图书情报导刊 文章编号：２０９６—１１６２（２０１８）０４—００７４—０６ ＪＯＵＲＮＡＬ ＯＦ ＬＩＢＲＡＲＹ ＡＮＤ ＩＮＦＯＲＭＡＴＩＯＮ ＳＣＩＥＮＣＥ ２０１８年第３卷第４期 收稿日期：２０１８—０３—０９ 个性 推荐系统用／≥接受意愿夺采乡内行 影响因素所宄术 于微微 ，王心妍２，相静 （１．滨州医学院公共卫生与管理学院，山东烟台，２６４００３； ２．辽宁师范大学管理学院，辽宁大连，１１６０２９） 摘要：利用网络问卷平台及微信等社交媒体开展了问卷调查，并采用 ＩＢＭ ＳＰＳＳ ２２．０软件进行了统计分析，运用统计描述、回归分析等统计学方 法进行了数据分析，结果显示，推荐系统的推荐时机和用户的绩效期望能 显著影响用户对推荐信息的接受意愿和采纳行为，用户的隐私意识也能 显著影响用户对推荐信息的接受意愿，最后从系统角度和用户角度两方 面提出了个Ｉ｝生化推荐服务的发展策略。 关键词：个性化推荐系统；接受意愿；采纳行为；影响因素 中图分类号：Ｇ２５２．０ 文献标识码：Ａ 网络购物的普及使人们在享受网购便利的同时面 １资料来源 １．１研究对象与样本 临着“信息过载”的挑战。面对网络购物平台上数量庞 杂的用户评论且种类繁多的商品，网络潜在购买者要 想筛选出满意的商品，很难通过全局统计做出合适的 决策［ ，使得原本快捷的网络购物变成用户的一种负 担。由大数据环境下的“５Ｖ”特征可知【２］，随着网络数据 本文通过网络问卷平台及微信等社交媒体，针对 推荐系统用户进行问卷调查并采集调查数据，询问其 对购物网站中个性化推荐信息的意见。调查问卷共设 计１７个问题，除受访者个人基本情况外，分别从推荐 的剧增，信息分布流向和用户多样化的需求矛盾日益 明显［３］，为帮助用户在海量的商品中选择其感兴趣的 或者符合需要的商品，个性化推荐系统（以下简称推荐 系统）应运而生。目前，各大电子商务平台均推出了不 同程度的推荐系统，但很多用户对其认同率和使用率 并不高，需要对用户接受与采纳的影响因素进行分析， 以促进推荐系统绩效的提升，提高电子商务平台服务 满意度，辅助用户科学购买。 系统推荐时机、推荐方式、个性化需求、社群影响、绩效 期望（即推荐信息有用性）、用户认知情况、使用感受和 隐私意识等角度调查影响用户接受意愿及采纳行为的 因素，共收到问卷３６３份，其中有效问卷为３４４份。 １．２方法 利用多重线性回归法对问卷数据进行分析，明确 个性化需求、推荐时机、推荐方式、社群影响、绩效期 望、认知情况、使用感受和隐私意识等８个维度中影响 推荐系统用户接受意愿和采纳行为的因素。 基金项目：中国博士后科学基金面上项目“基于 临床大数据的结直肠癌精准诊疗决策支持系统研究” （２０１７Ｍ６１２２９５）；山东省社科规划课题“基于居民电子 健康档案的疾病风险评估与预测及对策研究” （１６ＣＱＸＪ０１）。 ７４ ２结果 ２．１调查对象基本情况 调查对象基本情况主要包括年龄、教育程度、月收 入等方面（见表１）。 于微微，王心妍，相静个性化推荐系统用户接受意愿和采纳行为影响因素研究 本刊Ｅ－ｍａｉｌ：ｔｓｑｂｄｋ＠１６３．ｃｏｒｎ 信息工作研究 表１受访者基本情况一览表 项目 性别 类别 男 女 从用户最常用的购物网站来看，淘宝／天猫稳居首 所占比例 ２８ ７２ 人数从 ９５ ２４９ 位，在所有受访者中，９０％以上的受访者都选择了将淘 宝，天猫作为常用购物网站，淘宝／天猫作为电子商务领 域市场营销份额最大的电商平台，在购物网站的个性 化推荐方面占有绝对优势。 