消费者个性化推荐感知价值对采纳意愿的影响<br/>——产品涉入与隐私关注的调节作用

消费者个性化推荐感知价值对采纳意愿的影响
——产品涉入与隐私关注的调节作用

2021-06-05王家玮

企业经济 2021年5期

□王家玮梅莉胡丰

一、引言

据第45 次《中国互联网发展状况统计报告》数据显示，截至2020 年3 月，我国网络购物网民规模达7.10亿，网络消费市场规模进一步扩大。随着信息技术发展，消费需求更趋向个性化，且购买行为由被动接受转为主动搜索。与此同时，网络上的海量信息使得消费者不得不花费大量时间及精力进行筛选，影响消费体验。对此，有研究认为，只有将传统的粗放型营销模式转型为精准型营销，才能真正满足用户需求[1]。在此背景下，以大数据为驱动、数据挖掘为手段的个性化推荐功能能够为客户提供精准的、符合偏好的产品及服务信息，帮助消费者提高决策质量和效率[2]。然而，用户感知对个性化推荐决策的影响存在个体差异[3]，如有研究发现，高达21%的用户对推荐系统并未持有积极态度[4]。由此可见，未考虑用户感知及行为意向的推荐系统不仅不会提升决策效率，甚至会导致消费者产生抵触情绪[5]。社会信息加工理论认为，不同个体对同一事物看法与评价之所以有差异，是由于人们是对自己主观认识中的事物作出评价，且这种评价会受到他人提供的信息的影响，这一理论肯定并强调了外部信息等主观因素对机体的作用。因此，聚焦个性化推荐下影响消费者采纳行为的因素，探究如何提升消费者采纳意愿具有重要意义。

目前对于个性化推荐的研究主要集中在提升推荐及算法等技术层面，基于营销领域的研究较少[6]，且大多数是从系统推荐规模[3]和呈现方式[6]等方面展开，针对该场景下消费者个体因素的研究则较为缺乏，仅有部分学者从消费者知识[7]、熟悉度[8]或心里抗拒[9]等角度开展了相关研究，但较多研究是将购买意愿作为结果变量。然而，从系统推荐到用户购买之间还存在用户采纳的过程，现有研究对用户采纳过程的研究较为缺乏。同时，随着网络技术的快速发展，消费者搜集信息的渠道更加便捷[10]，越来越多的消费者开始担心个性化推荐下个人隐私的泄露及消费信息的滥用问题[11]。鉴于此，本研究从消费者心理角度出发，以社会信息加工理论为基础，基于个性化推荐场景，将隐私关注及产品涉入变量纳入到分析框架中，探究感知价值对采纳意愿的影响，一方面能够进一步丰富个性化推荐系统消费者接受行为的研究，另一方面也能够为相关平台提升用户推荐系统采纳意愿提供理论参考。

二、理论分析及研究假设

（一）个性化推荐感知价值与采纳意愿

个性化推荐目前在学术界尚未形成统一定义[12]。Resnick 和Varian（1997）首次定义了个性化推荐的概念，即通过收集用户针对产品及服务提出的建议来提高决策效率[13]。此后，对个性化推荐的含义逐渐细化，有学者认为，依照活动中包含的用户信息需求、学科背景、目标任务、兴趣爱好和检索策略等，为购物提出针对性意见的系统[14]。目前，针对个性化推荐系统的研究较多停留在技术层面，营销领域的研究较为缺乏[6]。自上世纪80 年代以来，不同学者从不同背景出发对用户感知价值进行研究[15-17]，但详细探讨个性化推荐下的感知价值研究相对较少。本文基于个性化推荐系统特性，借鉴董大海和杨毅（2008）[18]对感知价值的划分维度及李宝库等（2017）[19]的测量及研究，将个性化推荐感知价值划分为三个部分：程序价值、结果价值及情感价值。其中，个性化推荐程序价值是指用户在推荐的体验过程中针对信息检索功能便捷性及高效性的感知评价；结果价值包含两个方面的内容：一是对系统所推荐产品的质量及接受的服务价值进行判断，二是判断系统是否有助于使用者进行决策；情感价值则为使用者对使用个性化推荐系统获得的满足感、愉悦感的感知评价。

