數字平臺隱私政策用戶感知的測度研究

DOI：10.3979/1673-8268.20231122006

中圖分類號：F49 文獻標識碼：A文章編號：1673-8268（2025）03-0122-13

在數字經濟蓬勃發展的當下，數字平臺依托數字技術提供產品與服務，對數據價值的挖掘與利用程度日益加深[1]。以抖音、滴滴、美團等為代表的數字平臺企業通過記錄用戶的網絡行為痕跡，構建起龐大的用戶畫像數據資源池，并借助大數據、云計算、人工智能等數字技術，為用戶提供個性化服務。然而，數據價值的深度挖掘在為生活帶來便利的同時，也暴露出平臺非法收集、濫用與泄露個人信息等問題。為規范平臺數據使用行為，保障用戶隱私安全，政府監管與行業自律缺一不可。其中，平臺公布隱私政策，向用戶作出其如何收集、使用、存儲個人信息的承諾聲明并予以踐行，是行業自律的重要手段[2]。鑒于隱私政策可能對企業挖掘用戶數據價值產生一定限制，為最大程度獲取數據資源優勢，部分平臺在隱私政策的制定與執行過程中，往往存在主觀傾向性不足的問題：其一，部分平臺存在一攬子授權、強制同意等現象，使用戶陷入“不同意即離開”的二元困境，幾乎喪失了與平臺協商的權利[3];其二，隱私政策可讀性不強，存在用詞晦澀、篇幅冗長、重點模糊等問題，導致用戶閱讀效率低、體驗差，多數用戶對隱私政策采取漠視態度，最終造成政策無效告知與用戶無奈同意的尷尬局面[4-5]。

數字經濟時代，用戶是個人信息的主體，隱私政策的制定與執行應以用戶為中心，不能異化為平臺企業規避法律風險的工具[6]。因此，本文圍繞數字平臺企業隱私政策，從用戶個人信息權益保護的角度出發，探討用戶對于平臺隱私政策的感知滿意度問題，旨在通過科學測度分析，為平臺制定和完善隱私政策提供理論指導與實踐參考。

一、相關研究回顧

關于隱私政策的研究，學者多圍繞網站或平臺隱私政策的可用性與合規性評價[7]、框架優化[8、應用實踐[9]及隱私政策對用戶行為影響[10]等關鍵問題展開討論。其中，隱私政策的可用性與合規性評價作為指導隱私政策規范制定的重要基礎，成為當前研究的熱點。例如，肖雪等[1]對我國社交平臺隱私政策合規性進行了評估，為完善社交平臺隱私政策提出改進建議;徐雷等[12]對移動APP隱私條款的可獲得性與內容合規性進行評價，并從政府、企業、用戶層面對個人信息保護提出建議。從研究視角來看，現有研究大多基于隱私政策文本開展，對國內外網站或平臺隱私政策進行抽樣評估。例如，唐遠清等[13」圍繞隱私政策文本，對比分析了微信與Facebook 隱私政策的優缺點;宛玲等[14]采用人工通讀方式對英國10所著名大學的圖書館網站隱私政策文本進行了研究。然而，盡管用戶對隱私政策的感知情況在數據信息保護中所起的關鍵作用已成為國內外學者的共識，但從用戶視角出發對隱私政策閱讀感知進行測度的實證研究成果仍相對匱乏。如Williams等[15]認為，隱私政策的制定應從便于用戶理解的角度出發，而非單純為了保護企業利益;賀小石[6指出，確保用戶的實質知情是企業制定隱私政策的首要目標。因此，從用戶角度出發考察隱私政策用戶閱讀感知，并以此促使企業完善隱私政策，顯得尤為重要。

在研究方法方面，已有研究主要采用比較分析法或內容研究法。如周拴龍等[16]采用比較分析法，以阿里巴巴和Amazon為例，對中美電商網站的隱私政策進行比較研究;趙金旭等[17]采用內容分析法，按照“符合條件賦值為1、不符合條件賦值為0”的原則，對70個大中城市政府網站的隱私政策進行了測評。與之類似，趙靜等[18、張曉娟等[19]分別對30個B2C網站、36個政務APP 的隱私政策進行了考察。然而，用戶感知傾向具有一定的模糊性，無法采用非此即彼的二值邏輯進行簡單判斷。諸如“符合條件賦值為1、不符合條件賦值為0”的考量方式難以體現用戶感知的連續過渡性特征，導致研究結果的科學性和嚴謹性存在較大局限。而模糊數學理論中的模糊綜合評價法為模糊事物的判定問題提供了定量分析工具，該方法利用隸屬函數刻畫元素對集合隸屬程度的連續過渡性，將經典集合的二值邏輯拓展為區間內的連續性邏輯[20]。