ｌ８岁及以下 ４３ ｌ３ １９～３０岁 年龄 ３１ ４０岁 ２１８ ３８ ６３ １１ 调查数据显示，查看信息占比最多的为偶尔查看 购物网站推荐商品信息（６２％），其次是经常查看 （２２％），再次为很少查看（２１％），最后为从不查看 ４ｌ岁及以上 高中及以下 ４５ ５６ １３ １６ 大专 ５９ １７ 学历 本科 ２０９ ６１ 硕士研究生 ２０ ６ ０～１ ０００元 １５７ ４５ 月收入 １ ０００—３ ０００元 ７９ ２３ 情况 ３ ０００～５ ０００元 ８５ ２５ ５ ０００元及以上 ２３ ７ ２．２用户对个性化推荐信息查看采纳情况 主要从用户常用的网上购物网站、是否查看购物 网站推荐的商品信息（即对个性化推荐信息的接受意 愿）、是否购买购物网站推荐的商品（即对个性化推荐 信息的采纳行为）等３个方面，获得用户对个性化推荐 信息查看和采纳情况（见表２）。 表２受访者对个性化推荐信息查看采纳情况 项目 类别 人 所占比例，％ 淘宝厌猫 ３ｌ１ ９０．４０ 唯品会 １７８ ５１．７４ 亚马逊 １３９ ４０．４１ 京东 ５８ １６．８６ 常用购物网站 １号店 ７ ２．Ｏ３ 有赞 １ｌ ３．２Ｏ 闲鱼 １５ ４Ｉ３６ 聚美优品 １０６ ３０．８１ 当当 ２３ ６．６９ 经常查看 ７６ ２２ 查看信息 偶尔查看 ２１２ ６２ （接受意愿） 很少查看 ４１ １２ 从不查看 １５ ４ 经常购买 ３１ ９ 购买商品 偶尔购买 ２２８ ６６ （采纳行为） 很少购买 ７６ ２２ 从不购买 ９ ３ 注：所占比例＝人数／有效问卷数ｘ１００％。 （４％）。 在选择查看购物网站推荐信息的受访者中，有 ６６％的受访者选择偶尔购买购物网站推荐的商品，２３％ 的受访者选择很少购买网站推荐的商品，经常购买和 从不购买的受访者分别占比９％和３％。 由此可以看出，购物网站的用户虽然会接受电商 网站推荐的信息，但是仍存在着一些其他因素影响着 用户的采纳行为，因此，从推荐系统推荐时机、推荐方 式、个性化需求、社群影响、绩效期望、用户认知情况、 使用感受和隐私意识等维度分析影响用户接受意愿及 采纳行为的因素。 ２．３基本因素描述 ２．３．１个性化需求 推荐系统的使用，是商家为了改善消费者的购物 体验，同时增加商品成交额的一种手段，但无论购物网 站技术人员采用哪种模型或是算法都不能达到完美无 缺的效果，总是会忽略掉一部分用户的需求。对此，更 多的用户倾向于购物网站推荐的内容符合个人喜好和 对推荐内容的感兴趣程度这两个方面（见图１）。以理肤 泉为例，这一品牌正好是用户Ａ所青睐的，而这时购物 网站恰巧推荐关于理肤泉相关产品的信息，用户自然 会被推荐所吸引，从而进一步查看；又或者购物网站推 荐理肤泉这一品牌有折扣优惠，用户便会迫不及待地 查看系统所推荐的信息以免错过最新的优惠活动；如 果用户对打蛋器这一产品感兴趣，则购物网站推荐相 关信息时用户便会欣然接受推荐信息。购物网站所推 荐的商品信息是否符合用户的购买需要也会影响用户 的接受意愿，从忽略推荐信息的调查中亦可得出相同 结论（见图２）。 ２．３．２推荐时机 ７５ 于微微，王心妍，相静个性化推荐系统用户接受意愿和采纳行为影响因素研究 本刊Ｅ－ｍａｉｌ：ｔｓｑｂｔｔｋ＠１６３一ｍ 信息工作研究 其他 一８ ７４％的受访者选择接受推荐信息 ３６ 购物网站有良好的信誉 Ｉ广告用语新颖有趣 Ｉ推荐内容符合个人喜好（品牌、折扣等） 推荐商品符合购买需求 推荐内容符合兴趣爱好 ０ １８ 是因为同事／同学／朋友对所推荐的 ２４７ ２２９ 商品评价良好。隐ｌ生社会网络关系 更能直接影响用户的接受意愿，用 ５０ １００ １５０ ２００ ２５０ ３０ｏ户的接受意愿会随着身边的支持 影响而逐渐加深（见图４）。 ２－３．４推荐方式 人数，人 图１ 查看购物网站推荐商品信息的原因调查情况 其他—————一２ ３ 用户在使用购物网站时，对于 娶 Ｊ雷用信雹甚泼新蒽广馨 馨 曩 大部分信息只局限于浏览，用户在 推荐内容不符合个人喜好（品牌、折扣等） 推荐商品不符合购买需求 推荐内容不符合兴趣爱好 ４７ 查看过后就关闭了推荐信息界面， ４ ７ 并没有进行交易操作。６７％的受访 … ： ８者表示愿意采纳推荐原因明确的 信息（见图５），推荐系统在给用户 推送信息的时候带有明确推荐原 因的更容易激发用户的购买欲，促 人数，人 注：数据来源是调查中选择“从不查看”购物网站推荐商品信息的受访者。 图２忽略购物网站推荐商品信息的原因调查情况 在１３常生活中，用户经常会收到购物网站推送的 成采纳行为。比如，购物网站在给用户推送信息时显 示，此条信息是根据您最近的浏览内容所推荐的，用户 经常浏览的内容很有可能是用户自身感兴趣或者是需 各种商品信息，如“猜你喜欢……”“你感兴趣的……即 将告罄”等多种个性化推荐表现形式，但是网站往往忽 略了用户需求这些推荐信息的时机。在淘宝／天猫中，我 们在消费购买商品过后，往往会收到同类商品的推荐 要的商品，所以要选择合适的推荐方式。 虢同事，同学／Ｉｌ１］ 友曾有过类似 经历 瑟同事／同￣／Ｈ，ｑ 友对所推荐的 商品评价良好 同事／同学／朋 友认为使用推 荐信患效果好 。信息，试想一下，用户在交易完成之后，系统推荐给用 户购买过的同类商品，用户还会查看推荐信息吗？答案 多是否定的（仅占６％）。７９％的受访者选择在商品添加 收藏或购物车时同时选择查看推荐商品信息，此阶段 提供推荐信息，便于用户更好地进行“货比三家”，以获 得更准确的决策辅助信息（见图３）。 鞴登录网站时立 即推荐 息的社群影响情况 瓣将商品添加收 藏或购物车时 同时推荐 购买商品后推 荐 霸推荐原因明确 （根据个人或他 人行为推荐） 藏信患展示位置明 显、重点突出 图文并茂、内吝 丰誊 图３不同推荐时机用户查看推荐信息情况 ２．３．３社群影响 图５不同推荐方式用户采纳推荐信息情况 每个用户都有个人的社交圈子，现如今的人们更愿 意倾听身边人的意见，社群影响表明用户感受到其身边 重要群体的影响程度＿４］。由于电子商务用户的动态行为 关系及用户友好关系所形成的隐性社会网络［５］，对用户 的个性化推荐信息接受意愿也有着重要的影响。有 ７６ ２．３．５绩效期望 绩效期望，即个性化推荐信息对用户的有用性，用 户体验的信息质量是信息客观价值属性和用户主观价 值感知的总和＿６Ｊ。从用户在购物网站注册信息那一刻 起，就会不断接收到来自购物网站所推送的信息，只有 于微微．王心妍，相静个性化推荐系统用户接受意愿和采纳行为影响因素研究 本刊Ｅ—ｍａｉｌ：ｔｓｑｂｄｋ＠１６３．ＣＯ／＇／１ 信息工作研究 表４自变量 。 。与因变量ｌ， 的回归系数表 非标准化系数 标准系数 项目 ｔ Ｓｉｇ． 标准误差 试用版 （常量） １．４６１ ０．２２４ ６．５２２ Ｏ．０００ ｌ ０．３７７ ０．０７５ ０．２７４ ５．０５２ ０．０００ ２ ０．０７６ ０．Ｏ４５ ０．１０３ １．６７８ ０．０９４ 弘 一０．１１０ ０．０６６ －０．Ｏ９ｌ 一１．６８３ ０．０９３ ０．２１２ ０．０５８ ０．２６１ ３．６５９ ０．０００ ５ －０．００６ ０．０８２ －０．００５ －０．０７３ ０．９４２ ６ －０．０３９ ０．０５９ －０．Ｏ４０ －０．６６５ ０．５０６ ０．０３２ ０．０７８ ０．０２２ Ｏ．４ｌ５ ０．