基于關(guān)系的推薦框架對用戶推薦采用意愿的影響機(jī)制研究

一、引 言

越來越多的網(wǎng)絡(luò)平臺基于大數(shù)據(jù)向用戶提供由算法系統(tǒng)生成主動式推薦。主動式推薦的核心在于勸說用戶接受新內(nèi)容，提高內(nèi)容間的轉(zhuǎn)化率

。例如，字節(jié)跳動通過算法，為用戶推薦優(yōu)質(zhì)的新聞訊息與短視頻，在數(shù)年間成為全球最大的內(nèi)容運(yùn)營商之一。在給用戶進(jìn)行主動式推薦時(shí)，平臺會選擇一個(gè)簡單有力的推薦框架來陳述推薦理由。例如，豆瓣電影在向用戶推薦新電影時(shí)，采用基于關(guān)系的推薦框架，會顯示“瀏覽此電影的用戶也瀏覽了...”。與此對應(yīng)，淘寶、京東等在線購物平臺強(qiáng)調(diào)基于產(chǎn)品的推薦框架，常常表示為“與你瀏覽的產(chǎn)品相似的產(chǎn)品如下...”。因而，網(wǎng)絡(luò)平臺可以在給予用戶推薦時(shí)，使用不同的推薦框架。但不恰當(dāng)?shù)耐扑]框架會使用戶產(chǎn)生心理抗拒

，導(dǎo)致后續(xù)消極行為發(fā)生。

目前,學(xué)者對推薦框架的關(guān)注有限，其中最重要的文獻(xiàn)為Gai和Klesse

的研究，其通過操縱不同的推薦框架，證明了相較基于產(chǎn)品的推薦框架，基于關(guān)系的推薦框架對用戶的采用意愿有更強(qiáng)的影響，然而并未解釋“為什么在基于關(guān)系的推薦框架下用戶的推薦采用意愿會更高？”，這是本研究需解決的核心問題。因此，本研究探索用戶在基于關(guān)系的推薦框架下的感知因素，首先，通過情感適應(yīng)理論構(gòu)建了“刺激→情感→動機(jī)→采用”的動態(tài)決策過程；其次，運(yùn)用關(guān)系傳播理論

提煉用戶的兩個(gè)感知因素——關(guān)系強(qiáng)度與興趣匹配度，并結(jié)合心理抗拒理論，形成了感知因素到信任感，再到操縱意圖推斷的心理機(jī)制；最后，引入自我建構(gòu)心理變量，探索用戶存在的兩種自我建構(gòu)類型對該心理機(jī)制的調(diào)節(jié)作用。本文結(jié)論為網(wǎng)絡(luò)平臺在大數(shù)據(jù)時(shí)代的精準(zhǔn)營銷創(chuàng)新提供了實(shí)踐啟示。

二、理論基礎(chǔ)與研究假設(shè)

(一)理論基礎(chǔ)

主動式推薦是網(wǎng)絡(luò)平臺基于大數(shù)據(jù)分析，主動尋求用戶，積極勸說用戶接受新內(nèi)容的過程。為了提高主動式推薦的效率，平臺會運(yùn)用算法系統(tǒng)，根據(jù)用戶的歷史記錄來預(yù)測他們可能感興趣的內(nèi)容，并提供推薦

。先前研究主要集中在主動式推薦的算法系統(tǒng)上

，有兩種典型的方法：第一種是基于內(nèi)容的推薦，通過過濾算法來確定用戶喜歡的產(chǎn)品屬性，比較屬性的相似度，推薦給用戶其他相似的產(chǎn)品；第二種是基于協(xié)調(diào)過濾的推薦，通過歷史記錄識別出用戶的特征，并向相似的其他用戶推薦該特征相似的用戶喜歡的內(nèi)容，從而形成內(nèi)容推薦

。但用戶很難理解深奧的推薦算法是如何生成的。因此，一個(gè)簡潔的解釋至關(guān)重要，它可以提升用戶對主動式推薦的信任度和接受度

。為了更簡潔地說明推薦的理由，網(wǎng)絡(luò)平臺會通過“與你瀏覽的內(nèi)容相似的內(nèi)容如下...”等產(chǎn)品推薦框架或“瀏覽此內(nèi)容的用戶也瀏覽了...”等關(guān)系推薦框架向用戶陳述推薦理由。然而目前僅有少數(shù)學(xué)者探討了推薦框架的作用。例如Gai和Klesse

發(fā)現(xiàn)基于關(guān)系的推薦框架對用戶的推薦采用意愿有更強(qiáng)的促進(jìn)效果。但未給出這種效應(yīng)產(chǎn)生的具體原因，僅解釋在關(guān)系的推薦框架下，用戶可以從別人的推薦中提取信息，來預(yù)測自己對不熟悉產(chǎn)品的滿意度

。因此，本研究結(jié)合情感適應(yīng)框架、關(guān)系傳播理論以及心理抗拒來分析基于關(guān)系的推薦框架是如何影響用戶推薦采用意愿的形成的。

用戶對推薦內(nèi)容的采用往往是由多個(gè)因素共同作用的結(jié)果，依據(jù)營銷溝通學(xué)中的說服理論

，用戶對推薦內(nèi)容采用的決策過程一般包含前因、調(diào)節(jié)、行為、結(jié)果等多個(gè)因素或變量，是一個(gè)動態(tài)的心理采用過程，可以通過情感適應(yīng)理論進(jìn)行相關(guān)的分析和解釋。根據(jù)情感適應(yīng)理論的內(nèi)涵，個(gè)體進(jìn)行有意識的評價(jià)比無意識的評價(jià)更有價(jià)值

，主要是指個(gè)體通過對外部環(huán)境和內(nèi)部狀況進(jìn)行評價(jià)后產(chǎn)生的情感反應(yīng)狀態(tài)，進(jìn)而引起后續(xù)的具體處理行為的過程

，即“評價(jià)→情感→處理”的過程，可以細(xì)分為三個(gè)具體步驟：第一步，個(gè)體將在外部環(huán)境和信息的刺激下，通過內(nèi)部狀態(tài)的評價(jià)和認(rèn)知產(chǎn)生相關(guān)情感狀態(tài)的變化，即“評價(jià)→情感”；第二步，受眾會尋找更為強(qiáng)烈的心理動機(jī)來完成心理狀態(tài)的調(diào)整，即動機(jī)選擇階段；第三步，開始具體行為來解決問題以完成整個(gè)流程。因此，本研究將用戶的主動式推薦采用設(shè)定為“刺激→情感→動機(jī)→意向”的動態(tài)決策過程。

