管瀚文 潘國豪 劉楚薇 顧芳霏 孔田雨

摘 要：隨著經(jīng)濟(jì)社會的發(fā)展和互聯(lián)網(wǎng)的普及，購物方式趨于網(wǎng)絡(luò)化，大學(xué)生作為社會生活的一個特殊群體，其消費對經(jīng)濟(jì)發(fā)展起到不可忽視的作用，而個性化的商品推送使大學(xué)生陷入“信息繭房”的桎梏?；诖吮尘?，文章通過問卷調(diào)查收集了大學(xué)生的消費偏好，在此基礎(chǔ)上建立“關(guān)聯(lián)度”模型，為提高信息推送效率提供了思路，并運用廣義Logistic模型對潛在需求進(jìn)行了分析和預(yù)測，最后對改善推送方式和提高消費質(zhì)量提出了建議。

關(guān)鍵詞：信息繭房;信息推送;消費者偏好;Logistic模型

0? 引言

信息推送技術(shù)（Message Push Technology），也稱“Web Casting網(wǎng)播”[1]，是通過一定的技術(shù)手段或協(xié)議，在互聯(lián)網(wǎng)上通過定期傳送用戶需要的信息來減少信息過載的一項技術(shù)。在信息社會高速發(fā)展的今天，推送技術(shù)能夠使人們在信息爆炸的環(huán)境中迅速發(fā)掘出自己感興趣的內(nèi)容并加以利用，這不僅提高了信息使用者的辦事效率，也提高了信息平臺的運營效率。因此，信息推送以其高效性被各大平臺開發(fā)和使用，個性化推送技術(shù)應(yīng)運而生。所謂個性化推送技術(shù)（Personal Push Technology）（簡稱“個推技術(shù)”）[2]，是以用戶為中心的信息推送機制，其建立在大數(shù)據(jù)技術(shù)和模型畫像技術(shù)之上，將推送效率進(jìn)一步提高。個推技術(shù)為每位用戶繪制畫像，存儲偏好，并利用大數(shù)據(jù)技術(shù)將同類型用戶反饋的內(nèi)容進(jìn)行合并整理，運用模型計算出用戶的可能性偏好，并進(jìn)行相應(yīng)推送。其發(fā)展進(jìn)一步繁榮了信息市場，但對于大學(xué)生消費者來說，個性化推送往往容易使其陷入“信息繭房”之中。

關(guān)于“信息繭房”概念，美國學(xué)者凱斯·R·桑斯坦[3]曾在其著作《信息烏托邦》中提出：對于公眾而言，其往往更傾向于選擇能使自身愉悅的通訊領(lǐng)域并只關(guān)注基于自身偏好選擇的信息，長此以往，自身便會被桎梏于如蠶繭一般的“信息繭房”當(dāng)中，而長期處于這種效應(yīng)便會出現(xiàn)一系列不良影響，如忽視自身的實際需求、產(chǎn)生不良從眾心理等等。對此，申楠[4]也指出，信息推送會造成不同主體間的信息鴻溝，使得用戶在信息內(nèi)容與獲取方式上面臨窄化風(fēng)險，加大社會不同群體間認(rèn)知差異，加劇在社會認(rèn)知方面的“個性化”，消解“共性化”傾向，阻礙公共空間與社會共識的形成，造成信息壟斷，并可能進(jìn)一步造成社會撕裂的后果。

