田曉旭 畢新華 楊一毫 李彩寧

關(guān)鍵詞：短視頻；個性化推薦；使用意愿；倒U形；隱私計算理論；短視頻類型；隱私關(guān)注

2022年上半年，短視頻在中國移動互聯(lián)網(wǎng)細(xì)分行業(yè)用戶使用總時長占比高達(dá)三成，強(qiáng)勢領(lǐng)跑移動互聯(lián)網(wǎng)賽道。短視頻所具備的富媒體化、碎片化傳播、個性化推薦等多項優(yōu)勢使其在眾多媒體中脫穎而出，而如何推進(jìn)短視頻用戶的使用也成為短視頻平臺與學(xué)術(shù)界關(guān)注的焦點。其中，個性化推薦機(jī)制更是短視頻吸引用戶的強(qiáng)力武器，該機(jī)制有效解決了海量短視頻與用戶有限注意力之間的矛盾，直接為用戶呈現(xiàn)個性化的視頻內(nèi)容，并且能夠在較高程度上滿足用戶的獨特偏好，大量用戶沉迷其中。但這并不代表個性化程度越高越好，個性化程度的提升也意味著愈發(fā)嚴(yán)峻的隱私泄露問題，部分人群不得不減少甚至停止使用短視頻以規(guī)避隱私泄露的不利后果，為用戶后續(xù)的使用帶來了極為不利的影響。因此，探討短視頻個性化推薦影響用戶使用意愿的機(jī)理，對平臺運營商通過合理調(diào)控個性化推薦機(jī)制從而促進(jìn)用戶的使用具有重要意義，也是短視頻平臺持續(xù)發(fā)展需要面對的重要問題。

已有研究證明了閱讀、消費等不同情境下個性化推薦對用戶行為的積極促進(jìn)作用，但劉帥等少量學(xué)者也在健康A(chǔ)PP情境下證實了個性化推薦對用戶使用的消極影響。由此可見，不同研究對個性化推薦與用戶使用之間關(guān)系的判定是存在差異甚至是相反的，這一方面可能是由于已有研究的背景不同：另一方面也暗示了兩者之間可能存在的非線性關(guān)系。因此，本研究有必要基于短視頻的獨特情景，探討個性化推薦與短視頻用戶使用意愿之間可能呈現(xiàn)的非線性關(guān)系，即個性化推薦作為主導(dǎo)用戶瀏覽視頻內(nèi)容及主題的核心功能，在一定程度上確實會促進(jìn)用戶使用，但過度的個性化推薦也可能造成用戶的隱私憂慮，從而降低用戶的使用意愿。

類型是用戶使用的重要的情境性變量，用戶在面對不同類型短視頻時，相同的個性化推薦程度下可能會感知不同的感知隱私收益與風(fēng)險，從而造成差異化的使用結(jié)果。享樂與實用類型在消費、服務(wù)等場景下對用戶行為的重要影響已經(jīng)多次得到了驗證。作為調(diào)節(jié)變量時，不同類型對符號、要素與認(rèn)知行為間關(guān)系的差異化影響也引起了學(xué)者的關(guān)注。但在個性化推薦與用戶使用意愿的關(guān)系中，尤其是短視頻情境下，不同類型的調(diào)節(jié)作用仍尚未涉及。因此，本研究劃分短視頻類型并驗證其差異化的調(diào)節(jié)作用是具有重要意義的。

此外，隱私關(guān)注程度的不同也可能會導(dǎo)致用戶隱私成本的不同以及差異化使用的結(jié)果。隱私關(guān)注作為一種典型的個人特質(zhì)，其調(diào)節(jié)作用在團(tuán)購平臺的消費行為中得到了證實。短視頻情境下，當(dāng)個人對隱私關(guān)注程度較高時，用戶對短視頻的個性化推薦機(jī)制可能存在更大的抵觸心理，從而降低使用意愿，因此本研究引入隱私關(guān)注作為調(diào)節(jié)變量也是不可或缺的。

綜上，本研究將基于隱私計算理論構(gòu)建短視頻情境下個性化推薦影響用戶使用意愿的理論模型，采取問卷調(diào)查的方式獲取數(shù)據(jù)并對兩者之間的非線性關(guān)系進(jìn)行了實證研究。此外，劃分短視頻為實用型短視頻與享樂型短視頻，引入隱私關(guān)注及兩種短視頻類型作為調(diào)節(jié)變量，進(jìn)一步探索個性化推薦影響使用意愿的機(jī)理和邊界條件。本研究不僅有助于加強(qiáng)對短視頻個性化推薦機(jī)制的認(rèn)知，同時也對深入理解短視頻情境下個性化推薦影響用戶使用意愿的機(jī)理具有重要作用，同時對平臺運營商通過合理調(diào)控個性化推薦機(jī)制從而促進(jìn)短視頻用戶使用也具有一定的參考價值。

