张建强，刘 娟，仲伟俊

1 江苏师范大学 品牌营销研究中心，江苏 徐州 221009

2 东南大学 经济管理学院，南京 210096

引言

大数据时代背景下，人们在互联网上的行为都被网络服务商捕捉和记录，形成庞大的用户行为数据库。定向广告就是互联网企业借助用户行为数据分析目标用户的偏好或需求，进而针对不同类型的用户投放不同的广告。据统计，美国绝大部分的广告主(82.5%)、广告服务商(93.7%)和广告平台(90.7%)都在使用定向广告技术[1]，定向被业界和学界视为网络广告与传统广告形式的本质区别[2]。

企业引入定向广告的初衷是通过记录用户的个人信息提供个性化广告推荐服务，但如果这些信息被无节制地采集或使用，会使个人隐私面临泄露、盗用和贩卖等风险。定向广告与个人隐私之间的矛盾在于，一方面，企业通过定向广告可以实现产品或服务与用户需求的精准匹配，用户也可以通过定向广告享受个性化的信息资讯，但这种双赢关系却以用户牺牲个人隐私为前提；另一方面，如果企业不采集足量的用户信息，又会导致定向广告精准性下降，用户受到不相关广告的干扰，抱怨增加，出现企业和用户双输的局面。二者之间的矛盾给企业决策带来了挑战，即企业需要在定向广告与个人隐私之间寻找平衡，既满足定向广告的精准性要求，又不至于因过度侵犯隐私而触怒用户。

鉴于此，本研究通过现场实验验证定向广告与用户隐私之间的关系，分析在用户隐私关注的影响之下，广告精准度如何影响用户广告响应，不仅从理论上解释定向广告、用户隐私和广告效果之间的关系，还为企业寻找定向广告与个人隐私之间的平衡提供现实依据。

1相关研究评述

1.1定向广告

国外的定向广告研究开始于2000年前后，早期研究主要讨论定向广告的效益问题。这类研究基于经济学的垄断市场模型，讨论定向广告在节约广告成本、提高广告针对性和准确性等方面的优势[3]。随后学者们引入竞争模型，假设市场上存在几种偏好类型的消费者，企业可以将广告只投给那些最喜爱其产品的顾客，研究发现定向广告不仅节省了广告费用，还避免了企业之间在市场上的正面碰撞，因此定向广告具有缓和市场竞争的作用[4]。也有学者在研究定向广告的竞争效应时，假设企业能完美识别任意消费者的偏好，每个消费者都构成一类细分市场，这种情况下企业之间的竞争类似于伯川德竞争，因此定向广告也有可能加剧市场竞争[5]。鉴于此，定向广告的效果是复杂的，它受到定向方式[6]、广告相关性[7]、受众年龄[8]、社交网络[9]等多方面的影响。

近些年，随着定向广告广泛和深入的应用，定向广告与用户隐私之间的关系引起了不少学者的关注，已有的研究可以概括为3个方面。①用户的隐私态度，主要采用问卷调查法测量影响用户隐私态度的主要因素[10]。②企业缓解用户隐私担忧的对策，如加强广告与用户当前需求的匹配性[11]、让用户决定哪些信息可以被采集[12]、加强隐私保护[13]等，这方面的研究主要采用回归分析方法探寻各种对策的影响路径。③采取隐私保护的经济效益，以定性描述为主，学者们达成的共识是定向广告是未来不可阻挡的趋势，其中，如何处理好与用户隐私之间的关系是影响定向广告发展最为关键的问题[2]。

中国关于定向广告的研究主要从技术层面和数据层面展开，而从管理视角开展定向广告的研究并不多见。部分学者基于双边市场模型研究消费者对广告平台投放定向广告的影响[14]，部分学者研究企业投放定向广告过程中运用的策略[15-16]，还有一部分学者研究具体市场情景下企业的定向广告策略如何受到合作伙伴或竞争对手的影响[17-18]。鲜有从信息隐私视角开展定向广告的研究，蒋玉石等[19]对定向广告与网络用户隐私关注的问题进行描述，李凯等[20]从信息隐私视角对定向广告研究进行综述。

