基于SEM和神經網絡的移動社交電商用戶隱私信息披露意愿研究

摘要：在移動社交電商情境中，用戶的交互方式發生改變，個人隱私信息安全問題凸顯，上述變化將會對用戶的隱私信息披露意愿產生重要影響。為了探究移動社交電商用戶隱私信息披露意愿的影響因素，本文基于S-O-R理論建立結構方程模型，旨在探究影響用戶隱私信息披露意愿的影響因素及其作用機理。結果表明隱私政策有效性、隱私設置有效性、信息交互、情感交互等因素均正向顯著影響用戶隱私信息披露意愿。在此基礎上，基于平臺特征和用戶感知收益構建了GA-BP神經網絡預測模型，并針對不同預測結果提出具體應對措施。最終，文章從隱私信息安全保障和平臺個性化服務等方面提出促進移動社交電商平臺可持續發展的建議。

關鍵詞：移動社交電商；隱私信息披露意愿；SEM結構方程模型；GA-BP神經網絡

中圖分類號：F713.55文獻標志碼：A文章編號：2095－414X（2024）05－0085－10

0引言

移動社交電子商務以傳統電子商務為基礎，近年來得到了蓬勃發展。在移動社交電子商務情境下，用戶作為信息產生和傳播的主體，其個人信息在平臺運轉過程中的重要性愈發凸顯。但是，目前各移動社交電商平臺的隱私保護相關法律法規仍不完善，個人隱私泄露事件頻發，嚴重制約著用戶隱私信息披露。因此，探究移動社交電商用戶隱私信息披露意愿的影響因素，厘清隱私信息披露意愿的影響機理；在此基礎上對消費者的隱私信息披露意愿進行預測，針對預測結果采取相應措施，對于促進移動社交電商平臺的可持續發展具有重要意義。

移動社交電子商務在傳統電子商務的基礎上，充分結合了社交媒體和在線電商的技術特點，隨著移動終端設備的普及而蓬勃發展。移動社交電商通過社交媒介與傳統電子商務渠道，利用消費者交互與商務信息傳播從而促進商品或服務購買銷售的新型商務模式[1]。當前，移動社交電子商務主要分為三種類型：（1）以微信和微博為代表融入商務屬性的移動社交媒體平臺；（2）以拼多多和淘寶為代表融入社交屬性的移動電商平臺；（3）以小紅書為代表同時融合了社交屬性和商務屬性的第三方平臺[2]。

在移動社交電子商務環境中，用戶隱私信息在平臺中不斷流通從而促進群體互動與消費，平臺通過分析隱私信息進行商品或熱點話題推送，用戶隱私信息對平臺發展的重要性逐漸凸顯。Banisar和Davies將個人隱私信息劃分為信息隱私、通訊隱私、空間隱私以及身體隱私等四個維度[3]。郝森森基于移動APP的特點進一步指出，移動社交用戶隱私信息包括特征信息、偏好信息、財務信息和通訊信息等[4]。結合移動社交電子商務的具體情境，本文認為移動社交電子商務用戶隱私信息應包括個人身份信息、財務信息、通訊記錄、偏好信息、網頁瀏覽記錄及實時位置等。隨著互聯網技術的不斷發展，隱私信息相關研究的應用場景有諸多創新，隱私信息披露意愿相關研究受到了國內外學者的密切關注。

隱私信息披露強調用戶允許相關平臺使用自己的隱私信息或主動將隱私信息披露給商家供其收集和使用[5]。國內外學者從用戶、平臺和社會三個維度探討了移動社交電商用戶隱私信息披露意愿的影響因素，明確了隱私顧慮[6]、感知收益[7]10-12、性格特征[8]、平臺質量[9]、隱私政策[10]、主觀規范和社會規范[11]等因素對隱私信息披露意愿具有顯著影響。

縱觀學術界現有研究成果，大多是單一地從用戶、平臺和社會維度探究隱私信息行為和披露意愿的影響因素和作用路徑，從移動社交電商平臺和用戶自身的綜合視角出發探究網絡用戶隱私信息披露的機理和作用路徑的研究較少。因此，本文利用控制代理理論和交互理論概括網絡平臺相關因素，利用隱私計算理論表現用戶自身隱私顧慮和感知收益的權衡，旨在深入探究移動社交電商用戶隱私信息披露意愿的形成機理。

