摘要：在移動(dòng)社交電商情境中，用戶的交互方式發(fā)生改變，個(gè)人隱私信息安全問(wèn)題凸顯，上述變化將會(huì)對(duì)用戶的隱私信息披露意愿產(chǎn)生重要影響。為了探究移動(dòng)社交電商用戶隱私信息披露意愿的影響因素，本文基于S-O-R理論建立結(jié)構(gòu)方程模型，旨在探究影響用戶隱私信息披露意愿的影響因素及其作用機(jī)理。結(jié)果表明隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互等因素均正向顯著影響用戶隱私信息披露意愿。在此基礎(chǔ)上，基于平臺(tái)特征和用戶感知收益構(gòu)建了GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并針對(duì)不同預(yù)測(cè)結(jié)果提出具體應(yīng)對(duì)措施。最終，文章從隱私信息安全保障和平臺(tái)個(gè)性化服務(wù)等方面提出促進(jìn)移動(dòng)社交電商平臺(tái)可持續(xù)發(fā)展的建議。

關(guān)鍵詞：移動(dòng)社交電商；隱私信息披露意愿；SEM結(jié)構(gòu)方程模型；GA-BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：F713.55文獻(xiàn)標(biāo)志碼：A文章編號(hào)：2095－414X（2024）05－0085－10

0引言

移動(dòng)社交電子商務(wù)以傳統(tǒng)電子商務(wù)為基礎(chǔ)，近年來(lái)得到了蓬勃發(fā)展。在移動(dòng)社交電子商務(wù)情境下，用戶作為信息產(chǎn)生和傳播的主體，其個(gè)人信息在平臺(tái)運(yùn)轉(zhuǎn)過(guò)程中的重要性愈發(fā)凸顯。但是，目前各移動(dòng)社交電商平臺(tái)的隱私保護(hù)相關(guān)法律法規(guī)仍不完善，個(gè)人隱私泄露事件頻發(fā)，嚴(yán)重制約著用戶隱私信息披露。因此，探究移動(dòng)社交電商用戶隱私信息披露意愿的影響因素，厘清隱私信息披露意愿的影響機(jī)理；在此基礎(chǔ)上對(duì)消費(fèi)者的隱私信息披露意愿進(jìn)行預(yù)測(cè)，針對(duì)預(yù)測(cè)結(jié)果采取相應(yīng)措施，對(duì)于促進(jìn)移動(dòng)社交電商平臺(tái)的可持續(xù)發(fā)展具有重要意義。

移動(dòng)社交電子商務(wù)在傳統(tǒng)電子商務(wù)的基礎(chǔ)上，充分結(jié)合了社交媒體和在線電商的技術(shù)特點(diǎn)，隨著移動(dòng)終端設(shè)備的普及而蓬勃發(fā)展。移動(dòng)社交電商通過(guò)社交媒介與傳統(tǒng)電子商務(wù)渠道，利用消費(fèi)者交互與商務(wù)信息傳播從而促進(jìn)商品或服務(wù)購(gòu)買銷售的新型商務(wù)模式[1]。當(dāng)前，移動(dòng)社交電子商務(wù)主要分為三種類型：（1）以微信和微博為代表融入商務(wù)屬性的移動(dòng)社交媒體平臺(tái)；（2）以拼多多和淘寶為代表融入社交屬性的移動(dòng)電商平臺(tái)；（3）以小紅書為代表同時(shí)融合了社交屬性和商務(wù)屬性的第三方平臺(tái)[2]。

在移動(dòng)社交電子商務(wù)環(huán)境中，用戶隱私信息在平臺(tái)中不斷流通從而促進(jìn)群體互動(dòng)與消費(fèi)，平臺(tái)通過(guò)分析隱私信息進(jìn)行商品或熱點(diǎn)話題推送，用戶隱私信息對(duì)平臺(tái)發(fā)展的重要性逐漸凸顯。Banisar和Davies將個(gè)人隱私信息劃分為信息隱私、通訊隱私、空間隱私以及身體隱私等四個(gè)維度[3]。郝森森基于移動(dòng)APP的特點(diǎn)進(jìn)一步指出，移動(dòng)社交用戶隱私信息包括特征信息、偏好信息、財(cái)務(wù)信息和通訊信息等[4]。結(jié)合移動(dòng)社交電子商務(wù)的具體情境，本文認(rèn)為移動(dòng)社交電子商務(wù)用戶隱私信息應(yīng)包括個(gè)人身份信息、財(cái)務(wù)信息、通訊記錄、偏好信息、網(wǎng)頁(yè)瀏覽記錄及實(shí)時(shí)位置等。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，隱私信息相關(guān)研究的應(yīng)用場(chǎng)景有諸多創(chuàng)新，隱私信息披露意愿相關(guān)研究受到了國(guó)內(nèi)外學(xué)者的密切關(guān)注。

隱私信息披露強(qiáng)調(diào)用戶允許相關(guān)平臺(tái)使用自己的隱私信息或主動(dòng)將隱私信息披露給商家供其收集和使用[5]。國(guó)內(nèi)外學(xué)者從用戶、平臺(tái)和社會(huì)三個(gè)維度探討了移動(dòng)社交電商用戶隱私信息披露意愿的影響因素，明確了隱私顧慮[6]、感知收益[7]10-12、性格特征[8]、平臺(tái)質(zhì)量[9]、隱私政策[10]、主觀規(guī)范和社會(huì)規(guī)范[11]等因素對(duì)隱私信息披露意愿具有顯著影響。

