网络行为定向广告对消费者态度影响的实证研究——以隐私关注为调节变量

蒋玉石

（西南交通大学 经济管理学院，四川 成都 610031）

网络行为定向广告对消费者态度影响的实证研究
——以隐私关注为调节变量

蒋玉石

（西南交通大学 经济管理学院，四川 成都 610031）

文章基于技术接受模型（TAM）和任务-技术匹配理论（TTF），引入消费者的隐私关注作为调节变量，探讨网络行为定向广告对不同类型消费者态度的影响是否会有着显著差异。运用结构方程模型（SEM）对问卷调查数据进行分析，结果表明：（1）网络行为定向广告的任务-技术匹配程度、消费者的感知易用性会显著正向影响消费者的感知有用性，而感知有用性则进一步显著正向作用于消费者态度；（2）消费者的隐私关注程度对感知有用性和消费者态度之间的关系起到了负向调节作用。在此基础上，建议广告主在投放网络行为定向广告时，除了注重提升广告效果和广告有用性之外，还应进一步按照消费者对隐私关注程度的不同而进行区分，针对目标消费者采取与之相匹配的广告投放策略。

网络行为定向广告；任务-技术匹配；感知有用性；消费者隐私关注；消费者态度

一、引言

网络行为定向广告（Online Behavioral Advertising，OBA）作为一种特殊形式的定向广告，正迅速的改变并影响着网民们的生活。网络行为定向广告起源于美国，2008年起在我国开始逐步推广，它是基于追踪互联网用户的网络浏览行为，根据追踪的数据分析消费者偏好和个人特征，并实现精准投放的一种新型广告模式[1]。虽然，网络行为定向广告能够更好地满足消费者的个性化需求，但是对消费者网络行为的追踪大多在消费者浑然不觉中进行，因此有可能会对网络用户的隐私风险造成潜在的威胁。

国外已有学者对隐私关注以及对网络行为定向广告的态度进行了研究[2，3]，但大多数主要是从定性角度展开，至于从接受新技术的角度来对网络行为定向广告展开定量化的研究成果还较少出现。由此，本文采用“任务-技术匹配理论”和“技术接受理论”，从网络行为定向广告本身特点出发，结合消费者对网络行为定向广告的感知利益，以及消费者自身对隐私关注的差异，探索有哪些内在因素和外部因素将会影响用户对网络行为定向广告的态度。

二、文献综述与研究假设

（一）任务-技术匹配对感知有用性和易用性的影响

任务-技术匹配理论（Task-Technology Fit，TTF）是用于解释信息技术对工作任务的支持能力，若信息技术功能与工作任务特征适配程度高，则说明信息技术能够提高工作绩效，用户进而使用该信息技术。参照Goodhue（1998）的定义，本文把任务-技术匹配定义为用户感知到的网络行为定向广告的内容、设计与投放机制对其完成获知所需商品信息的支持程度[4]。技术接受模型（Technology Acceptance Model，TAM）目的在于解释和预测用户接触了信息系统一段时间后，对系统产生的接受或拒绝的态度，以及所产生的行为意向。TAM假定用户对信息技术的接受与否与两个因素相关，即感知有用性（Perceived Usefulness）和感知易用性（Perceived Easeof Use）。参照Davis（1989）和Heijden（2004）的定义，本文将感知有用性定义为用户感知使用网络行为定向广告能提高其获取所需信息的能力，感知易用性定义为用户感知网络行为定向广告容易使用或容易参与的程度[5，6]。

1.任务-技术匹配和感知有用性之间的关系

任务和技术的高匹配性意味着用户使用该技术能够产生与任务预期相符合的结果，即技术能够满足用户完成任务的需求，进而令用户产生感知有用性。网络行为定向广告（OBA）的实现是基于将自动化的数据挖掘技术应用于计算机中的数据库，包含了消费者行为信息的数据库，以及包含了潜在客户的人口统计信息的数据库。通过挖掘数据库中与消费者网上浏览和网上购物活动信息相关的数据，能够得到详细的客户资料，企业利用计算机生成的客户资料可以向消费者提供高度个性化的服务和定向广告。对于消费者而言，可以提升自己的用户体验，收到更多自己感兴趣的相关产品和服务信息，从而更符合消费者的特定需求，有利于改善和提高用户的体验，进而提高广告效果。Tam＆Ho（2006）指出当广告与消费者的购买目标或自我需求相吻合时，且商品与消费者相关性很高时，往往会提高消费者的感知有用性[7]。据此提出假设1：

