高 燕 查先進(jìn) 嚴(yán)亞蘭

在互聯(lián)網(wǎng)出現(xiàn)之前,人們的閱讀行為主要基于圖書(shū)、期刊、報(bào)紙等傳統(tǒng)紙質(zhì)媒體來(lái)進(jìn)行。隨著科技與互聯(lián)網(wǎng)的發(fā)展,依托智能手機(jī)、平板電腦等電子設(shè)備進(jìn)行的數(shù)字化閱讀越來(lái)越普及,網(wǎng)民規(guī)模大幅增長(zhǎng),閱讀人群更多,閱讀內(nèi)容在話題和形式上也更加豐富多樣,閱讀生態(tài)發(fā)生了巨大變革。同時(shí),互聯(lián)網(wǎng)上的信息呈現(xiàn)“井噴式”增長(zhǎng)趨勢(shì),隨之而來(lái)的信息迷航、信息過(guò)載等問(wèn)題也層出不窮。為了幫助用戶在信息海洋中高效便捷地獲取優(yōu)質(zhì)內(nèi)容,智能推薦功能應(yīng)運(yùn)而生,如知乎、微博、抖音的推薦功能和淘寶、大眾點(diǎn)評(píng)的“猜你喜歡”欄目等,從而也產(chǎn)生了一類新的互聯(lián)網(wǎng)行為——智能推薦信息閱讀。

但目前的智能推薦功能并非總是令人滿意和稱贊的。在智能推薦環(huán)境下,容易出現(xiàn)沉迷、信息繭房、信息質(zhì)量低劣等問(wèn)題。推薦算法的優(yōu)化該如何與用戶個(gè)人需求相匹配,智能推薦環(huán)境下用戶的閱讀習(xí)慣和特點(diǎn)是什么,用戶在移動(dòng)社交媒體上進(jìn)行智能推薦信息閱讀的影響機(jī)理究竟如何,等等,智能推薦功能有關(guān)的許多問(wèn)題都值得我們深入思考。

1 文獻(xiàn)綜述

1.1 移動(dòng)社交媒體與社會(huì)化閱讀

社交媒體(social media),也稱社會(huì)化媒體,指互聯(lián)網(wǎng)上基于用戶關(guān)系的內(nèi)容生產(chǎn)與交互平臺(tái),如知乎、微博、豆瓣等。閱讀是人們通過(guò)語(yǔ)言、文字、圖表等視覺(jué)材料來(lái)獲取信息、認(rèn)識(shí)世界、發(fā)展思維的活動(dòng)。社交媒體正在潛移默化地改變著人們的閱讀習(xí)慣、閱讀理念,也改變著人們的生活和學(xué)習(xí)方式[1]?；ヂ?lián)網(wǎng)時(shí)代用戶的閱讀具有碎片化呈現(xiàn)、個(gè)性化推動(dòng)和社會(huì)化閱讀三個(gè)特點(diǎn)[2],其中社會(huì)化閱讀是近年來(lái)眾多行業(yè)、學(xué)者研究的熱點(diǎn)。目前,我國(guó)社會(huì)化閱讀的相關(guān)研究正不斷升溫,在研究主題上涵蓋了閱讀方式、閱讀平臺(tái)、閱讀用戶、理論探討等各個(gè)方面[3]。

社會(huì)化閱讀作為社交媒體發(fā)展的產(chǎn)物,是一種以內(nèi)容為核心,以社交關(guān)系為紐帶,注重分享、交流和互動(dòng)的移動(dòng)閱讀新模式[4],以“社交+閱讀”為主要特征。在互聯(lián)網(wǎng)時(shí)代的閱讀文化中,閱讀的社會(huì)性得到重視,這與社交媒體的新功能相關(guān)[5]。社交媒體用戶的閱讀動(dòng)機(jī)主要包括娛樂(lè)、自我呈現(xiàn)、信息獲取、社交推廣和社交互動(dòng)[6]。孫挺等人對(duì)社會(huì)化閱讀用戶的持續(xù)使用意愿與不持續(xù)使用意愿進(jìn)行了系列研究,提出滿意度是社會(huì)化閱讀用戶持續(xù)使用意愿與不持續(xù)使用意愿最主要的影響因素[7],此外用戶不持續(xù)使用意愿的影響因素還有負(fù)面感知績(jī)效、使用倦怠、功能過(guò)載、社交過(guò)載和信息過(guò)載等[8]。用戶消極行為也是近年來(lái)社交媒體領(lǐng)域的研究熱點(diǎn)之一,社會(huì)因素是用戶流失的主要原因,其次是信息質(zhì)量、系統(tǒng)質(zhì)量與服務(wù)質(zhì)量[9]。李旭等人還基于自我調(diào)控理論框架,從心理契約違背視角切入,提出了社會(huì)化閱讀用戶負(fù)面使用評(píng)價(jià)→情緒情感反應(yīng)→應(yīng)對(duì)行為的模型,解釋了社會(huì)化閱讀用戶不持續(xù)使用的發(fā)生機(jī)理[10],豐富了信息過(guò)載背景下社會(huì)化閱讀APP用戶的消極使用行為的研究。

