。本文將頭像焦點性情境化為頭像中識別出的人臉占整張圖片的比重。如圖3所示，識別出醫生頭像中人臉后，返回Face_rectangle兀素值，包含識別出的人臉矩形框高度和寬度。本文利用OpenCV先計算頭像圖片大小，進一步計算人臉框占據整張頭像的比重，取計算后實際數值，如式（1）所示：

其中，Width代表返回的人臉矩形框寬度；Height代表返回的人臉矩形框高度；Area指頭像大小；HF指醫生頭像人臉焦點性。

頭像豐富度。本文將頭像豐富度情境化為頭像中色彩豐富程度，參考Hasler D等的研究對醫生頭像的色彩豐富度進行量化，利用OpenCV計算，取計算后實際數值，如式（2）～（6）所示：

頭像清晰度。作為圖像質量核心指標之一，清晰度直接關系到醫生頭像中細節信息的呈現效果。本文將頭像清晰度情境化為醫生頭像圖片中人臉的清晰程度。如圖3所示，將Face++返回的人臉模糊度分析結果取其倒數，計算得出醫生頭像清晰度實際數值。

3.2.3控制變量

本文中職稱指醫生職業職稱與學術職稱的加總，二者均可按由低到高的標準劃分為5級（無：0，初級：1，中級：2，副高：3，高級：4），若某醫生職業職稱為副主任醫師、學術職稱為副教授，則其職稱取值為6：綜合推薦熱度是平臺根據醫生綜合數據計算出的熱度值，取實際數值；醫院地域指醫生所在醫院所屬省（自治區、直轄市），依次取值為1～31；醫院級別按照《醫院分級管理標準》的評審結果賦值1～3;問診所屬科室涵蓋傳染科、感染科、呼吸科及重癥或急診科，分別賦值為1～4：患友會數指醫生已開通的患者討論小組數，取實際數值：醫療功能開通數指醫生開通醫療功能總數，取值0～4；出診時間指醫生每周出診半天數，取實際數值；投票總數指醫生獲得患者投票的總數，取實際數值；文章總數指醫生在社區內發布的文章總數，取實際數值；收到禮物件數指醫生收到患者贈送禮物件數，取實際數值。本文因變量、自變量與控制變量測量方式和闡釋具體如表1所示。

3.3變量描述性統計及相關性分析

除去醫院地域、問診所屬科室等分類變量，本文中涉及的各變量描述性統計如表2所示。并對變量進行相關性分析，部分變量間相關性高于0.600。因此進行共線性診斷，結果顯示，所有變量的方差膨脹系數皆遠小于10，因此，本文不存在多重共線性問題。

3.4模型設定

由于本文因變量為定量數據，且自變量與因變量之間存在線性關系，為更好地反映醫生頭像信息對患者決策行為的影響，本文選用多元線性回歸法進行數據分析。第一部分檢驗醫生頭像真實性對患者決策行為的影響：第二部分針對頭像真實性為1的醫生，檢驗其頭像專業性、親和力、焦點性、豐富度以及清晰度對患者決策行為的影響：第三部分，檢驗醫生頭像中預測出的性別、年齡以及眼鏡佩戴情況對患者決策行為是否存在影響。依次構建實證模型如式（7）～（9）所示。

4結果分析

4.1回歸分析

本文多元線性回歸分析結果如表3所示。頭像真實性對患者訪問（B=0.040，plt;0.001）和問診行為（B=0.042，plt;0.001）影響顯著，因此H1成立；頭像專業性對患者訪問行為影響不顯著（B=0.015n.s．），但對患者問診行為影響顯著（B=0.024，plt;0.05），因此H2部分成立：頭像親和力對患者訪問沒有顯著影響（B=-0.013n.s．），但對患者問診具有顯著負向影響（B=-0.039，plt;0.01），因此H3部分成立；頭像焦點性對患者訪問無顯著影響（B=0.022n.s．），但對患者問診具有顯著正向影響（B=0.046，plt;0.001），因此H4部分成立；頭像豐富度對患者訪問（B=0.009n.s．）和患者問診（B=-0.001n.s．）行為影響均不顯著，因此H5不成立；頭像清晰度對患者訪問（B=0.040，plt;0.01）具有顯著正向影響，但對患者問診無顯著影響（B=0.022n.s．），因此H6部分成立。

