考慮不同使用場景的APP用戶隱私交換行為

韓 震,石 磊,趙彥霖

(大連海事大學(xué) 航運(yùn)與經(jīng)濟(jì)管理學(xué)院,遼寧 大連 116000)

隨著移動互聯(lián)網(wǎng)技術(shù)在社會生活中的廣泛應(yīng)用和深度融合,多數(shù)的移動應(yīng)用軟件(Application,簡稱APP)可以通過各類應(yīng)用商店或掃描二維碼等形式免費(fèi)獲取。同時(shí),越來越多APP的功能甚至是增值服務(wù),被設(shè)置成用戶通過隱私交換的方式實(shí)現(xiàn),即用戶通過公開他們的個(gè)人隱私以換取APP 個(gè)性化服務(wù)帶來的增值服務(wù)。免費(fèi)增值模式是指服務(wù)商向用戶提供免費(fèi)的基礎(chǔ)服務(wù)[1],而對增值服務(wù)模塊收費(fèi)的一種商業(yè)模式。從免費(fèi)的基礎(chǔ)服務(wù)狀態(tài)開始吸引大量用戶,以用戶隱私作為使用權(quán)限的交換條件,能夠?yàn)檫\(yùn)營商帶來巨大的用戶數(shù)據(jù)價(jià)值,以實(shí)現(xiàn)精準(zhǔn)的廣告推送[2]、應(yīng)用引流和個(gè)性化服務(wù)。與以往單一依靠付費(fèi)的免費(fèi)增值模式不同,利用隱私交換獲得更多商機(jī)的免費(fèi)增值模式正在成為APP 商業(yè)模式的主要邏輯。根據(jù)Braze《2020年數(shù)據(jù)隱私報(bào)告》顯示,隱私交換行為廣泛存在于獲取和使用APP的整個(gè)過程中,70%的用戶在使用APP 時(shí)存在著隱私交換行為,其中多數(shù)用戶更認(rèn)為隱私交換有利于自己獲得個(gè)性化服務(wù),改善使用體驗(yàn)。

但是這一現(xiàn)象卻存在著不容忽視的隱私問題:一方面,隨手可得的產(chǎn)品和服務(wù)、輕易換取的使用權(quán)限,使得用戶隱私保護(hù)意識淡薄,將隱私交換行為當(dāng)成“免費(fèi)的午餐”,并對正常付費(fèi)產(chǎn)生抵觸情緒;另一方面,客觀上存在著巨大的隱私風(fēng)險(xiǎn),例如不斷發(fā)生的隱私信息泄漏、濫用等事件。由此可見,用戶需要在隱私安全和便利之間進(jìn)行權(quán)衡[3]。深入解析用戶在APP使用過程中隱私交換行為的動因和影響因素,探討在免費(fèi)和付費(fèi)等不同使用場景下的用戶行為,有效避免隱私交換行為所產(chǎn)生的風(fēng)險(xiǎn)和憂慮,是具有重要現(xiàn)實(shí)意義的研究課題。

近年來,圍繞APP隱私問題的相關(guān)研究正在成為熱點(diǎn)。除在技術(shù)層面探討如何進(jìn)行隱私保護(hù)外,多數(shù)研究都是圍繞隱私要素對用戶使用意愿和行為的影響展開,內(nèi)容涉及隱私的感知[4-5]、匹配[6]、權(quán)衡[7-8]、授權(quán)[9]、披露[10]等多個(gè)方面。總體來看,以往研究多選取具體的APP類型[5-6]及不同的用戶特征[11-12]進(jìn)行分析,基于技術(shù)接受模型(Technology Acceptance Model,TAM)及其拓展模型[11,13]、隱私計(jì)算模型[12]等理論,采取結(jié)構(gòu)方程[9-13]的方法進(jìn)行實(shí)證,關(guān)注心理潛變量的影響[14],忽視APP使用中的客觀影響因素。事實(shí)上,這種隱私交換行為還受到APP運(yùn)營商使用場景設(shè)計(jì)的影響。運(yùn)營商會針對用戶需求情況,在不同使用場景下設(shè)置不同的隱私交換條件(即功能獲取和隱私信息交換的規(guī)則),這些隱私交換條件作為客觀可觀測變量,其選擇結(jié)果決定了用戶隱私交換行為是否發(fā)生。由此可見,隱私交換行為本質(zhì)上是APP 用戶對不同使用場景隱私交換條件的選擇行為,針對選擇行為的研究應(yīng)兼顧心理潛變量及使用場景變量的共同影響。