1理論模型構建

1.1研究變量定義

基于前文對相關研究的梳理，結合移動社交電商平臺的具體情境和新特點，本文選取隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化、隱私顧慮、感知收益和隱私信息披露意愿為研究變量。具體研究變量定義如下：

（1）隱私政策有效性：隱私政策有效性指移動社交電商平臺為保護用戶個人信息所做出的信息收集與信息使用相關承諾的有效程度。（2）隱私設置有效性：隱私設置有效性指移動社交電商平臺采取的隱私設置功能允許用戶自主控制個人信息的有效程度。（3）信息交互：信息交互指移動社交電商用戶間的交流和互動，側重于產品信息和服務功能的信息交流。（4）情感交互：情感交互指移動社交電商用戶間的情感交互，側重于支持和鼓勵等情感層面的交流。（5）個性化：個性化指移動社交電商通過了解用戶喜好和行為，向用戶提供具有針對性的內容和服務以及根據用戶需求和意愿對服務內容做出相應調整。（6）隱私顧慮：隱私顧慮指移動社交電商用戶對個人隱私信息泄露的憂慮和關注。（7）感知收益：感知收益指移動社交電商用戶對隱私信息披露的收益感知，包括經濟性收益和社會性收益等一系列收益。（8）隱私信息披露意愿：隱私信息披露意愿指移動社交電商用戶對自己各類隱私信息進行主動披露的行為意愿。具體研究變量的測量題項如表1所示。

1.2研究模型構建

本文以S-O-R理論為基礎，結合控制代理理論、交互理論、隱私計算理論，綜合考慮移動社交電商平臺因素和用戶感知因素，構建移動社交電商用戶隱私信息披露意愿影響因素的研究模型，如圖1所示。

1.3研究假設

1.3.1直接效應

（1）隱私保障

隱私政策有效性反映了平臺對用戶隱私保護承諾的遵守程度，有效的隱私政策能夠消除用戶對隱私風險的顧慮，進而提升用戶個人隱私信息的披露意愿。隱私設置的有效性反映了平臺給予用戶自主控制個人隱私信息的權限大小[12]。Gong等基于控制代理理論指出，隱私設置有效性和隱私政策有效性均能夠通過消除用戶的隱私顧慮進而提升用戶個人隱私信息的披露意愿[13]。據此，本文提出如下假設：

假設H1：隱私政策有效性正向影響隱私信息披露意愿。

假設H2：隱私設置有效性正向影響隱私信息披露意愿。

（2）交互

在移動社交電商平臺中，交互可分為信息交互和情感交互，當用戶間互動更頻繁時，用戶更愿意增加自我信息披露的數量；同時，用戶社交互動能夠促進用戶信息自我披露的深度和廣度。各類移動平臺廣泛地通過個性化服務來滿足用戶多樣化需求，從而提升用戶的感知收益和價值[14]，根據用戶的偏愛喜好提供商品和服務。多位學者通過研究發現，平臺的個性化商品服務能夠提升用戶個人隱私信息的披露意愿[15-16]。據此，本文提出如下假設：

假設H3：信息交互正向影響隱私信息披露意愿。假設H4：情感交互正向影響隱私信息披露意愿。假設H5：個性化正向影響隱私信息披露意愿。

（3）隱私計算

研究發現，用戶的隱私信息披露意愿是在進行成本—收益權衡后產生的[17]。隱私顧慮是隱私信息披露意愿的關鍵前因變量，在不同的網絡情境下，隱私顧慮會降低隱私信息披露意愿。感知收益是指用戶在進行隱私信息披露時所感知到的收益，在不同的情景下，均

能夠對用戶的隱私信息披露意愿產生正向影響[18-19]。

據此，本文提出如下假設：

假設H6：隱私顧慮負向影響隱私信息披露意愿。假設H7：感知收益正向影響隱私信息披露意愿。

1.3.2中介效應

（1）隱私計算在隱私政策有效性和隱私信息披露意愿間的中介作用

隱私政策是移動社交電商平臺承諾對用戶進行隱私信息保護的協議性文件，當網絡平臺明確地告知用戶將會如何使用其隱私信息并承諾對隱私信息進行保護時，用戶會感受到較高的隱私政策有效性[20]。Chang等研究發現，有效的隱私政策能夠顯著地降低用戶感知風險，進而減輕隱私顧慮[21]；同時，Zhu等研究發現在移動電商平臺中，隱私政策有效性對用戶信息披露的感知收益具有正向促進作用[7]7-9。據此，結合假設H6和假設H7，提出以下假設：

