作者简介
廖觅燕,电子科技大学经济与管理学院博士研究生,研究方向:大数据与营销管理
方佳明(通讯作者),电子科技大学经济与管理学院教授、博士生导师、博士,研究方向:大数据与营销管理、服务与运营管理
杨晶晶,电子科技大学经济与管理学院硕士研究生,研究方向:大数据与商务智能
Md Altab Hossin,成都大学创新创业学院讲师、博士,研究方向:机器学习算法与预测模型
研究缘起
为了应对激烈的市场竞争,许多移动应用程序(App)公司逐渐采用了算法驱动的交互式内容分发模式来推送个性化内容。据人民日报报道,当前基于算法的个性化内容推送已占整个互联网信息内容分发的70%。App推荐算法驱动的内容分发模型虽然可以实现用户与内容的精确匹配,但同时也使得推送信息的内容变得越来越集中,最终可能导致“信息茧房”效应,加剧用户疲惫体验。内容疲劳会严重影响用户体验,随着用户浏览同类新闻数量的增加,点击率会急剧下滑。用户留存成为App运营企业生存与发展的核心问题。
疲惫体验能够直接负面影响用户的产品使用,导致减少使用和废弃使用。然而,迄今为止的文献无法解释为什么部分用户即使产生了疲惫感却仍持续使用产品这一现象。事实上,为了应对推送内容相似性导致的疲劳体验,部分App用户会致力于“失实交互”,即故意隐藏自己的真实内容偏好,以便App内容推送系统根据用户虚假的显性(例如点赞、评分、收藏、分享等)和隐性(例如浏览,点击等)反馈行为数据调整推送结果。例如对不喜欢的内容点赞或故意忽略那些符合自己喜好的内容,以改善应用程序推荐结果。这种失实交互行为可以打破信息茧房,提升推送内容的多样性,目前尚未有研究探究用户主动应对行为在疲惫感影响持续使用行为中的作用。
为了弥补现有研究不足,本研究基于用户应对过程理论,将App用户的失实交互行为视为App用户应对推送内容疲劳的一种重要的“技术适应”,构建一个移动App场景下算法推荐内容相似性用户应对模型。本研究试图探究如下两个问题:第一,内容相关的疲劳感如何导致失实交互行为?第二,失实交互行为如何影响用户持续使用App?通过解决上述问题,能够打开用户疲惫体验与产品持续使用之间的理论黑箱,丰富和拓展现有在线用户疲劳感研究和用户适应应对理论。同时对移动端推荐系统的开发与改进提供实践参考。
理论渊源
用户应对理论描述了个体应对周围环境发生威胁事件或压力性事件的过程。该理论认为个体面对压力情境时,通常会经历两个子过程:认知评价和应对适应。其中,认知评价过程又进一步分为初级评价和次级评价。在两阶段评价的基础上,个体发展出相应的两种应对策略以应对压力性事件:问题聚焦应对策略旨在管理问题本身,即个体通过改变压力情景或改变自身来应对威胁;情绪聚焦应对策略旨在调节个人情绪,维持一种稳定的情绪状态,最大限度地减少压力性事件带来的情绪困扰。个体对于两种应对方式的选择主要取决于之前的认知评价过程。当个体认为他们对情况缺乏控制时,会倾向于选择以情绪为主的应对方式。而个体认为他们能够控制情况时,会倾向于选择以问题为主的应对方式。
用户应对理论已被应用于分析工作场景下的信息技术与信息系统(IT/IS)使用。例如,用户应对不同性质IS事件涉及四种策略:“利益最大化”、“利益满足”、“干扰处理”和“自我维护”策略。其中,当用户面临威胁性IS事件时,根据用户感知情境可控性高低,用户将分别采取问题聚焦的干扰处理策略或情绪聚焦的自我维护策略。又如,应对理论可以解释用户对恶意IT的应对行为以及对新IT/IS的使用行为。
在本研究情境下,App是设计用于在移动智能设备上运行的计算机程序或软件应用程序,App推送内容相似性带来的疲惫感作为一种压力事件,App用户有动机通过相应的应对策略来改善这种不良体验带来的负面影响。同时,App的交互式推荐系统使得用户有可能通过行为反馈改变推送内容以改善这种负面体验。基于此,用户应对理论可以为研究用户如何应对 App推送内容相似性引起的疲劳感提供一个有用的理论框架。本研究基于用户应对过程理论,将交互式推荐系统情境下用户的失实交互行为作为连接用户疲惫与持续使用行为之间的一种重要机制,为疲惫体验和用户的持续使用行为提供了一种可能的理论解释。
国内外研究基本情况
现有推荐系统评价的研究主要集中在算法性能提升方面。在个性化推荐系统中,准确获取用户对内容的偏好是一个非常重要的过程,直接影响到后续兴趣匹配和推荐列表排序的质量。但用户反馈行为数据中存在着各种偏差。如果盲目地基于这些有偏数据进行用户行为偏好的拟合,会严重影响用户对推荐服务的满意和信任。目前主要涉及四类用户显性和隐性反馈行为数据偏差,包括:样本选择偏差,从众偏差,暴露偏差,位置偏差。和这些行为数据类似,用户失实交互行为也是一类有偏的用户行为反馈数据,会影响基于协同过滤算法的推荐系统内容推送质量。但是,目前尚无文献对推送内容相似性导致的用户失实交互行为进行深入研究。
