金 燕 張啟源

(鄭州大學信息管理學院，鄭州，450001)

1 引言

Web2.0的發(fā)展促進了各類社交平臺的興起，如興趣類的貼吧、知乎、豆瓣，網(wǎng)站類的Facebook、Qzone，話題類的Twitter、微博等等。人們可以通過這些社交平臺與他人進行溝通、分享心情、分享知識等。但隨著人們對社交平臺利用的深入，一些問題逐漸呈現(xiàn)出來，其中尤為突出的就是社交平臺用戶的個人信息保護問題。部分個人、商家和組織在利益的驅(qū)動下，追逐社交網(wǎng)絡(luò)大數(shù)據(jù)中蘊含的商業(yè)價值，利用一切技術(shù)和手段搜集和捕獲用戶個人信息，引發(fā)一系列問題，如Facebook的泄密門事件[1]。美國當?shù)貢r間2018年3月17日，《紐約時報》《英國衛(wèi)報》等多家媒體報道，F(xiàn)acebook上超過5000萬用戶信息數(shù)據(jù)被一家名為“劍橋分析”(CambridgeAnalytica)的英國數(shù)據(jù)分析公司利用,該公司通過對Facebook用戶的日常喜好、性格特點、教育水平等數(shù)據(jù)的分析，預(yù)測他們的政治傾向，進行新聞的精準推送，從而試圖影響2016年美國總統(tǒng)大選結(jié)果。雖然用戶數(shù)據(jù)并不是由Facebook直接泄漏，但至少說明Facebook對于第三方應(yīng)用如何獲取和使用用戶數(shù)據(jù)缺乏監(jiān)管，導致用戶數(shù)據(jù)被濫用、誤用，引發(fā)了自創(chuàng)建以來最大的一次用戶信任危機。可以說，社交平臺已經(jīng)成了用戶現(xiàn)實生活在網(wǎng)絡(luò)中的一個映射，用戶在社交平臺上的各類個人信息、每一次的行為都可以被記錄、追蹤、搜集和利用，那么當用戶使用社交平臺享受數(shù)字化生活時，是否關(guān)心過社交平臺的隱私聲明，是否了解社交平臺的個人信息保護措施，對社交平臺提供的個人信息保護措施是否滿意呢？

國內(nèi)外關(guān)于社交平臺個人信息保護的相關(guān)研究已經(jīng)取得了豐富的成果。國內(nèi)研究主要集中于網(wǎng)絡(luò)社交環(huán)境下個人信息保護的現(xiàn)狀調(diào)查和個人信息保護機制的建立。如，羅力對社交網(wǎng)絡(luò)用戶個人信息安全的現(xiàn)狀進行剖析，提出了有效保護社交網(wǎng)絡(luò)用戶信息安全的3種途徑，包括加強立法保障和行業(yè)自律、提高社交網(wǎng)絡(luò)企業(yè)的信息安全管理水平、提升用戶信息安全素養(yǎng)[2]；王娜等以用戶個人行為為切入點，對移動社交網(wǎng)絡(luò)中個人信息保護現(xiàn)狀進行抽樣調(diào)查和分析，指出了影響個人信息安全的用戶行為習慣主要包括以個人信息作為密碼、安裝未知移動社交應(yīng)用等[3]；陶麗茂等從技術(shù)層面、管理層面、法律層面以及公民意識層面構(gòu)建了大數(shù)據(jù)時代下的個人信息保護機制[4]。國外研究主要集中于社交網(wǎng)絡(luò)隱私保護相關(guān)技術(shù)研究。如，Squicciarini等提出了一個隱私保護機制，它支持用戶的個人資料信息的半自動化生成規(guī)則，填補了社交網(wǎng)絡(luò)用戶的隱私管理需求和現(xiàn)有隱私保護機制之間的空白[5]；Yin等提出了一種基于Map-Reduce模型的社會網(wǎng)絡(luò)隱私保護方案[6]；Wang等致力于推廣一種保護個人隱私的技術(shù)，并提出了匿名的標準，以評估泄露社交網(wǎng)絡(luò)個人數(shù)據(jù)、破壞個人隱私所帶來的風險[7]。已有的相關(guān)研究表明，當前從用戶視角對影響社交平臺個人信息保護滿意度的要素展開的相關(guān)研究較少。