離散選擇模型(Discrete Choice Model,DCM)作為研究選擇行為的常用模型,通常基于效用最大化準(zhǔn)則來描述決策者面對多個(gè)備選方案時(shí)的選擇行為。由于DCM 不能直接測量態(tài)度、偏好、感知等潛變量,無法解釋心理因素對決策者的影響,為此,Ben-Akiva等[15]將潛變量引入DCM,建立了ICLV(Integrated Choice and Latent Variable)模型。由于ICLV 模型在充分考慮外部客觀屬性的前提下,還能清楚地揭示內(nèi)在主觀因素對選擇行為的影響,從而能夠有效增強(qiáng)模型的解釋和預(yù)測能力[15-16]。近年來,ICLV模型在出行方式[16]、居住地[17]及產(chǎn)品[18]等領(lǐng)域的選擇行為研究中得到了廣泛應(yīng)用。以出行方式選擇研究為例,ICLV模型既包括以出行屬性(如出行時(shí)間、出行費(fèi)用、出行距離等)為客觀變量的離散選擇模型,又包括以出行態(tài)度(如喜好度、滿意度、舒適度等)[16]為心理潛變量的結(jié)構(gòu)方程模型。為此,本文將構(gòu)建隱私交換行為選擇的ICLV 模型。其中,依據(jù)TAM 提出使用場景變量構(gòu)建離散選擇模型,依據(jù)溝通隱私管理(Communication Privacy Management,CPM)理論提出心理潛變量構(gòu)建結(jié)構(gòu)方程模型。通過對不同使用場景下影響因素的測度來計(jì)算用戶隱私交換行為概率。

1 研究假設(shè)

1.1 基于CPM 理論的相關(guān)變量界定及假設(shè)

傳統(tǒng)意義上,隱私是指個(gè)人與社會公共生活無關(guān)的而不愿為他人知悉的事項(xiàng)。如果本人愿意公開,原來的隱私就轉(zhuǎn)化為非隱私了,如社交平臺上的“曬”隱私現(xiàn)象,就不屬于隱私保護(hù)內(nèi)容[19]。因此,隱私在不同情境下有不同的定義。本文沿用CPM理論中隱私的定義,認(rèn)為隱私是一條從自我到他人的具有彈性的邊界,將隱私邊界看成是一個(gè)從完全開放到完全封閉的連續(xù)體[20]。CPM 理論描述了用戶管理隱私信息的過程,解釋了人們?nèi)绾螌﹄[私的披露與隱藏進(jìn)行決策。為了很好地保護(hù)隱私,信息藏匿和保護(hù)之間需要進(jìn)行邊界協(xié)調(diào)[21],制定共同遵守的規(guī)則。CPM 理論將個(gè)人隱私規(guī)則制定標(biāo)準(zhǔn)分為核心標(biāo)準(zhǔn)和催化劑標(biāo)準(zhǔn)。核心標(biāo)準(zhǔn)包括個(gè)體特征和文化,催化劑標(biāo)準(zhǔn)包括情境、動機(jī)和風(fēng)險(xiǎn)-收益比。因此,基于CPM 理論提出隱私交換收益、隱私交換風(fēng)險(xiǎn)、隱私侵犯經(jīng)歷、隱私保護(hù)自我效能、隱私政策關(guān)注和個(gè)性化需求6個(gè)潛變量。

CPM 理論指出用戶在決定是否披露個(gè)人隱私時(shí)會進(jìn)行收益風(fēng)險(xiǎn)權(quán)衡。當(dāng)用戶獲得的收益超過風(fēng)險(xiǎn)時(shí)會傾向于披露個(gè)人隱私,反之會拒絕披露個(gè)人隱私。已有研究證明,用戶會根據(jù)APP提供的價(jià)值來決定向APP披露隱私的程度[7],隱私披露的感知收益越高會積極影響他們的隱私披露意愿[7,10]。因此,提出假設(shè):