1相關(guān)研究評述

1.1個性化推薦

個性化推薦是一種平臺通過準(zhǔn)確分析待推薦信息與用戶畫像實現(xiàn)信息內(nèi)容精準(zhǔn)推薦的技術(shù)，短視頻情境下具體表現(xiàn)為平臺全面采集用戶的所有活動信息并據(jù)此為用戶提供與個人需求、個人信息、已閱視頻相關(guān)的短視頻內(nèi)容。區(qū)別于以往電商、微博等以信息系統(tǒng)中搜索及關(guān)注為主、個性化推薦為輔的信息展示模式，短視頻情境下個性化推薦的獨特之處就在于短視頻平臺依托個性化推薦技術(shù)能夠在很大程度上主導(dǎo)用戶瀏覽的視頻內(nèi)容與主題，并直接為用戶推送極具個性化的視頻內(nèi)容。個性化推薦在為用戶帶來極大便利與需求滿足的同時，難免因避免過高的平臺主導(dǎo)權(quán)引發(fā)的用戶隱私憂慮。

已有個性化推薦研究主要集中于計算機(jī)領(lǐng)域內(nèi)個性化推薦算法的推演或優(yōu)化，對個性化推薦影響用戶心理和行為的研究較少。個性化推薦最終還是會回歸到用戶的使用中去，雖對算法的提升必不可少，但研究其對用戶行為的影響也是十分重要的。個性化推薦對用戶行為影響的研究尚未涉及短視頻情境，在已有的少量行為研究中，學(xué)者主要探究了個性化推薦在不同情境下對用戶行為的積極影響，并證明了引入個性化有關(guān)變量的必要性與有效性。焦媛媛等驗證了電商平臺中個性化推薦對用戶粘性的積極作用，武慧娟等通過扎根理論的方法，構(gòu)建了感知推薦質(zhì)量影響微閱讀用戶持續(xù)采納的路徑，呂巍等探究了AI個性化推薦對消費者點擊意愿的影響路徑。然而過量的個性化推薦也可能引發(fā)隱私泄露等問題從而導(dǎo)致用戶的負(fù)面情緒或行為，少部分學(xué)者如劉帥等考慮了健康類APP使用場景下個性化推薦對用戶持續(xù)使用的負(fù)向影響，楊莉明探索了新聞傳播領(lǐng)域個性化推薦對個人層面和社會層面的消極影響。如上所述，已有研究結(jié)論仍存在一定程度的矛盾，這一方面可能是由于已有研究的背景不同：另一方面也暗示了兩者之間可能存在的非線性關(guān)系。在短視頻情境下，個性化推薦作為能夠主導(dǎo)用戶瀏覽視頻內(nèi)容及主題的核心功能，既能夠促進(jìn)用戶的使用，也可能導(dǎo)致用戶的隱私憂慮從而退出使用。因此，本文有必要深入探索短視頻個性化推薦與用戶意愿之間可能存在的非線性影響關(guān)系，以期彌補現(xiàn)有研究的局限和不足，并為平臺運營商推動用戶使用提供參考和借鑒。

1.2短視頻類型

消費者行為領(lǐng)域中通常會依據(jù)對象的性能和提供的效能將其劃分為實用型與享樂型的產(chǎn)品或服務(wù)，信息系統(tǒng)領(lǐng)域也會借鑒這一分類方式，探討不同類型信息系統(tǒng)中用戶行為的特點與差異。在本文的情境下，不同類型的短視頻可以為用戶提供不同的效能，并滿足用戶的不同需求。而差異化的視頻效能與需求的滿足，就可能會導(dǎo)致用戶在使用不同類型的短視頻時的心理狀態(tài)與行為結(jié)果存在較大的差異。因此，本研究同樣借鑒這一方式，將短視頻劃分為實用型短視頻與享樂型短視頻。依據(jù)前人研究，本文將實用型短視頻定義為旨在為用戶提供信息和功能效能的一類短視頻，用戶通過這類短視頻實現(xiàn)資源獲取、知識學(xué)習(xí)等需求的滿足，通常以新聞、政策、知識等為視頻的主要內(nèi)容；享樂型短視頻則是旨在提供享樂效能的一類短視頻，用戶通過這類短視頻實現(xiàn)審美、愉悅及體驗等需求的滿足，通常以搞笑、萌寵、顏值、唱跳等為視頻的主要內(nèi)容。但這并不代表兩種類型是不相容的，在短視頻情境下有很多視頻既具有實用型的特點，也具有享樂型的特點，如部分知識分享類視頻也會以詼諧幽默的語言藝術(shù)形式進(jìn)行內(nèi)容展現(xiàn)。本文參考吳水龍等在消費者購買領(lǐng)域的研究，當(dāng)短視頻享樂屬性大于實用屬性時，將其歸類為享樂型視頻，反之亦然。