縱觀學(xué)術(shù)界現(xiàn)有研究成果，大多是單一地從用戶、平臺(tái)和社會(huì)維度探究隱私信息行為和披露意愿的影響因素和作用路徑，從移動(dòng)社交電商平臺(tái)和用戶自身的綜合視角出發(fā)探究網(wǎng)絡(luò)用戶隱私信息披露的機(jī)理和作用路徑的研究較少。因此，本文利用控制代理理論和交互理論概括網(wǎng)絡(luò)平臺(tái)相關(guān)因素，利用隱私計(jì)算理論表現(xiàn)用戶自身隱私顧慮和感知收益的權(quán)衡，旨在深入探究移動(dòng)社交電商用戶隱私信息披露意愿的形成機(jī)理。

1理論模型構(gòu)建

1.1研究變量定義

基于前文對(duì)相關(guān)研究的梳理，結(jié)合移動(dòng)社交電商平臺(tái)的具體情境和新特點(diǎn)，本文選取隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化、隱私顧慮、感知收益和隱私信息披露意愿為研究變量。具體研究變量定義如下：

（1）隱私政策有效性：隱私政策有效性指移動(dòng)社交電商平臺(tái)為保護(hù)用戶個(gè)人信息所做出的信息收集與信息使用相關(guān)承諾的有效程度。（2）隱私設(shè)置有效性：隱私設(shè)置有效性指移動(dòng)社交電商平臺(tái)采取的隱私設(shè)置功能允許用戶自主控制個(gè)人信息的有效程度。（3）信息交互：信息交互指移動(dòng)社交電商用戶間的交流和互動(dòng)，側(cè)重于產(chǎn)品信息和服務(wù)功能的信息交流。（4）情感交互：情感交互指移動(dòng)社交電商用戶間的情感交互，側(cè)重于支持和鼓勵(lì)等情感層面的交流。（5）個(gè)性化：個(gè)性化指移動(dòng)社交電商通過(guò)了解用戶喜好和行為，向用戶提供具有針對(duì)性的內(nèi)容和服務(wù)以及根據(jù)用戶需求和意愿對(duì)服務(wù)內(nèi)容做出相應(yīng)調(diào)整。（6）隱私顧慮：隱私顧慮指移動(dòng)社交電商用戶對(duì)個(gè)人隱私信息泄露的憂慮和關(guān)注。（7）感知收益：感知收益指移動(dòng)社交電商用戶對(duì)隱私信息披露的收益感知，包括經(jīng)濟(jì)性收益和社會(huì)性收益等一系列收益。（8）隱私信息披露意愿：隱私信息披露意愿指移動(dòng)社交電商用戶對(duì)自己各類隱私信息進(jìn)行主動(dòng)披露的行為意愿。具體研究變量的測(cè)量題項(xiàng)如表1所示。

1.2研究模型構(gòu)建

本文以S-O-R理論為基礎(chǔ)，結(jié)合控制代理理論、交互理論、隱私計(jì)算理論，綜合考慮移動(dòng)社交電商平臺(tái)因素和用戶感知因素，構(gòu)建移動(dòng)社交電商用戶隱私信息披露意愿影響因素的研究模型，如圖1所示。

1.3研究假設(shè)

1.3.1直接效應(yīng)

（1）隱私保障

隱私政策有效性反映了平臺(tái)對(duì)用戶隱私保護(hù)承諾的遵守程度，有效的隱私政策能夠消除用戶對(duì)隱私風(fēng)險(xiǎn)的顧慮，進(jìn)而提升用戶個(gè)人隱私信息的披露意愿。隱私設(shè)置的有效性反映了平臺(tái)給予用戶自主控制個(gè)人隱私信息的權(quán)限大小[12]。Gong等基于控制代理理論指出，隱私設(shè)置有效性和隱私政策有效性均能夠通過(guò)消除用戶的隱私顧慮進(jìn)而提升用戶個(gè)人隱私信息的披露意愿[13]。據(jù)此，本文提出如下假設(shè)：

假設(shè)H1：隱私政策有效性正向影響隱私信息披露意愿。

假設(shè)H2：隱私設(shè)置有效性正向影響隱私信息披露意愿。

（2）交互

在移動(dòng)社交電商平臺(tái)中，交互可分為信息交互和情感交互，當(dāng)用戶間互動(dòng)更頻繁時(shí)，用戶更愿意增加自我信息披露的數(shù)量；同時(shí)，用戶社交互動(dòng)能夠促進(jìn)用戶信息自我披露的深度和廣度。各類移動(dòng)平臺(tái)廣泛地通過(guò)個(gè)性化服務(wù)來(lái)滿足用戶多樣化需求，從而提升用戶的感知收益和價(jià)值[14]，根據(jù)用戶的偏愛(ài)喜好提供商品和服務(wù)。多位學(xué)者通過(guò)研究發(fā)現(xiàn)，平臺(tái)的個(gè)性化商品服務(wù)能夠提升用戶個(gè)人隱私信息的披露意愿[15-16]。據(jù)此，本文提出如下假設(shè)：

假設(shè)H3：信息交互正向影響隱私信息披露意愿。假設(shè)H4：情感交互正向影響隱私信息披露意愿。假設(shè)H5：個(gè)性化正向影響隱私信息披露意愿。

（3）隱私計(jì)算

研究發(fā)現(xiàn)，用戶的隱私信息披露意愿是在進(jìn)行成本—收益權(quán)衡后產(chǎn)生的[17]。隱私顧慮是隱私信息披露意愿的關(guān)鍵前因變量，在不同的網(wǎng)絡(luò)情境下，隱私顧慮會(huì)降低隱私信息披露意愿。感知收益是指用戶在進(jìn)行隱私信息披露時(shí)所感知到的收益，在不同的情景下，均

能夠?qū)τ脩舻碾[私信息披露意愿產(chǎn)生正向影響[18-19]。

據(jù)此，本文提出如下假設(shè)：

假設(shè)H6：隱私顧慮負(fù)向影響隱私信息披露意愿。假設(shè)H7：感知收益正向影響隱私信息披露意愿。

1.3.2中介效應(yīng)

