基于感知价值和隐私关注的用户移动个性化推荐采纳

李宝库，郭婷婷

（辽宁工程技术大学营销管理学院，辽宁葫芦岛125105）

一、引言

移动商务的发展带来了移动网络信息量的激增，为解决信息超载问题，提升用户体验，帮助消费者更加快捷高效地找到合意的商品或服务信息，很多电商网站（如京东、亚马逊等）开发了移动个性化推荐系统。作为购物消费模式向服务消费模式转变的重要手段，移动个性化推荐以移动终端为载体，根据用户过去的或与之相似用户的偏好和行为向其推荐可能感兴趣的商品或服务信息。这些信息能否有效唤起用户的消费心理并转化成消费行为主要取决于用户的感知价值。[1]价值接受模型认为，感知价值直接影响用户对移动互联网的态度，而其他变量则通过感知价值影响用户态度。[2]不过，移动个性化推荐主要依赖于用户信息挖掘，而这势必会引起用户对个人隐私信息泄露的关注。现有研究主要关注移动个性化推荐系统的算法和模型优化，[3]较少从营销角度出发探讨用户对移动个性化推荐的心理感知。本文从用户心理角度出发，基于感知价值和隐私关注，结合用户使用移动个性化推荐的实际情况，探索用户感知价值和隐私关注对其移动个性化推荐采纳意愿的作用路径，并进一步检验隐私关注对感知价值与用户移动个性化推荐采纳意愿之间关系的调节作用。

二、文献综述

（一）感知价值

感知价值作为预测消费者购买行为以及企业获取持续竞争优势的关键因素，一直以来都备受关注。泽丝曼尔（Zeithaml V A）[4]基于消费者视角对价格、质量、价值进行研究认为，感知价值是用户基于成本和收益对产品或服务效用的总体评价。伍德拉夫（Woodruff R B）[5]认为，感知价值是消费者在使用过程中对产品属性、属性效能及使用效果的感知偏好和评价。在感知价值构成研究中，谢恩（Sheth J N）等[6]提出了包含社会、条件、情感、功能、认知五个维度的消费价值模型。针对B2C电子商务环境，李雪欣等[7]认为，网络消费者感知价值可以划分为功能价值、情感价值、社会价值三个维度。张瑞金等[8]提出了影响手机用户移动数据业务价值感知的七类感知价值，即自我实现价值、质量价值、安全价值、服务价值、货币成本、非货币成本和情感价值。基于之前研究成果，考虑用户使用移动个性化推荐的实际情况，笔者认为，用户移动个性化推荐感知价值指用户基于感知成本和感知收益两个维度，对移动个性化推荐作出的总体评价，主要从功能价值、安全价值、体验价值、社会价值四个维度进行测量。

（二）个性化推荐

个性化推荐是电子商务发展的重要产物，它可以根据消费者自身或相似消费者过去的搜索和消费行为预测目标消费者的行为和偏好，进而为之推荐可能感兴趣的商品或服务信息。[9-10]个性化推荐相关研究主要集中在算法和用户行为研究两个方面。基于算法的研究主要关注个性化推荐系统的优化。金淳等[11]提出了基于Agent建模和仿真的方法，该推荐模型优于仅仅依赖用户信息进行推荐的一般模型；卢（Lu J）等[12]提出了综合模糊语义推荐算法，使推荐的精确度高于单独的模糊语义和协同过滤算法。基于用户行为的研究主要探讨网络环境下影响用户对个性化推荐态度的前因变量以及个性化推荐对用户决策的作用机理。伊斯泰米雷特（Estebanmillat I）等[13]认为，用户信任和有用性感知是影响其个性化采纳意愿的关键因素；尹（Yoon V Y）等[14]认为，用户个人特征会影响用户对个性化推荐系统的态度；陈明亮等[15]认为，用户个人特质和推荐系统特征均会影响其对推荐系统认知价值和信任的感知；德拉特（Dellaert B G C）等[16]认为，个性化推荐通过改变用户搜寻过程来改变其消费决策。