在研究信息系統(tǒng)用戶行為時，許多學(xué)者都證明了引人類型相關(guān)變量作為邊界條件的有效性和必要性，如Li D等驗證了社交型用戶與成就型用戶對游戲化競爭與健康管理平臺技術(shù)疲憊之間倒U形影響關(guān)系的調(diào)節(jié)作用，Yeh N C等驗證了享樂與功利內(nèi)容類型對感知有用性、易用性與Web 2.0應(yīng)用程序使用意愿之間關(guān)系的調(diào)節(jié)作用，程慧平等驗證了不同的微信公眾號類型對要素與取消關(guān)注意向之間關(guān)系的調(diào)節(jié)作用。這些研究都證明了研究對象的不同類型將會導(dǎo)致用戶與信息系統(tǒng)交互過程中產(chǎn)生不同的情感或心理反應(yīng)，從而對行為產(chǎn)生不同影響。在短視頻情景下，雖然尚未有研究考慮視頻類型的差異化對用戶行為產(chǎn)生的不同影響，但視頻的不同特點很可能會導(dǎo)致在相同的個性化推薦程度下，用戶感知不同程度的隱私收益及風(fēng)險，并最終造成使用意愿的不同結(jié)果。因此，本研究將實用型短視頻和享樂型短視頻作為個性化推薦影響使用意愿的調(diào)節(jié)變量，以進(jìn)一步豐富短視頻用戶使用的邊界條件。

1.3隱私關(guān)注

隱私關(guān)注指的是互聯(lián)網(wǎng)用戶由于文化、法規(guī)、個人特征及過往經(jīng)歷等各種因素的不同，對在線平臺或公司收集和使用個人隱私信息這一行為的關(guān)注程度。隨著信息技術(shù)的不斷發(fā)展與網(wǎng)絡(luò)平臺的持續(xù)優(yōu)化，用戶的互聯(lián)網(wǎng)使用體驗得到了空前的提升，尤其是個性化推薦技術(shù)的引入，使得用戶的個性化需求得到了極大程度的滿足，但與之相伴的隱私問題也逐漸引起人們的重視。

在信息系統(tǒng)用戶行為的研究中，許多學(xué)者會引入用戶個人特質(zhì)作為調(diào)節(jié)變量，以驗證對用戶行為的邊界作用。而隱私關(guān)注作為一種典型的個人特質(zhì)，不同的隱私關(guān)注程度會導(dǎo)致用戶在相同的個性化推薦程度下，感知不同程度的隱私風(fēng)險，從而對最終使用意愿產(chǎn)生差異化影響結(jié)果。王家瑋等也在團(tuán)購平臺中證實了隱私關(guān)注作為調(diào)節(jié)變量的必要性。在短視頻情境下，個性化推薦所隱含的隱私收集機(jī)制更是引起了用戶對隱私問題的廣泛關(guān)注，平臺不僅會仿照其他場景收集、使用個人信息，還會在用戶無意識的情境下獲取信息，比如瀏覽或私信。當(dāng)用戶對隱私關(guān)注程度較高時，相同的個性化推薦程度下可能會感知更大的隱私風(fēng)險，從而對短視頻存在更大的抵觸心理與更低的使用意愿。因此，本研究將隱私關(guān)注引入并作為調(diào)節(jié)變量，并試圖證明隱私關(guān)注是否能夠調(diào)節(jié)個性化推薦與使用意愿之間的非線性影響關(guān)系。

1.4隱私計算理論

Laufer R S等基于社會交換理論，提出了隱私計算理論，這是一種對行為的計算，即在特定情境下對行為預(yù)期的感知風(fēng)險和收益進(jìn)行權(quán)衡，當(dāng)用戶感知收益大于感知風(fēng)險時，用戶會進(jìn)行披露行為。隱私計算理論已經(jīng)被廣泛應(yīng)用于信息系統(tǒng)用戶行為的衡量，即信息系統(tǒng)雖然會為用戶帶來便利性、實用功能以及社交關(guān)系等收益，但注冊、信息登記等交互行為也會帶來潛在的隱私風(fēng)險，對收益與風(fēng)險的綜合評估結(jié)果很大程度上決定了用戶對信息系統(tǒng)后續(xù)的使用或退出行為。已有研究證明了用戶感知的隱私收益與風(fēng)險對行為決策的重要作用，但較少考慮收益與風(fēng)險綜合的變動結(jié)果對行為產(chǎn)生的差異化的影響。