假設H8a：隱私顧慮在隱私政策有效性和隱私信息披露意愿之間起中介作用。

假設H8b：感知收益在隱私政策有效性和隱私信息披露意愿之間起中介作用。

（2）隱私計算在隱私設置有效性和隱私信息披露意愿中的中介作用

隱私設置包括信息控制和信息透明度等內容，當平臺隱私設置有效性較高時，用戶能夠自主控制個人隱私信息的披露程度。有效的隱私設置能夠讓用戶對個人隱私信息的傳播范圍具有一定控制能力，降低用戶對于隱私泄露的擔憂和顧慮，促進與其他用戶進行信息情感交流，從而提升用戶隱私信息的披露意愿[22-23]。據此，結合假設H6和假設H7，提出以下假設：

假設H9a：隱私顧慮在隱私設置有效性和隱私信息披露意愿之間起中介作用。

假設H9b：感知收益在隱私設置有效性和隱私信息披露意愿之間起中介作用。

（3）隱私計算在信息交互和隱私信息披露意愿中的中介作用

信息交互是移動社交電商用戶之間關于產品信息、服務功能、購物經驗等方面的交流和互動，平臺和用戶間的互動能夠顯著降低用戶隱私顧慮。Zhu等驗證了在不同情境中信息交互能夠正向顯著用戶感知收益[7]7-10。據此，結合假設H6和假設H7，提出以下假設：

假設H10a：隱私顧慮在信息交互和隱私信息披露意愿之間起中介作用。

假設H10b：感知收益在信息交互和隱私信息披露意愿之間起中介作用。

（4）隱私計算在情感交互和隱私信息披露意愿中的中介作用

情感交互與信息交互類似，有助于建立用戶之間的信任。周濤等指出在線社區用戶進行的情感交互能夠使其產生一種情感依賴，降低對于隱私風險的擔憂，同時提高用戶的感知收益[24]。與假設H8a和H8b類似，情感交互通過減輕隱私顧慮、增加感知收益，進而提升用戶的隱私信息披露意愿。據此，結合假設H6和假設H7，提出以下假設：

假設H11a：隱私顧慮在情感交互和隱私信息披露意愿之間起中介作用。

假設H11b：感知收益在情感交互和隱私信息披露意愿之間起中介作用。

（5）隱私計算在個性化和隱私信息披露意愿中的中介作用

個性化是指移動社交電商平臺通過了解用戶喜好和行為，向用戶提供具有針對性的內容和服務。但是，個性化在提升服務質量的同時，必然要求用戶披露更多的隱私信息，進而引發用戶的隱私顧慮。李凱等在不同的情景下，分別證實了個性化推薦對感知收益和感知隱私風險均有正向顯著影響[25]。據此，結合假設H6和假設H7，提出以下假設：

假設H12a：隱私顧慮在個性化和隱私信息披露意愿之間起中介作用。

假設H12b：感知收益在個性化和隱私信息披露意愿之間起中介作用。

2移動社交電商用戶隱私信息披露意愿影響機理的分析

2.1數據來源

本研究主要采用“問卷星”線上問卷收集軟件進行數據收集，總共回收550份問卷，有效問卷531份，問卷有效回收率為96.5%，問卷數量滿足標準可以繼續開展下一步的數據分析。

2.2信度效度檢驗

2.2.1信度檢驗

本文利用SPSS26.0對各變量量表的信度進行測量，隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化、隱私顧慮、感知收益以及隱私信息披露意愿的Cronbach’s Alpha值分別為0.837、0.820、0.880、0.864、0.869、0.894、0.835以及0.897。由數據結果可知，本研究的各項變量的α值均大于0.8，表明具有良好的信度。

2.2.2效度檢驗

對回收數據進行KMO和Bartlett球形檢驗，問卷整體的KMO值為0.899，大于0.8；巴特利特球形檢驗的Sig值為0.000，符合進一步開展因子分析的條件。

對隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化、隱私顧慮、感知收益和隱私信息披露意愿8個變量包含的29個測量題項進行驗證性因子分析。其中，隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化、隱私顧慮、感知收益和隱私信息披露意愿的組合信度（CR）依次為0.869、0.845、0.901、0.883、0.909、0.883、0.833和0.830，均大于0.7；平均方差抽取值（AVE）依次為0.688、0.645、0.645、0.715、0.769、0.653、0.555和0.550，均大于0.5，表明數據具有良好的收斂效度。

對隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化、隱私顧慮、感知收益和隱私信息披露意愿8個變量進行區分效度分析。結果顯示每個變量的平均方差抽取值（AVE）均大于相應變量間的相關系數，表明各變量間具有良好的區分效度。

2.3直接效應檢驗

本文基于SPSS26.0軟件，將性別、年齡、收入水平、學歷、隱私受侵犯頻率等作為控制變量，將隱私信息披露意愿作為因變量，在控制變量的前提下，將隱私政策有效性、隱私設置有效性、信息交互、情感交互、個性化等作為自變量，利用層次回歸分析法探究各個變量之間的關系，驗證研究模型和部分研究假設。具體分析結果如表2所示。

研究結果表明，隱私政策有效性、隱私設置有效性、信息交互、情感交互和個性化等自變量均正向顯著影響隱私信息披露意愿；將自變量、隱私顧慮和感知收益共同代入回歸方程后，對隱私信息披露意愿的預測作用顯著。此外，隱私政策有效性、隱私設置有效性和情感交互對隱私顧慮的負向作用顯著；信息交互和個性化的作用不顯著；隱私設置有效性、信息交互、情感交互和個性化對于感知收益的正向作用顯著；隱私政策有效性的作用不顯著。

2.4中介效應檢驗

本文基于PROCESS3.5插件的Model4中介模型，使用Bootstrap法檢驗隱私顧慮和感知收益在各個自變量和隱私信息披露意愿間的中介效應。

2.4.1隱私政策有效性到隱私信息披露意愿間的中介效應檢驗

將隱私政策有效性作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時將性別、年齡、收入、學歷水平、隱私受侵犯頻率以及隱私設置有效性、信息交互、情感交互、個性化作為控制變量，進行隱私顧慮和感知收益在隱私政策有效性與披露意愿之間的中介效應檢驗。2.4.2隱私設置有效性到隱私信息披露意愿的中介效應檢驗將隱私設置有效性作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時將性別、年齡、收入、學歷水平、隱私受侵犯頻率以及隱私政策有效性、信息交互、情感交互、個性化作為控制變量，進行隱私顧慮和感知收益在隱私設置有效性與披露意愿之間的中介效應檢驗。2.4.3信息交互到隱私信息披露意愿的中介效應檢驗將信息交互作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時將性別、年齡、收入、學歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設置有效性、情感交互、個性化作為控制變量，進行隱私顧慮和感知收益在信息交互與披露意愿之間的中介效應檢驗。

2.4.4情感交互到隱私信息披露意愿的中介效應檢驗

將情感交互作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時將性別、年齡、收入、學歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設置有效性、信息交互、個性化作為控制變量，進行隱私顧慮和感知收益在情感交互與披露意愿之間的中介效應檢驗。

2.4.5個性化到隱私信息披露意愿的中介效應檢驗

將個性化作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時將性別、年齡、收入、學歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設置有效性、信息交互、情感交互作為控制變量，進行隱私顧慮和感知收益在個性化與披露意愿之間的中介效應檢驗。具體中介效應檢驗結果如表3所示。

2.5假設檢驗結果與討論

從表4假設檢驗結果可知，隱私政策有效性、隱私設置有效性、信息交互、情感交互和個性化均能夠顯著提升用戶隱私信息披露意愿。其中，隱私設置有效性對隱私信息披露意愿的影響最大。有效的隱私設置能夠使得用戶更加有效地掌控個人的隱私信息，消除用戶心理上的被入侵感，從而提升用戶的隱私信息披露意愿。此外，隱私顧慮和感知收益也會對隱私信息披露意愿產生顯著影響。其中，感知收益對隱私信息披露意愿的影響（標準化系數為0.305，p<0.001）大于隱私顧慮對其的影響（標準化系數為-0.207，p<0.001）。由此可見，移動社交電商用戶在進行隱私信息披露時會綜合權衡隱私披露的成本與利益，當隱私收益大于隱私成本時，移動社交電商用戶將會產生更加強烈的隱私信息披露意愿。