1.2信息隐私

信息隐私是指用户对企图获取和使用其个人信息的控制能力[21]。国外对信息隐私的研究涉及个人隐私态度、企业隐私政策和政府隐私管制等方面。

学界对个人隐私态度的研究最为丰富。SMITH et al.[22]梳理了300多篇已有研究文献，认为绝大多数研究都将隐私关注作为测量隐私态度的核心变量，一般情况下隐私关注即特指隐私态度。以隐私关注为核心，SMITH et al.[22]构建了名为APCO的概念模型，既包括影响隐私关注的个人经验、性别、年龄、文化差异、隐私关注度、信任、成本效益分析等个体自身因素，又涵盖企业隐私策略、政府隐私管制等外界因素，用户的实际行为表现取决于所有因素的综合影响。

在企业隐私政策方面，已有研究涉及到信息采集和信息保护。对于信息采集，有研究认为其重要影响因素包括采集的方式(秘密或公开)、意见领袖的作用、社会规范程度及男女性别差异等[23-24]。对于信息保护，有研究发现《福布斯》排名前100的知名公司全都运用了先进的信息采集技术，但大部分企业在信息保护技术的投入上远远不够[25]。企业的信息保护政策将影响用户的购买选择，同等情况下，用户更愿意购买能很好保护其隐私的企业的产品[26]。

在政府隐私管制方面，不少学者提倡让市场进行自我调节，不鼓励政府过多干预，如强制性要求企业保护用户隐私、不得进行隐私交易等。TANG et al.[27]假设企业是否保护隐私影响用户购买其产品的意愿，但企业提供隐私保护要花费一定的成本，而且多个企业之间的竞争也影响到企业决策，认为企业自由竞争下达到的社会福利水平要高于政府管制的情况；LEE et al.[28]通过社会福利分析发现企业自由选择隐私策略的均衡结果恰好能使社会福利最大化，因此政府不应管制企业之间的信息交换；CHELLAPPA et al.[29]也认为政府不应管制根据隐私提供量对用户进行歧视性服务的商业模式。

中国对信息隐私的研究不多，涉及到的议题主要包括以下几个方面。一是研究用户隐私态度的构成和影响因素。杨姝等[30]研究网站声誉、隐私协议和隐私信用图章等因素对用户隐私信任和主动提供信息意愿的影响，发现三者均正向促进用户的隐私信任和信息披露意图；陈小燕等[31]研究网络安全环境下隐私关注对消费者购买意愿的影响，认为品牌忠诚起关键的中介作用。二是研究用户披露个人隐私的行为。张会平等[32]和袁红等[33]通过问卷调查研究用户隐私关注与隐私披露行为之间的矛盾现象，即用户一方面担心个人隐私被侵犯，另一方面又主动对外提供个人信息；薛可等[34]认为用户对社交媒体的信任度及其对人际关系的边界管理影响用户的隐私披露意愿。三是研究用户隐私管理。吴友富等[35]认为政府在用户健康信息隐私管理中扮演重要角色；谢宗晓等[36]指出用户参与和信息安全意识对信息隐私安全管理发挥着积极作用。中国关于信息隐私的研究及其与国外研究的差异可参见欧阳洋等[37]的研究综述。

1.3研究评述

关于定向广告的研究时间还很短，针对定向广告中用户隐私问题的研究更是在最近几年才开始，已有的少量研究只是测量用户隐私关注的影响因素，很少有从定向广告本身出发，研究定向广告精准度与用户隐私之间的关系，而这却是影响定向广告效果甚至是定向广告行业发展的核心因素。在信息隐私领域，虽然有研究探讨用户隐私态度以及企业应对策略等问题，但这些研究更多地关注用户隐私变量，很少涉及广告、广告精准度或广告效果等变量，因此很难为企业如何寻找定向广告与用户隐私之间的平衡提供理论支撑。

本研究构建广告精准度、隐私关注、广告响应三者之间的关系模型，采用现场实验法获得数据，并检验三者之间的关系。

2理论分析和研究假设

本研究构建广告精准度、隐私关注和广告响应之间的关系模型，涉及3个方面的假设。

2.1广告精准度与隐私关注的关系

定向广告的实际效果很大程度上受制于用户的隐私态度[10]。由于隐私态度不易直接测量，信息隐私领域的学者引入了隐私关注这一概念，测量用户对个人隐私的关注程度，以此反映用户的隐私态度[22]。

