移動搜索中日常信息搜索情境下跨APP意圖轉移模式研究

陳靜　陳紅麗　平曉亞

關鍵詞： 移動搜索； 跨ＡＰＰ 意圖； 跨ＡＰＰ 搜索； 微刻時序訪談法； 任務類型； 馬爾可夫鏈

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００５

〔中圖分類號〕Ｇ２５２.０ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０９－００５１－１２

《２０２２ 年移動互聯網行業報告》顯示， 互聯網人群已經習慣移動的生活方式， 娛樂、閱讀、休閑和消費等網絡服務被充分滲透， 移動應用ＡＰＰ 與用戶日常生活高度關聯， 通過ＡＰＰ 交互完成日常移動搜索任務逐漸成為人們獲取信息的重要方式［１］ 。日常信息搜索是指用戶為滿足最廣泛的日常信息搜索需求而表現出的自然搜索行為［２－３］ 。同時， 用戶日常搜索需求呈現出即時性和復雜化的特點［４］ ， 在移動搜索中用戶可能需要在多個ＡＰＰ 上協同合作才能完成搜索， 這種用戶交互活動在不同ＡＰＰ 間轉移的行為稱為跨ＡＰＰ 行為［５］ 。隨著信息技術的發展， 用戶在日常信息搜索情境下發生跨ＡＰＰ 搜索行為的現象十分普遍［６］ ， 而其行為規律還有待進一步明確。

用戶跨ＡＰＰ 搜索過程中， 可能會出于相同或不相同的搜索目標而轉移到下一個ＡＰＰ。跨ＡＰＰ意圖是指用戶離開當前ＡＰＰ， 轉入下一個ＡＰＰ 的意圖。在此種意圖組成的意圖序列之上提取的規律模式， 稱之為跨ＡＰＰ 意圖轉移模式。現有研究中，跨ＡＰＰ 搜索行為研究多是基于客觀的ＡＰＰ 轉移路徑模式［７］ ， 利用用戶主觀數據探究跨ＡＰＰ 意圖轉移模式， 以深入解釋跨ＡＰＰ 搜索行為機理內部動因的研究尚不多見。此外， 用戶日常信息搜索會話有時簡單有時復雜［８］ ， 可以劃分為簡單型任務和復雜型任務。簡單的任務需求如天氣信息的查詢， 通過一個ＡＰＰ 就可以輕松滿足； 但用戶也會通過訪問一系列ＡＰＰ 收集、篩選和綜合信息來解決復雜的任務， 比如計劃假期等［９］ 。搜索任務類型直接影響了用戶的跨ＡＰＰ 意圖。因此本文提出以下３ 個研究問題： ①日常信息搜索情境下用戶偏好的跨ＡＰＰ意圖類型有哪些？ ②日常信息搜索情境下用戶的跨ＡＰＰ 意圖轉移模式有哪些？ ③簡單型任務和復雜型任務下用戶偏好的跨ＡＰＰ 意圖轉移模式是否相同？

基于這３個研究問題， 本文從用戶日常信息搜索情境出發， 探討移動搜索跨ＡＰＰ 意圖轉移規律，挖掘頻繁的跨ＡＰＰ 意圖轉移序列， 凝練用戶跨ＡＰＰ 意圖轉移模式， 并分析不同模式與任務類型的關聯， 最后針對ＡＰＰ 服務優化提出啟示。本文理論上補充和豐富了移動搜索行為機理相關研究，實踐上有助于優化ＡＰＰ 系統提升用戶移動搜索體驗， 并為其提供更有效的交互方式。

１相關研究綜述

１.１移動搜索

移動設備已經成為日常生活中不可或缺的一部分， 人們越來越依賴移動設備進行信息搜索。移動搜索是用戶在一定的環境下出現信息需求后， 通過移動網絡終端來滿足其信息需求的過程［１０］ 。該行為可看作是檢索、瀏覽、交互、選擇、獲取與利用等一系列廣泛意義上的行為集合， 能夠使用戶獲得隨時隨地、快速高效與情境感知的個性化信息與服務［１１］ 。移動搜索具有自由度高、搜索精確性及智能個性化等特點［１２］ 。與傳統的桌面端搜索相比，移動搜索更靈活， 用戶沒有固定設備的空間限制，可以隨時隨地搜索。隨著移動服務的精細化和個性化， ＡＰＰ 的領域更加垂直， ＡＰＰ 服務的用戶群體更加精準。

移動搜索中日常信息搜索已經成為重要的研究議題。日常信息搜索代表了用戶最廣泛需求［１３］ 。Ｑｉａｎｇ Ｗ 等［１４］ 探究了老年人日常信息搜索行為的影響因素； Ｋｉｍ Ｊ［１５］ 將日常生活任務作為重要的信息搜索情境展開了調查； Ｄｅａｒｍａｎ Ｄ 等［１６］ 檢查了用戶日常信息需求以便更好的支持分享； Ｙｏｏｎ Ｊ Ｗ［３］考慮到日常生活中圖像的激增， 詳細考察大學生在日常生活中的圖片搜索行為， 以上研究都揭示了日常搜索行為的重要性。因此， 了解用戶日常生活中移動搜索行為可以幫助更好地理解用戶真實需求，提供更為精準的搜索服務。

