商品参数
信息系统学报 第17辑 |
|
曾用价 |
62.00 |
出版社 |
科学出版社 |
版次 |
1 |
出版时间 |
2017年04月 |
开本 |
|
作者 |
清华大学经济管理学院 |
装帧 |
平装 |
页数 |
148 |
字数 |
250 |
ISBN编码 |
9787030525499 |
内容介绍
《信息系统学报》是我国信息系统科学研究领域的**专门学术出版物,被信息系统协会中国分会指定为会刊。
《信息系统学报》倡导学术研究的科学精神和规范方法,鼓励对信息系统与信息管理领域中的理论和应用问题进行原创性探讨和研究,旨在发表信息系统研究领域中应用科学严谨的方法论、具有思想性与创新性的研究成果,并在国际学术界产生影响。其稿件内容包括相关的理论、方法、应用经验等,涵盖信息系统各个研究领域,注重结合我国国情的探讨,从而对我国和世界信息系统的研究与应用做出贡献。
目录
目录
主编的话 ⅩⅢ
CNAIS 2015特辑
社交APP中LBS用户隐私关注的影响机理研究/刘鲁川,安昭宇 1
软件测试中的游戏化元素研究——基于手机测试的多案例研究/王亚飞,杨波,王星,田金英 21
云存储背景下影响在线好友邀请项目成功的因素研究/史楠,丁一,王刊良 33
在线产品评论对消费者剩余的影响/朱存根,姚忠,冯娇 48
企业生成内容对用户生成内容的影响——以新浪企业微博为例/吕喆朋,黄京华,金悦 62
研究论文
面向用户学习的产品知识地图构建研究/杨春姬,陈智高,马玲 79
在线社会支持的提供意愿研究——基于解释水平理论的视角/李嘉,柳明辉,刘璇,张朋柱,张晨 92
农产品流通信息平台质量对用户满意度的影响——基于使用经验的调节作用/徐健,王盼,吕成戍 111
从新进入者到领先者——基于关系管理的平台创新/栾世栋,晏梦灵,李昶,董小英 123
学术动态 144
CONTENTS
EDITORS’ NOTES ⅩⅢ
SPECIAL SECTION—CNAIS 2015
The Study of Influencing Factors That Affect LBS Users’ Privacy Concern in Social APPs/ LIU Luchuan,AN Zhaoyu 1
Research on Gamification Elements in Software Testing—A Multi-case Study Based on Mobile Phone Testing/ WANG Yafei,YANG Bo,WANG Xing,TIAN Jinying 21
Study of Factors Impacting the Success of Online Referral Program in the Context of Cloud Storage Service / SHI Nan,DING Yi,WANG Kanliang 33
The Impact of Online Consumer Reviews on Consumer Surplus / ZHU Cungen,YAO Zhong,FENG Jiao 48
The Influence of Marketer-Generated Content on User-Generated Content—Empirical Study from Enterprise Microblogging on Weibo.com in Sina / LV Zhepeng,HUANG Jinghua,JIN Yue 62
ARTICLES
Product Knowledge Map Construction—A User-Learning Oriented Method / YANG Chunji,CHEN Zhigao,MA Ling 79
Research on Intention to Provide Online Social Support—A Construal Level Theory Perspective /LI Jia,LIU Minghui,LIU Xuan,ZHANG Pengzhu,ZHANG Chen 92
Impact of Quality Antecedents on End User Satisfaction—Moderating Effect of Experience/XU Jian,WANG Pan,LV Chengshu 111
From A New Entrant to A Leader—Exploring Platform Innovation Based on Relationship Management /LUAN Shidong,YAN Mengling,LI Chang,DONG Xiaoying 123
