引言

电商平台涵盖众多职能工作，广告营销更是其重要工作内容之一。电商平台的广告营销包括但并不仅限于向用户推荐商品店铺、广告宣传等内容，而随着企业对用户体验的重视程度越发突出，如何更好地服务用户，如何为用户提供更具针对性、更富个性化的广告等问题成为电商平台要思考的首要问题。大数据和算法技术的应用显著地提升了广告点击率和用户转化率，即“精准广告模式”。这种广告方式效益显著，但法律认识度和隐私关注度的提高都使得精准广告的弊处越发凸显，大部分用户的应对行为却并不显著。因此，本研究分析电商平台用户在隐私关注情境下对精准广告的感知和应对行为，旨在讨论电商平台是否需要更改精准广告的推行方式以留存用户。

研究背景

精准广告(precision advertising)是基于平台用户浏览所留下的网络信息数据所生成的广告，其本质是利用数据技术从用户大量网络浏览足迹中提取出算法认为有规律或有价值的信息，以了解用户的个性化需求，从而为用户提供更符合其喜好的广告内容。这样的广告营销方式效益显著，因此也逐步为各大电商平台所引入应用，但同样也引起了诸多思考，其中隐私问题备受关注。

我国法治社会的建设有利推动了法律的普及，公民对于法律的了解逐步深入，部分电商平台用户也敏锐感知到精准广告模式对其个人信息的入侵，这引发了用户对于自我隐私的广泛关注，如平台是否过度收集用户信息、是否在未经用户允许情况下擅自收集用户信息或进行信息销售、是否存在窃取用户信息的情况等问题，越来越多用户对精准广告呈现出抵制、拒绝的规避态度和行为。然而，据人民智库发布的隐私意识调查问卷结果所示，大部分用户的应对行为主要表现为沉默化的低程度回避行为，这影响了电商平台的广告营销方式。因为不确定用户对隐私信息泄露的具体行为倾向，电商平台难以衡量是否要减缓精准广告的推行。因此，本研究将分析电商平台用户在隐私关注情境下对精准广告的感知和应对行为。

现有关于精准广告的学术研究多为探讨如何优化其算法精准度，或基于用户角度探究精准广告的广告效果，也有少部分学者针对用户的低精准广告点击率这一现象做出研究，而前人关于隐私问题的研究则大多集中于探究隐私关注的影响因素，或探讨各因素对用户隐私保护意愿的影响机制，仅有少部分学者联系“精准广告”和“隐私”这两点做出研究。本研究想基于前人基础之上，探究用户对其个人隐私的关注度与其对精准广告规避行为之间的关系，并以电商平台用户作为主要研究对象，希望能为各电商平台投放精准广告的营销行为提供参考。为达此目的，本研究以技术威胁规避理论为理论模型基础，引入隐私关注度、隐私显著性、数字代际等变量，通过问卷实证，构建其影响机制的理论模型。

文献综述

隐私与隐私关注

隐私是一个综合性概念，随着互联网和信息技术的发展，学者们提出了“网络隐私”。有别于传统的“隐私”，网络隐私是指网络用户能够保护并控制的个人网络信息，互联网上对隐私权的定义是指网民保护和控制其与公共利益无关的个人信息的权利，由文献可知。总得来说，隐私是一种个体在主观上不愿意公开的信息，网络传播过程中留下的用户浏览信息、用户点击信息等数据信息也计入在内，而智媒时代下网络社交的需要、社会治理的必要信息搜集、电商平台的发展……这些都给公民的隐私保护带来了严峻挑战，隐私问题备受关注。

