应用特征与个体特质双重视角下移动购物持续使用意愿研究

 移动购物是提供购物服务的一种移动商务模式,它真正实现移动与购物的完美结合。随着移动购物的普及,移动购物用户的持续使用问题引起普遍关注。现有用户的留存率不仅影响移动购物企业的盈利水平,也是衡量企业是否成功的重要标准。因此,研究用户持续使用意愿的影响因素,对于移动购物企业在当前激烈竞争中保持优势有重要意义。        基于沉浸理论、隐私计算理论和已有的相关研究,聚焦用户移动购物的体验,从移动购物应用特征和用户个体特质双重视角出发,将移动购物的用户体验划分为沉浸体验特性、沉浸体验权衡状态、沉浸体验结果3个阶段,构建移动购物用户持续使用意愿影响因素三阶段模型;采用问卷调查法,运用Spss 19.0和Amos 22.0对收集的346份有效数据进行结构方程路径分析,以验证提出的研究假设。        研究结果表明,体现移动购物应用特征方面的感知质量、感知交互和感知愉悦显著提高用户信任,感知愉悦的影响最大,感知质量和感知愉悦显著缓解用户的隐私担忧;体现用户个体特质的涉入度和自我效能对用户信任产生积极影响,专注度和涉入度能够缓解用户对个人隐私的担忧;用户通过信任和隐私担忧的权衡决定是否持续使用该移动购物应用,且信任和隐私担忧通过影响自我披露意愿间接影响用户持续使用意愿。        研究结论不仅为学者全面而深入探究移动购物用户持续使用意愿提供了理论依据,还为移动应用开发商和移动服务商开发设计有效的移动购物应用,提高现有用户的留存率,进而促进移动购物企业盈利提供了一些对策和建议。     

电子商务协同过滤稀疏性研究:一个分类视角

协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法,但面临用户评分数据稀疏性问题的挑战.在介绍用户偏好数据获取途径的基础上,将稀疏性改善技术归纳为六类,包括设定缺省值、结合基于内容的过滤、降维、图论方法、基于项目评分预测以及增加用户.系统交互,重点评述了各类算法的研究情况并时六类技术进行了比较,最后探讨了该领域的未来研究方向.     

基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种,而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题,并根据高校图书馆的实际情况,提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析,有效解决了用户“冷启动”的问题,提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型,以便更好地关注用户的短期借阅行为,提高推荐准确率。与传统用户协同过滤方法相比,笔者提出了一种改进的用户协同过滤方法。结果表明,改进后的用户协同过滤方法具有更好的性能。     

手机App列表信息在信用风险评价中的应用——基于互联网借贷平台的实证研究

随着互联网的发展和智能手机的普及，用户手机数据被用来评估借款人的信用风险，使用到的数据有通讯记录、短信息接发、移动轨迹、用户行为数据等，而本文研究了手机上所安装的App列表和借款人信用风险之间的关系。通过对某大型互联网借贷平台上的个人借贷数据以及借款人手机上安装的App列表数据的分析发现，手机上安装的App和借款人的信用状况存在关联关系。安装生活类、金融类和买房买车类App的借款人比没有安装这些App的借款人信用风险低；其中，记账类App、外卖类App、股票类App和买房类App对借款人的信用风险有较强的识别能力。把手机App列表信息加入信用风险评价模型之后，信用风险评价模型的区分能力得到显著提高。     

基于Web信息挖掘的关联推荐算法研究与实现

使用Web数据挖掘技术对用户需求进行分析,其中实现Web信息个性化使用的是关联规则,这一规则能够为用户提供个性化服务,目前已成为Web应用技术的研究热点。该文分析了应用于个性化推荐的Web页面关联规则的特点,对Web数据挖掘技术常用的关联推荐算法进行探讨,内容主要涉及到Web数据挖掘技术、关联推荐算法的思路、算法分析。     

