張雄濤 甘明鑫
關(guān)鍵詞:社交媒體推薦;在線交互意向;S-O-R模型;隱私計算理論;信息邊界理論
為提升用戶體驗,社交媒體通過引入個性化推薦服務(wù)來緩解用戶面臨的信息過載難題。個性化推薦致力于向用戶提供其感興趣的信息,其給用戶帶來正面心理感知(如信息獲取、社交滿足等)的同時,也給用戶帶來了負(fù)面的心理感知(如隱私憂慮、心理抗拒等)。在線交互是社交媒體用戶實現(xiàn)社交互動的典型信息行為,其具體表現(xiàn)為點贊、轉(zhuǎn)發(fā)、評論等多樣化交互方式。作為影響在線交互行為的關(guān)鍵前置因素,用戶的在線交互意向決定了用戶是否愿意在社交媒體平臺中主動地進(jìn)行情感表達(dá),這關(guān)乎用戶的平臺體驗和社交媒體平臺中的價值轉(zhuǎn)換。近年來,國內(nèi)外有關(guān)個性化推薦的研究主要集中在計算機科學(xué)領(lǐng)域。相關(guān)學(xué)者主要結(jié)合機器學(xué)習(xí)或深度學(xué)習(xí)方法,從推薦系統(tǒng)設(shè)計、推薦系統(tǒng)評測以及推薦系統(tǒng)應(yīng)用等方面對個性化推薦進(jìn)行研究。此類研究雖有利于用戶獲取準(zhǔn)確的個性化推薦結(jié)果,但難以持續(xù)追蹤用戶的心理狀態(tài)及行為意向。然而,由于不同心理感知下用戶呈現(xiàn)出不同的行為意向,因此結(jié)合個性化推薦探究用戶行為意向的影響機理有利于進(jìn)一步完善用戶的服務(wù)和管理。此外,當(dāng)前關(guān)于在線交互意向的研究大多僅考慮意向的直接影響因素,鮮有研究結(jié)合外部環(huán)境因素對間接影響因素展開分析。近期大量研究表明,結(jié)合外部環(huán)境因素對用戶行為意向進(jìn)行解釋.可以更有針對性地評估外部環(huán)境因素對行為意向的影響。社交媒體情景下,個性化推薦通過推薦結(jié)果對用戶形成刺激,因此將社交媒體推薦作為外部環(huán)境因素對用戶的在線交互意向進(jìn)行解釋,可以更有針對性地評估社交媒體推薦對在線交互意向的影響作用。
鑒于上述分析.本文在刺激一機體一反應(yīng)(Stimuli-Organisms-Responses.S-O-R)理論框架下,以社交媒體推薦為刺激(S),以隱私計算理論和信息邊界理論確定的用戶心理狀態(tài)為機體(O),以用戶在線交互意向為反應(yīng)(R),對社交媒體推薦、用戶心理狀態(tài)以及用戶在線交互意向之間的內(nèi)在作用機理進(jìn)行探究。研究的主要貢獻(xiàn)體現(xiàn)為:①探究了社交媒體推薦對用戶在線交互意向的影響機理,并結(jié)合實證結(jié)果為社交媒體平臺提供相應(yīng)的運營建議。此項貢獻(xiàn)為社交媒體平臺設(shè)計更合理的個性化推薦系統(tǒng)提供了參考。②在隱私視角下,綜合隱私計算理論和信息邊界理論對社交媒體用戶的內(nèi)在心理狀態(tài)進(jìn)行衡量,并將其作為中介對社交媒體推薦和用戶在線交互意向之間的關(guān)系進(jìn)行分析。此項貢獻(xiàn)不僅細(xì)致地分析了心理狀態(tài)之間的內(nèi)在影響關(guān)系,而且對S-O-R理論模型進(jìn)行了有益補充。
1研究基礎(chǔ)
1.1 S-O-R理論模型