智能移動設備在單個設備中提供多媒體融合、無處不在的媒體訪問以及與他人的持續連接， 用戶每天要進行大量的ＡＰＰ 切換， 其使用數量的快速增長要求學術界更多地關注用戶移動搜索中跨ＡＰＰ 行為［１７］ 。跨ＡＰＰ 行為現有研究主要關注用戶從一個ＡＰＰ 轉移到另一個ＡＰＰ 的路徑和意圖。路徑指從ＡＰＰ 轉移概率的角度來分析ＡＰＰ 間的轉移規律［１８］ ， 而意圖是促使用戶發生跨ＡＰＰ 行為的驅動因素， 即跨ＡＰＰ 意圖［１９］ 。

１.２跨ＡＰＰ轉移路徑

已有的跨ＡＰＰ 轉移路徑的研究揭示了用戶跨ＡＰＰ 搜索成為常態［２０］ 。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 對跨ＡＰＰ應用鏈進行了定義， 并發現移動搜索活動中常常伴隨著頻繁的ＡＰＰ 轉移， 并進一步對不同類型ＡＰＰ之間的轉移特點進行了分析， 探索用戶在各類ＡＰＰ之間轉移規律［２２］ 。Ｘｕ Ｑ 等［８］ 發現用戶面臨較為復雜的信息需求時， 移動搜索會話相對來說也較為復雜， 一般會使用多個不同的ＡＰＰ， 并在這些ＡＰＰ之間開展頻繁的交互。同時， 有研究發現， 用戶在移動搜索后有相當高的概率會轉移到社交通訊類ＡＰＰ［２３］ 。梁少博等［５］ 通過分析跨ＡＰＰ 轉移路徑，發現存在同類ＡＰＰ 和不同類ＡＰＰ 轉移； 趙一鳴等［７］ 基于用戶移動搜索系統的使用數據發現５ 類搜索系統切換模式， 分別是社交媒體依賴型、搜索引擎—信息流平臺偏向型、搜索引擎主導型、搜索引擎—百科網站偏向型和社會化問答平臺依賴型。以上研究表明， ＡＰＰ 轉移是研究跨ＡＰＰ 行為研究的常見切入點， 據此揭示用戶跨ＡＰＰ 行為特點和規律， 對ＡＰＰ 服務優化、用戶ＡＰＰ 選擇等方面具有重要指導意義。

１.３跨ＡＰＰ意圖

針對跨ＡＰＰ 意圖的現有研究主要聚焦于嘗試挖掘用戶的決策過程、原因或驅動因素等， 以了解用戶的跨ＡＰＰ 意圖， 從而為應用程序提供指導和優化建議［２４－２５］ 。臧嵐等［１８］ 從多維度情境要素的角度構建了移動搜索跨ＡＰＰ 行為理論模型， 認為通過移動搜索情境信息可以分析出用戶在移動搜索中的跨ＡＰＰ 意圖， 進而作用于移動搜索跨ＡＰＰ 行為。Ｐｅｎｇ Ｘ 等［２６］ 關注個人和組織廣泛采用的移動即時消息（ＭＩＭ）主題， 從社會網絡的角度引入遷移理論來探索移動環境下影響用戶跨ＡＰＰ（即時消息ＡＰＰ）意圖的因素， 發現功能剝奪、金錢剝奪和個人創新可以積極影響用戶跨ＡＰＰ 意圖。Ｚｈａｎｇ Ｎ等［２７］ 探討了ＡＰＰ 加載頁面中代言人動作所表達的緊迫感對用戶跨ＡＰＰ 意圖的影響， 例如對于享樂導向的ＡＰＰ， 高緊迫性的代言人在限制用戶跨ＡＰＰ 意圖方面更有效等。Ｚｈａｎｇ Ｎ 等［２８］ 通過探索轉換意圖驅動因素發現性能預期對跨ＡＰＰ 意圖有顯著影響。Ｒｏｙ Ｓ［２９］ 基于技術接受模型框架（ＴＡＭ） 研究了ＴＡＭ 構念對跨ＡＰＰ 意圖的后續影響， 發現ＴＡＭ 構念對跨ＡＰＰ 意圖有顯著影響。

此外， Ｌｅｉｖａ Ｌ 等［３０］ 認為ＡＰＰ 轉移仍然是一個被忽視的交互， 其探索如何從智能設備使用數據中自動提取和表征大數據集中習慣性的ＡＰＰ 轉移行為， 證明了用戶在不同的情境下， 在同類ＡＰＰ 之間習慣性的反復切換。這一結果揭示了用戶的偏好習慣是重要的跨ＡＰＰ 意圖。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 采用質性研究的方法， 對移動搜索環境下用戶跨ＡＰＰ 行為目的展開研究， 發現用戶在ＡＰＰ 中搜索后傾向于進行分享行為。Ｗｕ Ｄ 等［６］ 也發現用戶可能會在初始搜索后進行物品購買、分享信息等不同活動， 這些活動導致ＡＰＰ 的轉移。Ｗｈｉｔｅ Ｒ Ｗ等［３１］ 研究了用戶在不同搜索引擎間的跨ＡＰＰ 意圖， 總結了用戶在不同搜索引擎間的轉移的３ 個原因： 對初始引擎的搜索結果質量不滿意、驗證和發現額外的信息、用戶偏好。Ｚｈａｎｇ Ｎ 等［２８］ 指出習慣是一個影響跨ＡＰＰ 意圖的因素。Ｒｕｓｓｅｌｌ－Ｒｏｓｅ Ｔ等［３２］ 在其提出的信息行為模型中涉及了一項表征用戶在不同的項目中進行比較意圖的對比模式。由此可推斷， 用戶的偏好意圖、對比意圖和分享意圖等都是用戶跨ＡＰＰ 意圖的重要類型。

