陈静　陈红丽　平晓亚

关键词： 移动搜索； 跨ＡＰＰ 意圖； 跨ＡＰＰ 搜索； 微刻时序访谈法； 任务类型； 马尔可夫链

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００５

〔中图分类号〕Ｇ２５２.０ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） ０９－００５１－１２

《２０２２ 年移动互联网行业报告》显示， 互联网人群已经习惯移动的生活方式， 娱乐、阅读、休闲和消费等网络服务被充分渗透， 移动应用ＡＰＰ 与用户日常生活高度关联， 通过ＡＰＰ 交互完成日常移动搜索任务逐渐成为人们获取信息的重要方式［１］ 。日常信息搜索是指用户为满足最广泛的日常信息搜索需求而表现出的自然搜索行为［２－３］ 。同时， 用户日常搜索需求呈现出即时性和复杂化的特点［４］ ， 在移动搜索中用户可能需要在多个ＡＰＰ 上协同合作才能完成搜索， 这种用户交互活动在不同ＡＰＰ 间转移的行为称为跨ＡＰＰ 行为［５］ 。随着信息技术的发展， 用户在日常信息搜索情境下发生跨ＡＰＰ 搜索行为的现象十分普遍［６］ ， 而其行为规律还有待进一步明确。

用户跨ＡＰＰ 搜索过程中， 可能会出于相同或不相同的搜索目标而转移到下一个ＡＰＰ。跨ＡＰＰ意图是指用户离开当前ＡＰＰ， 转入下一个ＡＰＰ 的意图。在此种意图组成的意图序列之上提取的规律模式， 称之为跨ＡＰＰ 意图转移模式。现有研究中，跨ＡＰＰ 搜索行为研究多是基于客观的ＡＰＰ 转移路径模式［７］ ， 利用用户主观数据探究跨ＡＰＰ 意图转移模式， 以深入解释跨ＡＰＰ 搜索行为机理内部动因的研究尚不多见。此外， 用户日常信息搜索会话有时简单有时复杂［８］ ， 可以划分为简单型任务和复杂型任务。简单的任务需求如天气信息的查询， 通过一个ＡＰＰ 就可以轻松满足； 但用户也会通过访问一系列ＡＰＰ 收集、筛选和综合信息来解决复杂的任务， 比如计划假期等［９］ 。搜索任务类型直接影响了用户的跨ＡＰＰ 意图。因此本文提出以下３ 个研究问题： ①日常信息搜索情境下用户偏好的跨ＡＰＰ意图类型有哪些？ ②日常信息搜索情境下用户的跨ＡＰＰ 意图转移模式有哪些？ ③简单型任务和复杂型任务下用户偏好的跨ＡＰＰ 意图转移模式是否相同？

基于这３个研究问题， 本文从用户日常信息搜索情境出发， 探讨移动搜索跨ＡＰＰ 意图转移规律，挖掘频繁的跨ＡＰＰ 意图转移序列， 凝练用户跨ＡＰＰ 意图转移模式， 并分析不同模式与任务类型的关联， 最后针对ＡＰＰ 服务优化提出启示。本文理论上补充和丰富了移动搜索行为机理相关研究，实践上有助于优化ＡＰＰ 系统提升用户移动搜索体验， 并为其提供更有效的交互方式。

１相关研究综述

１.１移动搜索

移动设备已经成为日常生活中不可或缺的一部分， 人们越来越依赖移动设备进行信息搜索。移动搜索是用户在一定的环境下出现信息需求后， 通过移动网络终端来满足其信息需求的过程［１０］ 。该行为可看作是检索、浏览、交互、选择、获取与利用等一系列广泛意义上的行为集合， 能够使用户获得随时随地、快速高效与情境感知的个性化信息与服务［１１］ 。移动搜索具有自由度高、搜索精确性及智能个性化等特点［１２］ 。与传统的桌面端搜索相比，移动搜索更灵活， 用户没有固定设备的空间限制，可以随时随地搜索。随着移动服务的精细化和个性化， ＡＰＰ 的领域更加垂直， ＡＰＰ 服务的用户群体更加精准。

移动搜索中日常信息搜索已经成为重要的研究议题。日常信息搜索代表了用户最广泛需求［１３］ 。Ｑｉａｎｇ Ｗ 等［１４］ 探究了老年人日常信息搜索行为的影响因素； Ｋｉｍ Ｊ［１５］ 将日常生活任务作为重要的信息搜索情境展开了调查； Ｄｅａｒｍａｎ Ｄ 等［１６］ 检查了用户日常信息需求以便更好的支持分享； Ｙｏｏｎ Ｊ Ｗ［３］考虑到日常生活中图像的激增， 详细考察大学生在日常生活中的图片搜索行为， 以上研究都揭示了日常搜索行为的重要性。因此， 了解用户日常生活中移动搜索行为可以帮助更好地理解用户真实需求，提供更为精准的搜索服务。