顾客让渡价值理论认为，客户在交易的选择方面并非仅仅看重价格，同时也会考量顾客让渡价值，即在交易过程中的一组利益。崔剑峰（2019）对网络环境下平台用户的购买决策影响因素进行了研究，结果表明，网络用户购买决策的影响因素不仅包括产品质量及价格，购买网站所提供的服务也至关重要[20]。具体而言，购物网站的服务越优质便捷，平台使用者交易过程就越高效，顾虑也就越少，进而促进购买意愿。网络购物的虚拟性质和信息过载增加了买卖双方之间的距离感，会影响消费者的价值感知。而在个性化推荐情境下，恰当的推荐过程可以引导消费者的选择性关注，缩短与消费者的心理距离，进而提升价值感知[6]。Aljukhadar和Senecal（2011）也认为，为消费者提供的商品推荐信息越符合消费者需求，消费者对移动购物网站的信任度就越高，对移动购物的态度就越积极，消费者的情绪也就越愉悦[21]。综上，本文认为个性化推荐信息的过程价值、结果价值及情感价值越高，服务越周到，就越有利于提升搜索效率，进而促进采纳意愿的提升。据此，提出如下假设：

H1:个性化推荐感知价值对采纳意愿有显著正向影响；

H1a：个性化推荐程序价值对采纳意愿有显著正向影响；

H1b：个性化推荐结果价值对采纳意愿有显著正向影响；

H1c：个性化推荐情感价值对采纳意愿有显著正向影响。

（二）产品涉入度的调节作用

Krugman（1966）将涉入度定义为信息接受者每分钟在说服内容与自我之间联结的次数[22]。Zaichlowsky（1985）则从涉入对象进行划分，将涉入度细化为产品涉入、广告涉入及购买决策涉入[23]。本研究参考已有研究，从研究目的及对象出发，选择产品涉入度进行研究测量。具体而言，产品涉入度指用户认为产品的重要程度及用户主观意识赋予的产品属性。从根本上看，产品涉入度即消费者对产品的关注程度，产品涉入度不同，用户愿意为产品投入的时间及精力也不同。通常，消费者会选择不同的咨询和产品选购方式，进而对产品功能产生不同的重视程度[24]。董晓松和张继好（2009）研究认为，产品涉入反映了产品相关的加工信息与消费者心理的契合程度，影响着消费者对商品的关注、兴趣及参与的程度[25]。高产品涉入度消费者在产品购买决策方面更加谨慎，也具有更加强烈的动机处理信息，往往愿意花费大量时间和精力搜集产品及服务信息，相对而言感知风险更高[26]。在个性化推荐情境下，平台所提供的个性化推荐服务作为外部信息来源之一，在与消费者的互动中必然会受到其关注，从而影响消费者的消费决策[15]。具体而言，高涉入度消费者更加愿意从不同渠道获取相关产品信息，而个性化推荐信息可以针对性推荐符合消费者偏好的产品信息，提高消费者信息搜集效率，降低感知风险，进而增强消费者对个性化推荐的感知价值及采纳意愿，即高涉入者对个性化推荐感知价值到采纳意愿的影响要大于低涉入者。据此，提出如下假设：

