【基于社會化推薦的網(wǎng)絡瀏覽行為分析】 社會化媒體是什么

　　[摘要]隨著網(wǎng)絡信息環(huán)境的變化，傳統(tǒng)認知中的瀏覽行為模式已發(fā)生很大的改變，從而需要重新來審視“瀏覽”這一具有普遍性的信息行為在新的信息環(huán)境下的規(guī)律和特點。圍繞社會化推薦這一情境，對社會化推薦的模式以及與之對應的瀏覽行為開展定性分析，并基于此對傳統(tǒng)的瀏覽行為的理論框架提出改進。
　　[關鍵詞]社會化推薦　網(wǎng)絡瀏覽　信息行為
　　[分類號]G350
　　
　　1 引 言
　　
　　一般認為，信息查尋(seek)行為包括檢索和瀏覽兩大類。傳統(tǒng)的信息行為研究往往將瀏覽(browse)與檢索(search)嚴格區(qū)分開，認為“檢索是一種有明確目標、有計劃、能清楚表達信息需求的信息查尋行為；而瀏覽是沒有具體信息需求目標或難以清楚表達信息需求的較隨意的信息查尋行為�！薄�然而，在現(xiàn)在很多情境下，信息查尋行為已很難按原有邏輯對行為類型做出清晰的界定，本文述及的基于社會化推薦的信息查詢行為即是一例，根據(jù)該情境下信息行為的基本特征，本文將其劃歸為瀏覽的范疇。但與此同時，對傳統(tǒng)信息瀏覽行為的定義和描述就勢必需要做出一定的調(diào)整。
　　
　　社會化推薦(social recommendation)是Web 2.0的一個重要特性，其具體形式包括群體發(fā)掘(digging)、社會化書簽(social bookmarking)和社會化標簽(socialtagging)等。其基本特征是通過群體性的評注行為(collective annotating)來對網(wǎng)絡資源進行社會化的標引(social indexing)。由于其操作的簡易性和標注的豐富性，廣大互聯(lián)網(wǎng)用戶從這種社會化行動中既體驗到了互動的樂趣，同時為自己的信息查尋找到了一種全新的渠道――定制型瀏覽(preference browsing)和交互型瀏覽(interactive browsing)。相對此前盲目迷走在超鏈接中的傳統(tǒng)瀏覽模式，這一渠道極大地提高了網(wǎng)絡用戶瀏覽的效率和質(zhì)量。
　　然而，這一情境下的瀏覽行為與傳統(tǒng)認識和研究中的瀏覽行為有著明顯的差異，而這一差異卻并未得到信息行為研究領域足夠的重視和關注。因而本文擬在現(xiàn)有瀏覽行為模型的基礎上，將社會化推薦情境下的新的瀏覽行為的特性進行整合，以對原理論模型提出相應的改進。
　　
　　2 網(wǎng)絡社會化推薦的模式
　　
　　基于對互聯(lián)網(wǎng)上具有推薦功能的產(chǎn)品和服務的回溯，結(jié)合對Antonius(2009年)關于“社會化書簽的推薦系統(tǒng)”的研究中所總結(jié)的三類推薦模式的擴充，本文將網(wǎng)絡內(nèi)容推薦模式歸納為以下6類：①基于大眾分類(folksonomy)的推薦：按類目推薦――例如Yahoo!分類目錄。②基于瀏覽歷史的推薦：按相似性推薦一例如電子商務網(wǎng)站的商品推薦。③基于社會化標引的推薦：按標簽(tag)推薦一例如博客系統(tǒng)的同tag日志自動推薦。④基于社會化評價的推薦：按評價統(tǒng)計值(累計的dig／bury值,thumb up／down值、保存為書簽(bookmarked)的次數(shù)和被評論的頻次；被給予星級的平均值等)推薦，或按不良報告(垃圾信息、重復)過濾――例如diggt3 J、豆瓣等社會化軟件及媒體。⑤基于社會網(wǎng)絡的推薦：網(wǎng)絡好友的推薦一例如社會化書簽軟件Delicious、兜樂等。⑥綜合的推薦模式：綜合大眾分類、瀏覽歷史、社會化標引、社會化評價、社會網(wǎng)絡等手段來做推薦一例如啃一啃、StumbleUpon等社會化軟件及媒體。
　　以上6類推薦模式中，其中后4類就屬于社會化的推薦模式。這種推薦模式的出現(xiàn)是源于網(wǎng)絡信息環(huán)境從1.0躍遷到2.0才得以產(chǎn)生并蓬勃發(fā)展的，因此社會化推薦首先是建立在Web2．0的信息環(huán)境之上的產(chǎn)物。新的環(huán)境產(chǎn)生信息的行為模式，這與Dresang(1999年)所提出的信息環(huán)境的“劇變理論”(Theory ofRadical Change)的觀點是相一致的。Dresang稱，我們之所以經(jīng)常瀏覽，是因為瀏覽所對應的情境――復雜且快速變化的世界中未知的事務――變得越來越多，我們越來越被其所包圍。