用戶對于信息獲得的動機(jī)往往包括關(guān)系動機(jī)和信息任務(wù)動機(jī)兩個(gè)類型

。根據(jù)關(guān)系傳播理論

，用戶接受其他用戶的推薦是關(guān)系傳播的一種模式，在用戶獲得其他用戶信息的同時(shí)也能夠得知其他用戶的興趣點(diǎn)，滿足關(guān)系動機(jī)的需求。而用戶間的關(guān)系動機(jī)強(qiáng)弱是不同的，很大程度上會受到社交結(jié)構(gòu)中人際關(guān)系的影響

。因此，根據(jù)關(guān)系傳播理論，本研究用關(guān)系強(qiáng)度，即社會網(wǎng)絡(luò)中各主體間的關(guān)系緊密程度度量用戶間人際關(guān)系的程度。相關(guān)研究表明人際間關(guān)系強(qiáng)度分為強(qiáng)連接和弱連接

。當(dāng)具有更強(qiáng)的人際關(guān)系強(qiáng)度時(shí)，推薦內(nèi)容會對用戶產(chǎn)生更高的說服效果與背書效力

，滿足用戶更強(qiáng)的關(guān)系動機(jī)。同時(shí)，信息任務(wù)動機(jī)是用戶對推薦的內(nèi)容是否符合自己口味、興趣的預(yù)期。例如，被推薦用戶感知到與推薦用戶之間的不同之處時(shí)，容易導(dǎo)致用戶對主動式推薦的拒絕

。同樣，提高主動式推薦采用轉(zhuǎn)化率的關(guān)鍵是在推薦用戶和被推薦用戶之間建立起適當(dāng)?shù)钠ヅ涠?/p>

。因此，本研究通過興趣匹配度，即被推薦用戶對推薦用戶在興趣、愛好等方面相似程度的判斷

來度量用戶信息任務(wù)動機(jī)的感知因素。

(二)研究假設(shè)

本研究引入自我建構(gòu)這一心理學(xué)變量來解釋用戶對推薦內(nèi)容的信任感影響操縱意圖推斷的邊界條件。自我建構(gòu)是指個(gè)體在與他人交往、建立關(guān)系的過程中，對自我身份的一種界定傾向，一般而言，自我建構(gòu)分為兩種具體的類型，分別為獨(dú)立型自我建構(gòu)與依存型自我建構(gòu)

。獨(dú)立型自我建構(gòu)的個(gè)體一般傾向于將自我身份與他人的身份進(jìn)行區(qū)分，更加注重個(gè)體的獨(dú)特性需求，較愛追求差異化的表達(dá)；依存型自我建構(gòu)的個(gè)體則更加傾向于把自我身份與他人身份進(jìn)行融合，將自我當(dāng)作群體的一員，尋求與他人需求及表達(dá)的一致性。

信任感是雙方可以信賴和依靠的一種意愿或情感

。根據(jù)信任理論，影響信任感形成有兩個(gè)因素：第一因素是關(guān)系屬性，關(guān)系屬性是彼此間的關(guān)系狀態(tài)及程度

。在關(guān)系屬性中，人際關(guān)系的強(qiáng)弱程度會對消費(fèi)者的行為意向產(chǎn)生影響，而信任在其中起到中介作用

。關(guān)系傳播中的強(qiáng)關(guān)系往往被視為是一種可靠的信息來源

。而信息來源的可靠性可以影響消費(fèi)者的信念和態(tài)度，有利于形成消費(fèi)者信任

?；诖耍岢黾僭O(shè)：

H1：被推薦用戶與推薦用戶間的關(guān)系強(qiáng)度與被推薦用戶對推薦內(nèi)容的信任感呈現(xiàn)正相關(guān)關(guān)系，即關(guān)系強(qiáng)度越高則引發(fā)的信任感水平越高，反之亦然。

影響信任感的第二因素是情境因素，強(qiáng)調(diào)信任雙方所處的環(huán)境特征

。興趣匹配度不僅滿足用戶的信息任務(wù)動機(jī)，還能進(jìn)一步提高溝通的可信度

。同時(shí)，興趣匹配度會影響人際信任，用戶也更傾向信任有共同興趣愛好朋友的推薦

。因此，當(dāng)被推薦用戶與推薦者之間的興趣匹配度水平較高時(shí)候，被推薦用戶就容易信任由推薦者推薦的相關(guān)信息內(nèi)容

。綜上所述，提出假設(shè)：

在濕地處理系統(tǒng)中高鹽份的土壤以及水會抑制普通植物的生長，影響植物根系吸水，同時(shí)過量Na+和Cl-會抑制其他微量元素的吸收，并且影響植物體內(nèi)酶的特性，抑制葉綠素的合成，影響光合作用等[37]。研究發(fā)現(xiàn)，當(dāng)鹽濃度超過70 mmol/L時(shí)鹽生植物仍然可以正常生長，這為利用人工濕地技術(shù)處理高鹽度廢水提供了新的理論基礎(chǔ)。

對數(shù)據(jù)進(jìn)行CMV檢驗(yàn)，目的是避免問卷題項(xiàng)同源導(dǎo)致的方法偏差。本研究所采用的CMV檢驗(yàn)方法共有兩種，首先通過SPSS 25.0軟件對問卷題項(xiàng)進(jìn)行Harman單因子檢驗(yàn)，結(jié)果顯示：題項(xiàng)數(shù)據(jù)中一共抽取五個(gè)因子，其中第一個(gè)因子的方差貢獻(xiàn)率為33.181%，低于相關(guān)標(biāo)準(zhǔn)的40%，說明存在較低的共同方法偏差，不會影響實(shí)證分析的結(jié)論。然后通過AMOS 24.0軟件進(jìn)行CMV檢驗(yàn)，具體結(jié)果見表1。通過加入一個(gè)共同方法因子(該因子是所有變量測量項(xiàng)的集合)，各變量的實(shí)質(zhì)性因素載荷(R

)仍然在p<0.001時(shí)顯著，且遠(yuǎn)大于相應(yīng)的方法因素載荷(R

)，同時(shí)方法因素載荷在p<0.05時(shí)不顯著。此外，實(shí)質(zhì)性因素解釋的平均方差(R

=0.632)遠(yuǎn)遠(yuǎn)大于方法因子解釋的平均方差(R

=0.002)。綜上所述，通過兩種方法的CMV檢驗(yàn)，發(fā)現(xiàn)本研究的數(shù)據(jù)并不存在明顯的共同方法偏差，可用于結(jié)構(gòu)方程模型分析。

H2：被推薦用戶與推薦用戶間的興趣匹配度與被推薦用戶對推薦內(nèi)容的信任感呈現(xiàn)正相關(guān)關(guān)系，即興趣匹配度越高則引發(fā)的信任感水平越高，反之亦然。

首先，通過SPSS 25.0的軟件對變量的題項(xiàng)進(jìn)行信度檢驗(yàn)，得到五個(gè)變量的Cronbach’s ɑ系數(shù)值，具體結(jié)果如下：