用戶在進(jìn)行社會(huì)化閱讀時(shí),通常還會(huì)進(jìn)入一種心流狀態(tài)。心流狀態(tài)又稱心流體驗(yàn),當(dāng)個(gè)體處于流體驗(yàn)狀態(tài)時(shí),會(huì)完全被當(dāng)前所做的事深深吸引,心情非常愉快并且感覺(jué)時(shí)間過(guò)得很快[11]。心流體驗(yàn)還表現(xiàn)為對(duì)活動(dòng)著迷、全神貫注、廢寢忘食、對(duì)時(shí)間的流逝和外部世界的存在喪失感覺(jué)等[12]。近年來(lái),用戶進(jìn)行社會(huì)化閱讀時(shí)的心流狀態(tài)也逐漸成為研究熱點(diǎn),季丹等人從感知控制、臨場(chǎng)感、交互響應(yīng)性三個(gè)維度探討了影響用戶社會(huì)化閱讀心流體驗(yàn)的因素,構(gòu)建了公眾社會(huì)化閱讀行為意愿的影響機(jī)制模型[13],為社交媒體背景下更好地提升用戶的社會(huì)化閱讀體驗(yàn)提供了新的研究視角。

1.2 智能推薦功能

許多信息推薦策略采取的是“融合推薦”,即參考多個(gè)維度為用戶進(jìn)行推薦。從效果上看,融合推薦較單一維度推薦在準(zhǔn)確率和召回率上表現(xiàn)更好,可以極大地提升網(wǎng)絡(luò)信息利用率和信息服務(wù)質(zhì)量[14]。當(dāng)前對(duì)智能推薦的研究主要集中于基于知識(shí)圖譜技術(shù)的算法優(yōu)化,如融合知識(shí)圖譜和病情畫(huà)像的在線醫(yī)療社區(qū)信息推薦等[15]。

在推薦算法的實(shí)現(xiàn)過(guò)程中,系統(tǒng)主要根據(jù)用戶的瀏覽歷史和點(diǎn)贊、收藏等行為為用戶進(jìn)行內(nèi)容推薦,但系統(tǒng)管理者并不完全放任推薦系統(tǒng)按照用戶的個(gè)性化偏好來(lái)進(jìn)行推送,而是會(huì)對(duì)某些內(nèi)容進(jìn)行加權(quán)推送,比如國(guó)家重大政策和重大節(jié)假日活動(dòng)信息、同城新聞、廣告的投放內(nèi)容等,會(huì)按不同的權(quán)重推送給不同的用戶。社交媒體APP上的智能推薦服務(wù)是一個(gè)基于復(fù)雜算法的、不斷變化的智能推薦系統(tǒng),如何針對(duì)不同的系統(tǒng)、不同的目標(biāo)人群進(jìn)行推薦算法的優(yōu)化是當(dāng)前眾多行業(yè)和學(xué)者關(guān)注的問(wèn)題。

移動(dòng)社交媒體和智能推薦功能深深地影響和改變了人們的閱讀環(huán)境與閱讀行為方式,但現(xiàn)有研究大部分是從閱讀的“社會(huì)化”角度開(kāi)展的,或者是基于用戶點(diǎn)擊率、日活躍量等數(shù)據(jù)指標(biāo)的推薦算法優(yōu)化研究,而智能推薦環(huán)境的確切感知及這一環(huán)境下用戶閱讀行為變化的詳細(xì)研究則有待進(jìn)一步豐富。

2 研究設(shè)計(jì)與數(shù)據(jù)搜集

2.1 研究方法

扎根理論(grounded theory)是Glaser和Strauss在1967年提出的、用于定性研究的重要研究方法[16],其核心是從原始資料出發(fā),通過(guò)對(duì)原始資料的不斷提煉、概括和歸納,“自下而上”地建立理論[17]。由于智能推薦功能最近幾年才成為互聯(lián)網(wǎng)社交媒體的主流功能,智能推薦環(huán)境下的用戶行為研究也相對(duì)較少,所以扎根理論是研究移動(dòng)社交媒體智能推薦信息閱讀的有效方法。扎根理論在定性研究上被多次運(yùn)用,根據(jù)前人經(jīng)驗(yàn)[18]和本文實(shí)際研究情況,制定如圖1所示的研究流程。

圖1 研究流程

2.2 訪談提綱

本文使用半結(jié)構(gòu)化一對(duì)一訪談的方式進(jìn)行數(shù)據(jù)搜集,首先根據(jù)文獻(xiàn)資料和研究經(jīng)驗(yàn)形成初版訪談提綱,邀請(qǐng)3名受訪者進(jìn)行預(yù)訪談后對(duì)初版訪談提綱中存在的問(wèn)題進(jìn)行反復(fù)討論與修正,以保證訪談效果和訪談結(jié)果的可信度,最終形成正式的訪談提綱。在正式訪談過(guò)程中,根據(jù)受訪者的知識(shí)背景等實(shí)際情況,同一問(wèn)題的問(wèn)法和表達(dá)語(yǔ)句略有區(qū)別,但核心意思不變。訪談流程為:訪談介紹、受訪者信息采集和正式訪談。訪談提綱見(jiàn)表1。

表1 訪談提綱

續(xù)表

2.3 樣本選擇

本研究采用選擇性抽樣的方式來(lái)確定研究樣本,選取和本研究具有相關(guān)性的人群進(jìn)行訪談。受訪者需滿足的條件:(1)熟悉并經(jīng)常使用社交媒體。(2)有過(guò)社交媒體智能推薦信息的閱讀體驗(yàn)。(3)能較準(zhǔn)確地理解訪談問(wèn)題,并具備清晰地表達(dá)觀點(diǎn)和想法的能力。(4)能最大程度為訪談問(wèn)題提供足夠的信息量。(5)以積極認(rèn)真的態(tài)度接受訪談,并同意訪談過(guò)程全程錄音。