H1隱私交換收益對隱私交換意愿有正向顯著影響。

隱私交換風(fēng)險(xiǎn)[10-13,22]是指用戶在使用APP 進(jìn)行隱私交換時(shí),對APP未經(jīng)授權(quán)披露其隱私信息所感知到的潛在損失。已有研究表明,當(dāng)用戶受到隱私侵犯感知到隱私風(fēng)險(xiǎn)時(shí)會減少信息披露[23]。此外,感知隱私敏感性會加劇隱私問題,進(jìn)而對隱私披露產(chǎn)生負(fù)面影響[24]。因此,提出假設(shè):

H2隱私交換風(fēng)險(xiǎn)對隱私交換意愿有負(fù)向顯著影響。

Gu等[24]指出用戶對隱私的態(tài)度和以往經(jīng)歷有關(guān),有過隱私受損經(jīng)歷會對個(gè)人隱私披露產(chǎn)生直接和間接的影響[12]。當(dāng)用戶發(fā)現(xiàn)網(wǎng)站濫用他們的信息時(shí),就會覺得這個(gè)網(wǎng)站沒有履行其職責(zé),因而在以后使用該網(wǎng)站時(shí)會降低隱私交換意愿[24]。因此,提出假設(shè):

H3隱私侵犯經(jīng)歷對隱私交換風(fēng)險(xiǎn)有正向顯著影響。

個(gè)性化需求通常被定義為根據(jù)個(gè)人偏好和行為量身定做服務(wù)的需求[25],通過數(shù)據(jù)挖掘、統(tǒng)計(jì)、人工智能和基于規(guī)則的匹配等工具,平臺可以預(yù)測用戶的需求和偏好,并提供更符合需求的產(chǎn)品和服務(wù)[26]。為了滿足個(gè)性化需求,用戶需要披露隱私,因此,個(gè)性化需求被認(rèn)為是影響隱私交換收益的一個(gè)重要因素,所以提出假設(shè):

H4個(gè)性化需求對隱私交換收益有正向顯著影響。

以往研究表明,個(gè)性化服務(wù)以獲取大量用戶數(shù)據(jù)為前提[27],所以具有顯著個(gè)人特征。披露這些數(shù)據(jù)可能會導(dǎo)致不必要的廣告植入、價(jià)格歧視以及未經(jīng)授權(quán)的訪問。盡管個(gè)性化服務(wù)帶來了附加價(jià)值,但仍會帶來隱私風(fēng)險(xiǎn),因此,提出假設(shè):

H5個(gè)性化需求對隱私交換風(fēng)險(xiǎn)有負(fù)向顯著影響。

根據(jù)CPM 理論,用戶隱私是否會被披露取決于環(huán)境的影響。而隱私政策會將APP如何收集和使用用戶隱私告訴他們,也是保護(hù)用戶隱私不會被篡改和泄露的保證。因此,隱私政策是APP使用過程中的一個(gè)環(huán)境因素。Mc Knight等[28]認(rèn)為隱私政策是促進(jìn)用戶建立對互聯(lián)網(wǎng)環(huán)境信任,保證供應(yīng)商誠實(shí)的一種方式。由此提出假設(shè):

H6隱私政策關(guān)注對隱私交換意愿有負(fù)向顯著影響。

隱私保護(hù)自我效能是指個(gè)體為保護(hù)個(gè)人信息和空間,對自身隱私邊界控制能力的感知[29]。已有研究表明,自我效能在影響用戶對技術(shù)感知和使用方面起著重要作用,能夠降低用戶對技術(shù)的焦慮感,是用戶評估感知規(guī)避能力的重要參考[30]。因此,提出假設(shè):