從以上研究可以發現， 已有研究主要傾向于對跨ＡＰＰ 動因進行解釋， 這為跨ＡＰＰ 意圖類型的確定奠定基礎。但還停留在整個搜索任務層面的粗粒度解釋， 鮮有研究揭示用戶跨ＡＰＰ 意圖轉移模式規律。然而跨ＡＰＰ 意圖轉移模式研究從用戶主觀認知角度出發更有助于探索跨ＡＰＰ 行為背后的機理。

２研究方法

２.１數據采集

本文首先采用問卷法收集最近在日常信息搜索情境下具有跨ＡＰＰ 經歷的用戶及其人口統計信息。參與者被要求填寫線上問卷， 回答關于他們的人口統計特征， 如圖１ 所示， 包括性別、學歷、專業和ＡＰＰ 搜索經驗， 以及最近是否具有令自己印象深刻的跨ＡＰＰ 搜索經歷； 其次， 采用微刻時序訪談法［３３］ 獲取受訪用戶印象深刻的跨ＡＰＰ 搜索經歷。微刻時序訪談法是半結構化方法， 適用于獲取受訪者在具體某一情境下的信息， 該方法要求受訪者對整個事件進行重構并描述其逐步變化情況［３４］ 。微觀時刻時間線訪談是意義建構的基礎訪談方法， 被用來探索人們的經驗， 此方法并不局限于特定的領域［３４］ 。在圖書館和信息科學領域， 研究者主要基于微刻時序訪談法要求受訪者重構他們最近的參與經歷， 探究特定的信息尋求中用戶遇到的問題［２８］ 。類似地， 本研究重構用戶的經歷并賦予意義。

因此， 研究人員在訪談時， 引導受訪用戶按照時間線順序逐步分享印象深刻的跨ＡＰＰ 搜索過程。此次訪談采用電話訪談方式， 根據微刻時序訪談法的應用規律， 訪談不具有時間限制。另外， 為了保證或增強該方法的有效性， 本研究建立了一個幫助被試回憶搜索過程的敘事框架， 該框架以ＡＰＰ 切換為節點， 引導被試對其信息行為過程進行詳細而具體的自由描述， 并允許用戶利用搜索記錄或搜索歷史來驗證重構的搜索體驗， 如表１ 所示。對６ 位數據出現問題的用戶進行了二次訪談， 其中兩位用戶ＡＰＰ 的使用數量不夠明確， ４ 位用戶回答的跨ＡＰＰ 意圖不清晰， 其中４ 位用戶沒有給出清晰的回復， 因此舍棄這部分數據。最終， 本研究共招募２０４ 名用戶， ８ 位受訪用戶具有兩次搜索經歷， 共得到樣本２１２ 份， 表述清晰的有效樣本２０８ 份。

２.２數據處理

多名研究人員針對２０８ 份樣本做數據處理。首先， 研究人員將訪談記錄的音頻資料人工逐字、逐句地轉錄為Ｗｏｒｄ 文本資料。然后， 對文本資料進行編碼， 從研究問題出發， 完成了跨ＡＰＰ 意圖和任務類型的編碼。

２.２.１跨ＡＰＰ意圖編碼

研究人員采取開放式編碼［３５］ 對受訪用戶跨ＡＰＰ行為意圖進行提取。首先， 按照下列步驟對訪談記錄進行整理： ①去除受訪用戶訪談中提到的與訪談主題不相關的內容； ②去除訪談中無意義或含義不明的內容； ③去除受訪用戶理解錯誤的回答記錄；④按照邏輯順序對訪談記錄進行逐條編碼和標記，形成相應的初始概念， 即自由節點。為了削弱研究者的個人主觀影響， 盡量從受訪用戶原話中提取標簽作為初始概念。如原始語句為“我覺得目前在微博上得到的信息不夠， 不能夠滿足我的全部要求，我需要更多信息來補充”。提取對應的初始概念為“補充”。由于自由節點的數量非常龐雜， 其對應的初始概念存在很大程度重復和交叉， 因此需要進一步提煉和歸納， 然后用范疇來概括和反映概念的本質屬性。為確保編碼的信效度， 該階段由三位編碼者分別對訪談記錄進行編碼， 然后對編碼結果進行反復比較， 將重復或涵義相同的初始概念進行合并，刪除重復頻次小于３ 的初始概念， 將性質或內容相近的概念進行歸納、提煉和重組， 將其范疇化， 只有經所有研究者討論后一致認可的條目方可保留。由此， 最終得到７ 種意圖范疇， 如表２ 所示。

２.２.２任務類型編碼

受訪用戶的任務表述內容主要以訪談大綱中的問題１ 為主， 除此之外， 從受訪用戶表述的搜索過程相關內容也可以輔助判斷。本文參考Ｔｏｍｓ Ｅ Ｇ等［３６］ 、Ｌｉｕ Ｃ 等［３７］ 任務分類編碼處理方法， 按照用戶的需求是否單一劃分為簡單型任務和復雜型任務， 示例如表３ 所示。

