论文部分内容阅读
【摘 要】 个性化推荐已成为电子商务网站让用户更加满意的一个必备功能，其中了解用户需求的差异性是个性化推荐成功应用的前提。从用户认知即用户的所想角度出发可以了解用户的需求，其中认知需求是用户认知的一个重要维度。本研究尝试結合实证从认知需求维度对用户认知分类，并探索认知需求的行为特征指标，以从认知需求角度更好地了解用户的认知，从而更佳地指导电子商务网站个性化推荐功能的优化。
【关键词】 认知需求；行为指标；实证研究；用户认知
一、研究背景及意义
随着电子商务网站极速增长，商品种类和数量更是呈指数级增长，日益丰富的产品往往需要顾客费时很久才能找到目标商品，然而顾客的耐心是有限的，找到目标产品耗时越长顾客越可能流失。因此如何帮助顾客快速找到满意的商品成为各大电子商务网站关心的问题。鉴于此，个性化推荐系统应运而生。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求。
为了解用户的个性化需求，必须先洞悉用户的认知即用户到底是怎么想的。而个体认知存在很多维度，各个维度间存在差异，主要体现在认知需求、认知图式、认知风格、认知能力、认知过程等维度上的差异，认知需求是其中很重要的一个维度，但目前相关的研究相对较少。因此，本研究尝试结合实证从认知需求维度对用户认知进行表征分类，并探索不同认知需求的用户行为特征的差异。实证中，主要针对个体认知需求的差异进行调查分析，通过文献调研设计问卷度量用户的认知需求；设计网络购物实验真实记录用户操作过程，根据网络购物实验提取影响用户认知行为特征指标；基于数据分析提取的指标的有效性，以从认知需求角度更好地了解用户的认知，从而更佳地指导电子商务网站个性化推荐功能的优化。
二、认知需求
个体认知的差异主要包括认知需求、认知图式、认知风格、认知能力、认知过程等维度上的差异，其中认知需求（ Need for Cognition， NFC）是指个体参与和享受思考的倾向（Cacioppo & Petty， 1982） [1]。具体是指个体在面对认知任务时，是否愿意主动思考，以及是否喜欢思考。认知需求是从高到低的两极变量，Kar Yan Tam等人研究发现高认知需求的个体具有7个主要特征（表1）。
研究发现，用户认知需求的高低对用户的偏好程度有很大的影响。Kar Yan Tam and Shuk Ying Ho（2005）在研究个性化的智能体与用户的交互机理时提出不同认知需求的用户对偏好匹配（Preference Matching）的思考和态度会出现极化，并且匹配程度对高认知需求的用户影响较大。偏好匹配的水平指的是个性化智能体所产生的Web内容对用户的吸引程度。个性化智能体所产生的Web内容越能够匹配用户的口味和偏好，用户在形成一个决定（比如接受推荐）之前越可能对所推荐的内容进行处理。个性化偏好匹配水平的高低只有在用户有机会评价推荐内容之后才能判定[2]。
为测量用户的认知需求，学者们已经开展了相关研究，普遍应用的认知需求测量方法是Cacioppo and Petty （1982）的认知需求量表，其中Kar Yan Tam and Shuk Ying Ho（2005）对认知需求的测量主要参考Cacioppo and Petty （1982），采用5个测试题目对个体的认知需求进行划分。要求被试对他们的认知需求作个自我评价，采用7分制量表，“非常同意”“非常不同意”等，实验结果很理想，并将被试划分到两个组：高认知需求组和低认知需求组。本研究对认知需求的测量，也将以Cacioppo and Petty （1982）的认知需求量表为基础进行拓展研究。
三、实验方法及流程
为从用户认知需求角度探索用户的认知差异，本研究结合实证探索用户认知需求的行为特征指标。实证中，首先在文献调研的基础上设计问卷，以度量用户的认知需求；第二步，设计网络购物实验，真实记录用户操作过程，根据网络购物实验提取用户认知需求的行为特征指标；最后，通过具体分析验证提取的指标是否正确。
3.1认知需求度量
对认知需求（Need for Cognition）的测量都是基于Cacioppo&Petty（1982）提出的认知需求量表，原有34个问题，在后来的版本中精简到18个问题。题目是一些描述个人特点的句子，一半是正向表述的，如“我喜欢复杂的问题多于简单的问题”，另一半是反向表述的，如“对我来说思考不是有趣的事情”。原文中采用的9分制量表，从-4到4。最后总分为用户的认知需求分数。
国外研究中有从认知需求量表中选择几个问题来对测试用户的认知需求，如Kar Yan Tam and Shuk Ying Ho（2005）选择了5个问题，采用7分制量表将用户分为高认知需求和低认知需求组。
国内研究一般采用认知需求量表中文修订版，略有不同的是有的研究者采用的5分制量表。
本次实验拟采用的是认知需求量表18个问题版本的英文翻译版，并采用5分制量表。本实验将英文原版测试题进行翻译，并通过SPSS对问卷进行信度和效度的分析删除掉一题，最终形成含有17个问题的需求量表（表2）。
根据相关文献有两种分组方法：