鑒于此，本文從用戶視角出發，結合模糊數學理論，提出一種基于語義隸屬度模糊推理的隱私政策用戶感知滿意度測度模型。具體步驟如下：首先，根據個人信息保護相關政策與已有研究成果，選取影響用戶感知的關鍵指標，構建隱私政策用戶感知滿意度指標體系。對于指標權重計算，部分學者使用平均賦權法對各指標賦予同等權重[]，也有學者采用傳統層次分析法（analytic hierarchy process，AHP）進行主觀賦權[21]，其核心是以一定標度把人的知識與經驗數量化并構建比較判斷矩陣，再運用適當的排序方法求出排序向量。然而，由于人的主觀判斷具有模糊性，傳統AHP 法難以體現人類思維過程中的不確定性，而模糊層次分析法（fuzzy AHP，FAHP）通過引入模糊數學理論，對傳統AHP 法進行了優化，因此本文采用FAHP法確定指標權重。其次，運用模糊綜合評價模型，通過量化用戶感知傾向的語義隸屬度，推導語義隸屬關系，從而實現對隱私政策用戶感知滿意度的科學測度。最后，選取抖音、快手、小紅書等10個頭部短視頻平臺進行實證研究，采用結構化訪談方式獲取第一手數據，測量用戶對短視頻平臺隱私政策的感知滿意度。本研究能精準識別隱私政策的不足之處，為平臺優化隱私政策與政府部門的科學監管提供參考依據。

二、用戶感知滿意度評價指標構建

（一）指標構建依據

為指導與規范平臺企業隱私政策內容的制定，世界主要國家和地區頒布了一系列政策法規，確立了個人信息處理活動應遵循的基本原則與要求。這些法規已成為構建隱私政策評價指標的主要參考依據。我國數字平臺隱私政策用戶感知滿意度評價首先應立足于國內市場監管實際，因此本研究主要參考國內隱私保護相關政策法規，包括 2021年頒布實施的《中華人民共和國個人信息保護法》（以下簡稱《個人信息保護法》），該法規是我國第一部個人信息保護專門法律，對個人信息處理規則、用戶權利及處理者義務作了系統、科學的規定[22];；2020年發布的《信息安全技術個人信息安全規范》（GB/T35273—2020，以下簡稱《規范》），適用于各類組織的個人信息處理活動[23]。同時需要指出的是，國內政策法規仍在完善過程中，需適當參考國際經驗以更好地指導與規范國內市場實踐。因此，本研究補充參考了部分域外相關政策法規，包括歐盟2018 年頒布的《通用數據保護條例》（General Data Protection Regulation，GDPR），該條例被稱為“史上最嚴格的數據保護法案”[24];美國1973年提出的“公平信息實踐原則”（Fair Informa-tionPracticePrinciples，FIPPs），被認為是目前評估隱私政策完整性的基本框架與原則[10]。

基于上述國內外標志性政策文件和現有研究成果，本研究構建了數字平臺隱私政策用戶感知滿意度評價指標體系。為保障指標的科學性，本研究邀請了5位數字平臺深度用戶和5位個人信息保護領域專家進行調整與完善，最終得到數字平臺隱私政策用戶感知滿意度指標體系（見表1）。

表1用戶感知滿意度指標體系

續表

（二）指標權重計算

權重是衡量各指標對評估對象影響程度的比例參數，反映指標間的相對重要性差異。由于定性指標評價具有一定模糊性，為提高評估結果的科學性與準確性，本研究采用模糊層次分析法計算指標權重。該方法在考量用戶感知模糊性的同時，又兼顧了權重求解過程的簡潔性與實用性。具體過程如下：

1.采用德爾菲（Delphi）法確定指標間相對重要性。基于已構建的指標體系，設計指標間相對重要性調查問卷，并邀請專家通過德爾菲法對各級指標進行兩兩比較。

2.構造模糊互補判斷矩陣。根據杜棟[38|提出的“五標度法”對專家評估結果進行標度化處理，構造模糊互補判斷矩陣 B=（b_ij）_n×n ，其模糊標度及其含義如式（1）所示。

0.1，指標 i 比指標 j 極端不重要0.3，指標 χ_i 比指標 j 明顯不重要0.5，指標 i 比指標 j 同等重要（20 ，指標 i 比指標 j 明顯重要0.9，指標 i 比指標 j 極端重要0.2，0.4，介于兩相鄰數之間0.6，0.8，介于兩相鄰數之間

3.借鑒徐澤水[39]提出的模糊互補判斷矩陣最小方差法（least variance priority method，LVM）計算指標 權重。設 ω=（ω₁，ω₂，…，ω_n） 是矩陣 B 的排序向量，由LVM法可得 ω=（ω₁，ω₂，…，ω_n） 滿足