（1）隱私計(jì)算在隱私政策有效性和隱私信息披露意愿間的中介作用

隱私政策是移動(dòng)社交電商平臺(tái)承諾對(duì)用戶進(jìn)行隱私信息保護(hù)的協(xié)議性文件，當(dāng)網(wǎng)絡(luò)平臺(tái)明確地告知用戶將會(huì)如何使用其隱私信息并承諾對(duì)隱私信息進(jìn)行保護(hù)時(shí)，用戶會(huì)感受到較高的隱私政策有效性[20]。Chang等研究發(fā)現(xiàn)，有效的隱私政策能夠顯著地降低用戶感知風(fēng)險(xiǎn)，進(jìn)而減輕隱私顧慮[21]；同時(shí)，Zhu等研究發(fā)現(xiàn)在移動(dòng)電商平臺(tái)中，隱私政策有效性對(duì)用戶信息披露的感知收益具有正向促進(jìn)作用[7]7-9。據(jù)此，結(jié)合假設(shè)H6和假設(shè)H7，提出以下假設(shè)：

假設(shè)H8a：隱私顧慮在隱私政策有效性和隱私信息披露意愿之間起中介作用。

假設(shè)H8b：感知收益在隱私政策有效性和隱私信息披露意愿之間起中介作用。

（2）隱私計(jì)算在隱私設(shè)置有效性和隱私信息披露意愿中的中介作用

隱私設(shè)置包括信息控制和信息透明度等內(nèi)容，當(dāng)平臺(tái)隱私設(shè)置有效性較高時(shí)，用戶能夠自主控制個(gè)人隱私信息的披露程度。有效的隱私設(shè)置能夠讓用戶對(duì)個(gè)人隱私信息的傳播范圍具有一定控制能力，降低用戶對(duì)于隱私泄露的擔(dān)憂和顧慮，促進(jìn)與其他用戶進(jìn)行信息情感交流，從而提升用戶隱私信息的披露意愿[22-23]。據(jù)此，結(jié)合假設(shè)H6和假設(shè)H7，提出以下假設(shè)：

假設(shè)H9a：隱私顧慮在隱私設(shè)置有效性和隱私信息披露意愿之間起中介作用。

假設(shè)H9b：感知收益在隱私設(shè)置有效性和隱私信息披露意愿之間起中介作用。

（3）隱私計(jì)算在信息交互和隱私信息披露意愿中的中介作用

信息交互是移動(dòng)社交電商用戶之間關(guān)于產(chǎn)品信息、服務(wù)功能、購(gòu)物經(jīng)驗(yàn)等方面的交流和互動(dòng)，平臺(tái)和用戶間的互動(dòng)能夠顯著降低用戶隱私顧慮。Zhu等驗(yàn)證了在不同情境中信息交互能夠正向顯著用戶感知收益[7]7-10。據(jù)此，結(jié)合假設(shè)H6和假設(shè)H7，提出以下假設(shè)：

假設(shè)H10a：隱私顧慮在信息交互和隱私信息披露意愿之間起中介作用。

假設(shè)H10b：感知收益在信息交互和隱私信息披露意愿之間起中介作用。

（4）隱私計(jì)算在情感交互和隱私信息披露意愿中的中介作用

情感交互與信息交互類似，有助于建立用戶之間的信任。周濤等指出在線社區(qū)用戶進(jìn)行的情感交互能夠使其產(chǎn)生一種情感依賴，降低對(duì)于隱私風(fēng)險(xiǎn)的擔(dān)憂，同時(shí)提高用戶的感知收益[24]。與假設(shè)H8a和H8b類似，情感交互通過(guò)減輕隱私顧慮、增加感知收益，進(jìn)而提升用戶的隱私信息披露意愿。據(jù)此，結(jié)合假設(shè)H6和假設(shè)H7，提出以下假設(shè)：

假設(shè)H11a：隱私顧慮在情感交互和隱私信息披露意愿之間起中介作用。

假設(shè)H11b：感知收益在情感交互和隱私信息披露意愿之間起中介作用。

（5）隱私計(jì)算在個(gè)性化和隱私信息披露意愿中的中介作用

個(gè)性化是指移動(dòng)社交電商平臺(tái)通過(guò)了解用戶喜好和行為，向用戶提供具有針對(duì)性的內(nèi)容和服務(wù)。但是，個(gè)性化在提升服務(wù)質(zhì)量的同時(shí)，必然要求用戶披露更多的隱私信息，進(jìn)而引發(fā)用戶的隱私顧慮。李凱等在不同的情景下，分別證實(shí)了個(gè)性化推薦對(duì)感知收益和感知隱私風(fēng)險(xiǎn)均有正向顯著影響[25]。據(jù)此，結(jié)合假設(shè)H6和假設(shè)H7，提出以下假設(shè)：

假設(shè)H12a：隱私顧慮在個(gè)性化和隱私信息披露意愿之間起中介作用。

假設(shè)H12b：感知收益在個(gè)性化和隱私信息披露意愿之間起中介作用。

2移動(dòng)社交電商用戶隱私信息披露意愿影響機(jī)理的分析

2.1數(shù)據(jù)來(lái)源

本研究主要采用“問(wèn)卷星”線上問(wèn)卷收集軟件進(jìn)行數(shù)據(jù)收集，總共回收550份問(wèn)卷，有效問(wèn)卷531份，問(wèn)卷有效回收率為96.5%，問(wèn)卷數(shù)量滿足標(biāo)準(zhǔn)可以繼續(xù)開(kāi)展下一步的數(shù)據(jù)分析。

2.2信度效度檢驗(yàn)

2.2.1信度檢驗(yàn)

