基于交互感知的网购推荐系统多阶段用户信任模型研究-李金海.pdf

《基于交互感知的网购推荐系统多阶段用户信任模型研究-李金海.pdf》由会员分享，可在线阅读，更多相关《基于交互感知的网购推荐系统多阶段用户信任模型研究-李金海.pdf（5页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、软科学16年 11月第 30卷第 11期（总第 203期）营销与服务收稿日期:2015 -07 -09基金项目:国家自然科学基金项目(71302087);江苏省普通高校研究生科研创新计划项目(KYZZ_0287)作者简介:李金海(1988 - ),男,安徽天长人,博士,研究方向为电子商务、数据挖掘;何有世(1964 - ),男,江苏句容人,教授、博士生导师,研究方向为电子商务、统计学。基于交互感知的网购推荐系统多阶段用户信任模型研究李金海1,2,何有世2(1.泰州学院,江苏泰州225300; 2.江苏大学管理学院,江苏镇江212013)摘要:基于人际信任理论将用户对推荐系统的信任过程划分为从初

2、始信任到交互信任再到推荐信任的三个阶段。探讨了影响各阶段信任的关键影响因素,并构建了多阶段用户信任的综合模型,分析了平台的信任前因、个人的信任前因以及认知的信任前因对多阶段信任的影响,采用结构方程方法对模型进行了实证检验及分析。研究表明,用户对推荐系统的初始信任主要受信任倾向、正规性和口碑的影响,交互信任主要受初始信任、感知有用性和感知易用性的影响,推荐信任主要受交互信任、感知有用性和感知可靠性的影响。最后,提出了对策建议以及未来研究的方向。关键词:交互感知;初始信任;交互信任;推荐信任DOI:10.13956/ j. ss.1001 -8409.2016.11.30中图分类号:F713;F2

3、24 文献标识码:A 文章编号:1001 -8409(2016)11 -0140 -05Study on Multistage User Trust Model of Online ShoppingRecom m endation System Based on Interactive PerceptionLI Jin-hai1, 2, HE You-shi2(1. Taizhou University, Taizhou 225300;2. School of Management, Jiangsu University, Zhenjiang 212013)Abstract:Based on

4、interpersonal trust theory, this paper divides the process of users trust in the recommendation system in-to three stages from initial trust to interactive trust and to recommend trust. And then, it discusses the key factors which af-fect trust of each stage and constructs the comprehensive model of

5、 multistage user trust. The method of structural equationmodel is used for empirical test and analysis. Results show that the initial trust is mainly affected by trust tendency, normal-ity and word of mouth; the interactive trust is mainly affected by initial trust, perceived usefulness and perceive

6、d ease ofuse; the recommend trust is mainly affected by interactive trust, perceived usefulness and perceived reliability. Finally, itputs forward useful countermeasures and the direction of future research.Key words: interactive perception; initial trust; interactive trust; recommend trust近年来随着网络购物

7、市场的迅猛发展,使得消费者陷入海量的商品信息包围之中,消费者若依靠个人搜索找到令自己满意的商品并非易事,因此推荐系统在网络购物平台得到了广泛应用。网络购物推荐系统的功能在于减轻信息过载给消费者带来的决策影响,帮助消费者快速找到感兴趣的商品,其重要性已得到了商家及消费者的广泛认可1。但与一般信息技术系统存在的用户信任问题一样,推荐系统也存在用户信任问题,影响了推荐系统功能的体现。目前,关于推荐系统的研究大都集中在推荐算法与应用方面,而忽略了其他的评价指标对推荐系统用户满意度的影响。国内外学者们对用户信任模型研究大多数是针对一般信息技术,其中,最具影响力的当属Davis于1989年提出的技术采纳模

8、型(TAM)。杨永清等以价值理论为核心,借鉴TAM理论中的核心变量,根据移动互联网服务的特性,提出移动互联网用户采纳的理论模型,揭示了影响用户采纳移动互联网的关键因素及其作用机理2。但网络购物推荐系统与其他信息技术存在很大区别,用户与推荐系统之间并不是简单的单向信任关系,推荐结果会反向影响用户的信任。用户对推荐系统推荐结果的采纳会受到多方面因素的影响。信息技术方面的用户信任研究成果不能很好地解释推荐系统的用户信任行为3。且我国的网络购物环境也与国外存在差异。国内推荐系统的信任问题研究还较少,其中实证研究大多数是基于技术采041万方数据软科学16年 11月第 30卷第 11期（总第 203期）营