推廣至群決策中，若有 s 位專家參與評估，第 k 位專家給出的模糊互補判斷矩陣為 s ），則由LVM法求得 B_k 合成矩陣的排序向量 滿足

式（3）中 （204號

大量實證研究表明，當 -1時，權重計算結果出現負值或0，說明專家判斷矩陣的一致性不足，需反饋專家重新評估；否則，可直接采用式（3）確定權重向量[40]。本研究邀請了4位平臺經濟領域高校教師、3位個人信息保護研究方向博士研究生，以及3位具有5年以上工作經驗的互聯網技術人員組成專家組，構造模糊互補判斷矩陣 ，并通過式（3）計算各因素權重（取 ，最終得到數字平臺隱私政策用戶感知滿意度指標權重（見表2）。

三、用戶感知滿意度測度算法

（一）基本原理

本研究基于模糊綜合評價模型，通過量化用戶感知傾向的語義隸屬度實現用戶滿意度測度。其基本原理是根據語義極性隸屬度規則（最大隸屬度原則）推導模糊綜合評價結果，從而實現隱私政策用戶感知滿意水平的定量化。其中，語義隸屬度是指語義信息隸屬于特定極性的量化程度。就隱私政策用戶感知滿意度而言，用戶感知傾向的觀測值通常以自然語言描述形式呈現，反映出用戶的主觀感知，其類屬邊界具有明顯的不確定性，因此用戶感知的語義信息具備邊界模糊性。同時，用戶感知傾向對某一極性類屬程度的界定，可利用模糊數學理論中的隸屬度加以刻畫。例如，在對隱私政策閱讀友好性進行評價時，“差、中、好”這三種語義極性的類屬邊界判定存在模糊性。利用隸屬函數對用戶感知傾向的語義極性隸屬度進行刻畫后，根據最大隸屬度原則，可以推斷：若某一語義信息隸屬于“好”的程度比“中”“差”的程度大，那么該語義信息應隸屬于“好\"這一等級。

表2評價指標權重

（二）用戶感知滿意度測度過程

根據模糊綜合評價基本原理[20]及已構建的數字平臺隱私政策用戶感知滿意度指標體系，本研究建立了二級模糊綜合評價模型（見圖1），具體步驟如下。

1.確定評價因素集。隱私政策的用戶感知水平受多種因素共同影響（見表1），所有這些因素共同構成評價因素集，記為： U={u₁，u₂，…，u_n} （ n 為評價因素數）。將評價因素集 U 按屬性類別分為 s 個子因素集 U₁，U₂ ， ，其中 ，且滿足 n₁+n₂+ …+n_s=n;U₁∪U₂∪…∪U_s=U ；對任意 i≠j ，有 U_i∩U_j= x 。本研究根據已構建的隱私政策用戶感知滿意度指標體系，建立5個子因素集 U_i ，即 U₁={u₁₁，u₁₂，u₁₃}= {政策文本識別性，政策內容可見性，政策更新及時性； 呈現形式友好性，閱讀難度適宜性，排版結構清晰性，展現形式多樣性}； U₃，U₄，U₅ 、U₆ 依此類推。

圖1二級模糊綜合評價模型示意圖

2.劃分語義極性，確定評語集。在保證評估方法具備分辨性與穩定性的前提下，對用戶感知傾向的語義極性進行劃分，記為 V={v₁，v₂，…，v_m} （ m 為評語等級數）。本研究從模糊語義極性分類層面將隱私政策的用戶感知信息劃分為“很差、差、一般、好、很好\"5個梯度，即評語集 很差，差，一般，好，很好，同時，設定與該評語集相對應的分數集合向量 V^T=（1，2，3，4，5）^T ，并設定當 z_ilt;1.5 時滿意度的評級為“很差”， z_i∈[1.5，2.5） 時滿意度的評級為“差”， z_i∈[2.5，3.5） 時滿意度的評級為“一般”， z_i∈[3.5 ，4.5）時滿意度的評級為“好”， z_i≥4.5 時滿意度的評級為“很好”。

3.子因素集 U_i 的一級模糊綜合評價。確定合適的隸屬函數，分別計算每個子因素集 U_i 中各因素對評語集 V 的隸屬程度，由此得到 s 個單因素模糊關系矩陣 。設 是子因素集U_i 的模糊權向量，按照模糊矩陣合成規則，將模糊權向量 A_i 與單因素模糊關系矩陣 R_i 進行合成，得到 s 個一級評判結果向量

B_i=A_ioR_i=（b_i1，b_i2，…，b_im）（i=1，2，…，s）

4.綜合因素集 U 的二級模糊綜合評價。將每個子因素集 U_i 當作一個指標因素，記模糊綜合因素集U={U₁，U₂，…，U_s} ，則 U 的模糊關系矩陣為

式（5）中，第 i 行第 j 列元素 b_ij 表示被評價事物從子因素 U_i 上來看，對評語集 V={v₁，v₂，…，v_m} 中各評語等級的隸屬度， 1?i?s，1?j?m ，且 b_ij∈[0，1] 。設A 是模糊集合 U 的模糊權向量，將模糊權向量A與模糊關系矩陣R合成，得到二級評價結果向量