机器学习与用户行为中的偏差问题：知偏识正的洞察

大数据环境下基于数智技术的管理决策广泛使用机器学习方法，利用用户行为数据以训练模型。然而，机器学习方法在数据使用和模型训练中不可避免地存在着模型偏差（包括数据观测和提取中的采样偏差以及模型构建中的拟合偏差）；同时，在情境应用中，模型所做出的预测和推荐会对不同用户的感知、态度、行为选择和观点表达产生不同的影响，形成行为偏差（包括用户活动的选择偏差和行为表现的表达偏差）。一方面，行为偏差被带入到用户行为数据中，通过算法训练的过程被机器学习模型所习得，产生新的模型偏差；另一方面，模型偏差在系统应用中被输出，在情境交互中干扰用户的自选择及行动，引发新的行为偏差。这样的循环使得模型偏差和行为偏差往复重塑，在交互和习得过程中持续放大和扩散，不仅会导致模型算法的效力降低甚至失效，而且也会使得用户陷入有偏的信息环境，形成信息茧房等行为困境。在数字经济环境下，对于这些偏差问题的研究是各界关注的前沿课题。本文对机器学习和用户行为中的偏差问题及其循环影响进行了系统性的讨论，界定分析了其科学内涵、结构机理、性质特征、实践影响和管理意义，并对若干前沿研究和重要进展进行了梳理凝练，对相关偏差辨知和纠正策略进行了解...     

智能推荐对用户负面情绪的影响因素研究

从智能推荐的负面效应出发，以效价理论为基础、智能推荐平台用户为对象，从隐私风险、操纵意图、信息单一化、个性化推荐及不信任五个方面，构建了用户负面情绪影响因素模型，利用结构方程模型进行拟合分析。研究表明：隐私风险、操纵意图和信息单一化对不信任和负面情绪有显著正向影响，个性化特征对不信任的影响不显著，但通过信息单一化正向影响不信任进而影响负面情绪；不信任对负面情绪有显著正向影响。     

智能健康硬件用户间歇性中止行为影响因素研究

 随着全民健康意识的提高，人们开始使用智能健康硬件进行个人健康管理，智能健康硬件的采纳和使用行为也逐渐受到学术界和业界的广泛关注。然而，当前智能健康硬件采纳和使用行为的研究主要集中于用户在静态时点上的持续使用或中止行为，忽略了用户在中止使用智能健康硬件后重新使用的现象，即间歇性中止行为。        基于矛盾态度和情绪波动的视角，构建智能健康硬件用户间歇性中止模型，并检验态度不稳定性在矛盾态度与间歇性中止之间、情绪唤起波动在情绪效价波动与间歇性中止之间的中介作用，进一步检验模型各路径的性别差异。通过问卷调查的方法，收集428份智能健康硬件用户数据，进行结构方程模型分析。        研究结果表明，用户对智能健康硬件的矛盾态度将带来态度不稳定性，并进而影响用户的间歇性中止行为，态度不稳定性也部分中介矛盾态度对间歇性中止行为的作用；用户对健康硬件的情绪效价波动正向作用于情绪唤起波动，进而促进用户的间歇性中止行为，情绪唤起波动完全中介情绪效价波动对间歇性中止行为的影响；对于间歇性中止行为的性别差异检验发现，男性样本中各路径的作用均显著强于女性样本。        研究结果阐述了矛盾态度和情绪波动对智能健康硬件用户间歇性中止行为的深层次作用机制，具有重要的理论和实践意义。①将当前技术中止的概念拓展到用户间歇性中止，并厘清了间歇性中止的关键研究问题、概念内涵、变量维度及其与技术完全中止的区别，进一步丰富了技术采纳后行为的研究框架。②基于态度和情绪的理论框架，从矛盾态度和情绪波动的视角探讨智能健康硬件用户间歇性中止行为的影响因素。由于消极态度和负面情绪仅可以解释技术中止行为，无法准确解释间歇性中止，因此矛盾态度和情绪波动的引入，一方面为解释间歇性中止提供了新的视角，另一方面也丰富了当前信息系统领域个人情绪和态度的理论研究。③性别差异的检验有助于加深当前对于不同性别用户采纳和使用智能健康硬件的理解和认识。此外，研究结果有利于智能健康硬件服务商准确理解并把握用户购买后行为，为电子健康行业的发展提供实践和理论指导。     