S-O-R理論模型是心理學(xué)領(lǐng)域的一個重要理論,其目的在于揭示人們在外部環(huán)境因素的刺激下如何產(chǎn)生相應(yīng)的趨勢行為反應(yīng)。S-O-R模型認(rèn)為,當(dāng)個人受到外部環(huán)境的刺激(Stimuli)后,會形成個人的內(nèi)在心理狀態(tài)(Organisms),進(jìn)而產(chǎn)生不同的趨勢行為反應(yīng)(Responses)。信息系統(tǒng)領(lǐng)域中,S-O-R理論模型被廣泛應(yīng)用于用戶行為研究中,如Gatautis R等基于S-O-R模型分析了游戲?qū)υ诰€消費者的驅(qū)動作用:Umer等在SNS情境下,對影響網(wǎng)絡(luò)消費者的強迫購買行為的關(guān)鍵因素進(jìn)行了研究。鑒于S-O-R理論模型可以有效揭示行為意向的形成過程,本文運用S-O-R理論模型為社交媒體推薦、用戶心理狀態(tài)和用戶在線交互意向建立聯(lián)系,并以此為框架,探究社交媒體中的個性化推薦服務(wù)對用戶在線交互意向的影響機理。具體來說,本文以社交媒體推薦為外部環(huán)境刺激(Stimuli),結(jié)合隱私計算理論和信息邊界理論確定隱私視角下的用戶內(nèi)在心理狀態(tài)(Organisms),并將社交媒體用戶的在線交互意向視作趨勢行為反應(yīng)(Responses)。
1.2隱私計算理論
隱私計算理論是Laufer R S等于1977年首次提出的經(jīng)典理論。近期研究中,羅映宇等將隱私計算理論歸納為基于理性的隱私計算和基于有偏的隱私計算。其中,基于理性的隱私計算在“理性人”假設(shè)的基礎(chǔ)上,認(rèn)為用戶會有意識地權(quán)衡隱私披露的預(yù)期損失和潛在收益.而后做出隱私披露決策?;谟衅碾[私計算認(rèn)為隱私行為決策會受到認(rèn)知偏差和啟發(fā)式的影響,這使得個體實際上無法對隱私披露行為的收益和損失做出正確的估計,常常重視利益而忽視伴隨的風(fēng)險。感知收益和感知隱私風(fēng)險是隱私計算理論中的兩個基本構(gòu)念,其中感知收益指用戶在信息披露時所感知到的價值獲取,感知隱私風(fēng)險是指用戶在信息披露時所感知到的潛在損失。近年來,隨著學(xué)術(shù)界對隱私問題的關(guān)注,隱私計算理論被廣泛應(yīng)用于衡量用戶的內(nèi)在心理感知。如Melewar T C等依據(jù)隱私計算理論,分別以感知收益、感知風(fēng)險和信任為測量變量,對網(wǎng)絡(luò)團購行為的影響因素進(jìn)行了研究。張玥等依據(jù)隱私計算理論,以微信為例探討了移動社交用戶的信息披露意愿??紤]到個性化推薦會引起用戶的隱私憂慮,本文在隱私視角下,結(jié)合隱私計算理論中的感知收益和感知隱私風(fēng)險衡量社交媒體用戶的內(nèi)在心理感知。其中,感知收益在本文研究情景下特指社交媒體用戶認(rèn)為在線交互可以為自身帶來的潛在價值,而感知隱私風(fēng)險在本文研究情景下特指社交媒體用戶認(rèn)為在線交互為自身在隱私方面帶來的潛在損失。
1.3信息邊界理論
信息邊界理論是Petronio S于2002年提出的一個面向個人信息決策的系統(tǒng)性理論,該理論認(rèn)為每個人都會構(gòu)建一個虛擬的信息空間,這個空間即“信息邊界”。一旦信息邊界建立,個體便會在邊界內(nèi)產(chǎn)生信任。當(dāng)外部實體試圖滲入邊界時,個體則會認(rèn)為自身的隱私空間受到侵犯,并企圖對隱私邊界進(jìn)行控制。信任和控制是信息邊界理論的兩個核心構(gòu)念,其中信任作為一種心理信念,信任感越高,隱私邊界的開放程度越高;控制可以被理解為用戶對隱私邊界的把握,控制能力越強,隱私邊界越容易被打破。近期研究表明,信息邊界理論是隱私計算理論的有益補充?;诖?,相關(guān)研究常結(jié)合隱私計算理論和信息邊界理論對社交媒體中的隱私問題展開更細(xì)致的研究。如梁曉丹等結(jié)合隱私計算理論和信息邊界理論分析了在線政策對消費者提供個人信息意愿的影響機制。張會平等結(jié)合信息邊界理論和隱私計算理論對社交媒體用戶信息隱私關(guān)注的形成機制進(jìn)行了研究。鑒于此,本文結(jié)合信息邊界理論對用戶的內(nèi)在心理感知進(jìn)行更細(xì)致地分析.并將該理論中的兩個核心構(gòu)念——信任和控制用于衡量用戶的內(nèi)在心理狀態(tài)。本文研究情境下,信任即平臺信任,指用戶對社交媒體平臺的信任程度;控制即感知信息控制,指用戶在社交媒體平臺中對個人信息控制能力的感知。