根據二級評價結果向量，利用最大隸屬度原則推理模糊綜合評價結果。

5.用戶感知滿意值計算。采用評分法計算用戶感知滿意值，即設 V^T 是與評語集 V={v₁，v₂，…，v_m} 相對應的分數集合向量，則有

四、實證研究

近年來，我國各類數字平臺用戶規模呈爆發式增長。以短視頻平臺為例，截至2024年12月，我國短視頻用戶已達10.40億，占網民總量的 93.8%^[41] 。與此同時，短視頻領域的隱私泄露問題也日益凸顯，成為社會各界關注的焦點。本研究聚焦于短視頻平臺，綜合考慮平臺的典型性和影響范圍的廣泛性等因素，選取華為應用市場安裝量排名靠前的10款熱門短視頻APP（抖音、快手、小紅書、西瓜、好看、微視、皮皮蝦、央視頻、美拍、梨視頻）作為研究對象，對其隱私政策的用戶感知水平進行測度。

（一）調研設計與樣本選擇

實驗過程中，需要受訪者在完整閱讀被測短視頻平臺APP 隱私政策后如實回答調研題項。鑒于隱私政策通常篇幅較長、內容較多，為確保調研結果的有效性與回收率，本研究采用結構化訪談方式收集第一手資料。結構化訪談是按照事先設計的訪談問卷展開的標準化訪談。相較于自填式問卷調查法，該方法的優勢在于能夠把控調查結果的可靠性與回收率，且便于獲取非語言信息，而這些正是本研究在獲取數據時重點關注的要素。

具體操作如下：首先，根據前文構建的指標框架設計訪談問卷。考慮到受訪者對隱私保護相關政策規范的了解程度會對訪談結果產生影響，本研究在設計訪談問卷時將相關政策法規融入具體問題之中。例如，問卷某一題項被設計為\"《個人信息保護法》第15條規定，基于個人同意處理個人信息的，個人有權撤回其同意’。請結合該法規對下面問題進行評價：抖音APP隱私政策明確、清楚地表示，我具有撤回授權同意的權利”。然后，根據訪談問卷對選定的受訪者開展一對一、面對面的訪談工作，主要流程如下：（1）向受訪者介紹現有隱私保護相關政策法規的大致概況，并展示部分數字平臺違規收集個人信息、侵犯用戶隱私的資訊信息，通過情景模擬，使受訪者充分進入訪談狀態;（2）讓受訪者詳細閱讀被測短視頻平臺APP隱私政策的文本內容；（3）按照訪談問卷進行正式問答，要求受訪者對問卷各題項進行打分評價（評分等級分為1、2、3、4、5共5個等級，依次代表“非常差、差、一般、好、非常好”）。在此過程中，受訪者可回溯查看隱私政策文本內容，以便作出真實回答。此外，為確保問卷設計的合理性，本研究在正式訪談前選取10人參與預訪談，并根據預訪談結果及受訪者建議對問卷題項進行修正，最終形成正式訪談問卷。

在樣本選擇方面，本研究對受訪者的選擇遵循以下原則：（1）受訪者是短視頻平臺APP的活躍用戶；（2）對調研問題具備一定理解能力，能較好地配合訪談工作。依據上述原則，最終確定280名訪談對象。在剔除惡意作答、敷衍了事等不合格問卷后，共獲得268份有效問卷。受訪者的職業包括學生、教師、政府人員、公司職員及其他，其中男性占 45.90% 、女性占 54.10% ;年齡主要集中在18～39歲，占比達 79.48% ;擁有本科及以上學歷者占 88.81% 。樣本人口特征信息如表3所示。

表3人口特征信息統計

（二）用戶感知滿意度評價

根據已構建的評價模型，以抖音平臺為例，對被測短視頻平臺APP隱私政策的用戶感知滿意度進行詳細計算（其余平臺的計算過程不在本文中展示，具體計算結果見表4）。首先，運用模糊統計法[42]計算每個子因素集 U_i 中各因素對評語集 V 的隸屬度。以 U₁₁ 指標為例，在268名受訪者中，有7人認為抖音APP的隱私政策文本識別性“很差”，15人評價為“差”，23人評價為“一般”，135人評價為“好”，88人評價為“很好”。由模糊統計法 r_ij=P_ij/N （， i=1，2，…，n;j=1，2，…，m;N 為評價總人數），可得單指標隸屬度向量為 r₁₁=（0.026 1，0.056 0，0.085 8，0.503 7，0.328 4） （保留4位小數，下同）。同理，可依次計算其他指標的隸屬度數據（見表4）。

