摘 要： 目前，对购物平台用户采纳个性化推荐的研究主要集中在计算机和信息领域，侧重研究个性化推荐算法的精准性，而少有学者从消费者的心理接受度来考虑问题。因此，本文梳理了个性化推荐的产生背景、推荐算法以及面临的挑战，并基于三种消费者心理来研究消费者对网购个性化推荐的接受意愿。研究结果表明，追求安全可靠、舒适购物、方便快捷的心理都对消费者接受网购个性化推荐具有正向影响。由此可见，购物平台应致力于提升消费者对个性化推荐的信任度和熟悉度，以及不断提高其安全性和切实性，作为优化推荐系统的导向目标，从而提高消费者对网购个性化推荐的接受意愿。

关键词： 个性化推荐 消费者心理 购买意愿

科学技术的快速发展以及移动互联网的广泛运用，使得网上购物、在线支付等一系列综合服务得以实现。在“互联网+”的时代背景下，电子商务迎来了重大发展机遇。2018年上半年，我国网上零售交易额达到40810亿元，同比增长301%，继续保持着稳健增长势头[1]。电商服务始终离不开“以人为本”，如何采取有效的营销策略，为用户提供更好的消费体验，具有重大的现实意义。

本文主要是基于消费者心理视角，构建用户接受网购个性化推荐的影响因素模型框架。基于前人对用户采纳电子商务个性化推荐的因素的研究，并根据国内外研究及调查，提出现有研究领域内存在的不足;通过线上调查的方式，展开消费者对个性化推荐所持态度相关的问卷调查并进行实证分析;针对网购平台提出优化个性化推荐系统的建议，以利于实现更优质的服务。

一、个性化推荐概述

（一）个性化推荐的产生

电子商务的到来使网上购物、在线支付等一系列综合服务得以实现，其交易整体性、普遍性、方便性等特征便利了广大商家和消费者。然而，大量在线商家提供了各式各样产品信息的同时，消费者面对这些海量信息时却常常感到无所适从，这种现象被称为“信息迷航”。由于很多消费者无法清晰准确地描述自己的需求并进行查找，从而导致了消费者的搜索成本大大增加。对此，个性化推荐系统应时而生，在很大程度上解决了这一问题。通过大规模的数据分析消费者的个人信息、消费行为习惯和消费意识趋向等，个性化推荐系统向消费者推荐其可能感兴趣的商品。高效便捷的个性化推荐服务，免除了繁杂冗长的筛选过程，极大的适应了消费者的高效需求，提高了消费者网购的满意度和购买率。因此，淘宝网、亚马逊等大型购物网站都采用此推荐系统来提升服务性能。

（二）个性化推荐算法

个性化推荐算法的运作原理可以简单分为四个层面，以淘宝网为例：首先，当用户购买过的店铺符合其搜索要求时，系统会优先推荐“购买过的店铺”，该店铺的商品就会优先展示在用户眼前。此外，推荐系统会根据用户的行为优先展示用户收藏的店铺、浏览过的店铺等

其次，系统会收集分析用户的行为特征进行推荐，记录用户在平台上的浏览历史，包括其搜索过的关键词、收藏的商品、加入购物车的商品等，都是为用户提供个性化推荐的重要依据。而当用户搜索并浏览完商品、下次再打开淘宝时，该商品就会出现在“猜你喜欢”板块里;

第3，个性化推荐系统会根据用户的用户以往的消费行为，匹配一些个性化标签，包括年龄、性别、兴趣爱好、星座等，再进行大数据分析，符合标签的店铺或商品就会被优先推荐给相对应的消费者

最后，通过概率匹配进行推荐。这种情况适用于新注册用户，当系统没有记录新注册用户的消费行为可以进行相关推荐，就会采取概率匹配的方法。例如，新注册的用户想购买一款裙子，而裙子有中国风、韩版、欧美等多种风格，推荐系统就会通过分析以往搜索“裙子”的消费者，发现75%以上最终都购买了中国风的款式，那么这個高概率成交的风格就会被更多地呈现给新注册买家。