其中條件(2)的確定方式如下:詢問(wèn)候選受訪者是否在列舉的任一種APP的推薦功能區(qū)進(jìn)行過(guò)信息閱讀,并請(qǐng)受訪者打開(kāi)APP進(jìn)行當(dāng)面確認(rèn)或通過(guò)網(wǎng)絡(luò)截圖進(jìn)行在線確認(rèn)。APP選擇范圍包括:知乎、豆瓣、今日頭條、百度、簡(jiǎn)書(shū)、虎撲、脈脈、去哪兒、大眾點(diǎn)評(píng)的推薦板塊,攜程、美團(tuán)首頁(yè)的“猜你喜歡”等下拉推薦內(nèi)容,馬蜂窩旅游、小紅書(shū)的“發(fā)現(xiàn)”板塊。若有過(guò)上述體驗(yàn),且滿足其他條件,則可以成為本項(xiàng)研究的受訪者。

2.4 數(shù)據(jù)搜集

數(shù)據(jù)的正式搜集歷時(shí)4周,搜集步驟如下:(1)與受訪者確定訪談?dòng)?jì)劃(電話訪談或面對(duì)面訪談)。(2)訪談經(jīng)受訪者允許后全程錄音,訪談過(guò)程中確保受訪者能最大程度地理解訪談問(wèn)題,并對(duì)回答中模棱兩可的觀點(diǎn)進(jìn)行追問(wèn)確定。(3)訪談結(jié)束后用軟件對(duì)錄音進(jìn)行轉(zhuǎn)錄。(4)對(duì)軟件轉(zhuǎn)錄結(jié)果進(jìn)行人工校對(duì),結(jié)合上下文語(yǔ)境對(duì)過(guò)度口語(yǔ)化和重復(fù)較多的表達(dá)語(yǔ)句進(jìn)行處理,最后形成規(guī)范化轉(zhuǎn)錄文檔。(5)借助NVivo12電腦軟件對(duì)規(guī)范化轉(zhuǎn)錄文檔進(jìn)行逐句分析,提取初始概念。

完成對(duì)每個(gè)受訪者的訪談后先將其訪談錄音轉(zhuǎn)錄文檔進(jìn)行概念化編碼,然后再繼續(xù)下一個(gè)訪談,以便準(zhǔn)確掌握理論飽和的時(shí)間節(jié)點(diǎn)。進(jìn)行理論飽和度檢驗(yàn)后,最終得到了21份訪談錄音與規(guī)范化轉(zhuǎn)錄文檔。按照受訪者完成訪談的時(shí)間將所有轉(zhuǎn)錄文檔按照A—U的字母順序進(jìn)行命名編號(hào)。21名受訪者的情況見(jiàn)表2。

表2 研究樣本情況

3 扎根分析

3.1 開(kāi)放編碼

對(duì)訪談后的規(guī)范化轉(zhuǎn)錄文檔進(jìn)行逐句編碼,提煉初始概念,過(guò)程中盡量提煉本土化的概念,對(duì)于相同的概念,僅編碼一次;對(duì)于相似的概念,選擇其中的一個(gè)作為初始概念。本階段共提取出662條原始語(yǔ)句,提煉出167個(gè)初始概念。表3列出了部分初始概念的提煉過(guò)程。

表3 開(kāi)放式編碼示例

結(jié)合已有的理論和文獻(xiàn),對(duì)所有初始概念進(jìn)行反復(fù)比較,剔除偶然性較大、不具代表性的個(gè)別初始概念,聚類后形成基本范疇,最終形成了28個(gè)基本范疇,所有基本范疇的含義與來(lái)源詳情見(jiàn)表4。

表4 范疇化編碼情況

續(xù)表

續(xù)表

續(xù)表

3.2 主軸編碼

將28個(gè)基本范疇進(jìn)一步歸納為智能推薦信息閱讀、智能推薦系統(tǒng)質(zhì)量、智能推薦信息質(zhì)量、閱讀流體驗(yàn)、任務(wù)緊急度、時(shí)間約束、心理授權(quán)和用戶偏好8個(gè)主范疇,見(jiàn)表5。

表5 主軸編碼情況

續(xù)表

3.3 選擇式編碼

在選擇編碼階段,結(jié)合原始語(yǔ)句對(duì)8個(gè)主范疇之間的關(guān)系進(jìn)行反復(fù)比較分析,梳理出如下的影響關(guān)系(見(jiàn)表6):智能推薦系統(tǒng)質(zhì)量、智能推薦信息質(zhì)量、閱讀流體驗(yàn)、任務(wù)緊急度、時(shí)間約束、心理授權(quán)和用戶偏好均對(duì)智能推薦信息閱讀產(chǎn)生直接影響,智能推薦系統(tǒng)質(zhì)量和智能推薦信息質(zhì)量對(duì)閱讀流體驗(yàn)產(chǎn)生直接影響,智能推薦信息質(zhì)量對(duì)心理授權(quán)產(chǎn)生直接影響。因此,將“智能推薦信息閱讀”確定為核心范疇,并構(gòu)建出智能推薦信息閱讀影響機(jī)理理論模型(見(jiàn)圖2)。