本研究試圖移植服務(wù)領(lǐng)域的Kano模型，以當前社交平臺開展的用戶個人信息保護項目作為衡量指標，通過Kano正反向問卷測量各類用戶對當前社交平臺個人信息保護狀況的滿意度，借助于Kano要素分類表與Better-Worse四象限圖，對影響社交平臺個人信息保護滿意度的要素進行歸類，在此基礎(chǔ)上對社交平臺的個人信息保護機制提出相應(yīng)的改進建議。具體研究目標如下：①通過Kano調(diào)查識別影響社交平臺個人信息保護滿意度的要素，并進行歸類；②在要素歸類的基礎(chǔ)上進行Better-Worse分析；③以要素識別歸類和Better-Worse分析為基礎(chǔ)，提出社交平臺改善個人信息保護現(xiàn)狀的措施和建議。

2 Kano模型及其應(yīng)用

1984年，日本管理學家狩野紀昭[8]確立了Kano模型的完整架構(gòu)，他將構(gòu)成產(chǎn)品或服務(wù)的典型特征或因素稱為一個質(zhì)量要素，并認為所有的質(zhì)量要素都可以劃歸為不同的類型，而不同類型的質(zhì)量要素對用戶滿意度的影響是不同的。影響用戶滿意度的主要質(zhì)量類型包括：①魅力質(zhì)量(A：Attractive)，此類質(zhì)量要素表現(xiàn)充足時，用戶滿意度會迅速大幅度提升；不充足時用戶也可以接受，不會造成用戶不滿意；②一維質(zhì)量(O：One-dimensional)，此類質(zhì)量要素的充足程度增加時，用戶滿意度會隨之線性增加，反之亦然；③必備質(zhì)量(M：Must-be)，必備質(zhì)量是用戶認為理所當然的質(zhì)量要素，當其表現(xiàn)不充足時，用戶滿意度會迅速大幅度下降，但當其表現(xiàn)超過業(yè)界平均值之后，必備服務(wù)質(zhì)量要素再充足，用戶也不會表現(xiàn)出特別滿意；④無差異質(zhì)量(I：Indifferent)，此類型要素不論充足與否都不會造成用戶滿意或是不滿意；⑤逆向質(zhì)量(R：Reverse)，此類型質(zhì)量要素充足時會引起不滿，不充足時令人感到滿意。當服務(wù)機構(gòu)的服務(wù)水平處于業(yè)界平均值之下時，必備質(zhì)量(M)對用戶滿意水平的影響比較顯著；而在平均值之上時，魅力質(zhì)量(A)對用戶滿意的影響比較顯著[9]。

KANO模型自提出以來，就被很多學者應(yīng)用于服務(wù)質(zhì)量的提升、用戶需求分析、滿意度影響因素探索等方面的研究，孟慶良等構(gòu)建了一種定量化的Kano模型，將顧客需求分類客觀化，提出基于定量化Kano模型的顧客需求最終重要度確定方法[10]；唐中君等運用Kano模型結(jié)合模糊聚類方法，對個性化需求進行識別與篩選，構(gòu)建了產(chǎn)品的個性化需求層次模型，并確定了個性化需求項的重要度排序[11]；陳梅梅等基于改進的Kano模型，研究了B2C電子商務(wù)網(wǎng)站滿意度影響因素[12]。基于此，本文認為，利用Kano模型來探索社交平臺個人信息保護滿意度要素是可行的。