（三）个性化推荐所面临的挑战

个性化推荐给人们带来巨大便利、为电商创造更大利润空间的同时，也成为制约其加快发展的影响因素。目前，各种类型的推荐系统都在不同程度上存在一定缺陷，如推荐精确度不高、实时更新推荐速度慢，以及一些恶意欺诈等。此外，虽然推荐系统成为目前解决信息过载最有效的工具之一，但消费者购买个性化和多样化的特征会不断增强，不恰当的推荐不能满足消费者的同时甚至会引起其反感。

（四）用户采纳个性化推荐的研究现状

尽管科学技术为推荐系统提供了理论依据，但个性化推荐服务始终必须以人为本，突出“个性化”的特点。因此，以下将从消费者角度来介绍个性化推荐的研究进展。

1国内研究现状。目前，在国内，用户采纳个性化推荐方面的相关实证研究还比较少，且有的相关研究成果也很难帮助用户提高接受意愿。国内的研究普遍是基于TAM模型，通过构建用户接受模型作为理论依据来进行分析，表明了有多种因素影响着用户接受个性化推荐。

众多学者以TAM模型为基础，通过实证分析证明了感知易用性和感知有用性影响着用户接受个性化推荐。具体影响因素包括个人信任、系统信任中的感知有效性和主观规范。[2]通过情绪心理学等理论研究，表明了积极情绪正面地影响用户的接受度，降低其感知风险能帮助提高其初次采纳程度。[3]

通过相关研究，证明推荐透明度明显影响用户的采纳意愿，而推荐多样性的关系较小。[4]此外，感知风险这一因素也反向影响着用户的接受意愿。[5][6]另外，感知舒适性、感知安全和外部评价也会对消费者的接受意愿产生影响。[7]

2国外研究现状。多数国外学者也以TAM模型作为理论基础进行实证分析，或通过理论归纳来进行研究。例如，Ansari发现对于不同推荐算法设计的个性化推荐系统，用户的采纳意愿是不同的。[8]这一发现与Daniel等的研究相似，新用户体验显著影响着推荐系统的采纳度，提升新用户的体验能更好地留住用户，这就需要设计最适合新用户的推荐算法。[9]

通过研究用户使用个性化推荐的行为，表明了推荐结果的准确度正向影响着用户的采纳意愿。[10]但Ziegler指出，在某些情况下，即使推荐结果的精确性会被其多样性影响而有所降低，但同时也会提高用户对推荐系统的满意度。[11]

Irene等人结合了用户的心理因素，表明了感知有用性和信任显著影响着用户的采纳意愿，用户的使用态度和社群影响也有着重要意义，[12]这一影响因素同时也被Nambisan等证实，用户会受到包括朋友、媒体信息、专家意见等不同社群的影响，从而影响其接受个性化推荐。[13]

综上，推荐算法、推荐精确度和多样性、感知有用性、信任、社群影响等相关因素，对用户采纳个性化推荐都会产生不同程度的影响。

（五）提出问题

当前，国内外大多数关于个性化推荐的研究主要集中在计算机和信息领域，重点关注个性化推荐算法精准性的技术提升方面。然而，单纯地关注精确度却不一定能够提高消费者的接受度。此外，一些营销、统计等领域的学者把关注度放在个性化推荐对用户行为和满意度的影响上，却少有学者重视用户在使用推荐系统过程中的心理感受。消费者是否很好地接受和采用个性化推荐？影响他们接受推荐的因素又是什么？这些问题都亟待解决。因此，本文将结合消费者心理，提出优化网购平台个性化推荐系统的建议。

二、结合消费者心理进行个性化推荐

（一）从消费者心理出发

消费者的心理活动支配着其偏好、选择以及不同的行为方式，包括由此产生的观察、搜索、选择、购买及使用等一系列反映其心理感受的行为。从营销的角度来看，研究消费者心理，一方面能够为购物平台的经营管理提供良好的决策帮助;另一方面，深入了解消费者的购买愿望、消费动机、购买决策等信息，能为其提供更直接的帮助和服务。只有对消费者有了更深入的了解，才能提高个性化推荐的服务水平和竞争力。