9、销与服务纳模型来进行影响因素的探讨。但是对于网络购物推荐系统来说,用户与推荐系统之间的信任并不是静态的一成不变。诸多的研究表明,用户与推荐系统交互过程中形成的对系统的社会角色感知以及对系统的信任,不仅直接影响着用户对推荐结果的采纳以及采纳行为的持续,而且还影响用户对系统的满意度评价。用户与推荐系统之间存在着不断交互的过程,是从初始信任到交互信任再到推荐信任的过程,因此将用户对推荐系统的信任影响因素按照信任的过程分为三个方面。1理论及假设模型为了使推荐系统能更好地服务于消费者,实现推荐系统对商家及消费者的双重作用,消费者信任推荐系统是最基本的前提。由于信任属于社会学范畴,关于信任的研究,信任的客

10、体大多数是人,人与人之间的信任关系是在不断的交流中形式的。 Sztompka认为对信息系统的信任与对人的信任并无本质区别,因为所有的信息系统是由人设计、开发并操作的4。通过以上的分析表明,将信息系统视作信任的客体是合理的,因此本文在研究用户对推荐系统的信任问题时,借鉴了社会学领域中有关人际信任的相关理论。1 1一般信息技术系统的信任研究大量信息技术的信任研究侧重从技术特性视角解释用户信任行为。 TAM模型以形式简单、解释力强、较高的信度等优点,被广泛应用于信息技术用户信任的研究中。TAM最主要的优势在于它阐明了感知有用性、感知易用性这两个关键信念变量与态度和行为意向之间的逻辑关系,并以此来分析

11、影响信息技术采纳的外部原因,TAM的基本框架如图1所示。 TAM理论认为,信念影响用户的态度,态度影响用户的行为意向。众多信息技术采纳研究的结果表明,感知有用性对用户的态度和行为意向产生显著的影响,感知易用性对用户使用态度产生显著的影响,也对感知有用性有影响5。图1 TAM的基本框架虽然TAM模型解释信息技术采纳行为的效果得到了大量验证,但也有学者指出TAM设计的维度过于简单,实用性不足。一些学者基于TAM理论进行了扩展,而且也提出了一些新的理论。较成功的TAM修正模型包括:创新扩散理论(IDT)、使用和满意理论(U&G)以及可用性理论三种。韩超群等基于信息系统、行为科学和心理学理论,从一般技

12、术因素、特定技术因素、消费者心理因素和社会影响因素四个方面构建了一个整合的移动服务用户采纳行为的结构方程模型6。移动商务作为信息技术系统的新兴应用,随着移动终端的普及,近年来受到了学者们的广泛关注,林家宝与鲁耀斌探讨了股民对移动证券信任的影响因素,不同于以往的信息技术信任研究,作者认为信任的发展是一个动态的过程,并将信任划分为:初始信任的建立、信任的维持以及信任的衰退7。基于信任的动态发展过程,本文基于交互感知的视角,认为用户与推荐系统之间的信任是从初始信任到交互信任再到推荐信任的多阶段动态过程。1 2基于交互感知的推荐系统信任研究推荐系统作为信息技术的一类,但又与一般的信息技术不同,这主要表

13、现在推荐系统的交互性与实时性上。人机交互是以系统为媒介进行的彼此交流,用户向推荐系统表明自己的需求,系统向用户推荐可能感兴趣的商品,用户再对推荐结果进行反馈,这些用户与系统之间的交流就形成了交互的过程。用户会基于与推荐系统的交互来感知对推荐系统的信任程度。1 2 1用户初始信任阶段研究在网络购物环境下,用户是通过推荐服务载体 网络购物平台初次接触推荐系统,因此,用户的初始信任不仅受用户个人因素的影响,同时也受网络购物平台特征的影响。这里可以将平台特征视为外部因素,用户个人特征视为内部因素。网络购物平台的保障性特征是用户初始信任阶段,用户关注的重点,如安全标识信息、第三方认证信息、法律法规信息等