H7隱私保護(hù)自我效能對隱私交換意愿有正向顯著影響。

1.2 基于TAM 相關(guān)變量界定

TAM 因其有用性、易用性被廣泛應(yīng)用于組織IT 管理、銀行客戶采納、消費(fèi)者網(wǎng)絡(luò)購物意向以及圖書館信息系統(tǒng)滿意度等領(lǐng)域。APP 使用中考慮最多的因素是功能的有用性和便捷性,因此,基于TAM 理論設(shè)置不同使用場景。由于APP 類型繁多,用戶對APP的使用偏好也不相同,對實(shí)證研究中的使用場景設(shè)計(jì)有較大的影響。如果實(shí)證研究場景過于具體化,用戶偏好會對實(shí)證研究的影響較大。因此,對于使用場景中與用戶偏好有關(guān)的影響因素(如軟件功能需求程度、使用時(shí)長等)應(yīng)該進(jìn)行有效控制。模型中感知有用性是指使用系統(tǒng)對于人們所帶來的幫助和效率的提高,感知易用性是指用戶對于系統(tǒng)使用的方便性和技術(shù)接受的程度高低。除此之外,TAM 的應(yīng)用受到被調(diào)查者的個(gè)體特征、研究對象的特征以及文化環(huán)境差異等因素影響,隨著技術(shù)的不斷發(fā)展,使用環(huán)境也變得復(fù)雜,感知有用性和易用性已經(jīng)無法滿足對用戶使用行為解釋和預(yù)測的需求。因此,結(jié)合免費(fèi)增值模式下用戶在不同場景中交換隱私信息的不同提出信息敏感度這一使用場景屬性。信息敏感度[22,31-34]是指用戶對不用類型隱私信息披露所產(chǎn)生負(fù)面影響的感知程度。綜上可知,基于TAM 提出有用性、易用性和信息敏感度3個(gè)使用場景屬性,并根據(jù)使用場景屬性的不同水平劃分為4個(gè)使用場景。

2 MIMIC模型及結(jié)果

2.1 數(shù)據(jù)來源

(1)用戶社會經(jīng)濟(jì)屬性測量、以往APP使用中的隱私潛變量測項(xiàng)。其中,隱私潛變量量表依據(jù)CPM 各變量的問題項(xiàng)改編形成,相關(guān)變量題項(xiàng)及來源見表1。

表1 變量測量題項(xiàng)及來源

研究量表均采用Likert 5級量表,調(diào)查及后續(xù)研究中所用到的變量:

Sage——用戶的年齡;

Sedu——用戶受教育程度;

Sincome——用戶月收入;

Semploy——用戶受訪者職業(yè);

Zuse——功能有用性;

Zease——功能易用性;

Zsen——信息的敏感度。

(2)場景測試。選取有用性、易用性和信息敏感性3個(gè)使用場景屬性分別劃分為3個(gè)水平,理論上可產(chǎn)生3×3×3=27種使用場景。在免費(fèi)增值模式的運(yùn)營下產(chǎn)生了4 種使用場景,分別為免費(fèi)游客(A)、免費(fèi)注冊(B)、隱私交換增值(C)和付費(fèi)增值(D)。使用場景A 下,APP運(yùn)營商提供基礎(chǔ)服務(wù)(在有用性屬性下用1 表示),用戶需要提供使用信息(在信息敏感度屬性下用1表示)進(jìn)行交換,使用過程中受到廣告植入等影響,使用不便捷(在易用性屬性下用1表示);使用場景B下,APP運(yùn)營商提供個(gè)性化服務(wù)(在有用性屬性下用2 表示),用戶需要提供基本信息(在信息敏感性屬性下用2表示)進(jìn)行交換,使用方便(在易用性屬性下用2表示);使用場景C 和D 下,APP提供增值服務(wù)(在有用性屬性下用3 表示),用戶需要用敏感信息(在信息敏感度屬性下用3表示)或者付費(fèi)(在信息敏感度屬性下用2 表示)獲取,使用非常便捷(在易用性屬性下用3表示)。各使用場景屬性及其水平如表2所示。

表2 使用場景及其屬性

將情景描述為:“您在接觸一款新上市APP,您對該APP的使用需求強(qiáng)烈,在每個(gè)APP 使用場景下的需求都是理性的,且沒有產(chǎn)生對APP在使用時(shí)間和技術(shù)上的依賴。”在問卷調(diào)查中要求用戶根據(jù)日常使用偏好,對4個(gè)使用場景是否進(jìn)行隱私交換依次做出選擇。圖1所示為使用場景選項(xiàng)卡樣例。