６７９ ８ －０．０２０ ０．０５４ －０．０２７ －０．３６９ ０．７１２ 。 －０．０１０ Ｏ．０２１ －０．０２７ －０．４８９ ０．６２５ ｌ０ －０．０５６ ０．０４４ －０．０８８ —１．２６８ ０．２０６ 因素是解决所有问题的出发点，社群影响在现实中也 起着重要的影响作用。 ３讨论与对策 购物网站所提供的信息推荐服务是电子商务平台 和社会化网站的一项基本核心功能，完备的推荐机制 对于网络商家来说十分关键 ，可从以下两个角度改 善推荐系统。 ３．１个性化推荐系统角度 ３．１．１ 注重用户个性化需求 推荐系统的相关技术人员应该全面调查用户的个 性化需求，可在网站内让用户自行设置自己所希望得 到的推荐信息，积极地将潜在用户转变为现实用户，同 时网站界面编辑人员要注意网站页面的美观，甚至广 告用语的新颖性在某些时候也能影响用户对于推荐系 统推荐信息的查看。 ３．１．２调整推荐时机 根据统计学结果显示，推荐系统的推荐时机能显 ７８ 著影响用户对个性化推荐信息的接受意愿和采纳行 为，且根据所有受访者整体看，在商品添加收藏或购物 车时同时推荐商品信息这样的推荐时机更容易让人接 受。因此，这就提醒个性化推荐系统在用户将商品添加 购物车或收藏时，根据不同用户添加的信息，及时为用 户推荐与此相关的信息。 ３．１＿３改善推荐方式 更多的用户愿意采纳推荐原因明确的推荐信息， 这就要求用户接收到的推荐信息必须注明理由，比如， “根据您近三天浏览内容推荐……”“根据您好友购买 推荐……”等具体理由。 ３．２用户自身角度 ３．２．１ 注重用户的绩效期望 用户的绩效期望能显著影响用户对推荐信息的接 受意愿和采纳行为。了解用户真正的需求，包括潜在需 求和现实需求，综合评判出对用户真正有用的推荐信 息，必要时可形成用户群，根据用户群的需求特点进行 针对性推荐。 ３．２．２注重隐私意识 有２３％的用户不愿意根据自己的浏览和购买记录 为朋友和他人提供推荐信息，这对购物网站依旧会带 来不小的影响，若是将社群影响综合考虑，购物网站的 损失更大，这就要求推荐系统要有选择地将用户的信 息传递给其他用户。 ３．２．３了解社群影响 若是用户身边人对所推荐的商品评价良好，这样 能直接影响用户的接受意愿，而且接受意愿会随着身 边的支持影响而逐渐加深，所以推荐系统设计中可以 建立用户社群平台，以朋友圈等方式获取更多的用户 相关需求，更好地为消费者提供服务。 ４结语 推荐系统现在不单单是一项技术，更是趋近于人 性化的服务方式，在消费过程中扮演着重要的角色。在 信息冗杂的现在，推荐系统为网络交易市场开辟了新 的天地，商家因此而增加销售额，用户因此而减少时 间、精力和财力的消耗。推荐系统致力于打造共赢的局 面，而用户根据推荐信息进行识别和判断，以决策出对 自身更有利的信息。 于微微，王心妍，相静个性化推荐系统用户接受意愿和采纳行为影响因素研究 本刊Ｅ－ｍａｉｈｔｓｑｂｄｋ＠１６３．ＣＯＢ 信息工作研究 参考文献 ［６］刘冰．基于用户体验视角的信息质量反思与阐释 ［Ｊ］．图书情报工作，２０１２，５６（６）：７４—７８；８９． ［１］姜霖，张麒麟．基于评论情感分析的个性化推荐策 略研究：以豆瓣影评为例ＥＪ］．情报理论与实践，２０１７，４０ （８）：９９—１０４． ［７］付江．网站推荐机制中的艺术、科学与商务问题 ｌＥＢ／ＯＬ］．（２００７—０４—１８）．ｈｔｔｐ：／／ｂｌｏｇ．ｃｓｄｎ．ｎｅｔ／ｊａｖａ０６０５１５／ ａｒｔｉｃｌｅ／ｄｅｔａｉｌｓ／１５６８８２４． ［２］马晓亭．基于情景大数据的图书馆个性化服务推 荐系统研究ＥＪ］．