H8:感知隱私風(fēng)險負(fù)向影響平臺信任。
2.2.3內(nèi)在心理狀態(tài)對用戶在線交互意向的影響(O-R)
1)感知收益對用戶在線交互意向的影響
社交媒體固有的社交屬性可以讓用戶感知到較高的社交價值,進(jìn)而正向影響用戶在社交媒體中的交互意向。朱侯等結(jié)合共享模式特點,從利己收益和利他收益兩個維度衡量用戶的感知收益,并驗證了感知收益對用戶在線行為意向的正向影響作用。本文研究情景下,用戶的在線交互意向特指用戶點贊、轉(zhuǎn)發(fā)、評論等社交行為意向。社交滿足、信息獲取等用戶感知到的價值獲取均是形成用戶在線交互的主要因素,因此本文認(rèn)為當(dāng)用戶的感知價值增多時.用戶會傾向于表現(xiàn)出活躍的在線交互意向。據(jù)此,提出如下假設(shè):
H9:感知收益正向影響用戶的在線交互意向。
2)感知隱私風(fēng)險對用戶在線交互意向的影響
感知隱私風(fēng)險是與感知收益相對立的隱私計算依據(jù),故在相關(guān)研究中常與感知價值共同作為影響用戶行為的前置變量。Haili N等認(rèn)為,在社交網(wǎng)站中用戶感知的隱私風(fēng)險對信息行為意向存在顯著的負(fù)向影響。LiC等認(rèn)為,按需服務(wù)中的用戶感知的隱私風(fēng)險不僅會對用戶的采納意圖造成負(fù)面影響,而且還會增加用戶中斷使用的可能險時,其往往會有意識地降低在線交互的活躍性,以防止過多的個人信息被平臺采集和利用。據(jù)此,提出如下假設(shè):
H10:感知隱私風(fēng)險負(fù)向影響用戶的在線交互意向。
3)感知信息控制對用戶在線交互意向的影響
Bartsch M等通過調(diào)查社交網(wǎng)站發(fā)現(xiàn),信息控制能力對社交媒體用戶的信息決策具有顯著的影響作用。Cavusoglu H等在研究隱私政策對Face.book用戶信息披露意愿的影響時發(fā)現(xiàn),當(dāng)用戶具有較多的隱私控制權(quán)限時,用戶公開其信息的可能性就越大。梁曉丹等認(rèn)為感知信息控制負(fù)向影響用戶的信息行為意向。因此,本文認(rèn)為當(dāng)用戶感知到較高的信息控制水平時,會認(rèn)為社交媒體產(chǎn)生的利弊可被有效把控,進(jìn)而會在社交媒體平臺中表現(xiàn)出更加主動的在線交互意愿。據(jù)此,提出如下假設(shè):
H11:感知信息控制正向影響用戶的在線交互意向。
4)平臺信任對用戶在線交互意向的影響
社交網(wǎng)絡(luò)的時空分離特性使用戶雙方無法面對面交流,間接的交流方式致使信息泄露的風(fēng)險增加.因此建立用戶對平臺的信任關(guān)系成為網(wǎng)絡(luò)交互成功的關(guān)鍵要素。作為用戶行為意向的一個有效預(yù)測因子,信任對社交媒體用戶的正面行為意向的正向影響作用已被多數(shù)研究證實,相關(guān)行為意向涉及知識分享、信息披露等。本文研究情景下.用戶在線交互意向?qū)τ谏缃幻襟w而言,同樣屬于用戶典型的正面行為意向.因此當(dāng)用戶對平臺的信任感越強時,用戶會表現(xiàn)出更為活躍的在線交互意向。據(jù)此,提出如下假設(shè):
H12:平臺信任正向影響用戶的在線交互意向。
3實證研究
3.1問卷設(shè)計