表4各指標語義隸屬度

根據式（4），對各子因素集 U_i 分別進行一級模糊綜合評價，得到6組一級評價結果向量（標準化后） B₂=A₂oR₂=（0.189 8，0.306 2，0.257 7 ，0.186 2，0.060 1） ，0.165 0，0.542 7，0.249 6，0.030 2? ？ 5 R₆=（0.0094，0.1061，0.5079，0.3619，0.0148） 。以該6組一級評價結果向量為元素構建綜合因素集 U 的模糊關系矩陣，再根據式（6）對綜合因素集 U 進行二級模糊綜合評價，得出二級評價結果向量（標準化后） 。接著，根據式（7）計算用戶感知滿意值，即用戶感知滿意值的綜合得分 3.176 5（保留4位小數，下同）。該得分處于[2.5，3.5）區間內，屬于“一般”水平。同理，各子因素集的用戶感知滿意值分別為：政策可達性 Z_?1=3.1116 ，閱讀友好性 Z₂=2.6205 ，用戶互動性 Z₃=3.665 4 ，告知明確性 ?Z₄=3.120 1 ，權利完整性 Z₅=3.408 6 ，信息安全性 Z₆=3.2665 。依據抖音平臺APP 隱私政策用戶感知滿意度測度過程，同理可獲取其他樣本平臺APP 隱私政策用戶感知滿意度的評價結果（見表5）。

表5短視頻平臺隱私政策用戶感知滿意度評價結果

（三）研究結果分析

由表5可知，當前我國短視頻平臺隱私政策的用戶感知滿意度水平個體差異較大。快手、微視和央視頻等平臺隱私政策用戶感知滿意值處于[3.5，4.5）區間，屬于“好\"等級;抖音、小紅書、西瓜、皮皮蝦、美拍等平臺隱私政策用戶感知滿意值處于[2.5，3.5）區間，屬于“一般\"等級；而好看和梨視頻等平臺隱私政策用戶感知滿意值處于[1.5，2.5）區間，屬于“差”等級。圖2展示了樣本APP在華為應用市場的安裝量與隱私政策用戶感知滿意度評分情況。整體而言，平臺熱度與隱私政策評分并非呈正反饋關系。一些知名度高、市場份額占比較大的短視頻平臺（如抖音、小紅書）在隱私政策制定方面表現欠佳，而部分相對小眾平臺（如微視、央視頻）的隱私政策用戶感知滿意度情況卻表現更好。由此可見，短視頻平臺企業在用戶隱私保護方面雖存在基礎共識，但頭部企業并未將自身市場優勢在用戶隱私政策制定方面予以體現，其市場地位與社會責任不相匹配，未來頭部企業應注重發揮其在行業規范方面的引領作用。

同時，從基于二級指標結果繪制的雷達圖（見圖3）可以看出，當前我國短視頻平臺隱私政策在閱讀友好性方面的用戶感知滿意度明顯低于政策可達性、用戶互動性、告知明確性、權利完整性和信息安全性等方面的用戶感知滿意度水平。

圖2應用市場APP安裝量與用戶感知滿意值

圖3短視頻平臺在不同指標方面的表現情況

1.在政策可達性方面，所有樣本平臺的隱私政策名稱都具有明確的專指性，以便于用戶識別，但在內容可見性和更新及時性方面還有待提高。例如，抖音、快手、小紅書的隱私政策回溯查找路徑較深（需點擊5步），使用戶體驗感知不佳。小紅書、西瓜視頻等隱私政策更新及時，但僅快手、央視頻向用戶展示了政策更新頻率以及歷史版本，其他樣本平臺的隱私政策更新頻率和歷史版本均無法查看。平臺向用戶展示政策更新頻率和歷史版本能夠體現其對用戶隱私的重視程度，有利于用戶了解平臺的自檢自查活動，進而提升平臺的可信賴度。

2.在閱讀友好性方面，所有樣本平臺隱私政策都能在APP內部以全屏形式展現，無須跳轉至外部平臺，但在閱讀難度適宜性、排版結構清晰性和展現形式多樣性上存在通病。例如，八成平臺的隱私政策篇幅冗長，字數超過12000字，大大增加了用戶的閱讀時間成本，嚴重影響閱讀體驗。在注釋說明方面，只有好看視頻在文末對專業術語添加了注釋，用戶閱讀與理解難度大。超七成平臺的隱私政策內容存在詳略不當、邏輯不清、重點不突出等問題，易造成用戶閱讀困難。除微視外，其他樣本平臺均無索引功能，梨視頻、央視頻甚至缺乏目錄，不利于節省用戶閱讀時間、提高閱讀效率。多數樣本平臺展現形式單一，未添加圖片、視頻等多樣化元素，難以提高視覺傳達效果。對于大部分用戶而言，其自身隱私保護意識較弱，很少主動關注隱私政策。而效率低下、閱讀困難的政策內容進一步降低了用戶閱讀的意愿，最終導致隱私政策流于形式，無法真正發揮其作為個人信息保護“第一道防線”的作用。