引起人们关注个人隐私的原因有很多，如个人信息被披露或被不合理使用等。从定向广告方面看，当广告传达至受众时，意味着受众的喜好或行为信息被企业采集和掌控[12]。越精准的广告，意味着广告主获取的个人信息越多，用户的风险意识就越强，即用户感知到的潜在损失风险越大。随着用户感知风险的提高，其隐私关注的程度也越高，表现出越强烈的隐私担忧[38]。如《华尔街日报》报道，雅虎收集大量有关用户的个人信息，在此基础上将更加符合用户利益、与用户相关的内容和广告推荐给用户，但却因此引起了用户的隐私担忧[39]。无独有偶，Facebook也曾开发出名为“灯塔”的广告系统，可以根据用户的购买习惯、社交圈子和所处地域实现精确的定向广告，但这一新的广告平台一经推出就遭到了大量投诉[40]。综合上述分析，本研究提出假设。

H1广告精准度对隐私关注有正向影响。

2.2广告精准度与广告响应的关系

对用户而言，定向广告的优势是具有高相关性和高匹配性，如在恰当的时间、合适的地点向用户提供准确的产品或服务，为用户节约寻找的时间和精力。精准的个性化服务和相关性内容也会提高用户的消费意愿，对其消费行为有积极的正向作用[12]。但是，定向广告是一把双刃剑。随着广告精准性的提高，受众对个人信息的敏感性增强，受侵扰感因此增大，这将对消费者关注广告内容产生负面影响[11]。

根据隐私计算理论，用户的个人行为是理性计算的结果，人们以使收益最大化的方式采取行动[41]。感知风险和感知收益是隐私计算的核心[42]，一般说来，用户的感知风险负向影响用户行为，而感知收益正向影响用户行为[43]。在接收定向广告的过程中，用户的感知收益包括个性化服务、需求得到满足等，感知风险包括个人信息被不合理使用、身份遭盗窃、被骚扰等不良后果，感知收益和感知风险都随广告精准性的提高而增加。根据经济学的边际报酬递减规律，随着广告精准度的不断提高，人们的感知收益增加量越来越少，而感知风险增加量将越来越高。由此可以推断，存在一个临界点，当广告精准度低于此临界点时，用户的感知收益大于感知风险，此时广告精准度的提高将给用户带来更多利益；反之，当广告精准度高于此临界点时，用户的感知风险高于感知收益，此时广告精准度的提高将给用户带来更多损害。这一推断也符合心理学的耶克斯-多德森定律，即人们从事任何活动都存在一个最佳的动机水平，动机不足或过分强烈都使活动的效率下降[44]。

当用户面临不同程度的利益或损害时，必将对定向广告做出不同的反应。在广告研究领域，通常有两种变量可以用来测量用户对广告的反应，即广告响应和广告态度。广告响应包括用户浏览、关注或者点击广告等行为特征，广告态度主要指用户对广告的感受、记忆、映像等心理特征。相比之下，广告响应的测量比广告态度的测量更具有客观性，而且用户的心理特征一般都通过行为特征表现出来[12]，加之本研究采用现场实验的研究方法，有条件取得客观的数据，因此本研究以广告响应作为测量广告效果的依据。综合上述分析，本研究提出假设。

H2广告精准度对广告响应有显著影响，相对于较高或较低水平，中等水平的广告精准度能带来更多的广告响应。

2.3隐私关注的中介效应

根据H1，广告精准度与隐私关注之间存在显著的正向影响；另外，有很多学者已证明隐私关注对个人的行为有负向影响。对于国外用户，DINEV et al.[42]发现隐私关注对广告受众的交易意向有负向影响；NAM et al.[45]和BANSAL et al.[46]也认为隐私关注对用户向企业提交个人信息的意向有负向影响。虽然中国用户的隐私态度与国外有所差异，但学者们同样发现用户隐私关注对个人行为产生负向影响。刘百灵等[47]认为用户的隐私担忧负向影响移动购物用户的自我披露意愿；朱侯等[48]探讨隐私关注在用户参与社交媒体网络中的作用，认为感知风险正向刺激用户的隐私关注，而用户隐私关注度越高其披露个人隐私的意向越低；高锡荣等[49]发现隐私顾虑使用户拒绝提供或者提供虚假的个人信息。由此可以推断，不同精准度的广告直接影响用户的隐私关注(H1)，并间接对用户行为(即广告响应)产生影响(H2)。综合以上分析，本研究提出假设。