的Cronbach’s ɑ系數(shù)為0

865，

的Cronbach’s ɑ系數(shù)為0

827，

的Cronbach’s ɑ系數(shù)為0

843，

的Cronbach’s ɑ系數(shù)為0

848，

的Cronbach’s ɑ系數(shù)為0

828，同時(shí)問卷總量表的Cronbach’s ɑ系數(shù)為0

732。可以看出，五個(gè)變量的信度值較高，Cronbach’s ɑ系數(shù)均高于0

8，同時(shí)總量表的Cronbach’s ɑ系數(shù)也高于0

7，按照統(tǒng)計(jì)學(xué)的信度標(biāo)準(zhǔn)，題項(xiàng)具有較高的信度水平。

第一茬鮮食玉米種植時(shí)間在3月15日，要用地膜覆蓋栽培。由于早春播種溫度低，幼苗生長緩慢，導(dǎo)致生育期延長。所以，前期采用地膜覆蓋加小拱棚的栽培方式，能有效地加快玉米生長速度，使其在6月10～20日正常成熟。由于鮮食玉米是在乳熟期收獲的，比正常成熟的玉米起碼早收10多天，實(shí)際生育期只有77～85天。因此，6月初即可上市。第二茬玉米在前茬收獲前10天左右套種在行間，或提前10～15天用營養(yǎng)缽育苗，待苗長至3～5片葉時(shí)移栽也可。即5月中旬播種，到8月上、中旬上市。第三茬在7月中旬套種（或育苗），至10月上、中旬上市。如果有鮮貯設(shè)備，到元旦或春節(jié)期間上市，則效益更佳。

個(gè)體都具有情感狀態(tài)，情感狀態(tài)一般指個(gè)體通過對外部事件等客體的評價(jià)、反應(yīng)所引發(fā)的心理意向狀態(tài)，一般分為正面情感狀態(tài)和負(fù)面情感狀態(tài)。在正面情感狀態(tài)下，人們常看到的是事物美好的一面，而忽視不美好的一面

。信任感作為一種正面的情感狀態(tài)，可以積極影響消費(fèi)者的行為

。同時(shí)，信任感會在內(nèi)容推薦與后續(xù)行為之間產(chǎn)生中介效應(yīng)

。換言之，用戶對推薦內(nèi)容具有更高的信任感，那么采用的可能性就較高。因此，提出假設(shè)：

H3：用戶對推薦內(nèi)容的信任感與對推薦內(nèi)容的采用呈現(xiàn)正相關(guān)關(guān)系，即信任感越強(qiáng)則引發(fā)更高的推薦內(nèi)容采用水平，反之亦然。

動機(jī)是支配個(gè)體行動的內(nèi)在原因，因此會受到個(gè)體情感變化的影響。首先，個(gè)體會根據(jù)以往的經(jīng)驗(yàn)、知識體系與社會的互動感受判斷外界信息是否具有說服個(gè)體的意圖，當(dāng)個(gè)體在面對具有這種說服意圖或者類似的勸說信息時(shí)，會產(chǎn)生較高程度的反感，對勸說行為產(chǎn)生消極反應(yīng)，因此，在勸說信息與消費(fèi)者的反感行為之間存在著復(fù)雜的內(nèi)在心理動機(jī)

。同時(shí)，用戶為了保護(hù)自身選擇權(quán)的自由，會更傾向于行為回避。尤其是，在營銷實(shí)踐中網(wǎng)絡(luò)平臺過多采用主動式營銷，強(qiáng)化了用戶的心理抗拒。心理抗拒主要表現(xiàn)受眾對推薦內(nèi)容的操縱意圖推斷，即用戶根據(jù)自身已有認(rèn)知體系對營銷者勸說策略的動機(jī)意識

。因此，有操縱性的行為都可能刺激用戶產(chǎn)生懷疑并推斷推薦內(nèi)容帶有操縱意圖，進(jìn)而產(chǎn)生心理抗拒

。同時(shí)，用戶對推薦內(nèi)容的操縱意圖推斷越顯著，對推薦的采用意愿越弱

。正面情感會消除用戶對信息的說服意圖感知和心理抗拒

，個(gè)人對信任的推薦更容易產(chǎn)生積極的反應(yīng)。所以用戶對信源具有較高的正面情感狀態(tài)，能夠消除其對內(nèi)容的操縱意圖推斷。因此，提出假設(shè)：

H4：用戶對主動式推薦內(nèi)容的操縱意圖推斷在對內(nèi)容的信任感與推薦采用意愿的正相關(guān)關(guān)系中起中介作用，即信任感會降低操縱意圖推斷程度，進(jìn)而促進(jìn)推薦采用意愿的產(chǎn)生。

3.自我建構(gòu)的調(diào)節(jié)作用

1.關(guān)系強(qiáng)度與興趣匹配度對信任感的影響

兩種自我建構(gòu)類型的本質(zhì)性差異會導(dǎo)致不同自我建構(gòu)的個(gè)體具有不同的消費(fèi)偏好和傾向

。具體來說，獨(dú)立型自我建構(gòu)的消費(fèi)者會更加注重自我所具有的個(gè)性，更加重視自我的個(gè)體意志，傾向于通過產(chǎn)品與他人進(jìn)行區(qū)分，并且更加偏好于那些具有獨(dú)特、差異象征的產(chǎn)品、品牌和內(nèi)容；依存型自我建構(gòu)的消費(fèi)者則表現(xiàn)出相反的消費(fèi)傾向，會更加追求與群體或者他人在產(chǎn)品喜好上的相似或一致性，因此更加偏好那些能夠與他人產(chǎn)生聯(lián)系的產(chǎn)品、品牌和內(nèi)容

。

獨(dú)立型自我建構(gòu)的用戶更注重個(gè)人價(jià)值，更具有獨(dú)立思考能力，積累了更多關(guān)于自我口味的經(jīng)驗(yàn)，因此，更傾向于認(rèn)為他們自己的口味是獨(dú)特的

。同時(shí)，由于獨(dú)立思考的特性與相對豐富的偏好經(jīng)驗(yàn)，他們對內(nèi)容的操縱性意圖持有更強(qiáng)的懷疑態(tài)度。因此，對于獨(dú)立型自我建構(gòu)的用戶而言，對推薦內(nèi)容的信任感并不易降低其對推薦內(nèi)容中操縱意圖的推斷。相比之下，依存型自我建構(gòu)的用戶更注重他人看法，追求與他人行為的一致性，容易通過對推薦內(nèi)容的信任消除對推薦內(nèi)容的操縱意圖推斷。據(jù)此，提出假設(shè)：