4.2后測檢驗

考慮到醫生頭像中呈現出的性別、年齡以及眼鏡佩戴可能會影響患者決策行為，本文進行后測檢驗（受篇幅限制此處未詳細列出檢驗結果，由作者自存）。頭像性別指根據人臉預測出的性別，男性取值為1，女性取值為0。頭像年齡指頭像中人臉的預測年齡，取實際數值。眼鏡佩戴指頭像中人臉是否佩戴眼鏡，若佩戴取值為1，未佩戴取值為0。檢驗結果表明，性別顯著正面影響患者訪問（B=0.037，plt;0.01）和問診（B=0.039，plt;0.01）行為，年齡和眼鏡佩戴未顯著影響患者決策行為。

4.3穩健性檢驗

4.3.1考慮異方差的穩健標準誤檢驗

本文使用穩健標準誤進行回歸分析，用于在一定程度上消除異方差導致的估計偏誤問題，對前述基準回歸結果進行穩健性檢驗。表4結果顯示，假設H1～H6的檢驗結果均與前述基準回歸結果保持一致，則印證本文基準回歸結果的穩健性。

4.3.2內生性處理

本研究可能存在由于自選擇導致的內生性問題。運用傾向得分匹配法識別醫生頭像信息對患者決策行為的影響，糾正基準回歸分析中可能存在的自選擇偏差問題。將部分核心自變量重新測度：對于頭像專業性，將衣著為醫護人員工作服和正裝的頭像賦值為1，其余服裝的頭像賦值為0：對于頭像親和力、頭像焦點性、頭像豐富度、頭像清晰度，將高于或等于總樣本得分均值的頭像賦值為1，低于總樣本得分均值的頭像賦值為0。在估計過程中，總樣本為所有醫生頭像信息，并將高對應指標得分的頭像信息作為實驗組，低對應指標得分的頭像信息作為對照組，觀察醫生頭像信息的平均處理效應（ATT），揭示醫生頭像信息對患者決策行為的影響。表5結果顯示，假設H1～H6的檢驗結果均與前述基準回歸結果保持一致，通過穩健性檢驗，本文核心結論再次得證。

5討論

本文以在線醫療社區中患者決策行為為研究對象，基于自我呈現理論，從多維度構建醫生頭像信息對患者決策行為的影響模型，并以好大夫在線為例進行實證研究，主要研究結論如下：

1）對于患者訪問行為，醫生頭像真實性和清晰度顯著正向影響患者訪問行為。由回歸結果可知，頭像真實性和頭像清晰度是正向回歸系數較大的兩個指標，說明醫生頭像真實程度與清晰度的提升，對于促進患者訪問行為具有實質性的積極影響。

根據以往研究，交往雙方的信息透明度直接影響著雙方信任的建立。在線醫療社區的虛擬性質導致患者難以建立對醫生的信任感，醫生采取將頭像設置為真人面孔的策略，將增強醫生信息的透明度，減少醫患信息不對稱，患者更易對該醫生產生興趣和信任，也更愿意訪問該醫生主頁。

與先前研究結論一致，患者更傾向于訪問頭像清晰度較高的醫生主頁。患者對于高清晰度頭像的感知不僅停留在視覺層面，更延伸至對其信息質量的整體評估上。信息質量是影響用戶滿意度的重要因素之一。當在線醫療社區提供的信息準確、詳盡、易于理解日寸，用戶往往能夠更快速地獲取所需信息，從而提升其滿意度。患者對高清晰度頭像的感知信息質量越高，對該醫生的信任度和滿意程度也越高，從而更愿意進一步了解該醫生。

2）對于患者問診行為，醫生頭像真實性、專業性和焦點性顯著正向影響患者問診行為，醫生頭像親和力顯著負向影響患者問診行為。根據回歸分析結果，頭像焦點性、頭像真實性對應的正向回歸系數最高，反映出醫生頭像的焦點性與真實性在患者問診過程中的核心作用。同時，頭像所展現出的親和力回歸系數較高，也被確認為患者問診行為的重要影響因素。而頭像專業性對應的回歸系數相對較小，表明其作用力較為有限，相較于其他因素而言，其影響力顯得較為微弱。