（三）隐私关注

电子商务环境下，隐私关注是指用户自愿或非自愿地向网站提供个人信息，进而引发其对隐私信息泄露问题的关注。[17]学者们除对隐私关注的定义进行阐述外，对其构成也进行了研究。目前，比较经典的测量量表是信息隐私关注（Concern for Information Privacy，CFIP）量表和互联网用户信息隐私关注（Internet User’s Information Privacy Concerns，IUIPC）量表。其中，信息隐私关注量表包含搜集、错误、非授权二次使用以及不恰当访问四个维度；[18]互联网用户信息隐私关注量表是在信息隐私关注量表的基础上开发的，包含搜集、控制、了解三个维度。[19]杨姝等[20]认为，上述两个量表均适用于中国，且互联网用户信息隐私关注量表适用性更强。此外，也有学者运用理论与实践相结合的方法研究了隐私关注的影响因素及其对消费者行为意向的影响。例如，有研究分析了用户个人特征、心理感知、网站和情境因素对其隐私关注的作用机理以及隐私关注对网络用户个人信息提供意愿和网络交易意向的影响。[21-23]

三、研究假设

（一）感知价值与用户移动个性化推荐采纳意愿

感知价值是用户的主观感受，其核心是用户对感知利益和感知损失的权衡。在移动商务中，其他变量可以通过感知价值影响用户态度。移动个性化推荐属于移动商务的一种，其推荐信息是否符合用户需求和偏好，信息推荐商和运营商能否保证用户货币和非货币安全，推荐信息能否唤起用户积极的情感体验，能否帮助用户得到周围群体的认同等均会影响用户态度。戴德宝等[24]基于消费价值理论对电子商务和社会化媒体的个性化推荐进行了研究，结果发现消费价值各维度对消费者个性化推荐采纳意愿具有不同程度的影响。受手机等移动设备存储能力有限、功能键盘小、电池续航能力差、文本输入易出错、界面不友好等弊端影响，[25]移动个性化推荐容易让用户产生使用过程较复杂、链接不稳定、信息不安全等消极感知，特别是对缺乏移动购物经验的新手而言，很容易使之产生厌恶和反感的情感体验。当用户对信息保持心理抗拒时，更容易拒绝移动个性化推荐所提供的商品或服务信息。基于此，本文提出以下假设：

H1：感知价值正向影响用户移动个性化推荐采纳意愿。

H1a：功能价值正向影响用户移动个性化推荐采纳意愿。

H1b：安全价值正向影响用户移动个性化推荐采纳意愿。

H1c：体验价值正向影响用户移动个性化推荐采纳意愿。

H1d：社会价值正向影响用户移动个性化推荐采纳意愿。

（二）隐私关注

隐私关注对用户个人信息提供意愿、交易意向、互联网使用态度等具有直接负向影响。[22]移动个性化推荐主要依靠用户注册信息、历史数据等对用户进行商品或服务信息推荐，而信息的搜集与使用过程就会涉及用户隐私关注问题。较高的隐私关注，一方面会降低个性化推荐带来的用户体验；[26]另一方面会增加用户的感知风险。结合H1，本文提出以下假设：

H2：隐私关注负向影响用户移动个性化推荐采纳意愿。

H3：隐私关注对感知价值与用户移动个性化推荐采纳意愿之间的关系具有负向调节作用。

根据已有文献和本文提出的假设，构建图1所示的概念模型。

四、研究设计和结果

（一）问卷设计与调研

本文采用实地调研的方式搜集问卷。根据相关量表设计原则，本文所有的潜在变量均有多个测试题项，且所有测试题项均采用李克特五级量表。其中，感知价值四个维度以及个性化推荐采纳意愿的测试题项来源于文献[6]和文献[24]，隐私关注的测试题项来源于文献[26]。结合移动个性化推荐实际情境，本文对量表进行适当修正，并邀请三位移动营销方面的教授对问卷进行评价。接下来，邀请23位博士和硕士对问卷进行访谈和预调研，结合访谈和预调研结果形成本研究正式问卷。