（二）网购消费者的心理特征

首先，随着消费市场不断扩大，顾客累积的大量消费经验使其产生了一定的消费标准，大多数人倾向于主动寻求自己所需要的产品，其个性化消费心理愈发明显和强烈。其次，消费者对购物方便性的需求。随着生活节奏的加快，大多数人对省时省力的追求越来越高，在购物上的心理要求表现为追求方便快捷性，希望能用更少的时间成本满足更高效的购物需求。第三，躲避干扰的用户心理。随着消费者的个性化增强，他们开始更加注重购物的愉悦感及个性化体验，在购物过程中不愿受到不相关信息的打扰和妨碍，以此达到轻松自由地实现购物目标。

（三）研究问题

基于资料的研究与归纳，本文具体提出了三种消费者心理，分别为：追求安全可靠的消费心理、追求舒适购物的消费心理以及追求方便快捷的消费心理，具体将在下文中指出。

三、研究假设

（一）假设的提出

1追求安全可靠的消费心理。网上交易的安全性和可靠性不可忽视。由于在网上购物时，消费者通常需要先付款后收货，这会在一定程度上降低消费者的安全感。另外，信息安全问题也是阻碍消费者进行网购的一个难题，先进技术在改善人们生活条件的同时，也存在着信息安全隐患。在个性化推荐被广泛利用的今天，不法分子利用不正当手段获取用户的私人信息来谋取利益，使得消费者的信息安全问题受到威胁。

由此可以推断，消费者对电商平台的信任度会影响他们对平台进行个性化推荐服务的接受程度。消费者信赖个性化推荐，自然而然地就会接受其推荐的内容。因此，本研究认为，消费者追求安全可靠的消费心理是影响其接受网购个性化推荐的重要因素之一。由此推出假设H1：消费者追求安全可靠的心理对其接受网购个性化推荐呈现正向影响。

2追求舒适购物的消费心理。随着社会经济水平的不断提高，消费者开始对购物体验有了更高的要求，他们更加注重购物时获取的愉悦感，期望不被随意打扰、轻松自由的购物氛围。通过访谈，Aljukhadar發现消费者对个性化推荐的内容更新时间、推荐界面等都有一定的要求，[15]可见消费者在使用个性化推荐系统时对其所展现的形式也格外关注。因此，本文把追求舒适购物的消费心理也纳入了研究范围，由此推出假设H2：消费者追求舒适购物的心理对其接受网购个性化推荐呈现正向影响。

3追求方便快捷的消费心理。随着当代生活节奏的加快，人们对节约时间的要求越来越高。传统购物模式需要消费者投入大量的时间精力成本来完成，而如今在购物上的心理要求表现为追求方便快捷性，希望能用更少的时间成本满足更高效的购物需求，特别是对一些日常需求较稳定、对品牌选择要求较低的消费者来说更是如此。在使用个性化推荐的过程中，追求方便快捷的消费心理可以理解为消费者在使用推荐系统时对便捷程度的体验。由此推出假设H3：消费者追求方便快捷的心理对其接受网购个性化推荐存在正向影响。

（三）设计调查问卷

本项问卷采用五级李克特量表进行设计，对选项赋以分值从1分（完全不同意）到5分（完全同意），指引被调查者根据自身的使用体验对选项作五级评定，从而客观地观察三种不同的消费者心理对网购个性化推荐接受程度的影响。

四、实证分析

（一）样本人口特征

本次问卷调查采用线上调查的形式，共设计了15道题目，收回问卷467份。被调查者主要为20-29岁人群，占被调查总人数的9145%，对电子商务熟知程度较强。学历以本科生为主，占8974%，对个性化推荐具有一定的理解和判断力。被调查对象中男生占2308%，女生占7692%，每月可支配收入主要集中在3000元以下， 占总人数的8462%。由此可见，样本具有较强的代表性。下文将对问卷进行信度、效度及相关分析。

