電商平臺的ChatGPT推薦功能對消費者隱私犧牲意愿程度的影響

摘要：以ChatGPT為代表的大語言模型的發展已成為人工智能領域的流行趨勢，并在各個領域得到了廣泛的應用。在線購物作為人工智能發展的重要應用領域，各大電商平臺紛紛利用ChatGPT這樣的大型語言模型技術升級推薦功能，讓消費者在大語言模型的幫助下獲得個性化的產品推薦。但在此過程中，無論是電商平臺還是大語言模型服務商都遇到了消費者隱私擔憂的問題。消費者愿意在多大程度上犧牲自己的隱私來獲得增強的個性化推薦服務成為一個關鍵問題。因此，本文采用問卷調查的方法收集數據，構建中介效應模型，探討電商平臺引入ChatGPT的推薦功能后，推薦功能的感官體驗對消費者隱私犧牲意愿的影響及其機制。研究結果表明，推薦功能感官體驗的四個維度——互動性、界面設計、響應速度、反饋，通過影響消費者對推薦功能的使用意愿從而影響消費者隱私犧牲的意愿程度，即電商平臺引入ChatGPT后，帶給消費者更強的互動性、界面設計、響應速度和反饋這些感官體驗，使得消費者有更強的意愿使用推薦功能，也更愿意犧牲其隱私。

關鍵詞：ChatGPT；中介效應；隱私保護；個性化推薦

引言

2022年11月30日，美國人工智能公司OpenAI發布了ChatGPT。隨后，ChatGPT在互聯網領域引起了廣泛的關注，并在一個月的時間內達到了1億月活躍用戶，成為近年來用戶增長速度最快的消費者應用程序之一。到了2023年2月，ChatGPT在中國引發了巨大的關注，不論是在業界還是學術界都受到了廣泛的討論。隨后，國內電商領域各大公司開始抓緊布局AI大模型的測試與應用，阿里巴巴方面表示“確實在研發相關產品，目前處于內測階段”[1]。

返利科技推出了一款基于ChatGPT技術的電商導購APP“如意”[2]，該產品采用AI聊天對話模式來輔助消費者購物，提供更加個性化、智能化的導購服務。在ChatGPT技術在電商領域應用一路高歌猛進的同時，也暴露出許多安全威脅，比如本文關注的用戶隱私安全問題。OpenAI在其隱私政策[3]中提到用戶在使用ChatGPT時，賬戶信息和對話內容會被收集，同時也會被共享給服務提供商，比如提供ChatGPT推薦功能的電商平臺。

基于上述背景，國內外已經開展了相關研究。關于ChatGPT在電商領域應用方面，國內研究者中，張夏恒[4]介紹了ChatGPT在數字經濟中將得到廣泛應用，預測“ChatGPT+數字營銷”的場景將會極大提升效率。國外研究者中，Capterra[5]通過調查美國在線購物消費者，發現超半數消費者厭倦傳統的客服機器人，另外有56%的受訪者希望使用ChatGPT幫助他們進行在線購物。在ChatGPT的隱私安全問題上，國內的朱孟垚和李興華[6]介紹了ChatGPT的各項安全威脅并提出解決方案，但并未研究其在電商平臺中與消費者的隱私關系。國外研究者中，Khowaja等人[7]展示了ChatGPT收集用戶信息的隱私安全問題，Shi Kaize等人[8]通過技術層面提出了新的指令跟隨語言模型用于電子商務中的多樣化創作任務，減少了對客戶隱私數據安全的擔憂。通過對現有研究總結，本文采用問卷調查的方法收集數據，構建中介效應模型，探討電商平臺引入ChatGPT的推薦功能后，推薦功能的感官體驗對消費者隱私犧牲意愿的影響及其機制。其中，感官體驗分為四個維度——互動性、界面設計、響應速度、反饋。