H2:产品涉入度在个性化推荐感知价值到采纳意愿关系中起正向调节作用；

H2a：产品涉入度在个性化推荐程序价值到采纳意愿关系中起正向调节作用；

H2b：产品涉入度在个性化推荐结果价值到采纳意愿关系中起正向调节作用；

H2c：产品涉入度在个性化推荐情感价值到采纳意愿关系中起正向调节作用。

（三）隐私关注的调节作用

随着网络信息技术迅速发展，隐私信息安全问题日益凸显，用户隐私关注问题也得到学术界越来越多的关注。Petronio（2002）将隐私关注定义为用户对网络环境中隐私安全的关心[27]。目前对隐私关注的相关研究国外多于国内，并且主要集中在社交网络方面，针对个性化推荐系统的用户隐私关注研究相对较少[28]。通常，使用隐私关注度来衡量消费者对信息隐私的关注、控制能力及感知态度，高隐私关注个体对于隐私信息的感知也更加敏感[28]，并且可能产生相应抗拒行为。保护动机理论认为，个体会根据自身对威胁的感知与评估决定是否采取保护行动[29]，自我决定理论也认为，个体在充分认识个人需要和环境信息的基础上会对自己的行动作出自由的选择。在网络情境下，不同学者从不同视角证明了隐私关注对于不同服务采纳意愿均有负向影响，如Sreenivasan 和Noor（2010）认为，隐私问题的关注程度负向影响消费者移动商务基于位置服务的意愿[30]；朱强等（2018）认为，隐私关注会对网络精准广告点击意愿产生负向影响[28]；郭飞鹏和琚春华（2018）将隐私关注作为中介变量，证实其会负向影响用户对MPS 采纳意愿[31]。综上，本文认为在个性化推荐下，高隐私关注者对于以获取自身隐私信息提供精准推荐的个性化服务会产生更多不安。据此，提出如下假设：

H3:隐私关注度在个性化推荐感知价值到采纳意愿关系中起负向调节作用；

H3a：隐私关注度在个性化推荐程序价值到采纳意愿关系中起负向调节作用；

H3b：隐私关注度在个性化推荐结果价值到采纳意愿关系中起负向调节作用；

H3c：隐私关注度在个性化推荐情感价值到采纳意愿关系中起负向调节作用。

根据已有研究及上述假设，构建研究模型如图1 所示。

图1 研究模型

三、研究设计

（一）变量测量与问卷设计

根据量表设计原则，本研究采用李克特七点评价量表，涉及的所有潜变量均由多个题项构成，且均采用国内外成熟量表题项。其中，个性化推荐感知价值参照董大海和杨毅（2008）开发的量表[18]，分别包括程序价值、结果价值及情感价值三个维度，共九个题项（PV1 到PV3、RV1 到RV3、EV1 到EV3）；产品涉入的测量选择Zaichkowsky（1994）的经典成熟量表[32]，并根据研究问题进行了适当调整，共三个题项（PI1-PI3）；隐私关注的测量选择Keng 和Zixing Shen（2003）针对网络隐私关注的成熟量表[33]，共四个题项（PC1-PC4）；个性化推荐采纳意愿则采用戴德宝等（2015）针对个性化推荐采纳的成熟量表[34]，共三个题项（AI1-AI3）。

（二）问卷收集

团购行业作为我国最早的O2O 行业之一，近年来呈快速爆发的趋势。据统计，2019 年我国团购行业市场交易规模达9650 亿元①。而在个性化推荐系统的发展方面，本地生活服务推荐领域率先进行了一系列探索，因此较其他平台更为成熟。鉴于此，本研究问卷的收集主要面向体验过团购平台个性化推荐服务的用户，通过线下与线上相结合的方式进行。数据收集时间为2019 年7 月到2019 年10 月，群体主要以在校学生及上班族为主。在预调研数据全部通过信效度检验后，共收集调查问卷498 份，剔除不合格问卷后剩余有效问卷456 份，问卷有效率为91.57%。数据均来自北京、上海、杭州及太原等一二线城市，其中男性与女性分别占比为46.41%、53.59%，性别较均衡；年龄在30 岁以下用户占78.69%；教育程度在专科及以上的占到91.25%，且所有被试均接触互联网较频繁并且体验过团购平台个性化推荐服务。

四、实证分析

本研究通过使用SPSS23.0 及AMOS22.0 软件对相关数据进行检验，所有数据均通过偏度及峰度检验，符合正态分布，可进行下一步检验。

（一）信度及效度检验

信度主要通过Cronbach’s α 系数进行判断，Cronbach’s α 系数大于0.7 说明数据具有较高信度，小于0.7 则表明可靠性较低。从表1 可知，本研究问卷所有变量对应数据的Cronbach’s α 系数均大于0.7，具有较高信度。

表1 数据信度分析

效度可分为内容效度、收敛效度及区分效度。在内容效度方面，本研究涉及的核心变量的测量量表均来自国内外学者开发的成熟量表，经大量学者研究论证表明均具有较高内容效度；在收敛效度方面，通过AMOS 软件进行验证性因子分析，分析变量构成的模型拟合指标、标准化因子载荷（STD）、多元平方相关系数（SMC）及所计算出的组合信度（CR）及平均提取方差（AVE）判断数据收敛效度。表2 和表3 分别列示了验证性因子分析指标情况和收敛效度分析指标，由表中数据可据，本研究模型各拟合指标均良好，且标准化因子载荷STD 均大于0.7，多元平方相关系数SMC 均大于0.5、组合信度大于0.8、平均提取方差大于0.5，说明数据收敛效度较好。