結(jié)合現(xiàn)有社交媒體的使用情況,短視頻社交平臺對推薦系統(tǒng)表現(xiàn)出更強的依賴性。為獲取更加集中的樣本數(shù)據(jù),本文將調(diào)查情景鎖定為知名的短視頻社交媒體平臺——抖音APP和快手APP。問卷主要包括兩部分,第一部分是被調(diào)查對象的人口統(tǒng)計變量,包括性別、年齡、學(xué)歷、使用時間、日訪問次數(shù)、每次使用時長等。第二部分是關(guān)于本文的變量測量,具體包括:社交媒體推薦質(zhì)量、感知收益、感知隱私風(fēng)險、平臺信任、感知信息控制、在線交互意向6個變量。對于量表的設(shè)計,本文的測量題目均沿用或改編自前人的研究。問卷的測量變量及參照來源如表1所示.所有問項均采用Likert五級量表。
3.2數(shù)據(jù)采集
問卷通過網(wǎng)絡(luò)平臺進(jìn)行問卷發(fā)放,發(fā)放日期為2020年6月27日-12月24日,共收回問卷438份,剔除無效問卷后,得到有效問卷401份,問卷有效率達(dá)91.55%。研究中樣本的人口統(tǒng)計特征如表2所示,表中的頻數(shù)為調(diào)查對象的人次,頻率為某類對象占總樣本的百分比。表2呈現(xiàn)的被調(diào)查對象特征與中國互聯(lián)網(wǎng)絡(luò)信息中心2020年發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》和《2020抖音數(shù)據(jù)報告》完整版中的網(wǎng)民特征基本一致,這說明調(diào)查對象可以較好地代表網(wǎng)民群體。
3.3數(shù)據(jù)分析
3.3.1信度、效度分析
信度用于衡量問卷的可靠性、穩(wěn)定性和一致性。本文選用Cronbach's Alpha(CA)以及Com.posite Reliability(cR)兩個指標(biāo)來檢驗問卷的信度。研究表明,當(dāng)CA和CR均大于0.7時,說明內(nèi)部的一致性水平較高。本文中每個潛變量的CA和CR均超過了0.7,這說明問卷具有較高的信度,結(jié)果如表3所示。
效度用于衡量測量結(jié)果的有效性程度。本文采用聚合效度和區(qū)分效度共同檢驗數(shù)據(jù)的有效性。當(dāng)Over Loading(OL)大于0.7且Average VarianceExtracted(AVE)大于0.5時,聚合效度達(dá)標(biāo)。本文中每個潛變量的因子載荷均大于0.7,且AVE均大于0.5.這說明測量結(jié)果的聚合效度達(dá)標(biāo),結(jié)果如表3所示。對于區(qū)分效度,其檢驗標(biāo)準(zhǔn)通常是每個潛變量的AVE的平方根大于其他潛變量之間的相關(guān)系數(shù)。表4中,斜對角線表示每個潛變量的AVE平方根,非斜對角線表示其他潛變量的相關(guān)系數(shù)。從表4中可以看到,每個潛變量的AVE平方根均大于其他潛變量的相關(guān)系數(shù),這說明本研究的潛變量之間存在顯著差異,區(qū)分效度較好。
3.3.2路徑分析與假設(shè)檢驗
本文采用SmartPLS 3.0對研究模型進(jìn)行路徑分析與假設(shè)結(jié)果驗證,利用Bootstrapping重復(fù)抽樣的方法檢驗路徑系數(shù)的顯著性.抽樣次數(shù)為1000次.表5和圖2給出了研究假設(shè)的數(shù)據(jù)分析結(jié)果和路徑系數(shù)。