本文利用SPSS26.0對(duì)各變量量表的信度進(jìn)行測(cè)量，隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化、隱私顧慮、感知收益以及隱私信息披露意愿的Cronbach’s Alpha值分別為0.837、0.820、0.880、0.864、0.869、0.894、0.835以及0.897。由數(shù)據(jù)結(jié)果可知，本研究的各項(xiàng)變量的α值均大于0.8，表明具有良好的信度。

2.2.2效度檢驗(yàn)

對(duì)回收數(shù)據(jù)進(jìn)行KMO和Bartlett球形檢驗(yàn)，問(wèn)卷整體的KMO值為0.899，大于0.8；巴特利特球形檢驗(yàn)的Sig值為0.000，符合進(jìn)一步開(kāi)展因子分析的條件。

對(duì)隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化、隱私顧慮、感知收益和隱私信息披露意愿8個(gè)變量包含的29個(gè)測(cè)量題項(xiàng)進(jìn)行驗(yàn)證性因子分析。其中，隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化、隱私顧慮、感知收益和隱私信息披露意愿的組合信度（CR）依次為0.869、0.845、0.901、0.883、0.909、0.883、0.833和0.830，均大于0.7；平均方差抽取值（AVE）依次為0.688、0.645、0.645、0.715、0.769、0.653、0.555和0.550，均大于0.5，表明數(shù)據(jù)具有良好的收斂效度。

對(duì)隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化、隱私顧慮、感知收益和隱私信息披露意愿8個(gè)變量進(jìn)行區(qū)分效度分析。結(jié)果顯示每個(gè)變量的平均方差抽取值（AVE）均大于相應(yīng)變量間的相關(guān)系數(shù)，表明各變量間具有良好的區(qū)分效度。

2.3直接效應(yīng)檢驗(yàn)

本文基于SPSS26.0軟件，將性別、年齡、收入水平、學(xué)歷、隱私受侵犯頻率等作為控制變量，將隱私信息披露意愿作為因變量，在控制變量的前提下，將隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化等作為自變量，利用層次回歸分析法探究各個(gè)變量之間的關(guān)系，驗(yàn)證研究模型和部分研究假設(shè)。具體分析結(jié)果如表2所示。

研究結(jié)果表明，隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互和個(gè)性化等自變量均正向顯著影響隱私信息披露意愿；將自變量、隱私顧慮和感知收益共同代入回歸方程后，對(duì)隱私信息披露意愿的預(yù)測(cè)作用顯著。此外，隱私政策有效性、隱私設(shè)置有效性和情感交互對(duì)隱私顧慮的負(fù)向作用顯著；信息交互和個(gè)性化的作用不顯著；隱私設(shè)置有效性、信息交互、情感交互和個(gè)性化對(duì)于感知收益的正向作用顯著；隱私政策有效性的作用不顯著。

2.4中介效應(yīng)檢驗(yàn)

本文基于PROCESS3.5插件的Model4中介模型，使用Bootstrap法檢驗(yàn)隱私顧慮和感知收益在各個(gè)自變量和隱私信息披露意愿間的中介效應(yīng)。

2.4.1隱私政策有效性到隱私信息披露意愿間的中介效應(yīng)檢驗(yàn)

將隱私政策有效性作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時(shí)將性別、年齡、收入、學(xué)歷水平、隱私受侵犯頻率以及隱私設(shè)置有效性、信息交互、情感交互、個(gè)性化作為控制變量，進(jìn)行隱私顧慮和感知收益在隱私政策有效性與披露意愿之間的中介效應(yīng)檢驗(yàn)。2.4.2隱私設(shè)置有效性到隱私信息披露意愿的中介效應(yīng)檢驗(yàn)將隱私設(shè)置有效性作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時(shí)將性別、年齡、收入、學(xué)歷水平、隱私受侵犯頻率以及隱私政策有效性、信息交互、情感交互、個(gè)性化作為控制變量，進(jìn)行隱私顧慮和感知收益在隱私設(shè)置有效性與披露意愿之間的中介效應(yīng)檢驗(yàn)。2.4.3信息交互到隱私信息披露意愿的中介效應(yīng)檢驗(yàn)將信息交互作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時(shí)將性別、年齡、收入、學(xué)歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設(shè)置有效性、情感交互、個(gè)性化作為控制變量，進(jìn)行隱私顧慮和感知收益在信息交互與披露意愿之間的中介效應(yīng)檢驗(yàn)。

2.4.4情感交互到隱私信息披露意愿的中介效應(yīng)檢驗(yàn)

將情感交互作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時(shí)將性別、年齡、收入、學(xué)歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設(shè)置有效性、信息交互、個(gè)性化作為控制變量，進(jìn)行隱私顧慮和感知收益在情感交互與披露意愿之間的中介效應(yīng)檢驗(yàn)。

2.4.5個(gè)性化到隱私信息披露意愿的中介效應(yīng)檢驗(yàn)

將個(gè)性化作為自變量，隱私信息披露意愿作為因變量，隱私顧慮作為中介變量M1，感知收益作為中介變量M2；同時(shí)將性別、年齡、收入、學(xué)歷水平、隱私受侵犯頻率以及隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互作為控制變量，進(jìn)行隱私顧慮和感知收益在個(gè)性化與披露意愿之間的中介效應(yīng)檢驗(yàn)。具體中介效應(yīng)檢驗(yàn)結(jié)果如表3所示。