智能移动设备在单个设备中提供多媒体融合、无处不在的媒体访问以及与他人的持续连接， 用户每天要进行大量的ＡＰＰ 切换， 其使用数量的快速增长要求学术界更多地关注用户移动搜索中跨ＡＰＰ 行为［１７］ 。跨ＡＰＰ 行为现有研究主要关注用户从一个ＡＰＰ 转移到另一个ＡＰＰ 的路径和意图。路径指从ＡＰＰ 转移概率的角度来分析ＡＰＰ 间的转移规律［１８］ ， 而意图是促使用户发生跨ＡＰＰ 行为的驱动因素， 即跨ＡＰＰ 意图［１９］ 。

１.２跨ＡＰＰ转移路径

已有的跨ＡＰＰ 转移路径的研究揭示了用户跨ＡＰＰ 搜索成为常态［２０］ 。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 对跨ＡＰＰ应用链进行了定义， 并发现移动搜索活动中常常伴随着频繁的ＡＰＰ 转移， 并进一步对不同类型ＡＰＰ之间的转移特点进行了分析， 探索用户在各类ＡＰＰ之间转移规律［２２］ 。Ｘｕ Ｑ 等［８］ 发现用户面临较为复杂的信息需求时， 移动搜索会话相对来说也较为复杂， 一般会使用多个不同的ＡＰＰ， 并在这些ＡＰＰ之间开展频繁的交互。同时， 有研究发现， 用户在移动搜索后有相当高的概率会转移到社交通讯类ＡＰＰ［２３］ 。梁少博等［５］ 通过分析跨ＡＰＰ 转移路径，发现存在同类ＡＰＰ 和不同类ＡＰＰ 转移； 赵一鸣等［７］ 基于用户移动搜索系统的使用数据发现５ 类搜索系统切换模式， 分别是社交媒体依赖型、搜索引擎—信息流平台偏向型、搜索引擎主导型、搜索引擎—百科网站偏向型和社会化问答平台依赖型。以上研究表明， ＡＰＰ 转移是研究跨ＡＰＰ 行为研究的常见切入点， 据此揭示用户跨ＡＰＰ 行为特点和规律， 对ＡＰＰ 服务优化、用户ＡＰＰ 选择等方面具有重要指导意义。

１.３跨ＡＰＰ意图

针对跨ＡＰＰ 意图的现有研究主要聚焦于尝试挖掘用户的决策过程、原因或驱动因素等， 以了解用户的跨ＡＰＰ 意图， 从而为应用程序提供指导和优化建议［２４－２５］ 。臧岚等［１８］ 从多维度情境要素的角度构建了移动搜索跨ＡＰＰ 行为理论模型， 认为通过移动搜索情境信息可以分析出用户在移动搜索中的跨ＡＰＰ 意图， 进而作用于移动搜索跨ＡＰＰ 行为。Ｐｅｎｇ Ｘ 等［２６］ 关注个人和组织广泛采用的移动即时消息（ＭＩＭ）主题， 从社会网络的角度引入迁移理论来探索移动环境下影响用户跨ＡＰＰ（即时消息ＡＰＰ）意图的因素， 发现功能剥夺、金钱剥夺和个人创新可以积极影响用户跨ＡＰＰ 意图。Ｚｈａｎｇ Ｎ等［２７］ 探讨了ＡＰＰ 加载页面中代言人动作所表达的紧迫感对用户跨ＡＰＰ 意图的影响， 例如对于享乐导向的ＡＰＰ， 高紧迫性的代言人在限制用户跨ＡＰＰ 意图方面更有效等。Ｚｈａｎｇ Ｎ 等［２８］ 通过探索转换意图驱动因素发现性能预期对跨ＡＰＰ 意图有显著影响。Ｒｏｙ Ｓ［２９］ 基于技術接受模型框架（ＴＡＭ） 研究了ＴＡＭ 构念对跨ＡＰＰ 意图的后续影响， 发现ＴＡＭ 构念对跨ＡＰＰ 意图有显著影响。

此外， Ｌｅｉｖａ Ｌ 等［３０］ 认为ＡＰＰ 转移仍然是一个被忽视的交互， 其探索如何从智能设备使用数据中自动提取和表征大数据集中习惯性的ＡＰＰ 转移行为， 证明了用户在不同的情境下， 在同类ＡＰＰ 之间习惯性的反复切换。这一结果揭示了用户的偏好习惯是重要的跨ＡＰＰ 意图。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 采用质性研究的方法， 对移动搜索环境下用户跨ＡＰＰ 行为目的展开研究， 发现用户在ＡＰＰ 中搜索后倾向于进行分享行为。Ｗｕ Ｄ 等［６］ 也发现用户可能会在初始搜索后进行物品购买、分享信息等不同活动， 这些活动导致ＡＰＰ 的转移。Ｗｈｉｔｅ Ｒ Ｗ等［３１］ 研究了用户在不同搜索引擎间的跨ＡＰＰ 意图， 总结了用户在不同搜索引擎间的转移的３ 个原因： 对初始引擎的搜索结果质量不满意、验证和发现额外的信息、用户偏好。Ｚｈａｎｇ Ｎ 等［２８］ 指出习惯是一个影响跨ＡＰＰ 意图的因素。Ｒｕｓｓｅｌｌ－Ｒｏｓｅ Ｔ等［３２］ 在其提出的信息行为模型中涉及了一项表征用户在不同的项目中进行比较意图的对比模式。由此可推断， 用户的偏好意图、对比意图和分享意图等都是用户跨ＡＰＰ 意图的重要类型。