3 研究思路與設(shè)計

本文的研究思路是：①問卷設(shè)計。通過與6名社交平臺管理者與使用者的訪談，結(jié)合目前社交平臺涉及用戶個人信息保護的項目，最終形成社交平臺個人信息保護的Kano調(diào)查問卷。問卷包含16個測量指標，如表1所示。問卷形式基本遵循狩野紀昭開發(fā)的結(jié)構(gòu)型問卷，問項由成對的正反向問題構(gòu)成，如表2所示。每個問題都有5個答案選項供選擇，并分別用李克特5級量表的1、2、3、4、5進行量化，其意義如下：“我很喜歡”，即讓被調(diào)查者感到滿意、開心、驚喜；“它理應(yīng)如此”，即讓被調(diào)查者覺得是應(yīng)該的、必備的功能/服務(wù)；“無所謂”，即讓被調(diào)查者不會特別在意，但還可以接受；“勉強接受”，即讓被調(diào)查者不喜歡，但是可以接受；“我很不喜歡”，即讓被調(diào)查者感到不滿意”。問卷調(diào)查的過程也就是被調(diào)查者選擇正反向問題的相關(guān)答案的過程。②實施調(diào)查。統(tǒng)計調(diào)查結(jié)果，并根據(jù)表3所示的Kano評價表進行交叉分析，得到每一要素類型歸屬的Kano調(diào)查結(jié)果表。③進行Better-Worse分析。④得出結(jié)論。

4 調(diào)查結(jié)果分析

本次調(diào)查的對象為各類社交平臺用戶，調(diào)查問卷發(fā)放的時間為2018年5月，主要通過問卷星在線平臺進行，考慮到網(wǎng)絡(luò)調(diào)研具有一定的局限性，隨后又在公共圖書館、大型商場隨機選擇部分人群進行現(xiàn)場調(diào)查。此次調(diào)查共發(fā)放問卷260份，回收有效問卷228份，回收率87.7%，將其中24位未使用過社交平臺的樣本視為無效樣本剔除后， 實際有效回收為204份，有效回收率為78.5%。被調(diào)查對象的年齡主要分布在21—34歲之間，其中男性占43.1%，女性占56.9%；擁有本科學歷的占55.9%，研究生學歷占24%。被調(diào)查者均具有較長的社交平臺使用經(jīng)歷，年齡等符合社交平臺典型用戶群體特征[13]。

表1 社交平臺個人信息保護的 Kano問卷指標集

表2 社交平臺個人信息保護Kano問卷調(diào)查示例

表3 Kano評價表

使用SPSS22.0軟件對此次調(diào)查數(shù)據(jù)進行信度、效度、Kano二維屬性歸類分析。Kano問卷整體信度Cronbach'sα系數(shù)為0.856，其中正向問卷的系數(shù)為0.858，反向問卷的系數(shù)為0.915；KANO問卷的總體效度KMO值為0.798，其中正向問卷為0.858，反向問卷為0.896。

4.1 社交平臺個人信息保護要素的Kano調(diào)查結(jié)果

根據(jù)Kano調(diào)查問卷、Kano評價表和Kano調(diào)查結(jié)果表這三個工具能夠很方便地推斷出每個要素所應(yīng)歸屬的類型[14]。使用SPSS22.0的交叉分析功能，計算出每一要素的類別占比，并在此基礎(chǔ)上，分別計算出TS、CS、Better和Worse值，如表4所示。表中數(shù)據(jù)的具體說明見下文詳解。

表4 社交平臺個人信息保護要素的Kano調(diào)查結(jié)果

4.2 Kano二維屬性歸類狀況

Kano模型類似于一種定性歸類方法，以頻數(shù)來判斷每個測試要素的歸類。表4中A、O、M、I、Q、R欄的數(shù)字分別代表C1至C16要素用戶回答歸類于魅力要素(A)、一維要素(O)、必備要素(M)、無差異要素(I)、可疑要素(Q)和逆向要素(R)的相對頻數(shù)計算情況(此表中為計算所得百分比數(shù)值)。其中，可疑要素(Q)指用戶的回答自相矛盾。傳統(tǒng)Kano模型只取頻數(shù)的最大值作為這一要素的歸屬類別，表4中N1欄列出了以此劃分的各個要素的Kano類型歸屬，包括5個一維要素(C4、C10、C11、C13、C14)、8個無差異要素(C1、C2、C3、C5、C8、C9、C12、C16)和3個必備要素(C6、C7、C15)。