（二）信度分析

信度分析检测问卷的回答是否可信、真实，最常用Cronbachα系数进行分析。若α系数高于08，说明信度高;处于07～08之间，说明信度较好;低于06则需要对问卷进行修改。（见表51）

从表1可知，Cronbachα系数为073，说明问卷回答的信度良好。若题项的CITC值小于03，说明其与其它题项的关系较弱，可以删除。题目1、2、3、4、7的CITC值小于02，将其删除并重新分析后的信度系数值为081，说明研究数据的信度高，可继续下一步分析。

（三）效度分析

效度分析研究题目是否设计科学、有价值，使用因子分析法，结合共同度、KMO值、因子载荷系数等数据综合分析。当题目的共同度值小于04，可被判断为其设计不合理，可以考虑对其删除。用KMO值判断数据的效度水平，用因子载荷系数来分析维度和题目是否相对应。（见表2）

综上所述，将题项7删除后，维度与题目的对应关系与预期基本吻合，表明效度水平较高。

（四）相关分析

相关分析研究定量数据间的关系及其紧密程度等。在确定问卷可信及有效后，将进一步研究各因素是否影响消费者对网购个性化推荐的接受意愿，以及其影响程度。本研究采用Pearon相关分析进行研究。

如果多个量表题表示的是同一个维度，可使用“生成变量”的平均值功能，将其合 并为一个整体维度。本研究中把消费者接受意愿维度（题项13、14、15）处理成一个整体，求得其平均值，以便更好地进行分析。

首先判断数据之间是否存在关系（有*号表示存在关系）;再判断其正负关系（相关系数大于0表示正相关）;最终判断关系的紧密程度，相关系数为04～07的表示关系紧密;02～04的表示关系一般。

从表7可以看出，本研究中所有表示消费者心理的题项都与消费者接受意愿存在着关系，且都为正相关。其中影响作用最显著的是第11题，个性化推荐能否提高消费者购买到合适商品的效率，相关系数为0516;其次是第5题，消费者对推荐内容的放心程度也具有较为显著的影响作用（0435）。其余依次是减少浏览时间（0356）、出现的位置（0333）、推送时机（0274）、对个人信息的保密（0230）以及推荐的方式（0211）。

研究结果表明，上述假设内容均成立。

五、总结与建议

（一）总结

本文以网购个性化推荐为研究背景，对用户采纳度的影响因素进行探讨。由于目前少有学者关注消费者在接受网购个性化推荐过程中的心理感受，所以本研究通过梳理和分析个性化推荐相关的理论文献，基于三种消费者心理来探索用户对网购个性化推荐的接受度。研究结果显示，消费者追求安全可靠、舒适购物以及方便快捷的消费心理都对其接受网购个性化推荐有正向影响，其中追求方便快捷的心理影响最为显著。

（二）提高消费者接受网购个性化推荐意愿的建议

首先，网络购物平台必须致力于提高消费者对个性化推荐的信任度和熟悉度。情感态度是影响个体接受事物的重要因素，个体的意志和情感会对其接受意愿产生显著影响。信任度和熟悉度越高，消费者则越愿意接受该事物。在追求高度人性化和智能化服务的今天，如果网购平台不能有效地降低消费者对个性化推荐系统的质疑和陌生感，那么平台服务质量就会大大降低。因此，想提高用户对个性化推荐的熟悉程度，首先要让他们了解和熟知个性化推荐系统的运行和操作原理，在各大网购平台上设立专门介绍此系统和技术的板块，提升用户对推荐系统的了解，进而有效地提高电商平台的服务质量。

其次，提高个性化推荐系统的安全性。与传统的购物方式不同，网上购物给消费者带来便利性的同时，也使消费者陷入了个人信息泄露的危险中。通过实名制，消费者的购物行为都会被清晰记录，大数据技术能在短时间内把这些记录进行整理和分析。因此，为降低消费者网购的风险度，在网购的各个环节必须加强安全控制措施，保护消费者购物过程的信息安全和个人隐私，才能提升消费者对个性化推荐的安全感。