H1：任务-技术匹配将会正向影响用户对网络行为定向广告的感知有用性

2.任务-技术匹配和感知易用性之间的关系

与任务相匹配的技术能够有效降低用户在技术方面所花费的精力[8]。任务-技术匹配程度的提高有助于用户更加方便快捷地完成任务，减少其使用信息系统所花费的精力。朱松林（2013）指出对于消费者来说，网络行为定向广告高度相关意味着更有可能快速便捷地获得符合自己所需信息[9]。因此，网络行为定向广告在一定时间内及时推送给消费者，消费者会很容易接收到广告，并且广告中的促销信息基本符合当时消费者的兴趣和需求，节省了消费者搜寻商品促销信息的时间和精力，自然会令消费者感到方便容易。基于此，提出假设2：

H2：任务-技术匹配正向影响用户对网络行为定向广告的感知易用性

（二）技术接受模型因素对网络行为定向广告态度的影响

依据技术接受模型，感知有用性和感知易用性是对一项技术创新的认知，这种认知会影响消费者对技术的态度。Ducoffe（1995）指出广告的价值就在于其传达的利益，被普遍认为是决定消费者对广告态度的前因[10]。对于接收网络行为定向广告而言，消费者的感知利益则包括方便性、符合自己的需求和兴趣、打折促销等等。

1.感知易用性对消费者的态度和感知有用性的影响

网络环境中，随着电子商务的飞速发展，越来越多的学者开始关注影响消费者网络购物行为的影响因素，许多研究已经证实感知易用性是决定消费者对待网络购物态度的重要影响因素[11，12]。Cuauhtemoc＆Ivonne（2015）利用技术接受模型探索了消费者对社交网络广告的态度，结果发现感知易用性和感知有用性显著正相关，并且感知易用性正向影响消费者对社交网络广告的态度，调查显示那些认为社交网络广告清晰、易于理解和阅读的用户，对社交网络广告的态度更加积极[13]。

Rodgers＆Thorson（2000）提出，社交网站以及其他网络媒体上广告的构成（包括广告的类型、形式和特征等）决定了消费者加工广告的认知努力的程度[14]。网络行为定向广告通过一对一地挖掘出受众特定的行为偏好，按需推送广告信息，可以更加有针对性地将网络行为定向广告精确地传播到目标“受众”，使消费者快速便捷地获得符合自己需要的信息，会增加消费者对该种广告的感知有用性。基于此，本文提出假设3：

H3a：感知易用性将会正向影响感知有用性

H3b：感知易用性将会正向影响消费者对网络行为定向广告的态度

2.感知有用性对态度的影响

网络行为定向广告是依据消费者的需求有针对性地投放与消费者兴趣和需求相关的广告，广告传递的商品信息、品牌信息或者促销信息等等符合消费者的需求，因此会提高消费者的感知有用性，自然会形成对网络行为定向广告的积极态度。Tam＆Ho（2005）指出当广告与消费者的购买目标或自我图示相吻合时，与消费者相关性很高时，会提高消费者的感知有用性，进而去更进一步探索广告内容，降低消费者对广告的怀疑和对广告的规避[7]。因此，网络行为定向广告传递的信息越有用，与消费者的相关性越高，消费者对网络行为定向广告的态度就越积极。基于此，本文提出假设4：

H4：感知有用性正向影响消费者对网络行为定向广告的态度

（三）隐私关注的调节作用

Kerlinger（1984）把“关注”当作测量隐私的一种概念[15]，之后逐渐被广大学者所接受。如今，隐私关注（PrivacyConcerns）的定义常出现在信息系统研究方面的文献中，即“互联网用户对控制、收集和使用其个人信息或者互联网上获得信息的关注”，消费者隐私感知和态度很容易影响消费者的行为[16]。