　　為更好地理解社會化推薦的模式，這里以綜合推薦模式的代表性產(chǎn)品StumbleUpon為例，其產(chǎn)品核心是：一個分類引擎、一個聚合引擎、一個推薦引擎和一套評價機制。其產(chǎn)品工作機理如圖1所示：
　　正如StumbleUpon的產(chǎn)品描述所提及的，社會化推薦的主要特點恰好也反映在：①比檢索簡單，比瀏覽高效；②能有效應對信息超載；③采用的是有效的人員驅(qū)動(人工采編和社會化采編)的技術(shù)；④可以作基于社會網(wǎng)絡的信息瀏覽；⑤是個人定制化的瀏覽工具。
　　
　　3　基于社會化推薦的甩戶瀏覽行為
　　
　　本文通過考察眾多社會化推薦服務中所呈現(xiàn)的共性的環(huán)節(jié)，將基于社會化推薦的用戶瀏覽行為劃分整理為如下三個階段及相應的活動，如圖2所示：
　　值得注意和說明的是，這里的三個階段并不對應著前后順序關系，每個階段的相關活動之間也不都存在依賴關聯(lián)，是屬于典型Fomter(2004年)所提到的“非線性信息查尋(nonlinear information s~kins)”中的一種。用戶幾乎可以從任何―個環(huán)節(jié)點上開始自己基于社會化推薦的瀏覽，而且可以隨時跳轉(zhuǎn)進入其他的環(huán)節(jié)。
　　從具體的階段活動來看，預定義階段中的定制(customize)活動實際上是對“個人預期的信息需求”(Personal Anticipated Irfformation Need，PAIN)所做的一種初步確認和訂閱。而這種定制是需要首先通過注冊(register)，然后需要花費一番心思來選擇或創(chuàng)建自己“感興趣”的主題的。從傳統(tǒng)意義上來看，這一心力投入與瀏覽行為的隨意性相左，然而相比此后可以更高效、精準地接收和瀏覽信息，這一付出就顯得非�！皠谟兴�值”。在完成這一階段的工作后，基于社會化推薦的瀏覽就會很“知心”而且很方便(比如只需點擊同一個網(wǎng)頁按鈕)。從這一點來看，這項安排實際上是從全局上遵循人們在進行信息行為時傾向的最小努力原則(Principle 0f Least Effort，PLE)――即希望能付出最小代價來獲得最大效益的。
　　如前所述，由于社會化推薦瀏覽的各個階段和各項活動并不存在必然依賴關系，因此即使個人不定制PAIN，基于社會化推薦的瀏覽仍可進行，只是這個時候系統(tǒng)只能為用戶提供隨機或最新、最熱的收錄網(wǎng)頁而非依據(jù)其個人興趣而推送。然而無論是定制或非定制下的基于社會化推薦的瀏覽行為，由于主要都還是基于休閑(獲取信息和新知的嚴肅性休閑(serious leis-ure))的動機，因此從動機角度其行為特質(zhì)更傾向于是瀏覽而非檢索。
　　由于查詢階段中“挖掘”(Discover)性質(zhì)的活動只需要付出極小的成本(例如，鼠標的一次點擊)，就可以獲得一個定制的被推送的相關網(wǎng)頁。用戶可不斷地 來做這種網(wǎng)頁挖掘(通常是跨網(wǎng)站的)，直到瀏覽者認為相關的信息足夠。因而這一過程恰恰就類似于Bates(1989年)所描述的非一站式的類似于采莓(Ber-ryPieking)形式的信息行為過程。在這一比喻中，野莓分散于矮叢中，而不是以一串串的型態(tài)存在，要采它們必須一次一個，逐步前進，因此采莓模式中，重視的是一連串的搜尋行為。同時，由于“挖掘”返回的結(jié)果在一定程度上的不可預期性(定制范圍內(nèi)返回結(jié)果的隨機性)，因而從某種意義上講，這一瀏覽形式也是Er-delez(1997年)所提到的“信息邂逅(information en―countering)”行為的一種具體體現(xiàn)。
　　再從其他環(huán)節(jié)的活動，如查尋階段的查閱、跟蹤、探索和響應階段的評價、附注、投訴和社交來看，其主要特征反映在其社會性上。這些環(huán)節(jié)上的活動表現(xiàn)出典型的群體性(collective)。涉及到群體性就牽涉到群體行為中幾乎必然會存在的搭便車現(xiàn)象，現(xiàn)實的社會化推薦服務中多數(shù)用戶就對網(wǎng)頁多不予評價，也不做其他的一些豐富和提升標引質(zhì)量的工作。通常少數(shù)用戶的熱心投入以及系統(tǒng)自身投入的人工采編就足以構(gòu)成整個社會化推薦系統(tǒng)的正常和良性的循環(huán)。當然，如果這一參與比例過小，整個“游戲”就會很快難以維系，推薦的頻度和質(zhì)量一旦下滑會使大部分的用戶“出走”。因此從這個意義上講，這類系統(tǒng)的用戶界面設計至關重要，如果用戶覺得稍有不便，就不會參與更多響應階段的活動，而恰恰是這部分的活動是保證社會化推薦系統(tǒng)良性運轉(zhuǎn)的關鍵。
