认知负荷视角下个性化推荐系统选择过载效应研究

2022-03-24陈梅梅周雪莲

经济与管理 2022年2期

陈梅梅,周雪莲

(东华大学旭日工商管理学院,上海 200051)

一、引言

个性化推荐系统是满足在线用户个性化需求和减少因信息过载导致额外的用户努力的重要工具。推荐列表是向用户输出推荐结果的交互设计因素,列表的长度即推荐规模是影响用户体验的重要因素之一。不同网购平台上的推荐规模不尽相同,如:淘宝商品详情页中店铺推荐数为6 件;当当网“购买此商品的顾客还购买过”的推荐列表有10 件商品,而“浏览此商品的顾客也同时浏览”的推荐列表中商品数量则多达16 件。传统消费领域的研究表明:过多选项会导致选择过载效应,导致决策的响应时间更长、决策满意度更低以及失望与后悔等负面情绪。因此,在个性化推荐系统普遍应用的今天,推荐规模是否同样会导致选择过载效应,值得深入研究。

在推荐规模相关研究中,Willemsen et al.通过电影推荐的实验研究发现,针对大项目集合,通过增加推荐列表中项目的多样性可以提高用户感知多样性和吸引力,从而降低感知选择难度,提高满意度。Bollen et al.研究发现当推荐规模扩大时,用户对推荐列表增加的感知吸引力会被增加的感知选择难度所抵消。陈梅梅等从用户体验的角度研究了推荐规模对用户感知和决策的影响,行为学实验结果显示推荐规模对用户决策存在显著影响,但没有进一步对推荐规模在不同控制变量下选择过载效应的客观规律进行深入研究。

认知负荷理论认为,当人们在进行认知加工活动时所需要的认知资源超出了人们拥有的认知资源总量时就会产生认知超载。马继伟等在选择过载效应研究述评中主张认知负荷理论是选择过载效应的作用机制。因而,从认知负荷视角研究推荐系统的选择过载效应具有重要的理论和现实意义。本文引入认知负荷作为因变量,借助主观调查和行为学实验从以下三个方面揭示研究个性化推荐系统中选择过载效应的机制及客观规律:(1)推荐规模是否影响以及如何影响用户认知负荷和决策,尤其在不同时间压力下;(2)认知负荷如何通过影响决策过程进而影响决策结果;(3)产品类型和认知需求对选择过载效应是否具有调节作用。

二、研究假设

选择过载是用户与系统交互时进行决策过程中产生的效应。根据Xiao et al.的概念模型、陈明亮等的推荐代理模型,推荐系统的输出特征会影响用户的决策过程和决策结果,并且会受到产品特征和用户特征的影响;决策过程包括选择意向、决策努力,能够反映用户因为选择过载效应产生规避行为的倾向;决策结果包括决策质量和决策自信,能够一定程度反映用户因选择过载效应产生失望、后悔等负面情绪的影响。综上,结合认识负荷理论,基于用于解释环境特征影响用户心理活动和行为的SOR 模型,构建了如图1 所示的研究假设模型。

图1 推荐规模影响用户认知负荷和决策的研究模型

Iyengar et al.认为当备选商品数量增加时,用户比较商品的时间和精力都会增加。Diehl et al.发现当用户面对很多商品但没有找到符合期望的商品时,失望会更强烈。Reutskaja et al.认为推荐数量增加,用户满意度会增加到一定程度后逐渐下降。王芳等认为任务的复杂度会影响用户对外部信息的需求程度,从而影响其获取信息的努力水平以及质量。Swar et al.在研究用户在线信息检索行为时发现,信息超载引发的认知负荷会显著影响用户对所检索信息的选择意向。综上,提出以下研究假设:

H:推荐规模扩大对用户决策存在显著负向影响;

H:推荐规模扩大对用户认知负荷存在显著正向影响;

H:认知负荷对用户决策存在显著负向影响;