EVENTS 144
在线试读
社交APP中LBS用户隐私关注的影响机理研究
刘鲁川 安昭宇
(山东财经大学管理科学与工程学院,山东济南250014)
摘要 针对用户使用社交APP中基于位置的服务(location-based service,LBS)时的隐私关注行为,借鉴以用户为中心的设计方法(user centered design,UCD),结合访谈法、日志法开展探索性的研究,以探明社交APP中LBS用户隐私关注的影响因素;在此基础上,通过文献归纳提出LBS用户隐私关注影响机理概念模型,采用问卷法收集数据,并用VisualPLS数据处理以验证模型。结果表明,LBS服务质量与LBS隐私关注呈负相关关系,感知风险与LBS隐私关注呈正相关,信任与LBS隐私关注呈负相关,并得到其他构念与LBS服务质量、感知风险、信任之间的关系。
关键词 移动社交,LBS,隐私关注,隐私保护
中图分类号 C931.6
1 引言
随着网络技术、无线定位技术和移动通信技术的飞速发展,基于位置的服务(location-based service,LBS)已逐渐融入人们的生活。《2014年中国移动互联网行业深度报告》指出,LBS作为移动互联网的细分市场以及**个明确增量市场,产生的基于LBS的精准推荐将带来巨大价值并使其成为*具增长性的新型业务之一[1]。《基于LBS的O2O发展专题研究报告2013》将LBS市场细分为5部分,即LBS+路线规划、LBS+生活服务、LBS+社交、LBS+电子商务、LBS+游戏娱乐[2]。
虽然移动社交引入LBS服务后促进了传统SNS(social network sites,即社会性网络服务)中用户真实性的回归,极大地方便了手机用户的使用,但与此同时,其隐私风险也更加凸显出来。LBS服务的特点在于,移动用户在享受该服务之前,需向APP(application,即应用)的服务器提供自己的位置信息,但是系统往往无法保证用户信息不被泄露,甚至在交互过程中被非法截取。iPhone手机曾被曝出,其定位服务会在用户不知情的前提下默认记录用户的位置,其信息的精确性引发了大批用户的恐慌[3]。用户位置信息的泄露,可能会直接或间接导致用户受到垃圾信息骚扰;也可能暴露用户的住址、工作地点,给用户的私人生活带来负面影响;更有甚者,根据用户的位置信息可以推测出用户的行为习惯、职业信息、社交信息,甚至用户身份,极大地侵害了用户隐私[4]。关于LBS隐私担忧的存在,阻碍了LBS市场的发展和商业前景,而享受高质量的LBS服务与位置信息保护是矛盾的,因此理解用户隐私关注的影响因素及其影响机理就尤为重要。
2社交APP中LBS隐私关注影响因素提取
隐私关注影响因素的提取属于探索性研究阶段。为了准确捕捉社交APP中LBS用户隐私关注影响因素,我们采用用户访谈、日志法等用户研究的方法,从用户角度出发,把握用户使用LBS产品过程中的行为规律,结合文献归纳,探索影响用户使用LBS服务的因素和影响用户LBS隐私关注的因素。
2.1 研究问题的确定
我们考虑以用户的行为规律、心理特点作为切入点,从而拟定如下研究问题(以下LBS均指社交APP中的LBS服务):
(1)用户使用LBS的特点和规律。
(2)用户使用LBS的动机、需求、担忧。
(3)影响用户使用LBS的相关因素。
(4)用户认为LBS的隐私问题有哪些?用户对此的隐私关注程度如何?
(5)影响用户的LBS隐私关注的因素以及影响途径。
2.2 研究方法
针对问题(1),需要大量LBS用户的真实使用数据来反映这种规律性和用户习惯,因此我们采用在线数据抓取来得到相关信息;对于问题(2)~问题(4),我们需要针对性的探索,获取用户的LBS使用行为以及行为背后的动机、态度等,因此我们拟采用访谈法,同时,为了记录用户使用LBS服务的场景,还要采用日志法进行为期一周左右的记录;对于问题(5),我们将以前期的文献归纳和规范的用户研究为基础,尝试提取影响用户LBS隐私关注的因素并进行聚类,建立LBS隐私关注初始模型,采用问卷调查的方法,验证模型并确定各因素的影响程度。
2.2.1 在线数据分析
我们利用新浪微博(Weibo.com)的API(application programming interface,即应用程序编程接口)来完成在线数据抓取,借助Weibo Crawler(微博爬虫工具软件)工具和“中国人文社会科学研究工具包”CST(computer science and technology,即计算机科学与技术)下的Rost Data Snag Tool(微博数据抓取工具)收集用户的LBS使用数据。
