刘 帅，谢 笑

(1.安徽工商职业学院 管理学院，安徽 合肥 231131；2.安徽大学 管理学院，安徽 合肥 230601)

近年来，随着《“健康中国2030”规划纲要》《健康中国行动(2019-2030年)》等一系列国家政策的出台，我国移动医疗事业进入快速发展期[1]。据统计，截至2019年底，全球主要的应用商店汇总有超过46万个医疗健康类应用程序(APP)。一些热门的APP，如丁香医生、妙健康、腾讯医典等，累计下载量达到上亿次。但是，与用户高下载量成鲜明对比的是用户的低使用率[2-3]，平均一款软件大约有22%的用户仅在下载时使用一次，随即就会卸载或不再使用。用户的不持续使用行为将增加移动健康服务商的运营成本，另外在某种程度上用户对APP的卸载意味着顾客的流失[4]，这对于单纯依靠线上平台运营的移动健康服务商而言影响更大。提供健康相关的信息咨询是健康类APP的一项基本服务，为了增加用户粘性，移动健康服务商致力于开发个性化推荐算法为用户提供更精准的信息服务。个性化推荐系统是建立在用户信息搜集痕迹基础上，包括用户的注册信息、历史访问记录、评分记录、订单等，通过各类优化算法和数据分析工具提供满足用户偏好的个性化信息[5]。现有的关于个性化推荐的研究集中在如何优化技术和算法方面，很少有针对个性化推荐使用效果的研究，学者通过调查发现个性化推荐并不总是为用户提供福利，有的却会使用户产生负面的体验[6-7]。本研究将以健康类APP为例，在结合隐私关……