從中介效應假設檢驗結果可知：（1）隱私顧慮和感知收益在隱私設置有效性到隱私信息披露意愿之間和隱私顧慮、感知收益在情感交互到隱私信息披露意愿之間均起到部分中介的作用，表明移動社交電商平臺有效的隱私設置和良好的情感互動能夠減輕用戶的隱私披露顧慮，進而增進感知收益，從而增強用戶的隱私信息披露意愿。（2）隱私顧慮在隱私政策有效性與隱私信息披露意愿之間起到部分中介作用，感知收益在隱私政策有效性與隱私信息披露意愿沒有中介作用。用戶在實際使用移動電商社交平臺時可以隨時根據實際情況調整隱私設置內容，因此具有較強的感知收益；而隱私政策作為閱讀性內容在使用平臺的過程中并不會提供便捷，并且用戶普遍對于隱私政策的具體條款缺乏重視和理解，因此對于隱私政策的感知收益并不顯著。（3）感知收益在信息交互以及個性化與隱私信息披露意愿之間起到部分中介作用，隱私顧慮在信息交互以及個性化與隱私信息披露意愿之間不起中介作用。這是由于移動社交電商平臺的信息交互和個性化服務為用戶提供了有價值的商品信息和購物體驗，使用戶產生了獲得感，但是由于目前移動社交電商平臺的隱私信息保障制度仍不完善，用戶仍然不能完全消除隱私泄露的顧慮。

3預測模型構建

移動社交電商平臺根據用戶的隱私信息分析未來市場變化，制定經營策略，從而為其提供個性化服務。目前移動社交電商行業發展日新月異，用戶數量急劇增加，傳統的問卷調查法無法適應急速變化的市場環境，及時洞察用戶隱私信息披露意愿變化情況。因此，如何能夠快速準確地了解用戶隱私信息披露意愿，采取針對性措施并調整營銷策略，是實現移動社交電商平臺可持續發展的關鍵。

神經網絡模型以其良好的擬合能力在預測領域的廣泛應用，能夠根據平臺特點和用戶感知，快速對用戶隱私信息披露意愿做出預測，為平臺商家制定決策提供依據。據此，本文在厘清移動社交電商用戶隱私信息披露意愿影響因素及其作用機理的基礎上，擬構建神經網絡預測模型，旨在幫助平臺商家及時了解用戶隱私信息披露意愿變化情況，推動移動社交電商平臺的可持續發展。

3.1 GA-BP神經網絡模型構建

3.1.1 GA-BP神經網絡模型構建步驟

BP神經網絡能夠較好地解決非線性問題，具有較強的自適應學習能力，但是存在容易陷入局部最優解等問題；遺傳算法（GA）擴大了搜索空間，利用全局搜索確定最優權重，能夠在一定程度上規避BP神經網絡容易陷入局部極值的問題。因此本文基于GA算法和BP神經網絡構建移動社交電商用戶隱私信息披露意愿預測模型。

利用GA優化BP神經網絡的具體流程如下：（1）初始化種群；（2）根據輸入層、隱含層以及輸出層的個數計算編碼長度；（3）選取適應度函數；（4）使用“輪盤賭”法執行選擇操作，篩選出適應度高的種群個體；（5）使用“實數交叉”法執行交叉操作，使得兩個被選出的個體產生新的子代個體；（6）執行變異操作，選取個體執行突變操作，生成更加優良的子代；（7）將優化后的權值以及閾值賦值給BP神經網絡；（8）訓練BP神經網絡模型，計算網絡誤差，達到BP神經網絡訓練目標后輸出對應網絡結構及對應參數，并利用得到的BP神經網絡對測試集中的數據進行預測；（9）將GA-BP預測模型得到的預測結果與測試集實際輸出進行比較，分析優化后的神經網絡性能。