2.5假設(shè)檢驗(yàn)結(jié)果與討論

從表4假設(shè)檢驗(yàn)結(jié)果可知，隱私政策有效性、隱私設(shè)置有效性、信息交互、情感交互和個(gè)性化均能夠顯著提升用戶隱私信息披露意愿。其中，隱私設(shè)置有效性對(duì)隱私信息披露意愿的影響最大。有效的隱私設(shè)置能夠使得用戶更加有效地掌控個(gè)人的隱私信息，消除用戶心理上的被入侵感，從而提升用戶的隱私信息披露意愿。此外，隱私顧慮和感知收益也會(huì)對(duì)隱私信息披露意愿產(chǎn)生顯著影響。其中，感知收益對(duì)隱私信息披露意愿的影響（標(biāo)準(zhǔn)化系數(shù)為0.305，p<0.001）大于隱私顧慮對(duì)其的影響（標(biāo)準(zhǔn)化系數(shù)為-0.207，p<0.001）。由此可見(jiàn)，移動(dòng)社交電商用戶在進(jìn)行隱私信息披露時(shí)會(huì)綜合權(quán)衡隱私披露的成本與利益，當(dāng)隱私收益大于隱私成本時(shí)，移動(dòng)社交電商用戶將會(huì)產(chǎn)生更加強(qiáng)烈的隱私信息披露意愿。

從中介效應(yīng)假設(shè)檢驗(yàn)結(jié)果可知：（1）隱私顧慮和感知收益在隱私設(shè)置有效性到隱私信息披露意愿之間和隱私顧慮、感知收益在情感交互到隱私信息披露意愿之間均起到部分中介的作用，表明移動(dòng)社交電商平臺(tái)有效的隱私設(shè)置和良好的情感互動(dòng)能夠減輕用戶的隱私披露顧慮，進(jìn)而增進(jìn)感知收益，從而增強(qiáng)用戶的隱私信息披露意愿。（2）隱私顧慮在隱私政策有效性與隱私信息披露意愿之間起到部分中介作用，感知收益在隱私政策有效性與隱私信息披露意愿沒(méi)有中介作用。用戶在實(shí)際使用移動(dòng)電商社交平臺(tái)時(shí)可以隨時(shí)根據(jù)實(shí)際情況調(diào)整隱私設(shè)置內(nèi)容，因此具有較強(qiáng)的感知收益；而隱私政策作為閱讀性內(nèi)容在使用平臺(tái)的過(guò)程中并不會(huì)提供便捷，并且用戶普遍對(duì)于隱私政策的具體條款缺乏重視和理解，因此對(duì)于隱私政策的感知收益并不顯著。（3）感知收益在信息交互以及個(gè)性化與隱私信息披露意愿之間起到部分中介作用，隱私顧慮在信息交互以及個(gè)性化與隱私信息披露意愿之間不起中介作用。這是由于移動(dòng)社交電商平臺(tái)的信息交互和個(gè)性化服務(wù)為用戶提供了有價(jià)值的商品信息和購(gòu)物體驗(yàn)，使用戶產(chǎn)生了獲得感，但是由于目前移動(dòng)社交電商平臺(tái)的隱私信息保障制度仍不完善，用戶仍然不能完全消除隱私泄露的顧慮。

3預(yù)測(cè)模型構(gòu)建

移動(dòng)社交電商平臺(tái)根據(jù)用戶的隱私信息分析未來(lái)市場(chǎng)變化，制定經(jīng)營(yíng)策略，從而為其提供個(gè)性化服務(wù)。目前移動(dòng)社交電商行業(yè)發(fā)展日新月異，用戶數(shù)量急劇增加，傳統(tǒng)的問(wèn)卷調(diào)查法無(wú)法適應(yīng)急速變化的市場(chǎng)環(huán)境，及時(shí)洞察用戶隱私信息披露意愿變化情況。因此，如何能夠快速準(zhǔn)確地了解用戶隱私信息披露意愿，采取針對(duì)性措施并調(diào)整營(yíng)銷策略，是實(shí)現(xiàn)移動(dòng)社交電商平臺(tái)可持續(xù)發(fā)展的關(guān)鍵。

神經(jīng)網(wǎng)絡(luò)模型以其良好的擬合能力在預(yù)測(cè)領(lǐng)域的廣泛應(yīng)用，能夠根據(jù)平臺(tái)特點(diǎn)和用戶感知，快速對(duì)用戶隱私信息披露意愿做出預(yù)測(cè)，為平臺(tái)商家制定決策提供依據(jù)。據(jù)此，本文在厘清移動(dòng)社交電商用戶隱私信息披露意愿影響因素及其作用機(jī)理的基礎(chǔ)上，擬構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，旨在幫助平臺(tái)商家及時(shí)了解用戶隱私信息披露意愿變化情況，推動(dòng)移動(dòng)社交電商平臺(tái)的可持續(xù)發(fā)展。

3.1 GA-BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

3.1.1 GA-BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建步驟

BP神經(jīng)網(wǎng)絡(luò)能夠較好地解決非線性問(wèn)題，具有較強(qiáng)的自適應(yīng)學(xué)習(xí)能力，但是存在容易陷入局部最優(yōu)解等問(wèn)題；遺傳算法（GA）擴(kuò)大了搜索空間，利用全局搜索確定最優(yōu)權(quán)重，能夠在一定程度上規(guī)避BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極值的問(wèn)題。因此本文基于GA算法和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建移動(dòng)社交電商用戶隱私信息披露意愿預(yù)測(cè)模型。

利用GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的具體流程如下：（1）初始化種群；（2）根據(jù)輸入層、隱含層以及輸出層的個(gè)數(shù)計(jì)算編碼長(zhǎng)度；（3）選取適應(yīng)度函數(shù)；（4）使用“輪盤賭”法執(zhí)行選擇操作，篩選出適應(yīng)度高的種群個(gè)體；（5）使用“實(shí)數(shù)交叉”法執(zhí)行交叉操作，使得兩個(gè)被選出的個(gè)體產(chǎn)生新的子代個(gè)體；（6）執(zhí)行變異操作，選取個(gè)體執(zhí)行突變操作，生成更加優(yōu)良的子代；（7）將優(yōu)化后的權(quán)值以及閾值賦值給BP神經(jīng)網(wǎng)絡(luò)；（8）訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型，計(jì)算網(wǎng)絡(luò)誤差，達(dá)到BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)后輸出對(duì)應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)及對(duì)應(yīng)參數(shù)，并利用得到的BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集中的數(shù)據(jù)進(jìn)行預(yù)測(cè)；（9）將GA-BP預(yù)測(cè)模型得到的預(yù)測(cè)結(jié)果與測(cè)試集實(shí)際輸出進(jìn)行比較，分析優(yōu)化后的神經(jīng)網(wǎng)絡(luò)性能。