另一方面,目前关于在线用户疲劳感的文献主要集中于对社交网络疲劳的研究。疲劳是一种精神生物学状态,其特征是主观感觉“疲劳”和“缺乏精力”,会对个体的心理和生理健康产生不利影响。社交网络疲劳的来源集中于过载和信息内容同质化。过载被视作导致用户社交网络疲劳的核心因素,主要包括信息过载,系统功能过载和社交过载。除了过载,信息内容同质化也是造成疲劳感的重要前因。本文研究的在线用户疲劳感正是用户使用app时的一种主观的、自我评价的疲劳感,是由推送内容高度相似造成的消极情绪反应。经历疲劳的用户往往会负面影响社交网络服务的使用。虽然以往研究已经确认疲劳感是造成用户中断使用行为的重要影响因素,但是鲜有研究能够解释为什么有的用户即使产生疲劳感却仍持续使用产品这一现象。
研究创新点
首先,本研究首次研究了移动推荐系统算法导致的用户疲劳感问题。过去的研究主要将用户疲劳归因于信息过载,本研究中的用户疲惫源自推送内容的相似性,反映了用户的失望与不满。因此,与信息过载所致的用户疲惫有很大差异。另一方面,本文首次揭示了用户应对行为在用户疲惫感与持续性使用行为之间的重要作用。以往研究指出用户疲劳感会导致用户转移或中断使用等非持续使用行为,但并未解释为什么用户即使产生了疲惫感却仍持续使用产品这一现象。本研究提出并验证了一个介于内容疲劳感和用户持续使用行为之间的重要连接机制——失实交互行为,扩展了以往对用户疲劳感的研究,提升了对用户应对行为作用的理解。
其次,本研究通过对移动推荐系统下的App用户失实交互行为分析,拓展了现有推荐系统用户行为数据偏差研究。虽然近年来大多研究专注于提出新的机器学习模型,以更好地拟合用户行为数据,越来越多的学者关注推荐系统中用户行为数据偏差问题。但现有推荐系统文献尚未对App用户的失实交互这一现象导致的用户行为数据偏差问题进行研究。本文对该行为形成与潜在影响的研究对推荐系统算法设计和改进具有启发作用。
最后,本研究通过构建个人移动App场景下算法推荐内容相似性用户应对模型,对用户应对适应行为研究领域文献进行了补充与拓展。现有关于用户适应信息系统与信息技术行为的研究聚焦于组织环境中信息系统与信息技术的使用行为。工作场景下的信息系统与信息技术的使用往往具有功利主义导向,更容易受到来自管理团队等外部压力的影响,而不是个人的感受或体验,比如疲劳感。本研究基于个人移动App场景研究了用户的应对行为,拓展了用户应对理论使用场景。
实践启示
第一,帮助移动App开发者理解用户的应对行为,更好地管理用户内容疲惫体验,减少用户流失。内容疲惫体验会通过情绪聚焦应对策略导致用户的非持续使用行为。因此,App开发者应构建一些策略来减轻用户的疲劳体验。例如,在推荐内容中不定时地引入异质性主题推送内容保持用户兴趣。结果也表明提高用户对App和自我的知觉控制感水平可以促使用户发展以问题为主的积极应对策略并采取失实交互行为的可能性,从而增加他们继续使用App的可能性。一种提高用户对App功能和特性的知觉控制感的方法是在App中加入推送内容配置模块,用户可以随时根据自己的喜好搭配调整推荐内容。现在有些App运营商中在其产品中添加推送内容反馈按钮,比如“不感兴趣”或“不推荐这类内容”以及细分推送内容频道策略可以起到类似效果。
第二,研究结果也提示App开发者识别与理解用户失实交互行为对于优化内容推荐的重要性。现有的推荐系统往往依据用户的显性和隐性行为特征作为用户偏好识别依据,但是App用户可能会故意给符合自己偏好的内容点“不感兴趣”。移动推荐系统算法设计需要交叉比对推荐系统中的显性和隐性用户反馈行为,动态调整更新用户偏好,使用户与内容获得更好的匹配。此外,基于多维用户画像数据、推送内容属性以及与内容交互没有直接关联关系的场景数据建立用户的信息偏好模型,并增加推荐内容的多样性,减少用户疲劳的可能性。
心得体会
在《南开管理评论》这本国内管理学复合影响因子最高的期刊上发表我们最新的研究成果一直是我们的追求目标。我们从2020年底开始构思这篇论文的研究,于2021年6月22日提交了投稿,并在2021年9月20日收到了第一轮外审意见。审稿专家们主要关注模型中失实交互这一构念的概念化,并对如何完善研究设计提出了非常具有建设性的意见。为了响应这些意见,我们对这些问题进行了逐一修改与完善,补充了新一轮的问卷收集与模型检验结果,较好地解决了专家们提出的问题。第二次外审意见于2022年1月21日返回,专家们在这轮审稿中指出了一些需要进一步完善理论论述的方面。我们又针对每个问题进行了详细讨论和细致修改。最终,经过两轮修改,论文得以顺利录用。在此,我们衷心感谢《南开管理评论》的编辑老师和审稿专家,感谢他们提供了修改稿件的机会,并为我们的研究提出宝贵的意见和问题,这些意见和问题帮助我们提高了文章的质量。我们对专家们的专业素养和严谨态度表示深深的敬意!
原文引用
廖觅燕,方佳明,杨晶晶,Md Altab Hossin.应对行为视角下算法推荐内容相似性对App持续使用的影响. 南开管理评论,2023,26(3).
转自:“南开管理评论”微信公众号
如有侵权,请联系本站删除!