圖2 移動(dòng)社交媒體智能推薦信息閱讀影響機(jī)理理論模型

表6 主范疇典型關(guān)系

續(xù)表

3.4 理論飽和度檢驗(yàn)

Francis曾提出訪談研究數(shù)據(jù)飽和的“3個(gè)停止標(biāo)準(zhǔn)”[46]:在沒(méi)有新的想法后進(jìn)行多于3份的資料驗(yàn)證即可判斷理論是否飽和。在本研究的數(shù)據(jù)搜集過(guò)程中,每完成一位受訪者的采訪便立即進(jìn)行原始語(yǔ)句與初始概念的提取分析。當(dāng)對(duì)第14位受訪者的訪談資料進(jìn)行提取分析后發(fā)現(xiàn)已無(wú)新的想法、概念產(chǎn)生,又繼續(xù)訪談了7位受訪者,均無(wú)穩(wěn)定的新初始概念和概念關(guān)系出現(xiàn)。于是判斷理論已達(dá)飽和,最終確定了21份研究樣本。

4 移動(dòng)社交媒體智能推薦信息閱讀的影響機(jī)理

4.1 理論模型內(nèi)涵

4.1.1 智能推薦信息質(zhì)量對(duì)智能推薦信息閱讀的影響

(1)用戶在閱讀智能推薦信息時(shí),如果看到太多重復(fù)或同質(zhì)化內(nèi)容時(shí)就不想再看,當(dāng)推薦信息更豐富、全面時(shí)會(huì)持續(xù)地進(jìn)行閱讀,信息多樣性正向影響智能推薦信息閱讀。(2)當(dāng)用戶覺(jué)得智能推薦的信息對(duì)自身有用、可以解決自身問(wèn)題時(shí),會(huì)更想去看推薦的信息、有更多的推薦信息閱讀行為,反之則會(huì)減少閱讀智能推薦信息的行為,信息效用性正向影響智能推薦信息閱讀。(3)當(dāng)標(biāo)題比較簡(jiǎn)潔、醒目、具有視覺(jué)沖擊力和吸引力時(shí),會(huì)促進(jìn)用戶的閱讀行為和意愿,標(biāo)題清晰度正向影響智能推薦信息閱讀。(4)如果推薦的信息是當(dāng)下的熱點(diǎn)信息或是某件新聞的最新進(jìn)展,用戶的閱讀意愿和行為會(huì)增加;如果是已經(jīng)過(guò)時(shí)的信息,用戶的閱讀意愿和行為則會(huì)下降。即,信息及時(shí)性正向影響智能推薦信息閱讀。(5)用戶根據(jù)自身知識(shí)和經(jīng)驗(yàn)可以對(duì)智能推薦的信息進(jìn)行正確性判斷,當(dāng)用戶看到了虛假的、欺騙性的信息之后,會(huì)傾向于結(jié)束閱讀過(guò)程,并對(duì)智能推薦系統(tǒng)和智能推薦信息產(chǎn)生不信任等負(fù)面態(tài)度。推薦信息越準(zhǔn)確、越接近事實(shí)真相,越容易取得用戶的信任,信息準(zhǔn)確性正向影響智能推薦信息閱讀。(6)用戶如果看到了許多趣味性高的智能推薦信息,會(huì)不斷地進(jìn)行閱讀;若在閱讀過(guò)程中讀到了枯燥無(wú)味的內(nèi)容或是已經(jīng)持續(xù)一段時(shí)間沒(méi)有讀到有趣的內(nèi)容了,用戶就會(huì)結(jié)束閱讀過(guò)程。即,信息趣味性正向影響智能推薦信息閱讀。(7)如果智能推薦的信息是用戶感興趣的,用戶會(huì)進(jìn)行閱讀,推薦的內(nèi)容中用戶感興趣的、和用戶相關(guān)的越多,用戶在推薦頁(yè)面的停留時(shí)間會(huì)越長(zhǎng),對(duì)相應(yīng)推薦系統(tǒng)和推薦信息的好感度也會(huì)更強(qiáng);當(dāng)用戶持續(xù)一段時(shí)間沒(méi)有閱讀到感興趣的內(nèi)容時(shí),用戶大概率會(huì)結(jié)束閱讀過(guò)程。即,興趣相關(guān)性正向影響智能推薦信息閱讀。綜上,智能推薦信息質(zhì)量正向影響智能推薦信息閱讀。