通過線上發(fā)放問卷,共收回326 份有效問卷。被調(diào)查對象的年齡和學(xué)歷基本符合正態(tài)分布,說明樣本分層比較均勻。其中,本科學(xué)歷用戶最多(占總數(shù)的47.85%),且83.74%的調(diào)查對象年齡在18～45歲,這符合高學(xué)歷用戶與青年用戶是互聯(lián)網(wǎng)使用的主要人群特征。

信度采用組合信度(CR)來檢驗(yàn),并使用平均萃取變差(AVE)、Cronbach’sα系數(shù)檢驗(yàn)問卷中量表的有效性。首先,大部分潛變量的CR均大于0.8,表示因子具有較好的指標(biāo)信度。盡管兩個(gè)潛變量的結(jié)果不是很滿意,但是也大于0.7,也是可接受的。Cronbach’sα系數(shù)均大于0.7,說明該問卷的量表題具有較好的內(nèi)部一致性;AVE 都大于0.5,表示該問卷的量表題具有較好的聚合效度。信度和效度分析如表3所示。

表3 信度效度分析表

2.2 MIMIC模型及擬合結(jié)果

MIMIC模型是結(jié)構(gòu)方程的一種特殊形式,是一種探討多個(gè)外生觀測變量與多個(gè)內(nèi)生潛在變量之間關(guān)系的模型。該模型可以將連續(xù)變量和類別變量同時(shí)納入建立混合模型,以此來探討混合變量與測量模型間的關(guān)系。該模型相比傳統(tǒng)的多群組分析模型,不必根據(jù)類別變量把數(shù)據(jù)分為幾個(gè)組分別估值,操作上更簡單。MIMIC 模型在本質(zhì)上是結(jié)構(gòu)方程模型的一種形式,通常由結(jié)構(gòu)方程和測量方程兩部分組成,其關(guān)系為

式中:ηni是不可觀測潛變量向量,具體為ηbenefits、ηrisks、ηpolicy、ηPE、ηPPIE、ηSE和ηWTE;xni是影響潛變量ηni的外生可觀測變量向量,包括Sage、Sedu、Sincome和Semploy;yni是潛變量;ηni是可觀測指標(biāo)向量;ξni和εni為測量誤差;Γ和Λ是公式中待估計(jì)函數(shù)的系數(shù)。模型擬合情況如表4所示,本文中的結(jié)構(gòu)方程模型擬合度都在可接受的范圍內(nèi)。

表4 MIMIC模型擬合統(tǒng)計(jì)指標(biāo)

2.3 潛變量間關(guān)系分析

從構(gòu)建的MIMIC模型中可以得到外生可觀測變量和潛變量之間的關(guān)系以及潛變量之間的因果關(guān)系,由于篇幅有限,這里僅給出后者的結(jié)果。MIMIC模型中潛變量之間的路徑關(guān)系如圖2所示。

在圖2的MIMIC模型中,除假設(shè)H5、H6未得到證明之外,其余假設(shè)都得到顯著支持。個(gè)性化需求對于隱私交換收益有顯著影響,而對隱私交換風(fēng)險(xiǎn)沒有顯著影響,說明用戶在對個(gè)性化需求的感知收益大過感知風(fēng)險(xiǎn)。隱私侵犯經(jīng)歷對隱私交換意愿有顯著影響,說明用戶在決定隱私交換意愿時(shí)會形成定性思維,受到之前相關(guān)經(jīng)歷的影響,增加隱私交換風(fēng)險(xiǎn)。隱私交換收益和隱私交換風(fēng)險(xiǎn)對交換意愿有顯著影響。這說明,用戶在體驗(yàn)APP時(shí)會進(jìn)行隱私權(quán)衡,進(jìn)而決定是否采取隱私交換行為。隱私保護(hù)能力對隱私交換意愿有顯著影響,說明用戶隱私交換意愿受到隱私知識和隱私保護(hù)習(xí)慣的影響。而隱私政策關(guān)注對隱私交換意愿沒有顯著影響,可能是由于現(xiàn)有商業(yè)模式不接受隱私政策不允許使用的規(guī)則而導(dǎo)致用戶對隱私政策持流程化的態(tài)度,降低了對隱私政策的關(guān)注。