3.1.2 BP神經(jīng)網(wǎng)絡(luò)基本參數(shù)確定

在本文設(shè)計(jì)的調(diào)查問(wèn)卷中，共有25個(gè)問(wèn)題用于測(cè)度移動(dòng)社交電商平臺(tái)用戶的隱私信息披露意愿，將回收到的問(wèn)卷數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入層數(shù)據(jù)，因此，輸入層的神經(jīng)元個(gè)數(shù)為25?？紤]到用戶隱私信息披露意愿不能簡(jiǎn)單地分為“愿意”和“不愿意”，因此將其作為連續(xù)型變量，用“隱私信息披露意愿”的4個(gè)測(cè)量題項(xiàng)得分的平均值代表移動(dòng)社交電商用戶隱私信息披露意愿的程度，作為輸出層數(shù)據(jù)。隱含層神經(jīng)元的數(shù)量則根據(jù)以下公式計(jì)算得到：

其中H為隱含層神經(jīng)元個(gè)數(shù)，M為輸入層神經(jīng)元個(gè)數(shù)，N為輸出層神經(jīng)元個(gè)數(shù)，r0為區(qū)間[1，10]之間的整數(shù)。

3.2 GA-BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算過(guò)程與結(jié)果討論

3.2.1基于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程與結(jié)果討論

本文構(gòu)建的三層標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)中輸入層包含25個(gè)神經(jīng)元，隱含層包含31個(gè)神經(jīng)元。將隱含層傳遞函數(shù)設(shè)置為tansig函數(shù)，輸出層采用logsig函數(shù)，學(xué)習(xí)函數(shù)設(shè)置為learngdm函數(shù)；由于輸入層的數(shù)據(jù)維度較大，因此在訓(xùn)練過(guò)程中，采取帶有動(dòng)量的梯度下降算法作為訓(xùn)練方法，選取traingdm作為學(xué)習(xí)函數(shù)。同時(shí)，考慮到神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的泛化能力，將學(xué)習(xí)速率設(shè)定為0.1，最大訓(xùn)練次數(shù)設(shè)定為5000次，目標(biāo)誤差設(shè)定為10-5。

在確定BP神經(jīng)網(wǎng)絡(luò)基本參數(shù)后，利用收集的問(wèn)卷數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試。用訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)均方誤差值為0.2360，平均預(yù)測(cè)誤差為0.3981，平均預(yù)測(cè)誤差百分比為8.55%，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與真實(shí)結(jié)果對(duì)比如圖2所示，預(yù)測(cè)誤差和誤差百分比圖3所示。

3.2.2基于GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程與結(jié)果討論

為了保證GA算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果具有可比性，其基本參數(shù)設(shè)定應(yīng)與標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)保持一致。本文將最大遺傳代數(shù)設(shè)定為500，GA算法種群初始數(shù)量為200，個(gè)體采用實(shí)數(shù)編碼，其長(zhǎng)度按照神經(jīng)網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)設(shè)定為829，交叉概率和變異概率分別設(shè)定為0.5和0.1。根據(jù)模型設(shè)定，利用GA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)重和閾值，然后利用此數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)。

基于GA算法優(yōu)化的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集的預(yù)測(cè)均方誤差為0.11，平均誤差為0.0208，平均誤差百分比為3.39%，預(yù)測(cè)準(zhǔn)確率可以達(dá)到96.61%。GA-BP神經(jīng)網(wǎng)絡(luò)在測(cè)試集上的預(yù)測(cè)值與原始數(shù)據(jù)的比較如圖4所示，預(yù)測(cè)誤差和預(yù)測(cè)誤差百分比如圖5所示。

3.2.3計(jì)算結(jié)果討論

在標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)中，將測(cè)試集的預(yù)測(cè)結(jié)果和問(wèn)卷收集的實(shí)際結(jié)果進(jìn)行對(duì)比，平均預(yù)測(cè)誤差值為0.3981，平均預(yù)測(cè)誤差百分比為8.55%，預(yù)測(cè)準(zhǔn)確率達(dá)到90%以上；在基于GA算法對(duì)標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化后，將測(cè)試集與實(shí)際結(jié)果進(jìn)行對(duì)比，平均誤差為0.0208，平均誤差百分比為3.39%，預(yù)測(cè)準(zhǔn)確率達(dá)到96.61%。由此看出，兩種方法均有效避免了指標(biāo)賦權(quán)值的主觀性，并且具有較強(qiáng)的仿真性；經(jīng)過(guò)GA算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)有效降低了模型的平均預(yù)測(cè)誤差，進(jìn)一步提升了預(yù)測(cè)準(zhǔn)確率。因此，GA-BP神經(jīng)網(wǎng)絡(luò)更適合用以構(gòu)建移動(dòng)社交電商用戶隱私信息披露意愿預(yù)測(cè)模型。

3.3 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的應(yīng)用

基于GA-BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的移動(dòng)社交電商用戶隱私信息披露意愿預(yù)測(cè)模型能夠根據(jù)不同類型平臺(tái)的特點(diǎn)以及用戶的實(shí)時(shí)感知需求進(jìn)行學(xué)習(xí)和訓(xùn)練，具有靈活性和個(gè)性化。從訓(xùn)練結(jié)果來(lái)看，基于移動(dòng)社交電商情境構(gòu)建的GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型指標(biāo)選取得較為合理，預(yù)測(cè)準(zhǔn)確率達(dá)到96%以上，表明能夠準(zhǔn)確有效地預(yù)測(cè)用戶隱私信息披露意愿。