从以上研究可以发现， 已有研究主要倾向于对跨ＡＰＰ 动因进行解释， 这为跨ＡＰＰ 意图类型的确定奠定基础。但还停留在整个搜索任务层面的粗粒度解释， 鲜有研究揭示用户跨ＡＰＰ 意图转移模式规律。然而跨ＡＰＰ 意图转移模式研究从用户主观认知角度出发更有助于探索跨ＡＰＰ 行为背后的机理。

２研究方法

２.１数据采集

本文首先采用问卷法收集最近在日常信息搜索情境下具有跨ＡＰＰ 经历的用户及其人口统计信息。参与者被要求填写线上问卷， 回答关于他们的人口统计特征， 如图１ 所示， 包括性别、学历、专业和ＡＰＰ 搜索经验， 以及最近是否具有令自己印象深刻的跨ＡＰＰ 搜索经历； 其次， 采用微刻时序访谈法［３３］ 获取受访用户印象深刻的跨ＡＰＰ 搜索经历。微刻时序访谈法是半结构化方法， 适用于获取受访者在具体某一情境下的信息， 该方法要求受访者对整个事件进行重构并描述其逐步变化情况［３４］ 。微观时刻时间线访谈是意义建构的基础访谈方法， 被用来探索人们的经验， 此方法并不局限于特定的领域［３４］ 。在图书馆和信息科学领域， 研究者主要基于微刻时序访谈法要求受访者重构他们最近的参与经历， 探究特定的信息寻求中用户遇到的问题［２８］ 。类似地， 本研究重构用户的经历并赋予意义。

因此， 研究人员在访谈时， 引导受访用户按照时间线顺序逐步分享印象深刻的跨ＡＰＰ 搜索过程。此次访谈采用电话访谈方式， 根据微刻时序访谈法的应用规律， 访谈不具有时间限制。另外， 为了保证或增强该方法的有效性， 本研究建立了一个帮助被试回忆搜索过程的叙事框架， 该框架以ＡＰＰ 切换为节点， 引导被试对其信息行为过程进行详细而具体的自由描述， 并允许用户利用搜索记录或搜索历史来验证重构的搜索体验， 如表１ 所示。对６ 位数据出现问题的用户进行了二次访谈， 其中两位用户ＡＰＰ 的使用数量不够明确， ４ 位用户回答的跨ＡＰＰ 意图不清晰， 其中４ 位用户没有给出清晰的回复， 因此舍弃这部分数据。最终， 本研究共招募２０４ 名用户， ８ 位受访用户具有两次搜索经历， 共得到样本２１２ 份， 表述清晰的有效样本２０８ 份。

２.２数据处理

多名研究人员针对２０８ 份样本做数据处理。首先， 研究人员将访谈记录的音频资料人工逐字、逐句地转录为Ｗｏｒｄ 文本资料。然后， 对文本资料进行编码， 从研究问题出发， 完成了跨ＡＰＰ 意图和任务类型的编码。

２.２.１跨ＡＰＰ意图编码

研究人员采取开放式编码［３５］ 对受访用户跨ＡＰＰ行为意图进行提取。首先， 按照下列步骤对访谈记录进行整理： ①去除受访用户访谈中提到的与访谈主题不相关的内容； ②去除访谈中无意义或含义不明的内容； ③去除受访用户理解错误的回答记录；④按照逻辑顺序对访谈记录进行逐条编码和标记，形成相应的初始概念， 即自由节点。为了削弱研究者的个人主观影响， 尽量从受访用户原话中提取标签作为初始概念。如原始语句为“我觉得目前在微博上得到的信息不够， 不能够满足我的全部要求，我需要更多信息来补充”。提取对应的初始概念为“补充”。由于自由节点的数量非常庞杂， 其对应的初始概念存在很大程度重复和交叉， 因此需要进一步提炼和归纳， 然后用范畴来概括和反映概念的本质属性。为确保编码的信效度， 该阶段由三位编码者分别对访谈记录进行编码， 然后对编码结果进行反复比较， 将重复或涵义相同的初始概念进行合并，删除重复频次小于３ 的初始概念， 将性质或内容相近的概念进行归纳、提炼和重组， 将其范畴化， 只有经所有研究者讨论后一致认可的条目方可保留。由此， 最终得到７ 种意图范畴， 如表２ 所示。

２.２.２任务类型编码

受访用户的任务表述内容主要以访谈大纲中的问题１ 为主， 除此之外， 从受访用户表述的搜索过程相关内容也可以辅助判断。本文参考Ｔｏｍｓ Ｅ Ｇ等［３６］ 、Ｌｉｕ Ｃ 等［３７］ 任务分类编码处理方法， 按照用户的需求是否单一划分为简单型任务和复杂型任务， 示例如表３ 所示。