本研究中，短視頻的使用會帶來娛樂需求滿足、信息需求滿足、沉浸體驗、便利性等隱私收益，且隨著個性化推薦程度的提升，感知的隱私收益逐漸增加。但相應(yīng)的，個性化推薦機(jī)制帶來的隱私泄露是用戶在使用過程中無法避免的。平臺會在用戶的使用過程中，通過點贊、瀏覽、收藏或個人信息填寫等多種途徑獲取用戶的隱私信息，同時短視頻也會將用戶喜歡的視頻在未經(jīng)授權(quán)的前提下推送給親友，并標(biāo)注哪位用戶對該視頻進(jìn)行了點贊和收藏，這無異于增加了用戶使用短視頻的隱私風(fēng)險，這些風(fēng)險同樣也會隨著個性化推薦程度的加深而逐漸增長。用戶通過對感知的隱私收益與隱私風(fēng)險的權(quán)衡，最終決定其使用短視頻的意愿。因此，本研究將依據(jù)隱私計算理論探討不同個性化推薦程度下短視頻用戶的使用意愿。

2研究假設(shè)

2.1個性化推薦與用戶使用意愿

個性化推薦是影響短視頻用戶使用意愿的重要因素，然而已有關(guān)于個性化推薦機(jī)制與用戶使用意愿關(guān)系的研究仍存在分歧。部分學(xué)者在微閱讀、電子商務(wù)平臺等情境下驗證了個性化推薦機(jī)制導(dǎo)致的高感知相關(guān)是促進(jìn)用戶使用意愿的重要原因。然而，也有部分學(xué)者論證了高度的個性化推薦在健康類APP、個性化廣告情境中因隱私和自由選擇權(quán)的侵犯而對使用意愿產(chǎn)生的消極影響。

但是在短視頻情境下，這兩種對個性化推薦機(jī)制的看法并不對立，不同程度的個性化推薦可能會對用戶使用意愿產(chǎn)生不同的影響。Malheiros M等認(rèn)為個性化推薦對用戶行為的積極影響存在一定閾值。在短視頻情境下，隨著個性化推薦程度的提升，用戶使用意愿首先會呈現(xiàn)上升趨勢，此時個性化推薦的邊際收益會大于邊際損失。在這一階段，視頻與用戶的需求匹配程度不斷增加，用戶的使用意愿也不斷提升。當(dāng)邊際收益等于邊際損失，即隱私收益與隱私風(fēng)險差值的邊際增長率為0時，短視頻用戶的使用意愿達(dá)到最大值，此時為倒U形圖像的拐點。此后隨著個性化推薦程度的繼續(xù)提升，用戶感知的隱私收益與隱私風(fēng)險差值不斷縮小，用戶使用意愿逐漸降低，雖然個性化的優(yōu)勢依然存在，但個人隱私泄露的威脅以及平臺未經(jīng)授權(quán)的不當(dāng)查閱等隱私風(fēng)險都會顯著地遏制用戶繼續(xù)使用短視頻的意愿直至停止使用。綜上，當(dāng)短視頻個性化推薦低于某一閾值時，短視頻用戶使用意愿會隨著個性化推薦水平的提升而升高，當(dāng)個性化推薦水平超過某一閾值時，用戶會逐漸降低短視頻使用意愿。

綜上，本文提出如下假設(shè)：

H1：個性化推薦與使用意愿之間存在倒U形關(guān)系

2.2短視頻類型的調(diào)節(jié)作用

實用型與享樂型短視頻所具備的不同特點使得用戶在與不同類型、不同個性化程度的視頻交互時會獲得不同的隱私收益并面臨不同的隱私風(fēng)險，從而對個性化推薦與用戶使用意愿之間的關(guān)系產(chǎn)生不同影響。

用戶與實用型短視頻交互是為了實現(xiàn)信息與知識的獲取，用戶使用實用屬性越強(qiáng)的短視頻，對視頻與自身需求的匹配度就有越高的要求，對個性化推薦的需求就越強(qiáng)。Zhang L等在網(wǎng)絡(luò)購物的情景下，驗證了實用系統(tǒng)對個性化推薦的高需求度。此外，用戶感知實用型短視頻有相對其他類型短視頻較低的隱私風(fēng)險。雖然個人信息泄露的威脅仍然存在，但用戶相對不介意使用實用屬性的視頻被親友通過平臺的個性化推薦功能知悉，這就導(dǎo)致了隱私風(fēng)險會低于其他類型短視頻的使用。因此，實用型短視頻用戶可能會在更高的個性化推薦水平才能實現(xiàn)使用意愿的最大化，即邊際收益與邊際損失的持平點位于更高個性化推薦處，倒U形曲線拐點右移。

同時，當(dāng)短視頻實用屬性較強(qiáng)時，在低個性化推薦處的個性化需求的不滿足可能會導(dǎo)致用戶與短視頻交互獲得更少的隱私收益，從而降低用戶的使用意愿；在高個性化推薦處，用戶將感知更低的隱私風(fēng)險，從而提升用戶的使用意愿。因此，對于高實用屬性的短視頻來說，低個性化推薦對應(yīng)的更低的使用意愿，高個性化推薦對應(yīng)更高的使用意愿。綜上，本文提出如下假設(shè)：