4.1.2 智能推薦系統(tǒng)質(zhì)量對(duì)智能推薦信息閱讀的影響

(1)當(dāng)智能推薦系統(tǒng)表現(xiàn)得更了解用戶、能精準(zhǔn)地抓住用戶的興趣點(diǎn)和用戶需求時(shí),用戶會(huì)更喜歡閱讀智能推薦信息,有更多的閱讀智能推薦信息的行為,推薦算法精準(zhǔn)性正向影響智能推薦信息閱讀。(2)當(dāng)用戶打開(kāi)APP就會(huì)出現(xiàn)推薦頁(yè)面,或者進(jìn)入推薦頁(yè)面比較便捷、可以篩選、有快捷方式等方便自己操作的功能時(shí),用戶會(huì)更傾向于閱讀智能推薦信息;反之,若推薦功能的入口比較隱蔽,操作成本大,用戶閱讀智能推薦信息的意愿和行為也會(huì)降低。即,系統(tǒng)易用性正向影響智能推薦信息閱讀。(3)當(dāng)推薦信息的版面設(shè)計(jì)比較簡(jiǎn)潔、符合用戶的審美時(shí),用戶會(huì)傾向于在推薦頁(yè)面閱讀更長(zhǎng)的時(shí)間;當(dāng)頁(yè)面設(shè)計(jì)讓用戶覺(jué)得凌亂、不整潔時(shí),會(huì)促使用戶結(jié)束當(dāng)前的閱讀行為。即,頁(yè)面表現(xiàn)正向影響智能推薦信息閱讀。(4)當(dāng)閱讀智能推薦信息時(shí)看到了惡意評(píng)論或是感受到了不友好的人際氛圍,用戶大概率會(huì)結(jié)束閱讀行為;當(dāng)用戶持續(xù)地感受到了良好的人際氛圍,會(huì)傾向于在推薦頁(yè)面閱讀更長(zhǎng)的時(shí)間。即,人際體驗(yàn)正向影響智能推薦信息閱讀。綜上,智能推薦系統(tǒng)質(zhì)量正向影響智能推薦信息閱讀。

4.1.3 閱讀流體驗(yàn)對(duì)智能推薦信息閱讀的影響

(1)當(dāng)用戶處于開(kāi)心、放松等積極的情緒狀態(tài)時(shí),閱讀智能推薦信息的意愿會(huì)增加;當(dāng)用戶心情不好、情緒低落的時(shí)候,閱讀智能推薦信息的意愿會(huì)降低,若正在進(jìn)行智能推薦信息閱讀,也會(huì)因心情或情緒的負(fù)向變化而終止閱讀行為。即,情緒正向影響智能推薦信息閱讀。(2)當(dāng)用戶閱讀智能推薦信息產(chǎn)生快樂(lè)的體驗(yàn)時(shí),會(huì)持續(xù)閱讀下去,并認(rèn)為閱讀智能推薦信息是一件非常好的、令人快樂(lè)的事情。相反,若在閱讀智能推薦信息時(shí)長(zhǎng)時(shí)間沒(méi)有愉悅的體驗(yàn),用戶會(huì)傾向于結(jié)束閱讀。即,感知娛樂(lè)性正向影響智能推薦信息閱讀。(3)當(dāng)用戶感覺(jué)到身心疲勞、精神狀態(tài)不好時(shí),閱讀智能推薦信息的意愿和行為會(huì)減少,若正在閱讀,會(huì)因?yàn)槠诙Ｖ?若用戶精力充足、未感覺(jué)到疲勞,用戶持續(xù)閱讀智能推薦信息的行為和閱讀意愿也會(huì)有所增加。即,疲勞感負(fù)向影響智能推薦信息閱讀。(4)當(dāng)用戶在某個(gè)時(shí)刻感到無(wú)聊、沒(méi)有特定想做或是需要做的事情時(shí),會(huì)傾向于通過(guò)閱讀智能推薦信息來(lái)找樂(lè)子、獲取信息,閱讀意愿和行為會(huì)增加,無(wú)聊感正向影響智能推薦信息閱讀。(5)在使用移動(dòng)社交媒體APP時(shí),當(dāng)用戶沒(méi)有一個(gè)確定的搜索目標(biāo)或特定的搜索詞時(shí),會(huì)去推薦功能區(qū)閱讀智能推薦信息;若用戶有很明確的需要了解、關(guān)注的目標(biāo),則會(huì)在APP上進(jìn)行搜索行為而非閱讀智能推薦信息。即,搜索焦點(diǎn)缺失正向影響智能推薦信息閱讀。綜上,閱讀流體驗(yàn)正向影響智能推薦信息閱讀。

4.1.4 智能推薦信息質(zhì)量對(duì)閱讀流體驗(yàn)的影響

當(dāng)看到了較多符合自己興趣的、對(duì)自己有用的、正確的、時(shí)下熱門(mén)的、有趣的、豐富多樣的信息時(shí),用戶會(huì)獲得愉快的體驗(yàn),認(rèn)為閱讀智能推薦信息可以達(dá)到娛樂(lè)休閑的效果,從而會(huì)持續(xù)地、有更多的閱讀智能推薦信息的行為;若看到了較多虛假的、同質(zhì)化的、不及時(shí)的信息時(shí),用戶會(huì)感到反感、心情被破壞,閱讀智能推薦信息的意愿也會(huì)降低。即,智能推薦信息質(zhì)量正向影響閱讀流體驗(yàn)。智能推薦信息質(zhì)量可以通過(guò)直接影響閱讀流體驗(yàn)中的感知娛樂(lè)性、情緒來(lái)間接影響智能推薦信息閱讀。