3.在用戶互動性方面，半數樣本平臺具備訪客模式（基本功能模式），用戶只需提供必要授權便可使用APP 基本功能，這在一定程度上緩解了當前互聯網平臺隱私政策普遍存在的“霍布森選擇效應”（沒有選擇余地的“選擇”）。但在非訪客模式下，仍然存在用戶不同意信息收集便無法正常使用APP的情況。在申訴反饋便利性上，絕大部分樣本平臺設立了用戶投訴渠道，快手和微視還針對未成年人設置了專門投訴渠道，較其他短視頻平臺更關注未成年人個人信息保護。

4.在告知明確性方面，大部分樣本平臺對信息收集及其目的告知較為全面，并將信息收集與功能匹配進行了對應展示。但該部分內容篇幅過長、可讀性差，可能涉及過度收集信息的風險。在信息共享與披露方面，除梨視頻外，其他樣本平臺都以鏈接形式提供了第三方共享清單，對信息共享平臺進行了詳細介紹。

5.在權利完整性方面，所有樣本平臺都賦予了用戶查閱權、更正權、刪除權和注銷權，但不同平臺對用戶權利描述的詳略程度有所差異。如央視頻隱私政策僅用一句話簡略概括，未提供具體操作指引。在用戶權利實現方面，梨視頻缺少未成年人個人信息保護規則，不利于對未成年人個人信息安全進行特別保障。

6.在信息安全性方面，快手用戶滿意值最高，達到4.625.0。快手專門開發了隱私保護平臺，詳細闡述了安全組織架構、安全管理體系、安全技術等，并制定了一系列信息安全制度文件。其他樣本平臺的隱私政策在安全技術措施、管理制度、安全事件應急預案方面的闡述多為概括性語言，缺乏具體信息。具體詳實的安全保障計劃和風險救濟措施能夠提升隱私政策的可執行性和可信賴度，同時也有助于增強用戶對APP的信任，提高用戶提供信息的意愿。

五、結語

本研究基于語義隸屬度模糊推理，采用二級模糊綜合評價方法對隱私政策用戶感知進行測度與分析，并以主流短視頻平臺為研究對象開展實證分析。本研究的主要貢獻在于：以往學者多從文本視角出發對隱私政策進行測評，而本研究從用戶視角出發構建了科學測度隱私政策用戶感知的指標框架，對現有研究體系進行了補充。在研究方法上，提出了一種基于語義隸屬度模糊推理的隱私政策用戶感知滿意度測度方法，通過量化語義隸屬度，更準確地刻畫出用戶感知的邊界模糊性。與以往普遍采用的內容研究法等主要基于非此即彼的二值邏輯思想進行簡單判斷的方法相比，該方法的測度結果更能反映用戶感知的模糊不確定性，提升了研究結果的科學性與嚴謹性。下面進一步從企業、監管機構與用戶等不同層面提出管理啟示。

一是企業層面。平臺制定隱私政策應以用戶為中心，充分考慮用戶感知和需求。在細化政策內容顆粒度的同時，提高其可讀性，優化信息質量，改善用戶閱讀體驗。例如，可通過提供多樣化的瀏覽方式、簡潔易察的彈窗形式實現增強式告知，并在每條主目錄后設置“ + ”鍵用以展示詳細內容，解決因政策文本內容繁雜而讓用戶眼花繚亂的問題。同時，積極落實信息分級授權，對用戶個人信息權限逐步征求同意，避免出現“一攬子協議”的情況。此外，平臺應重視建立用戶隱私安全保障機制，提高隱私政策的可信度。可采取成立專門團隊管理用戶信息并定期開展自檢自查、對關鍵崗位人員進行背景審查且與相關員工簽署保密協議、將員工安全能力與業績考核掛鉤等措施，強化企業內部的安全意識與責任。

二是監管機構層面。監管機構應督促頭部企業強化責任意識，積極發揮示范引領作用。同時，建立科學、權威的隱私政策測評體系和監管機制，持續監督和審查數字平臺隱私政策的制定與落實情況，及時發現和處置違規平臺。另外，結合隱私泄露典型案例，利用圖片、動畫、視頻等多樣化形式對社會公眾進行宣傳教育，引導用戶關注個人信息保護。

三是用戶層面。用戶應主動培養隱私素養，提高自身的信息敏感度和個人信息保護意識，積極表達訴求并行使權利，讓加強隱私保護成為常態，從而改變自身在數據控制方面的被動局面。

本研究根據國內外標志性政策法規及學界研究成果，從六個維度構建了隱私政策用戶感知滿意度指標框架，但隨著相關政策法規的不斷完善和隱私政策的深入挖掘，該框架仍需進一步擴展。如針對平臺可能存在為規避合規風險而進行虛假性陳述的現象，未來有必要對隱私政策的執行程序和效果加以考量，從隱私政策其他屬性上擴展指標維度，以增強研究結論的完備性。此外，本研究僅選取短視頻頭部平臺為實證研究對象，后續研究可擴大樣本范圍，對不同類型平臺的隱私政策用戶感知滿意度進行測度并縱向對比，為優化數字平臺隱私政策提供方向。

參考文獻：

[1]邢小強，湯新慧，王玨，等.數字平臺履責與共享價值創造——基于字節跳動扶貧的案例研究[J].管理世界，2021（12） ：152-176.