H5：用戶的自我建構(gòu)調(diào)節(jié)信任感對操縱意圖推斷的影響，即當(dāng)用戶為獨(dú)立型自我建構(gòu)時(shí)，信任感對減少操縱意圖推斷的影響較小，而當(dāng)用戶為依存型自我建構(gòu)時(shí)，信任感對減少操縱意圖推斷的影響較大。

本文研究模型如圖1所示：

紹興文理學(xué)院是一所新建的地方本科院校。近年來，學(xué)校審時(shí)度勢，結(jié)合區(qū)域經(jīng)濟(jì)社會發(fā)展特點(diǎn)和學(xué)校辦學(xué)實(shí)際，在國家高等教育發(fā)展的大格局中找準(zhǔn)位置，進(jìn)一步?jīng)_破傳統(tǒng)“精英教育”的辦學(xué)理念和“學(xué)術(shù)型”人才的培養(yǎng)模式，大力推進(jìn)應(yīng)用型人才的培養(yǎng)工作，其間，經(jīng)歷了制訂人才培養(yǎng)方案、修訂課程教學(xué)大綱和改革課程教學(xué)模式“三部曲”。目前，已構(gòu)建了具有理論先進(jìn)性、系統(tǒng)完整性和可操作性的“三四五式”應(yīng)用型課程教學(xué)模式，較為科學(xué)完整系統(tǒng)地回答了“如何進(jìn)行應(yīng)用型課程教學(xué)模式改革”問題。

福建省在國家防辦制定的實(shí)施方案編制大綱基礎(chǔ)上，制定了福建省建設(shè)實(shí)施方案編制大綱，監(jiān)測預(yù)警系統(tǒng)建設(shè)技術(shù)要求，防御宣傳手冊、宣傳欄、警示牌樣式和防御預(yù)案編制要求和范本等。這些技術(shù)標(biāo)準(zhǔn)明確了“構(gòu)建監(jiān)測預(yù)警網(wǎng)絡(luò)和群測群防的防御體系，完善‘預(yù)警到鄉(xiāng)、預(yù)案到村、責(zé)任到人’工作機(jī)制，實(shí)現(xiàn)有效防御山洪災(zāi)害，保障人民群眾生命安全，最大限度減輕山洪災(zāi)害損失”的建設(shè)目標(biāo)；規(guī)范了建設(shè)任務(wù)、建設(shè)內(nèi)容和概算編制要求等；體現(xiàn)了具有福建特色的項(xiàng)目總體要求和技術(shù)方案，為各地編制實(shí)施方案奠定了良好基礎(chǔ)。

同時(shí)，采用線性相關(guān)分析來推斷變量之間的相關(guān)性。分析結(jié)果顯示，各變量兩兩之間均有顯著的相關(guān)關(guān)系(p均小于0.01)，并進(jìn)一步進(jìn)行模型檢驗(yàn)，發(fā)現(xiàn)變量間的相關(guān)系數(shù)均小于0.4，說明變量間具有相關(guān)關(guān)系，但并非為強(qiáng)相關(guān)關(guān)系，符合理論模型的要求。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)收集

本研究通過讓調(diào)查對象模擬某日在某平臺瀏覽內(nèi)容時(shí)，平臺主動向其推薦新書籍的信息內(nèi)容，讓調(diào)查對象根據(jù)其平時(shí)在線瀏覽與閱讀習(xí)慣回答問卷的題項(xiàng)來獲取數(shù)據(jù)。為了保證問卷質(zhì)量，研究采用Credamo平臺進(jìn)行隨機(jī)抽樣調(diào)查，并選擇平臺中的高質(zhì)量用戶(信用積分大于90分)作為調(diào)查對象，以確保調(diào)查數(shù)據(jù)的可靠性。

本研究運(yùn)用AMOS 24.0軟件進(jìn)行結(jié)構(gòu)方程模型的運(yùn)算與驗(yàn)證，得到模型不同路徑的標(biāo)準(zhǔn)化系數(shù)，如表2所示。

對

的標(biāo)準(zhǔn)路徑影響系數(shù)有顯著的正向影響，假設(shè)H1成立；

對

的標(biāo)準(zhǔn)路徑影響系數(shù)有顯著的正向影響，假設(shè)H2成立；

對

的標(biāo)準(zhǔn)路徑影響系數(shù)有顯著的負(fù)向影響；

對

的標(biāo)準(zhǔn)路徑影響系數(shù)有顯著的負(fù)向影響；

對

的標(biāo)準(zhǔn)路徑影響系數(shù)有顯著的正向影響，假設(shè)H3成立。

在回收的600份問卷中，剔除回答時(shí)間過短或過長、填寫不完整的問卷，有效問卷為569份，有效回收率為94.83%。研究統(tǒng)計(jì)了用戶的性別、年齡、受教育程度、個(gè)人月可支配收入以及在線購書經(jīng)歷等人口特征變量，其中女性用戶占比38.7%，教育程度為大學(xué)本科的用戶占比71.4%，21歲至30歲的用戶占比64.1%，月可支配收入2000至6000元的用戶占比52.2%，每日在線閱讀時(shí)間多數(shù)用戶集中在30至90分鐘，占比68.7%。所有調(diào)查對象均在圖書搜尋過程中接收到平臺推薦的其他書籍信息。

(二)變量設(shè)定

本研究參考以往研究對變量進(jìn)行設(shè)定與操縱。其中，自我建構(gòu)(

)采用情景性操作手段進(jìn)行激活

，對于分到獨(dú)立型自我建構(gòu)激活組的調(diào)查對象，要求其模擬和想象自己與家人、朋友不同的地方以及自己對自己的期望，并通過簡短文字寫下自己與他人不同之處與自我期望。對于分到依存型自我建構(gòu)激活組的調(diào)查對象，要求其模擬和想象自己與家人、朋友的共同之處以及家人、朋友對自己的期望，并通過簡短文字寫下自己與他人的相同之處與自我期望。關(guān)系強(qiáng)度(

)衡量推薦與被推薦用戶之間的關(guān)系連接水平

。興趣匹配度(

)衡量推薦與被推薦用戶在關(guān)注、興趣、經(jīng)歷方面的匹配程度

。信任感(

)衡量用戶間的信任水平，即被推薦用戶對推薦用戶的信任感

。操縱意圖推斷(

)衡量被推薦用戶對推薦內(nèi)容的反感、有效目的、操縱行為的推斷程度

。推薦采用意愿(

)衡量用戶對于推薦內(nèi)容的關(guān)注、考慮、關(guān)注的行為意愿

。

四、實(shí)證結(jié)果分析

(一)信效度檢驗(yàn)