３名研究人员独立运用语义内容分析方法， 以记录的每句话为最小分析单元， 对访谈转录文本中描述任务的部分进行分析与萃取， 使用如表３ 所示的编码框架和案例进行编码。如原始语句为“我是想要去买一双足球鞋， 但不知道买什么牌子的好，所以先用得物搜了一下， 看到了几款还可以的， 然后就去淘宝准备买。” 识别到受访用户将总任务分为两个子任务（调查和购买）， 依次完成， 所以用户任务类型为复杂型。为保证编码质量， 研究团队共同围绕３０％访谈文本记录进行了尝试性预编码， 并对有关问题协调一致， 最终编码一致性超过９５％。然后对剩下的访谈文本资料分开完成编码。

２.３数据分析方法

本文使用马尔可夫链对用户跨ＡＰＰ 行为序列进行分析和挖掘。马尔可夫链是研究用户轨迹比较常用的模型之一， 用户行为包括搜索、浏览、切换ＡＰＰ 等都可以看作是一个状态， 而用户在这些状态之间的转移符合马尔可夫规则。目前， 很多学者都将马尔可夫链分析方法应用在搜索行为研究中，Ｊａｎｅｔ 使用马尔可夫方法对零阶、一阶和高阶的在线信息搜索序列进行分析［３８］ 。Ｉｒｉｓ 对搜索策略转变序列进行研究， 根据每种搜索策略所涉及的动作数量计算马尔可夫链概率［３９］ 。因此， 本文使用马尔可夫分析方法， 挖掘跨ＡＰＰ 意图转移规律， 使用马尔可夫链表达用户主观认知的变化情况， 挖掘发生概率较高的典型链条， 并进一步归纳跨ＡＰＰ 意图转移模式。首先建立马尔可夫模型： Ｚ＝（Ｚ_１，Ｚ_２，Ｚ_３，…，Ｚｔ ）， 其中Ｚ 为跨ＡＰＰ 意图状态， ｔ 为马尔可夫链对应的时间序列的元素（１，２，３，…，Ｎ）， Ｚ_１为ＡＰＰ１ 转移至ＡＰＰ_２的意图， Ｚ_２为ＡＰＰ２ 转移至ＡＰＰ_３的意图， Ｚ_３为ＡＰＰ３ 转移至ＡＰＰ４ 的意图等。然后在此基础上归纳跨ＡＰＰ 意图转移模式， 并对任务类型和跨ＡＰＰ 意图转移模式进行关联分析。

３研究结果

３.１跨ＡＰＰ意图类型统计

对跨ＡＰＰ 意图编码结果进行统计分析， 如图２所示。用户最偏好使用的意图类型是补充意图， 共１４３ 次， 约占总数的３０.７％， 补充意图强调了用户由于当前ＡＰＰ 获得信息不足， 转移至其他ＡＰＰ。这说明很大程度上， 用户在单个ＡＰＰ 内日常信息需求难以得到满足， 多是出于补充的目的跨ＡＰＰ搜索。其次是桥接， 占总数的２７.０％， 桥接意图的占比也较为突出， 这说明用户在一个完整的搜索会话中， 很大概率下用户的搜索目标可能发生改变， 进而可能利用多个ＡＰＰ 协同合作实现最终的搜索目标。其余依次为对比、交流、挫折、复核、偏好。其中复核和偏好数量很少， 仅有１４ 次。

３.２跨ＡＰＰ意图转移模式挖掘

为了了解跨ＡＰＰ 意图之间的转移概况， 本文创建了跨ＡＰＰ 意图的定向转移矩阵， 如表４ 所示，列表示转出意图， 行表示转入意图。该矩阵包括２０８个搜索经历中涉及的２５８ 次意图转换， 并展示了从一种意图到另一种意图的转移频次。两个意图之间的平均转移频次是１.２４， 故而本文选择一阶和二阶马尔可夫链对跨ＡＰＰ 意图转移序列进行分析。

结果发现， 最常见的意图转移是“补充→补充” （Ｎ ＝４９）， 补充意图的迭代表示用户开始访问了一个ＡＰＰ， 为了补充获取相关信息而转移到另一个ＡＰＰ， 然后为了补充更多的相关信息又转移到下一个ＡＰＰ。其次比较常见的是“对比→对比”和“桥接→桥接”， 两类转移发生频次皆为２５， 前者表明用户通过连续ＡＰＰ 之间的转移对比了搜索结果， 后者则是根据用户出于搜索总任务需要， 转移到多个ＡＰＰ 完成搜索子任务。另外， 可以看出“对比→桥接” “补充→桥接” 和“挫折→挫折”这３ 类转移也较为频繁出现， 分别排在第三、第四和第五， 并在下文中做出进一步分析。

３.２.１一阶意图链分析

为了清晰了解从一种意图转移到另一种意图的发生概率， 采用了一阶马尔可夫链基于７ 种意图（补充， 桥接， 对比， 交流， 挫折， 复核， 偏好）转移频次， 得到从一种意图转移到其他意图的概率转移矩阵， 即对Ｚ_１－Ｚ_２之间转移进行分析， 同时ＡＰＰ_１→ＡＰＰ_２→ＡＰＰ_３为用户意图转移的载体。表５列出了跨ＡＰＰ 意图转移的所有概率。概率排名与转移的频率排名不完全一致， 主要是因为一阶马尔可夫分析中， 个体转移到下一个状态完全取决于当前所处的状态， 转移概率也受到应用特定意图之后可选择的意图数量影响。结果表明， 用戶跨ＡＰＰ意图转移可以划分为同类和不同类意图转移。