3 離散選擇模型檢驗(yàn)及結(jié)果分析

3.1 離散選擇模型

根據(jù)MIMIC模型的結(jié)果,圖3為ICLV 模型的全路徑,具體由MIMIC模型和離散選擇模型構(gòu)成。

每一個(gè)使用場景下的效用函數(shù)的解釋變量分為可直接測量的解釋變量和不可直接測量的潛變量,并且假設(shè)效用函數(shù)是關(guān)于參數(shù)的線性函數(shù)。每一個(gè)使用場景下的效用函數(shù)為

式中:Uni為第n個(gè)APP用戶選擇第i個(gè)場景的效用;Vni是系統(tǒng)效應(yīng);νni是隨機(jī)效應(yīng);β是待估計(jì)的效用函數(shù)的系數(shù);βx是可直接觀測影響因素的系數(shù);βn是不可直接觀測影響因素的系數(shù)。

每個(gè)使用場景被選擇的概率為

式中:sni表示第n個(gè)用戶選擇第i個(gè)使用場景的狀態(tài),如果被調(diào)查的人選擇i,則sni=1,否則為0;Cn為第n個(gè)APP 用戶互斥的選項(xiàng)集;Pn為第n個(gè)APP用戶的選擇概率。

混合離散選擇模型的似然函數(shù)為

式中:Σv、Σξ、Σε分別為殘差和隨機(jī)項(xiàng)的協(xié)方差矩陣;Rη為積分是有多少個(gè)潛在變量的多重積分。假設(shè)有n個(gè)用戶,則ICLV 模型的似然函數(shù)為

3.2 模型檢驗(yàn)

通過繪制calibration圖來評估模型預(yù)測得到的預(yù)測值與實(shí)際的真實(shí)性的一致性,4個(gè)在使用場景下的calibration圖如圖4所示。

圖4(a)～(d)中,X軸為模型預(yù)測得到的結(jié)局可能性,Y軸為實(shí)際觀察得到的值,并重復(fù)計(jì)算1 000次,其中,Bias-corrected 為校正曲線,對角線Ideal為理想曲線。校正曲線與理想曲線之間越相近,說明模型的預(yù)測能力越好。因此,模型具有良好的校準(zhǔn)能力。

3.3 離散選擇擇結(jié)果分析

由于要考慮用戶個(gè)體特征對是否采取隱私交換行為的影響,在采用Logit模型計(jì)算時(shí),將不同使用場景的有用性、易用性和信息敏感程度分別統(tǒng)一在1個(gè)變量下。每個(gè)場景下隱私交換行為的結(jié)果如表4所示。

由表4可以看出,使用場景對用戶隱私交換行為具有顯著影響,用戶隱私交換行為會不同程度受到使用場景變量的影響。在不同使用場景下用戶隱私交換行為的影響因素存在如下不同:

表4 離散選擇模型結(jié)果分析

(1)在使用場景A 下會受到職業(yè)、隱私交換風(fēng)險(xiǎn)、隱私政策關(guān)注以及以往隱私侵犯經(jīng)歷的影響。在現(xiàn)有免費(fèi)增值模式下,用戶在此場景中處于不披露隱私就不能使用的被動狀態(tài),用戶關(guān)注隱私政策的合法合理性,結(jié)合以往隱私侵犯經(jīng)歷來判明隱私風(fēng)險(xiǎn),決定是否進(jìn)行隱私交換。不同職業(yè)的人群對APP的需求,也會對隱私交換行為產(chǎn)生影響。