信息加工技术的使用，可以追踪到消费者的私人信息领域，那么基于对个人偏好追踪和储存的个性化广告就会引起消费者的抵制心理[17]，因此，隐私关注可能负向影响网络行为定向广告感知有用性和感知易用性对态度的积极影响。Baek＆Morimoto（2013）指出高度个性化的广告消息可能会引起消费者对失去控制私人信息能力的担忧[18]。还有研究表明，对于高度个性化的广告信息，消费者会产生心理抗拒，原因是对于公司识别和观察自己的行为，消费者会觉得不自在[19]。如果消费者隐私关注程度越高，说明对隐私的感知意识越强。当具有很强个体针对性的网络行为定向广告出现在这类人群面前时，则容易让他们联想到自己的隐私被泄露，触发其不良情绪，从而对网络行为定向广告呈负面的态度。基于此，本文提出假设5：

H5a：消费者的隐私关注会负向调节感知有用性对网络行为定向广告态度的作用

H5b：消费者的隐私关注会负向调节感知易用性对网络行为定向广告态度的作用

综上所述，本文提出的研究模型如图1所示：

图1 TAM和TTF整合视角下消费者对网络行为定向广告态度模型

三、研究设计

（一）研究样本

本次问卷调查的对象锁定为曾经接触过类似于根据自己的浏览、搜索和购买记录推荐的广告的消费者，采取电子版和纸质版两种方式进行发放，其中电子版调查共发放问卷181份，纸质版问卷共发放158份，两种渠道共收集问卷339份，剔除无效问卷30份，最终有效问卷为309份，有效问卷率为91.15%。样本构成大多以年轻的本科生、研究生以及企业职员为主。一方面考虑到网络购物应用年轻人使用较为广泛，这类人群是广告主进行网络营销与客户关系管理的主要目标群体；另一方面，这类人群对网络行为定向广告这种新型的广告运作模式更为熟悉，认知度较高，会对问卷做出比较客观的回答。

（二）变量测量

任务-技术匹配测量量表主要借鉴了 Goodhue（1998）[4]、Venkatesh ＆ Davis（2000）[20]、Agarwal＆ Karahanna（2000）[21]的观点，从网络行为定向广告的个性化、及时性、信息易获性三个方面进行测量。关于感知有用性的测量，本文主要借鉴了Davis（1989）[5]和Enrique et al.（2008）[22]等人的观点，设计了3个题项。感知易用性的测量，本文主要借鉴了 Davis（1989）[5]、Venkatesh ＆Davis（2000）[20]等人的观点，设计了4个题项。隐私关注的测量，本文主要借鉴了Baek＆Morimoto（2012）[18]的观点，设计了5个题项。态度的测量，主要借鉴了Pollay＆Mittal（1993）[23]的观点，设计了3个题项。量表均采用李克特七点法，1-7分别记为从“非常不同意”到“非常同意”。

四、数据分析

（一）信度与效度检验

本研究将对量表的数据进行因子分析和验证性因素分析，检验量表的信度和效度。本研究用Cronbach’a系数和组合信度（CR）值来评估量表信度。信度检验显示，任务-技术匹配、感知有用性、感知易用性、隐私关注、态度5个潜变量的 Cronbach’a 系数分别为0.936、0.875、0.884、0.904、0.880，均大于 0.70 的门槛值，而 5 个潜变量的组合信度（CR）分别 0.938、0.875 、0869、0.903和 0.884，均大于 0.70 门槛值，说明量表具有较好的信度。

本研究用收敛效度、区别效度和建构效度来检验量表的效度。分析显示20个测项的标准化荷载系数均大于 0.50，T 均大于 1.96，表明具有统计显著性，各变量的组合信度（CR）值均大于 0.70，平均提炼方差（AVE）均大于0.50，说明量表具有很高的收敛效度。表1显示了AVE的平方根值都大于该变量与其它变量之间的相关系数，因此该量表存在着较显著的判别效度。

建构效度的检验方面，本研究采用Lisrel 8.7进行验证性因子分析（CFA），测量模型总体拟合度的验证性因子分析结果如下：X2/df＝2.67， RMSEA＝0.073， GFI＝0.88， CFI＝0.98， NFI＝0.97， NNFI＝0.98， 根据吴明隆德观点，以上指标达到了良好模型的标准[24]，表明模型和数据之间具有良好的拟合性，其建构效度通过了检验。具体情况如表1所示。