电子商务中Web页面个性化推荐系统的架构

电子商务中实现个性化推荐意味着一个用户访问Web站点时能够得到个性化的服务,网站根据用户的聚类特征,向用户在线推荐一些用户可能比较感兴趣的页面。本文给出了电子商务个性化推荐的系统结构,分析了在Web日志挖掘中应用协同过滤技术,讨论了Web页面的个性化推荐过程和推荐算法。推荐算法综合考虑了用户聚类中页面的权值和用户对页面的平均评价值两个推荐因素,实现在线页面的推荐。     

在线用户点赞与评论行为的产生机理差异研究——以医疗健康类企业微信公众号为例

很多企业或组织利用移动社交媒体服务平台(如微信公众号)发布内容来吸引用户参与互动(点赞、评论等)以达到宣传和营销目的 ,而用户不同互动行为的影响机制及其差异尚无明确结论.基于精细加工可能性模型和用户互动参与的相关理论文献,本文以医疗健康类企业微信公众号为研究情景,从中心路径(信息质量)和边缘路径(来源可信度和情绪因素)...     

数字世界的自我化身理论建构北大核心CSSCI

数字科技已经深刻地改变了人类的生产和生活,为经济和社会的发展提供新动能。自我化身是新一代互联网的基本要素,是数字世界的底层架构,目前对自我化身还缺乏本质性和整体性的理论研究。提炼自我化身的本质属性,探究其对人类行为的影响。在Web of Science和谷歌学术等电子数据库中检索期刊的实证论文,归纳出共识性结论,作为构建理论的科学依据。在商业、教育、健康和游戏等重要行业的数字应用场景中,提取出典型性案例,作为形成理论的实践基础。根据学术文献和应用实践中显现的证据三角形,演绎出自我化身理论框架。研究结果表明,自我化身是由用户控制的、具有拟人化形象、能够在数字世界中实现化身–环境、化身–化身互动的用户个体的数字化代表。作为自我化身的设计准则,形象相似性和行为相似性会提升化身认同,形成相似性效应。当用户处于探索期时,形象相似性的效应更强;当用户处于适应期时,行为相似性的效应更强。自我化身认同进一步影响数字世界的沉浸体验和现实世界的模仿行为,并受到不同应用情景的调节,形成扩散效应。形象相似性更适合功能性场景,行为相似性更适合情感性场景。但对于社交性场景来说,当形象相似性与行为相似性匹配时,个体将获得更高的社交价值。因此,未来研究可以用多种方法检验命题,探讨新兴的数字世界中自我化身的新型消费行为,以及用户如何使用自我化身参与创意者经济。自我化身的科学定义和设计图谱为数字技术和产业界的化身实践提供了化身设计的理论指引,自我化身的整合性理论框架有助于产业界根据不同场景因势利导地发挥化身的正面作用,营造健康良性的数字空间和引导个体的亲社会行为。     

一个股价波动理论研究的新见解:基于异质情绪交易视角

传统金融理论中理性人假设并不能有效解释我国股票市场现象。国内学者基于行为金融理论,考虑投资者行为对股票市场的影响,但理论分析不足且鲜有聚焦于异质交易者情绪交易行为。因此本文从投资者情绪异质视角,把股票市场投资者划分为乐观交易者与悲观交易者,建立数学模型从理论上推导乐观情绪投资者、悲观情绪投资者与异质交易者结构对股票波动的交互影响机理。研究结果表明:乐观交易者占比较小的情况下,随着悲观情绪的缓和,乐观情绪对股价波动的效应是倒U形曲线;而随着乐观情绪的高涨,悲观情绪的缓和对股价波动同样呈倒U形。当乐观交易者占比很高时,乐观交易者情绪高涨与悲观情绪缓和均会助推股价波动。从异质交易者结构来看,乐观交易者占比对股价波动影响效应为正U形曲线,而更高水平的乐观情绪与更低水平的悲观情绪会提前其效应的反转。本文的研究结果较好地解释了牛熊市、虚假信息披露与宏观调控政策低效等事实的存在逻辑,为优化交易者结构,改善信息披露质量,进而防范股票市场系统性风险提供了理论依据。     