当发生同类意图转移时， 用户从补充意图最可能转移到补充意图（５４.４％）， 补充意图转移表示用户在当前ＡＰＰ 内获取的相关信息但还不足够， 用户发生两次ＡＰＰ 转移都是出于谋求获得更多相关信息。这一意图转移概率较为突出， 表明在跨ＡＰＰ 搜索中， 迭代获取信息是常态。从挫折意图最有可能转移到挫折意图（５１.４％）， 挫折意图转移表示用户在连续的ＡＰＰ 内未找到相关项目的有用信息， 从而产生的连续放弃ＡＰＰ 的行为。由此， 可以认为捕捉用户的挫折意图更能反馈用户对ＡＰＰ 使用的真实态度。从对比意图最有可能继续转移到对比意图（５０.０％）， 对比意图转移表示用户倾向于两次转移ＡＰＰ 以反复比较项目信息。这一现象说明用户对项目信息的评估投入了更多的精力， 关注这一转移可能有助于深入了解用户采纳行为。从桥接意图最有可能继续转移到桥接意图（４６.３％）， 桥接意图转移充分说明了用户倾向于将总的搜索任务切分，为每个子任务选择合适的ＡＰＰ， 从而呈现转承的ＡＰＰ 转移特点。因此， 可以推测出用户的桥接意图可以视为用户搜索目标改变的重要节点。

当发生不同类意图转移时， 用户从对比意图集中于向桥接意图转移（４２.０％）， 占比最大。结合同类对比意图的转移， 发现这两类转移几乎占据了对比意图的可选择转入意图的所有可能性， 这说明在对比意图中， 不同类意图转移呈现集中式， 而从补充意图转移到桥接意图（２１.１％）和交流意图（１３.３％）、从挫折意图转移到桥接意图（２２.９％）或补充意图（１４.３％）， 从桥接意图转入的是对比（１８.５％）、挫折（１３.０％）和补充（９.３％）意图等， 呈现出明显的发散式， 因此对于不同类意图来说， 既可以呈现集中式， 也可以呈现发散式。这一现象暗示用户的跨ＡＰＰ 意图存在不确定性和自主性， 如果想要准确预测意图， 可能需结合更多的用户行为特征。

３.２.２二阶意图链分析

为了进一步分析频繁的跨ＡＰＰ 意图转移序列，本文应用二阶马尔可夫链来分析样本中出现的二阶意图序列。二阶马尔可夫分析是在计算下一个状态转移概率时考虑了前面两个状态， 即Ｚ１ －Ｚ２ －Ｚ３ 之间转移的分析， 同时ＡＰＰ１ →ＡＰＰ２ →ＡＰＰ３ →ＡＰＰ４为用户意图转移的载体。最终观察到的二阶意图序列的数量是１２７ 个。经过马尔可夫处理， 得到跨ＡＰＰ 意图概率序列， 对每个节点的转移概率进行筛选， 将表征频繁的基础概率设置为２０.０％， 因此低于该概率的状态节点认为是相对不频繁发生的意图转移序列， 最终展示的序列代表了用户最频繁应用的二阶跨ＡＰＰ 意图转移序列， 其中转移概率低于２０％的使用灰色底纹表示， 如图３ 所示。此外，为了完整性考量， 添加了“开始” 作为初始状态，并展示了所有意图类型发生的初始概率。

初始概率占比突出的是补充意图（３３.１％）、桥接意图（２３. ６％）。与跨ＡＰＰ 意图类型统计结果类似， 这两类同样占据了二阶意图链转移起始点的多数可能性。

由图３ 可见， 从形式上发现频繁转移的意图序列主要存在３ 类： ＡＡＡ 型、ＡＢＡ 型、ＡＡＢ 型。首先， ＡＡＡ 型包括“补充→补充→补充” “挫折→挫折→挫折”“桥接→桥接→桥接” 和“对比→对比→对比” 意图序列。这类迭代意图序列发生概率较大， 表明用户在日常搜索中转移ＡＰＰ 可能会频繁受相同的意图驱动； 其次是ＡＡＢ 型， 主要包括“补充→补充→交流” “挫折→挫折→桥接” 和“对比→对比→桥接” 意图序列。此类跨ＡＰＰ 意图转移序列呈现出重心后移的特点。结合材料分析， 可能原因是用户通过前面的意图转移作为铺垫， 之后用户任务目标发生迁移， 导致在任务靠后阶段搜索行为发生重大改变。在诸如此类的跨ＡＰＰ 意图序列中，靠前阶段用户主要秉持初步探索的心理， 而在靠后阶段则更表现出决策倾向， 因此这类意图转移序列体现出用户对ＡＰＰ 接受个人搜索习惯的兼容性或任务主题切换的流畅度要求较高； 最后是ＡＢＡ 型，主要包括“桥接→对比→桥接” 意图序列。其呈现橄榄形特点， 即处于靠中阶段时， 用户搜索任务偏好的跨ＡＰＰ 意图更加灵活， 两端更稳定。此类序列表明， 处于靠中阶段时， 用户受跨ＡＰＰ 意图驱动的搜索行为易发生改变。