H2：實用型短視頻調(diào)節(jié)個性化推薦與使用意愿之間的倒U形關(guān)系

但當(dāng)用戶使用享樂型短視頻時，用戶對個性化推薦的需求反而降低。此時很多人出于消磨時間與滿足娛樂需求的目的使用短視頻，過度的個性化推薦反而會帶來較少的新鮮感與舒適感，用戶的隱私收益降低。此外，高個性化推薦也會提高隱私風(fēng)險，個人的享樂偏好與使用記錄會在未經(jīng)授權(quán)的情況下被親友知曉，為用戶帶來更多的使用壓力。因此，享樂型短視頻用戶可能只需要更低程度的個性化推薦機(jī)制即可實現(xiàn)使用意愿的最大化．即邊際收益與邊際損失的持平點位于更低個性化推薦處，倒U形曲線拐點左移。

同時，當(dāng)短視頻享樂屬性較強(qiáng)時，用戶對個性化較低的需求，導(dǎo)致其在個性化推薦較低時會有較高的隱私收益與較低的隱私風(fēng)險：當(dāng)個性化推薦較高時，用戶則會面臨較高的隱私風(fēng)險與較低的隱私收益，用戶的使用意愿降低。因此，對于高享樂屬性的短視頻來說，低個性化推薦對應(yīng)的使用意愿處于較高水平，高個性化推薦對應(yīng)的使用意愿處于較低水平。因此，本文提出如下假設(shè)：

H3：享樂型短視頻調(diào)節(jié)個性化推薦與使用意愿之間的倒U形關(guān)系

2.3隱私關(guān)注的調(diào)節(jié)作用

隱私關(guān)注考察了短視頻情境下，用戶對短視頻平臺收集和使用個人相關(guān)信息的關(guān)注程度。當(dāng)用戶對隱私關(guān)注程度高時，用戶感知相同短視頻個性化推薦程度下帶來的隱私風(fēng)險顯著增加。在隱私收益變化不顯著的情景下，收益與損失權(quán)衡的結(jié)果是用戶更傾向降低短視頻的使用意愿。即隱私關(guān)注強(qiáng)化了損失機(jī)制的發(fā)生，在臨界點前個性化推薦的積極影響被削弱，臨界點后個性化推薦的消極影響被強(qiáng)化。王家瑋等也驗證了隱私關(guān)注對用戶采納意愿的負(fù)向調(diào)節(jié)作用。綜上所述，本文提出如下假設(shè)：

H4：隱私關(guān)注調(diào)節(jié)個性化推薦與使用意愿之間的倒U形關(guān)系

基于上述討論，本研究構(gòu)建個性化推薦影響用戶使用意愿的概念模型，關(guān)鍵變量與假設(shè)關(guān)系如圖1所示。

3研究設(shè)計

3.1問卷設(shè)計

本研究通過問卷調(diào)查的方法，對上述模型和提出的假設(shè)進(jìn)行實證檢驗。量表的設(shè)計均參考已有研究的成熟量表，英文量表通過反向翻譯減少語言差異，同時為適應(yīng)短視頻的背景，對相關(guān)語句進(jìn)行了微小的調(diào)整。問卷采用Likert7級量表進(jìn)行設(shè)計，范圍從1（非常不同意）～7（非常同意）。其中，個性化推薦的量表來自于Li C的研究，使用意愿的量表改編自Venkatesh V等的研究，實用型與享樂型短視頻的量表均借鑒Voss K E等的研究，隱私關(guān)注的量表參考了Son J Y等的研究。同時，考慮到短視頻用戶的個人特征對用戶使用意愿可能存在的影響，本研究選取性別、年齡、學(xué)歷、短視頻使用時長作為控制變量，以更好地驗證短視頻個性化推薦與用戶使用意愿之間的關(guān)系。

3.2數(shù)據(jù)收集與樣本分析

問卷設(shè)計完成后，首先在大學(xué)生微信群發(fā)起一次小規(guī)模預(yù)調(diào)研，結(jié)果顯示本問卷可靠性較高。同時，結(jié)合實際反饋的語義不通等問題以及課題組內(nèi)專家對問卷進(jìn)行最終調(diào)整，而后開始正式調(diào)查。將問卷星鏈接發(fā)布在不同社交媒體平臺，如微信、微博、貼吧等，并以紅包的形式鼓勵大家完成問卷的填寫。為保證樣本的有效性，在問卷開頭設(shè)置篩選問題如下：“您最近一周使用抖音、快手或其他短視頻的次數(shù)超過5次嗎？”以此保證被調(diào)研對象為短視頻活躍用戶，并要求用戶打開個人最常用短視頻平臺并簡要瀏覽該平臺隨機(jī)，以此強(qiáng)化個人對平臺個性化推薦強(qiáng)度以及常用視頻屬性等的認(rèn)知，避免因個體記憶偏誤對問卷真實度造成的影響。問卷共分兩個批次發(fā)放，2022年10月2日-12日發(fā)放并收集第一批問卷，10月16日-26日發(fā)放并收集第二批問卷，最終兩批次共獲得383份有效問卷。表1展現(xiàn)了樣本的基本信息，樣本中性別分布均衡，20～39歲人群占比超過總數(shù)的60%，基本符合2021年頭部短視頻用戶畫像。