模型的路徑檢驗結(jié)果如圖2所示,社交媒體推薦對感知收益(盧=0.514,P<0.001)、感知隱私風(fēng)險(β=0.311,P<0.001)和平臺信任(β=0.167,P<0.001)均具有正向影響,因此假設(shè)1、假設(shè)2和假設(shè)4均成立:但社交媒體推薦對感知信息控制的影響在研究中未得到數(shù)據(jù)支持,因此假設(shè)3不成立。感知收益對感知信息控制(β=0.443,P<0.001)、平臺信任(β=0.504,P<0.001)均有正向影響,因此假設(shè)5和假設(shè)6成立。感知隱私風(fēng)險對感知信息控制(β=-0.170,P<0.01)、平臺信任(β=-0.159,P
4研究結(jié)論
4.1社交媒體推薦對內(nèi)在心理狀態(tài)的影響作用(S-0)
依據(jù)假設(shè)1的檢驗結(jié)果,可以得出結(jié)論:社交媒體推薦對感知收益具有正向的影響作用,這說明社交媒體推薦可以為用戶帶來諸多積極的心理感知。該結(jié)論之所以成立,是因為推薦系統(tǒng)作為一項重要的決策輔助工具,其設(shè)計的初衷就是幫助用戶緩解“信息過載”等難題。此外,社交媒體中的推薦系統(tǒng)不僅可以便利用戶獲取個性化信息.而且可以促進(jìn)興趣相似的用戶實現(xiàn)社會交往。因此,社交媒體推薦對感知收益的正向影響作用符合常規(guī)認(rèn)知。
依據(jù)假設(shè)2的檢驗結(jié)果,可以得出結(jié)論:社交媒體推薦對感知隱私風(fēng)險具有正向的影響作用,這說明社交媒體推薦難以有效平衡用戶個性化需求和隱私顧慮之間的關(guān)系,即社交媒體推薦服務(wù)在增加用戶感知收益的同時,也會增加用戶的感知隱私風(fēng)險。該結(jié)論的成立同時印證了社交媒體中存在的“隱私悖論現(xiàn)象”。社交媒體推薦的實際應(yīng)用中,用戶和平臺之間存在高度的信息不對稱,因此,當(dāng)精準(zhǔn)的推薦結(jié)果對用戶形成刺激時.用戶會對自身信息的安全性產(chǎn)生憂慮。
依據(jù)假設(shè)3的檢驗結(jié)果,可以得出結(jié)論:社交媒體推薦對感知信息控制的影響作用不顯著.這說明社交媒體推薦與用戶的感知信息控制之間沒有顯著的關(guān)系。究其原因,可能是因為現(xiàn)有大多社交媒體平臺均設(shè)有細(xì)致化隱私設(shè)置、個性化推送管理以及推薦反饋等功能.這些功能在一定程度上增加了社交媒體用戶對信息控制的能力,進(jìn)而有效避免了社交媒體推薦對感知信息控制造成影響。
依據(jù)假設(shè)4的檢驗結(jié)果,可以得出結(jié)論:社交媒體推薦對平臺信任具有正向影響作用。這說明社交媒體推薦可以增加用戶對平臺的信任程度。近年來,隨著我國網(wǎng)絡(luò)安全建設(shè)工作的不斷完善,以及各大社交媒體平臺之間的激烈競爭,社交媒體往往不會肆意地販賣、泄露用戶的個人信息。此外,隨著推薦解釋在推薦系統(tǒng)中的應(yīng)用,社交媒體推薦開始逐步地透明化。在此背景下,相比于社交媒體推薦帶來的不確定負(fù)面結(jié)果,用戶對明確的潛在收益表現(xiàn)出更強的情感依賴。因此,社交媒體推薦正向影響平臺信任符合常規(guī)認(rèn)知。
4.2用戶內(nèi)在心理狀態(tài)之間的影響關(guān)系(0-0)
依據(jù)假設(shè)5的檢驗結(jié)果,可以得到結(jié)論:感知收益對感知信息控制和平臺信任有顯著正向影響作用。這說明當(dāng)用戶感知到的信息收益越多時,其感知到的信息控制能力越強。該結(jié)論與相關(guān)文獻(xiàn)(如文獻(xiàn)[34-35])的研究結(jié)論一致,即當(dāng)用戶獲取的正向心理感知越多時,用戶對信息的控制欲望越低,而當(dāng)用戶對信息的控制欲望降低時,其感知到的信息控制水平就會相對變高。因此,感知收益正向影響感知信息控制符合常規(guī)認(rèn)知。