本研究為揭示消費者的心理和行為及電商平臺個性化推薦系統設計提供了研究思路，同時推動電商平臺與大語言模型服務商對市場策略與制定隱私保護政策的關注。

1. 問卷設計

為了準確全面地了解消費者在電商平臺引入使用ChatGPT技術的推薦功能后隱私犧牲的意愿程度，本研究設計了調查問卷《電商平臺引入ChatGPT推薦功能后，消費者隱私犧牲的意愿程度調查》。該問卷分為四個部分，第一部分是受訪者個人信息部分，旨在收集樣本基本特征；第二部分為ChatGPT推薦功能感官體驗部分。在本部分的設計中，首先向受訪者舉例介紹了ChatGPT的推薦功能，讓本部分的測量更加準確。其次，本研究中將ChatGPT推薦功能的感官體驗劃分為四個維度變量[9]——互動性、界面設計、響應速度和反饋，每個維度下設計3～6個測量題項[10]。第三部分設計ChatGPT推薦功能使用意愿作為中介變量測量項，該部分下設計8個測量題項[11]。第四部分為消費者隱私犧牲的意愿程度作為因變量[12]，該部分下設計10個測量題項[13]。測量量表問項均改編自現有成熟量表[14]，并結合平臺的ChatGPT推薦情境進行修改和完善。所有題項均采用李克特五點量表進行測量，受訪者根據對各個題項的同意程度來進行判斷（1=非常不同意，2=比較不同意，3=一般，4=比較同意，5=非常同意）。

本次問卷調查通過問卷星軟件進行發放，最終收集了126份問卷。調查結果見表1-4所示。

2. 實證分析及檢驗

2.1 信效度檢驗

本研究借助在線問卷形式進行問卷數據收集，在進行回歸分析之前需要對問卷進行信效度檢驗以確保量表的可靠性。

一方面，對問卷的后三部分共35個測量題項進行信度檢驗。克隆巴赫系數為0.981說明本量表的信度非常好。

另一方面，利用因子分析法檢驗問卷整體的結構效度。本問卷整體的KMO值為0.958，大于0.9，且巴特利特球形度檢驗結果在1%的水平上顯著，因此本問卷的整體結構通過了結構效度檢驗。

2.2 變量設計及變量描述性統計

2.2.1 因變量

消費者隱私犧牲的意愿程度（Y）。由問卷第四部分的測量題項反映，代表了消費者有多大程度愿意犧牲隱私使用電商平臺基于ChatGPT技術的推薦功能，來獲取更好的在線購物體驗。

2.2.2 中介變量

ChatGPT推薦功能使用意愿（M）。由問卷第三部分的測量題項反映，代表了消費者受電商平臺的ChatGPT推薦功能的感官體驗影響，有多大意愿使用該功能。

2.2.3 自變量

互動性（X1）、界面設計（X2）、響應速度（X3）和反饋（X4）。由問卷第二部分的測量題項反映，分別代表了電商平臺基于ChatGPT技術的推薦功能的四個維度的感官體驗。

2.3 中介效應模型構建

在構建回歸模型前需要對收集到的126份問卷數據進行處理。通過對問卷后三部分中各維度下測量題項數據取均值得到該測量變量的數值。本文使用的統計軟件為Stata17、SPSS27。

首先，為檢驗電商平臺基于ChatGPT技術的推薦功能的感官體驗對消費者隱私犧牲意愿程度的直接效應，設定如下模型：

（1）

Xi代表推薦功能感官體驗的四個維度，α1代表直接效應的大小。

其次，根據已有研究和上述分析，感官體驗會通過影響消費者對ChatGPT推薦功能的使用意愿來間接影響消費者隱私犧牲的意愿程度。因此，本文設定如下中介效應模型：

（2）

（3）

其中，中介效應路徑表現如圖1所示，其大小為β1β2。式（3）代表電商平臺基于ChatGPT技術的推薦功能的感官體驗對消費者隱私犧牲的意愿程度的總效應。各效應之間的關系為：。

2.4 回歸分析

根據構建的回歸模型（1）－（3），利用處理后的問卷數據，通過使用計量軟件Stata17對模型進行參數估計，得到如下估計結果。根據中介效應檢驗流程[15]，采用依次系數檢驗法。由表5可知，α2、β1、β2、α1的系數均至少在10%水平上顯著，且α1與β1β2同號，可以得出存在中介效應的結論。通過分析系數估計值得知，電商平臺基于ChatGPT技術的推薦功能的感官體驗有利于提高消費者隱私犧牲意愿程度。同時，感官體驗的提升會影響消費者對ChatGPT推薦功能使用意愿的提高，從而間接提高消費者隱私犧牲的意愿程度。

