基于SEM和神经网络的移动社交电商用户隐私信息披露意愿研究

摘要：在移动社交电商情境中，用户的交互方式发生改变，个人隐私信息安全问题凸显，上述变化将会对用户的隐私信息披露意愿产生重要影响。为了探究移动社交电商用户隐私信息披露意愿的影响因素，本文基于S-O-R理论建立结构方程模型，旨在探究影响用户隐私信息披露意愿的影响因素及其作用机理。结果表明隐私政策有效性、隐私设置有效性、信息交互、情感交互等因素均正向显著影响用户隐私信息披露意愿。在此基础上，基于平台特征和用户感知收益构建了GA-BP神经网络预测模型，并针对不同预测结果提出具体应对措施。最终，文章从隐私信息安全保障和平台个性化服务等方面提出促进移动社交电商平台可持续发展的建议。

关键词：移动社交电商；隐私信息披露意愿；SEM结构方程模型；GA-BP神经网络

中图分类号：F713.55文献标志码：A文章编号：2095－414X（2024）05－0085－10

0引言

移动社交电子商务以传统电子商务为基础，近年来得到了蓬勃发展。在移动社交电子商务情境下，用户作为信息产生和传播的主体，其个人信息在平台运转过程中的重要性愈发凸显。但是，目前各移动社交电商平台的隐私保护相关法律法规仍不完善，个人隐私泄露事件频发，严重制约着用户隐私信息披露。因此，探究移动社交电商用户隐私信息披露意愿的影响因素，厘清隐私信息披露意愿的影响机理；在此基础上对消费者的隐私信息披露意愿进行预测，针对预测结果采取相应措施，对于促进移动社交电商平台的可持续发展具有重要意义。

移动社交电子商务在传统电子商务的基础上，充分结合了社交媒体和在线电商的技术特点，随着移动终端设备的普及而蓬勃发展。移动社交电商通过社交媒介与传统电子商务渠道，利用消费者交互与商务信息传播从而促进商品或服务购买销售的新型商务模式[1]。当前，移动社交电子商务主要分为三种类型：（1）以微信和微博为代表融入商务属性的移动社交媒体平台；（2）以拼多多和淘宝为代表融入社交属性的移动电商平台；（3）以小红书为代表同时融合了社交属性和商务属性的第三方平台[2]。

在移动社交电子商务环境中，用户隐私信息在平台中不断流通从而促进群体互动与消费，平台通过分析隐私信息进行商品或热点话题推送，用户隐私信息对平台发展的重要性逐渐凸显。Banisar和Davies将个人隐私信息划分为信息隐私、通讯隐私、空间隐私以及身体隐私等四个维度[3]。郝森森基于移动APP的特点进一步指出，移动社交用户隐私信息包括特征信息、偏好信息、财务信息和通讯信息等[4]。结合移动社交电子商务的具体情境，本文认为移动社交电子商务用户隐私信息应包括个人身份信息、财务信息、通讯记录、偏好信息、网页浏览记录及实时位置等。随着互联网技术的不断发展，隐私信息相关研究的应用场景有诸多创新，隐私信息披露意愿相关研究受到了国内外学者的密切关注。

隐私信息披露强调用户允许相关平台使用自己的隐私信息或主动将隐私信息披露给商家供其收集和使用[5]。国内外学者从用户、平台和社会三个维度探讨了移动社交电商用户隐私信息披露意愿的影响因素，明确了隐私顾虑[6]、感知收益[7]10-12、性格特征[8]、平台质量[9]、隐私政策[10]、主观规范和社会规范[11]等因素对隐私信息披露意愿具有显著影响。

纵观学术界现有研究成果，大多是单一地从用户、平台和社会维度探究隐私信息行为和披露意愿的影响因素和作用路径，从移动社交电商平台和用户自身的综合视角出发探究网络用户隐私信息披露的机理和作用路径的研究较少。因此，本文利用控制代理理论和交互理论概括网络平台相关因素，利用隐私计算理论表现用户自身隐私顾虑和感知收益的权衡，旨在深入探究移动社交电商用户隐私信息披露意愿的形成机理。

1理论模型构建

1.1研究变量定义

基于前文对相关研究的梳理，结合移动社交电商平台的具体情境和新特点，本文选取隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化、隐私顾虑、感知收益和隐私信息披露意愿为研究变量。具体研究变量定义如下：