正式问卷中的六个潜在变量共包括23个测试题项。具体题项参见表1。问卷采用网上和网下两种方式发放。网上主要通过问卷星平台和电子邮件发放，网下主要是在高校自习室、室外健身房等地发放，填写者年龄集中在20～30岁。这部分人群以学生为主，年轻且受教育程度较高，是移动购物的主要人群，因此本次调研样本具有一定的代表性。相关研究认为，使用结构方程模型方法的样本量最好控制在100以上。[27]本次调研共发放问卷250份，回收有效问卷216份。在这216名被调研者中，所有人都是每天上网。其中，男性107人，女性109人，比例接近1：1；超过75%的人浏览过移动个性化推荐；在年龄上，20～30岁的人占90.7%；在受教育程度上，初中及以下学历者占2.3%，高中、职高、技校学历者共占8.8%，大学及以上学历者占87.5%，其他占1.4%；在手机上网年限上，主要集中在两年以上，占比超过90%。

（二）数据分析

图1　基于感知价值和隐私关注的用户移动个性化推荐采纳意愿研究模型

根据安德森（Anderson J C）等[28]提出的数据分析方法，本文利用探索性因子分析（EFA）和验证性因子分析（CFA）对测量模型的信度和效度进行检验，利用结构方程模型（SEM）和回归分析对测量模型的假设进行验证。

表1　量表题项及信度和效度检验

1.信度和效度检验

首先，巴特利特球形度检验结果显示，整个量表的KMO值为0.888，p=0.000，适合进行因子分析。利用主成分分析法和最大方差旋转法进行因子分析，共析出六个特征根大于1的因子，六个因子解释了78.064%的方差（根据张文彤等[29]的观点，方差贡献率达到50%即可酌情接受），且因子载荷均大于0.700。其次，对各潜在变量进行信度检验的结果显示，六个潜在变量的克隆巴哈α系数均大于0.800。最后，利用验证性因子分析法进一步检验测量量表的信度和效度。结果显示，组合信度（CR值）均大于0.800，平均变异抽取量（AVE）值均大于0.500，收敛效度良好，且AVE的平方根均大于变量间的相关系数，区别效度良好。综上所述，量表信度和效度良好。具体可参见表1和表2。

2.结构方程模型分析

表2　相关系数和AVE平方根矩阵

本研究采用结构方程模型研究感知价值各维度和隐私关注对用户移动个性化推荐采纳意愿的影响。由表3可知，功能价值（β=0.453，p=0.000），体验价值（β=0.557，p=0.000），隐私关注（β=-0.283，p=0.007），安全价值（β=0.178，p=0.048）均显著影响用户移动个性化推荐采纳意愿，但社会价值（β=0.012，p=0.758）对采纳意愿的影响不明显。H1a、H1b、H1c和H2得到支持，H1d没有得到实证支持。

表3　结构方程模型假设检验结果

3.调节效应检验

由于社会价值对采纳意愿的影响没有得到实证支持，因此本文分别检验隐私关注对功能价值、安全价值、体验价值三者与采纳意愿之间关系的调节效应。为减少变量间的多重共线性问题，本研究首先对变量进行中心化处理，然后再利用回归分析检验隐私关注的调节效应。回归方程如下：

模型1：AI=a+b×FV+c×SAV+d×EV

模型2：AI=a+b×FV+c×SAV+d×EV+e×PC

模型3：AI=a+b×FV+c×SAV+d×EV+e×PC+f×FV×PC+g×SAV×PC+h×EV×PC

其中，模型1是自变量到因变量的总效应模型，模型2是自变量和调节变量到因变量的总效应模型，模型3是在模型2的基础上加入了自变量与调节变量交互效应的全效应模型，也即以移动个性化推荐采纳意愿为因变量，分别以功能价值、安全价值、体验价值、隐私关注以及两两之间的交互项为自变量，逐步进行回归。结果参见表4。隐私关注对功能价值（β=-0.131，p=0.038），安全价值（β=-0.103，p=0.042）与采纳意愿之间的关系起到了调节作用，即用户隐私关注程度越高，感知功能价值与安全价值对其移动个性化推荐采纳意愿的影响越弱。隐私关注对体验价值和移动个性化推荐采纳意愿之间关系的调节作用不显著。

五、研究结论与管理启示

本研究基于216个有效样本，通过探索性因子分析、验证性因子分析、结构方程模型以及回归分析，详细分析了感知价值和隐私关注对用户移动个性化推荐采纳意愿的影响和作用机制。具体结论和启示如下：