[2]梁曉丹，李穎灝，劉芳.在線隱私政策對消費者提供個人信息意愿的影響機制研究——信息敏感度的調節作用[J].管理評論，2018（11）：97-107.

[3] 程嘯.論大數據時代的個人數據權利[J].中國社會科學，2018（3）：102-122.

[4]SINGHRI，SUMEETHM，MILLERJ.Auser-centric evaluationof thereadabilityof privacy policies in popular websites[J].Information SystemsFrontiers，2011（4） ：501-514.

[5]KUNZ MB，OSBORNE P，FLYNN HM.Online privacy policies：Arethey writenfor the average“literate”consumer？[J].AlliedAcademiesInternational Conference，2Oo9（1） ：17-22.

[6]賀小石.大數據背景下公民信息安全保障體系構建——兼論隱私政策的規制原理及其本土化議題[J].中國特色社會主義研究，2021（6）：100-109.

[7]李延舜.我國移動應用軟件隱私政策的合規審查及完善——基于49例隱私政策的文本考察[J].法商研究，2019（5） ：26-39.

[8] 郭清玥，吳丹.基于文本分析的APP隱私政策框架優化研究[J].信息資源管理學報，2021（1）：18-29.

[9]BOLDTM，REKANAR K.Analysis and textclasificationof privacypolicies from rogue andtop-10O fortune global companies[J].International Journal of Information Securityand Privacy，2O19（2）：47-66.

[10]WU K W，HUANG S Y，YENDC，et al.The efect of online privacy policyon consumer privacyconcem andtrust[J].Com-puters in Human Behavior，2012（3） ：889-897.

[11]肖雪，曹羽飛.我國社交應用個人信息保護政策的合規性研究[J].情報理論與實踐，2021（3）：91-100.

[12]徐雷，徐潤婕.移動APP隱私條款可獲得性及內容分析研究[J].現代情報，2020（7）：82-91.

[13］唐遠清，賴星星.社交媒體隱私政策文本研究——基于Facebook與微信的對比分析[J].新聞與寫作，2018（8）：31-37.

[14]宛玲，霍艷花，馬守軍.英國大學圖書館網站個人信息保護政策文本分析及啟示[J].圖書情報工作，2016（12）：62-68.

[15]WILLIAMS TL，AGARWAL N，WIGANDRT.Protecting private information： Current atitudes concerning privacy policies[EB/OL].[2023-09-22].htps：//xueshu.baidu.com/usercenter/paper/show？paperid τ=τ 6f6f8b42e5d6dbade1734d1daf09a950amp;site xueshu_se.

[16］周拴龍，王衛紅.中美電商網站隱私政策比較研究——以阿里巴巴和Amazon為例[J].現代情報，2017（1）：137-141.

[17]趙金旭，鄭躍平.中國電子政務隱私保護問題探究——基于70個大中城市政府網站的“隱私聲明”調查[J].電子政務，2016（7） ：81-93.

[18]趙靜，袁勤儉，陳建輝.基于內容分析的B2C 網絡商家隱私政策研究[J].現代情報，2020（4）：101-110.

[19]張曉娟，徐建光.政務APP個人隱私信息保護評價指標體系研究及實證分析[J].現代情報，2019（7）：133-142.

[20]ZADEH L A.Fuzzy sets[J].Information and Control，1965（3） ：338-353.

[21]姚勝譯，吳丹.APP隱私政策用戶友好度評價研究[J].信息資源管理學報，2021（1）：30-39.

[22]中華人民共和國個人信息保護法[EB/OL].（2021-08-20）[2023-09-22].htp：//www.gov.cn/xinwen/2021-08/20/content_5632486.htm.

[23］國家市場監督管理總局，國家標準化管理委員會.信息安全技術個人信息安全規范[EB/OL].（2020-03-06）[2023-09-22].htps：//openstd.samr.gov.cn/bzgk/gb/newGbInfo？ hcno 4568F276E0F8346EB0FBA097AA0CE05E.

[24］中華人民共和國國家互聯網信息辦公室.最嚴數據保護法案GDPR 正式生效[EB/OL].（2018-06-11）[2023-09-22].http：//www.cac.gov.cn/2018-06/11/c_1122965697.htm.

[25]CAPISTRANOEPS，CHENJV.Information privacypolicies：The efects of policycharacteristicsandonline experienceJ].Computer Standards amp; Interfaces，2O15（Nov）：24-31.

[26]STEINFELDN.“Iagreetothe terms andconditions”：（How）dousersread privacypolicyonlie？Aneye-tracking experi-ment[J].Computers in Human Behavior，2016（B） ：992-1000.