4.1.5 智能推薦系統(tǒng)質(zhì)量對(duì)閱讀流體驗(yàn)的影響

用戶的情緒容易受移動(dòng)社交媒體APP上其他用戶評(píng)論的影響,若該APP上均是受教育層次高、語(yǔ)言溫和的用戶,用戶能在其中感受到良好的人際體驗(yàn),那用戶在閱讀智能推薦信息時(shí)便會(huì)心情平和愉悅;若該APP上總是出現(xiàn)拉踩、引戰(zhàn)等不溫和的內(nèi)容,用戶當(dāng)時(shí)的心情便會(huì)受到影響,從而導(dǎo)致結(jié)束在該APP上的閱讀。若該推薦系統(tǒng)存在操作比較繁瑣(如進(jìn)入/退出推薦頁(yè)面步驟冗雜、功能按鈕層級(jí)關(guān)系過(guò)多、進(jìn)入推薦頁(yè)面后原瀏覽頁(yè)面消失需重新進(jìn)入等)、可操作空間較少(如不能對(duì)內(nèi)容進(jìn)行篩選、保存、轉(zhuǎn)發(fā)、屏蔽等)、系統(tǒng)卡頓等現(xiàn)象,也會(huì)使用戶的心情變得煩躁,最終導(dǎo)致用戶放棄閱讀、討厭該APP等。智能推薦系統(tǒng)質(zhì)量正向影響閱讀流體驗(yàn),智能推薦系統(tǒng)質(zhì)量可以通過(guò)直接影響閱讀流體驗(yàn)中的情緒來(lái)間接影響智能推薦信息閱讀。

4.1.6 心理授權(quán)對(duì)智能推薦信息閱讀的影響

(1)當(dāng)用戶認(rèn)為自己可以理解智能推薦信息的內(nèi)容與觀點(diǎn)時(shí),會(huì)進(jìn)行智能推薦信息閱讀;當(dāng)用戶認(rèn)為自己的知識(shí)水平不能讀懂、不能理解推薦信息時(shí),其閱讀意愿會(huì)降低,會(huì)傾向于結(jié)束智能推薦信息閱讀行為。即,閱讀能力正向影響智能推薦信息閱讀。(2)當(dāng)用戶認(rèn)為閱讀智能推薦信息是有意義的、能滿足自己的需求、切實(shí)幫助到自己、拓寬自己的知識(shí)面時(shí),閱讀智能推薦信息的意愿就會(huì)增加,也會(huì)有更多的智能推薦信息閱讀行為。當(dāng)用戶認(rèn)為閱讀智能推薦信息是在浪費(fèi)自己的時(shí)間或不能為自己提供任何價(jià)值時(shí),閱讀智能推薦信息的意愿會(huì)大大降低,結(jié)束閱讀的行為也會(huì)增加。即,有意義正向影響智能推薦信息閱讀。(3)當(dāng)用戶察覺(jué)到自己因閱讀智能推薦信息給他人帶來(lái)了相應(yīng)的影響或?qū)е滤擞?jì)劃、想法發(fā)生變動(dòng)時(shí),閱讀智能推薦信息的意愿會(huì)增加,影響力正向影響智能推薦信息閱讀。(4)當(dāng)用戶認(rèn)為自己能對(duì)某個(gè)推薦系統(tǒng)進(jìn)行流暢的操作、可以根據(jù)自己的意愿選擇何時(shí)何地進(jìn)行閱讀或終止閱讀時(shí),閱讀智能推薦信息的意愿和行為會(huì)大大增加,自我決定正向影響智能推薦信息閱讀。綜上,心理授權(quán)正向影響智能推薦信息閱讀。

4.1.7 智能推薦信息質(zhì)量對(duì)心理授權(quán)的影響

若智能推薦的信息大多是與用戶本身或用戶興趣不相關(guān)的內(nèi)容,用戶會(huì)覺(jué)得在閱讀理解上存在困難。若智能推薦的信息大多是用戶覺(jué)得對(duì)自身沒(méi)有價(jià)值的、不及時(shí)的、虛假的信息,用戶也會(huì)感到閱讀智能推薦信息沒(méi)有意義;反之,若智能推薦的信息質(zhì)量較高,用戶能從推薦信息中獲取樂(lè)趣和知識(shí),就會(huì)認(rèn)為閱讀智能推薦信息是有意義的,后續(xù)也會(huì)有更多的閱讀智能推薦信息的行為。智能推薦信息質(zhì)量可以通過(guò)直接影響心理授權(quán)中的閱讀能力和有意義來(lái)間接影響智能推薦信息閱讀。

4.1.8 時(shí)間約束對(duì)智能推薦信息閱讀的影響

當(dāng)用戶擁有一個(gè)類似于等待、通勤或放松的時(shí)間段,即沒(méi)有時(shí)間約束時(shí),會(huì)開(kāi)始或持續(xù)性地閱讀智能推薦信息;當(dāng)這個(gè)時(shí)間段(即將)結(jié)束,即用戶明顯地感覺(jué)到了時(shí)間約束的存在時(shí),會(huì)停止閱讀智能推薦信息。即,時(shí)間約束負(fù)向影響智能推薦信息閱讀。

4.1.9 任務(wù)緊急度對(duì)智能推薦信息閱讀的影響

當(dāng)用戶(即將)有工作或者學(xué)習(xí)任務(wù)時(shí),會(huì)停止智能推薦信息的閱讀,相應(yīng)的工作或?qū)W習(xí)任務(wù)越緊急,用戶停止智能推薦信息閱讀的行為會(huì)越迅速、越急切。當(dāng)用戶沒(méi)有什么任務(wù)或相應(yīng)任務(wù)不緊急時(shí),會(huì)傾向于持續(xù)進(jìn)行智能推薦信息閱讀。即,任務(wù)緊急度負(fù)向影響智能推薦信息閱讀。