3.1.2 BP神經網絡基本參數確定

在本文設計的調查問卷中，共有25個問題用于測度移動社交電商平臺用戶的隱私信息披露意愿，將回收到的問卷數據作為神經網絡的輸入層數據，因此，輸入層的神經元個數為25。考慮到用戶隱私信息披露意愿不能簡單地分為“愿意”和“不愿意”，因此將其作為連續型變量，用“隱私信息披露意愿”的4個測量題項得分的平均值代表移動社交電商用戶隱私信息披露意愿的程度，作為輸出層數據。隱含層神經元的數量則根據以下公式計算得到：

其中H為隱含層神經元個數，M為輸入層神經元個數，N為輸出層神經元個數，r0為區間[1，10]之間的整數。

3.2 GA-BP神經網絡模型計算過程與結果討論

3.2.1基于標準BP神經網絡的計算過程與結果討論

本文構建的三層標準BP神經網絡中輸入層包含25個神經元，隱含層包含31個神經元。將隱含層傳遞函數設置為tansig函數，輸出層采用logsig函數，學習函數設置為learngdm函數；由于輸入層的數據維度較大，因此在訓練過程中，采取帶有動量的梯度下降算法作為訓練方法，選取traingdm作為學習函數。同時，考慮到神經網絡預測的泛化能力，將學習速率設定為0.1，最大訓練次數設定為5000次，目標誤差設定為10-5。

在確定BP神經網絡基本參數后，利用收集的問卷數據對神經網絡進行訓練和測試。用訓練得到的BP神經網絡對測試集數據進行預測，預測均方誤差值為0.2360，平均預測誤差為0.3981，平均預測誤差百分比為8.55%，BP神經網絡預測結果與真實結果對比如圖2所示，預測誤差和誤差百分比圖3所示。

3.2.2基于GA優化的BP神經網絡的計算過程與結果討論

為了保證GA算法優化后的BP神經網絡預測結果與標準BP神經網絡的預測結果具有可比性，其基本參數設定應與標準BP神經網絡保持一致。本文將最大遺傳代數設定為500，GA算法種群初始數量為200，個體采用實數編碼，其長度按照神經網絡的神經元個數設定為829，交叉概率和變異概率分別設定為0.5和0.1。根據模型設定，利用GA算法優化BP神經網絡初始權重和閾值，然后利用此數據對神經網絡進行訓練，并對測試樣本進行預測。

基于GA算法優化的標準BP神經網絡對測試集的預測均方誤差為0.11，平均誤差為0.0208，平均誤差百分比為3.39%，預測準確率可以達到96.61%。GA-BP神經網絡在測試集上的預測值與原始數據的比較如圖4所示，預測誤差和預測誤差百分比如圖5所示。

3.2.3計算結果討論

在標準BP神經網絡的預測中，將測試集的預測結果和問卷收集的實際結果進行對比，平均預測誤差值為0.3981，平均預測誤差百分比為8.55%，預測準確率達到90%以上；在基于GA算法對標準BP神經網絡優化后，將測試集與實際結果進行對比，平均誤差為0.0208，平均誤差百分比為3.39%，預測準確率達到96.61%。由此看出，兩種方法均有效避免了指標賦權值的主觀性，并且具有較強的仿真性；經過GA算法優化后的BP神經網絡有效降低了模型的平均預測誤差，進一步提升了預測準確率。因此，GA-BP神經網絡更適合用以構建移動社交電商用戶隱私信息披露意愿預測模型。

3.3 GA-BP神經網絡預測模型的應用

基于GA-BP神經網絡構建的移動社交電商用戶隱私信息披露意愿預測模型能夠根據不同類型平臺的特點以及用戶的實時感知需求進行學習和訓練，具有靈活性和個性化。從訓練結果來看，基于移動社交電商情境構建的GA-BP神經網絡預測模型指標選取得較為合理，預測準確率達到96%以上，表明能夠準確有效地預測用戶隱私信息披露意愿。

從實踐路徑來看，移動社交電商平臺商家能夠基于預測模型對不同消費者群體的隱私信息披露意愿進行預測。當目標群體具有較高的隱私信息披露意愿時，平臺商家可以繼續利用消費者的隱私信息為其提供更加精細化的服務，適當提高利用其隱私信息進行精準營銷的頻率，有利于促進移動社交電商平臺的可持續發展；當目標群體的隱私信息披露意愿較低時，平臺商家應降低基于隱私信息對其進行的精準營銷頻率，防止顧客在心理上產生被入侵感，避免造成顧客流失；及時了解用戶隱私信息披露意愿降低的原因，完善隱私政策制度，修改當前的運營策略，消除用戶隱私信息泄露的顧慮。