從實(shí)踐路徑來(lái)看，移動(dòng)社交電商平臺(tái)商家能夠基于預(yù)測(cè)模型對(duì)不同消費(fèi)者群體的隱私信息披露意愿進(jìn)行預(yù)測(cè)。當(dāng)目標(biāo)群體具有較高的隱私信息披露意愿時(shí)，平臺(tái)商家可以繼續(xù)利用消費(fèi)者的隱私信息為其提供更加精細(xì)化的服務(wù)，適當(dāng)提高利用其隱私信息進(jìn)行精準(zhǔn)營(yíng)銷的頻率，有利于促進(jìn)移動(dòng)社交電商平臺(tái)的可持續(xù)發(fā)展；當(dāng)目標(biāo)群體的隱私信息披露意愿較低時(shí)，平臺(tái)商家應(yīng)降低基于隱私信息對(duì)其進(jìn)行的精準(zhǔn)營(yíng)銷頻率，防止顧客在心理上產(chǎn)生被入侵感，避免造成顧客流失；及時(shí)了解用戶隱私信息披露意愿降低的原因，完善隱私政策制度，修改當(dāng)前的運(yùn)營(yíng)策略，消除用戶隱私信息泄露的顧慮。

GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的具體應(yīng)用流程如圖6所示。

4管理啟示

移動(dòng)社交電子商務(wù)是在傳統(tǒng)電子商務(wù)和社交網(wǎng)絡(luò)的基礎(chǔ)上形成的一種新興商業(yè)模式，對(duì)于培育消費(fèi)市場(chǎng)新動(dòng)能以及構(gòu)建雙循環(huán)發(fā)展格局具有重要意義，推動(dòng)移動(dòng)社交電子商務(wù)平臺(tái)可持續(xù)發(fā)展應(yīng)從以下四方面入手。

第一，完善隱私信息保障政策，優(yōu)化平臺(tái)隱私設(shè)置服務(wù)。移動(dòng)社交電商平臺(tái)應(yīng)嚴(yán)格遵循相關(guān)法律法規(guī)，完善隱私政策各項(xiàng)條款，遵守道德和法律原則；同時(shí)采用加強(qiáng)隱私政策宣傳和增設(shè)條款閱讀互動(dòng)等措施增強(qiáng)用戶對(duì)平臺(tái)的信任。第二，提升用戶交互體驗(yàn)，優(yōu)化平臺(tái)個(gè)性化服務(wù)。移動(dòng)社交電商平臺(tái)應(yīng)優(yōu)化平臺(tái)內(nèi)部溝通氛圍，根據(jù)用戶興趣愛(ài)好和需求提供定制化服務(wù)，開(kāi)拓更多符合多元用戶隱私偏好的個(gè)性化服務(wù)形式。第三，提升隱私信息披露收益，降低隱私信息泄露風(fēng)險(xiǎn)。平臺(tái)應(yīng)完善隱私政策并優(yōu)化隱私設(shè)置，消除用戶隱私泄露風(fēng)險(xiǎn)，通過(guò)優(yōu)化用戶交流環(huán)境以及建設(shè)個(gè)性化服務(wù)消除用戶隱私顧慮，促使其產(chǎn)生隱私信息披露意愿。第四，合理運(yùn)用披露意愿預(yù)測(cè)模型，及時(shí)了解用戶動(dòng)態(tài)。移動(dòng)社交電商平臺(tái)商家應(yīng)合理利用預(yù)測(cè)模型，根據(jù)用戶感知和平臺(tái)運(yùn)營(yíng)實(shí)際情況，快速準(zhǔn)確地了解用戶隱私信息披露意愿的變化趨勢(shì)，及時(shí)調(diào)整經(jīng)營(yíng)策略，進(jìn)而實(shí)現(xiàn)平臺(tái)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]代倩宇.移動(dòng)社交電商用戶購(gòu)買意愿影響因素研究[D].武漢：華中師范大學(xué)，2019.

[2]朱小棟，陳潔.我國(guó)社交化電子商務(wù)研究綜述[J].現(xiàn)代情報(bào)，2016，36（1）：172-177.

[3]Banisar D，Davies SG.Global Trends in Privacy Protec?tion：An International Survey of Privacy，Data Protection，and Surveillance Laws and Developments[J].Social Sci?ence Electronic Publishing，2012，XVIII（1）.

[4]郝森森.企業(yè)移動(dòng)App用戶隱私信息披露行為機(jī)理研究[D].吉林：吉林大學(xué)，2019.

[5]曲靖野，孫冰悅，曲國(guó)麗.大學(xué)生在線購(gòu)物隱私披露行為是如何產(chǎn)生的？——TPB框架下基于fsQCA方法的研究[J].情報(bào)科學(xué)，2022，40（10）：147-155、163.

[6]Xu F，Michael k，Chen X.Factors affecting privacy disclo?sure on social network sites：an integrated model[J].Elec?tronic Commerce Research，2013，13（2）：151-168.

[7]Zhu M，Wu C，Huang S，et al.Privacy paradox in mHealth applications：An integrated elaboration likelihood model in?corporating privacy calculus and privacy fatigue[J].Tele?matics and Informatics，2021，61：101601-101619.

[8]Jolene，Zywica，James，et al.The Faces of Facebookers：In?vestigating Social Enhancement and Social Compensation Hypotheses;Predicting FacebookTM and Offline Popularity from Sociability and Self-Esteem，and Mapping the Mean?ings of Popularity with Semantic Networks[J].Journal of Computer Mediated Communication，2008：1-34.