作為新時代的消費群體，大學(xué)生消費者潛在消費量巨大，消費規(guī)模與日俱增。同時，獵奇心理不斷激發(fā)他們向未知而新鮮的領(lǐng)域探索，卻往往忽視了消費質(zhì)量，并在特定的信息推送機制下陷入信息繭房的桎梏。曹斐[5]提出相應(yīng)的表述如下：大學(xué)生在浩如煙海的網(wǎng)絡(luò)商品面前只會選擇自己感興趣的，而網(wǎng)絡(luò)平臺也會據(jù)此提供，無疑強化了大學(xué)生原有的喜好，使其固定思維，給自己制造了一個信息繭房，于是個人和群體變得更加極化，疏遠(yuǎn)了和其他思想碰撞的機會，長此以往，影響著大學(xué)生的消費觀。對此，倪敬凱[6]指出：當(dāng)代大學(xué)生消費者在消費時存在盲目消費的習(xí)慣，只顧及商品因素而未考慮其實際用途，缺乏綠色消費意識和理財意識。因此，引導(dǎo)大學(xué)生消費者提高消費質(zhì)量，優(yōu)化對大學(xué)生的信息推送方式是一項必要且迫切的工作，這不僅僅利于消費市場的開拓，更利于促進(jìn)大學(xué)生的合理消費、理性消費。

本文的研究目標(biāo)是在“信息繭房”的背景下，通過查閱文獻(xiàn)，實地調(diào)研，發(fā)放調(diào)查問卷，運用數(shù)學(xué)建模提出改善現(xiàn)狀的新的推送思路，促進(jìn)提升消費者購物體驗，助力消費平臺開拓潛在市場。本文安排如下：第一部分，說明數(shù)據(jù)來源并進(jìn)行描述性統(tǒng)計;第二部分，介紹信息推送和消費預(yù)測模型原理;第三部分，建立模型并應(yīng)用;第四部分，總結(jié)全文并提出對策建議。

1? 數(shù)據(jù)來源和相關(guān)工作

為獲取大學(xué)生的消費習(xí)慣和偏好，我們設(shè)計了“大學(xué)生網(wǎng)購偏好”問卷調(diào)查，并在互聯(lián)網(wǎng)平臺上發(fā)放，排除具有缺失值的無效問卷，最終收集到514份問卷。

1.1問卷核心內(nèi)容及基本信息

問卷收集的基本信息包括性別、年級、月可支配金額，核心問題包括現(xiàn)有需求和潛在需求。現(xiàn)有需求指消費者在購物平臺上會選擇購買的商品。潛在需求指消費者在平臺上被推送但由于經(jīng)濟(jì)因素等原因暫時無法購買但有購買欲望的商品。對于這兩個核心問題，問卷采用多選題的方式，讓被調(diào)查者在以下商品中勾選。

如此分成11類商品的目的是通過對大學(xué)生常用商品進(jìn)行現(xiàn)有需求和潛在需求的統(tǒng)計，找出具有消費潛力的群體。同時，收集被調(diào)查者的基本信息是為了在模型中作為潛在需求預(yù)測的自變量。

1.2核心統(tǒng)計數(shù)據(jù)

由于數(shù)據(jù)之多，且不重要的問題對后續(xù)理解并無大礙，因此，在此不詳細(xì)羅列，只列舉核心數(shù)據(jù)的統(tǒng)計結(jié)果，如表1所示。

2? 模型原理

本文的模型分為兩部分。第一部分，通過建立關(guān)聯(lián)度模型得出具有巨大和潛在消費市場的商品，并同時篩選出常用商品（具有巨大消費市場）的購買者。第二部分，定義一個新變量作為因變量——與潛在需求有關(guān)，將第一部分篩選出的消費者按因變量進(jìn)行分類，以此分別進(jìn)行Logistic回歸，得出預(yù)測結(jié)果。

先介紹模型原理。

2.1 條件概率

條件概率可以表示兩個事件之間的關(guān)系，利用一個事件在另一個事件已經(jīng)發(fā)生的情況下求出本事件的概率。公式為，即表示的是一個事件A在另外一個事件B已經(jīng)發(fā)生的條件下，兩件事同時發(fā)生的概率。本文建立的模型基礎(chǔ)是其變形公式.，意為在購買了B商品的前提之下購買A商品的概率，旨在通過計算挖掘出具有強關(guān)聯(lián)度的商品，此類商品正是消費者的偏好。具體目的、方法等見模型。