（一）研究结论

一方面，用户感知功能价值和体验价值对其移动个性化推荐采纳意愿的影响最为显著，隐私关注的影响其次，安全价值的影响再次，感知社会价值的影响不显著；另一方面，隐私关注对感知功能价值和安全价值与移动个性化推荐采纳意愿之间的关系存在负向调节作用。

第一，在信息超负荷和信息不对称的移动商务环境下，功能价值是移动个性化推荐技术发展的核心价值，是满足消费者对信息数量和质量需要的关键，通过基于用户体验的设计来满足用户猎奇心理与求知欲望是移动个性化推荐未来发展的重要方向。

第二，移动个性化推荐主要通过对用户个人偏好和行为信息的搜集来完成，安全和隐私问题是阻碍其发展的瓶颈。电商网站和商家应着力增强用户以正直、能力、友善等为基础的信任，通过娱乐、互动、金钱刺激等补偿性措施降低用户对隐私问题的关注度和感知风险。同时，区分用户群体，对于隐私敏感型客户，要避免过多使用个人信息进行推荐。

表4　隐私关注的调节效应检验

第三，感知社会价值对移动个性化推荐采纳意愿的影响不明显。笔者认为，导致这种情况的原因主要有两个：一是移动个性化推荐的环境属于自愿采纳的商务环境，且调研样本大部分是受教育程度较高的年轻群体，这样的群体对事和物有着自己的见解，他们使用移动个性化推荐更多是为了达到自身目的，而较少用来引起他人关注或社会共鸣；二是从某种程度上讲，人们有意或无意使用移动个性化推荐的现象已经比较普遍，感知社会价值不明显。

（二）管理启示

其一，继续完善移动个性化推荐的功能属性，通过加强基于情境的个性化推荐增强用户体验，提高推荐的精准性和新颖性。移动个性化推荐的核心是其功能价值，各种算法和模型的优化主要是为了不断提高推荐的准确性，但电商企业仍然要有长远眼光。研究表明，体验价值不仅能够直接影响用户移动个性化推荐采纳意愿，且这种影响不会因用户对自身隐私信息的关注而削弱。鉴于此，首先要以优质的推荐界面和稳定的连接速度作为唤起用户积极情感体验的基础；其次要充分把握用户心理感知，避免主观性的强制推荐，在进行个性化推荐时要关注以顾客为中心的情境线索，而非仅仅依赖已有的宏观环境线索。

其二，增强用户隐私保护，营造安全的移动营销环境。安全是用户进行移动商务的根本保障，而移动个性化推荐情境下，用户个人信息处于完全暴露状态，即使出现信息泄露的情况也难以追究责任。因此，首先，政府应完善立法，规范商家不道德使用和泄露用户信息的行为；其次，要从移动个性化推荐各环节入手缓解用户对隐私信息泄露的担忧，即从搜集、控制、认知三个方面着手降低用户对隐私信息泄露的焦虑感；其三，要感知用户心理，对于隐私敏感型用户，宜从激励和社会关系两个方面入手打消其对移动个性化推荐的顾虑，如微信朋友圈个性化推荐。

（三）研究不足与展望

本文构建的概念模型能够在一定程度上解释用户采纳移动个性化推荐的意愿，对后续推荐模型和算法的改进以及移动营销实际问题的解决具有借鉴意义。不过，本研究仍然存在一些不足之处：首先，移动个性化推荐必须以一定的商务情境为依托，用户的情境感知可能会影响用户对移动个性化推荐的感知价值和态度，该问题尚待进一步研究；其次，本文研究的主要是一般意义上的移动个性化推荐，并未针对不同类型的移动个性化推荐进行区别研究，未来需要进行更加深入的探索。

参考文献：

[1]SABIOTE C M，FRIAS D M，CASTANEDA J A.The moderating effect of uncertainty-avoidance on overall perceived value of a service purchased online[J].Internet research，2012，22（2）：180-198.

[2]KIM H W，CHAN H C，GUPTA S.Value-based adoption of mobile internet：an empirical investigation[J].Decision support systems，2007，43（1）：111-126.

[3]杨一翁，王毅，孙国辉.网络推荐系统对消费者的营销效果——技术接受模型视角[J].中国流通经济，2016，30（2）：98-107.