2.操縱意圖推斷的中介作用

其次通過SPSS 25.0的軟件對問卷題項(xiàng)進(jìn)行KMO和Bartlett球形的顯著性檢驗(yàn)，KMO值為0.834，遠(yuǎn)高于標(biāo)準(zhǔn)值的0.7，同時(shí)Bartlett球體檢驗(yàn)統(tǒng)計(jì)值的顯著性水平小于標(biāo)準(zhǔn)值的0.001，說明題項(xiàng)數(shù)據(jù)的效度具有較高水平，適合做因子分析。

最后，通過AMOS 24.0軟件中的極大似然法進(jìn)行驗(yàn)證性因子分析，并檢驗(yàn)結(jié)構(gòu)效度與組合信度。在結(jié)果分析中，先構(gòu)建一個(gè)驗(yàn)證性因子模型，再進(jìn)行模型擬合。具體結(jié)果如下：驗(yàn)證性因子模型的卡方自由度比值2.494< 3.000，說明問卷的實(shí)際數(shù)據(jù)與理論模型之間的契合度較高；驗(yàn)證性因子模型由五個(gè)因子構(gòu)成，其中五個(gè)因子的標(biāo)準(zhǔn)化因素負(fù)荷量值均大于0.5的標(biāo)準(zhǔn)值，臨界比率C.R.均大于1.96的標(biāo)準(zhǔn)值，且不同因素的值均在0.001的水平上顯著，說明該驗(yàn)證性因子模型的結(jié)構(gòu)效度具有較高水平；不同變量所代表因子的組合效度較高，數(shù)值均大于0.7，同時(shí)不同因子的平均方差抽取量AVE值較高，均大于標(biāo)準(zhǔn)值的0.5，說明驗(yàn)證性因子模型的聚合效度良好；此外，模型中潛變量的AVE值的正平方根為0.785，大于相關(guān)系數(shù)中最大值的0.458，說明模型中潛變量之間具有良好的區(qū)分效度。

(二)探索性因子和相關(guān)性分析

對本研究的數(shù)據(jù)進(jìn)行探索性因子分析，根據(jù)SPSS 25.0軟件的系統(tǒng)默認(rèn)1方法進(jìn)行特征值大于1的因子提取，同時(shí)為保證最大限度地提取問卷題項(xiàng)中的信息，采用Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法，探索性因子分析在六次迭代旋轉(zhuǎn)后收斂，前五個(gè)公因子的累計(jì)方差貢獻(xiàn)率達(dá)到75.153%，遠(yuǎn)遠(yuǎn)高于標(biāo)準(zhǔn)值30%。因此，探索性因子分析所提取出的前五個(gè)公因子能夠充分反映與解釋原有變量中的大量信息，符合探索性因子分析的相關(guān)要求。

4.近年來奧巴馬醫(yī)療改革——社會發(fā)展的要求。在奧巴馬醫(yī)改之前，美國與歐洲福利國家最大的不同就是，它沒有像西歐國家那樣面向全民的“國民醫(yī)療保險(xiǎn)制度”，政府只負(fù)責(zé)65歲以上老人的醫(yī)療保險(xiǎn)，其他公民的醫(yī)療保健都是由商業(yè)保險(xiǎn)來負(fù)責(zé)的。而奧巴馬上臺后則針對這一情況進(jìn)行改革。2010年國會通過了最終版本的醫(yī)改法案，美國政府將在今后10年內(nèi)投入9400億美元，把3200萬沒有保險(xiǎn)的美國民眾納入醫(yī)保體系。在新法案下，美國醫(yī)保覆蓋率預(yù)計(jì)將從85%提升至95%，接近全民醫(yī)保。

(三)共同方法偏差檢驗(yàn)(CMV)

移動應(yīng)用開發(fā)技術(shù)棧主要是框架和組件庫的選型，架構(gòu)師的主要工作已從原來的實(shí)現(xiàn)技術(shù)框架(加法)轉(zhuǎn)變?yōu)閺暮Ａ考夹g(shù)中選擇最合適的技術(shù)組件(減法)。企業(yè)的移動開發(fā)團(tuán)隊(duì)需對移動應(yīng)用的類型和技術(shù)領(lǐng)域進(jìn)行分析，結(jié)合團(tuán)隊(duì)自身的技術(shù)積累和可能的投入總結(jié)出一套應(yīng)對移動開發(fā)模式的技術(shù)棧。圖1為移動開發(fā)技術(shù)棧參考模型，針對不同類型的開發(fā)模式，給出相應(yīng)的技術(shù)選擇域，對技術(shù)團(tuán)隊(duì)建設(shè)具有指導(dǎo)意義。

(四)結(jié)構(gòu)模型檢驗(yàn)

本研究通過結(jié)構(gòu)方程模型驗(yàn)證潛在變量之間的關(guān)系。具體分析結(jié)果如下：

與

之間的關(guān)系由自變量間相關(guān)度確定，雙箭頭為模型運(yùn)算需要的協(xié)方差關(guān)系，

與

之間的相關(guān)系數(shù)為0

393；同時(shí)，本研究對

的系數(shù)進(jìn)行修正，以提高模型擬合優(yōu)度情況。根據(jù)

修正系數(shù)，依次對殘差e1-e5,e9-e14進(jìn)行修正，得到修正后的模型。根據(jù)本研究相關(guān)的理論推導(dǎo)以及研究假設(shè)，構(gòu)建五個(gè)變量之間的影響關(guān)系模型，即用戶在基于關(guān)系的推薦框架下對推薦采用意愿的決策模型，如圖2所示：

在構(gòu)建好用戶對推薦采用意愿的決策模型之后，對模型進(jìn)行結(jié)構(gòu)方程的實(shí)證分析，并對模型中誤差項(xiàng)進(jìn)行優(yōu)化修正后，模型的整體擬合優(yōu)度結(jié)果顯示：一方面，模型的卡方自由度比值為2.822 ，遠(yuǎn)小于標(biāo)準(zhǔn)值的3.000，表示模型的適配度處于較高水平；另一方面，從模型的其他適配度指標(biāo)看，模型的RMSEA指標(biāo)為0.057，SRMR指標(biāo)為0.086，GFI指標(biāo)為0.944，CFI指標(biāo)為0.96，IFI指標(biāo)為0.96，PNFI指標(biāo)為0.751，說明了模型中各結(jié)構(gòu)方程的指標(biāo)數(shù)值較高，表現(xiàn)較好，也說明總體上模型的擬合程度較佳，說明本研究提出的理論模型與問卷題項(xiàng)的實(shí)際數(shù)據(jù)之間契合較高，模型結(jié)果較有說服力。