H:认知负荷对选择意向存在显著负向影响;

H:认知负荷对决策努力存在显著负向影响;

H:认知负荷对决策质量存在显著负向影响;

H:认知负荷对决策自信存在显著负向影响。

刘金平等研究情境启动和认知需要对决策的影响时发现,在决策中的信息加工受情境和个体差异共同影响。王崇梁等认为认知需求是一种与个体、与认知负荷密切相关的稳定人格特征,认知需求不同的个体对信息加工的努力程度不同,其所承受的认知负荷也不同。高认知需求者会更主动地投入到认知任务中搜寻与加工处理信息并进行深入思考,愿意为获取信息花费更多时间与精力,并享受这一思考过程,从而极大地降低认知负荷。因此,提出以下研究假设:

H:认知需求对推荐规模与认知负荷之间的影响关系有负向调节作用;

H:认知需求对推荐规模和用户决策之间的影响关系有正向调节作用。

刘彤等认为用户对不同品类商品的加工程度所消耗的认知资源不同,从而导致其决策行为也不同。根据产品属性可将产品类型划分为享乐品和实用品:享乐品指感官或情感上能带来美学体验,能提供更多快乐感受的产品;实用品则指基于理性认知,用于完成任务的功能性产品。Snelders et al.研究表明消费者对实用品和享乐品决策时关注的信息存在显著差异,相比享乐品,对于实用品消费者会投入较多认知资源进行更深入的信息收集和认知加工。姚卿等也发现消费者选择享乐品和实用品时的认知不同,会导致后续购买行为的差异。据此,提出以下研究假设:

H:产品类型对推荐规模与认知负荷之间的影响关系有调节作用;

H:产品类型对推荐规模与用户决策之间的影响关系有调节作用。

Xiao et al.的概念模型及陈明亮等的推荐代理模型表明,决策过程会显著影响决策结果,根据本文研究模型中认知负荷与决策间的交互关系,存在中介效应的可能,由此提出以下研究假设:

H:决策过程能够显著正向影响决策结果;

H:决策过程在认知负荷和决策结果之间存在显著的中介作用;

H:选择意向在认知负荷和决策质量之间存在显著的中介作用;

H:选择意向在认知负荷和决策自信之间存在显著的中介作用;

H:决策努力在认知负荷和决策质量之间存在显著的中介作用;

H:决策努力在认知负荷和决策自信之间存在显著的中介作用。

三、研究方法

本文基于情境实验的主观调查和行为学实验,从认知负荷的视角展开推荐系统选择过载效应的实证研究。

1.变量说明。研究变量的详细解释与设计说明如表1 所示。

表1 变量解释与设计说明

2.实验设计。采用2×2 多因素混合实验设计。按产品类型进行组间设计,被试只需要参加享乐品或实用品中任一组实验;推荐规模为组内变量,长、短列表随机呈现,被试分别完成长、短推荐列表下购买决策的实验任务。为避免被试在进行先后两次购买决策时产生厌烦情绪和思维定势,选择同一产品类型的不同产品作为两种推荐规模的实验素材。

3.实验素材与被试选择。用户对选项没有明显偏好为研究选择过载效应的前提之一,刘利梅在用户对日用品、图书和3C 产品的偏好调查中发现用户对日用品和图书的偏好水平最低,所以本文选择文学和小说类图书作为享乐品的实验素材,选择筷子和玻璃杯作为实用品的实验素材。

针对4 种商品的候选素材,借鉴胡家境等检验被试偏好差异的方法,先根据网络评分和价格,筛选出200 件差异均不超过20%的商品;再爬取这200 件商品的评论信息。借鉴张丽等的方法对这4 种商品分别筛选出用户偏好差异最低的30 件商品并随机排序,作为长列表实验素材;30 件商品按照偏好得分高低排序,等距地分为6 组,每组中随机选择一件商品共6 件作为短列表的实验素材。