３名研究人員獨立運用語義內容分析方法， 以記錄的每句話為最小分析單元， 對訪談轉錄文本中描述任務的部分進行分析與萃取， 使用如表３ 所示的編碼框架和案例進行編碼。如原始語句為“我是想要去買一雙足球鞋， 但不知道買什么牌子的好，所以先用得物搜了一下， 看到了幾款還可以的， 然后就去淘寶準備買。” 識別到受訪用戶將總任務分為兩個子任務（調查和購買）， 依次完成， 所以用戶任務類型為復雜型。為保證編碼質量， 研究團隊共同圍繞３０％訪談文本記錄進行了嘗試性預編碼， 并對有關問題協調一致， 最終編碼一致性超過９５％。然后對剩下的訪談文本資料分開完成編碼。

２.３數據分析方法

本文使用馬爾可夫鏈對用戶跨ＡＰＰ 行為序列進行分析和挖掘。馬爾可夫鏈是研究用戶軌跡比較常用的模型之一， 用戶行為包括搜索、瀏覽、切換ＡＰＰ 等都可以看作是一個狀態， 而用戶在這些狀態之間的轉移符合馬爾可夫規則。目前， 很多學者都將馬爾可夫鏈分析方法應用在搜索行為研究中，Ｊａｎｅｔ 使用馬爾可夫方法對零階、一階和高階的在線信息搜索序列進行分析［３８］ 。Ｉｒｉｓ 對搜索策略轉變序列進行研究， 根據每種搜索策略所涉及的動作數量計算馬爾可夫鏈概率［３９］ 。因此， 本文使用馬爾可夫分析方法， 挖掘跨ＡＰＰ 意圖轉移規律， 使用馬爾可夫鏈表達用戶主觀認知的變化情況， 挖掘發生概率較高的典型鏈條， 并進一步歸納跨ＡＰＰ 意圖轉移模式。首先建立馬爾可夫模型： Ｚ＝（Ｚ_１，Ｚ_２，Ｚ_３，…，Ｚｔ ）， 其中Ｚ 為跨ＡＰＰ 意圖狀態， ｔ 為馬爾可夫鏈對應的時間序列的元素（１，２，３，…，Ｎ）， Ｚ_１為ＡＰＰ１ 轉移至ＡＰＰ_２的意圖， Ｚ_２為ＡＰＰ２ 轉移至ＡＰＰ_３的意圖， Ｚ_３為ＡＰＰ３ 轉移至ＡＰＰ４ 的意圖等。然后在此基礎上歸納跨ＡＰＰ 意圖轉移模式， 并對任務類型和跨ＡＰＰ 意圖轉移模式進行關聯分析。

３研究結果

３.１跨ＡＰＰ意圖類型統計

對跨ＡＰＰ 意圖編碼結果進行統計分析， 如圖２所示。用戶最偏好使用的意圖類型是補充意圖， 共１４３ 次， 約占總數的３０.７％， 補充意圖強調了用戶由于當前ＡＰＰ 獲得信息不足， 轉移至其他ＡＰＰ。這說明很大程度上， 用戶在單個ＡＰＰ 內日常信息需求難以得到滿足， 多是出于補充的目的跨ＡＰＰ搜索。其次是橋接， 占總數的２７.０％， 橋接意圖的占比也較為突出， 這說明用戶在一個完整的搜索會話中， 很大概率下用戶的搜索目標可能發生改變， 進而可能利用多個ＡＰＰ 協同合作實現最終的搜索目標。其余依次為對比、交流、挫折、復核、偏好。其中復核和偏好數量很少， 僅有１４ 次。

３.２跨ＡＰＰ意圖轉移模式挖掘

為了了解跨ＡＰＰ 意圖之間的轉移概況， 本文創建了跨ＡＰＰ 意圖的定向轉移矩陣， 如表４ 所示，列表示轉出意圖， 行表示轉入意圖。該矩陣包括２０８個搜索經歷中涉及的２５８ 次意圖轉換， 并展示了從一種意圖到另一種意圖的轉移頻次。兩個意圖之間的平均轉移頻次是１.２４， 故而本文選擇一階和二階馬爾可夫鏈對跨ＡＰＰ 意圖轉移序列進行分析。

結果發現， 最常見的意圖轉移是“補充→補充” （Ｎ ＝４９）， 補充意圖的迭代表示用戶開始訪問了一個ＡＰＰ， 為了補充獲取相關信息而轉移到另一個ＡＰＰ， 然后為了補充更多的相關信息又轉移到下一個ＡＰＰ。其次比較常見的是“對比→對比”和“橋接→橋接”， 兩類轉移發生頻次皆為２５， 前者表明用戶通過連續ＡＰＰ 之間的轉移對比了搜索結果， 后者則是根據用戶出于搜索總任務需要， 轉移到多個ＡＰＰ 完成搜索子任務。另外， 可以看出“對比→橋接” “補充→橋接” 和“挫折→挫折”這３ 類轉移也較為頻繁出現， 分別排在第三、第四和第五， 并在下文中做出進一步分析。

３.２.１一階意圖鏈分析

為了清晰了解從一種意圖轉移到另一種意圖的發生概率， 采用了一階馬爾可夫鏈基于７ 種意圖（補充， 橋接， 對比， 交流， 挫折， 復核， 偏好）轉移頻次， 得到從一種意圖轉移到其他意圖的概率轉移矩陣， 即對Ｚ_１－Ｚ_２之間轉移進行分析， 同時ＡＰＰ_１→ＡＰＰ_２→ＡＰＰ_３為用戶意圖轉移的載體。表５列出了跨ＡＰＰ 意圖轉移的所有概率。概率排名與轉移的頻率排名不完全一致， 主要是因為一階馬爾可夫分析中， 個體轉移到下一個狀態完全取決于當前所處的狀態， 轉移概率也受到應用特定意圖之后可選擇的意圖數量影響。結果表明， 用戶跨ＡＰＰ意圖轉移可以劃分為同類和不同類意圖轉移。