2.2 Logistic回歸

Logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘、經(jīng)濟(jì)預(yù)測等領(lǐng)域。本文中主要是建立模型，即模型表示的是預(yù)測在不同的自變量情況下（設(shè)定參照類），發(fā)生某種事件的概率比是多少， 根據(jù)與的大小決定因變量的值。Logistic回歸實質(zhì)是發(fā)生概率除以沒有發(fā)生概率再取對數(shù)。

3 模型建立與應(yīng)用

3.1 關(guān)聯(lián)度模型

3.1.1相關(guān)介紹

目的：找出商品之間的關(guān)系，并以此判斷商品的消費市場和未來趨勢。同時，篩選出具有強大消費市場商品的購買者進(jìn)行下一步研究。

方法和步驟：①運用條件概率公式等定義關(guān)聯(lián)度公式，并給予相應(yīng)的定性指標(biāo)。

②利用核心數(shù)據(jù)的統(tǒng)計結(jié)果進(jìn)行關(guān)聯(lián)度公式計算，將商品的聯(lián)系用定量數(shù)據(jù)表示。

③篩選出核心大學(xué)生消費者，以此為基礎(chǔ)進(jìn)行下一步建模。

模型假設(shè)：①為了簡化問題只考慮兩種商品之間的關(guān)聯(lián)程度而不考慮三種或三種以上商品的關(guān)聯(lián)程度。

②人們的偏好在短時間內(nèi)不會發(fā)生劇烈變化，即偏好在一段時間內(nèi)具有穩(wěn)定性。

③建模時忽略其他外面因素的干擾，為了揭示一般的規(guī)律不考慮特殊情況的發(fā)生。

3.1.2模型

考慮到商品不可能是獨立的，消費者在購買一種商品后，可能會同時購買互補品或相似產(chǎn)品，本節(jié)定義“關(guān)聯(lián)度”來反映商品之間聯(lián)系的密切程度，它為兩種商品同時被購買發(fā)生的概率，下面給予定義公式。

其中，（1）式中、表示為商品的種類，為商品被購買的次數(shù)，數(shù)據(jù)（現(xiàn)有需求）在表1中已羅列。為同時購買的次數(shù)，由于核心數(shù)據(jù)采用的是多選形式收集，且每類商品購買賦值為1，未購買賦值為0，只需將研究的兩種商品以每份數(shù)據(jù)為單位進(jìn)行簡單的加總，結(jié)果為2再進(jìn)行計數(shù)即為所得。（1）式中表示在已購買的條件下再購買的概率，即相對于的關(guān)聯(lián)程度，（2）式同理.（3）式即（1）式和（2）式的幾何平均數(shù)，用于消除購買的先后順序?qū)﹃P(guān)聯(lián)度的影響，表示為2種商品間的平均關(guān)聯(lián)度，簡稱“關(guān)聯(lián)度”。其定性指標(biāo)如下。

利用收集到的大學(xué)生消費偏好數(shù)據(jù)進(jìn)行關(guān)聯(lián)度計算，并繪制成表，如下表所示：

表中第行列與第行列所代表的含義相同，因此數(shù)據(jù)只占用了表格的右上部分。第行第列的值顯然無意義，表中未列出。

由表2得出三點結(jié)論：

1.從表2中得出很多關(guān)于優(yōu)化推送方面的啟示，可以選擇關(guān)聯(lián)度在50%以上的相關(guān)商品進(jìn)行推送.例如，在消費者購買了零食之后，可以推送日用品和服飾，在購買了日用品之后，可以推送零食、服飾和化妝品，等等.表中列出了在購買了每一種商品之后所應(yīng)該推送的具有高關(guān)聯(lián)度的相關(guān)商品，以此提高推送效率，增加消費量。