３.２.３跨ＡＰＰ意图转移模式

为了确定跨ＡＰＰ 意图的最常见转移模式， 综合一阶和二阶意图转移序列分析， 发现跨ＡＰＰ 意图序列有规律可循， 因此， 进一步总结和归纳了跨ＡＰＰ 意图转移模式， 并对每类模式下实际发生频次进行了统计， 如表６ 所示。最终本文确定了由５种跨ＡＰＰ 意图组成的７ 种跨ＡＰＰ 意图转移模式：（ａ）补充探索模式， （ｂ）补充准备模式， （ｃ）对比决策模式， （ｄ）对比择优模式， （ｅ）分步前进模式，（ｆ）分享交流模式， 以及（ｇ）挫折探索模式， 结合用户访谈材料对其进行详细解释。

最常见的跨ＡＰＰ 意图转移模式为“补充探索模式” （６３）， 是指用户为获得更多相关信息而不断出于迭代补充意图来转移ＡＰＰ 的模式。这类模式广泛存在， 例如用户Ｐ２８ 在学习“ＫＮＮ” 算法的过程中， 通过使用百度、ＣＳＤＮ、哔哩哔哩３ 个ＡＰＰ，不断获得更详细的算法讲解， 深化知识学习过程。与其类似又有区别的是“补充准备模式” （２４），它是指用户在补充信息之后执行另外的子任务， 因此包括两部分内容， 分别是补充获取相关信息和结束补充信息后执行另外的搜索子任务， 其中补充信息在某种程度上是为桥接到另外搜索子任务做准备工作。该模式约占“补充探索模式” 的１／３， 二者都表示了用户的补充信息需求， 同时“补充探索模式” 中迭代式补充表现出用户对补充有用信息更加执着， 而该模式包含了用户向桥接意图转移，体现了用户在结束补充信息后会倾向于迁移任务目标的特点。例如用户Ｐ２６ 在搜索中将购物任务分为购物准备阶段和购物决策阶段， 用户首先使用一款ＡＰＰ 未能获得足够的购物参考信息， 不足以支持购物决策， 因此， 在“ 补充” 意圖的驱动下，转移至另一款ＡＰＰ 继续获取信息， 进行购物准备。准备完毕后， 转移至购物类ＡＰＰ 进行购买活动。

以“对比” 意图为核心， 形成了“对比决策模式” （４２）和“对比择优模式” （３３）两类模式，二者密切关联但又有区别。前者是指以对比项目信息与桥接搜索子任务间互动为特征的模式， 强调了用户在对比中穿插着迁移目标方面的决策行为。结合材料分析发现， 用户经常在购物ＡＰＰ 之间转移，对比商品价格、质量等信息， 以此来进行最后的购物决策。这一模式反映了用户在购物活动后期易出现对比决策的行为。例如用户Ｐ１４ 使用知乎确定购买的某款商品后， 转移至淘宝查看商品的价格等信息， 然后为进一步对比不同平台的商品， 用户转移至京东。后者是指用户为了反复对比不同ＡＰＰ内的同一项目信息而发生转移， 但最终没有发生决策行为， 多出现在购物、信息核实等主题， 例如用户Ｐ２３ 在抖音ＡＰＰ 上得到“ 北京疫情病例活动轨迹” 相关信息， 为确认信息的真假， 转移至微博ＡＰＰ， 前往“北京市卫健委” 官方账号了解信息详情以寻求确认。

“分步前进模式” （３２） 和“补充准备模式”（２４）是指伴随用户搜索过程中搜索子任务的转换而随之发生的跨ＡＰＰ 意图转移模式， 二者皆反映了用户丰富的搜索路径。此类模式的应用一般依托于多种类型的ＡＰＰ 分别完成用户不同的子目标，例如用户Ｐ７ 表达出需要了解某企业的相关信息，不仅需要了解员工评价， 还想要获取公司地址， 员工评价需要脉脉、牛客等职业交流ＡＰＰ， 而公司地址则需要高德地图、百度地图等ＡＰＰ。此外，“分享交流模式” （１８）和“挫折探索模式” （１４）也是用户跨ＡＰＰ 行为中较为常见的转移模式。“分享交流模式” 表示用户在移动搜索过程中， 向他人分享新闻资讯、娱乐八卦等信息， 或面临某类群体决策时， 如餐厅挑选， 也经常将信息从当前获取资讯的ＡＰＰ 分享至社交类ＡＰＰ， 如微信、ＱＱ 等。因此可以发现， 用户的分享行为占据了日常搜索中重要部分， 从而形成了具有广泛意义的“分享交流模式”。“挫折探索模式” 是指用户在跨ＡＰＰ 搜索中连续在不同ＡＰＰ 内未找到相关信息， 继而产生的一种以频繁遇挫为特征的模式。这类意图模式最直接体现用户在ＡＰＰ 内未找到相关项目信息， 对搜索结果不满意从而放弃当前的ＡＰＰ， 这一模式将对ＡＰＰ服务方组织用户ＡＰＰ 弃用行为有所启发。