员工反抗算法的结果及影响机制:资源保存的视角

近年来,算法控制作为一种新的控制形式在企业中广泛应用,也引发了员工反抗算法控制的行为。由于算法控制与传统的组织控制在形式、特点上有所不同,员工的反抗算法行为表现出传统反抗行为之外的新内容和新模式。本研究系统梳理了员工反抗算法行为的具体内涵、表现,并基于资源保存理论研究员工反抗算法对其心理和工作结果的影响。在研究一中,我们通过质化与量化相结合的研究方法,厘清员工反抗算法行为的具体内容,开发相应的测量工具。在研究二中,我们对400位网约配送员实施三阶段问卷调研,发现员工反抗算法通过增加其解脱感而降低其离职倾向,并通过增加其心理授权感而提高其工作绩效、降低离职倾向。此外,当员工感知到直属领导的仁慈型领导水平较低时,反抗算法对其心理状态和工作结果的影响更强。本研究拓展了关于员工对算法控制的应对以及组织中的多重控制机制的研究,并对企业如何在双重组织控制的场景中优化管理具有重要的实践启示。     

在线用户点赞与评论行为的产生机理差异研究———以医疗健康类企业微信公众号为例

很多企业或组织利用移动社交媒体服务平台(如微信公众号)发布内容来吸引用户参与互动(点赞、评论等)以达到宣传和营销目的,而用户不同互动行为的影响机制及其差异尚无明确结论.基于精细加工可能性模型和用户互动参与的相关理论文献,本文以医疗健康类企业微信公众号为研究情景,从中心路径(信息质量)和边缘路径(来源可信度和情绪因素)出发,探究用户对健康信息点赞和评论互动行为意向的影响机制及其差异.为了验证所提模型和假设,本文采用大规模在线情景问卷调研方法收集数据并进行实证检验,结果显示:1)信息质量、来源可信度对用户点赞意向的影响显著强于评论意向;2)信息负情绪性对评论意向影响不显著而对点赞意向的影响负向显著;3)信息正情绪性与来源可信度对两种用户互动行为意向的影响均显著强于信息质量.研究结论丰富了在线信息互动行为的相关理论,为移动社交媒体运营商在发布信息方面提供实践指导.     

邮件营销个性化推荐方法

在电子商务中,邮件营销成为企业竞争的另一种形式。但是因缺乏明确的发送目标,许多带有营销目的的电子邮件被视同为垃圾邮件,起不到营销效果。笔者在分析当前推荐技术中各种算法的优缺点的基础上,提出了一种基于用户行为偏好的动态序列挖掘方法。这种算法根据用户购买信息,运用数据挖掘技术,将隐含其中的用户特征、偏好等重要信息挖掘出来,从而预测用户最感兴趣的产品,有针对性地为用户推荐个性化的信息。实验证明,这种方法有效。     

基于社会资本理论的移动社区用户参与行为研究

移动社区将给企业带来巨大价值,而用户的参与是移动社区成功的关键.社会资本理论认为人们之间的社会网络是一种不可见的资源,将促进他们之间的知识和信息共享行为.基于社会资本理论,分析了影响用户参与移动社区行为的影响因素,用户参与移动社区的行为包括获取信息和发布信息两个方面,影响因素涉及到3个维度的6个因素,即结构维、认知维、关系维以及社会交互连接、共同愿景、共同语言、信任、互惠规则、认同6个因素:通过问卷调查,收集了250份有效问卷,采用usREL进行分析,结果表明在6个因素中,信任对用户获取信息动机影响较大,认同对用户发布信息动机影响较大.总的来说,信任、共同愿景、认同3个因素对用户参与行为的作用较为显著,需要引起移动社区提供商的重视.     