H3不同精准度的定向广告通过隐私关注的中介效应影响广告响应。

3实验设计和数据收集

3.1实验设计

本研究通过现场实验获取定向广告精准度对消费者广告响应的相关数据。为了便于实验，将刺激物设定为纸质平面广告，在实验过程中以“卡片+文字”的形式呈现给被试。由于广告精准度与广告响应可能呈现出非线性的相关关系，因此将自变量广告精准度设定为高、中、低3种精准度水平，分别制作包含3种广告信息的卡片，并通过预测试检验其层次的显著性。然后进行正式实验，向被试随机发放不同类型的广告卡片，附上推荐品牌的微信二维码，收集被试是否扫描二维码，以此作为广告响应的数据。最后通过问卷调查采集被试的隐私关注。

通过以上实验，可以获取自变量广告精准度(AA)、中介变量隐私关注(PC)和因变量广告响应(AR)的相关数据。在此基础上，进行数据分析，检验H1、H2和H3。表1给出实验的3个分组及其对应的实验处理条件。

表1 实验组别设计Table 1 Design for Experimental Group

3.2预测试

在正式实验之前进行预测试，检验3种精准度水平是否存在显著差异，时间为2017年4月20日至4月30日。

(1)制作3种类型的卡片，分别印出3种不同的广告语：“感谢您的此次购物，扫描××(品牌)微信二维码，及时获取最新商品及优惠信息”“亲爱的××(姓名)，您的××(所购商品品类)已经送达，扫描××(品牌)微信二维码，及时获取最新商品及优惠信息”“亲爱的××(姓名)，您的××(所购商品品类)已经安全抵达××(住址)，扫描××(品牌)微信二维码，及时获取最新商品及优惠信息”。以上3种广告语分别对应低、中、高3种精准度水平。

(2)随机招募60名在校大学生参加预测试，招募时控制性别比例，且满足在校大学生、具备一定的网上购物经验等条件。将被试分为3组，每组20人。向全部被试介绍定向广告的涵义及应用举例，随后向每组成员各展示1种卡片，并要求其采用Likert 7点评分法对卡片广告的精准度进行打分，1为完全不精准，7为完全精准。

(3)实验结果表明，本研究设计的高、中、低3种精准度水平层次显著，t=48.195,p<0.001。本研究还对3种精准度进行两两比较分析，结果表明其差异显著，p值均小于0.001。由此可知，以上设计的3种精准度梯度合理。

3.3正式实验

正式实验时间为2017年5月至7月，实验选取某高校大学生为被试，共投出210份广告卡片，高、中、低精准度的卡片各70份，参与实验的被试中女性占67.619%。最终有43名被试关注了公众号，其中女性占69.767%。有127名被试参与问卷调查，女性占65.354%。关注公众号的被试全部参与问卷调查，部分未关注公众号的被试也同意参与问卷调查。

实验采用单因子的组间设计。首先，为某虚拟品牌新设一个实验专用的微信公众号，将其二维码印制在广告卡片上，用以接收被试的广告响应数据。其次，通过快递公司查询到当天或次日即将送至某高校的包裹，并获知包裹接收人的信息，包括姓名、住址和购买商品品类。将接收人(即被试)信息填入3种广告语中，依此设计出3种不同精准度的广告卡片，1为低精准度，2为中精准度，3为高精准度，并将卡片附于包裹之上。待包裹送达至接收人后，监测微信公众号的关注数据，即广告响应数据，未响应取值为0，响应取值为1。最后，通过包裹显示的手机号联系所有被试，请被试参与问卷调查，采集其隐私关注的数据及其是否响应广告的数据。