依據(jù)假設(shè)6的檢驗結(jié)果,可以得到結(jié)論:感知收益對平臺信任有顯著正向影響作用。這說明當(dāng)用戶感知到的信息收益越多時,用戶對社交媒體平臺的信任程度也會越高。前人研究已經(jīng)證實用戶的理念和態(tài)度是影響信任的關(guān)鍵因素,而感知收益作為用戶的一項正向心理理念.其會促使用戶對平臺建立正向情感,并促使用戶相信平臺會持續(xù)為自身提供更多的潛在收益。因此,感知收益正向影響平臺信任符合常規(guī)認(rèn)知。
依據(jù)假設(shè)7的檢驗結(jié)果,可以得到結(jié)論:感知隱私風(fēng)險對感知信息控制有顯著的負(fù)向影響作用。這說明當(dāng)用戶感知到隱私風(fēng)險越大時,其感知到的信息控制能力越弱。作為感知收益在隱私計算過程中的對立因素,感知隱私風(fēng)險強調(diào)的是用戶對隱私泄露風(fēng)險的憂慮和恐懼.因此,感知隱私風(fēng)險是一種典型的負(fù)面心理感知。社交媒體情景下,用戶的負(fù)面心理感知會加強用戶對個人信息的警覺性,進(jìn)而導(dǎo)致用戶感知到相對較低的信息控制水平。因此.感知隱私風(fēng)險負(fù)向影響感知信息控制符合常規(guī)認(rèn)知。
依據(jù)假設(shè)8的檢驗結(jié)果,可以得到結(jié)論:感知隱私風(fēng)險對平臺信任有顯著的負(fù)向影響作用。這說明當(dāng)用戶感知到隱私風(fēng)險越大時.用戶對社交媒體平臺的信任程度也會越低。當(dāng)用戶在社交媒體平臺中感知到較多的隱私風(fēng)險時.說明用戶在平臺中的體驗較差,進(jìn)而導(dǎo)致用戶對平臺產(chǎn)生消極情感。由于用戶的情感是形成用戶信任的關(guān)鍵,因此,感知隱私風(fēng)險負(fù)向影響平臺信任符合常規(guī)認(rèn)知。
4.3用戶內(nèi)在心理狀態(tài)對在線交互意向的影響關(guān)系(O-R)
依據(jù)假設(shè)9的檢驗結(jié)果,可以得到結(jié)論:感知收益對用戶在線交互意向的影響作用不顯著。這說明用戶感知的信息收益不會對用戶的在線交互意向造成影響。之所以會出現(xiàn)這樣的結(jié)果,可能是因為在虛擬的網(wǎng)絡(luò)環(huán)境中,大多社交媒體用戶樂于表現(xiàn)為“在線潛水狀態(tài)”,即多數(shù)社交媒體用戶傾向于僅將社交媒體作為一種信息獲取工具,而較少主動地在社交媒體上進(jìn)行在線交互。因此,感知收益對用戶在線交互意向的影響作用不顯著可被理解。
依據(jù)假設(shè)10的檢驗結(jié)果,可以得到結(jié)論:感知隱私風(fēng)險對用戶在線交互意向的影響作用不顯著。這說明用戶感知到的隱私風(fēng)險不會對用戶的在線交互意向造成影響。究其原因,可能是因為社交媒體中存在隱私悖論現(xiàn)象.即盡管用戶會高度顧慮自己的個人隱私,但是他們?nèi)匀粯酚谠谏缃幻襟w上自我表露,這與文獻(xiàn)[5,49]的研究結(jié)果一致。因此,感知隱私風(fēng)險對用戶在線交互意向的影響作用不顯著可被理解。
依據(jù)假設(shè)11的檢驗結(jié)果,可以得出結(jié)論:感知信息控制對用戶在線交互意向產(chǎn)生正向影響作用。這說明當(dāng)用戶感知這樣的結(jié)論信息控制能力越強時,用戶越樂于表現(xiàn)出活躍的在線交互意向。此外,文獻(xiàn)[5]指出,控制錯覺是影響用戶行為意向的關(guān)鍵,即較高的控制權(quán)力可以有效緩解用戶的隱私抵觸行為,增強用戶主動的行為意向。因此,感知信息控制正向影響在線交互意向符合常規(guī)認(rèn)知。