4假設(shè)檢驗

4.1信度和效度檢驗

本研究通過SmartPLS 4.0對信度和效度進(jìn)行檢驗。由表2可知，組合信度（CR）和Cronbach'sa均大于0.7，可以認(rèn)定量表具有較好的內(nèi)部一致性，信度得到檢驗。標(biāo)準(zhǔn)化因子載荷均大于0.6，AVE大于0.5，變量的收斂效度得到檢驗。此外，每個變量AVE的平方根均大于變量間的相關(guān)系數(shù)，如表3所示，由此判定模型也具有較好的區(qū)分效度。

在進(jìn)行回歸分析前，研究也需要對兩兩變量間的相關(guān)性進(jìn)行初步分析，相關(guān)系數(shù)如表3所示。享樂型短視頻和隱私關(guān)注分別與使用意愿顯著負(fù)相關(guān)，隱私關(guān)注與享樂型短視頻顯著正相關(guān)。個性化推薦與使用意愿之間不存在顯著的線性關(guān)系，兩者之間可能存在的復(fù)雜關(guān)系將在后文進(jìn)一步探討。

此外，使用Harman的單因子檢驗法來檢測模型中是否存在嚴(yán)重的共同方法偏差。探索性因子分析的結(jié)果顯示，未旋轉(zhuǎn)時因子數(shù)量大于1且第一個因子的方差解釋率為32.655%，小于Hair J F等建議的臨界點50%。

4.2倒U形關(guān)系檢驗

本研究使用Stata17軟件檢驗假設(shè)提出的倒U形關(guān)系與調(diào)節(jié)效應(yīng)。首先把問卷中對應(yīng)多個題項的變量的數(shù)據(jù)取平均值，結(jié)果作為該變量的取值，然后將處理后的383份數(shù)據(jù)輸入軟件進(jìn)行假設(shè)檢驗。具體流程如下：

4.2.1初步圖形繪制

首先繪制原始值圖形以及擬合曲線如圖2所示，從圖像上初步推斷個性化推薦與使用意愿之間存在非線性關(guān)系。

4.2.2二次回歸

本研究運用層次回歸分析法檢驗個性化推薦與使用意愿之間的倒U形關(guān)系。首先，將研究選取的所有控制變量引入模型1，而后在模型2添加個性化推薦的一次項，模型3繼續(xù)引入個性化推薦的平方項，分別進(jìn)行回歸分析，結(jié)果如表4所示。模型1中僅學(xué)歷對使用意愿存在顯著影響，其他控制變量對使用意愿的線性影響關(guān)系均不顯著。模型2顯示，依舊僅有學(xué)歷對使用意愿存在顯著影響，其他變量包括個性化推薦在內(nèi)，對使用意愿均不存在顯著的線性關(guān)系。模型3中，個性化推薦與使用意愿之間存在顯著的正向關(guān)系（B=2.337，p<0.001），個性化推薦平方項與使用意愿之間為顯著的負(fù)向關(guān)系（B=-0. 272，p<0.001），兩系數(shù)異號且均在95%的置信區(qū)間上顯著，據(jù)此推定個性化推薦與使用意愿之間存在倒U形關(guān)系，假設(shè)H1得到初步驗證。

4.2.3U-test檢驗

但即使是二次項系數(shù)顯著，樣本區(qū)間內(nèi)也可能存在凸且單調(diào)的非線性關(guān)系，即僅存在倒U形曲線的半支，這可能是對自變量的實際含義、取值范圍以及轉(zhuǎn)折點的取值考慮得不夠嚴(yán)謹(jǐn)所致。為避免這類錯誤，本研究補充U-test檢測，結(jié)果如表5所示。

由檢測結(jié)果可知，倒U形曲線的極值點為4.298，置信水平99%的極值點菲勒區(qū)間為[4.093，4.528]，解釋變量的取值范圍為[1，7]，因此極值點處于允許的數(shù)據(jù)范圍內(nèi)。此外，兩組斜率均顯著且在區(qū)間內(nèi)異號，因此可以最終認(rèn)定個性化推薦與使用意愿之間存在倒U形關(guān)系，并能夠在1%的水平上拒絕原假設(shè)。

基于上述回歸與檢驗結(jié)果，對倒U形關(guān)系進(jìn)行作圖分析。如圖3所示，隨著個性化推薦程度的增強(qiáng)，用戶使用意愿逐漸升高，且存在邊際遞減效應(yīng)，在達(dá)到極值點PR=4.298后，使用意愿隨著個性化推薦程度的增加呈現(xiàn)邊際遞增的下降趨勢。