（1）隐私政策有效性：隐私政策有效性指移动社交电商平台为保护用户个人信息所做出的信息收集与信息使用相关承诺的有效程度。（2）隐私设置有效性：隐私设置有效性指移动社交电商平台采取的隐私设置功能允许用户自主控制个人信息的有效程度。（3）信息交互：信息交互指移动社交电商用户间的交流和互动，侧重于产品信息和服务功能的信息交流。（4）情感交互：情感交互指移动社交电商用户间的情感交互，侧重于支持和鼓励等情感层面的交流。（5）个性化：个性化指移动社交电商通过了解用户喜好和行为，向用户提供具有针对性的内容和服务以及根据用户需求和意愿对服务内容做出相应调整。（6）隐私顾虑：隐私顾虑指移动社交电商用户对个人隐私信息泄露的忧虑和关注。（7）感知收益：感知收益指移动社交电商用户对隐私信息披露的收益感知，包括经济性收益和社会性收益等一系列收益。（8）隐私信息披露意愿：隐私信息披露意愿指移动社交电商用户对自己各类隐私信息进行主动披露的行为意愿。具体研究变量的测量题项如表1所示。

1.2研究模型构建

本文以S-O-R理论为基础，结合控制代理理论、交互理论、隐私计算理论，综合考虑移动社交电商平台因素和用户感知因素，构建移动社交电商用户隐私信息披露意愿影响因素的研究模型，如图1所示。

1.3研究假设

1.3.1直接效应

（1）隐私保障

隐私政策有效性反映了平台对用户隐私保护承诺的遵守程度，有效的隐私政策能够消除用户对隐私风险的顾虑，进而提升用户个人隐私信息的披露意愿。隐私设置的有效性反映了平台给予用户自主控制个人隐私信息的权限大小[12]。Gong等基于控制代理理论指出，隐私设置有效性和隐私政策有效性均能够通过消除用户的隐私顾虑进而提升用户个人隐私信息的披露意愿[13]。据此，本文提出如下假设：

假设H1：隐私政策有效性正向影响隐私信息披露意愿。

假设H2：隐私设置有效性正向影响隐私信息披露意愿。

（2）交互

在移动社交电商平台中，交互可分为信息交互和情感交互，当用户间互动更频繁时，用户更愿意增加自我信息披露的数量；同时，用户社交互动能够促进用户信息自我披露的深度和广度。各类移动平台广泛地通过个性化服务来满足用户多样化需求，从而提升用户的感知收益和价值[14]，根据用户的偏爱喜好提供商品和服务。多位学者通过研究发现，平台的个性化商品服务能够提升用户个人隐私信息的披露意愿[15-16]。据此，本文提出如下假设：

假设H3：信息交互正向影响隐私信息披露意愿。假设H4：情感交互正向影响隐私信息披露意愿。假设H5：个性化正向影响隐私信息披露意愿。

（3）隐私计算

研究发现，用户的隐私信息披露意愿是在进行成本—收益权衡后产生的[17]。隐私顾虑是隐私信息披露意愿的关键前因变量，在不同的网络情境下，隐私顾虑会降低隐私信息披露意愿。感知收益是指用户在进行隐私信息披露时所感知到的收益，在不同的情景下，均

能够对用户的隐私信息披露意愿产生正向影响[18-19]。

据此，本文提出如下假设：

假设H6：隐私顾虑负向影响隐私信息披露意愿。假设H7：感知收益正向影响隐私信息披露意愿。

1.3.2中介效应

（1）隐私计算在隐私政策有效性和隐私信息披露意愿间的中介作用

隐私政策是移动社交电商平台承诺对用户进行隐私信息保护的协议性文件，当网络平台明确地告知用户将会如何使用其隐私信息并承诺对隐私信息进行保护时，用户会感受到较高的隐私政策有效性[20]。Chang等研究发现，有效的隐私政策能够显著地降低用户感知风险，进而减轻隐私顾虑[21]；同时，Zhu等研究发现在移动电商平台中，隐私政策有效性对用户信息披露的感知收益具有正向促进作用[7]7-9。据此，结合假设H6和假设H7，提出以下假设：