在上述Kano二維屬性歸類結(jié)果中，無差異要素的數(shù)量占50%，且沒有出現(xiàn)其他具有顯著優(yōu)勢的分類。此種情況下，Lee和Newcomb[15]認為，可以引入一種新的分類，即混合類，以有助于觀測要素類別的轉(zhuǎn)換趨勢，幫助社交平臺管理者合理制定和調(diào)整管理決策?；旌项惖木唧w條件是TS(TotalStrength)值≥60%，并且CS(CategoryStrength)值≤6%，其具體計算方法為：TS=回答M，O，A的數(shù)量/總回答數(shù)；CS=max{A，O，M，I，R，Q}-secondmax{A，O，M，I，R，Q}，本次計算結(jié)果如表4中的TS和CS兩列所示?？芍牖旌项惖母拍钪?，經(jīng)過調(diào)整的各要素Kano類型歸屬如表4中的N2列所示，其中H代表混合類，H后括弧內(nèi)為占比最大的前兩個傳統(tǒng)Kano歸類，表明混合類的主要組成。兩次分析得到的Kano類型分布表如表5所示。

表5 Kano類型分布表

不同Kano類型的社交平臺個人信息保護要素對用戶滿意度的影響不同，社交平臺應(yīng)該針對不同類型的要素制定不同的管理策略。一維要素(O)通常表現(xiàn)為用戶對社交平臺個人信息保護方面顯性的服務(wù)期望，這些要素基本決定了用戶對社交平臺現(xiàn)有的個人信息保護措施是否滿意，加入混合類之后，得到2項一維要素(C11、C13)。按照傳統(tǒng)Kano模型的思想，無差異要素(I)將會增加成本與項目的風險，應(yīng)該舍棄。但Yang[16]認為，并非所有的無差異質(zhì)量要素都會是資源的浪費，部分要素隨著時間的推移，有可能轉(zhuǎn)化為魅力要素(A)。同時，Kano的研究指出[17]，要素類別產(chǎn)生變化的軌跡為：I→A→O→M。據(jù)此認為，社交平臺個人信息保護要素極有可能還處于I→A→O的發(fā)展階段。本次調(diào)研雖存在一半的無差異要素(C1、C2、C3、C5、C8、C9、C12、C16)，但從TS值與CS值的觀測上，隨著時間的推移，C12要素可能會演變?yōu)镮和O相混合的混合類要素。6項混合類要素(C4、C6、C7、C10、C14、C15)的存在也從另一個角度說明了這一點。由表4可知，混合類基本上都是O類和M類的混合。Kano類型隨時間的轉(zhuǎn)變是必然的，網(wǎng)絡(luò)環(huán)境下Kano要素類型的轉(zhuǎn)換相較于傳統(tǒng)環(huán)境更加迅速，因此各類社交平臺必須及時追蹤調(diào)查和了解這些要素的屬性變化，及時調(diào)整管理策略。

4.3 Better-Worse指數(shù)四象限圖

傳統(tǒng)Kano模型要素歸類判定的方法只是針對某一指標，選取占比最大的類別作為最終的歸類；即使引入混合類，也只是針對某一指標，選取占比最大的前兩類，忽略了占比較小的類別的分布狀態(tài)，丟失了大量的統(tǒng)計樣本，導致實際應(yīng)用中出現(xiàn)不能精準地支持決策的情況。為了克服這一弊端，Berger[14]等人提出顧客滿意指數(shù)，以改善傳統(tǒng)Kano模型的指標。此指數(shù)計算某一要素能在多大程度上影響顧客滿意(Better)，或使顧客不滿意(Worse)，其具體計算公式為：Better=(A+O)/(A+O+M+I)。當Better值為正值，近似于1時，代表高度影響用戶滿意；Better趨近于0時，表示對用戶滿意度只有非常小的影響。Worse=(O+M)/(A+O+M+I)*(-1)，其數(shù)值為負。其值若逼近-1，代表當質(zhì)量要素不充足時，對用戶不滿意影響將會特別大。本研究引入顧客滿意指數(shù)，具體計算結(jié)果見表4。