依據(jù)假設(shè)12的檢驗結(jié)果,可以得出結(jié)論:平臺信任均對用戶在線交互意向產(chǎn)生正向影響作用。這說明當(dāng)用戶對平臺的信任程度越高時,用戶越樂于表現(xiàn)出活躍的在線交互行為。信任關(guān)系不僅是一項解釋用戶行為的主要原因,更是用戶和平臺交互成功的主要標(biāo)志。平臺信任體現(xiàn)的是用戶對平臺的積極心理狀態(tài),而積極的心理狀態(tài)可以合理地解釋社交媒體用戶的在線交互意向。因此,平臺信任正向影響在線交互意向符合常規(guī)認(rèn)知。
5管理啟示
結(jié)合上述研究結(jié)論.社交媒體推薦給用戶帶來的使用體驗參差不齊.不同使用體驗下用戶的在線交互意向存在差異。為進(jìn)一步提升社交媒體用戶在線交互的活躍性,本文以用戶的內(nèi)在心理狀態(tài)為切入點,對社交媒體平臺實施個性化推薦提供以下建議:
1)深化用戶的感知收益。社交媒體平臺可通過豐富平臺功能(如購物功能、交友功能等)增加用戶體驗,以保證用戶在平臺中可以享受到一站式服務(wù)。另外,平臺可以通過策劃有獎參與、有獎問答等活動輔助用戶在物質(zhì)方面得以滿足。此外,平臺可以結(jié)合自然語言處理技術(shù)對垃圾信息進(jìn)行識別并監(jiān)控,以保證用戶在平臺上享有較高的情感體驗。
2)規(guī)避用戶的感知隱私風(fēng)險。社交媒體平臺在設(shè)計推薦算法時應(yīng)識別并考慮到用戶的隱私邊界.使推薦算法在保證隱私邊界受侵犯的同時,獲取較高的感知價值。社交媒體平臺可以通過透明化用戶行為軌跡等信息來尊重用戶的知情權(quán),以避免用戶因個性化推薦而滋生的隱私風(fēng)險感知。
3)加強用戶的感知信息控制。社交媒體平臺可以通過增設(shè)細(xì)致化隱私設(shè)置功能,賦予用戶更正個人信息、自行設(shè)置信息存儲時長等權(quán)利,增強用戶對信息的可控性。另外,社交媒體可通過提供有效的客戶服務(wù)系統(tǒng),來保證用戶可以及時地向平臺咨詢和反饋自身信息。此外,平臺應(yīng)提供具備可解釋性的推薦結(jié)果,進(jìn)而避免用戶因信息不對稱而產(chǎn)生的感知信息控制缺失。
4)深化用戶的平臺信任。社交媒體可通過增加廣告投入、社會公益等方式來提升平臺的社會口碑,激發(fā)用戶信任。另外,平臺有必要提供可讀性較強的隱私聲明來增加用戶的程序公平感知。此外,平臺應(yīng)具備危機預(yù)警機制,以保證平臺能有效抵御來自競爭對手的惡意攻擊,進(jìn)而保證用戶對平臺的持續(xù)信任。
6結(jié)語
本文在S-O-R理論模型的框架下.從隱私視角切入,結(jié)合隱私計算理論和信息邊界理論對社交媒體用戶的內(nèi)在心理狀態(tài)進(jìn)行細(xì)化,并將其作為中介對社交媒體推薦和在線交互意向之間的內(nèi)在作用關(guān)系進(jìn)行探索性分析。具體來說,本文首先基于相關(guān)理論及文獻(xiàn)推理構(gòu)建了社交媒體推薦對用戶在線交互意向的研究模型,然后以社交短視頻平臺為調(diào)查情景,采用結(jié)構(gòu)方程模型對研究模型進(jìn)行實證檢驗.最后依據(jù)實證研究結(jié)果.為社交媒體平臺提出相應(yīng)的運營建議。研究成果不僅為社交媒體平臺構(gòu)建合理的個性化推薦系統(tǒng)提供了參考,而且為社交媒體推薦和在線交互的相關(guān)研究引入新的研究思路。然而,研究尚存不足之處,如不同類型的社交媒體平臺仍存在差異.但本文尚未對社交媒體平臺的類型做細(xì)致劃分。因此,未來將結(jié)合不同的社交媒體類型對研究問題進(jìn)行更深入的分析;此外,不同用戶具有不同的個體特征(如年齡、性格、隱私傾向等),但本文尚未考慮用戶的個體性差異,未來將結(jié)合用戶的個體特征對研究問題展開進(jìn)一步分析。