當發生同類意圖轉移時， 用戶從補充意圖最可能轉移到補充意圖（５４.４％）， 補充意圖轉移表示用戶在當前ＡＰＰ 內獲取的相關信息但還不足夠， 用戶發生兩次ＡＰＰ 轉移都是出于謀求獲得更多相關信息。這一意圖轉移概率較為突出， 表明在跨ＡＰＰ 搜索中， 迭代獲取信息是常態。從挫折意圖最有可能轉移到挫折意圖（５１.４％）， 挫折意圖轉移表示用戶在連續的ＡＰＰ 內未找到相關項目的有用信息， 從而產生的連續放棄ＡＰＰ 的行為。由此， 可以認為捕捉用戶的挫折意圖更能反饋用戶對ＡＰＰ 使用的真實態度。從對比意圖最有可能繼續轉移到對比意圖（５０.０％）， 對比意圖轉移表示用戶傾向于兩次轉移ＡＰＰ 以反復比較項目信息。這一現象說明用戶對項目信息的評估投入了更多的精力， 關注這一轉移可能有助于深入了解用戶采納行為。從橋接意圖最有可能繼續轉移到橋接意圖（４６.３％）， 橋接意圖轉移充分說明了用戶傾向于將總的搜索任務切分，為每個子任務選擇合適的ＡＰＰ， 從而呈現轉承的ＡＰＰ 轉移特點。因此， 可以推測出用戶的橋接意圖可以視為用戶搜索目標改變的重要節點。

當發生不同類意圖轉移時， 用戶從對比意圖集中于向橋接意圖轉移（４２.０％）， 占比最大。結合同類對比意圖的轉移， 發現這兩類轉移幾乎占據了對比意圖的可選擇轉入意圖的所有可能性， 這說明在對比意圖中， 不同類意圖轉移呈現集中式， 而從補充意圖轉移到橋接意圖（２１.１％）和交流意圖（１３.３％）、從挫折意圖轉移到橋接意圖（２２.９％）或補充意圖（１４.３％）， 從橋接意圖轉入的是對比（１８.５％）、挫折（１３.０％）和補充（９.３％）意圖等， 呈現出明顯的發散式， 因此對于不同類意圖來說， 既可以呈現集中式， 也可以呈現發散式。這一現象暗示用戶的跨ＡＰＰ 意圖存在不確定性和自主性， 如果想要準確預測意圖， 可能需結合更多的用戶行為特征。

３.２.２二階意圖鏈分析

為了進一步分析頻繁的跨ＡＰＰ 意圖轉移序列，本文應用二階馬爾可夫鏈來分析樣本中出現的二階意圖序列。二階馬爾可夫分析是在計算下一個狀態轉移概率時考慮了前面兩個狀態， 即Ｚ１ －Ｚ２ －Ｚ３ 之間轉移的分析， 同時ＡＰＰ１ →ＡＰＰ２ →ＡＰＰ３ →ＡＰＰ４為用戶意圖轉移的載體。最終觀察到的二階意圖序列的數量是１２７ 個。經過馬爾可夫處理， 得到跨ＡＰＰ 意圖概率序列， 對每個節點的轉移概率進行篩選， 將表征頻繁的基礎概率設置為２０.０％， 因此低于該概率的狀態節點認為是相對不頻繁發生的意圖轉移序列， 最終展示的序列代表了用戶最頻繁應用的二階跨ＡＰＰ 意圖轉移序列， 其中轉移概率低于２０％的使用灰色底紋表示， 如圖３ 所示。此外，為了完整性考量， 添加了“開始” 作為初始狀態，并展示了所有意圖類型發生的初始概率。

初始概率占比突出的是補充意圖（３３.１％）、橋接意圖（２３. ６％）。與跨ＡＰＰ 意圖類型統計結果類似， 這兩類同樣占據了二階意圖鏈轉移起始點的多數可能性。

由圖３ 可見， 從形式上發現頻繁轉移的意圖序列主要存在３ 類： ＡＡＡ 型、ＡＢＡ 型、ＡＡＢ 型。首先， ＡＡＡ 型包括“補充→補充→補充” “挫折→挫折→挫折”“橋接→橋接→橋接” 和“對比→對比→對比” 意圖序列。這類迭代意圖序列發生概率較大， 表明用戶在日常搜索中轉移ＡＰＰ 可能會頻繁受相同的意圖驅動； 其次是ＡＡＢ 型， 主要包括“補充→補充→交流” “挫折→挫折→橋接” 和“對比→對比→橋接” 意圖序列。此類跨ＡＰＰ 意圖轉移序列呈現出重心后移的特點。結合材料分析， 可能原因是用戶通過前面的意圖轉移作為鋪墊， 之后用戶任務目標發生遷移， 導致在任務靠后階段搜索行為發生重大改變。在諸如此類的跨ＡＰＰ 意圖序列中，靠前階段用戶主要秉持初步探索的心理， 而在靠后階段則更表現出決策傾向， 因此這類意圖轉移序列體現出用戶對ＡＰＰ 接受個人搜索習慣的兼容性或任務主題切換的流暢度要求較高； 最后是ＡＢＡ 型，主要包括“橋接→對比→橋接” 意圖序列。其呈現橄欖形特點， 即處于靠中階段時， 用戶搜索任務偏好的跨ＡＰＰ 意圖更加靈活， 兩端更穩定。此類序列表明， 處于靠中階段時， 用戶受跨ＡＰＰ 意圖驅動的搜索行為易發生改變。