調(diào)查問卷分為兩個(gè)階段：第一個(gè)階段為預(yù)調(diào)研階段，邀請150名調(diào)查對象(女性占比44.67%，年齡21至40歲占比94.67%)，根據(jù)模擬情景的要求填寫問卷，驗(yàn)證刺激物的有效性，并對問卷題項(xiàng)的語義進(jìn)行檢查，通過對預(yù)調(diào)研的數(shù)據(jù)進(jìn)行結(jié)構(gòu)方程模型的初步分析，可以檢測變量間的關(guān)系和結(jié)構(gòu)與預(yù)設(shè)的模型是否方向一致。第二階段為正式調(diào)查階段，使用修訂后的問卷進(jìn)行調(diào)查，共發(fā)放問卷600份。問卷主要包括四個(gè)部分：(1)對調(diào)查對象進(jìn)行不同自我建構(gòu)的操縱；(2)讓調(diào)查對象在瀏覽的模擬情景中，想象平臺向其推薦一個(gè)新內(nèi)容，并附上推薦框架“喜歡此內(nèi)容的您的好友也喜歡某內(nèi)容”，讓調(diào)查對象對關(guān)系強(qiáng)度、興趣匹配度以及信任感進(jìn)行評價(jià)；(3)匯報(bào)個(gè)人對推薦內(nèi)容的操縱意圖推斷、推薦采用意愿等相關(guān)問題；(4)匯報(bào)人口特征。

同時(shí)，采用AMOS 24.0軟件進(jìn)行Bootstrap中介檢驗(yàn)，選取樣本量N=2000，采用95%的置信區(qū)間。中介效應(yīng)路徑分析結(jié)果顯示，中介路徑

—

—

的中介效應(yīng)的間接作用大小為0.10，置信區(qū)間為(0.061, 0.152)，不含0，達(dá)到顯著性水平，假設(shè)H4，即

在

對

的正向影響中起中介作用。此外，本研究進(jìn)一步對

中介效應(yīng)的大小進(jìn)行Bootstrap檢驗(yàn)，本研究將Bootstrap檢驗(yàn)的樣本量N選取為2000，并采用95%的置信區(qū)間帶入數(shù)據(jù)分析，具體結(jié)果見表3所示，其中在

為中介變量的四個(gè)中介路徑中，95%的置信區(qū)間均不含0，因此

起顯著的中介作用。

接下來，進(jìn)一步研究調(diào)節(jié)變量

在

對

產(chǎn)生影響的過程中所起的調(diào)節(jié)作用。首先，帶有調(diào)節(jié)變量的回歸分析結(jié)果顯示，回歸調(diào)整的R

值為0

07，而方差分析結(jié)果顯示，F(xiàn)值為15

156，對應(yīng)的顯著性水平為0

000，達(dá)到顯著性水平，這兩個(gè)指標(biāo)都說明帶有調(diào)節(jié)變量的模型擬合效果較好；其次，

對

有顯著的負(fù)向影響，影響系數(shù)為-0

237，調(diào)節(jié)交互項(xiàng)

*

的標(biāo)準(zhǔn)回歸系數(shù)為0

113，顯著性值為0

006，達(dá)到顯著性水平，說明交互項(xiàng)

*

對

有顯著的正向影響，

的調(diào)節(jié)效應(yīng)顯著，為正向調(diào)節(jié)作用；最后，對調(diào)節(jié)效應(yīng)進(jìn)行進(jìn)一步分析，調(diào)節(jié)變量

為1時(shí)表示依存型自我建構(gòu)，為低調(diào)節(jié)；調(diào)節(jié)變量

為2時(shí)表示獨(dú)立型自我建構(gòu)，為高調(diào)節(jié)。結(jié)果顯示，在

對

有顯著負(fù)向影響的情況下，

為低調(diào)節(jié)時(shí)

對

的影響作用大于

為高調(diào)節(jié)時(shí)

對

的影響，由此，驗(yàn)證了假設(shè)H5。

五、結(jié)論與討論

(一)研究結(jié)論

本研究結(jié)合情感適應(yīng)理論與關(guān)系傳播理論，構(gòu)建了用戶在基于關(guān)系的推薦框架下推薦采用的動態(tài)決策模型。研究發(fā)現(xiàn)，被推薦用戶與推薦用戶的關(guān)系強(qiáng)度與興趣匹配度經(jīng)過被推薦用戶的評價(jià)而影響了其對推薦內(nèi)容信任感的產(chǎn)生(H1 & H2)，而信任感會影響用戶的推薦采用意愿(H3)。在信任感影響推薦采用意愿的效應(yīng)中，被推薦用戶對推薦內(nèi)容的操縱意圖推斷起中介作用，具體而言，信任感會降低操縱意圖推斷，而更低的操縱意圖推斷會提高用戶的推薦采用意愿(H4)。此外，用戶的自我建構(gòu)在信任感與操縱意圖推斷間起調(diào)節(jié)作用(H5)。

在整體發(fā)展中未能兼顧人口、資源、環(huán)境的協(xié)調(diào)一致，沒有堅(jiān)持量水而行、量水發(fā)展和以供定需等原則，工業(yè)產(chǎn)業(yè)全面發(fā)展，城市人口急劇增加，建設(shè)規(guī)模不斷膨脹，同時(shí)水利基礎(chǔ)設(shè)施建設(shè)滯后，輸配水管網(wǎng)不配套，造成現(xiàn)有水資源得不到合理利用及嚴(yán)重浪費(fèi)。用水量的過快增長超過了當(dāng)?shù)厮Y源的承載能力和環(huán)境容量，造成地下水超采、許多河流長期斷流等一系列的生態(tài)環(huán)境問題。

等甲洛洛激動的心情漸漸平復(fù)，他又想起自己肩負(fù)的使命，既然小丁不是小偷，那小偷一定另有其人，可又是誰呢？他又開始從頭整理思緒：

(二)理論貢獻(xiàn)與實(shí)踐啟示

本研究通過構(gòu)建用戶推薦采用的決策模型，揭示了背后存在的心理機(jī)制，理論貢獻(xiàn)如下：(1)采用關(guān)系傳播理論提煉推薦框架下用戶的感知因素，不僅提出了興趣匹配度作為用戶的信息任務(wù)動機(jī)對推薦采用意愿產(chǎn)生影響，還進(jìn)一步從關(guān)系強(qiáng)度的角度提出了用戶間互動的關(guān)系動機(jī)。相比以往研究，更細(xì)致地區(qū)分了用戶的不同動機(jī)因素；(2)第一次引入信任感