在线教学平台交互性、体验价值和持续使用意愿的关系研究——一个有调节的中介效应北大核心CSSCI

本文基于交互影响距离理论,以功能体验和情感体验为中介变量,学生学习自主性为调节变量,构建在线教学平台的交互性对平台持续使用意愿的影响结构方程模型,运用AMOS 23分析研究发现:在线教学平台交互性通过功能体验和情感体验的完全中介作用显著正向影响平台的持续使用意愿;学习自主性显著正向调节交互性与功能体验、功能体验与情感体验的关系;学习自主性调节功能体验在交互性和情感体验之间的中介效应,即学习自主性越强,功能体验在其中的中介作用越强。本研究丰富了在线教学平台持续使用意愿的研究框架,为改善在线教学行为和教学平台设计提供指导。     

社交电商中融合信任和声誉的图神经网络推荐研究

社交电商可依据用户间的社交关系为用户提供感兴趣的商品或服务。现有研究多基于社会信任或社会声誉进行推荐，却忽略了信任与声誉间的相互作用，导致推荐效果欠理想。针对以上问题，本文提出了一种融合信任(Trust)和社会声誉(Social Reputation)的图神经网络推荐算法(TSR-GM)，采用社会声誉来深度刻画用户关系在推荐系统中的作用，利用社交网络中用户被信任程度对用户声誉进行排名，以图神经网络量化整合用户信任与声誉，并将结合后的新矩阵不断校正以获取更准确的用户信任，以此对矩阵分解后得到的新评分模型更新，最终得到更准确度量的预测评分矩阵。运用Epinions数据集开展的相关实验表明：与同类方法比，TSR-GM算法对提高推荐精度有较好效果。     

社交网络个体活跃行为的大数据分析：从网络外部性的视角

用户是社交网络平台的基石，用户的活跃行为为平台创造内容、带来价值，因而用户活跃度一直是社交网络平台的关注重点。已有研究仅关注用户是否存在持续使用意向或行为，将持续使用行为定义为二元变量，未对持续使用行为细分，忽略了对用户活跃行为的研究。此外，社交网络中用户活跃行为之间有着不可忽视的相互影响，而受制于用户的关系网络数据难以获取，少有研究从该角度对社交网络中的用户行为进行研究。 将持续使用行为进一步细分为个体活跃和沉默行为，从网络外部性视角探讨同伴活跃行为对焦点个体活跃行为的影响以及个体网络规模与活跃行为的关系，并进一步探讨个体间关系强度和个体特征的调节作用。以超过百万用户的真实关系网络、个体特征信息和使用行为数据进行实证分析，通过Tobit模型验证上述关系。 研究结果表明，同伴活跃度和个体网络规模对个体活跃度有显著的正向作用，同时关系强度具有正向调节作用；个体特征在同伴活跃度与个体活跃度之间起调节作用，具体来说，女性用户和年轻用户受同伴活跃行为的影响更强。 从网络外部性的角度探讨用户活跃行为的影响因素，拓展了关于在线社交网络用户持续使用行为的研究和网络外部性测量方式，关注不同节点对于网络外部性贡献的差异性，对今后网络外部性的研究有一定的借鉴意义。基于中国数百万真实用户的数据集，结果更具普适性，同时反映出中国在线社交网络中用户的行为特征，可为今后的研究者提供参考。研究结果可以帮助社交网络平台的管理者更加了解用户活跃度的影响机理以及用户行为之间的内在联系，从而能以更科学合理的方式激发用户活跃度，保持社交网络平台的持续运营。     

隐私偏好设置与隐私反馈对移动商务用户行为意愿影响及交互作用的实证研究

随着互联网产业的快速发展，移动服务商能够更便捷地获取用户个人隐私信息，而对隐私信息保护又相对薄弱，从而导致用户越来越感知到个人隐私信息缺乏控制，也进一步影响着用户披露个人信息与使用移动商务的意愿，因而有必要探索新的隐私保护方法，并通过实证研究对其有效性进行验证。基于此，本文以公平理论、计划行为理论为基础，提出了面向移动商务环境的隐私偏好设置及隐私反馈，探究了其对移动商务用户披露个人信息与使用移动商务意愿（下简称行为意愿）的影响作用与机理，并采用PLS-SEM方法进行了实证研究。实证结果表明：所提出的隐私保护方法对用户感知的隐私控制（下简称感知控制）和行为意愿产生显著的直接正向影响，并通过感知控制间接正向影响用户的行为意愿，而隐私偏好设置和隐私反馈对用户行为意愿具有显著的负向交互作用，且隐私反馈对隐私偏好设置具有替代作用。