1)数据抓取
在微博中LBS服务的具体体现即为用户对“微博位置”的使用,根据研究需要,数据的收集主要分为4类,即用户基本信息、关注与被关注列表、微博位置标记、微博位置上发布的内容和评论。利用新浪的微博API(open.weibo.com),在2014年7月主要以“关键字”的形式,一共抓取了3万名用户的约110万条微博位置和签到数据,大致分类为位置+原创内容、@、转发、话题、其他。
2)数据分析
我们以“位置+原创内容”大类为基础,进行统计分析,以期发现用户使用LBS服务的行为特点,总结出以下规律:
(1)极少用户会在具体的居住地点进行LBS位置标记(约11%)。
(2)用户进行位置标记时,对于一些比较敏感的地点,倾向于使用范围更大的、更模糊的地点来签到,如后海小区、省委宿舍,或者给这些地点重新命名,如中国传媒大学根据地。
(3)用户倾向于在公共场所,如广场、学校、图书馆、电影院、操场、餐饮店、公园、商场、酒店、医院、KTV、酒吧等进行位置标记,用户的大多数位置标记也集中在这个范围。其中随机抽取的1 500条“位置+原创内容”大类的位置数据中,学校131条、餐饮店107条、操场47条、图书馆38条、商场112条、酒店85条、电影院126条、医院74条、公园98条、KTV69条、酒吧94条、广场155条。
3)对在线数据分析的总结
通过对抓取到的数据进行统计分析后可以发现,社交APP的用户在使用LBS服务时,有很显著的倾向会刻意避开较为敏感的私人地点,转而用更大的范围代替。同时,用户更加青睐的LBS签到地点大多是公共场所,这很可能是出于隐私保护的考虑。因此我们可以假设,用户在使用LBS服务时,对个人隐私具有较强的关注和忧虑,而且用户已经开始有意识地对个人隐私进行保护。
2.2.2 访谈法
用户访谈主要用来研究与主观情绪相关的、难以客观度量计算的问题,一对一的深度访谈是用户研究中的常用方法。用户访谈可以很好地展现用户使用系统的方式、方法、态度、继续使用或停止使用的影响因素等,帮助研究者深入了解用户的使用体验。从可用性角度出发,用户访谈属于间接方法的一种,它关注的是用户对系统的主观态度。另外,用户对行为的言语表述并不能完全还原其真实行为,因此访谈过程中要把重心放在用户行为的体现上[5]~[7]。
2.2.3 日志法
日志法作为用户研究过程中的另一种有效方法,多被用于详细记录用户使用产品时的实际情况和场景,体现用户如何在特定场景中完成产品使用任务,而且也使在不同环境中收集用户数据变得更加容易。日志法强调在一定时间段内对用户进行跟踪研究,以期重现真实的用户使用场景,为编写人物角色提供帮助。但是,日志法只能对用户行为进行展现,无法描述用户的行为和动机[5]~[8]。因此,进行用户研究时我们将访谈法和日志法这两种方法结合起来使用,充分获取对用户的描述。
2.3 人物角色
1)用户选取
实施用户访谈和日志法的目的是了解用户使用产品时的态度、习惯、需求、期望及不满,因此合适的样本用户才能够达成用户研究的目的。较为理想的样本用户应有代表性,熟悉产品特性,且有丰富的使用经验,以此得到的数据能够较好地覆盖目标用户群[8]。在用户研究的前期,我们需要进行严格的样本用户筛选,目标锁定在使用LBS服务以及移动社交相对活跃的群体。以新浪微博和微信朋友圈为例,这类人群在产品使用上有非常高的活跃度、好友数量、关注和被关注数量等,发布的内容中涉及LBS定位的占比相对较高,且有较长的使用社交APP的时间和较丰富的使用经验。借鉴人口统计学要求,参照产品相关的用户属性,我们对样本用户群体的筛选要求如下。
(1)人数:10名左右。
(2)性别:男女比例为1∶1左右。
(3)年龄:19~35岁。
(4)地域:尽量分布在不同城市。
(5)社交产品中的好友数大于120,关注数应大于300,被关注数应大于500。
(6)每天至少有三次使用社交APP(新浪微博、微信朋友圈、人人网)的行为。
(7)使用LBS服务一年以上,每周至少有三次使用LBS服务的行为。
*后我们找到8名用户,由于地理位置分布的原因,采取线上和线下访谈结合的方式,总共历时10天。用户具体情况见表1。
表1 样本用户信息
2)研究过程
首先,进行用户访谈,了解样本用户日常使用LBS服务的行为特点、习惯及背后的态度和动机;其次,请样本用户以自报告形式记录自己的LBS服务使用情况,进行日志法研究,历时7~10天,以更完整地了解样本用户使用LBS时的情境;*后,日志记录结束后,进行总结终访。