早期研究中，学者们多从感知角度定义隐私关注(privacy concern, PC)，认为隐私关注是个体对公众是否公正对待其个人信息的主观感受，可被用于评估消费者对其个人隐私信息被非法收集、应用的看法。同时，网络的发展使得学者们开始探究互联网时代下隐私关注的新定义，认为在网络时代，隐私关注可被定义为网民对其网络使用痕迹被他人记录和获取的顾虑程度，体现了人们对于个人信息在网络上留痕的认知以及其个人信息在网络上实际的收集程度和信息用途间产生的差异感知。因此，结合国内外文献，隐私关注这一变量在本研究中指的是电商平台用户对精准广告背后隐含的个人信息被泄露或滥用等威胁的担忧程度，反映了电商平台网络用户对隐私安全威胁的全部认知。

技术威胁规避理论

技术威胁规避理论(technology threat avoidance theory, TTAT)被Liang等用于解释在遭受网络威胁时，网络用户规避动机和行为的产生机制。相较于从接受动机出发解释用户接受/规避行为的传统理论，技术威胁规避理论是从规避动机角度研究用户规避行为的理论模型，更适用于解释当今信息技术威胁因素对网络用户规避行为的作用机制。该理论发展至今，学者们对其基础模型进行了不同的阐述研究。Liang等提出的原始模型包含感知威胁、感知可规避性、规避动机和规避行为四个主要变量，却未能证明感知威胁严重性和感知威胁敏感度之间的显著相关关系，后续Boysen等提出感知威胁敏感度是感知威胁严重性的前提，D. Carpenter等将个体心理因素变量加入模型中并验证了感知威胁敏感度与感知威胁间的显著性关系，也验证了感知威胁严重性在感知威胁敏感度和感知威胁间的中介作用。考虑到现有关于隐私关注和精准广告的研究多从接受角度出发，而较少从规避角度探究用户在考虑隐私影响情况下对精准广告的应对动机和行为，因此本研究将基于TTAT模型探究用户对精准广告的心理感知和行为反应。

应对行为理论

早期研究将应对行为理论(coping behavior theory，CBT)分为问题聚焦型应对行为(problem-focused coping behavior，PFC)和情绪聚焦型应对行为(emotional-focused coping behavior，EFC)。该理论常用以解释消费者在互联网环境下隐私信息遭遇威胁时所采取的应对行为。然而，PEC和EFC的行为分类虽然被普遍接受，但无论是PEC还是EFC均包含着积极接受行为和消极规避行为。因此，后来有学者从用户采取应对行为的需求出发提出回避应对行为(denial coping behavior)，表达应对行为(expressive coping behavior)以及积极应对行为(active coping behavior)这三个行为分类概念。其中，积极应对旨在找到满意的问题解决方案，表达应对旨在发泄负面情绪，回避应对旨在减少反应甚至是脱离外部环境来使自己免受外部威胁。针对TTAT模型中的规避行为，本文引入这一分类方法来探究用户在面对精准广告带来的隐私问题会采取哪些应对方式。

研究假设与模型构建

隐私关注度指的是消费者在购买产品或服务的过程，由于主观判断的不确定性和预期的敏感性而产生的严重后果。精准的广告推荐和营销手段常常引起用户对个人信息泄露的担忧。当推荐广告精准到一定程度时，就会引起用户的警觉，用户会故意回避平台的信息采集过程和数据录入过程，正如朱强等发现隐私关注的升高会导致用户点击广告的意向下降，张建强等也发现当定向广告过于精准时，将显著增强个人对隐私安全的关注度，进而降低用户响应。据此提出：

H1：隐私关注度正向影响感知威胁。

隐私显著性(privacy salience, PS)是指与消费者隐私相关的问题在网络环境中的突出程度。平台通常会有意识地以打标签、设置词条等方式改变平台的隐私显著性，进而使用户感受到精准广告的存在性，而不会选择直接向用户说明精准广告的存在。平台关于隐私显著性的设计可以通过改变用户对于隐私的内在感知进而影响用户对精准广告的规避行为，但对于隐私显著性与广告规避行为之间的关系，学者们的看法不一。有研究表明提高隐私显著性可以促使用户更加关注定向广告的存在，从而降低其广告规避行为。然而，也有学者发现过高的隐私显著性会使消费者变得更谨慎，增加其广告规避行为；与此同时，王烨娣等的研究也创新性地发现隐私显著性与广告规避行为间非线性的U型关系，即当隐私显著性过低或过高时，广告规避行为均较高，且发现感知威胁在隐私显著性和广告规避行为中存在中介效应。据此提出：