1）取分数两端前27%进行分组，认知需求总分在前27%，属于认知需求高的用户；总分属于后27%的属于认知需求低的用户；中间的46%属于中间级别。
2）取中位数法，认知需求得分高于中位数的为认知需求高的，认知需求得分低于中位数的为认知需求的低的。
本次实验共142条数据，将数据按照上述的两种分组方式进行划分，具体为：
1）其中认知需求高的共有38人，认知需求中间的有66人，剩下的38人为认知需求低的。 2）认知需求分数在40—81之间，中位数为61，其中认知需求高有73人，认知需求低有69人。
3.2网络购物实验
在认知需求问卷调查的基础上，为真实的反应用户认知需求差异，本研究以用户网络购物实验来模拟用户的真实购物流程，实验要求参与问卷调查的142名用户到京东商城选购数码相机，要求用户为朋友选购一款性价比最高的数码相机放入购物车，价格介于1000到2000之间，并借助视频录像记录用户的实际操作过程。基于视频录像提炼出用户浏览产品个数、浏览产品次数、决策时间以及购买产品性能得分，其中购买产品性能得分根据用户对比选中相机的各参数值区间确定。
3.3提炼测试用户认知需求的行为特征指标
在网络购物实验的基础上，提取用户认知需求的两个行为特征指标：决策时间（从浏览第一个产品到放入购物车之间的时间）和购买产品的性能得分（用户放入购物车种产品的性能得分）。
四、实验数据分析及结论
4.1将认知需求分为高、中、低三个组
根据此分组方法，基于上一小节提出的产品两个指标即：决策时间和购买产品的性能得分，本报告提出如下假设：
1）假设1：认知需求高的用户决策时间大于认知需求中间的用户大于认知需求低的用户
◇ 认知需求低的与认知需求中的进行显著性差异分析
分析：t检验双侧检验系数为0.117，大于0.05，所以认知需求低的与认知需求中的用户决策时间上没有显著差异。
◇ 认知需求中的与认知需求高的进行显著性差异分析
分析：t檢验双侧检验系数为0.418，大于0.05，所以认知需求中的与认知需求高的用户决策时间上没有显著差异。
◇ 认知需求低的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.538，大于0.05，所以认知需求低的与认知需求高的用户决策时间上没有显著差异。
结论：认知需求的高低不影响用户的决策时间。
2）假设2：认知需求低的用户购买产品性能得分高于认知需求中间的用户高于认知需求高的用户
◇ 认知需求低的与认知需求中的进行显著性差异分析
分析：t检验双侧检验系数为0.253，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
◇ 认知需求中的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.414，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
◇ 认知需求低的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.925，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
结论：认知需求的高低与购买产品的性能得分没有关系。
4.2将认知需求分为高、低两组
1）假设1：认知需求高的用户决策时间比认知需求低的用户多
分析：t检验双侧检验系数为0.878，大于0.05，所以认知需求低的与认知需求高的用户在决策得分上没有显著差异。
结论：认知需求的高低不影响用户的决策时间
2）假设2：认知需求高的用户购买产品性能得分高于认知需求低的用户
分析：t检验双侧检验系数为0.025，小于0.05，所以不同认知需求的用户其购买用户产品的性能得分不同。而认知需求低的用户其购买产品性能平均得分为4.0178，认知需求高的用户购买产品性能平均得分为4.3358，这说明认知需求高的用户购买产品性能得分高于认知需求低的用户。
结论：购买产品性能得分的高低反映用户认知需求的高低。
4.3结论与不足
本研究采用了两种认知需求分组方式（分为高中低三组、分为高低两组），提出了两个指标：决策时间和购买产品性能得分。根据数据分析发现，两种分组情况下，不同认知需求的用户其决策时间都不存在差异，这说明决策时间对用户认知需求的高低不起说明作用。而两种分组情况下，用户购买产品性能得分差异则不同，将用户的认知需求分为高中低三组的情况下，不同认知需求的用户购买产品性能得分没有显著性差异，而将用户的认知需求分为高低两组的情况下，不同认知需求的用户购买产品性能得分显著不同，并且认知需求高的用户购买产品性能得分要高于认知需求低的用户。
总的来说：决策时间不是有效的认知需求行为指标；在用户认知需求分为高低两组的情况下，购买产品性能得分是有效地认知需求行为指标，可用来指示用户认知需求的高低。