GA-BP神經網絡預測模型的具體應用流程如圖6所示。

4管理啟示

移動社交電子商務是在傳統電子商務和社交網絡的基礎上形成的一種新興商業模式，對于培育消費市場新動能以及構建雙循環發展格局具有重要意義，推動移動社交電子商務平臺可持續發展應從以下四方面入手。

第一，完善隱私信息保障政策，優化平臺隱私設置服務。移動社交電商平臺應嚴格遵循相關法律法規，完善隱私政策各項條款，遵守道德和法律原則；同時采用加強隱私政策宣傳和增設條款閱讀互動等措施增強用戶對平臺的信任。第二，提升用戶交互體驗，優化平臺個性化服務。移動社交電商平臺應優化平臺內部溝通氛圍，根據用戶興趣愛好和需求提供定制化服務，開拓更多符合多元用戶隱私偏好的個性化服務形式。第三，提升隱私信息披露收益，降低隱私信息泄露風險。平臺應完善隱私政策并優化隱私設置，消除用戶隱私泄露風險，通過優化用戶交流環境以及建設個性化服務消除用戶隱私顧慮，促使其產生隱私信息披露意愿。第四，合理運用披露意愿預測模型，及時了解用戶動態。移動社交電商平臺商家應合理利用預測模型，根據用戶感知和平臺運營實際情況，快速準確地了解用戶隱私信息披露意愿的變化趨勢，及時調整經營策略，進而實現平臺的可持續發展。

參考文獻：

[1]代倩宇.移動社交電商用戶購買意愿影響因素研究[D].武漢：華中師范大學，2019.

[2]朱小棟，陳潔.我國社交化電子商務研究綜述[J].現代情報，2016，36（1）：172-177.

[3]Banisar D，Davies SG.Global Trends in Privacy Protec?tion：An International Survey of Privacy，Data Protection，and Surveillance Laws and Developments[J].Social Sci?ence Electronic Publishing，2012，XVIII（1）.

[4]郝森森.企業移動App用戶隱私信息披露行為機理研究[D].吉林：吉林大學，2019.

[5]曲靖野，孫冰悅，曲國麗.大學生在線購物隱私披露行為是如何產生的？——TPB框架下基于fsQCA方法的研究[J].情報科學，2022，40（10）：147-155、163.

[6]Xu F，Michael k，Chen X.Factors affecting privacy disclo?sure on social network sites：an integrated model[J].Elec?tronic Commerce Research，2013，13（2）：151-168.

[7]Zhu M，Wu C，Huang S，et al.Privacy paradox in mHealth applications：An integrated elaboration likelihood model in?corporating privacy calculus and privacy fatigue[J].Tele?matics and Informatics，2021，61：101601-101619.

[8]Jolene，Zywica，James，et al.The Faces of Facebookers：In?vestigating Social Enhancement and Social Compensation Hypotheses;Predicting FacebookTM and Offline Popularity from Sociability and Self-Esteem，and Mapping the Mean?ings of Popularity with Semantic Networks[J].Journal of Computer Mediated Communication，2008：1-34.

[9]馮潤榴，曲洪建.基于心流體驗的電子商務網站質量對消費者服裝購買意愿的影響[J].武漢紡織大學學報，2023，36（4）：67-76.

[10]袁向玲，牛靜.社交媒體隱私政策與用戶自我表露的實證研究：一個被調節的中介模型[J].信息資源管理學報，2021，11（1）：49-58.

[11]劉百靈，董景麗.基于CPM理論的移動商務用戶信息披露意愿影響因素研究[J].信息資源管理學報，2022，12（1）：56-66、115.

[12]Juliana，Sutanto，Elia，et al.Addressing the Personaliza?tion-Privacy Paradox：An Empirical Assessment from aField Experiment on Smartphone Users1[J].MIS quarterly，2013，37（4）：1141-1164.

[13]Gong X，Zhang KZ K，Chen C，et al.What drives self-dis?closure in mobile payment applications？The effect of pri?vacy assurance approaches，network externality，and tech?nology complementarity[J].Information Technology&Peo?ple，2020，33（4）：1174-1213.