由于访谈前并无法准确地知晓用户使用LBS服务的影响因素,所以整个用户访谈属于探索性研究,要把重心放在如何发掘用户的日常使用行为、背后的动机,以及影响用户持续使用或者停止使用的因素。另外,一般来说样本用户难以准确描述产品使用阶段自己的心理活动,因此获取的数据缺乏准确性,所以进行用户访谈时,我们应该避免对用户进行直接简单的询问,而是通过诱导的方式让用户主动回忆并讲述自己*近使用LBS服务的经历,尽*大可能准确地向我们表述当时的使用场景,进行位置标记的原因,使用过程中有什么关注的问题,影响自己继续使用或停止使用LBS的因素,等等。
在初次用户访谈结束后,我们要求样本用户配合我们进行为期一周的日志法研究,自行记录他们使用LBS时的情境和细节,保持每三天进行一次沟通的频率。除了提交使用日志,还要进行简单的访谈,由用户主动对过去三天使用细节进行复述,如时间、地点、动机、情境,同时查看样本用户在移动社交平台上的LBS发布记录,更详细地捕捉用户使用LBS服务的影响因素。为期一周的日志法结束后,对样本用户进行一次终访。
3)定性分析
结合上述用户研究方法,我们对得到的报告进行整理,总结出了若干影响使用LBS服务的因素。
在使用LBS服务前,用户考虑的主要因素包括:
(1)朋友和熟人的推荐。
(2)社交APP中与LBS相关的激励机制或因LBS而获取的更多的有用信息会促使用户使用LBS。
(3)好友使用LBS的频率、积极性。
(4)社交APP本身的口碑会影响用户使用LBS。
(5)用户之前在该APP的LBS使用体验的好坏,会影响用户决定是否继续使用LBS服务。
(6)社交APP中LBS服务的感知有用性。
(7)LBS隐私问题的新闻或负面报道。
(8)社交APP中与其他用户的熟悉程度。
(9)用户所在地点对用户来说是否敏感。
在LBS服务使用过程中,影响用户的因素包括:
(1)社交APP自身隐私保护功能或措施是否完善。
(2)使用LBS服务时是否有良好的体验和感受。
(3)用户对LBS相关的信息是否有足够的控制权。
(4)用户是否被告知APP如何使用其LBS信息。
(5)社交APP是否允许用户对自己的LBS相关信息进行自定义设置。
样本用户对LBS服务的个人期望如下:
(1)期望社交APP的LBS功能使用简单方便。
(2)期望LBS功能可以为自己带来更多有用信息。
(3)期望用户可以对LBS相关的信息具有相对完全的控制权,如加密与否、指定人群可浏览。
(4)期望运营商可以推出更好的隐私保护机制。
4)人物角色示例
腾讯公司的用户研究与体验设计部曾在其著作中指出,人物角色是建立在人的行为和动机基础上的用户模型,在设计过程中可以代表真实的用户群,帮助研发人员更好地把握目标用户群体特征[9]。
通过对前期用户研究数据、LBS用户行为、态度、动机的整理,我们通过聚类分析形成了三类用户角色来区分用户特征,并结合使用频率、动机、态度、行为等维度进行细分,具体内容见表2。
表2 用户特征
对8位样本用户的人物角色进行整理后,1号、2号和8号的人物角色在用户群体方面具有较强的代表性,详见附录1~附录3(出于隐私保护考虑不提供角色照片)。
2.4 LBS隐私关注影响因素的提取
通过规范的用户研究,18项影响因素和用户期望被聚类为LBS服务质量、感知风险和信任三个维度。
2.4.1 隐私关注文献归纳
1)文献整理
Kim等基于认知、个性、经历、信息服务质量对电商环境下消费者隐私关注影响因素进行分类[10];Chai等发现,用户的隐私关注受到各方面不同维度因素的影响,包括用户的自我效能、感知信息重要性、用户的受教育水平及群体隐私意识等[11];S. S. Choi和M. K. Choi发现隐私关注受信息类型的显著影响[12];在研究互联网环境下的隐私问题时,Phelps等发现消费者隐私关注和隐私披露意愿受信息质量显著影响[13];Malhotra等研究发现信息的重要程度与消费者隐私关注呈正相关关系,与隐私披露行为呈负相关关系,较好的服务质量可以在一定程度上降低隐私担忧[14]。综上,提出如下假设。
H1:LBS服务质量与LBS隐私关注水平呈负相关关系。
周涛和鲁耀斌在对移动商务环境的研究中指出,隐私关注由信息收集、二次使用、信息错误、不适当访问四个一阶维度构成,能够对用户的信任和感知风险产生显著影响,进而间接影响用户的采纳行为[15]。Cheshire等认为影响用户隐私关注的主要因素涵盖了信息控制、网络谨慎、不良事件经历、信任、IT(information technology,即信息技术)知识等方面[16];Weible的研究中指出,在特定的情境中,信息敏感度与用户隐私忧虑呈正相关关系,从而引发用户对个人隐私安全的关注[17];2009年,在对移动广告进行研究时,Okazaki等发现信息敏感度会增加用户的风险担忧,提高隐私关注程度[18]。综上,提出如下假设。
H2:LBS感知风险与LBS隐私关注水平呈正相关关系。