在问卷调查的量表使用上，信息隐私领域普遍采用的经典量表有两种，即CFIP量表和IUICP量表[22]。二者相比，IUICP量表比CFIP量表具有更高的收敛效度和稳定性，更适合用于研究中国国情下消费者隐私关注问题[50]。因此，本研究采用IUIPC量表，并根据中文的语义环境进行调整和修改，形成3个维度共计10个题项，见表2。采用Likert 7点评分法进行打分，1为完全不同意，7为完全同意。表2中，采集维度包含4个题项，反映用户对企业采集个人信息的关注程度；控制维度包含3个题项，反映用户对能否控制个人信息的关注程度；知情维度包含3个题项，反映用户对企业采集和使用个人信息是否知情的关注程度。本研究实验场景下，被试在接收快递的同时看到广告卡片，得知其信息被收集和使用，涉及采集维度；在未经允许的情况下，被试的姓名、住址、购物等信息被公开张贴于广告之上，触发用户对于隐私的失控感，涉及控制维度；广告对于如何获取或使用个人信息未有任何解释说明，用户因未知情而产生被侵犯感，涉及知情维度。因此，本研究的现场实验同时触发以上3个维度，从而唤醒用户的隐私关注。这种唤起采集、控制、知情3个维度隐私关注的实验方法和测量量表借鉴MALHOTRA et al.[51]、杨姝等[52]、FODOR et al.[53]、WILLIAMS et al.[54]、ZUKOWSKI et al.[55]的研究。

表2 隐私关注因子分析结果Table 2 Factor Analysis Results for Privacy Concern

4数据分析

4.1信度和效度分析

(1)效度检验。对测量量表进行信度和效度分析，以检验测量模型。在进行量表信度检验之前，本研究首先以主成分分析法对隐私关注量表进行因子萃取，以最大变异法进行因子转轴，提取了3个公因子，累计解释率达到61.149%，具体分值见表2。由表2可知，10个题项均被很好地归入到3个公因子中，因子归类与问卷预先设定的变量维度划分一致，因子结构清晰，说明3个公因子对样本方差的解释力较强，具有较好的收敛效度，能够较好地代表样本数据。因此，可对隐私关注进行探索性因子分析。原始数据经过取样适当性指标(KMO)和Bartlett球形检验后发现，隐私关注的KMO=0.842,p<0.001，Bartlett球形检验值为268.448，表明量表适合做因子分析。

(2)信度检验。本研究采用Cronbach′sα系数测量信度，隐私关注各维度测量题项的Cronbach′sα系数均大于0.600，进一步将各个子维度的测量题项分别加总的Cronbach′sα系数为0.781，高于可接受的标准0.700，表明本研究设计的量表题项具有较高信度，测量结果比较可靠。

4.2变量的描述统计

表3给出变量的均值、标准差和相关系数。结果表明，广告精准度与隐私关注之间有显著的正相关关系，r=0.651,p<0.001；广告精准度与广告响应之间没有显著的相关关系，r=0.035,p>0.050， 初步表明二者之间并非简单的线性关系。

表3 描述性统计结果和相关系数Table 3 Resutls for Descriptive Statistics and Correlation Coefficients

注：***为p<0.001，下同。

4.3广告精准度与隐私关注的关系分析

下面分析自变量广告精准度与中介变量隐私关注之间的关系，见图1。随着广告精准度水平的提高，隐私关注的均值呈现出持续增加的趋势，即从低到高为4.679、5.554、5.937，初步可以判断广告精准度与隐私关注之间呈正相关关系。

图1 广告精准度与隐私关注的关系Figure 1 Relationship between Advertising Accuracy and Privacy Concern

采用线性回归的方法进一步检验。线性回归结果表明，广告精准度与隐私关注之间有显著的线性关系，p<0.001，且一次项系数为0.619。因此，广告精准度与隐私关注之间存在显著正相关，H1得到验证。

4.4主效应分析

下面分析自变量广告精准度与因变量广告响应之间的主效应，二者之间的变化关系见图2。随着广告精准度水平的提高，广告响应的均值呈现出先增后减的趋势，即从低到高为0.206、0.481、0.268，初步可以判断广告精准度与广告响应之间的关系为非线性。

图2 广告精准度与广告响应的关系Figure 2 Relationship between Advertising Accuracy and Advertising Response

鉴于此，本研究采取层级回归的方法分析广告精准度与广告响应之间的主效应。对二者采用中心化处理，得到处理后的变量为AAC和ARC。以AAC为自变量进行一元一次和一元二次回归分析，得到AAC与ARC之间的关系，回归结果见表4。