被试主要以在校本科生和研究生为主,该群体是网络购物的主流群体,相对较熟悉个性化推荐系统的使用,不仅具有相似的人口统计学特征,而且需求偏好及购买力差异不大。

4.行为学实验实施。利用E-prime 软件实现了模拟个性化推荐情景的实验流程,被试需要根据推荐选择感兴趣的商品加入收藏夹,软件记录实验任务的决策响应时间RT、选择结果RESP 等行为数据,并且根据选择结果RESP 占列表中商品总数的比值计算得到搜索深度SD,以客观测量认知过程的负荷水平。参加行为实验的被试共389 人,剔除实验整体时间过长或过短的无效数据后,共获得766条有效实验数据,有效率达98.5%,其中,长、短列表下各383 条有效数据,不同认知需求的样本情况详见表2。

表2 有效样本详情

前测实验中按两种产品类型各随机挑选20 名被试的练习模块的行为数据进行信度分析,发现RT、RESP 以及SD 的Levene 统计量的

值都大于0

05,具备方差齐性,并且组间差异的

值全部大于0

05,组间效应不显著,反映了被试的行为数据具有稳定性,行为学实验设计有效。

5.问卷调查实施。在行为实验以外还进行了大样本问卷调查,包括被试的认识需求类型的量表测试、针对不同产品类型下认知负荷水平的主观调查。问卷通过问卷星平台在线发放、回收,先利用完成问卷的时间以及测量认知需求水平的正反面题项作为甄别题目剔除无效问卷,再考虑两类认知需求的样本的均衡后,最终得到有效问卷为享乐品情景下390 份、实用品情景下392 份,其中不同认知需求者的样本情况如表2 所示。

主观调查问卷 Cronbach's α 最低为 0.803>0.8,各变量的题项对相应因子累计解释方差百分比最低为63.896%>50%,表明问卷数据具有良好的信效度。

四、假设检验

(一)选择过载效应检验

1.基于主观调查数据。为了检验推荐规模的不同水平下因变量的总体分布是否有显著差异,可以通过单因素方差分析和非参数检验来分析。方差分析要求数据需要服从正态分布和方差齐性的要求,大样本数据可视为近似服从正态分布,所以当数据满足方差齐性时可使用单因素方差分析;不满足方差齐性时采用非参数检验。

通过均值计算将认知负荷和决策变量转化为显变量,检验转化后变量数据,发现认知负荷、选择意向、决策努力和决策自信满足方差齐性要求,因此对这些变量进行单因素方差分析。认知负荷、选择意向、决策努力和决策自信的单因素方差分析结果如表3 所示。

从表3 可知,不同推荐规模下用户的认知负荷、选择意向、决策努力和决策自信均存在显著差异(

=0.000<0.05)。为了解不同推荐规模下这些变量的具体差异,对认知负荷、选择意向、决策努力和决策自信进行描述性统计,结果如表4 所示。

表3 单因素方差分析结果

表4 满足方差齐性变量的描述性统计

从表4 可知随着推荐规模的扩大,用户认知负荷显著增加,选择意向、决策努力和决策自信均显著降低。检验显变量转化后数据发现决策质量不满足方差齐性的要求,因此对决策质量进行非参数检验,结果发现不同推荐规模下决策质量均存在显著差异(

=0.000<0.05),通过描述性统计结果发现推荐规模扩大时,用户的决策质量显著降低。因此,H和H成立。2.基于行为学实验数据。对满足方差齐性的决策质量的行为学数据进行单因素方差分析,结果如表5 所示,可知不同推荐规模下用户的决策质量存在显著差异(