表1 判别效度检验

（二）假设检验：H1～H4

本研究使用Lisrel 8.70软件对本文所提假设进行结构方程模型的路径分析，对假设进行验证。表2中列出了假设模型的具体路径关系，根据各假设路径的 P值得出：（1）H1、H2、H3a、H3b、H4满足 0.01水平下的显著，故以上假设都成立；（2）H3b的P值大于 0.05，故假设不显著，假设不成立，实际上，网络行为定向广告的主动推送、内容易于理解的特性并不是该种广告形式特有的，其他传统的网络广告也具备这些特性，因此，消费者对网络行为定向广告感知的易用性对态度的影响并不显著。具体情况如表2所示。

表2 假设模型的路径分析系数

（三）模型修正

模型修饰的目的是在不影响拟合度情况下，删除不显著的影响路径，进而使模型更加简效。在本章的原假设模型中，感知易用性对态度的影响路径系数未通过显著性检验。需要说明的是，在模型修正时，主要考虑修正后的模型是否具有现实意义或理论价值，当模型效果很差时，可以参考模型修正指标对模型进行调整。在本研究中，通过表3的拟合结果可以看出模型的效果较好，且按照MI值进行模型的修饰，不具备理论的合理性，因此，本文对原假设模型的修饰将不以MI值为参考依据。

表3 原模型与竞争模型拟合指标比较表

在原假设模型的基础上，研究按照上述分析，移除了感知易用性→态度的不显著路径，形成了竞争模型，并对竞争模型进行了数据拟合。拟合结果如表3所示，竞争模型的卡方值X2为314.84（p＜0.01），相比原模型上升了0.92；自由度df为100，相比原模型提高了1个自由度；另外，其他拟合指标和原模型基本保持一致，因此，竞争模型的拟合指数相较于原模型有了些许改善。也就是说，竞争模型比原模型更具简效性，但是对变量关系的解释力也没有消弱。据此，本研究将竞争模型确定为最终模型，如图2所示。

由图2所知，在消费者对网络行为定向广告态度的影响机理中，任务-技术匹配和感知易用性主要是通过感知有用性作用于态度。具体来说，感知有用性（β＝0.71，p＜0.01）积极的作用于消费者的态度；任务-技术匹配和感知易用性都对感知有用性存在着显著的正向影响，路径系数分别为0.62（p＜0.01）、0.35（p＜0.01）；任务-技术匹配对感知易用性存在着显著的正向影响（β＝0.72，p＜0.01）。

图2 竞争模型的路径系数

（四）调节效应的检验

由于在模型修正中，删除了感知易用性→态度之间的路径，因此，调节效应的检验，只需检验隐私关注程度对感知有用性和态度之间的影响关系。关于隐私关注的调节效应，利用Aiken与West的层级回归分析方法进行检验[25]。首先，将因变量和自变量引入回归方程；其次，将自变量与调节变量进行中心化处理，以减少其多重共线性问题，并将中心化处理后的自变量与调节变量的乘积引入回归方程。在每一个步骤中，分别对回归系数、R2和F值进行检验，判断其显著性。分层回归分析结果见表4所示。

表4 隐私关注调节效应的回归分析结果

其中，学历是影响消费者态度的一个重要人口学变量，教育程度越高，对网络行为定向广告的态度越消极。从表4可知，隐私关注对感知有用性与消费者态度之间的正向关系调节效应显著（β＝-0.157，p＜0.01），即高隐私关注程度会削弱感知有用性与态度之间的正向关系，因此，假设5a得到支持。