[9]馮潤(rùn)榴，曲洪建.基于心流體驗(yàn)的電子商務(wù)網(wǎng)站質(zhì)量對(duì)消費(fèi)者服裝購(gòu)買意愿的影響[J].武漢紡織大學(xué)學(xué)報(bào)，2023，36（4）：67-76.

[10]袁向玲，牛靜.社交媒體隱私政策與用戶自我表露的實(shí)證研究：一個(gè)被調(diào)節(jié)的中介模型[J].信息資源管理學(xué)報(bào)，2021，11（1）：49-58.

[11]劉百靈，董景麗.基于CPM理論的移動(dòng)商務(wù)用戶信息披露意愿影響因素研究[J].信息資源管理學(xué)報(bào)，2022，12（1）：56-66、115.

[12]Juliana，Sutanto，Elia，et al.Addressing the Personaliza?tion-Privacy Paradox：An Empirical Assessment from aField Experiment on Smartphone Users1[J].MIS quarterly，2013，37（4）：1141-1164.

[13]Gong X，Zhang KZ K，Chen C，et al.What drives self-dis?closure in mobile payment applications？The effect of pri?vacy assurance approaches，network externality，and tech?nology complementarity[J].Information Technology&Peo?ple，2020，33（4）：1174-1213.

[14]章依凌.數(shù)字社交時(shí)代感知價(jià)值對(duì)服裝品牌態(tài)度的作用機(jī)理——基于參照群體、自我一致性視角的實(shí)證研究[J].武漢紡織大學(xué)學(xué)報(bào)，2023，36（2）：75-79.

[15]張曉娟，田馨灤.移動(dòng)社交媒體用戶隱私悖論現(xiàn)象的產(chǎn)生路徑研究——基于fsQCA的實(shí)證分析[J].情報(bào)理論與實(shí)踐，2020，43（11）：92-97.

[16]張星，陳星，侯德林.在線健康信息披露意愿的影響因素研究：一個(gè)集成計(jì)劃行為理論與隱私計(jì)算的模型[J].情報(bào)資料工作，2016（1）：48-53.

[17]Culnan MJ，Armstrong PK.Information Privacy Concerns，Procedural Fairness，and Impersonal Trust：An Empirical Investigation[J].Organization Science，1999，10（1）：104-115.

[18]李雪麗，黃令賀，陳佳星.基于元分析的社交媒體用戶隱私披露意愿影響因素研究[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2022，6（4）：97-107.

[19]謝珍，楊九龍.智慧圖書館視域下的用戶隱私披露意愿[J].圖書館論壇，2020，40（9）：69-78.

[20]Krishnan NF Awadm S.The personalization privacy para?dox：an empirical evaluation of information transparency and the willingness to be profiled online for personalization[J].Mis Quarterly，2006，30（1）：13-28.

[21]Chang Y，Wong SF，Libaque-Saenz CF，et al.The role of privacy policy on consumers’perceived privacy[J].Govern?ment Information Quarterly，2018：445-459.

[22]趙雪芹，吳鵬.基于控制代理理論的移動(dòng)APP用戶隱私信息披露行為研究[J].現(xiàn)代情報(bào)，2022，42（4）：143-152、167.

[23]牛靜，劉丹.社交媒體上的自我表露與隱私悖論的消解[J].新媒體與社會(huì)，2017（2）：190-207.

[24]周濤，王盈穎，鄧勝利.在線健康社區(qū)用戶知識(shí)分享行為研究[J].情報(bào)科學(xué)，2019，37（4）：72-78.

[25]李凱，黃敬堯，王曉文.LBS用戶信息公開(kāi)意愿影響因素分析——基于交換理論的實(shí)證研究[J].情報(bào)學(xué)報(bào)，2016，35（1）：84-97.

Research on the Prediction of Privacy Information Disclosure Intention of Mobile Social E-commerce Users

ZHANG Jinsong 1，2，ZHANG Kaidong3，HE Dongchen1，2，MALinmao1，2

（1.School of Management，South-Central University for Nationalities，Wuhan Hubei 430074，China;

2.Research Center of Digital Development and Governance in MinorityAreas，South-Central University for Nationalities，Wuhan Hubei 430074，China;3.Huarong District Taxation Bureau Ezhou City，State TaxationAdmimstration of The Pecple's Republic of China，Ezhou Hubei 432200，China）

Abstract：In the mobile social e-commerce context，the user's interaction mode has changed，and the security of personal privacy and infor-mation has come to the foK9w1DSm3QukafYDN9UET/g==re，and these changes will have an important impact on the user's willingness to disclose private information.In or-der to explore the influencing factors of users'willingness to disclose private information in the mobile social e-commerce context，this pa-per establishes astructural equation model based on the S-O-R theory，which includes eight variables：effectiveness of privacy policy，effec-tiveness of privacy settings，information interaction，emotional interaction，personalization，privacy concerns，perceived benefits，and will-ingness to disclose private information，with the aim of exploring the influencing factors and their role in influencing users'willingness to disclose private information.The results show that：（1）the effectiveness of privacy policy，the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all positively and significantly affect users'willingness to disclose private informa-tion;（2）the effectiveness of privacy policy，the effectiveness of privacy settings，and emotional interaction all negatively and significantly af-fect privacy concerns;and the effectiveness of privacy settings，information interaction，emotional interaction，and personalization all posi-tively and significantly affect perceived benefits.On this basis，this paper constructs aGA-BP neural network based on platform characteris-tics and user perception，and proposes specific countermeasures for different prediction results.Ultimately，this paper puts forward feasible suggestions to enhance users'willingness to disclose private information in four aspects：increasing the platform's privacy protection，im-proving the platform's personalized service construction，reducing the risk of privacy leakage，and reasonably applying the disclosure will-ingness prediction model.

Keywords：mobile social e-commerce;privacy information disclosure willingness;SEM structural equation model;GA-BP neural network

（責(zé)任編輯：田媛苑）