最后，提高个性化推荐系统的切实性。这决定了个性化推荐的结果能否最终转化为消费者的行為。如淘宝网上的“看了又看”或“邻家好货”板块，呈现的是与我们浏览过的商品相似的产品，或者是用户近期观看过的产品。然而，如果推荐内容的重复性较大，就会降低用户使用推荐系统的频率，甚至会引起用户的厌恶，从而降低接受个性化推荐的意愿。因此，个性化推荐系统必须不断改进，例如可以在推荐商品的下方设置“感兴趣”、“我不感兴趣”等选择作为反馈形式，再根据该反馈改变推荐策略，加大推荐消费者感兴趣的商品，或撤销其不感兴趣的推荐，降低推荐内容的重复性与无效性，使个性化推荐更加切实有效。

总之，网购平台不仅要提升自身推荐系统的服务性能，提高消费者对其信任和熟悉，以及提高系统的安全性和切实性，以消费者的真实需求为核心的服务理念，着重关注消费者在购物过程中的心理感受，提高消费者的心理认同感，为用户提供更好的消费体验，进而提高用户对个性化推荐系统的信任度和采纳度。

参考文献：

[1] 中国互联网络发展状况统计报告42th中国互联网络信息中心http：//wwwcnnicnetcn/hlwfzyj/hlwxzbg/hlwtjbg/201808/t20180820_70488htm

[2]刘蓓琳电子商务用户个性化推荐技术接受影响因素研究[D].中国矿业大学（北京），2009

[3]马庆国，王凯，舒良超积极情绪对用户信息技术采纳意向影响的实验研究——电子商务推荐系统为例[J].科学学研究，2009（10）：1557-1563

[4]宋辉电子商务推荐系统用户采纳影响因素研究[D].哈尔滨工业大学，2011

[5]李亚男，王詠，康丽婷影响个性化推荐系统的用户采纳的因素[J].人类工效学，2013（02）：78-81

[6]孟燕隐私关注与在线个性化定制系统用户采纳行为的关系研究[D].山东财经大学，2013

[7]郑春东，窦涵消费者接受电子商务个性化推荐的感知维度及其影响研究[J].华北电力大学学报（社会科学版），2016（3）： 59-66

[8]Ansari，A，Internet Recommendation SystemsJournal of marketing  research200037（3）： 36-39

[9]Daniel Kluver，Joseph A Konstan： Evaluating Recommender Behavior For New UsersRecSys '14 Proceedings of the 8th ACM Conference on Recommender systems， 2014： 121-128

[10] TP Liang， HJ Lai， YC Ku Personalized Content Recommendation and User Satisfaction： Theoretical Synthesis and Empirical Findings Journal of Management Information Systems， 2006，3（23）：45-70

[11]C Ziegler， S McNee， et al Improving Recommendation Lists Through Topic Diversification The 14th International World Wide Web Conference， 2005： 22-32

[12]Francisco Jose Martinez-Lopez，Irene Esteban-Millat，Claudia C Cabal，Charles Gengler Psychological factors explaining consumer adoption of an e-vendors recommender [J]. Industrial Management & Data Systems， 2015， 115（02）： 284-310

[13]NAMBISAN P， WATT J H Managing customer experiences in online product communities[J]. Journal of Business Research， 2011，64（8）： 889-895

[14]劉剑现代消费者心理与行为学[M].北京：清华大学出版社，2016

[15]Muhammad Aljukhadar， Sylvain Senecal Usage and Success Factors of Commercial Recommendation Agents： A Consumer Qualitative Study of My Product Advisorcom [J]. Journal of Research in Interactive Marketing， 2011（2/3）.

[16]Gefen D Reflections on the Dimensions of Trust and Trustworthiness among Online Consumers[J]. ACM SIGMIS Database 2002， 33（3）： 38-53

[17]Davis， Fred D B，Richard P W， Paul R User Acceptance of Computer Technology： A Comparison of Two Theoretical Models [J]. Management Science，1989（8）

〔本文系广州航海学院教学研究和改革项目“基于CDIO-CMM理念的创业型人才培养模式研究”（项目编号：G320712）阶段性成果〕

（李丹妮，广州航海学院航运经贸学院）