假设H8a：隐私顾虑在隐私政策有效性和隐私信息披露意愿之间起中介作用。

假设H8b：感知收益在隐私政策有效性和隐私信息披露意愿之间起中介作用。

（2）隐私计算在隐私设置有效性和隐私信息披露意愿中的中介作用

隐私设置包括信息控制和信息透明度等内容，当平台隐私设置有效性较高时，用户能够自主控制个人隐私信息的披露程度。有效的隐私设置能够让用户对个人隐私信息的传播范围具有一定控制能力，降低用户对于隐私泄露的担忧和顾虑，促进与其他用户进行信息情感交流，从而提升用户隐私信息的披露意愿[22-23]。据此，结合假设H6和假设H7，提出以下假设：

假设H9a：隐私顾虑在隐私设置有效性和隐私信息披露意愿之间起中介作用。

假设H9b：感知收益在隐私设置有效性和隐私信息披露意愿之间起中介作用。

（3）隐私计算在信息交互和隐私信息披露意愿中的中介作用

信息交互是移动社交电商用户之间关于产品信息、服务功能、购物经验等方面的交流和互动，平台和用户间的互动能够显著降低用户隐私顾虑。Zhu等验证了在不同情境中信息交互能够正向显著用户感知收益[7]7-10。据此，结合假设H6和假设H7，提出以下假设：

假设H10a：隐私顾虑在信息交互和隐私信息披露意愿之间起中介作用。

假设H10b：感知收益在信息交互和隐私信息披露意愿之间起中介作用。

（4）隐私计算在情感交互和隐私信息披露意愿中的中介作用

情感交互与信息交互类似，有助于建立用户之间的信任。周涛等指出在线社区用户进行的情感交互能够使其产生一种情感依赖，降低对于隐私风险的担忧，同时提高用户的感知收益[24]。与假设H8a和H8b类似，情感交互通过减轻隐私顾虑、增加感知收益，进而提升用户的隐私信息披露意愿。据此，结合假设H6和假设H7，提出以下假设：

假设H11a：隐私顾虑在情感交互和隐私信息披露意愿之间起中介作用。

假设H11b：感知收益在情感交互和隐私信息披露意愿之间起中介作用。

（5）隐私计算在个性化和隐私信息披露意愿中的中介作用

个性化是指移动社交电商平台通过了解用户喜好和行为，向用户提供具有针对性的内容和服务。但是，个性化在提升服务质量的同时，必然要求用户披露更多的隐私信息，进而引发用户的隐私顾虑。李凯等在不同的情景下，分别证实了个性化推荐对感知收益和感知隐私风险均有正向显著影响[25]。据此，结合假设H6和假设H7，提出以下假设：

假设H12a：隐私顾虑在个性化和隐私信息披露意愿之间起中介作用。

假设H12b：感知收益在个性化和隐私信息披露意愿之间起中介作用。

2移动社交电商用户隐私信息披露意愿影响机理的分析

2.1数据来源

本研究主要采用“问卷星”线上问卷收集软件进行数据收集，总共回收550份问卷，有效问卷531份，问卷有效回收率为96.5%，问卷数量满足标准可以继续开展下一步的数据分析。

2.2信度效度检验

2.2.1信度检验

本文利用SPSS26.0对各变量量表的信度进行测量，隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化、隐私顾虑、感知收益以及隐私信息披露意愿的Cronbach’s Alpha值分别为0.837、0.820、0.880、0.864、0.869、0.894、0.835以及0.897。由数据结果可知，本研究的各项变量的α值均大于0.8，表明具有良好的信度。

2.2.2效度检验

对回收数据进行KMO和Bartlett球形检验，问卷整体的KMO值为0.899，大于0.8；巴特利特球形检验的Sig值为0.000，符合进一步开展因子分析的条件。

对隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化、隐私顾虑、感知收益和隐私信息披露意愿8个变量包含的29个测量题项进行验证性因子分析。其中，隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化、隐私顾虑、感知收益和隐私信息披露意愿的组合信度（CR）依次为0.869、0.845、0.901、0.883、0.909、0.883、0.833和0.830，均大于0.7；平均方差抽取值（AVE）依次为0.688、0.645、0.645、0.715、0.769、0.653、0.555和0.550，均大于0.5，表明数据具有良好的收敛效度。

对隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化、隐私顾虑、感知收益和隐私信息披露意愿8个变量进行区分效度分析。结果显示每个变量的平均方差抽取值（AVE）均大于相应变量间的相关系数，表明各变量间具有良好的区分效度。

2.3直接效应检验

本文基于SPSS26.0软件，将性别、年龄、收入水平、学历、隐私受侵犯频率等作为控制变量，将隐私信息披露意愿作为因变量，在控制变量的前提下，将隐私政策有效性、隐私设置有效性、信息交互、情感交互、个性化等作为自变量，利用层次回归分析法探究各个变量之间的关系，验证研究模型和部分研究假设。具体分析结果如表2所示。

研究结果表明，隐私政策有效性、隐私设置有效性、信息交互、情感交互和个性化等自变量均正向显著影响隐私信息披露意愿；将自变量、隐私顾虑和感知收益共同代入回归方程后，对隐私信息披露意愿的预测作用显著。此外，隐私政策有效性、隐私设置有效性和情感交互对隐私顾虑的负向作用显著；信息交互和个性化的作用不显著；隐私设置有效性、信息交互、情感交互和个性化对于感知收益的正向作用显著；隐私政策有效性的作用不显著。

2.4中介效应检验

本文基于PROCESS3.5插件的Model4中介模型，使用Bootstrap法检验隐私顾虑和感知收益在各个自变量和隐私信息披露意愿间的中介效应。

2.4.1隐私政策有效性到隐私信息披露意愿间的中介效应检验

将隐私政策有效性作为自变量，隐私信息披露意愿作为因变量，隐私顾虑作为中介变量M1，感知收益作为中介变量M2；同时将性别、年龄、收入、学历水平、隐私受侵犯频率以及隐私设置有效性、信息交互、情感交互、个性化作为控制变量，进行隐私顾虑和感知收益在隐私政策有效性与披露意愿之间的中介效应检验。2.4.2隐私设置有效性到隐私信息披露意愿的中介效应检验将隐私设置有效性作为自变量，隐私信息披露意愿作为因变量，隐私顾虑作为中介变量M1，感知收益作为中介变量M2；同时将性别、年龄、收入、学历水平、隐私受侵犯频率以及隐私政策有效性、信息交互、情感交互、个性化作为控制变量，进行隐私顾虑和感知收益在隐私设置有效性与披露意愿之间的中介效应检验。2.4.3信息交互到隐私信息披露意愿的中介效应检验将信息交互作为自变量，隐私信息披露意愿作为因变量，隐私顾虑作为中介变量M1，感知收益作为中介变量M2；同时将性别、年龄、收入、学历水平、隐私受侵犯频率以及隐私政策有效性、隐私设置有效性、情感交互、个性化作为控制变量，进行隐私顾虑和感知收益在信息交互与披露意愿之间的中介效应检验。

2.4.4情感交互到隐私信息披露意愿的中介效应检验

将情感交互作为自变量，隐私信息披露意愿作为因变量，隐私顾虑作为中介变量M1，感知收益作为中介变量M2；同时将性别、年龄、收入、学历水平、隐私受侵犯频率以及隐私政策有效性、隐私设置有效性、信息交互、个性化作为控制变量，进行隐私顾虑和感知收益在情感交互与披露意愿之间的中介效应检验。

2.4.5个性化到隐私信息披露意愿的中介效应检验

将个性化作为自变量，隐私信息披露意愿作为因变量，隐私顾虑作为中介变量M1，感知收益作为中介变量M2；同时将性别、年龄、收入、学历水平、隐私受侵犯频率以及隐私政策有效性、隐私设置有效性、信息交互、情感交互作为控制变量，进行隐私顾虑和感知收益在个性化与披露意愿之间的中介效应检验。具体中介效应检验结果如表3所示。