３.２.３跨ＡＰＰ意圖轉移模式

為了確定跨ＡＰＰ 意圖的最常見轉移模式， 綜合一階和二階意圖轉移序列分析， 發現跨ＡＰＰ 意圖序列有規律可循， 因此， 進一步總結和歸納了跨ＡＰＰ 意圖轉移模式， 并對每類模式下實際發生頻次進行了統計， 如表６ 所示。最終本文確定了由５種跨ＡＰＰ 意圖組成的７ 種跨ＡＰＰ 意圖轉移模式：（ａ）補充探索模式， （ｂ）補充準備模式， （ｃ）對比決策模式， （ｄ）對比擇優模式， （ｅ）分步前進模式，（ｆ）分享交流模式， 以及（ｇ）挫折探索模式， 結合用戶訪談材料對其進行詳細解釋。

最常見的跨ＡＰＰ 意圖轉移模式為“補充探索模式” （６３）， 是指用戶為獲得更多相關信息而不斷出于迭代補充意圖來轉移ＡＰＰ 的模式。這類模式廣泛存在， 例如用戶Ｐ２８ 在學習“ＫＮＮ” 算法的過程中， 通過使用百度、ＣＳＤＮ、嗶哩嗶哩３ 個ＡＰＰ，不斷獲得更詳細的算法講解， 深化知識學習過程。與其類似又有區別的是“補充準備模式” （２４），它是指用戶在補充信息之后執行另外的子任務， 因此包括兩部分內容， 分別是補充獲取相關信息和結束補充信息后執行另外的搜索子任務， 其中補充信息在某種程度上是為橋接到另外搜索子任務做準備工作。該模式約占“補充探索模式” 的１／３， 二者都表示了用戶的補充信息需求， 同時“補充探索模式” 中迭代式補充表現出用戶對補充有用信息更加執著， 而該模式包含了用戶向橋接意圖轉移，體現了用戶在結束補充信息后會傾向于遷移任務目標的特點。例如用戶Ｐ２６ 在搜索中將購物任務分為購物準備階段和購物決策階段， 用戶首先使用一款ＡＰＰ 未能獲得足夠的購物參考信息， 不足以支持購物決策， 因此， 在“ 補充” 意圖的驅動下，轉移至另一款ＡＰＰ 繼續獲取信息， 進行購物準備。準備完畢后， 轉移至購物類ＡＰＰ 進行購買活動。

以“對比” 意圖為核心， 形成了“對比決策模式” （４２）和“對比擇優模式” （３３）兩類模式，二者密切關聯但又有區別。前者是指以對比項目信息與橋接搜索子任務間互動為特征的模式， 強調了用戶在對比中穿插著遷移目標方面的決策行為。結合材料分析發現， 用戶經常在購物ＡＰＰ 之間轉移，對比商品價格、質量等信息， 以此來進行最后的購物決策。這一模式反映了用戶在購物活動后期易出現對比決策的行為。例如用戶Ｐ１４ 使用知乎確定購買的某款商品后， 轉移至淘寶查看商品的價格等信息， 然后為進一步對比不同平臺的商品， 用戶轉移至京東。后者是指用戶為了反復對比不同ＡＰＰ內的同一項目信息而發生轉移， 但最終沒有發生決策行為， 多出現在購物、信息核實等主題， 例如用戶Ｐ２３ 在抖音ＡＰＰ 上得到“ 北京疫情病例活動軌跡” 相關信息， 為確認信息的真假， 轉移至微博ＡＰＰ， 前往“北京市衛健委” 官方賬號了解信息詳情以尋求確認。

“分步前進模式” （３２） 和“補充準備模式”（２４）是指伴隨用戶搜索過程中搜索子任務的轉換而隨之發生的跨ＡＰＰ 意圖轉移模式， 二者皆反映了用戶豐富的搜索路徑。此類模式的應用一般依托于多種類型的ＡＰＰ 分別完成用戶不同的子目標，例如用戶Ｐ７ 表達出需要了解某企業的相關信息，不僅需要了解員工評價， 還想要獲取公司地址， 員工評價需要脈脈、牛客等職業交流ＡＰＰ， 而公司地址則需要高德地圖、百度地圖等ＡＰＰ。此外，“分享交流模式” （１８）和“挫折探索模式” （１４）也是用戶跨ＡＰＰ 行為中較為常見的轉移模式。“分享交流模式” 表示用戶在移動搜索過程中， 向他人分享新聞資訊、娛樂八卦等信息， 或面臨某類群體決策時， 如餐廳挑選， 也經常將信息從當前獲取資訊的ＡＰＰ 分享至社交類ＡＰＰ， 如微信、ＱＱ 等。因此可以發現， 用戶的分享行為占據了日常搜索中重要部分， 從而形成了具有廣泛意義的“分享交流模式”。“挫折探索模式” 是指用戶在跨ＡＰＰ 搜索中連續在不同ＡＰＰ 內未找到相關信息， 繼而產生的一種以頻繁遇挫為特征的模式。這類意圖模式最直接體現用戶在ＡＰＰ 內未找到相關項目信息， 對搜索結果不滿意從而放棄當前的ＡＰＰ， 這一模式將對ＡＰＰ服務方組織用戶ＡＰＰ 棄用行為有所啟發。