但其中用户认知需求分为高中低时，购买的产品性能得分不能用来反映用户认知需求的高、中、低，其原因可能在于整体数据量为142，分为三组的情况下，每组的数据很少，使得分析的结果不具有普遍性从而导致分析的结果存在偏差。因此，后期研究可以进一步扩大研究数据量。另外，本研究只提取了两个指标并且通过验证只有一个指标对认知需求存在影响，在后期的工作中可以根据文献资料等提取更多的指标，从而更好的指导网站个性化推荐。
参考文献：
[1] Cacioppo， J. T.， & Petty， R. E. （1982）. The need for cognition.Journal of Personality and Social Psychology， 42， 1，116–131
[2]Kar Yan Tam， Shuk Ying Ho. Web Personalization as a Persuasion Strategy： An Elaboration Likelihood Model Perspective. Information Systems Research， Vol. 16， No. 3， September 2005， pp. 271–291.
[3]彭聘龄.普通心理学[M].北京：北京师范大学出版社，2001.
[4]黄庭希.心理学导论[M].北京：人民教育出版社，2005.11.
[5]王树根基于认知心理学的模式识别模型框架[J].武汉大学学报（信息科学版），2002，（05）：543-547.
[6] Cacioppo， J. T. & Petty， R. E. （1982）. The need for cognition. Journal of Personality and Social Psychology， 42， 116–131.
[7] Cacioppo， J. T.， Petty， R. E.， & Kao， C. F. （1984）. The efficient assessment of need for cognition. Journal of Personality Assessment， 48， 306–307.
[8] Sadowski， C. J. & Gulgoz， Sami （1992）. Internal consistency and test-retest reliability of the Need for Cognition Scale. Perceptual and Motor Skills， 74， 610.
[9] Kar Yan Tam， Shuk Ying Ho. Web Personalization as a Persuasion Strategy： An Elaboration Likelihood Model Perspective[J]. Information Systems Research， 2005，3（16）： 271–291.
【关键词】 认知需求；行为指标；实证研究；用户认知
一、研究背景及意义
随着电子商务网站极速增长，商品种类和数量更是呈指数级增长，日益丰富的产品往往需要顾客费时很久才能找到目标商品，然而顾客的耐心是有限的，找到目标产品耗时越长顾客越可能流失。因此如何帮助顾客快速找到满意的商品成为各大电子商务网站关心的问题。鉴于此，个性化推荐系统应运而生。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求。
为了解用户的个性化需求，必须先洞悉用户的认知即用户到底是怎么想的。而个体认知存在很多维度，各个维度间存在差异，主要体现在认知需求、认知图式、认知风格、认知能力、认知过程等维度上的差异，认知需求是其中很重要的一个维度，但目前相关的研究相对较少。因此，本研究尝试结合实证从认知需求维度对用户认知进行表征分类，并探索不同认知需求的用户行为特征的差异。实证中，主要针对个体认知需求的差异进行调查分析，通过文献调研设计问卷度量用户的认知需求；设计网络购物实验真实记录用户操作过程，根据网络购物实验提取影响用户认知行为特征指标；基于数据分析提取的指标的有效性，以从认知需求角度更好地了解用户的认知，从而更佳地指导电子商务网站个性化推荐功能的优化。
二、认知需求
个体认知的差异主要包括认知需求、认知图式、认知风格、认知能力、认知过程等维度上的差异，其中认知需求（ Need for Cognition， NFC）是指个体参与和享受思考的倾向（Cacioppo & Petty， 1982） [1]。具体是指个体在面对认知任务时，是否愿意主动思考，以及是否喜欢思考。认知需求是从高到低的两极变量，Kar Yan Tam等人研究发现高认知需求的个体具有7个主要特征（表1）。
研究发现，用户认知需求的高低对用户的偏好程度有很大的影响。Kar Yan Tam and Shuk Ying Ho（2005）在研究个性化的智能体与用户的交互机理时提出不同认知需求的用户对偏好匹配（Preference Matching）的思考和态度会出现极化，并且匹配程度对高认知需求的用户影响较大。偏好匹配的水平指的是个性化智能体所产生的Web内容对用户的吸引程度。个性化智能体所产生的Web内容越能够匹配用户的口味和偏好，用户在形成一个决定（比如接受推荐）之前越可能对所推荐的内容进行处理。个性化偏好匹配水平的高低只有在用户有机会评价推荐内容之后才能判定[2]。