2.5 穩健性檢驗

本文依據張燕和王洪會[16]的檢驗方法，采取Bootstrap中介效應檢驗法進行穩健性檢驗，穩健性檢驗結果見表6。

根據表6的結果，模型（2）的90%置信區間為[0.008，0.336]，未包含0，表示存在顯著的中介效應，即證明本研究結果較為穩健。

結語

本研究的主要發現在于，電商領域引入大型語言模型（如ChatGPT）后的個性化推薦功能與消費者隱私犧牲意愿之間的關聯性。通過回歸分析，研究得出以下結論：電商平臺采用ChatGPT技術的個性化推薦功能得到的感官體驗提升，會顯著促使消費者提高對該功能的使用意愿，進而間接促使消費者更愿意放棄部分隱私權來獲得更好的推薦體驗。這表明在追求個性化推薦的同時，提升用戶感官體驗對于提高消費者對該功能的使用和隱私犧牲意愿至關重要。

這一研究結果強調了電商平臺需要平衡用戶體驗和隱私保護，以滿足用戶需求并建立信任，從而在競爭激烈的市場中獲得競爭優勢。未來的研究可以進一步深入研究感官體驗和隱私保護之間的互動，以更全面地理解這一關系。

不容忽視的是，本研究存在一些限制需要進一步克服。首先，根據依次系數檢驗結果，本研究的模型中可能存在其他中介效應。未來的研究中可以增加更多的變量，以增強結果的有效性。其次，盡管本文深入研究了感官體驗與隱私犧牲意愿之間的關系，但并未全面考慮其他可能的影響因素，例如文化差異和個體差異。未來研究可以拓寬研究框架，以包括更多潛在因素，獲得更全面的理解。最后，長期跟蹤研究也有助于揭示消費者在隱私和個性化推薦方面的態度和行為如何隨時間演變。

參考文獻：

[1]李強.阿里正研發類ChatGPT產品或推動AI電商新場景[N].21世紀經濟報道，2023-2-10（11）.

[2]北京商報網.返利科技推出基于ChatGPT技術的電商導購APP“如意”[EB/OL].（2023-3-21）[2023-9-11].https：//www.bbtnews.com.cn/2023/0321/469995.shtml.

[3]OpenAI.Privacy policy[EB/OL].（2023-6-23）[2023-9-11].https：//openai.com/policies/privacy-policy.

[4]張夏恒.基于新一代人工智能技術（ChatGPT）的數字經濟發展研究[J].長安大學學報（社會科學版），2023，25（3）：55-64.

[5]Capterra.Most Consumers Think Traditional Chatbots Are Bad at Their Jobs.Could Conversational AI Be The Solution？[EB/OL].（2023-4-10）[2023-9-11].https：//www.capterra.com/resources/retail-chatbots/.

[6]朱孟垚，李興華.ChatGPT安全威脅研究[J].信息安全研究，2023，9（6）：533-542.

[7]Khowaja SA，Khuwaja P，Dev K.ChatGPT Needs SPADE（Sustainability，PrivAcy，Digital divide，and Ethics）Evaluation：A Review[EB/OL].（2023-4-13）[2023-10-20]. https：//arxiv.org/pdf/2305.03123.pdf.

[8]Shi KZ，Sun XY，Wang DX，et al.LLaMA-E：Empowering E-commerce Authoring with Multi-Aspect Instruction Following[EB/OL].（2023-8-9）[2023-10-20]. https：//arxiv.org/pdf/2308.04913v1.pdf.

[9]占南，閆香玉.電商智能推薦用戶信息隱私披露意愿影響機制研究[J].現代情報，2023，43（10）：35-53.

[10]余東輝.電子商務中消費者信息隱私披露行為影響因素研究[D].南京：東南大學，2022.

[11]計緯，戚海峰，費鴻萍.智能助手對消費者的推薦說服機制研究——基于社會角色視角[EB/OL].http：//kns.cnki.net/kcms/detail/12.1288.F.20230626.1457.006.html.

[12]汪旭暉，徐微笑，王新.智能購物體驗對消費者購買意愿的影響研究[J].消費經濟，2022，38（3）：87-96.

[13]唐霈雯.消費者定向廣告知識對定向廣告技術接受意愿的影響研究[D].哈爾濱：哈爾濱工業大學，2022.

[14]王永貴，張二偉，張思祺.數字營銷研究的整合框架和未來展望——基于TCCM框架和ADO框架的研究[J].商業經濟與管理，2023（7）：5-27.

[15]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）： 731-745.

[16]張燕，王洪會.綠色信貸對商業銀行盈利能力的影響——基于鏈式多重中介效應模型的實證檢驗[J].金融經濟，2022（10）：61-72.

作者簡介：魯熠宵，本科，研究方向：信息管理與信息系統。