14、,这些信息表明了推荐系统所处环境的合法性与正规性。这些因素能够影响到用户对网络购物平台正规性的感知,进而作用于用户的初始信任。据此,提出假设:H1:平台的正规性正向影响用户的初始信任。从心理学角度分析,不同个体的信任倾向有所差异,信任倾向在信任关系形成初期,用户初始信任阶段具有很重要的作用8。另外,Cardholm提出了用以描述电子商务用户信任BATE模型,并提出了基于经验的信任,他认为基于经验的信任对于用户再次使用电子商务尤其重要9。据此,提出假设:H2:用户的信任倾向正向影响用户的初始信任。H3:用户的使用经验正向影响用户的初始信任。在初始信任阶段,除了信任倾向及使用经验会对用户信任产生影

15、响,用户对推荐系统的了解程度也会影响初始信任,良好的口碑能够促使用户增加对推荐系统的好感,建立良好的第一印象,能够提高用户对推荐系统的信任程度10。据此,提出假设:H4:系统的口碑正向影响用户的初始信任。1 2 2用户交互信任阶段研究用户与推荐系统建立初始信任后,二者之间通过不断的交互过程,证实之前预期的知识。这个“预期-证实”的过程会不断影响用户对推荐系统的信任,这时初始信任演变为交互信任。初始信任是交互信任的开始,若用户对推荐系统有一个良好的初始信任,那么用户对推荐系统的交互过程就有着较高的包容性。在交互信任阶段,基于期望-证实理论,若推荐系统的行为满足用户的期望,用户会感知系统是有用的,

16、会提升用户的交互信任,否则交互信任会降低11。据此,提出假设:H5:用户的初始信任正向影响用户的交互信任。H6:用户的感知有用性正向影响用户的交互信任。141万方数据软科学16年 11月第 30卷第 11期（总第 203期）营销与服务H7:交互阶段的互动性正向影响用户的交互信任。其次从交互过程的易用性看,如果交互过程是用户可控制的,这会一定程度上降低用户对推荐系统感知的不确定性,增加用户对交互阶段的信任11 。据此,提出假设:H8:用户的感知易用性正向影响用户的交互信任。1 2 3用户推荐信任阶段研究用户推荐信任阶段关乎到用户是否采纳推荐系统产生的推荐结果。如果交互过程中,用户的期望不断得到证

17、实,势必会加强用户对最终推荐的信任。Gefen对用户在线购物行为的实证表明,感知有用性与感知易用性都会影响用户在线购物的意向,即对推荐的信任12。而最终的推荐结果将涉及具体的销售商家,如果商家拥有着良好的诚信,会提高用户对结果的感知可靠性,进而影响对推荐的信任。据此,提出假设:H9:用户的交互信任正向影响用户的推荐信任。H10:用户的感知有用性正向影响用户的推荐信任。H11:用户的感知易用性正向影响用户的推荐信任。H12:用户的感知可靠性正向影响用户的推荐信任。1 3模型构建基于上述分析,针对用户对网络购物推荐系统信任的交互过程,从信任三个阶段设定了三个基本影响因素,结合平台与个人特征变量,并

18、为每个信任阶段设定了特定的阶段变量,以最终信任阶段的阶段变量为因变量,对各变量之间的作用路径提出了12条基本假设。模型的基本框架如图2所示。图2多阶段用户信任研究模型2研究方法2 1数据收集本文选择本校的大三及大四学生为调研对象。在设计问卷时,以相关文献中设定的问题为基础,考虑网络购物推荐系统的特点,做了适当的扩展,所有的结构变量均采用多个测度项,保证了问卷的内容效度,共设定了30个问题,限于篇幅,具体的问卷未列出。所有问题问卷采用Likert七级量表,受访学生基于对问题的认可程度,按1 7(非常不赞同到非常赞同)对相关问题分别进行打分。调查共发放问卷400份,回收有效问卷355份,问卷有效率

19、为88 75%。有效问卷数与测度项数比例达10 65:1,符合样本至少为测量题项5倍的基本研究要求。样本信息统计显示,60%为男生,40%为女生,每天上网时间3个小时以上的占65%,3小时以下的占35%。本文采用结构方程模型分析软件AMOS21 0进行假设检验,同时运用社会科学统计软件SPSS19 0进行信度与效度检验。通过对因子分析、相关性分析、回归分析及方差分析等传统多元数据分析的基础上,对路径图中各变量之间的假设关系进行验证。2 2信度和效度检验由表1可知,本研究中的所有因子的Cronbachs 和CR值都高于0 80,表明各因子具有较好的信度。各因子的平均抽取方差(AVE)都大于0 5