表2 验证性因子分析

表3 收敛效度分析

在区分效度方面，可通过比较AVE 平方根与变量间相关系数大小对区分效度进行验证。如表4 所示，本研究数据AVE 平方根均大于变量间相关系数，说明不同构念可以有效区分，具有良好的区别效度。

表4 区分效度分析

（二）假设检验

利用AMOS22.0 软件绘制个性化推荐感知价值与采纳意愿的结构方程模型图（图2 和图3），整体模型拟合评价良好，进而通过路径系数及显著性对本研究假设进行验证，结果如表5。

由表5 可知，个性化推荐感知价值（β=0.875，p<0.001）对个性化推荐采纳意愿具有显著正向影响，程序价值（β=0.252，p<0.001）、结果价值（β=0.411，p<0.001）、情感价值（β=0.306，p<0.001）也均对个性化推荐采纳意愿有显著正向影响，H1 及三个子假设得到验证。

表5 个性化推荐感知价值、采纳意愿维度层面模型假设检验结果

（三）调节效应检验

通过层级回归方法检验产品涉入的调节效应，将自变量及调节变量标准化，依次将个性化推荐感知价值三个维度及调节变量加入模型。具体操作如下：将自变量及调节变量标准化，首先将个性化推荐感知价值三个维度作为自变量放入因变量为采纳意愿的回归方程中，记为模型I；再加入产品涉入这一调节变量，记为模型II；最后分别加入程序价值、结果价值、情感价值与产品涉入的交互项，记为模型III。同理，对隐私关注做上述调节检验处理，即分别加入隐私关注、隐私关注与感知价值三个维度的交互项，依次记为模型IV 和模型V。检验结果如表6 所示，表中数据为各回归模型中对应变量的回归系数。

由表6 可知，随着交互项加入，R2增大，交互项加入后模型解释力分别提升了8.5%和6.1%，达到39.6%和45.4%。由标准化交互项系数可知，产品涉入度在个性化推荐程序价值（β=-0.169，p<0.001）、结果价值（β=-0.120，p<0.001）、情感价值（β=-0.146，p<0.001）到个性化推荐采纳意愿过程中起负向调节作用，与H2假设不符；隐私关注在个性化推荐程序价值（β=-0.112，p<0.001）、结果价值（β=-0.146，p<0.001）、情感价值（β=-0.111，p<0.001）到个性化推荐采纳意愿过程中起负向调节作用，H3 假设得到验证，两个变量的调节效应如图4 和图5。

图2 个性化推荐感知价值三个维度与采纳意愿的结构方程模型图

图3 个性化推荐感知价值与采纳意愿的结构方程模型图

五、研究结论与管理启示

（一）研究结论

通过实证分析，可得出如下结论：第一，个性化推荐感知价值及其三个维度即程序价值、结果价值、情感价值，均对采纳意愿具有显著正向影响。其中，个性化推荐结果价值对采纳意愿影响最强，情感价值次之，过程价值最弱。由此结论可知，消费者更加看重个性化系统推荐的产品质量及是否有助于其进行决策，对推荐系统功能便捷性及高效性的感知评价则相对较弱。究其原因，网络环境下消费者感知价值是其对使用网络渠

道达成消费目的和意图的程度的偏好和评价。在个性化推荐场景下，消费者使用推荐系统的目的即为获取信息，因此，推荐信息的质量相较于推荐中的便捷性、愉悦性感知而言，对于消费者决策的影响无疑是最重要的。第二，隐私关注在个性化推荐感知价值对采纳意愿的影响中起负向调节作用，即高隐私关注的消费者会降低感知价值对采纳意愿的影响。这是因为个性化推荐系统典型特点之一即为获取用户搜索行为并以此为参考进行分析处理，会使消费者产生个人隐私遭到平台侵犯的感知[11]，因此可以认为推荐系统的安全和隐私问题是阻碍其发展的重要瓶颈。第三，产品涉入在个性化推荐感知价值对采纳意愿的影响中起负向调节作用，即高产品涉入的消费者反而会降低感知价值对采纳意愿的影响。可能的原因是：随着信息技术的发展，推广手段越来越丰富，消费者每日都要面对及筛选庞大且繁杂的信息。高产品涉入的消费者相对于低产品涉入消费者而言，一方面，他们对于这些信息的处理经验及判断能力更强，产品类别知识储备也更多，相应戒备心理也更强。他们更倾向于依赖自己的产品知识来进行决策[7]，不会盲目信任个性化推荐的产品及服务信息；另一方面，个性化推荐信息的传达方式以及信息窄化后的劝说意图过于明显，容易让消费者产生操纵意图推断[9]，因此造成了推荐的感知价值下降，制约了采纳意愿。