为更清晰地判断高隐私关注与低隐私关注消费者在感知有用时对态度的差别，按照Cohen，Aiken和West推荐的程序，分别以高于调节变量均值一个标准差和低于均值一个标准差为基准绘制调节效应图[26]。图3中两条曲线呈明显的交叉趋势，表明隐私关注的调节效应确实存在，进一步验证了假设5a。调节变量的具体作用模式为：对于低隐私关注的消费者，感知有用性与态度之间为正向且显著关系（β＝0.335，p＜0.01），即消费者的隐私关注程度越低，那么感知有用性越高，消费者的态度越积极；对于高隐私关注消费者，感知有用性与态度之间为负向且显著关系（β＝-0.848，p＜0.01），即消费者的隐私关注程度越高，那么感知有用性越高，消费者的态度越消极。需要注意的是，此交互图的分析是为了直观地表示调节变量如何作用的，而不是为了检验调节作用是否存在，因为检验调节作用的步骤已经在前面的调节回归中完成了。

图3 不同隐私关注程度消费者感知有用性对态度的差别

五、结论与局限

（一）结论

网络行为定向广告作为行为定向技术的产物，任务-技术匹配和技术接受模型可以对其起到很好的解释作用，任务-技术匹配和技术接受模型的整合可以很好的预测消费者对网络行为定向广告态度的影响。

一方面，网络行为定向广告通过达到技术和任务上的匹配，可以正向影响消费者的感知易用性和感知有用性，同时，感知有用性正向作用于消费者对网络行为定向广告的态度。网络行为定向广告的易用性对态度并没有显著的直接影响，而只是正向作用于感知有用性，表明消费者对网络行为定向广告态度的形成主要受其有用性的影响。当消费者感知网络行为定向广告能够匹配自己的搜寻任务时，就会感知到网络行为定向广告对自己有用，从而引起消费者的积极态度，进而很可能点击广告浏览。

另一方面，网络行为定向广告的有用性实际上是基于对消费者个人信息的挖掘，因此，在信息的收集过程中，不免会涉及到侵犯消费者的个人隐私问题。而隐私作为个人特有的权利，一旦受到侵犯，自然会引起个人的不满，从而对侵犯自身隐私的行为进行抵制，网络行为定向广告面临的就是这种问题。即使广告的有用性很强，但当消费者意识到这种个性化的需求是基于对自己隐私的利用时，就会产生抵触心理。本文通过引入隐私关注作为调节变量，检验发现，相较于隐私关注程度低的群体而言，消费者对隐私关注程度越高，那么其感知网络定向广告的有用性将对消费者的态度正向影响就越弱，这说明，消费者对其隐私的高度关注将会负向影响网络定向广告的感知有用性和其对广告的态度之间的正向关系。换而言之，当消费者对其隐私关注程度越高时，即使消费者感知广告有用性很强，但是仍然会激起消费者感知自己隐私被侵犯，对网络行为定向广告的态度依然较为消极，因而当广告被投放给这些群体时，自然不会取得很好的预期投放效果；相反，较之那些对隐私关注程度较低的群体而言，当消费者对网络行为定向广告的感知有用性越强时，由于网络行为定向广告越能满足其个性化需求，此时网络行为定向广告越容易激发消费者的积极响应。

（二）理论启示

前人的研究中，大多是从消费者自身对隐私的关注来探究消费者对网络行为定向广告态度的影响，并且多停留在较为基础的定性研究。但是，网络行为定向广告作为广告商和企业竞相投放的一种新型的广告形式，必然有其自身的优点，因此，必须结合网络行为定向广告自身的特性来研究消费者的态度问题。

本研究将任务-技术匹配和技术接受两种视角加以结合，在网络行为定向广告的环境下，通过实证研究探究网络行为定向广告这一新型的广告形式是如何满足当下用户购物的新需求，以及如何影响用户态度。同时，本文认为以上两种视角整合的模型所涵盖的影响因素并不全面，模型中的关键因子都是从网络行为定向广告自身的特性设定的，因此，本文认为应当考虑消费者自身隐私关注对消费者态度的影响作用。基于上述观点，本文提出相关假设，并通过问卷调查进行实证分析，采用结构方程模型分析方法对模型进行分析、修改和验证，不仅能够丰富网络行为定向广告的学术研究成果以及网络营销的理论知识，为研究网络行为定向广告切入一个新的视角，同时也是技术采纳理论应用于商业服务的大胆尝试。