(2)在使用場景B下會受到年齡、教育水平、隱私交換風(fēng)險(xiǎn)、隱私政策關(guān)注、個(gè)性化需求、隱私侵犯經(jīng)歷以及隱私保護(hù)自我效能的影響。在該場景下,用戶獲得個(gè)性化功能,會考慮個(gè)性化功能帶來的便捷性,并且在各種因素的影響下,會對自身隱私保護(hù)能力即自我效能做出判斷,最終決定是否進(jìn)行隱私交換。隨著用戶年齡增長以及受教育水平的提高,用戶進(jìn)行隱私交換的概率會降低。

(3)在使用場景C 下會受到教育水平、隱私交換收益、隱私交換風(fēng)險(xiǎn)、隱私侵犯經(jīng)歷以及隱私保護(hù)自我效能的影響。在該場景下,用戶需要交換敏感個(gè)人信息來獲得增值功能,更多是考慮隱私交換這一行為所帶來的隱私收益和隱私風(fēng)險(xiǎn),結(jié)合以往隱私侵犯經(jīng)歷和自我效能的評價(jià)決定是否進(jìn)行隱私交換。與免費(fèi)注冊場景不同,在該場景下,用戶受教育水平的提高反而會促進(jìn)用戶進(jìn)行隱私交換,這可能是由于用戶隱私保護(hù)自我效能的提高增加了隱私交換意愿。

(4)在使用場景D 下會受到職業(yè)、收入、隱私交換風(fēng)險(xiǎn)、個(gè)性化需求以及隱私侵犯經(jīng)歷的影響。在該場景下,用戶需要付費(fèi)來得到增值功能,更多是考慮APP增值功能的個(gè)性化程度,以此來決定是否進(jìn)行交換。

3.4 聚類分析

采用R 語言進(jìn)行K-Means算法實(shí)現(xiàn)聚類分析,確定最優(yōu)k值為2。兩類用戶群分別標(biāo)記為Ⅰ類和Ⅱ類,樣本數(shù)分別為102個(gè)和224個(gè)。對兩類用戶群的潛變量進(jìn)行均值分析,如圖5所示。Ⅰ類和Ⅱ類用戶群潛變量均值均呈一正一負(fù)分布在兩側(cè),具有顯著差異性。這表明,兩類人群在隱私偏好導(dǎo)向上存在明顯的不同。根據(jù)問卷潛變量定義,Ⅰ類用戶具有較高的隱私保護(hù)意識和隱私保護(hù)能力,將其定義為隱私導(dǎo)向人群,則Ⅱ類為功能導(dǎo)向人群。

3.5 隱私交換行為的Nomogram 圖分析

為進(jìn)一步分析各自變量對隱私交換行為的影響,采用Nomogram 圖進(jìn)行可視化分析。首先,根據(jù)二元Logit回歸模型中自變量回歸系數(shù)大小制定評分標(biāo)準(zhǔn)(變量標(biāo)尺),以回歸系數(shù)最大的自變量為參考標(biāo)尺;其次,依據(jù)各變量標(biāo)尺對每個(gè)取值水平進(jìn)行評分,將各變量評分相加得到總評分;最后,通過總評分與預(yù)測事件發(fā)生概率之間的轉(zhuǎn)換函數(shù),計(jì)算出該預(yù)測事件發(fā)生的概率。

以Ⅱ類月收入為5 000～8 000元1)用戶在不同使用場景下會受到不同的社會屬性的影響,選取各社會屬性變量中選擇最多的人群為樣本的用戶群為例,分析該群體在使用場景A 下隱私交換概率,用R 繪制Nomogram 圖(見圖6)。依據(jù)量表采集數(shù)據(jù)結(jié)果,ηbenefits和ηrisks的變量取值水平為5,分別對應(yīng)評分(Points)的68和0,ηpolicy和ηPPIE的變量取值水平為1,分別對應(yīng)Points的100和0;收入為5 000～8 000元標(biāo)記為3,對應(yīng)Points的48。將每個(gè)變量對應(yīng)的Points相加得到Total points為216,在Total points上找到相應(yīng)數(shù)值,對應(yīng)于最下面概率軸(s1)的0.82,即該類用戶群在該場景下隱私交換的概率為0.82。