H2：隐私显著性与感知威胁呈非线性的U型关系。

感知威胁(perceived threat，PT)泛指人们对威胁或伤害的感知程度。在本研究中它代表的是用户对平台内因精准广告的应用而产生的潜在隐私泄露风险或隐私安全威胁的主观感知程度。技术威胁规避理论认为，当消费者面临隐私威胁时，会更倾向于激发规避动机，进而采取规避行为。据此提出：

H3：感知威胁正向影响规避动机。

H5a：规避动机正向影响积极应对行为。

H5b：规避动机正向影响表达应对行为。

H5c：规避动机正向影响回避应对行为。

基于网络隐私环境下，自我效能(self-efficacy，SE)被定义为用户在网络隐私环境下对自己的网络信息进行控制的能力，而在本研究中，自我效能则被认为是指用户对其个人信息免于被大数据收集的控制能力。现有研究认为自我效能感高的用户不愿意向平台授权自己的个人信息且更关注隐私保护问题，其对精准广告的回避行为倾向也越高；杨嫚等也在研究中证实了自我效能可以显著地正向影响精准广告回避行为。据此提出：

H4：自我效能正向影响规避动机。

数字代际(digital generation, DG)是指数字原住民和数字移民在数字信息能力上的差异，其中数字原住民是指出生并成长于数字网络社会出现之后的群体，这类群体普遍具有相对较高水平的信息技术能力，我国学者将1994 年视作分界线，将1994年以后出生的人群视为数字原住民。陈素白等的研究指出数字代际可以调节自我效能，如数字原住民表现出更强的自我效能感，而自我效能感相对较低的数字移民群体则更注重对个人隐私信息的保护。据此提出：

H6：数字代际调节自我效能与规避动机间的关系。

结合以上假设关系，本研究的理论模型见图1。

数据分析

本研究采用问卷调查法，量表的设计均参考了已获得广泛验证的成熟量表，并进行了适当修改，量表内容主要包括以下两部分：一是基本信息，收集了人口统计学信息，并以题目“您是否使用过电商平台软件(淘宝、京东、美团、小红书、抖音等)？”作为筛选项，筛选出“使用过电商平台软件”的问卷数据保留为有效数据；二是测量题项，涉及6个变量，不包括调节变量数字代际。对于数字代际这一哑变量，本文依据年龄将1994年以前出生的个体记为“数字移民”，1994年以后(含1994年)记为“数字原住民”。问卷采用Likert的5级量表，预调查的Cronbach’s Alpha系数为0.690，说明问卷的信效度水平较好。此外，本研究对载荷值较低以及表达繁琐的题项进行删除与修正。正式发放问卷后共回收问卷304份，获得有效问卷278份，有效回收率为91.45%，人口统计学的统计结果见表1。

名称	选项		频率	百分比(%)
性别	男		139	50.0
	女		139	50.0
年龄	0-19岁		12	4.3
	20-29岁		127	45.7
	30-39岁		117	42.1
	40岁以上(含)		22	7.9
网龄	0-7年		60	21.6
	8-14年		175	62.9
	15-21年		40	14.4
	22年以上		3	1.1
学历	初中及以下		11	4.0
	高中及中专		29	10.4
	本科及大专		209	75.2
	硕士及以上		29	10.4
合计		278		100.0

首先，测量模型的信度和效度检验结果显示：Cronbach’s Alpha系数为0.820，大于0.8，问卷信度良好；KMO值为0.849，Bartlett球形检验对应的P值显著，且各题项的因子载荷值均大于0.5，问卷的结构效度良好。其次，对数字原住民和数字移民的数据在各变量维度进行独立样本t检验，结果显示数字代际在各变量维度间并未显示出显著差异，证明数字代际的影响作用在本研究中并不显著。