，搭建了關(guān)系傳播因素與用戶推薦采用的情感環(huán)節(jié)，也將用戶對內(nèi)容的信任感來源區(qū)分為關(guān)系強(qiáng)度和興趣匹配度兩個(gè)變量，將信任感的學(xué)術(shù)研究進(jìn)一步深化；(3)深挖決策模型中情感與意向中的動機(jī)反應(yīng)——操縱意圖推斷。對心理抗拒理論與關(guān)系傳播理論進(jìn)行了跨領(lǐng)域結(jié)合，更為合理地解釋了用戶在心理抗拒的背景下如何積極采用推薦的心理機(jī)制框架；(4)解釋了在不同自我構(gòu)建類型下，基于關(guān)系的推薦框架對用戶推薦內(nèi)容采用的效應(yīng)差異，這是第一次將自我建構(gòu)作為調(diào)節(jié)變量研究心理抗拒與關(guān)系傳播的效用，為后續(xù)相關(guān)研究提供了確定用戶特質(zhì)畫像的新視角。

1.建立SVM模型。首先，確定訓(xùn)練集和測試集。本文將樣本數(shù)據(jù)分為訓(xùn)練集與測試集，為了保證模型能夠充分地學(xué)習(xí)到樣本的信息，模型輸入控制訓(xùn)練集大小與測試集大小的比例為7：3，且固定訓(xùn)練集和測試集中逾期樣本與未逾期樣本的比例為3：7。其次，構(gòu)造劃分超平面。設(shè)訓(xùn)練集為D={( )xi,yi}；其中yi={ - 1,1},i={ 3 1項(xiàng)指標(biāo)下標(biāo) }。y=-1表示客戶未逾期；y=1表示客戶逾期。建立劃分超平面為：

本研究也為網(wǎng)絡(luò)平臺實(shí)現(xiàn)基于關(guān)系推送的精準(zhǔn)營銷提供了實(shí)踐指導(dǎo)：一方面，要選擇與被推薦用戶關(guān)系親密的用戶作為推薦用戶，從而提高用戶間在關(guān)系強(qiáng)度方面的傳播力度；另一方面，可以通過算法向用戶推送與其興趣偏好相似度高的內(nèi)容，從而讓被推薦的用戶降低對內(nèi)容操縱意圖的推斷。此外，對于依存型自我建構(gòu)的用戶，可以使用基于關(guān)系的推薦框架，而對于獨(dú)立型自我建構(gòu)的用戶，可以基于產(chǎn)品的推薦框架進(jìn)行推薦。

(三)研究局限與展望

本研究存在一定局限性：第一，構(gòu)建了用戶推薦采用的決策模型，但由于篇幅限制，未采用行為實(shí)驗(yàn)對模型中的不同路徑進(jìn)行因果關(guān)系的進(jìn)一步確定，內(nèi)部效度還有提高的空間；第二，對于用戶推薦采用的決策模型，可能還存在其他的邊界條件，如推薦產(chǎn)品類型的不同是否會對用戶采用產(chǎn)生不一樣的影響，未來可以進(jìn)行進(jìn)一步研究。

鄉(xiāng)村旅游所帶來的巨大消費(fèi)市場，讓不少人都想從中分得一杯羹。然而產(chǎn)品服務(wù)的同質(zhì)化、商業(yè)信譽(yù)參差不齊，都勢必導(dǎo)致市場混亂。因此，政府要制定相關(guān)管理規(guī)定，建立市場機(jī)制，規(guī)范經(jīng)營行為，避免不正當(dāng)競爭。在此基礎(chǔ)上還應(yīng)加強(qiáng)監(jiān)管制度，讓經(jīng)營者在不可影響游客的正常旅行的前提下展開商業(yè)活動，為游客提供便利服務(wù)。另一方面，對影響景區(qū)正常營業(yè)，污染自然環(huán)境，破壞基礎(chǔ)設(shè)施的行為，應(yīng)實(shí)行嚴(yán)厲的懲罰措施。

采用3p97軟件計(jì)算各組大鼠體內(nèi)ATV的藥動學(xué)參數(shù)，詳見表1。ATV在各組大鼠體內(nèi)的藥動學(xué)特征均符合非房室模型。采用SPSS 17.0軟件進(jìn)行組間單因素方差分析，結(jié)果表明丹紅注射液低、中、高劑量聯(lián)用組的cmax、AUC0-24、AUC0-∞均高于ATV單用組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05或P＜0.01）。

[1]Xu L., Duan J. A., Andrew W. Path to Purchase: A Mutually Exciting Point Process Model for Online Advertising and Conversion[J]. Management Science, 2014, 60(6): 392-412.

[2]黃正偉, 馮翠, 何偉軍. 心理抗拒理論下顧客在線購物體驗(yàn)研究[J]. 商業(yè)經(jīng)濟(jì)研究, 2015, (26): 48-50.

[3]Gai P. J., Klesse A. K. Making Recommendations More Effective through Framings: Impacts of User-versus Item-based Framings on Recommendation Click-throughs[J]. Journal of Marketing, 2019, 83(6): 61-75.

[4]Marieke L., Peeter W., Amna K., et al. A Typology of Consumer Strategies for Resisting Advertising and a Review of Mechanisms for Countering Them[J]. International Journal of Advertising, 2014, 29(5): 6-16.

[5]Ricci F., Rokach L., Shapira B. Recommender Systems Handbook[M]. Springer-Verlag New York, Inc., 2015.

[6]Hennig-thurau T., Marchand A., Marx P. Can Automated Group Recommender Systems Help Consumers Make Better Choices?[J]. Journal of Marketing, 2012, 76(5): 89-109.

[7]Spangher A. Building the Next New York Times Recommendation Engine[N]. The New York Times, 2015-08-26.

[8]Cramer H., Evers V., Ramlal S., et al. The Effects of Transparency on Trust in and Acceptance of a Content-based Art Recommender[J]. User Modeling and User-adapted interaction, 2008, 18(5): 455.

[9]Morvinski C., Amir O., Muller E. “Ten Million Readers Can’t be Wrong!, ” or Can They? On the Role of Information About Adoption Stock in New Product Trial[J]. Marketing Science, 2017, 36(2): 290-300.

[10]Friestad M., Wright F. P. The Persuasion Knowledge Model: How People Cope with Persuasion Attempts[J]. Journal of Consumer Research, 1994, 21(1): 1-31.

[11]Lazarus R. S. Emotion and Adaptation[M]. Oxford University Press, 1991.

[12]蔣晶. 影響我國個(gè)人捐贈者捐贈決策過程的心理機(jī)制——基于情感適應(yīng)理論的實(shí)證研究[J]. 中國軟科學(xué), 2014, (6): 49-62.

[13]Xu Y. J. Task and Social Information Seeking: Whom Do We Prefer and Whom Do We Approach?[J]. Journal of Management Information Systems, 2010, 27(3): 211-240.

[14]Wang Y. A Logical Hermeneutic Perspective of Relational Communication Theories[J]. Journalism & Communication, 2006, (2): 21-26.

[15]Litvin S. W, Goldsmith R. E., Pan B. Electronic Word-of-mouth in Hospitality and Tourism Management[J]. Tourism Management, 2008, 29(3): 458-468.