2.表2中還可以看出這4種商品的相互關(guān)聯(lián)度都超過60%，甚至達(dá)到70%。結(jié)合這4種商品的類型，可以將購買這類商品的大學(xué)生消費者定位為喜歡娛樂、注重儀表和熱愛生活的消費者，這類消費者具有較強的消費欲望和潛在需求，是市場消費的一大因子，同時，統(tǒng)計數(shù)據(jù)顯示至少購買中一種商品的人數(shù)占大部分（499人），于是認(rèn)為這類消費群體能夠代表絕大多數(shù)大學(xué)生的消費偏好，我們將其篩選并作為下一步回歸模型的研究對象。從另一個角度來講，之所以剔除另外15人是防止其偏好的特殊性所導(dǎo)致回歸效果不顯著。

3.表2顯示、、這3種商品分別和其他商品的關(guān)聯(lián)度不高，大約20%～30%，但確實存在且不能忽略，在這里可認(rèn)為關(guān)聯(lián)度在20%～30%左右的商品是被信息繭房覆蓋的具有潛在市場的商品，如何提高它們的銷售量？需要商品平臺優(yōu)化推送模式，弱化信息繭房對消費者選擇的影響，進(jìn)一步發(fā)掘消費者的偏好，這里不再展開。

3.2 Logistic回歸預(yù)測分析

3.2.1相關(guān)介紹

目的：對潛在需求進(jìn)行預(yù)測。

方法：①對3.1中篩選出的消費者進(jìn)行潛在需求的統(tǒng)計，找出具有強烈的潛在需求商品。

②以上一步得出的商品為代表，定義潛在需求順序型變量，作為回歸因變量。

③將順序型因變量的每一等級分別進(jìn)行回歸分析：首先進(jìn)行顯著性檢驗，如果有必要，剔除一些非顯著因素后重新回歸，確保建模結(jié)果具有顯著性意義。（由于各類消費者的購買欲不同，如果簡單的將所有消費者合并進(jìn)行回歸分析，效果顯然不盡人意）

④討論所得結(jié)果對于問題研究起到的作用

建模步驟：

1）設(shè)自變量為，，其中1，2...f...為屬于第i個自變量的不同等級（i =1，2......n，其中f為參照類）

2）因變量α分為A、B、C、D四個等級，

3）（e為常數(shù)，j≠f， k為相關(guān)系數(shù)，ξ為其他因素）

以D為參照類，將A，B，C分別代入公式求出結(jié)果。

3.2.2建模

運用SPSS軟件對3.1中篩選的消費者的潛在需求進(jìn)行統(tǒng)計，即對問卷中的核心問題（潛在需求）的統(tǒng)計，如表4所示：

表中可以看出他們強烈的潛在需求為零食、服飾、化妝品。從商品推送的角度看，除了推送類似同性質(zhì)商品外，日用品、電子產(chǎn)品等也因適當(dāng)納入推送考慮的范圍。

由于Logistic回歸分析研究的是非數(shù)值型變量，于是想到將問卷中核心問題的兩個變量轉(zhuǎn)為順序型變量。一個新變量作為自變量，為“現(xiàn)有需求”，變量值為每一個消費者購買的4種商品數(shù)量之和（不購買的計數(shù)為0，購買的計數(shù)為1），值有1、2、3、4（因為已經(jīng)篩選出的消費者所以不存在0值），給予定性指標(biāo)分別代表較弱、一般、較強、極強（現(xiàn)有需求），另一個新變量作為因變量，為“潛在需求”，變量值為消費者有強烈購買欲望的3種商品（零食、服飾、化妝品）數(shù)量之和（不購買的計數(shù)為0，購買的計數(shù)為1），值有0、1、2、3，給予定性指標(biāo)分別代表微弱、一般、較強、極強（潛在需求）。

下面用SPSS軟件的Logistic回歸分析，對潛在需求進(jìn)行定量預(yù)測分析。

將性別、年級、現(xiàn)有需求、可支配金額納入自變量，潛在需求作為因變量，通過SPSS軟件進(jìn)行多元Logistic回歸，得到如表5所示的顯著性結(jié)果：