为测量用户的认知需求，学者们已经开展了相关研究，普遍应用的认知需求测量方法是Cacioppo and Petty （1982）的认知需求量表，其中Kar Yan Tam and Shuk Ying Ho（2005）对认知需求的测量主要参考Cacioppo and Petty （1982），采用5个测试题目对个体的认知需求进行划分。要求被试对他们的认知需求作个自我评价，采用7分制量表，“非常同意”“非常不同意”等，实验结果很理想，并将被试划分到两个组：高认知需求组和低认知需求组。本研究对认知需求的测量，也将以Cacioppo and Petty （1982）的认知需求量表为基础进行拓展研究。
三、实验方法及流程
为从用户认知需求角度探索用户的认知差异，本研究结合实证探索用户认知需求的行为特征指标。实证中，首先在文献调研的基础上设计问卷，以度量用户的认知需求；第二步，设计网络购物实验，真实记录用户操作过程，根据网络购物实验提取用户认知需求的行为特征指标；最后，通过具体分析验证提取的指标是否正确。
3.1认知需求度量
对认知需求（Need for Cognition）的测量都是基于Cacioppo&Petty（1982）提出的认知需求量表，原有34个问题，在后来的版本中精简到18个问题。题目是一些描述个人特点的句子，一半是正向表述的，如“我喜欢复杂的问题多于简单的问题”，另一半是反向表述的，如“对我来说思考不是有趣的事情”。原文中采用的9分制量表，从-4到4。最后总分为用户的认知需求分数。
国外研究中有从认知需求量表中选择几个问题来对测试用户的认知需求，如Kar Yan Tam and Shuk Ying Ho（2005）选择了5个问题，采用7分制量表将用户分为高认知需求和低认知需求组。
国内研究一般采用认知需求量表中文修订版，略有不同的是有的研究者采用的5分制量表。
本次实验拟采用的是认知需求量表18个问题版本的英文翻译版，并采用5分制量表。本实验将英文原版测试题进行翻译，并通过SPSS对问卷进行信度和效度的分析删除掉一题，最终形成含有17个问题的需求量表（表2）。
根据相关文献有两种分组方法：
1）取分数两端前27%进行分组，认知需求总分在前27%，属于认知需求高的用户；总分属于后27%的属于认知需求低的用户；中间的46%属于中间级别。
2）取中位数法，认知需求得分高于中位数的为认知需求高的，认知需求得分低于中位数的为认知需求的低的。
本次实验共142条数据，将数据按照上述的两种分组方式进行划分，具体为：
1）其中认知需求高的共有38人，认知需求中间的有66人，剩下的38人为认知需求低的。 2）认知需求分数在40—81之间，中位数为61，其中认知需求高有73人，认知需求低有69人。
3.2网络购物实验
在认知需求问卷调查的基础上，为真实的反应用户认知需求差异，本研究以用户网络购物实验来模拟用户的真实购物流程，实验要求参与问卷调查的142名用户到京东商城选购数码相机，要求用户为朋友选购一款性价比最高的数码相机放入购物车，价格介于1000到2000之间，并借助视频录像记录用户的实际操作过程。基于视频录像提炼出用户浏览产品个数、浏览产品次数、决策时间以及购买产品性能得分，其中购买产品性能得分根据用户对比选中相机的各参数值区间确定。
3.3提炼测试用户认知需求的行为特征指标
在网络购物实验的基础上，提取用户认知需求的两个行为特征指标：决策时间（从浏览第一个产品到放入购物车之间的时间）和购买产品的性能得分（用户放入购物车种产品的性能得分）。
四、实验数据分析及结论
4.1将认知需求分为高、中、低三个组
根据此分组方法，基于上一小节提出的产品两个指标即：决策时间和购买产品的性能得分，本报告提出如下假设：
1）假设1：认知需求高的用户决策时间大于认知需求中间的用户大于认知需求低的用户
◇ 认知需求低的与认知需求中的进行显著性差异分析
分析：t检验双侧检验系数为0.117，大于0.05，所以认知需求低的与认知需求中的用户决策时间上没有显著差异。
◇ 认知需求中的与认知需求高的进行显著性差异分析
分析：t檢验双侧检验系数为0.418，大于0.05，所以认知需求中的与认知需求高的用户决策时间上没有显著差异。
◇ 认知需求低的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.538，大于0.05，所以认知需求低的与认知需求高的用户决策时间上没有显著差异。
结论：认知需求的高低不影响用户的决策时间。
2）假设2：认知需求低的用户购买产品性能得分高于认知需求中间的用户高于认知需求高的用户
◇ 认知需求低的与认知需求中的进行显著性差异分析
分析：t检验双侧检验系数为0.253，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