與先前研究結論具有一定差異，在線醫療社區中，醫生頭像親和力顯著負向影響患者問診行為。可能是因為在線醫療社區中的患者與Airbnb中的顧客需求不同，大部分患者對醫生專業性具有較高的期望，而患者可能認為表情嚴肅的醫生具有更高的醫療技能和更多的臨床經驗，專業水平更高。相反，微笑程度過高的醫生可能會營造出一個“不嚴肅、不可靠”的形象，使患者對醫生治療水平失去信任，從而負向影響患者問診行為。

醫生頭像真實性、專業性和焦點性顯著正向影響患者問診行為。根據第一印象形成機制，在總體印象形成上，最初獲得的信息比后來獲得的信息影響更大的現象強調了視覺信息在信任構建中的重要作用。在線醫療社區中，由于無法進行面對面交流，患者往往難以建立對醫生的信任感。醫生使用真人頭像可向患者傳遞更多的個人特征和形象信息，增強患者與醫生之間的連接感，縮短醫患間的距離，促進信任的建立和滿意度的提升，進而獲得更多患者咨詢。醫生頭像專業性會引導患者對其專業能力和可靠性的認知判斷。對于患者而言，醫生選擇呈現正式著裝的照片作為個人頭像，體現出醫生對在該社區塑造個人形象的重視程度，患者傾向于認為這類醫生投入了更多精力和時間經營自己的社區賬號。因此，頭像專業性較高的醫生易獲得患者的信任和咨詢。另外，焦點性作為頭像設計的關鍵要素，其重要性在于它直接關聯到患者視覺注意力的分配。在信息量龐大的在線醫療社區中，患者的注意力資源有限，因此，頭像中面部占比的增大能夠更有效地吸引患者的注意，加深其對該醫生的印象，并可能引發對其專業能力的正面聯想，最終提升患者選擇該醫生進行問診的意愿。

6結語

本文以好大夫在線為研究對象，基于自我呈現理論，探索頭像對在線醫療社區患者決策行為的影響。研究發現，除頭像豐富度對患者決策行為沒有顯著影響，頭像真實性、專業性、親和力、焦點性以及清晰度皆顯著影響患者決策行為。本文對醫生、患者以及在線健康社區的建議如下：

1）醫生。建議醫生在設置頭像時選擇包含個人真實面部的照片。在著裝方面，應盡量選擇醫護人員著裝或正裝，以提升患者的信任感和專業形象。頭像的面部表情應保持莊重嚴肅，以展示出專業性。另外，盡量保持人臉在圖片中占據較大的比重，采用標準化的頭部特寫照片而不是全身照，可提高患者對醫生頭像的關注度，更好地展示醫生面部特征和形象。同時，保持圖片具有較高的清晰度以體現出更強的可靠性和可信度。

2）患者。在線醫療社區中，醫生問診記錄、患者評價等能體現醫生專業方向和水平的文本信息，通常會對患者決策行為產生較大影響。但醫生頭像作為患者對醫生的直接感官媒介也會輔助患者決策。醫生頭像作為第一印象的關鍵來源，患者應對其綜合評估，進而對醫生進行多方位判斷。因此，建議患者決策時綜合考慮醫生頭像信息以及其他信息，以獲得更為貼心和專業的醫療服務。

3）在線醫療社區。首先，鑒于醫生頭像對患者決策的顯著影響，平臺方應通過多種渠道引導醫生設置頭像，如在用戶注冊或登錄界面設置提示信息，強調頭像對于建立醫患信任、輔助患者決策的重要作用，平臺方還可在醫生個人主頁設置固定提示或者浮標，提示用戶完善頭像信息；其次，平臺方可向醫生提供頭像拍攝指南，提供專業建議和指導，如鼓勵醫生上傳真實、專業性高、嚴肅、人臉占比高的高清頭像；最后，平臺應該建立一套嚴格的審核機制，對于涉嫌虛假和違規的頭像，應及時刪除并追究責任，以確保醫生頭像的質量和規范性，維護良好的醫患關系。

本文也存在研究局限性：在研究內容方面，頭像豐富度僅從色彩角度來衡量，后續可從頭像中包含實體的數量、頭像紋理等方面衡量，也可對醫生頭部姿勢或角度展開研究。此外，影響患者決策行為的因素較多，對于控制變量的選取有待進一步擴充，并且本文只選取代表性的科室進行探索，后續可擴充數據集探索本文結論的穩健性。在研究方法方面，本文基于好大夫平臺中采集的二手數據進行回歸分析，未來可采用問卷調查、訪談、案例分析等定性研究方法，探索醫生頭像信息對患者決策行為的影響機理。