20、0,表明量表具有良好的收敛效度。表1信度和收敛效度分析测度项观测项数均值AVE CR Cronbachs 互动性I 3 4 44 0 62 0 81 0 84正规性N 3 4 46 0 59 0 85 0 81口碑W 2 5 23 0 75 0 91 0 82信任倾向T 2 4 31 0 71 0 87 0 85使用经验S 3 5 52 0 69 0 82 0 89感知有用性P 3 4 68 0 77 0 83 0 87感知易用性E 3 5 38 0 85 0 84 0 85感知可靠性C 3 4 53 0 68 0 86 0 82初始信任B 2 4 71 0 72 0 90 0 81交互信任M

21、 3 5 25 0 67 0 82 0 87推荐信任R 3 5 41 0 74 0 89 0 85对于效度,对角线的AVE平方根均大于纵向与横向元素,所有各因子之间的区别效度都满足要求。2 3假设检验本文采用AMOS21 0对结构方程模型进行检验,模型路径系数结果如图3所示,假设检验结果所表2所示。图3研究模型的路径系数及显著性注: 、 、 分别表示P 0 05、P 0 01、P 0 001表2研究模型的假设检验假设路径检验结果假设路径检验结果H1 N B支持 H7 I M不支持H2 T B支持 H8 E M支持H3 S B不支持H9 M R支持H4 W B支持 H10 P R支持H5 B M

22、支持 H11 E R不支持H6 P M支持 H12 C R支持241万方数据软科学16年 11月第 30卷第 11期（总第 203期）营销与服务2 4个人特征的调节作用用户的个人特征除对初始信任产生直接影响外,还可能调节用户感知的主观影响因素包括交互信任以及感知有用性、感知易用性和感知可靠性对推荐信任的作用。通过各因子均值进行回归分析,回归结果如表3所示,可以发现信任倾向对交互信任与推荐信任、感知可靠性与推荐信任之间的关系存在正向的调节作用,这说明对于有着高信任倾向的用户,交互信任对推荐信任的影响更大,而对于有着低信任倾向的用户,交互信任对推荐信任的影响就要小一些,感知可靠性的影响同理。由于信

23、任倾向与感知有用性的交互项的回归系数不显著,因此,信任倾向不存在对感知有用性与推荐信任间的调节作用。表3信任倾向的调节作用因变量交互项标准化系数T值P值T M 0 52 7 21 0 000推荐信任R T P 0 21 0 71 0 954T C 0 47 6 57 0 000为了进一步直观研究信任倾向的调节作用,本文取信任倾向的均值(4 31)为临界点,将355个有效样本分成A、B两组,A组为高信任倾向的用户(204人),B组为低信任倾向的用户(151人)。分别对A、B两组样本做因变量(推荐信任)对自变量(交互信任、感知可靠性)的回归分析,回归结果如表4所示。表4推荐信任分别对交互信任、感知

24、可靠性的回归分析作用路径信任倾向非标准化系数B Std. Error Beta T值P值M RC RHigh TLow THigh TLow T常数项2 24 0 35 2 32 0 000M 0 68 0 09 0 67 14 71 0 000常数项1 52 0 27 1 94 0 000M 0 37 0 06 0 75 16 93 0 000常数项1 27 0 24 1 28 0 002C 0 72 0 07 0 42 10 23 0 000常数项0 63 0 19 0 83 0 031C 0 53 0 04 0 68 12 54 0 000图4信任倾向对交互信任的调节效果图5信任倾向对感

25、知可靠性的调节效果通过表4回归分析的结果绘出信任倾向调节作用的效果图,信任倾向对交互信任与推荐信任、感知可靠性与推荐信任之间的调节效果分别如图4、图5所示,可以看出,在交互信任(或感知可靠性)较低时,高信任倾向的用户对推荐结果的信任较高,随着交互信任(或感知可靠性)的增大,高信任倾向与低信任倾向的用户之间对推荐结果的信任差距逐渐缩小,并且当交互信任(或感知可靠性)增大到一定程度时,低信任倾向的用户对推荐结果的信任程度甚至会超过高信任倾向的用户对推荐结果的信任程度。3结果讨论本文借鉴人际信任关系中,人与人之间经过交互形成信任的理论来研究消费者与推荐系统这一人机交互过程的用户信任问题。将用户与推荐