4.1.10 用戶偏好對(duì)智能推薦信息閱讀的影響

(1)若用戶在使用社交媒體的過(guò)程中養(yǎng)成了瀏覽推薦功能區(qū)的習(xí)慣,就會(huì)時(shí)不時(shí)地、不自覺(jué)地打開(kāi)社交媒體上的推薦區(qū)進(jìn)行智能推薦信息閱讀。即,習(xí)慣正向影響智能推薦信息閱讀。(2)若用戶對(duì)某個(gè)移動(dòng)社交媒體APP有偏好,比如認(rèn)為該APP的風(fēng)格很符合自己的審美需求和品味,那用戶會(huì)更愿意閱讀該APP上的智能推薦信息;若用戶對(duì)某移動(dòng)社交APP無(wú)明顯偏好甚至厭惡該APP,則其對(duì)該APP上的智能推薦信息的閱讀意愿會(huì)降低。即,平臺(tái)使用偏好正向影響智能推薦信息閱讀。綜上,用戶偏好正向影響智能推薦信息閱讀。

4.2 智能推薦信息閱讀優(yōu)化建議

4.2.1 智能推薦信息質(zhì)量與智能推薦系統(tǒng)質(zhì)量的建設(shè)是優(yōu)化智能推薦信息閱讀的核心

智能推薦信息質(zhì)量與智能推薦系統(tǒng)質(zhì)量直接和間接地影響著智能推薦信息閱讀的開(kāi)始、持續(xù)和結(jié)束全過(guò)程以及用戶對(duì)智能推薦信息閱讀行為和相關(guān)APP的態(tài)度。在信息質(zhì)量建設(shè)上,一方面平臺(tái)應(yīng)積極引進(jìn)高水平內(nèi)容創(chuàng)作者,對(duì)優(yōu)秀的內(nèi)容創(chuàng)作者進(jìn)行鼓勵(lì),對(duì)已有創(chuàng)作者的創(chuàng)作水平進(jìn)行持續(xù)監(jiān)測(cè)與評(píng)價(jià),以促進(jìn)優(yōu)質(zhì)內(nèi)容的不斷產(chǎn)生;另一方面要加大信息審核力度,及時(shí)過(guò)濾掉垃圾信息和無(wú)效低質(zhì)信息,從而提高信息的及時(shí)性、準(zhǔn)確性、清晰度、多樣性與趣味性。在推薦策略優(yōu)化上,要更為精準(zhǔn)地對(duì)用戶個(gè)性化特點(diǎn)進(jìn)行捕捉與畫(huà)像描述,提高信息內(nèi)容與用戶興趣的相關(guān)性以及對(duì)用戶的實(shí)際效用性,可利用系統(tǒng)捕捉與用戶自定義相結(jié)合的方法對(duì)用戶畫(huà)像進(jìn)行精細(xì)描述,以便更好地推送用戶想要的信息。在系統(tǒng)建設(shè)上,一方面,流程設(shè)計(jì)應(yīng)盡量簡(jiǎn)單,讓用戶能以較少的操作成本進(jìn)行智能推薦信息閱讀,而不是將推薦信息閱讀功能入口隱藏在APP不顯眼的角落;另一方面可以加大對(duì)平臺(tái)用戶的監(jiān)管與引導(dǎo),盡量減少無(wú)意義“口水戰(zhàn)”的發(fā)生,營(yíng)造良好的社交氛圍,為用戶提供良好的、流暢的閱讀體驗(yàn)。

較高的智能推薦信息質(zhì)量與智能推薦系統(tǒng)質(zhì)量除了可以直接提升用戶閱讀的行為時(shí)長(zhǎng)、滿意度之外,給用戶帶來(lái)的情感享受和心理認(rèn)同也能正向影響閱讀行為。用戶在有過(guò)多次良好的閱讀體驗(yàn)之后也會(huì)養(yǎng)成閱讀智能推薦信息的習(xí)慣,并對(duì)相關(guān)的APP產(chǎn)生好感,進(jìn)而激發(fā)出更多的閱讀興趣和行為。

4.2.2 挖掘用戶搜索焦點(diǎn)缺失場(chǎng)景可以提高智能推薦信息閱讀覆蓋率

本研究提出了搜索焦點(diǎn)缺失這一新范疇,當(dāng)用戶使用移動(dòng)社交媒體時(shí),若沒(méi)有一個(gè)明確的閱讀主題(搜索焦點(diǎn))便會(huì)傾向于閱讀智能推薦的信息,可以對(duì)具有此特點(diǎn)的場(chǎng)景進(jìn)行充分的挖掘。