通過表5中顯著性（雙側(cè)）可知4個影響因素中，年級、現(xiàn)有需求對潛在需求的影響是顯著的（若顯著性（雙側(cè)）值<0. 05， 表明具有較強相關(guān)性），而性別和可支配金額對因變量的影響卻不大，因此重新構(gòu)建以年級和現(xiàn)有需求為自變量，潛在需求為因變量的多元Logistic回歸模型，參照變量選擇“最后一個”，即現(xiàn)有需求以“極強”為參照，年級以“研究生”為參照，回歸結(jié)果見表6。

如表6（2）所示，概率p值為0，如果顯著性水平（雙側(cè)）為0.05，則應(yīng)拒絕回歸方程顯著性檢驗的原假設(shè)，說明解釋變量全體與廣義Logistic之間的線性關(guān)系顯著，模型選擇正確。

模型參數(shù)如下表：

上表分為三部分，以順序性因變量：微弱、一般、較強作為分割點，可以得到三個回歸方程。倘若將所有消費者當(dāng)做一個總體來進(jìn)行回歸，其回歸方程過于籠統(tǒng)，且忽視了消費者購買欲的差異對方程參數(shù)產(chǎn)生的影響，于是選擇了將因變量進(jìn)行分類，使有相似購買欲的消費者分為一類，依次進(jìn)行回歸，以此提高回歸的準(zhǔn)確度。換句話說這三個回歸方程是獨立的，之間互不影響。

表中共八列，第一列為三個順序性因變量（第四個因變量作為參照類），第二列為自變量及其相應(yīng)等級，其中年級1、2、3、4、5分別代表大一、大二、大三、大四和研究生。第三列為自變量相應(yīng)等級與參照類之間的自然對數(shù)比，最后一列為與之對應(yīng)的概率發(fā)生比，四～七列為檢驗統(tǒng)計量，與模型關(guān)系不大。第四列為參數(shù)的標(biāo)準(zhǔn)誤差。第五列為卡方統(tǒng)計量，第六列為統(tǒng)計量的自由度，第七列為顯著性水平。

在模型中因指定參照類別以此獲得相對值，上文已述參照類為年級5（研究生）、現(xiàn)有需求4（極強）.因此得到3個廣義Logistic方程如下：

（4）、（5）、（6）分別代表對微弱、一般、較強潛在需求的預(yù)測，三式相互獨立。式中為其他不顯著因素，表示第i個自變量中第j個水平與參照類的對數(shù)之比為a，即表中第3列數(shù)值，發(fā)生比即概率比為，即表中最后一列的數(shù)值.例如表示對于選擇微弱潛在需求，當(dāng)非年級自變量相同時，大一人數(shù)是研究生人數(shù)的倍，即0.778倍。

由表可知，大二的潛在需求較其他年級更高，但沒有更顯著的規(guī)律可尋。相比年級，現(xiàn)有需求對因變量的影響更加顯著：無論對于哪一類因變量，具有較弱和一般現(xiàn)有需求的大學(xué)生消費者的潛在需求明顯高于另兩類，且在概率上顯著，因此商品推送要“對癥下藥”，偏向現(xiàn)有需求一般的消費者。

綜上，模型通過消費者在購物平臺上購買的商品確認(rèn)其偏好，以此獲取對其的大致定位，找出具有較強的消費欲望和潛在需求消費者，然后用Logistic模型對其潛在需求進(jìn)行預(yù)測分析.但由于樣本量和樣本特殊群體的限制，對普遍性潛在需求的預(yù)測更需要大數(shù)據(jù)來作為分析的支撐。