其次，皮尔逊相关分析的结果指出除规避动机与表达应对行为间的相关关系，以及数字代际与各变量的相关性未通过显著性检验之外，其余变量之间均存在显著相关关系，路径分析结果见图2。研究发现，除了规避动机与表达应对行为间的关系未通过显著检验，其它变量之间影响关系均表现出显著的正向影响关系，模型拟合指标均达标(RMSEA=0.038＜0.10，CMIN/DF=1.393＜3；Default Model: χ²(21)=535.225, p=1.000)。

第三，中介效应分析结果显示：感知威胁在隐私关注度、隐私显著性这两个变量与规避动机的路径中存在中介作用；规避动机在感知威胁与积极应对行为间也起到了中介作用，但规避动机在感知威胁与表达应对行为、回避应对行为中却无法证得其存在中介作用；同样的，规避动机也仅在自我效能与积极应对行为间存在中介作用。与此同时，规避动机在感知威胁和应对行为整体中存在中介作用，也在自我效能和应对行为整体中存在中介作用。此外，本研究对有调节变量参与的中介路径进行了检验，发现数字代际并未对自我效能→规避动机→应对行为(积极、表达、回避)这条路径中规避动机的中介作用产生影响。

最后，调节效应分析结果见表2。模型2到模型3的过程中，F值变化不显著，且模型3中交互项自我效能×数字代际也不显著，说明数字代际在自我效能和规避动机间不存在调节作用。

	模型1			模型2			模型3
	B	t	p	B	t	p	B	t	p
Constant	4.115	96.803	0.000**	4.099	67.997	0.000**	4.097	67.823	0.000**
SE	0.255	4.385	0.000**	0.253	4.342	0.000**	0.214	2.642	0.009**
DG				0.032	0.376	0.707	0.032	0.374	0.709
SE*DG							0.080	0.683	0.495
调整R 2	0.062			0.059			0.057
F 值	F (1,276)=19.231, p=0.000			F (2,275)=9.656,p=0.000			F (3,274)=6.580,p=0.000
△R 2	0.065			0.000			0.002
△F 值	F (1,276)=19.231,p=0.000			F (1,275)=0.141,p=0.707			F (1,274)=0.467,p=0.495

注：1.因变量为规避动机AM；2.SE为自我效能，AM为规避动机，DG为数字代际；3.模型1含自变量(自我效能SE)，模型2含自变量(自我效能SE)和调节变量(数字代际DG)，模型3含自变量(自我效能SE)、调节变量(数字代际DG)和交互项(SE×DG)。

结论与展望

（一）研究结论

1.各变量间的“相关性”

皮尔逊相关分析结果证实模型各变量之间存在相关关系，路径分析结果则证实除了规避动机与表达应对行为间的影响关系未通过显著性检验，其它各变量间确实存在显著正向影响关系，假设H1、H3、H4均成立，隐私显著性负向影响感知威胁，且本研究的数据尚未证明隐私显著性与感知威胁之间的非线性的U型关系，假设H2部分成立。此外，规避动机正向影响积极应对行为和回避应对行为，假设H5a、H5c成立，H5b不成立。

2.中介效应检验结果

感知威胁在隐私关注度、隐私显著性与规避动机间存在部分中介作用，规避动机在感知威胁与积极应对行为间存在部分中介作用，在自我效能与积极应对行为间也存在部分中介作用。除此之外，规避动机在感知威胁与表达应对行为、回避应对行为间不存在中介作用，在自我效能与表达应对行为间也不存在中介作用。这表明，感知威胁不通过规避动机影响用户的表达性和回避性应对行为，自我效能也不通过规避动机影响用户的表达性和回避性应对行为。

3.数字代际的“无差性”