（三）实践启示

在如今的大数据时代，广告商和企业利用数据库信息分析消费者信息，竞相投放网络行为定向广告，试图通过高度个性化和精准性来满足消费者的需求，从而促进产品销售和品牌提升，随之却引起了相应的隐私关注。然而，网络行为定向广告发展的前提条件是消费者的态度和使用意向，如果消费者对网络行为定向广告的态度消极，会导致消费者对网络行为定向广告的规避，最终只会造成企业成本的浪费，无法带来真正的产品销售和品牌提升，因此，探讨消费者对这种新型广告的态度以及影响因素，对广告商是否继续投放以及如何投放网络行为定向广告有重要的参考意义。

技术接受模型和任务-技术匹配理论的整合，找到了影响消费者对网络行为定向广告态度的直接原因与间接原因，同时通过引入隐私关注作为调节变量，探究了不同隐私关注程度的消费者对网络行为定向广告态度是否会有显著差异。企业和广告商在制定营销策略时，既要注重网络行为定向广告本身的特性，又要重视消费者自身的隐私关注情况。

在投放网络行为定向广告时，可以有针对性的根据不同消费群体的隐私关注情况采取相应的投放策略，从而提高广告的曝光率。一方面，针对那些对隐私关注程度较低的群体而言，建议投放高有用性的广告，为消费者创造更多的服务价值，这样可以更为有效地提升消费者对广告的态度，使推送技术逐步向更加精准、定向、定时方面发展，取得较好的投放效果。另一方面，针对那些对隐私关注程度较高的群体而言，高有用性的广告反而会引起这部分消费者的消极反应，浪费广告成本，因此，针对该部分群体，企业在制定广告的传播策略时，应该逐步向多维度发展，适当减少网络行为定向广告的投放。通过有效理解网络用户的隐私关注和满足消费者的隐私保护需求，解决消费者在选择个性化的网络广告服务时的隐私顾虑，尽可能消除消费者接触行为定向广告的阻碍因素，使电子商务可以更加个性化地服务于消费者。

（四）研究局限和展望

首先，网络行为定向广告虽然是一种特殊的广告形式，但其也具有普通网络广告的特性，比如说“侵入性”，即网络行为定向广告总会在浏览网页时自动弹出，很可能会干扰到消费者的浏览任务，此时消费者对广告的反应自然也会很消极，因此，未来研究可以探究普通网络广告的特性对其适用性。其次，本文引入隐私关注作为调节变量，是基于广告利用了人们的隐私情况，实际上，网络行为定向广告按需推送的方式，也存在泄露消费者隐私的可能，比如，消费者曾经浏览过一些私人物品，不希望被人发现，可是当广告被推送到终端时，可能有其他人在场，正好看到推送的广告，就会知晓目标消费者的浏览历史，会令目标消费者感到尴尬，因此，如何做到有效识别目标消费者，有限制性的投放，比如只有消费者在登录某些个人网站或网页时，才会收到相应的定向广告，值得未来研究者的进一步探索；最后，本研究在样本代表性方面有一定的局限性，线下和线上结合的方式发放问卷，可能存在的问题是线下调研地区集中，线上被调查者随机性和问卷填写认真程度无法进行控制，因此，未来研究可以拓展研究时长，确保回收问卷的精确性。

[1]蒋玉石，张红宇，贾佳，杨力.大数据背景下行为定向广告（OBA）与消费者隐私关注问题研究[J].管理世界，2015（8）：182-183.

[2]SMIY E G， VAN N，VOORVELD H A.Understanding online behavioral advertising： User knowledge， privacy concerns and online coping behavior in Europe[J].Computers in Human Behavior， 2014，32：15-22.

[3]MCDONALD A M，＆ CRANOR L F.American’ s attitudes about internet behavioral advertising practices[Z].In Proceedings of the 9th workshop on privacy in the electronic society（WPES）（October 2010）， Chicago，Illinois，USA.

[4]GOODHUE，D.L.Development and measurement validity of a task-technology fit instrument for user evaluations of information system[J].Decision Sciences， 1998，29（1）：105-138.

[5]DAVIS F D.Perceived usefulness， perceived ease of use， and user acceptance of information technology [J].MIS Quarterly，1989，13（3）：319-340.

[6]VAN DER HEIJDEN H.User acceptance of hedonic information systems[J].MIS Quarterly， 2004，28（4）：695-704.