３.２.４任務類型與跨ＡＰＰ意圖轉移模式關聯分析

對任務類型編碼結果進行統計分析， 簡單型任務（Ｓ）的頻次是１１８， 用戶占比５５％， 復雜型任務頻次為９０， 用戶占比為４５％。分別對兩類任務下意圖模式進行識別和分析， 任務維度下使用意圖模式的數量和占比分別如表７ 所示。

總體來說， 由于任務的簡單特性， 簡單型任務中用戶跨ＡＰＰ 使用較少， 而復雜型任務由于工作量更多， 用戶更偏好使用多個ＡＰＰ 來完成任務，因此其跨ＡＰＰ 意圖轉移模式更凸顯。研究進一步發現， 用戶在簡單和復雜型任務中偏好使用的轉移模式類型不同。

在簡單型任務中， 用戶最偏好使用“補充探索模式”， 用戶占比達到４５.６％， 這說明用戶完成簡單的任務時， 普遍在一個ＡＰＰ 不能滿足全部的信息需求， 因此轉移至另外的ＡＰＰ 補充搜索結果， 最終形成普遍的在簡單任務中迭代補充的轉移模式。例如用戶ＰＸ５４ 表示想要了解一款游戲， 首先在知乎上輸入游戲名進行搜索， 對該游戲有了一個基本的了解， 然后為了進一步補充更多關于該游戲的評價信息， 轉移至微博搜索。其次是分享交流模式（２４.６％）， 結合訪談文本內容分析發現， “分享交流模式” 出現的情景分為兩種： 計劃型和偶發型。計劃型分享表現為： 在群體性活動中， 如好友聚餐、小組作業等， 成員經常在手機ＡＰＰ 中搜索信息， 分享給其他成員， 進行協同搜索， 由此產生一種計劃情境下的分享交流； 偶發型分享表現為： 用戶在使用手機娛樂或者進行日常活動的過程中， 偶然發現有趣的新聞事件、娛樂八卦等產生的分享行為。例如用戶Ｙ３４ 表示， 偶然瀏覽到某一娛樂新聞， 在微博搜索相關信息之后， 想要分享給同學，就轉發到微信了。然后， 對比擇優模式（１５. ８％）和挫折探索模式（１０.５％）分別位列第三和第四。

在復雜型任務中， 用戶最偏好使用的是對比決策模式（３０.０％）， 其次是用戶占比接近的補充準備模式（２２.5％） 和分布前進模式（２０.０％）。這類意圖模式的特點是， 用戶在搜索過程中都與橋接意圖緊密相關。橋接是指用戶自己主動終止當前的子任務， 為了完成另外的子任務而轉移到下一個ＡＰＰ。對比決策模式（例如“對比→橋接”）和補充準備模式（例如“補充→橋接”）， 意圖都發生了改變， 而分步前進模式中表現出持續的橋接（例如“橋接→橋接”）。復雜型任務是指用戶滿足較為復雜的信息需求， 總任務可以分割為幾個相互依賴的子任務。而不同的子任務的切換， 用戶的意圖也在轉移， 因此用戶在面臨復雜的信息需求時， 更傾向于在ＡＰＰ間轉移時改變意圖類型， 從而較多用戶使用了這些模式。因此可以發現， 橋接意圖可以作為復雜型任務的天然意圖。

此外， 復雜型任務中對比擇優模式（１０.０％）、補充探索模式（８.８％）也占據了一定的用戶比例。雖然用戶在簡單任務中也偏好這兩類模式， 但相對來說， 復雜型中用戶占比明顯低于簡單任務。其中， 在兩類任務中使用對比擇優模式的用戶占比差距最小。這說明無論是何種任務， 用戶都傾向于以獲取最優的信息為目標。例如用戶Ｙ４８ 表示， 為了買到一款滿意的商品， 在搜索過程中會在不同的購物類ＡＰＰ 間對比商品信息。類似的， 在復雜型任務中補充探索模式的應用， 說明用戶在完成復雜型任務時， 也可能會迭代補充信息。

３.３結果討論與啟示

基于最初提出的３ 個研究問題， 本文基于研究結果展開以下討論。

首先， 補充和橋接是用戶日常最偏好使用的意圖類型。用戶在跨ＡＰＰ 搜索中， 往往是為了補充信息或者連接不同的搜索任務到可替換的ＡＰＰ。Ｓａｌｏ Ｍ 等［４０］ 研究用戶切換ＡＰＰ 原因， 也揭示了這一現象。這啟示ＡＰＰ 服務方有必要關注用戶在單個ＡＰＰ 內的信息需求滿足程度， 了解不同的需求滿足程度和不同搜索目標切換節點都將有助于預測用戶下一次的ＡＰＰ 轉移。