[4]ZEITHAML V A.Consumer perceptions of price，quality，and value：a means-end model and synthesis of evidence[J].The journal of marketing，1988，52（3）：2-22.

[5]WOODRUFF R B.Customer value：the next source for competitive advantage[J].Journal of the academy of marketing science，1997，25（2）：139-153.

[6]SHETH J N，NEWMAN B I，GROSS B L.Why we buy what we buy：a theory of consumption values[J].Journal of business research，1991，22（2）：159-170.

[7]李雪欣，钟凯.网络消费者感知价值影响因素的实证研究[J].首都经济贸易大学学报，2013，15（3）：77-84.

[8]张瑞金，李国鑫，王茹.移动数据业务手机用户感知价值结构模型研究[J].中国软科学，2014（8）：138-149.

[9]BOBADILLA J，ORTEGA F，HERNANDO A，et al.Recommender systems survey[J].Knowledge-based systems，2013，46（1）：109-132.

[10]孙鲁平，张丽君，汪平.网上个性化推荐研究述评与展望[J].外国经济与管理，2016，38（6）：82-99.

[11]金淳，张一平.基于Agent的顾客行为及个性化推荐仿真模型[J].系统工程理论与实践，2013，33（2）：463-472.

[12]LU J，SHANBOUR Q，XU Y，et al.A web-based personalized business partner recommendation system using fuzzy semantic techniques[J].Computational intelligence，2013，29（1）：37-69.

[13]ESTEBANMILLAT I，MARTINEZLOPEZ F J，CABAL C C，et al.Psychological factors explaining consumer adoption of an e-vendor’s recommender[J].Industrial management&data systems，2015，115（2）：284-310.

[14]YOON V Y，HOSTLER R E，GUO Z，et al.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision support systems，2013，55（4）：883-893.

[15]陈明亮，蔡日梅.电子商务中产品推荐代理对消费者购买决策的影响[J].浙江大学学报（人文社会科学版），2009，39（5）：138-148.

[16]DELLAERT B G C，HAUBL G.Searching in choice mode：consumer decision processes in product search with recommendations[J].Journal of marketing research，2011，49（49）：277-288.

[17]DINEV T，HART P.Internet privacy concerns and social awareness as determinants of intention to transact[J].International journal of electronic commerce，2005，10（2）：7-29.

[18]STEWART K A，SEGARS A H.An empirical examination of the concern for information privacy instrument[J].Information systems research，2002，13（1）：36-49.

[19]MALHOTRA N K，KIM S S，AGARWAL J.Internet users'information privacy concerns（IUIPC）：the construct，the scale，and a causal model[J].Information systems research，2004，15（4）：336-355.

[20]杨姝，王渊，王刊良.互联网环境中适合中国消费者的隐私关注量表研究[J].情报杂志，2008，27（10）：3-7.

[21]申琦.网络信息隐私关注与网络隐私保护行为研究：以上海市大学生为研究对象[J].国际新闻界，2013，35（2）：120-129.

[22]BANDYOPADHYAY S.Consumers’online privacy concerns：causes and effects[J].Innovative marketing，2012，8（3）：32-39.

[23]WU K W，HUANG S Y，YEN D C，et al.The effect of online privacy policy on consumer privacy concern and trust[J].Computers in human behavior，2012，28（3）：889-897.

[24]戴德宝，刘西洋，范体军.“互联网+”时代网络个性化推荐采纳意愿影响因素研究[J].中国软科学，2015（8）：163-172.

[25]SIAU K，LIM E P，SHEN Z.Mobile commerce：promises，challenges and research agenda[J].Journal of database management，2001，12（12）：4-13.

[26]李凯，王晓文.隐私关注对旅游网站个性化服务的影响机制研究[J].旅游学刊，2011，26（6）：80-86.

[27]侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].北京：教育科学出版社，2004：135-136.

[28]ANDERSON J C，GERBING D W.Structural equation modeling in practice：a review and recommended two-step approach[J].Psychological bulletin，1988，103（3）：411-423.

[29]张文彤，钟云飞.IBM SPSS数据分析与挖掘实战案例精粹[M].北京：清华大学出版社，2013：232.