[7]TAM K Y，Ho S Y.Web Personalization as a Persuasion Strategy： An Elaboration Likelihood Model Perspective[J].Information Systems Research，2005，16（3）：271-291.

[8]应洪斌，郭琳，窦伟.基于TTF和TAM整合视角的移动工作支持系统使用意向研究[J].管理工程学报，2012（4）：176-182.

[9]朱松林.论行为定向广告中的网络隐私保护[J].国际新闻界，2013（4）：94-100.

[10]DUCOFFE R.How consumers assess the value of advertising[J].Journal of Current Issues and Research in Advertising.1995，17（1）：1-18.

[11]DAUD K A K，Islam A，Eri Y.Factors That Influence Customers’ Buying Intention on Shopping Online[J].International Journal of Marketing Studies， 2011，3（1）：128-139.

[12]WU W-Y，KE C-C.An Online Shopping Behavior Model Integrating Personality Traits，Perceived Risk and Technology Acceptance[J].Social Behavior and Personality：an international journal， 2015，43（1）：85-97.

[13]CUAUHTEMOC L-N，Ivonne M T.Consumer Attitudes toward Social Network Advertising[J].Journal of Current Issues ＆ Research in Advertising，2015，36（1）：1-19.

[14]RODGERS S，THORSON E.The Interactive Advertising Model：How Users Perceive and Process Online Ads[J].Journal of Interactive Advertising，2000，1（1）：42-60.

[15]KERLINGER F.Foundations of Behavioral Research[M].New York： Holt，Rinehart and Mnston，1984.212-220.

[16]PHELPD J E，SOUZA G D，NOWAK G J.Antecedents and consequences of consumer Privacy concerns： an empirical investigation[J].Journal of Interactive Marketing，2001，15（4）：2-17.

[17]SIMONSON I.Determinants of Customers’ Responses to Customized Offers：Conceptual Framework and Research Propositions[J].Journal of Marketing，2005，69（1）：32-45.

[18]BAEK T H，MORIMOTO M.STAY AWAY FROM ME： Examining the Determinants of Consumer Avoidance of Personalized Advertising[J].Journal of Advertising，2012，41（1）：59-76.

[19]WHITE T B，DEBRA L Z，THORBJRNSEN H，Shavitt S.Getting Too Personal： Reactance to Highly Personalized E-mail Solicitations[J].Marketing Letters，2008，19（1），39-50.

[20]VENKATESH V，DAVIS F D.A theoretical extension of the technology acceptance model：Four longitudinal field studies[J].Management Science，2000，46（2）：186-204.

[21]AGARWAL R，KARAHANBA E.Time Flies When You’re Having Fun：Cognitive Absorption and Beliefs about Information Technology Usage[J].Management Information Systems Quarterly，2013，24（4）：665-665.

[22]ENRIQUE B-A，CARLA R-M，JOAQUIN A-M，SILVIA S-B.Influence of online shopping information Dependency and innovativeness on internet shopping adoption[J].Online Information Review，2008，32（5）：648-667.

[23]POLLAY R W，MITTAL B.Here’s the Beef：Factors，Determinants，and Segments in Consumer Criticism of Advertising[J].Journal of Marketing，1993，57（3）：99-114.

[24]吴明隆.结构方程模型———AMOS的操作与应用［M］.重庆：重庆大学出版社，2010.

[25]AIKEN L S，WEST S G.Multiple Regression：Testing and Interpreting Interactions[M].Thousand Oaks，Sage Publications，Inc.，1991.

[26]COHEN，JACOB ET AL.Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences[M].Mahwah，Lawrence Erlbaum Associates.Inc.，2013.

C931

A

1002-3240（2017）01-0058-09

2016-10-05

本文受到国家自然科学基金（71572156）、成都市科技局软科学项目（成都市区域科技创业生态系统功能机制与评价体系研究、创新驱动背景下区域产学研结合技术体系研究）及四川网络文化研究中心（WLWH15-36）资助

蒋玉石（1979-），湖南衡阳人，西南交通大学经济管理学院副教授，博士生导师，研究方向：网络广告；消费者行为。

［责任编校：唐 鑫］