首先，独立t检验结果指出数字代际在各变量维度上并未呈现出显著差异。其次，调节分析结果指出数字代际不会对自我效能影响规避动机的过程产生调节作用，假设H6不成立。这一结论与陈素白等的研究结果并不相同，这可能是因为本研究调查对象的年龄大多集中于“20-29岁”和“30-39岁”，而20-40岁这一区间的人士虽然在分界线上呈现出数字原住民和数字移民的区别，但是其学习能力和对新科技产品的产品体验大抵相似，使得“代际”的区分并不显著，造成数据结果的偏差。

（二）研究贡献与局限

1.理论贡献

第一，本研究引用TTAT作为模型基础，验证了该理论中各变量的相关关系，并引入隐私显著性作为新的自变量，探究了隐私显著性与感知威胁、应对行为方式间的相关关系，丰富了该理论模型的应用场景，同时验证了隐私关注度与感知威胁和规避行为间的影响关系，也证实了自我效能在TTAT模型中作为自变量对规避行为的影响。此外，本研究还在读验证了感知威胁和规避动机在自变量和规避行为间的中介作用，拓展了技术威胁规避理论在精准广告营销领域的应用。

第二，本研究引用应对行为理论(CBT)作为对TTAT模型中规避行为的拓展，分析用户规避精准广告的具体行为意向。虽然本研究数据未能证明用户的规避动机与其表达性规避行为间的显著关系，但是证实了规避动机与积极行为和回避行为的显著正向关系，这可能说明用户面对精准广告产生规避行为时更偏向于积极应对或回避应对，拓展了CBT理论在精准广告营销领域的应用。

2.实践建议

第一，仔细把握精准广告的应用，从源头上，适当调节平台的隐私政策来减少用户的规避意愿和规避行为。隐私显著性会通过感知威胁和规避动机的中介作用来影响用户对精准广告的规避行为，且本研究证得隐私显著性负向影响感知威胁，因此从源头处，对平台用户展示公正的、透明的隐私使用和隐私保护政策有可能会降低用户对精准广告的规避行为和抵制意愿。

第二，平台可以调节隐私服务的选择方式。一方面，用户对隐私的关注会通过感知威胁和规避动机的中介作用影响用户的规避行为，因此平台可以尝试设置隐私选项，如针对用户不愿意公开的隐私信息(证件信息、话题喜好、地理位置等)，给予用户选择是否公开的权利，更改如今部分平台“不给授权不可使用”的现状。另一方面，用户的自我效能正向影响用户对精准广告的规避行为，因此可以根据用户的自我效能感设置不同的隐私服务，如向自我效能感较低的人群详细介绍隐私服务的款项内容和隐私保护方案，向自我效能感较高的人群则给予较高的隐私自主保护权，从而改变用户对精准广告的感知隐私泄露威胁程度。

第三，做好平台客服工作，从收尾处，把握用户的使用意向，给出较为及时的反馈意见。本研究的研究结果表示，用户对精准广告的规避应对方式多为积极应对和回避应对这两种方式，前者是主动出击，后者是默默回避。对于前者，用户大多会进行平台投诉、权限修改等操作，而平台大多能受到信息反馈，这也会是平台的机会；对于后者，长时间的不适用大多会被平台感知，发出如“您已有xx天没有光顾本平台”的信息或者发出“您不愿继续使用本平台的原因是xx”的信息，这时，适当的反馈可能可以挽回用户，就算不能，信息调查也会为平台添加未来避错的信息。

3.局限与展望

本研究仍然存在较多不足和值得改进的地方。首先，样本数据的代表性较弱。本研究的调查对象的年龄大多集中于“20-29岁”和“30-39岁。数据如此集中，使得本研究在数据上具有一定的偏差，导致本文研究结论的代表性被削弱。此外，本研究还探讨了数字代际的调节效应，但是并未能证明数字代际对自我效能和规避动机关系的调节作用，这可能是数据偏差带来的原因，也可能是因为数字代际确实未在自我效能和规避动机间存在调节关系，这些都有待进一步的验证。