表4 广告精准度与广告响应的层级回归结果Table 4 Hierarchical Regression Results for Advertising Accuracy and Advertising Response

注：**为p<0.010，下同。

由表4可知，AAC与ARC之间没有显著的线性关系，p=0.935；但AAC的二次项与ARC之间显著相关，p=0.004，且二次项系数为-0.244。表明广告精准度与广告响应之间存在显著的倒U形关系，即当广告精准度为高水平或低水平时，用户的广告响应水平较低；当广告精准度呈现出中等水平时，用户的广告响应水平较高。H2得到验证。

4.5中介效应检验

检验隐私关注在广告精准度与广告响应之间的关系中是否起中介作用，本研究采用依次检验回归系数的中介效应检验法，这种方法比较简单，而且检验的错误率很小，一般远远小于显著性水平[56]。

对隐私关注进行中心化处理，得到处理后的中介变量PCC。以AAC和AAC的二次项为自变量，以PCC为中介变量，以ARC为因变量，分3步对模型进行层级回归分析。第1步，检验自变量与因变量的总效应；第2步，检验自变量对中介变量的效应；第3步，检验控制自变量的影响后中介变量对因变量的效应[57]。检验结果见表5，加入中介变量后，广告精准度对广告响应的影响减弱，其系数由-0.224变为-0.287，说明隐私关注在广告精准度对广告响应的影响中起部分中介作用。H3得到验证。

表5 隐私关注中介效应的回归结果Table 5 Regression Results for Privacy Concern as a Mediating Variable

注：*为p<0.050。

5结论

信息技术的发展和大数据时代的到来使定向广告得到越来越广泛的应用。但是，随着应用的普及和深入，定向广告容易侵犯用户隐私的缺陷逐渐暴露出来。企业需要在定向广告与用户隐私之间寻求平衡，既满足定向广告的精准化要求，又不至于因过度侵犯隐私而触怒用户。本研究探讨定向广告精准度、用户隐私关注和用户广告响应之间的关系，得到以下研究结果和启示。

5.1研究结果

本研究采取现场实验探讨定向广告精准度与广告效果之间的关系以及用户隐私关注对二者之间关系的中介作用。研究结果表明，①广告精准度对用户隐私关注有显著的正向影响，即广告精准度越高，越容易引发用户的隐私关注。②广告精准度与广告响应呈倒U形关系，即随着定向广告越来越精准，用户对广告的响应呈现出先增加、后减少的趋势，这表明定向广告对企业而言并非越精准越好，当精准度超过一定水平时，反而造成更低的广告响应。③广告精准度与广告响应之间之所以呈倒U形关系，主要受到用户隐私关注的中介效应的影响。过于精准的广告容易引起用户强烈的隐私关注，因此对用户广告响应有负向影响。

5.2研究启示

本研究结果对企业具有一定的警示意义。一方面，企业在追求广告精准性方面要适可而止，把握好定向广告与用户隐私之间的平衡，即要保证适当精准的广告以匹配用户需求，又要避免过度侵犯用户隐私而使用户产生抵触情绪。另一方面，企业应积极与用户建立长期稳定的共赢关系，在探索采集用户信息用以制作广告内容时，把握好信息采集的分寸，注意广告包含用户信息的尺度，在服务过程中通过沟通和互动与用户达成一致，在最大化广告效果的同时降低隐私风险，实现用户和企业的双赢。

5.3研究局限性

本研究具有一定的局限性，需要在未来的研究中深入探讨。①简便起见，本研究仅考虑了影响广告精准性与广告响应之间关系最核心的中介变量隐私关注，而未考虑其他可能的中介变量，如感知风险和感知价值等。虽然隐私关注能体现出感知风险或感知价值的部分因素，但三者之间的相互关系仍有待确立。②受实验条件限制，本研究未考虑产品类型和优惠券等调节变量的影响。事实上，不同类型的产品(如理财产品和普通消费品)之于用户的重要性不同，它们对于隐私关注的中介作用影响也不同。③本研究采用现场实验研究方法，其固有的缺陷难以避免，如微信公众号和广告语等刺激物为虚拟物品，用户关注微信公众号的行为有可能受到广告以外的因素干扰等。以上不足和需要深入检验的问题为后续研究提供了方向。