26、系统之间的信任过程分成从初始信任到交互信任再到推荐信任的三阶段过程。研究了影响网络购物推荐系统的各阶段用户信任的重要影响因素。根据上述数据分析的结果,从路径系数的显著性分析,本文提出的12个假设中,9个得到支持,得出的主要结果有:(1)从用户的初始信任阶段看,平台正规性是影响网络购物推荐系统的初始信任的最重要因素,是用户评估平台安全性的第一步,正规可靠的网购平台才能使用户产生初始信任。平台口碑显著影响推荐系统的初始信任,口碑信息是第三方关于推荐系统评价的综合,良好的口碑可以表明外界对于推荐系统的一致评价是可信的。个人特征中的信任倾向显著影响初始信任,这是因为不同个体的信任倾向有所差异,信任倾向

27、对用户初始信任的形成具有很重要的作用,信任倾向高的用户更容易接受新鲜事物。并且信任倾向不仅直接显著影响初始信任,还间接调节其他变量(交互信任、感知可靠性)对推荐信任的影响。使用经验对初始信任并无影响,这里的使用经验是指使用其他信息系统的经验,本文样本中的对象为在校高年级大学生,样本的群体内并无使用经验的明显差异。(2)从用户的交互信任阶段看,初始信任是影响用户的交互信任的最重要因素,这就犹如人际信任中的第一印象一般,良好的第一印象是进一步交流的基础。另外,交互信任同时受用户感知有用性与感知易用性341万方数据软科学16年 11月第 30卷第 11期（总第 203期）营销与服务的影响,如果在与系

28、统的交互过程中,系统反馈给用户的都是不符合用户需求的信息,那用户势必会对推荐系统能否为自己推荐正确的结果产生质疑。而且推荐系统只有通过友好的界面、便捷的操作使用户容易上手,用户才能有耐心进行下一步的动作。交互过程的互动性并不会对用户的交互信任产生显著影响,这可能是由于现实生活中大家的生活节奏都较快,不可能花费大量的时间与系统进行互动,简单有效的互动就可以满足用户的基本需求。(3)从用户的推荐信任阶段看,交互信任是影响用户的推荐信任的最重要因素,用户与推荐系统之间的交互使得用户对系统的诸多功能都有了具体的了解,不再是基于印象的估计。另外,用户的感知有用性与感知可靠性均对推荐信任产生影响,有用性在

29、于系统最终推荐的结果是否是用户需要的结果,当符合用户的需求时,下一步用户就会对这些结果进行筛选,而筛选的依据就是商家的可靠性,对于商家的可靠性,用户可以通过查看商家总体的信誉以及产品的历史评分来估计。最后用户的信任倾向调节其他变量(交互信任、感知可靠性)对推荐信任的影响,不同信任倾向的用户,交互信任与感知可靠性对推荐信任的影响并不相同,这是因为信任倾向高的用户更倾向于依据自己的主观意向来决定是否采纳推荐结果,而信任倾向低的用户则更倾向于依据系统的客观评价来决定是否采纳推荐结果。4结论与展望本文基于平台的信任前因、个人的信任前因以及认知的信任前因来构建用户对推荐系统的多阶段信任模型,基于交互的多

30、阶段信任为网络购物平台提供了构建用户信任机制的新思路。研究发现,信任倾向、正规性、口碑显著影响用户的初始信任,初始信任、感知有用性、感知易用性显著影响用户的交互信任,交互信任、感知有用性、感知可靠性显著影响推荐信任。其中,初始信任阶段平台的正规性起到决定性的作用,交互信任阶段初始信任起到了决定性的作用,推荐信任阶段交互信任起到了决定性的作用。因此,网络购物平台应该重视平台正规性的建设,用户只有对平台建立了初始信任,才会通过不断的交互过程演变为最终的对推荐结果的信任。本文的研究虽然考虑到了用户信任随时间演化的动态过程,但只是将这一动态过程划分为三个信任阶段,并没有深入研究信任演化过程的机理,结合