2.5假设检验结果与讨论

从表4假设检验结果可知，隐私政策有效性、隐私设置有效性、信息交互、情感交互和个性化均能够显著提升用户隐私信息披露意愿。其中，隐私设置有效性对隐私信息披露意愿的影响最大。有效的隐私设置能够使得用户更加有效地掌控个人的隐私信息，消除用户心理上的被入侵感，从而提升用户的隐私信息披露意愿。此外，隐私顾虑和感知收益也会对隐私信息披露意愿产生显著影响。其中，感知收益对隐私信息披露意愿的影响（标准化系数为0.305，p<0.001）大于隐私顾虑对其的影响（标准化系数为-0.207，p<0.001）。由此可见，移动社交电商用户在进行隐私信息披露时会综合权衡隐私披露的成本与利益，当隐私收益大于隐私成本时，移动社交电商用户将会产生更加强烈的隐私信息披露意愿。

从中介效应假设检验结果可知：（1）隐私顾虑和感知收益在隐私设置有效性到隐私信息披露意愿之间和隐私顾虑、感知收益在情感交互到隐私信息披露意愿之间均起到部分中介的作用，表明移动社交电商平台有效的隐私设置和良好的情感互动能够减轻用户的隐私披露顾虑，进而增进感知收益，从而增强用户的隐私信息披露意愿。（2）隐私顾虑在隐私政策有效性与隐私信息披露意愿之间起到部分中介作用，感知收益在隐私政策有效性与隐私信息披露意愿没有中介作用。用户在实际使用移动电商社交平台时可以随时根据实际情况调整隐私设置内容，因此具有较强的感知收益；而隐私政策作为阅读性内容在使用平台的过程中并不会提供便捷，并且用户普遍对于隐私政策的具体条款缺乏重视和理解，因此对于隐私政策的感知收益并不显著。（3）感知收益在信息交互以及个性化与隐私信息披露意愿之间起到部分中介作用，隐私顾虑在信息交互以及个性化与隐私信息披露意愿之间不起中介作用。这是由于移动社交电商平台的信息交互和个性化服务为用户提供了有价值的商品信息和购物体验，使用户产生了获得感，但是由于目前移动社交电商平台的隐私信息保障制度仍不完善，用户仍然不能完全消除隐私泄露的顾虑。

3预测模型构建

移动社交电商平台根据用户的隐私信息分析未来市场变化，制定经营策略，从而为其提供个性化服务。目前移动社交电商行业发展日新月异，用户数量急剧增加，传统的问卷调查法无法适应急速变化的市场环境，及时洞察用户隐私信息披露意愿变化情况。因此，如何能够快速准确地了解用户隐私信息披露意愿，采取针对性措施并调整营销策略，是实现移动社交电商平台可持续发展的关键。

神经网络模型以其良好的拟合能力在预测领域的广泛应用，能够根据平台特点和用户感知，快速对用户隐私信息披露意愿做出预测，为平台商家制定决策提供依据。据此，本文在厘清移动社交电商用户隐私信息披露意愿影响因素及其作用机理的基础上，拟构建神经网络预测模型，旨在帮助平台商家及时了解用户隐私信息披露意愿变化情况，推动移动社交电商平台的可持续发展。

3.1 GA-BP神经网络模型构建

3.1.1 GA-BP神经网络模型构建步骤

BP神经网络能够较好地解决非线性问题，具有较强的自适应学习能力，但是存在容易陷入局部最优解等问题；遗传算法（GA）扩大了搜索空间，利用全局搜索确定最优权重，能够在一定程度上规避BP神经网络容易陷入局部极值的问题。因此本文基于GA算法和BP神经网络构建移动社交电商用户隐私信息披露意愿预测模型。

利用GA优化BP神经网络的具体流程如下：（1）初始化种群；（2）根据输入层、隐含层以及输出层的个数计算编码长度；（3）选取适应度函数；（4）使用“轮盘赌”法执行选择操作，筛选出适应度高的种群个体；（5）使用“实数交叉”法执行交叉操作，使得两个被选出的个体产生新的子代个体；（6）执行变异操作，选取个体执行突变操作，生成更加优良的子代；（7）将优化后的权值以及阈值赋值给BP神经网络；（8）训练BP神经网络模型，计算网络误差，达到BP神经网络训练目标后输出对应网络结构及对应参数，并利用得到的BP神经网络对测试集中的数据进行预测；（9）将GA-BP预测模型得到的预测结果与测试集实际输出进行比较，分析优化后的神经网络性能。