现代情报，２０１６，３６（４）：９０—９４． ［３］宋立荣，李经思．从数据质量到信息质量的发展 ［Ｊ］．情报科学，２０１０，２８（２）：１８２—１８６． ［４］王扶东，杨宏一，薛冰．基于隐ｌ生社会网络社团划 （责任编辑：薛培荣） 作者简介：于微微，女，１９８０年生，滨州医学院公共 卫生与管理学院副教授；王心妍，女，１９９６年生，辽宁师 分的推荐方法研究ＥＪ］．现代情报，２０１５，３５（５）：４９—５３． ［５］王丹．在线个性化推荐系统用户采纳影响因素研 究［Ｄ］．天津：天津职业技术师范大学，２０１６． 范大学管理学院２０１７级在读硕士研究生；相静，女， １９７９年生，滨州医学院公共卫生与管理学院副教授。 Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ Ｉｎｆｌｕｅｎｃｅ Ｆａｃｔｏｒｓ ｏｆ Ｕｓｅｒ’Ｓ Ａｃｃｅｐｔ Ｗｉｌｌｉｎｇｎｅｓｓ ａｎｄ Ａｄｏｐｔｉｏｎ Ｂｅｈａｖｉｏｒ ｉｎ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍｓ ＹＵ Ｗｅｉｗｅｉ，ＷＡＮＧ Ｘｉｎｙａｎ，ＸＩＡＮＧ Ｊｉｎｇ ＡＢＳＴＲＡＣＴ：Ｔｈｉｓ ｐａｐｅｒ ｕｓｅｓ ｔｈｅ ｎｅｔｗｏｒｋ ｐｌａｔｆｏｒｍ ｏｆ ｑｕｅｓｔｉｏｎｎａｉｒｅ ａｎｄ ＷｅＣｈａｔ ｓｏｃｉａｌ ｍｅｄｉａ ｔｏ ｃａｒｒｙ ｏｕｔ ｔｈｅ ｑｕｅｓｔｉｏｎｎａｉｒｅ，ｕｓｅｓ ｔｈｅ ＩＢＭ ＳＰＳＳ ２２．０ ｓｏｆｔｗａｒｅ ｔｏ ｃａｒｒｙ ｏｕｔ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ，ａｎｄ ｕｓｅｓ ｓｔａｔｉｓｔｉｃ ｄｅｓｃｒｉｐｔｉｏｎ， ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ ａｎｄ ｏｔｈｅｒ ｓｔａｔｉｓｔｉｃａｌ ｍｅｔｈｏｄｓ ｔｏ ｃａｒｒｙ ｏｕｔ ｔｈｅ ｄａｔａ ａｎａｌｙｓｉｓ，ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｒｅｃｏｍｍｅｎｄｅｄ ｔｉｍｅ ｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ ａｎｄ ｕｓｅｒ’ｓ ｐｅｒｆｏｒｍａｎｃｅ ｅｘｐｅｃｔａｔｉｏｎ ｃａｎ ｓｉｇｎｉｆｉｃａｎｔｌｙ ａｆｆｅｃｔ ｔｈｅ ａｃｃｅｐｔ ｗｉｌｌｉｎｇｎｅｓｓ ａｎｄ ａｄｏｐｔｉｏｎ ｂｅｈａｖｉｏｒ，ｕｓｅｒ ｐｒｉｖａｃｙ ｃｏｎｓｃｉｏｕｓｎｅｓｓ ｃａｎ ｓｉｇｎｉｉｆｃａｎｔｌｙ ｉｎｆｌｕｅｎｃｅ ｕｓｅｒｓ’ａｃｃｅｐｔ ｗｉｌｌｉｎｇｎｅｓｓ ｏｆ ｒｅｃｏｍｍｅｎｄ ｉｎｆｏｒｍａｔｉｏｎ， ｉｎａｌｆｌｙ，ｐｒｏｐｏｓｅｓ ａ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｅｒｖｉｃｅ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔｒａｔｅｇｙ ｆｒｏｍ ｔｗｏ ａｓｐｅｃｔｓ ｏｆ ｓｙｓｔｅｍ ａｎｇｌｅ ａｎｄ ｕｓｅｒ ａｎｇｌｅ． ＫＥＹ ＷＯＲＤＳ：ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ；ａｃｃｅｐｔ ｗｉｌｌｉｎｇｎｅｓｓ；ａｄｏｐｔｉｏｎ ｂｅｈａｖｉ０ｒ：ｉｎｎｕｅｎｃｅ ｆａｃｔｏｒｓ ７９