[16]Brown J. J., Reingein P. H. Social Ties and Word-of-mouth Referral Behavior[J]. Journal of Consumer Research, 1987, 14(3): 350-362.

[17]Gilly m. C., Graham J. L., Wolffinbarger M. F., et al. A Dyadic Study of Interpersonal Information Search[J]. Journal of the Academy of Marketing Science, 1998, 26(2): 83-100.

[18]Tuk M. A., Verlegh P. W. J., Smidts A., et al. You and I Have Nothing in Common: The Role of Dissimilarity in Interpersonal Influence[J]. Organizational Behavior and Human Decision Processes, 2019, 151(3): 49-60.

[19]楊楠. 網(wǎng)紅直播帶貨對消費(fèi)者品牌態(tài)度影響機(jī)制研究[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2021, (2): 118-128.

[20]譚春輝. 網(wǎng)絡(luò)口碑傳播要素對瀏覽者信任感知的影響研究[J]. 蘭州學(xué)刊, 2017, (1): 176-189.

[21]Moorman C., Zaltman G., Deshpande R. Relationships between Providers and Users of Market Research: The Dynamics of Trust within and between Organizations[J]. Journal of Marketing Research, 1992, 29(3): 314-328.

[22]孫瑾, 鄭雨, 陳靜. 感知在線評論可信度對消費(fèi)者信任的影響研究——不確定性規(guī)避的調(diào)節(jié)作用[J]. 管理評論, 2020, (4): 146-159.

[23]Koo D. M. Impact of Strength and Experience on the Effectiveness of Online Service Recommendations[J]. Electronic Commerce Research and Applications, 2016, 15(1): 38-51.

[24]楊一翁, 孫國輝, 王毅. 消費(fèi)者愿意采用推薦嗎?——基于信息系統(tǒng)技術(shù)接受模型[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2016, (7): 109-117.

[25]魏尉, 梅姝娥, 仲偉俊. 商戶與用戶間社交關(guān)系對渠道協(xié)調(diào)的影響研究[J]. 系統(tǒng)工程理論與實(shí)踐, 2018, (11): 2793-2804.

[26]Luoa A., Bakerb A., Donthua N. Capturing Dynamics in the Value for Brand Recommendations from Word-of-mouth Conversations[J]. Journal of Business Research, 2019, 104(11): 247-260.

[27]Daems K., De P. P., Moons I. The Effect of Ad Integration and Interactivity on Young Teenagers’ Memory, Brand Attitude and Personal Data Sharing[J]. Computers in Human Behavior, 2019, 99(10): 245-259.

[28]王毅, 劉鉀, 孫國輝. 熟人還是陌生人, 消費(fèi)者為誰而改變?——不同類型的他人在場對消費(fèi)者多樣化尋求行為的影響[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2020, (4): 91-97.

[29]彭嵐, 施莉. 基于精細(xì)可能性模型的電子口碑對消費(fèi)者購買意愿影響研究[J]. 軟科學(xué), 2018, (6), 140-144.

[30]Carlson M., Charlin V., Miller N. Positive Mood and Helping Behavior: A Test of Six Hypotheses[J]. Journal of Personality and Social Psychology, 1987, (55): 211-229．

[31]李琪, 殷猛, 王璇. 網(wǎng)上信用服務(wù)對消費(fèi)者信任感知的影響研究[J]. 軟科學(xué), 2016, (8): 107-112.

[32]劉紅艷, 魏偉, 衛(wèi)海英. 非目標(biāo)消費(fèi)群體品牌使用行為對目標(biāo)消費(fèi)者品牌態(tài)度的影響——自我建構(gòu)的調(diào)節(jié)作用[J]. 管理評論, 2017, (8): 110-120.

[33]Acquisti A., Brandimarte L., Loewenstein G. Privacy and Human Behavior in the Age of Information[J]. Science, 2015, 347(6221): 509-514.

[34]賀遠(yuǎn)瓊, 唐漾一, 張俊芳. 消費(fèi)者心理逆反研究現(xiàn)狀與展望[J]. 外國經(jīng)濟(jì)與管理, 2016, (2): 49-61.

[35]Van R. E. A., Lammers N., Rozendaal E., et al. Disclosing the Persuasive Nature of Advergames: Moderation Effects of Mood on Brand Responses via Persuasion Knowledge[J]. International Journal of Advertising, 2015, 34(1): 70-84.

[36]Sullivan Y. W., Kim D. J. Assessing the Effects of Consumers’ Product Evaluations and Trust on Repurchase Intention in E-commerce Environments[J]. International Journal of Information Management, 2018, 39(4): 199-219.

[37]Eisend M. Persuasion Knowledge and Third-person Perceptions in Advertising: The Moderating Effect of Regulatory Competence[J]. International Journal of Advertising, 2015, 34(1): 54-69.

[38]黃元豪, 李先國, 黎靜儀. 網(wǎng)紅植入廣告對用戶行為回避的影響機(jī)制研究[J]. 管理現(xiàn)代化, 2020, 40(3): 108-111.

[39]Markus H. R., Kitayama S. Culture and the Self: Implications for Cognition, Emotion, and Motivation[J]. Journal of Personality and Social Psychology, 1991, 98(2): 224-253.

[40]武麗慧. 自我建構(gòu)對口碑兩極分化產(chǎn)品偏好的影響及作用機(jī)制[J]. 心理科學(xué)進(jìn)展, 2020, (4): 535-548.

[41]Trafimow D., Triandis H. C., Gotoo S. G. Some Tests of the Distinction between the Private Self and the Collective Self[J]. Journal of Personality & Social Psychology, 1991, 60(5): 649-655.

[42]Juntiwasarakij S. Framing Emerging Behaviors Influenced by Internet Celebrity[J]. Kasetsart Journal of Social Sciences, 2018, 39(9): 550-555.

[43]Albert N., Ambrosie L., Valette-florence P. Consumer, Bran, Celebrity: Which Congruency Produces Effective Celebrity Endorsements?[J]. Journal of Business Research, 2017, 81(12): 96-106.

[44] Kim S., Choe J. Y., Petrick J. F. The Effect of Celebrity on Brand Awareness, Perceived Quality, Brand Image, Brand Loyalty, and Destination Attachment to a Literary Festival[J]. Journal of Destination Marketing & Management, 2018, 9: 320-329.

[45]萬君, 王慧. 用戶對網(wǎng)絡(luò)社群主動式推薦信息的心理抗拒與接受意愿研究[J]. 信息資源管理學(xué)報(bào), 2019, (3): 90-99.

[46]Hashim H., Yunus M., Embi M. Pre-university English as Second Language (ESL) Learners’ Attitude towards Mobile Learning[J]. Creative Education, 2016, 36(10): 636-641.