[14]章依凌.數字社交時代感知價值對服裝品牌態度的作用機理——基于參照群體、自我一致性視角的實證研究[J].武漢紡織大學學報，2023，36（2）：75-79.

[15]張曉娟，田馨灤.移動社交媒體用戶隱私悖論現象的產生路徑研究——基于fsQCA的實證分析[J].情報理論與實踐，2020，43（11）：92-97.

[16]張星，陳星，侯德林.在線健康信息披露意愿的影響因素研究：一個集成計劃行為理論與隱私計算的模型[J].情報資料工作，2016（1）：48-53.

[17]Culnan MJ，Armstrong PK.Information Privacy Concerns，Procedural Fairness，and Impersonal Trust：An Empirical Investigation[J].Organization Science，1999，10（1）：104-115.

[18]李雪麗，黃令賀，陳佳星.基于元分析的社交媒體用戶隱私披露意愿影響因素研究[J].數據分析與知識發現，2022，6（4）：97-107.

[19]謝珍，楊九龍.智慧圖書館視域下的用戶隱私披露意愿[J].圖書館論壇，2020，40（9）：69-78.

[20]Krishnan NF Awadm S.The personalization privacy para?dox：an empirical evaluation of information transparency and the willingness to be profiled online for personalization[J].Mis Quarterly，2006，30（1）：13-28.

[21]Chang Y，Wong SF，Libaque-Saenz CF，et al.The role of privacy policy on consumers’perceived privacy[J].Govern?ment Information Quarterly，2018：445-459.

[22]趙雪芹，吳鵬.基于控制代理理論的移動APP用戶隱私信息披露行為研究[J].現代情報，2022，42（4）：143-152、167.

[23]牛靜，劉丹.社交媒體上的自我表露與隱私悖論的消解[J].新媒體與社會，2017（2）：190-207.

[24]周濤，王盈穎，鄧勝利.在線健康社區用戶知識分享行為研究[J].情報科學，2019，37（4）：72-78.

[25]李凱，黃敬堯，王曉文.LBS用戶信息公開意愿影響因素分析——基于交換理論的實證研究[J].情報學報，2016，35（1）：84-97.

Research on the Prediction of Privacy Information Disclosure Intention of Mobile Social E-commerce Users

ZHANG Jinsong 1，2，ZHANG Kaidong3，HE Dongchen1，2，MALinmao1，2

（1.School of Management，South-Central University for Nationalities，Wuhan Hubei 430074，China;

2.Research Center of Digital Development and Governance in MinorityAreas，South-Central University for Nationalities，Wuhan Hubei 430074，China;3.Huarong District Taxation Bureau Ezhou City，State TaxationAdmimstration of The Pecple's Republic of China，Ezhou Hubei 432200，China）

Abstract：In the mobile social e-commerce context，the user's interaction mode has changed，and the security of personal privacy and infor-mation has come to the foK9w1DSm3QukafYDN9UET/g==re，and these changes will have an important impact on the user's willingness to disclose private information.In or-der to explore the influencing factors of users'willingness to disclose private information in the mobile social e-commerce context，this pa-per establishes astructural equation model based on the S-O-R theory，which includes eight variables：effectiveness of privacy policy，effec-tiveness of privacy settings，information interaction，emotional interaction，personalization，privacy concerns，perceived benefits，and will-ingness to disclose private information，with the aim of exploring the influencing factors and their role in influencing users'willingness to disclose private information.The results show that：（1）the effectiveness of privacy policy，the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all positively and significantly affect users'willingness to disclose private informa-tion;（2）the effectiveness of privacy policy，the effectiveness of privacy settings，and emotional interaction all negatively and significantly af-fect privacy concerns;and the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all posi-tively and significantly affect perceived benefits.On this basis，this paper constructs aGA-BP neural network based on platform characteris-tics and user perception，and proposes specific countermeasures for different prediction results.Ultimately，this paper puts forward feasible suggestions to enhance users'willingness to disclose private information in four aspects：increasing the platform's privacy protection，im-proving the platform's personalized service construction，reducing the risk of privacy leakage，and reasonably applying the disclosure will-ingness prediction model.

Keywords：mobile social e-commerce;privacy information disclosure willingness;SEM structural equation model;GA-BP neural network

（責任編輯：田媛苑）