=0.000<0.05)。

表5 决策质量的单因素方差分析

采用两样本非参数检验对响应时间

、选择结果

RESP

、搜索深度

、决策自信等变量进行分析,结果显示不同推荐规模下

、

RESP

、

和决策自信均存在显著差异(

=0.000<0.05)。决策质量、

、

RESP

、

和决策自信的描述性统计结果如表6 所示。由表6 可见,推荐规模会直接对用户认知负荷和决策产生影响:用户决策质量和决策自信都随着推荐规模的扩大而显著降低,

随着推荐规模的扩大显著增加,而

RESP

虽然有所增加,但是

明显降低。因此,H和H成立。

表6 各变量的描述性统计

(二)认知负荷对用户决策的影响

为研究用户认知负荷和决策变量之间关系,利用AMOS 建立结构方程模型对研究假设进行检验,基于问卷调查获得的大样本数据进行模型的拟合,结果如表7 所示,拟合效果较好。显著性水平达到1%上的用户认知负荷与决策之间影响关系的路径系数如图2 的结构方程模型所示。

表7 模型拟合结果

由图2 可知:(1)认知负荷显著负向影响选择意向、决策努力、决策自信,H、H和H均成立。(2)认知负荷对决策质量存在负向影响,但影响不显著(

=0.09),H不成立。(3)选择意向和决策努力均显著正向影响决策质量和决策自信,H成立。

图2 结构方程模型

(三)决策过程变量的中介效应检验

本文采用温忠麟等的方法进行中介效应的检验,表8 反映了各变量间的影响效应。

表8 各变量间的影响效应

从表8 可知:(1)认知负荷对决策质量影响的直接效应(-0.043)在0.05 的水平上不显著(

=0.099),不满足中介效应分析的前提条件,H和H不成立。(2)认知负荷与决策自信之间存在显著的(

=0.036)直接效应(-0.058),同时也存在显著的(

<0.00)间接效应(-0.204),且认知负荷对选择意向存在显著的(

<0.00) 的负向影响(-0.233),认知负荷对决策努力存在显著的(

<0.00)的负向影响(-0.213),选择意向对决策自信存在显著的(

<0.00)的正向影响(0.438),决策努力对决策自信存在显著的(

<0.00)的正向影响(0.479)。因此,在0.05 的显著性水平上,认知负荷能通过选择意向和决策努力的中介作用影响决策自信,H和H成立,如图3 和图4 所示。

图3 选择意向的中介作用

图4 决策努力的中介作用

(四)调节效应检验

采取温忠麟等方法进行调节效应检验。将认知需求和产品类型转换为伪变量,高、低认知需求编码分别为1 和0,享乐品和实用品编码分别为1和0;通过均值计算将潜变量转化为显变量并标准化,使用PROCESS 2.1 得出结果。

1.用户认知需求的调节作用。基于主观调查数据的统计检验发现:推荐规模与认知负荷的直接效应受认知需求显著(

<0.05)负向调节(-0.846);推荐规模与选择意向(0.802)、决策努力(0.734)、决策质量(0.346)、决策自信(0.323)的直接效应受认知需求显著(

<0.05)正向调节。通过回归分析发现:扩大推荐规模时,低认知需求者的认知负荷(0.480)比高认知需求者的认知负荷(0.275)更强;低认知需求者的选择意向(-0.632)、决策努力(-0.574)、决策质量(-0.667)、决策自信(-0.647)比高认知需求者的选择意向(-0.219)、决策努力(-0.187)、决策质量(-0.098)、决策自信(-0.158)更低。基于行为学实验数据的统计检验发现:推荐规模与响应时间

(1 083.794)、决策质量(0.856)、决策自信(0.335)的直接效应受认知需求显著(

<0.05) 正向调节;推荐模型与选择结果

RESP

(-0.166)、搜索深度

(-0.012)的直接效应不受认知需求(

>0.05)调节。通过回归分析发现:高认知需求者的

、决策质量和决策自信在两种推荐规模下都显著高于低认知需求者;虽然认知需求对推荐规模与

RESP

、

之间的影响关系不存在显著调节作用,但高认知需求者的

RESP

、