表6 调节效应检验结果

图4 产品涉入度调节效应图

图5 隐私关注调节效应图

（二）管理启示

1.提升用户个性化推荐感知价值

在程序价值方面，团购平台首先应对消费者交易的阶段进行区分，在不同阶段进行不同强度及不同侧重的个性化推荐[35]，如在信息集合阶段，以引导及刺激为主，进行大集合个性化推荐，增加产品及服务可选性；在决策集合阶段，通过针对性推荐小集合信息帮助消费者决策，从而促进采纳意愿，实现较好的用户体验及营销效果。其次，提供热门定制、每日推荐等多渠道推荐服务，由消费者自由选择接收哪些推送渠道、何时接收等，满足其不同需求。最后，增强个性化推荐系统稳定性、提高推荐信息的质量，降低消费者使用个性化推荐过程中时间及信息成本，打造高效、便捷的服务，从而提升采纳意愿。

在结果价值方面，团购平台汇集大量商家数据，应以消费者为核心，从其感知及偏好出发，避免主观性推荐。这就要求平台一方面要定期对消费者调研获取反馈，结合社会经济环境特点，及时对个性化推荐服务进行升级，调整推荐侧重点；另一方面要通过内部改制或外部合作的方式提升专业信息能力，优化个性化推荐模型、算法及数据处理效率，进一步增强推荐信息的准确性，促进采纳意愿的提升。

在情感价值方面，界面亲和是唤起消费者积极情感体验的基础[1]，团购平台应准确识别用户偏好，提升界面设计的易用性，满足用户人性化需求，着重打造良好人机交互的高体验推荐系统。如对展示的产品或服务不只进行简单罗列，而是搭配简要说明并依据消费者偏好程度进行位置排列，提升消费者获取信息的效率；利用图片、音频、视频等多媒体组合方式加强消费者情境化体验，加深其对产品及服务的印象等，令其产生兴趣与愉悦感，最终提升采纳意愿。

2.消除用户个性化推荐戒备心理

通过实证研究发现，产品涉入度会负向调节消费者个性化推荐感知价值与采纳意愿的关系。基于此，团购平台应加强与消费者的沟通与互动，针对高产品涉入程度的消费者，不仅要优化个性化推荐相关流程，更要着重塑造良好的网络口碑及平台形象，打造真实有效的线上线下信用评级机制。通过VR、AR 等信息技术提升用户真实体验感，令消费者在浏览所推荐信息的时候能够真实判断产品及服务的优劣，从而提高其价值认知，消除其戒备心理，进而提升个性化推荐服务的采纳意愿。

3.改善用户个性化推荐隐私保护水平

安全是用户进行移动商务的根本保障。首先，相关政府部门应完善法律法规，约束相关平台，严厉打击泄露用户信息的行为。其次，隐私倾向越高的用户越担心自己信息被收集[31]，平台应通过调研充分了解用户的需求，在与消费者交互的过程中建立信任与透明的关系，引导其明确自身哪些信息可能会被个性化推荐系统收集采纳，确保消费者知情权，增强其自我效能感，进而降低感知风险及负面信任，提升采纳意愿。再者，平台应建立相关信息安全部门，打造信息安全防御系统，制定防御机制，防止内外部不正当访问等导致的隐私泄露，定期发布隐私安全公告，更好保护用户隐私。最后，赋予消费者用户查询、删除等平台个人信息处理权力，注重反馈，改变以往被动的隐私保护观念，从而提升个性化推荐的感知价值，促进采纳意愿。