其次， 本文挖掘出７ 種跨ＡＰＰ 意圖轉移模式，按其頻次依次為： 補充探索模式、對比決策模式、對比擇優模式、分步前進模式、補充準備模式、分享交流模式和挫折探索模式。這些意圖模式反映出用戶不同的搜索偏好。最頻繁的補充探索模式突出了用戶迭代獲取信息的需求， 但也暗示了用戶的信息需求在單個ＡＰＰ 持續得不到滿足， 一直需要跳轉到多個ＡＰＰ。此外， 有研究探究用戶對ＡＰＰ 持續使用意愿， 表示用戶流失是因為信息質量不高和用戶的不信任［４１］ ， 因此可以推測補充探索模式對用戶來說是一種低效率跨ＡＰＰ 搜索方式。對比決策模式和對比擇優模式都強調了用戶在搜索后期的選擇行為， 尤其體現在購物任務， 這與已有研究揭示的購物活動越來越以移動為基礎的背景相符［４２］ 。另外， 有研究指出用戶感知到的ＡＰＰ 可替代性直接影響跨ＡＰＰ 意圖［４３］ ， 因此可以推測用戶在不同的ＡＰＰ 內對比項目極有可能感知到這些ＡＰＰ 間的可替代性。所以增強ＡＰＰ 內信息的獨特性和權威性有可能成為留住用戶的重要手段。分步前進模式體現了用戶搜索過程中自然而然的目標轉承， 如何響應用戶的自由切換將是ＡＰＰ 服務方的首要工作。補充準備模式體現了用戶前一個目標滿足， 然后橋接到另外一個ＡＰＰ 執行新的子任務。因而用戶的橋接意圖可以視為用戶搜索目標改變的重要節點，這將對捕捉用戶搜索目標的改變， 進而指導用戶行為具有重要意義。分享交流模式反映的用戶分享行為是移動搜索中重要內容［２７］ ， 未來有望結合該模式特征實現跨ＡＰＰ 精準推薦或預測。此外， 挫折探索模式反映了用戶的搜索任務在當前的ＡＰＰ 中不能得到認為有用的信息， 甚至可能會產生負面情緒［２７］ ， 由此ＡＰＰ 服務方有必要對其加大重視。

最后， 簡單型任務和復雜型任務中偏好使用的模式具有明顯差異， 且整體上用戶在復雜型任務中模式應用更突出。簡單型任務圍繞一個事物或事件的探索， 檢索詞往往較為單一， 用戶更想使用較少的ＡＰＰ 獲得更為全面的信息。補充探索模式作為其最常見的模式之一， 較多依賴系統提供的一框式檢索， 用戶在同類的ＡＰＰ 之間轉移， 不斷迭代重復輸入相同或近似的檢索詞， 這樣重復搜索可能會導致用戶交互倦怠。因此， 減少用戶冗余操作和整合信息資源也應該是ＡＰＰ 服務方的重要考慮方面。復雜任務中， 用戶在一次搜索中總是面臨多個需求， 用戶在復雜型任務中最偏好使用對比決策模式這類意圖發生改變的模式。這是因為用戶通常將復雜任務劃分為不同階段， 每個子階段由于意圖可能發生改變而使用不同ＡＰＰ。這啟示ＡＰＰ 服務方需要更多地關注用戶的搜索行為特征和用戶的信息資源需求， 考慮識別用戶當前所處的任務類型。也間接表明ＡＰＰ 間合作共贏空前重要， 合作帶來的不僅是保留各自垂直信息資源的深度， 也可以拓展橫向資源面以滿足用戶多樣化的需求［４４］ 。綜上所述，ＡＰＰ 服務優化時， 若能識別用戶當前所處的任務類型， 將有助于ＡＰＰ 服務方根據用戶在不同任務類型下的搜索行為特征來提升ＡＰＰ 功能。

４結語

本文通過收集用戶日常信息搜索情境下移動搜索跨ＡＰＰ 行為數據， 依次回答了本文最初提出的３個研究問題， 通過對意圖的編碼和統計分析回答了日常信息搜索中用戶偏好的意圖類型； 然后通過馬爾可夫鏈分析和凝練用戶偏好使用的跨ＡＰＰ 意圖轉移模式， 回答了日常信息搜索中用戶的跨ＡＰＰ意圖轉移模式； 最后通過任務類型與模式的關聯分析， 回答了不同任務類型下用戶跨ＡＰＰ 意圖轉移模式應用規律。理論上， 一方面， 本研究更細粒度探究了用戶跨ＡＰＰ 意圖轉移模式類型和使用規律，有助于更深入地揭示跨ＡＰＰ 搜索行為機理； 另一方面， 基于用戶大量真實日常搜索案例， 探究用戶的移動搜索行為規律更可靠， 為其他情境下實驗奠定了基礎。實踐上， 對用戶來說， 如果能夠根據用戶的意圖模式特征， 追蹤用戶的意圖模式分類， 提供更有針對性的幫助功能， 進而增加用戶的有利意圖轉移， 減少用戶不必要意圖的轉移， 將有助于改善用戶移動搜索體驗。從平臺角度來說， 獲取用戶跨ＡＰＰ 意圖轉移模式規律， 有助于平臺調整服務重點， 改善內容組織方式， 根據用戶的意圖規律，合理安排ＡＰＰ 的入口和接口， 優化資源分配提高效率， 使其更符合用戶的信息搜索習慣， 將促進移動應用平臺信息服務的深度發展。

本研究不足之處是考慮時間和成本限制， 樣本采用方便取樣原則， 主要是以年輕人的搜索經歷為主。本研究聚焦日常信息搜索情境， 因此未來研究可擴展到跨ＡＰＰ 搜索的其他任務情境， 也可進一步探索跨ＡＰＰ 行為意圖驅動和ＡＰＰ 服務支持的關聯關系。