◇ 认知需求中的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.414，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
◇ 认知需求低的与认知需求高的进行显著性差异分析
分析：t检验双侧检验系数为0.925，大于0.05，所以认知需求低的与认知需求高的用户在购买产品的性能得分上没有显著差异。
结论：认知需求的高低与购买产品的性能得分没有关系。
4.2将认知需求分为高、低两组
1）假设1：认知需求高的用户决策时间比认知需求低的用户多
分析：t检验双侧检验系数为0.878，大于0.05，所以认知需求低的与认知需求高的用户在决策得分上没有显著差异。
结论：认知需求的高低不影响用户的决策时间
2）假设2：认知需求高的用户购买产品性能得分高于认知需求低的用户
分析：t检验双侧检验系数为0.025，小于0.05，所以不同认知需求的用户其购买用户产品的性能得分不同。而认知需求低的用户其购买产品性能平均得分为4.0178，认知需求高的用户购买产品性能平均得分为4.3358，这说明认知需求高的用户购买产品性能得分高于认知需求低的用户。
结论：购买产品性能得分的高低反映用户认知需求的高低。
4.3结论与不足
本研究采用了两种认知需求分组方式（分为高中低三组、分为高低两组），提出了两个指标：决策时间和购买产品性能得分。根据数据分析发现，两种分组情况下，不同认知需求的用户其决策时间都不存在差异，这说明决策时间对用户认知需求的高低不起说明作用。而两种分组情况下，用户购买产品性能得分差异则不同，将用户的认知需求分为高中低三组的情况下，不同认知需求的用户购买产品性能得分没有显著性差异，而将用户的认知需求分为高低两组的情况下，不同认知需求的用户购买产品性能得分显著不同，并且认知需求高的用户购买产品性能得分要高于认知需求低的用户。
总的来说：决策时间不是有效的认知需求行为指标；在用户认知需求分为高低两组的情况下，购买产品性能得分是有效地认知需求行为指标，可用来指示用户认知需求的高低。
但其中用户认知需求分为高中低时，购买的产品性能得分不能用来反映用户认知需求的高、中、低，其原因可能在于整体数据量为142，分为三组的情况下，每组的数据很少，使得分析的结果不具有普遍性从而导致分析的结果存在偏差。因此，后期研究可以进一步扩大研究数据量。另外，本研究只提取了两个指标并且通过验证只有一个指标对认知需求存在影响，在后期的工作中可以根据文献资料等提取更多的指标，从而更好的指导网站个性化推荐。
参考文献：
[1] Cacioppo， J. T.， & Petty， R. E. （1982）. The need for cognition.Journal of Personality and Social Psychology， 42， 1，116–131
[2]Kar Yan Tam， Shuk Ying Ho. Web Personalization as a Persuasion Strategy： An Elaboration Likelihood Model Perspective. Information Systems Research， Vol. 16， No. 3， September 2005， pp. 271–291.
[3]彭聘龄.普通心理学[M].北京：北京师范大学出版社，2001.
[4]黄庭希.心理学导论[M].北京：人民教育出版社，2005.11.
[5]王树根基于认知心理学的模式识别模型框架[J].武汉大学学报（信息科学版），2002，（05）：543-547.
[6] Cacioppo， J. T. & Petty， R. E. （1982）. The need for cognition. Journal of Personality and Social Psychology， 42， 116–131.
[7] Cacioppo， J. T.， Petty， R. E.， & Kao， C. F. （1984）. The efficient assessment of need for cognition. Journal of Personality Assessment， 48， 306–307.
[8] Sadowski， C. J. & Gulgoz， Sami （1992）. Internal consistency and test-retest reliability of the Need for Cognition Scale. Perceptual and Motor Skills， 74， 610.
[9] Kar Yan Tam， Shuk Ying Ho. Web Personalization as a Persuasion Strategy： An Elaboration Likelihood Model Perspective[J]. Information Systems Research， 2005，3（16）： 271–291.