[27]申琦.我國網站隱私保護政策研究：基于49家網站的內容分析[J].新聞大學，2015（4）：43-50.

[28]朱穎.我國移動 APP隱私保護政策研究——基于96個移動應用APP的分析[J].暨南學報（哲學社會科學版），2017（12） ：107-114.

[29]ERMAKOVA T，BAUMANN A，FABIANB，et al.Privacy policies and users’trust： Does readability mater？[EB/OL].[2023-09-22].https：//xueshu.baidu.com/usercenter/paper/show？ paperid τ=τ 20096029a9987869c44e2f6b767245d9amp;site Σ=Σ xueshu_se.

[30]AIMEUR E，LAWANI O，DALKIR K.When changing the look of privacy policies affcts user trust： An experimental study[J].Computers in Human Behavior，2016（C）：368-379.

[31]范海潮，顧理平.探尋平衡之道：隱私保護中知情同意原則的實踐困境與修正[J].新聞與傳播研究，2021（2）：70-85.

[32］邵國松，薛凡偉，鄭一媛，等.我國網站個人信息保護水平研究——基于《網絡安全法》對我國500家網站的實證分析[J].新聞記者，2018（3）：55-65.

[33]李澤睿，田宇琛，張偉哲，等.中國移動應用隱私政策研究[J].網絡空間安全，2020（6）：57-68.

[34]POLACHIPrivacystatementsasameansof uncertaintyreductionin WWWinteractions[J].JoumalofOrganizationalandEnd User Computing，2006（1） ：23-49.

[35]SUNYAEVA，DEHLING T，TAYLOR PL，et al.Availabilityandqualityof mobile health app privacy policies[J].Journalofthe American Medical Informatics Association，2015（1） ：28-33.

[36]ROBILLARDJM，FENG TL，SPORN AB，et alAvailability，readability，and content of privacy policies andterms of a-greements of mental health apps[J].Internet Interventions，2019（17） ：100243.

[37]何培育，王瀟睿.智能手機用戶隱私安全保障機制研究——基于第三方應用程序“隱私條款”的分析[J].情報理論與實踐，2018（10）：40-46.

[38]杜棟.論AHP的標度評價[J].運籌與管理，2000（4）：42-45.

[39]徐澤水.模糊互補判斷矩陣排序的最小方差法[J].系統工程理論與實踐，2001（10）：93-96.

[40]徐澤水.不確定多屬性決策方法及應用[M].北京：清華大學出版社，2004：41-43.

[41]中國互聯網絡信息中心.中國互聯網絡發展狀況統計報告[R/OL].（2025-01-17）[2025-03-22].htps：//cnnic.net.cn/

Research on user perception evaluation of privacy policy on digital platform： Based on FAHP-fuzzy comprehensive evaluation

ZHANG Bin'，TIAN Sujun’，HE Hongyang

（1.SchoolofEconomicsand Management，Beijing UniversityofPostsandTelecommunications，BeijinglOo876，China; 2.Teaching and Research Department of BusinessAdministration，PartySchol of Zhejiang Provincial Commiteeof C.P.C， Hangzhou 311121，China）

Abstract：The privacypolicyis the“first lineof defense”forthe protectionofusers’personal information in the era of digital economy.Aimingat exploring the userperceived satisfactionof privacypolicy，this paperconstructedanindicator framework basedonthe user perspective fromsix dimensions：policyaccesibility，reading friendliness，user interaction， notificationclarity，rightsintegrity，andinformationsecurity.Next，thefuzzyanalytic hierarchyprocess（FAHP）isused to determine the index weight.Then，through thetwo-level fuzzy comprehensive evaluation method to determinethe semantic membership degree of user perception tendencyof privacy policy，the paper established auser perception measure algorithmbasedonthefuzzymembershipofthesemanticmembershipdegreeLast，thestudyselectdigitalplatformsrepresentedbyhead shortvideo platforms astheresearchobject forempiricalanalysis.Theresults showedthat，first，there is no positive fedback relationship between the popularityand the perceived satisfaction with privacy policies of digital platforms in China，andthereading friendlinessisthe worst.Second，sincevague notification willead toinvoluntary consent，andredundantnotification willincrease the timecostandprofessonal threshold for knowledge，balancing the content granularityanduserreadabilityof privacypolicyisadificult problem thatdigital platformneeds toexplorecurrently.Third，inorder toimproveuser perceivedsatisfactionof privacypolicyandavoidprivacypolicybecoming amere formality，innovationintheformofpolicypresentationandestablishingahierarchicalauthorization mechanismshould be promoted.Thisresearch isable toprovide theoreticaland practical guidance fordigital platform toformulateand improve privacypolicy.

Keywords：privacy policy；user perceived satisfaction； fuzzy analytic hierarchy process （FAHP）； fuzzy comprehensiveevaluation；digital platform

（編輯：蔡秀娟）