利用Better、Worse兩個指標，可以識別出哪些要素能增加用戶的滿意度，哪些要素能防止用戶不滿意。這樣在考慮改善社交平臺信息保護現(xiàn)狀時，既考慮某一要素充足時對用戶滿意度的提升程度，又考慮到該要素不充足時對用戶滿意度的損傷程度。為了方便進一步探討，可以利用四象限圖表示這16個要素的分布情形，象限圖以Better值為橫軸，以Worse值的絕對值為縱軸，以Better值和Worse值的平均數(shù)為原點，如圖1所示。

圖1 Better-Worse指數(shù)四象限圖

在四象限圖中，第一象限的特點是Better值高，Worse系數(shù)絕對值也很高。落入這一象限的要素，稱之為期望要素(一維要素)，說明無論對于提升用戶的滿意度還是防止用戶的不滿意，這些要素都值得重視。落在第一象限的要素有8個，見表1中的C4、C6、C7、C10、C11、C13、C14、C15項。

第二象限的特點是Better值低，Worse系數(shù)絕對值高。落入這一象限的要素，稱之為必備要素，說明這些要素可以有效地防止用戶的不滿意，但無法大幅度提升用戶的滿意度。在本次調(diào)研結(jié)果中，未有要素落入這一象限。

第三象限的特點是Better低，Worse系數(shù)絕對值也低。落入這一象限的要素，稱之為無差異要素，說明這些要素既無法提升用戶的滿意度，對防止用戶不滿意也作用不大。落在第三象限的要素有7個，見表1中的C1、C2、C3、C5、C8、C9、C16，它們對用戶滿意度的影響不大，故在資金和技術(shù)有限的情況下，可以消減這類要素的投入。

第四象限的特點是Better高，Worse系數(shù)絕對值低。落入這一象限的要素，稱之為魅力要素，說明這些要素能夠較大地提升用戶的滿意度，但對消除用戶不滿的作用較小。落在第四象限的要素僅1個，見表1中的C12。當社交平臺想要采取積極的管理策略，大幅度提高用戶對其個人信息保護狀況的滿意度時，應(yīng)該重視這一要素。

總之，若是決定采取積極的管理策略，提升用戶對社交平臺個人信息保護的滿意度，應(yīng)重視第一、第四象限要素的改善，而第三象限的服務(wù)質(zhì)量要素可以不必太費心。

5 結(jié)論及建議

5.1 結(jié)論

(1)要提高用戶個人信息保護的滿意度，社交平臺應(yīng)加大投入，重點改善C11(用戶可選擇個人信息可見范圍)、C13(具備明確的個人信息管控措施)兩項要素。在Kano分類結(jié)果中，C11和C13都屬于期望性的要素；在Better-Worse四象限圖中，二者都分布在第一象限，對于提升用戶滿意度或防止用戶不滿，都值得重視。

(2)應(yīng)維持C4(默認同意被收集個人信息)、C6(誘引獲取個人詳細信息)、C7(提供官方接口獲取個人信息)、C10(提供個人信息保護/隱私保護政策)、C14(與合作組織或機構(gòu)共享用戶信息)、C15(注銷賬號后保留個人信息數(shù)據(jù))六項要素的用戶滿意度。這六項要素都分布于Better-Worse四象限圖的第一象限之中，是提升滿意度或防止不滿意都應(yīng)著重考慮的對象，但在Kano分類結(jié)果中，它們屬于必備要素(M)與一維要素(O)相混合的要素，由于其具有必備要素的成分，對于用戶而言，如果不能站在用戶的角度，從這幾個方面去保護用戶的個人信息，則會增加用戶的不滿。

(3)應(yīng)該多加關(guān)注C12(用戶可選擇個人信息可見項目)要素的情況。對于分布在第四象限中，但被歸為無差異要素的C12要素，應(yīng)該增加對其關(guān)注度。隨著時間的推移，這一項要素可能逐漸轉(zhuǎn)變?yōu)橐痪S要素或必備要素，影響用戶的滿意度。