31、心理学中人际信任的演化理论来探究推荐系统中用户信任的演化机理是未来的主要研究方向。参考文献:1李金海,何有世.在线评论信息挖掘分析的数据来源可靠性研究J.软科学,2015,29(4):94 -99.2杨永清,张金隆,满青珊,等.移动互联网用户采纳研究 基于感知利益、成本和风险视角J.情报杂志,2012,31(1):200-207.3黄浩.移动内容服务采纳过程中的信任变化分析J.管理评论,2014,26(4):122 -129.4 Sztompka P. Trust: A Sociological Theory M. UK: CambridgeUniversity Press, 1999.5边鹏

32、.技术接受模型研究综述J.图书馆学研究,2012,1:2-10.6韩超群,杨水清,曹玉枝.移动服务用户采纳行为的整合模型 基于移动阅读的实证研究J.软科学,2012,26(3):134-139.7林家宝,鲁耀斌.移动证券用户的初始信任模型研究J.管理评论,2011,23(11):59 -68.8 Gefen D, Karahanna E, Straub D W. Trust and TAM in OnlineShopping: An Integrated ModelJ. MIS Quarterly, 2003, 27(1):51 -90.9 Cardholm L. Building Trust

33、 in an Electronic EnvironmentC. Pro-ceedings of the Fourth Nordic Workshop on Secure IT Systems, Kis-ta, Sweden, 1999.10铁翠香.网络口碑效应实证研究 基于信任和感知价值的中介作用J.情报科学,2015,33(8):72 -78.11 Gefen D, Straub D. Managing User Trust in B2C E - servicesJ.E - Service Journal, 2003, 2(2):7 -24.12 Das T K, Teng B S. Bet

34、ween Trust and Control: Developing Confi-dence in Partner Cooperation in Alliances J. Academy of Man-agement Review, 1998,23(3): 491 -513.(责任编辑:石琳娜) (上接第139页)15 Adjei M T, Noble S M, Noble C H. The Influence of C2CCommunications in Online Brand Communities on CustomerPurchase Behavior J. Journal of

35、the Academy of MarketingScience, 2010, 38(5): 634 -653.16 Kuo Y F, Feng L H. Relationships among Community InteractionCharacteristics, Perceived Benefits, Community Commitment, andOppositional Brand Loyalty in Online Brand Communities J.International Journal of Information Management, 2013, 33(6):94

36、8 -962.17 Zaglia M E. Brand Communities Embedded in Social NetworksJ.Journal of Business Research, 2013, 66(2): 216 -223.18 Nambisan S, Baron R A. Different Roles, Different Strokes:Organizing Virtual Customer Environments to Promote Two Types ofCustomer ContributionsJ. Organization Science, 2010, 2

37、1(2):554 -572.19 Hemetsberger A, Reinhardt C. Collective Development in Open -source Communities: An Activity Theoretical Perspective onSuccessful Online CollaborationJ. Organization Studies, 2009,30(9): 987 -1008.20桂华,欧阳静.论熟人社会面子 基于村庄性质的区域差异比较研究J.中央民族大学学报:哲学社会科学版, 2012,39 (1): 72 -81.21 Au A K M. I

38、nfluence of Shouren Guanxi, Mianzi and Renqing onEthical Judgement of Chinese ProfessionalsJ. World, 2014, 5(1): 54 -61.22 Liao J, Wang L. Face as a Mediator of the Relationship betweenMaterial Value and Brand Consciousness J. Psychology &Marketing, 2009, 26(11): 987 -1001.23李东进,吴波,武瑞娟.中国消费者购买意向模型 对

39、Fishbein合理行为模型的修正J.管理世界, 2009, 1: 121 -129.24 Kozinets R V, Hemetsberger A, Schau H J. The Wisdom ofConsumer Crowds Collective Innovation in the Age of NetworkedMarketingJ. Journal of Macromarketing, 2008, 28(4): 339-354.25 Amabile T M, Conti R, Coon H, et al. Assessing the WorkEnvironment for CreativityJ. Academy of Management Journal,1996, 39(5): 1154 -1184.(责任编辑:石琳娜)441万方数据