３.２.４任务类型与跨ＡＰＰ意图转移模式关联分析

对任务类型编码结果进行统计分析， 简单型任务（Ｓ）的频次是１１８， 用户占比５５％， 复杂型任务频次为９０， 用户占比为４５％。分别对两类任务下意图模式进行识别和分析， 任务维度下使用意图模式的数量和占比分别如表７ 所示。

总体来说， 由于任务的简单特性， 简单型任务中用户跨ＡＰＰ 使用较少， 而复杂型任务由于工作量更多， 用户更偏好使用多个ＡＰＰ 来完成任务，因此其跨ＡＰＰ 意图转移模式更凸显。研究进一步发现， 用户在简单和复杂型任务中偏好使用的转移模式类型不同。

在简单型任务中， 用户最偏好使用“补充探索模式”， 用户占比达到４５.６％， 这说明用户完成简单的任务时， 普遍在一个ＡＰＰ 不能满足全部的信息需求， 因此转移至另外的ＡＰＰ 补充搜索结果， 最终形成普遍的在简单任务中迭代补充的转移模式。例如用户ＰＸ５４ 表示想要了解一款游戏， 首先在知乎上输入游戏名进行搜索， 对该游戏有了一个基本的了解， 然后为了进一步补充更多关于该游戏的评价信息， 转移至微博搜索。其次是分享交流模式（２４.６％）， 结合访谈文本内容分析发现， “分享交流模式” 出现的情景分为两种： 计划型和偶发型。计划型分享表现为： 在群体性活动中， 如好友聚餐、小组作业等， 成员经常在手机ＡＰＰ 中搜索信息， 分享给其他成员， 进行协同搜索， 由此产生一种计划情境下的分享交流； 偶发型分享表现为： 用户在使用手机娱乐或者进行日常活动的过程中， 偶然发现有趣的新闻事件、娱乐八卦等产生的分享行为。例如用户Ｙ３４ 表示， 偶然浏览到某一娱乐新闻， 在微博搜索相关信息之后， 想要分享给同学，就转发到微信了。然后， 对比择优模式（１５. ８％）和挫折探索模式（１０.５％）分别位列第三和第四。

在復杂型任务中， 用户最偏好使用的是对比决策模式（３０.０％）， 其次是用户占比接近的补充准备模式（２２.5％） 和分布前进模式（２０.０％）。这类意图模式的特点是， 用户在搜索过程中都与桥接意图紧密相关。桥接是指用户自己主动终止当前的子任务， 为了完成另外的子任务而转移到下一个ＡＰＰ。对比决策模式（例如“对比→桥接”）和补充准备模式（例如“补充→桥接”）， 意图都发生了改变， 而分步前进模式中表现出持续的桥接（例如“桥接→桥接”）。复杂型任务是指用户满足较为复杂的信息需求， 总任务可以分割为几个相互依赖的子任务。而不同的子任务的切换， 用户的意图也在转移， 因此用户在面临复杂的信息需求时， 更倾向于在ＡＰＰ间转移时改变意图类型， 从而较多用户使用了这些模式。因此可以发现， 桥接意图可以作为复杂型任务的天然意图。

此外， 复杂型任务中对比择优模式（１０.０％）、补充探索模式（８.８％）也占据了一定的用户比例。虽然用户在简单任务中也偏好这两类模式， 但相对来说， 复杂型中用户占比明显低于简单任务。其中， 在两类任务中使用对比择优模式的用户占比差距最小。这说明无论是何种任务， 用户都倾向于以获取最优的信息为目标。例如用户Ｙ４８ 表示， 为了买到一款满意的商品， 在搜索过程中会在不同的购物类ＡＰＰ 间对比商品信息。类似的， 在复杂型任务中补充探索模式的应用， 说明用户在完成复杂型任务时， 也可能会迭代补充信息。

３.３结果讨论与启示

基于最初提出的３ 个研究问题， 本文基于研究结果展开以下讨论。

首先， 补充和桥接是用户日常最偏好使用的意图类型。用户在跨ＡＰＰ 搜索中， 往往是为了补充信息或者连接不同的搜索任务到可替换的ＡＰＰ。Ｓａｌｏ Ｍ 等［４０］ 研究用户切换ＡＰＰ 原因， 也揭示了这一现象。这启示ＡＰＰ 服务方有必要关注用户在单个ＡＰＰ 内的信息需求满足程度， 了解不同的需求满足程度和不同搜索目标切换节点都将有助于预测用户下一次的ＡＰＰ 转移。