(4)應(yīng)該對C1(個人信息注冊后能瀏覽社交平臺的內(nèi)容)、C2(注冊時需要填寫個人基本信息)、C3(需要使用身份證號碼進行實名認證)、C5(默認使用郵箱地址進行郵件推送)、C8(記錄分析用戶操作行為習慣)、C9(對用戶精準推送廣告)、C16(獲取快捷登錄賬號已有的個人信息)七項要素保持關(guān)注，但應(yīng)合理控制對它們的資源投入。這七項要素主要分布于Better-Worse四象限圖的第三象限，并且在Kano分類中都屬于無差異要素，對于提升滿意度和防止用戶不滿意度的作用較小，在資源有限的情況下，應(yīng)該減少投入，但應(yīng)對其保持關(guān)注，以防后期隨著時間推移，屬性歸類發(fā)生轉(zhuǎn)變，影響到用戶滿意度。

5.2 建議

通過調(diào)查與分析，我們認為，應(yīng)當從以下方面改進社交平臺用戶個人信息保護狀況，以提高用戶的滿意度。

(1)法律層面。應(yīng)當制定和完善社交平臺個人信息保護相關(guān)法律法規(guī)，為社交平臺用戶個人信息保護的各權(quán)利主體提供有效的法律保障。應(yīng)該明確界定個人信息的范圍、個人信息的最高主權(quán)、以及各權(quán)利主體對個人信息擁有的權(quán)利和應(yīng)盡的保護義務(wù)等，對違法違規(guī)行為進行界定和約束。

(2)行業(yè)層面。對于社交平臺運營機構(gòu)而言，應(yīng)當合力制定相應(yīng)的行業(yè)規(guī)范，在一定程度上彌補法律的滯后性。首先，各類社交平臺運營機構(gòu)應(yīng)該具有良好的信息倫理道德，主要體現(xiàn)在：①尊重用戶的知情權(quán)，讓用戶得知在使用社交平臺的過程中，會被收集哪些個人信息，以及這些個人信息會被如何利用、利用的期限是多久；②明確告知用戶收集其個人信息的目的，經(jīng)用戶授權(quán)或許可再收集或利用；③賦予用戶對其個人信息的最高控制權(quán)，允許用戶修改、支配及隱瞞個人的真實信息。若用戶無意間泄露重要度較高的個人信息，應(yīng)該允許其采取補救措施，允許“被遺忘權(quán)[18]”的行使。其次，可以成立第三方社交平臺信息保護認證機構(gòu)，制定認證與評估標準。實施社交平臺個人信息保護認證機制，對具備個人信息保護措施的社交平臺，由第三方認證機構(gòu)頒布認證標志。同時，允許認證機構(gòu)定期對已獲得認證的社交平臺進行評估，對于不合格者，進行公示或懲罰等。

(3)用戶層面。用戶是社交平臺個人信息的生成者，對個人信息的保護具有絕對的主導權(quán)。然而，用戶在享用社交平臺互動性和便捷性的同時，常常會忽略個人信息安全，不可避免地泄露個人信息。對用戶而言，首先，應(yīng)當提高個人信息保護意識，在使用社交平臺時，不隨便向他人透露個人信息，不隨便暴露自己和家人的照片以及個人地理位置信息，對陌生人設(shè)置相應(yīng)的訪問權(quán)限等，主動保護個人信息安全，防止社交平臺上的個人信息被非法利用。其次，用戶要規(guī)范和約束自身在社交平臺上的行為，養(yǎng)成良好的社交平臺使用習慣。例如設(shè)置賬戶密碼時，盡量使用復雜的字符串，避免使用電話、生日等，并做到定期更換；發(fā)布含有個人信息的動態(tài)之前權(quán)衡該動態(tài)是否會暴露個人信息；不刻意、惡意獲取或利用他人信息；不隨意轉(zhuǎn)發(fā)傳播涉及他人個人隱私的信息等。此外，用戶還應(yīng)該積極維護自身權(quán)益，當發(fā)現(xiàn)社交平臺非法利用自己的個人信息時，應(yīng)當使用協(xié)商、調(diào)解等方式及時維權(quán)，必要時可采取訴訟等法律手段。