4.3調(diào)節(jié)效應(yīng)檢驗

為驗證變量的調(diào)節(jié)作用，本研究繼續(xù)采用層次回歸分析的方法在前文倒U形檢驗結(jié)果的基礎(chǔ)上引入模型4～7，分別添加調(diào)節(jié)變量與交互項。同時為避免多元線性回歸中調(diào)節(jié)變量與一次項和二次項交互引發(fā)的共線性問題，本研究將一次項、二次項和調(diào)節(jié)變量分別進(jìn)行中心化處理。層次回歸分析結(jié)果如表6所示。

回歸結(jié)果顯示，實用型短視頻×個性化推薦對使用意愿有顯著的負(fù)向影響（B=-0.389，p<0.01），實用型短視頻×個性化推薦平方對使用意愿有顯著的正向影響（B=0.088，p<0.001），隱私關(guān)注×個性化推薦對使用意愿有顯著的正向影響（B=0.736，p<0.001），隱私關(guān)注×個性化推薦平方對使用意愿有顯著的負(fù)向影響（p=-0.086，p<0.001），假設(shè)H2、H4被證實。

但享樂型短視頻與一次項和二次項的交互項對用戶使用意愿均沒有顯著的影響，H3未通過檢驗。考慮原因如下：首先，享樂型短視頻的使用雖然可能導(dǎo)致信息泄露、他人不當(dāng)查閱等隱私風(fēng)險的增加，但是沉浸體驗、享樂滿足等作為用戶使用這類短視頻的主要目的，其個性化水平提升的邊際收益相比其他類型短視頻可能遠(yuǎn)遠(yuǎn)超出前文的假設(shè)，所以隨著個性化推薦程度的變化，享樂型短視頻情境下?lián)p失與收益的同向變化也可能導(dǎo)致了調(diào)節(jié)作用的不顯著：其次，可能是享樂型短視頻的調(diào)節(jié)作用是非線性的，所以本文對享樂型短視頻的線性調(diào)節(jié)作用的驗證并不顯著。

此外，為了更清晰地展示實用型短視頻與隱私關(guān)注對倒U形關(guān)系的調(diào)節(jié)作用，本研究基于前文層次分析結(jié)果，構(gòu)建調(diào)節(jié)變量取值為均值，均值一SD，均值+SD時的倒U形模型并進(jìn)行作圖分析。實用型短視頻的調(diào)節(jié)效應(yīng)如圖4所示。當(dāng)用戶與實用屬性較高的短視頻交互時，個性化推薦程度低時用戶使用意愿也較低；個性化推薦程度較高時，使用意愿則會高于低實用型短視頻。且倒U形曲線極值點右移，也證實了實用型短視頻用戶對個性化推薦機(jī)制的接受度較高。即到達(dá)較大個性化推薦程度時，邊際損失才會達(dá)到與邊際收益持平的狀態(tài)。隱私關(guān)注的調(diào)節(jié)效應(yīng)圖如圖5所示。當(dāng)用戶具備較高的隱私關(guān)注時，任意個性化推薦程度下，用戶都具有較低的使用意愿，曲線整體下移。且曲線的極值點左移，也證明了高隱私關(guān)注用戶對個性化推薦機(jī)制的容忍度較低，即到達(dá)較低個性化推薦程度時就會出現(xiàn)邊際損失與邊際收益持平的狀態(tài)。

最后，控制變量中除學(xué)歷外均未通過顯著性檢驗。

5結(jié)論與討論

5.1結(jié)論

為了更好地解釋短視頻平臺中不同程度的個性化推薦機(jī)制帶來的差異化的用戶行為，以及明晰學(xué)術(shù)界對個性化推薦與用戶使用行為之間矛盾的研究結(jié)果，本研究基于隱私計算理論提出個性化推薦與使用意愿之間的非線性影響關(guān)系假設(shè)，以及短視頻類型和用戶隱私關(guān)注對這一關(guān)系的調(diào)節(jié)作用假設(shè)。接下來，采用Smartpls軟件對問卷調(diào)查方法收集的研究數(shù)據(jù)進(jìn)行信效度檢驗與相關(guān)性分析，并采用Stata17軟件基于層次回歸分析的方法對倒U形關(guān)系與調(diào)節(jié)效應(yīng)進(jìn)行驗證，而后對實證研究結(jié)果進(jìn)行分析討論。