其次， 本文挖掘出７ 种跨ＡＰＰ 意图转移模式，按其频次依次为： 补充探索模式、对比决策模式、对比择优模式、分步前进模式、补充准备模式、分享交流模式和挫折探索模式。这些意图模式反映出用户不同的搜索偏好。最频繁的补充探索模式突出了用户迭代获取信息的需求， 但也暗示了用户的信息需求在单个ＡＰＰ 持续得不到满足， 一直需要跳转到多个ＡＰＰ。此外， 有研究探究用户对ＡＰＰ 持续使用意愿， 表示用户流失是因为信息质量不高和用户的不信任［４１］ ， 因此可以推测补充探索模式对用户来说是一种低效率跨ＡＰＰ 搜索方式。对比决策模式和对比择优模式都强调了用户在搜索后期的选择行为， 尤其体现在购物任务， 这与已有研究揭示的购物活动越来越以移动为基础的背景相符［４２］ 。另外， 有研究指出用户感知到的ＡＰＰ 可替代性直接影响跨ＡＰＰ 意图［４３］ ， 因此可以推测用户在不同的ＡＰＰ 内对比项目极有可能感知到这些ＡＰＰ 间的可替代性。所以增强ＡＰＰ 内信息的独特性和权威性有可能成为留住用户的重要手段。分步前进模式体现了用户搜索过程中自然而然的目标转承， 如何响应用户的自由切换将是ＡＰＰ 服务方的首要工作。补充准备模式体现了用户前一个目标满足， 然后桥接到另外一个ＡＰＰ 执行新的子任务。因而用户的桥接意图可以视为用户搜索目标改变的重要节点，这将对捕捉用户搜索目标的改变， 进而指导用户行为具有重要意义。分享交流模式反映的用户分享行为是移动搜索中重要内容［２７］ ， 未来有望结合该模式特征实现跨ＡＰＰ 精准推荐或预测。此外， 挫折探索模式反映了用户的搜索任务在当前的ＡＰＰ 中不能得到认为有用的信息， 甚至可能会产生负面情绪［２７］ ， 由此ＡＰＰ 服务方有必要对其加大重视。

最后， 简单型任务和复杂型任务中偏好使用的模式具有明显差异， 且整体上用户在复杂型任务中模式应用更突出。简单型任务围绕一个事物或事件的探索， 检索词往往较为单一， 用户更想使用较少的ＡＰＰ 获得更为全面的信息。补充探索模式作为其最常见的模式之一， 较多依赖系统提供的一框式检索， 用户在同类的ＡＰＰ 之间转移， 不断迭代重复输入相同或近似的检索词， 这样重复搜索可能会导致用户交互倦怠。因此， 减少用户冗余操作和整合信息资源也应该是ＡＰＰ 服务方的重要考虑方面。复杂任务中， 用户在一次搜索中总是面临多个需求， 用户在复杂型任务中最偏好使用对比决策模式这类意图发生改变的模式。这是因为用户通常将复杂任务划分为不同阶段， 每个子阶段由于意图可能发生改变而使用不同ＡＰＰ。这启示ＡＰＰ 服务方需要更多地关注用户的搜索行为特征和用户的信息资源需求， 考虑识别用户当前所处的任务类型。也间接表明ＡＰＰ 间合作共赢空前重要， 合作带来的不仅是保留各自垂直信息资源的深度， 也可以拓展横向资源面以满足用户多样化的需求［４４］ 。综上所述，ＡＰＰ 服务优化时， 若能识别用户当前所处的任务类型， 将有助于ＡＰＰ 服务方根据用户在不同任务类型下的搜索行为特征来提升ＡＰＰ 功能。

４结语

本文通过收集用户日常信息搜索情境下移动搜索跨ＡＰＰ 行为数据， 依次回答了本文最初提出的３个研究问题， 通过对意图的编码和统计分析回答了日常信息搜索中用户偏好的意图类型； 然后通过马尔可夫链分析和凝练用户偏好使用的跨ＡＰＰ 意图转移模式， 回答了日常信息搜索中用户的跨ＡＰＰ意图转移模式； 最后通过任务类型与模式的关联分析， 回答了不同任务类型下用户跨ＡＰＰ 意图转移模式应用规律。理论上， 一方面， 本研究更細粒度探究了用户跨ＡＰＰ 意图转移模式类型和使用规律，有助于更深入地揭示跨ＡＰＰ 搜索行为机理； 另一方面， 基于用户大量真实日常搜索案例， 探究用户的移动搜索行为规律更可靠， 为其他情境下实验奠定了基础。实践上， 对用户来说， 如果能够根据用户的意图模式特征， 追踪用户的意图模式分类， 提供更有针对性的帮助功能， 进而增加用户的有利意图转移， 减少用户不必要意图的转移， 将有助于改善用户移动搜索体验。从平台角度来说， 获取用户跨ＡＰＰ 意图转移模式规律， 有助于平台调整服务重点， 改善内容组织方式， 根据用户的意图规律，合理安排ＡＰＰ 的入口和接口， 优化资源分配提高效率， 使其更符合用户的信息搜索习惯， 将促进移动应用平台信息服务的深度发展。

本研究不足之处是考虑时间和成本限制， 样本采用方便取样原则， 主要是以年轻人的搜索经历为主。本研究聚焦日常信息搜索情境， 因此未来研究可扩展到跨ＡＰＰ 搜索的其他任务情境， 也可进一步探索跨ＡＰＰ 行为意图驱动和ＡＰＰ 服务支持的关联关系。