上述關(guān)聯(lián)度模型及Logistic回歸模型啟示我們處理問題的模型思想，在不確定自變量對因變量相關(guān)性的情況下，首先應(yīng)創(chuàng)新的篩選出有意義的研究對象，為進(jìn)一步優(yōu)化相關(guān)性系數(shù)，使模型預(yù)測效果吻合，運用顯著性檢驗，剔除影響較小的變量，進(jìn)而構(gòu)建相關(guān)數(shù)學(xué)模型進(jìn)行預(yù)測.在本例中，關(guān)聯(lián)度模型為探索商品推送的內(nèi)容提供了一種思路，可延拓對于n個商品的關(guān)聯(lián)度分析并加以應(yīng)用。

4 結(jié)語和建議

根據(jù)以上模型，本文提出下列建議：

1.平臺根據(jù)消費群體差異化推送

平臺進(jìn)行商品推送時，可以根據(jù)消費者年齡和性別等因素，運用計量和統(tǒng)計方法進(jìn)行預(yù)測，并針對不同的客戶群體定向定量推送，提高推送效率。不同年齡層消費者擁有截然不同的消費觀，青年人消費大多追求時尚新穎，易于接受新鮮事物，追隨時代潮流，推送時可注意商品美觀新潮，其次是質(zhì)量;隨著年齡增長，人們變得很少沖動消費，消費時考慮更加全面，精打細(xì)算，推送商品時更加注重性價比和實用性。這樣有針對性的推送顯然更全面，準(zhǔn)確性、匹配度更高，從而大大方便了用戶，提高信息推送效率。

2.潛在消費市場商品嘗試性推送

對于電商平臺而言，可以通過改進(jìn)算法將用戶以不同指標(biāo)（如年齡）進(jìn)行層次劃分，找出同層次消費者的共性需求，并將其與每個消費者個體的需求進(jìn)行比較。并在比較后，向消費者推送其未曾購買過的商品。這樣可以拓寬消費者在一般維度下的選擇范圍與消費廣度。對于大學(xué)生消費者而言，可以根據(jù)其獵奇心理較重的年齡特征，將該層次全部消費者所購買的比較小眾的商品以少量隨機的方式進(jìn)行推送。既可以為平臺優(yōu)化推送機制，也可以為大學(xué)生消費者提供一個跳出機制，削弱信息繭房的影響。

3.消費者挖掘自身偏好

對于消費者而言，其本身不要拘泥于自己眼前能看到的商品，不要被困在自己的小世界里。信息繭房給消費者帶來的影響是片面而單一的，消費者因平時接觸不到更廣泛領(lǐng)域里的其他商品，而容易在同一類型商品反復(fù)消費，甚至于忽略自己可能需求或擅長的。由于眼界的局限本人難以意識到這一情況，通過多關(guān)注其他類型的產(chǎn)品來發(fā)掘自己在需求和喜好上的更多可能，則可以幫助消費者提高在其他領(lǐng)域的興趣，發(fā)現(xiàn)自己可能存在偏好的消費領(lǐng)域，通過消費多元化實現(xiàn)自我的提高和完善與全面發(fā)展。

參考文獻(xiàn)：

[1]王培鳳.Push技術(shù)與圖書館信息推送服務(wù)[J].現(xiàn)代情報，2005，7：107-109

[2]徐青云.信息推送在個性化信息服務(wù)中的發(fā)展趨勢[J].現(xiàn)代情報，2010，3：55-57

[3][美]凱斯·R.桑斯坦.信息烏托邦———眾人如何生產(chǎn)知識[M].畢競悅，譯.北京：法律出版社，2008：6-7.

[4]申楠.算法時代的信息繭房與信息公平[J].西安交通大學(xué)學(xué)報，2020，40（2）：139-144

[5]曹斐.淺析網(wǎng)絡(luò)信息繭房的現(xiàn)狀、困境及對策[J].管理觀察，2010，36：22-23

[6]倪敬凱.互聯(lián)網(wǎng)視角下大學(xué)生消費觀培養(yǎng)研究[J].赤峰學(xué)院學(xué)報，2021，5：73-75

【作者簡介】：

管瀚文（2001-），男，漢族，江蘇鹽城人，南京審計大學(xué)本科生在讀，研究方向：金融學(xué)