由于Nomogram 圖繪制的基本原理是以回歸系數(shù)最大的自變量為基準(zhǔn),其他變量以此為參考標(biāo)尺進(jìn)行轉(zhuǎn)換,使得各變量的標(biāo)尺長度隨回歸系數(shù)的變化呈現(xiàn)顯著差異,能夠系統(tǒng)反映多變量組合下的作用效果,將復(fù)雜的回歸方程轉(zhuǎn)變?yōu)榭梢暬膱D形,方便對事件發(fā)生概率進(jìn)行評估。

根據(jù)上述方法計(jì)算Ⅰ類和Ⅱ類用戶在不同使用場景下的隱私交換概率,結(jié)果如圖7所示。由圖7可以發(fā)現(xiàn),隱私導(dǎo)向用戶在各個(gè)使用場景下隱私交換意愿偏低且平穩(wěn),功能導(dǎo)向的用戶除了在使用場景B下隱私交換概率都比較大。

4 結(jié)論

基于CPM 理論提出潛變量,引入用戶社會屬性變量構(gòu)建MIMIC 模型;再加上使用場景構(gòu)成效用決策,進(jìn)行離散選擇分析,構(gòu)建混合選擇模型對用戶在免費(fèi)增值模式下不同使用場景的隱私交換行為進(jìn)行實(shí)證分析。研究發(fā)現(xiàn):

(1)使用場景對用戶隱私交換行為產(chǎn)生顯著影響,且影響程度隨使用場景變量發(fā)生變化。考慮使用場景后,影響因素增加且組合不同。用戶在獲得免費(fèi)功能時(shí),隨著個(gè)性化功能與隱私信息敏感度的提高,用戶年齡、受教育水平以及隱私保護(hù)能力會顯著影響隱私交換行為,而收入和隱私交換收益的影響并不明顯;用戶在獲得增值功能時(shí),由于在使用場景C要交換敏感度高的隱私而受教育水平、隱私保護(hù)能力以及隱私交換收益的顯著影響,而在使用場景D 需要付費(fèi)則受到職業(yè)和收入水平的影響,隱私保護(hù)能力對其影響不顯著。

(2)APP用戶類型不同,在不同的使用場景下是否進(jìn)行隱私交換還會受到不同影響因素的影響。功能導(dǎo)向型用戶在使用場景A 和D 下的交換概率偏低,說明這兩個(gè)場景下的功能的個(gè)性化程度不能滿足功能導(dǎo)向型人群需求。隱私導(dǎo)向型用戶在4個(gè)使用場景下的隱私交換意愿都偏低。

(3)在進(jìn)行APP用戶類型聚類時(shí)可以看出,隱私導(dǎo)向型用戶數(shù)量只占少數(shù),所以APP用戶在使用過程中要注意“免費(fèi)”的假象,加強(qiáng)隱私保護(hù)意識,樹立正確的隱私觀。

(4)APP 運(yùn)營商在實(shí)際運(yùn)營中要注意使用場景變化對用戶使用行為的影響,并可對用戶數(shù)據(jù)進(jìn)行分析,判定用戶類型,對不同用戶類型采取不同的策略。對于功能導(dǎo)向型用戶,APP運(yùn)營商可以增加功能的便捷程度和獨(dú)特程度,提高對用戶的吸引力,增加隱私交換概率,更好地建立用戶資料庫,提供精準(zhǔn)服務(wù),形成良性循環(huán)。對于隱私導(dǎo)向型用戶,APP運(yùn)營商在獲取用戶隱私時(shí)要注意保護(hù)用戶隱私,在保護(hù)用戶隱私的同時(shí)提供便捷的服務(wù),促進(jìn)商業(yè)模式的健康發(fā)展。

本文存在的不足:①本文是在免費(fèi)增值模式下對APP用戶隱私交換行為影響因素進(jìn)行研究,并沒有考慮APP種類。不同種類的APP功能和受眾群體不同,所對應(yīng)的影響因素也會有所差異,未來研究者可以劃分APP種類進(jìn)行研究或者對某一類APP進(jìn)行研究。②用戶在使用場景D 下可能會受到價(jià)格的影響,未來研究者可以設(shè)置不同的價(jià)格區(qū)間研究用戶隱私交換意愿。