参考文献：

1. [1] 鞠宏磊, 黄琦翔, 王宇婷. 大数据精准广告的产业重构效应研究[J]. 新闻与传播研究,2015,22(08):98-106+128.
2. [2] 王烨娣, 席悦, 蒋玉石. 隐私显著性与互联网定向广告规避行为的非线性关系研究——基于感知威胁的中介作用[J]. 南开管理评论,2023,26(03):135-147.
3. [3] 杨嫚, 温秀妍. 隐私保护意愿的中介效应：隐私关注、隐私保护自我效能感与精准广告回避[J]. 新闻界,2020(07):41-52.
4. [4] 蒋骁, 仲秋雁, 季绍波. 网络隐私的概念、研究进展及趋势[J]. 情报科学,2010,28(02):305-310.
5. [5] 于婷婷, 杨蕴焓. 精准广告中的隐私关注及其影响因素研究[J]. 新闻大学,2019,161(09):101-116+121.
6. [6] 朱侯. 社交媒体用户隐私关注的心理机制研究[J]. 图书情报知识,2016(02):75-82.
7. [7] Hong W, Thong J. Internet privacy concerns[J]. MIS quarterly,2013,37(01):275-298.
8. [8] Liang H, Xue Y. Avoidance of information technology threats: A theoretical perspective[J]. MIS quarterly,2009,33(01):71-90.
9. [9] Carpenter D, Young D K, Barrett P, et al. Refining technology threat avoidance theory[J]. Communications of the association for information systems,2019,44(01):380-407.
10. [10] Tamres, L Janicki, D. Hegeson, V. Sex. Differences in coping behavior: A meta-analytic review and an examination of relative coping[J]. Personality and social psychology review,2002,6(01):2-30.
11. [11] Tsarenko Y, Strizhakova Y. Coping with service failures[J]. European journal of marketing,2013,47(1-2):71-92.
12. [12] 李莉, 刘珊珊, 李钟允. 智能手机媒体用户隐私关注对网络精准广告接受意愿影响研究[J]. 声屏世界,2022(13):91-97.
13. [13] 朱强, 王兴元, 辛璐琦. 隐私关注对网络精准广告点击意愿影响机制研究——消费者风险感知和自我效能的作用[J].软科学,2018,32(04):115-119.
14. [14] 张建强, 刘娟, 仲伟俊. 广告精准度与广告效果:基于隐私关注的现场实验[J]. 管理科学,2019,32(06):123-132.
15. [15] 王烨娣, 蒋玉石, 苗苗, 等. 隐私显著性、平台可信度和调节聚焦对互联网定向广告说服效果的联合效应研究[J]. 管理评论,2022,34(08):144-156.
16. [16] Thomas H-R. Privacy as a secondary goal problem: an experiment examining control[J]. Information management & computer security,2015,23(04):382-393.
17. [17] Kim T, Barasz K, John L K. Why am I seeing this Ad? The effect of ad transparency on ad effectiveness[J]. Journal of consumer research,2019,45(05):906-932.
18. [18] Rifon N J, Larose R, Choi S M. Your privacy is sealed: Effects of web privacy seals on trust and personal disclosures[J]. Journal of consumer affairs,2005,39(02):339-362.
19. [19] Ham C-D. Exploring how consumers cope with online behavioral advertising[J]. International journal of advertising,2017,36(04):632-658.
20. [20] Marc P. Digital natives, digital immigrants part1[J]. On the horizon,2001,9(05):2-6.
21. [21] 陈成鑫, 初景利. 国外新一代用户网络信息行为研究进展[J]. 图书馆论坛,2010,30(06):71-75.
22. [22] 陈素白, 顾晨昱. “脱敏”的数字原住民：基于计划行为理论扩展的社交媒体用户隐私保护意愿研究[J]. 图书馆杂志,2023,42(06):121-132.