3.1.2 BP神经网络基本参数确定

在本文设计的调查问卷中，共有25个问题用于测度移动社交电商平台用户的隐私信息披露意愿，将回收到的问卷数据作为神经网络的输入层数据，因此，输入层的神经元个数为25。考虑到用户隐私信息披露意愿不能简单地分为“愿意”和“不愿意”，因此将其作为连续型变量，用“隐私信息披露意愿”的4个测量题项得分的平均值代表移动社交电商用户隐私信息披露意愿的程度，作为输出层数据。隐含层神经元的数量则根据以下公式计算得到：

其中H为隐含层神经元个数，M为输入层神经元个数，N为输出层神经元个数，r0为区间[1，10]之间的整数。

3.2 GA-BP神经网络模型计算过程与结果讨论

3.2.1基于标准BP神经网络的计算过程与结果讨论

本文构建的三层标准BP神经网络中输入层包含25个神经元，隐含层包含31个神经元。将隐含层传递函数设置为tansig函数，输出层采用logsig函数，学习函数设置为learngdm函数；由于输入层的数据维度较大，因此在训练过程中，采取带有动量的梯度下降算法作为训练方法，选取traingdm作为学习函数。同时，考虑到神经网络预测的泛化能力，将学习速率设定为0.1，最大训练次数设定为5000次，目标误差设定为10-5。

在确定BP神经网络基本参数后，利用收集的问卷数据对神经网络进行训练和测试。用训练得到的BP神经网络对测试集数据进行预测，预测均方误差值为0.2360，平均预测误差为0.3981，平均预测误差百分比为8.55%，BP神经网络预测结果与真实结果对比如图2所示，预测误差和误差百分比图3所示。

3.2.2基于GA优化的BP神经网络的计算过程与结果讨论

为了保证GA算法优化后的BP神经网络预测结果与标准BP神经网络的预测结果具有可比性，其基本参数设定应与标准BP神经网络保持一致。本文将最大遗传代数设定为500，GA算法种群初始数量为200，个体采用实数编码，其长度按照神经网络的神经元个数设定为829，交叉概率和变异概率分别设定为0.5和0.1。根据模型设定，利用GA算法优化BP神经网络初始权重和阈值，然后利用此数据对神经网络进行训练，并对测试样本进行预测。

基于GA算法优化的标准BP神经网络对测试集的预测均方误差为0.11，平均误差为0.0208，平均误差百分比为3.39%，预测准确率可以达到96.61%。GA-BP神经网络在测试集上的预测值与原始数据的比较如图4所示，预测误差和预测误差百分比如图5所示。

3.2.3计算结果讨论

在标准BP神经网络的预测中，将测试集的预测结果和问卷收集的实际结果进行对比，平均预测误差值为0.3981，平均预测误差百分比为8.55%，预测准确率达到90%以上；在基于GA算法对标准BP神经网络优化后，将测试集与实际结果进行对比，平均误差为0.0208，平均误差百分比为3.39%，预测准确率达到96.61%。由此看出，两种方法均有效避免了指标赋权值的主观性，并且具有较强的仿真性；经过GA算法优化后的BP神经网络有效降低了模型的平均预测误差，进一步提升了预测准确率。因此，GA-BP神经网络更适合用以构建移动社交电商用户隐私信息披露意愿预测模型。

3.3 GA-BP神经网络预测模型的应用

基于GA-BP神经网络构建的移动社交电商用户隐私信息披露意愿预测模型能够根据不同类型平台的特点以及用户的实时感知需求进行学习和训练，具有灵活性和个性化。从训练结果来看，基于移动社交电商情境构建的GA-BP神经网络预测模型指标选取得较为合理，预测准确率达到96%以上，表明能够准确有效地预测用户隐私信息披露意愿。

从实践路径来看，移动社交电商平台商家能够基于预测模型对不同消费者群体的隐私信息披露意愿进行预测。当目标群体具有较高的隐私信息披露意愿时，平台商家可以继续利用消费者的隐私信息为其提供更加精细化的服务，适当提高利用其隐私信息进行精准营销的频率，有利于促进移动社交电商平台的可持续发展；当目标群体的隐私信息披露意愿较低时，平台商家应降低基于隐私信息对其进行的精准营销频率，防止顾客在心理上产生被入侵感，避免造成顾客流失；及时了解用户隐私信息披露意愿降低的原因，完善隐私政策制度，修改当前的运营策略，消除用户隐私信息泄露的顾虑。