綜合得出以下研究結(jié)論：首先，短視頻個性化推薦與用戶使用意愿之間存在倒U形關(guān)系，即用戶使用意愿隨著短視頻個性化推薦程度的提升而呈現(xiàn)出先升高后降低的趨勢；其次，實用型短視頻對倒U形關(guān)系的調(diào)節(jié)作用得到了驗證，即高實用屬性的短視頻在個性化推薦程度較低時有相對較低的使用意愿，在個性化推薦程度較高時有更高的使用意愿，且用戶對高實用屬性短視頻的個性化接受程度更高；第三，隱私關(guān)注對倒U形關(guān)系的調(diào)節(jié)作用也得到了檢驗，當(dāng)用戶隱私關(guān)注程度較高時，任意個性化推薦程度下的用戶使用意愿都被弱化，且對個性化的忍耐度更低；最后，享樂型短視頻對個性化推薦與用戶使用意愿之間關(guān)系的調(diào)節(jié)作用未通過驗證。

5.2理論意義與實際意義

本研究具有重要的理論意義。第一，本研究首次構(gòu)建并驗證了短視頻個性化推薦與使用意愿之間的倒U形關(guān)系模型，識別了短視頻的獨特特征并在短視頻的研究情景下整合性地解釋了前人在個性化推薦影響用戶行為領(lǐng)域中的研究分歧。第二，參考前人在其他領(lǐng)域中的類型劃分，將短視頻劃分為實用型與享樂型，并揭示了不同短視頻類型在倒U形關(guān)系中差異化的邊界作用。其中，只有實用型短視頻的調(diào)節(jié)作用得到了驗證，在高實用屬性短視頻的使用情景下，個性化推薦較低時使用意愿被弱化，個性化推薦較高時使用意愿被強(qiáng)化，倒U形曲線頂點的右移也證實了用戶在使用高實用型短視頻時對個性化推薦機(jī)制的接受度更高。第三，將隱私關(guān)注作為調(diào)節(jié)變量引入了短視頻用戶行為領(lǐng)域，驗證了隱私關(guān)注這一用戶個人特質(zhì)對倒U形關(guān)系的負(fù)向調(diào)節(jié)作用。即在用戶高隱私關(guān)注情境下，倒U形曲線整體向左下方移動，任意個性化推薦程度下的用戶使用意愿均被弱化，此時用戶對個性化推薦機(jī)制的容忍度變低。上述調(diào)節(jié)變量的引入進(jìn)一步明晰了倒U形關(guān)系的邊界條件。第四，拓展了隱私計算理論在短視頻用戶行為領(lǐng)域的應(yīng)用。本研究基于該理論中的感知隱私收益與隱私風(fēng)險構(gòu)建了倒U形關(guān)系中的收益與損失機(jī)制，據(jù)此解釋了個性化推薦的積極作用、消極作用與轉(zhuǎn)化機(jī)制，為深入地理解個性化推薦與使用意愿之間的倒U形關(guān)系打下基礎(chǔ)。

本研究的結(jié)論對短視頻平臺運營商也有一定的實際意義。首先，參照研究結(jié)論，運營商需要對個性化推薦機(jī)制進(jìn)行合理的適度調(diào)控以促進(jìn)用戶使用。個性化推薦的程度并非越高越好，只有保持符合用戶需求的、適度的個性化推薦，才能讓用戶在更高的使用意愿水平下達(dá)到感知收益與感知風(fēng)險的均衡，實現(xiàn)個性化推薦效用的最大化；其次，也要適當(dāng)考慮這一關(guān)系的邊界條件，對于實用屬性較強(qiáng)的短視頻，個性化推薦程度可以適當(dāng)提高從而使用戶收益增加，而對于實用屬性較低的短視頻來說，降低個性化程度反而可以促進(jìn)使用意愿。此外，平臺可以對用戶在首次進(jìn)入平臺前進(jìn)行簡單的預(yù)調(diào)研，當(dāng)用戶隱私關(guān)注程度較高時，可以適當(dāng)降低系統(tǒng)個性化推薦程度，反之則可以適當(dāng)提高個性化推薦程度，從而更加契合用戶的個人特質(zhì)并提升用戶的使用意愿。

5.3研究局限與展望

本研究也存在一定的研究不足。首先，由于人力和時間的限制，本研究未將短視頻作具體區(qū)分，但抖音、微信視頻號以及快手等平臺均具有各自的特點，后續(xù)研究可以考慮對這些平臺進(jìn)行比較分析，討論不同平臺中個性化推薦機(jī)制對用戶行為的影響是否有顯著差異；其次，本研究僅將年齡．性別等特征考慮為控制變量，但這些差別也可能對個性化推薦與使用意愿之間的影響起到調(diào)節(jié)效用，因此，未來考慮加入更多的調(diào)節(jié)變量進(jìn)而豐富已有研究模型；第三，本階段的研究基于問卷數(shù)據(jù)提出了初步的倒U形關(guān)系模型，希望在下一階段的研究中能夠擴(kuò)大樣本規(guī)模并收集短視頻平臺內(nèi)的客觀數(shù)據(jù)以完善該模型，以期為解決短視頻中的隱私悖論問題提供更為詳實的實踐指導(dǎo)。