電子圖書(shū)館、數(shù)據(jù)庫(kù)等工具或網(wǎng)站的使用中就可能存在用戶搜索焦點(diǎn)缺失的場(chǎng)景。比如有時(shí)用戶檢索完自己需要的信息后會(huì)下意識(shí)地認(rèn)為“我已經(jīng)沒(méi)有要找的東西了,再隨便看看或者退出吧”,也有的用戶只是想在閑暇的時(shí)間逛一下電子圖書(shū)館或是登錄一下學(xué)術(shù)庫(kù)看看有沒(méi)有感興趣的、能給自己帶來(lái)靈感的、能使自己放松的內(nèi)容,其初衷并不是為自己的某項(xiàng)工作收集資料,這時(shí)用戶就沒(méi)有一個(gè)需要自己檢索(搜索)的關(guān)鍵詞(焦點(diǎn))。若系統(tǒng)具有智能推薦信息功能,用戶去閱讀智能推薦信息的概率就會(huì)大幅提升。在一些電商平臺(tái)的大型購(gòu)物節(jié)如“雙11”“618大促”活動(dòng)上也可能存在用戶搜索焦點(diǎn)缺失的場(chǎng)景。許多消費(fèi)者可能并不明確自己需要購(gòu)買(mǎi)何種商品,但是在平臺(tái)的營(yíng)銷影響下又不想放棄購(gòu)買(mǎi)優(yōu)惠商品的機(jī)會(huì),平臺(tái)商品琳瑯滿目、種類繁多,消費(fèi)者很容易出現(xiàn)“我該買(mǎi)什么”或“我該搜索什么”的情況,此時(shí)消費(fèi)者會(huì)更傾向于瀏覽智能推薦區(qū)域展示的商品或商品組合,進(jìn)而引發(fā)消費(fèi)。

每項(xiàng)系統(tǒng)功能的建設(shè)都是為了更好地服務(wù)用戶,挖掘用戶搜索焦點(diǎn)缺失場(chǎng)景,提高智能推薦信息閱讀覆蓋率,不僅可以高效滿足用戶的潛在信息需求,也可以讓系統(tǒng)在用戶不斷地使用、反饋的過(guò)程中得到更好的優(yōu)化與升級(jí)。

4.2.3 用戶的正向態(tài)度與積極行為是優(yōu)化智能推薦信息閱讀的保障

作為互聯(lián)網(wǎng)用戶,應(yīng)正視移動(dòng)閱讀尤其是智能推薦閱讀的重要性,在智能推薦閱讀中積極發(fā)揮自我的主觀能動(dòng)性,積極探索已有的移動(dòng)社交媒體中的智能推薦功能,找到適合個(gè)人風(fēng)格、興趣的移動(dòng)社交媒體,以獲取自身所需的信息。同時(shí)應(yīng)該明確自身信息需求,合理安排智能推薦閱讀的頻次與時(shí)長(zhǎng),減少任務(wù)緊急度與時(shí)間約束可能帶來(lái)的瑕疵體驗(yàn),讓智能推薦信息閱讀在生活中發(fā)揮更多的積極作用。

5 研究結(jié)果、貢獻(xiàn)與展望

本文通過(guò)半結(jié)構(gòu)化訪談的方式搜集數(shù)據(jù),運(yùn)用扎根理論方法對(duì)原始數(shù)據(jù)進(jìn)行了三級(jí)編碼,最后提煉出了28個(gè)基本范疇和8個(gè)主范疇來(lái)描述移動(dòng)社交媒體智能推薦信息閱讀的影響機(jī)理,并揭示了各主范疇之間的影響關(guān)系。智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量、閱讀流體驗(yàn)、心理授權(quán)、用戶偏好直接對(duì)智能推薦信息閱讀產(chǎn)生正向影響;時(shí)間約束、任務(wù)緊急度直接對(duì)智能推薦信息閱讀產(chǎn)生負(fù)向影響;智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量直接對(duì)閱讀流體驗(yàn)產(chǎn)生正向影響;智能推薦信息質(zhì)量直接對(duì)心理授權(quán)產(chǎn)生正向影響。

本文的主要貢獻(xiàn)為:(1)關(guān)注用戶閱讀環(huán)境的變化(從主動(dòng)閱讀到被動(dòng)接受智能推薦),豐富了智能推薦環(huán)境下用戶行為的研究和閱讀領(lǐng)域的研究。(2)將心理授權(quán)理論應(yīng)用到了用戶社會(huì)化閱讀行為的研究上,驗(yàn)證了心理授權(quán)理論的普適性,也為用戶社會(huì)化閱讀研究開(kāi)辟了新視角。(3)提出了搜索焦點(diǎn)缺失、任務(wù)緊急度兩個(gè)基本范疇并給出了相應(yīng)的定義:搜索焦點(diǎn)缺失指用戶在使用社交媒體時(shí)對(duì)想要閱讀的內(nèi)容的不確定程度,任務(wù)緊急度指用戶在閱讀智能推薦信息時(shí)是否有其他工作或?qū)W習(xí)任務(wù)需要及時(shí)完成。這兩個(gè)基本范疇也可為其他智能推薦環(huán)境下的用戶行為研究提供參考。(4)為智能推薦閱讀的發(fā)展提出了相關(guān)建議。

但同時(shí),本研究也存在一定的局限性。數(shù)據(jù)編碼過(guò)程可能會(huì)受到研究者的主觀影響,導(dǎo)致研究模型的可靠性可能還需要結(jié)合其他方式如實(shí)證研究等進(jìn)行驗(yàn)證。其次,本文的數(shù)據(jù)搜集對(duì)象均擁有多年互聯(lián)網(wǎng)使用經(jīng)驗(yàn),并未將互聯(lián)網(wǎng)使用經(jīng)驗(yàn)較淺的用戶納入研究范圍,研究結(jié)果的適用范圍并非所有人群。后續(xù)可結(jié)合本模型進(jìn)行定量的實(shí)證研究,使用流體驗(yàn)、搜索焦點(diǎn)缺失、任務(wù)緊急度、時(shí)間約束等變量對(duì)智能推薦環(huán)境下的閱讀或其他行為的影響機(jī)理做進(jìn)一步的深度研究。