GA-BP神经网络预测模型的具体应用流程如图6所示。

4管理启示

移动社交电子商务是在传统电子商务和社交网络的基础上形成的一种新兴商业模式，对于培育消费市场新动能以及构建双循环发展格局具有重要意义，推动移动社交电子商务平台可持续发展应从以下四方面入手。

第一，完善隐私信息保障政策，优化平台隐私设置服务。移动社交电商平台应严格遵循相关法律法规，完善隐私政策各项条款，遵守道德和法律原则；同时采用加强隐私政策宣传和增设条款阅读互动等措施增强用户对平台的信任。第二，提升用户交互体验，优化平台个性化服务。移动社交电商平台应优化平台内部沟通氛围，根据用户兴趣爱好和需求提供定制化服务，开拓更多符合多元用户隐私偏好的个性化服务形式。第三，提升隐私信息披露收益，降低隐私信息泄露风险。平台应完善隐私政策并优化隐私设置，消除用户隐私泄露风险，通过优化用户交流环境以及建设个性化服务消除用户隐私顾虑，促使其产生隐私信息披露意愿。第四，合理运用披露意愿预测模型，及时了解用户动态。移动社交电商平台商家应合理利用预测模型，根据用户感知和平台运营实际情况，快速准确地了解用户隐私信息披露意愿的变化趋势，及时调整经营策略，进而实现平台的可持续发展。

参考文献：

[1]代倩宇.移动社交电商用户购买意愿影响因素研究[D].武汉：华中师范大学，2019.

[2]朱小栋，陈洁.我国社交化电子商务研究综述[J].现代情报，2016，36（1）：172-177.

[3]Banisar D，Davies SG.Global Trends in Privacy Protec⁃tion：An International Survey of Privacy，Data Protection，and Surveillance Laws and Developments[J].Social Sci⁃ence Electronic Publishing，2012，XVIII（1）.

[4]郝森森.企业移动App用户隐私信息披露行为机理研究[D].吉林：吉林大学，2019.

[5]曲靖野，孙冰悦，曲国丽.大学生在线购物隐私披露行为是如何产生的？——TPB框架下基于fsQCA方法的研究[J].情报科学，2022，40（10）：147-155、163.

[6]Xu F，Michael k，Chen X.Factors affecting privacy disclo⁃sure on social network sites：an integrated model[J].Elec⁃tronic Commerce Research，2013，13（2）：151-168.

[7]Zhu M，Wu C，Huang S，et al.Privacy paradox in mHealth applications：An integrated elaboration likelihood model in⁃corporating privacy calculus and privacy fatigue[J].Tele⁃matics and Informatics，2021，61：101601-101619.

[8]Jolene，Zywica，James，et al.The Faces of Facebookers：In⁃vestigating Social Enhancement and Social Compensation Hypotheses;Predicting FacebookTM and Offline Popularity from Sociability and Self-Esteem，and Mapping the Mean⁃ings of Popularity with Semantic Networks[J].Journal of Computer Mediated Communication，2008：1-34.

[9]冯润榴，曲洪建.基于心流体验的电子商务网站质量对消费者服装购买意愿的影响[J].武汉纺织大学学报，2023，36（4）：67-76.

[10]袁向玲，牛静.社交媒体隐私政策与用户自我表露的实证研究：一个被调节的中介模型[J].信息资源管理学报，2021，11（1）：49-58.

[11]刘百灵，董景丽.基于CPM理论的移动商务用户信息披露意愿影响因素研究[J].信息资源管理学报，2022，12（1）：56-66、115.

[12]Juliana，Sutanto，Elia，et al.Addressing the Personaliza⁃tion-Privacy Paradox：An Empirical Assessment from aField Experiment on Smartphone Users1[J].MIS quarterly，2013，37（4）：1141-1164.

[13]Gong X，Zhang KZ K，Chen C，et al.What drives self-dis⁃closure in mobile payment applications？The effect of pri⁃vacy assurance approaches，network externality，and tech⁃nology complementarity[J].Information Technology&Peo⁃ple，2020，33（4）：1174-1213.

[14]章依凌.数字社交时代感知价值对服装品牌态度的作用机理——基于参照群体、自我一致性视角的实证研究[J].武汉纺织大学学报，2023，36（2）：75-79.

[15]张晓娟，田馨滦.移动社交媒体用户隐私悖论现象的产生路径研究——基于fsQCA的实证分析[J].情报理论与实践，2020，43（11）：92-97.

[16]张星，陈星，侯德林.在线健康信息披露意愿的影响因素研究：一个集成计划行为理论与隐私计算的模型[J].情报资料工作，2016（1）：48-53.

[17]Culnan MJ，Armstrong PK.Information Privacy Concerns，Procedural Fairness，and Impersonal Trust：An Empirical Investigation[J].Organization Science，1999，10（1）：104-115.

[18]李雪丽，黄令贺，陈佳星.基于元分析的社交媒体用户隐私披露意愿影响因素研究[J].数据分析与知识发现，2022，6（4）：97-107.

[19]谢珍，杨九龙.智慧图书馆视域下的用户隐私披露意愿[J].图书馆论坛，2020，40（9）：69-78.

[20]Krishnan NF Awadm S.The personalization privacy para⁃dox：an empirical evaluation of information transparency and the willingness to be profiled online for personalization[J].Mis Quarterly，2006，30（1）：13-28.

[21]Chang Y，Wong SF，Libaque-Saenz CF，et al.The role of privacy policy on consumers’perceived privacy[J].Govern⁃ment Information Quarterly，2018：445-459.

[22]赵雪芹，吴鹏.基于控制代理理论的移动APP用户隐私信息披露行为研究[J].现代情报，2022，42（4）：143-152、167.

[23]牛静，刘丹.社交媒体上的自我表露与隐私悖论的消解[J].新媒体与社会，2017（2）：190-207.

[24]周涛，王盈颖，邓胜利.在线健康社区用户知识分享行为研究[J].情报科学，2019，37（4）：72-78.

[25]李凯，黄敬尧，王晓文.LBS用户信息公开意愿影响因素分析——基于交换理论的实证研究[J].情报学报，2016，35（1）：84-97.

Research on the Prediction of Privacy Information Disclosure Intention of Mobile Social E-commerce Users

ZHANG Jinsong 1，2，ZHANG Kaidong3，HE Dongchen1，2，MALinmao1，2

（1.School of Management，South-Central University for Nationalities，Wuhan Hubei 430074，China;

2.Research Center of Digital Development and Governance in MinorityAreas，South-Central University for Nationalities，Wuhan Hubei 430074，China;3.Huarong District Taxation Bureau Ezhou City，State TaxationAdmimstration of The Pecple's Republic of China，Ezhou Hubei 432200，China）

Abstract：In the mobile social e-commerce context，the user's interaction mode has changed，and the security of personal privacy and infor-mation has come to the foK9w1DSm3QukafYDN9UET/g==re，and these changes will have an important impact on the user's willingness to disclose private information.In or-der to explore the influencing factors of users'willingness to disclose private information in the mobile social e-commerce context，this pa-per establishes astructural equation model based on the S-O-R theory，which includes eight variables：effectiveness of privacy policy，effec-tiveness of privacy settings，information interaction，emotional interaction，personalization，privacy concerns，perceived benefits，and will-ingness to disclose private information，with the aim of exploring the influencing factors and their role in influencing users'willingness to disclose private information.The results show that：（1）the effectiveness of privacy policy，the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all positively and significantly affect users'willingness to disclose private informa-tion;（2）the effectiveness of privacy policy，the effectiveness of privacy settings，and emotional interaction all negatively and significantly af-fect privacy concerns;and the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all posi-tively and significantly affect perceived benefits.On this basis，this paper constructs aGA-BP neural network based on platform characteris-tics and user perception，and proposes specific countermeasures for different prediction results.Ultimately，this paper puts forward feasible suggestions to enhance users'willingness to disclose private information in four aspects：increasing the platform's privacy protection，im-proving the platform's personalized service construction，reducing the risk of privacy leakage，and reasonably applying the disclosure will-ingness prediction model.

Keywords：mobile social e-commerce;privacy information disclosure willingness;SEM structural equation model;GA-BP neural network

（责任编辑：田媛苑）