　　此外，群體性也為群體獲取高質(zhì)量的信息提供了一定程度的保障，這種大家一起為共同目標而貢獻心力的群體性現(xiàn)象很容易讓人聯(lián)想到另一種特定的信息行為現(xiàn)象――信息捕獵(information foraging)。與最初針對的研究學術(shù)共引現(xiàn)象不同，基于社會化推薦的瀏覽是一個缺少競爭性的信息活動，捕獵一詞在這里也許并不妥當。這種行為如果做仿生學的比喻，也許更像蜂群或蟻群在遇到花群或食物時基于釋放某種信息素所做的信息交換。而在社會化推薦的瀏覽行為中這種“信息素”也許就是大家所基于的系統(tǒng)的一套共同的大眾分類體系和評價體系。因此在這一比喻下，或許我們可以用另一個生物學詞匯來形容這種群體性行為――招引(attracting)。
　　然而人類并不只是簡單的群體性生物，他們還是社會化的生物。Bandura(1986年)所提出的社會認知(so―cial cognition)理論認為，在指導人的行為的過程中，自我效能和社會過程是相互作用的。因此由既有的社會規(guī)范和社會發(fā)展階段所決定的社會認知，在社會化推薦這一社會系統(tǒng)中就有著其無法回避考慮的影響。
　　結(jié)合信息行為研究中的相關理論成果，本文嘗試對基于社會化推薦的瀏覽行為給出以下一個涉及多理論基礎的“定義”：在網(wǎng)絡信息環(huán)境已發(fā)生劇變的情形下，一種基于個人預期信息需求定制并受社會認知影響，主要服務于休閑目的并遵循最小努力原則，采用類似于采莓機制的非線性、非任務性的信息邂逅行為及群體性的信息招引行為。
　　
　　4　社會化推薦瀏覽對傳統(tǒng)瀏覽行為理論模型的影響與改進
　　
　　臺灣學者林珊如(2001年)曾較為全面地根據(jù)瀏覽動機細分了10種類型的瀏覽形式：確認性瀏覽、同域內(nèi)瀏覽(situation browsing)、機緣性瀏覽(opportunisticbrowsing)、系統(tǒng)性瀏覽、評估性瀏覽、焦點性瀏覽、監(jiān)視性瀏覽、指向性瀏覽(indicative browsing)、預備性瀏覽(preparatory browsing)和邀約性瀏覽。而本文中基于社會化推薦的瀏覽行為涉及了其中以“尋求共性文檔”為動機的系統(tǒng)性瀏覽、評估性瀏覽和焦點性瀏覽，以“動態(tài)跟蹤”為動機的監(jiān)視性瀏覽和“無目的性”的機緣性瀏覽和邀約性瀏覽6種。前文中所提到的定制型瀏覽和交互型瀏覽實際上是以上6種瀏覽形式的兩種聚類。通過歸納社會化推薦中的瀏覽類型并分析這些瀏覽行為的動機，我們也看到基于社會化推薦的瀏覽行為實際上是支持多動機、多形式的一種瀏覽策略與方式。
　　就傳統(tǒng)對信息瀏覽行為的動機研究而言，王慶穩(wěn)、鄧小昭(2009年)關于信息瀏覽行為的研究中，對前人和自身工作做了總結(jié)并窮舉了8類動機：查尋信息、信息需求的修正、增加信息完整性、跟蹤信息進展、資料收集、滿足好奇心、消遣性瀏覽、享受瀏覽經(jīng)驗。雖然該框架存在一定的概念重疊，但本文重點是在原有動機分析的成果基礎上，提出基于社會化推薦的瀏覽有哪些新的動機需要考慮�；�于此，本文只列出以下作為“增量”的瀏覽行為動機：①期待未知的新奇(與上述單純滿足好奇心的動機不同，這里是對“擲骰子”――點擊推送按鈕所返回未知結(jié)果的一種期待)；②參與社會化活動(例如參與討論和“頂貼”等)；③交友(通過瀏覽發(fā)現(xiàn)志趣相投的朋友，例如發(fā)現(xiàn)推薦了相同的網(wǎng)頁的用戶)。
　　此外，關于信息瀏覽行為的影響因素，王慶穩(wěn)、鄧小昭(2009年)也做了基于傳統(tǒng)概念中瀏覽行為的影響因素歸納，他們認為除了受一般因素的影響，如用戶的需求內(nèi)容，用戶的年齡、職業(yè)、知識、經(jīng)驗、受教育程度、區(qū)域上的差異、查尋信息的能力、信心與期望、需求動機、興趣、好奇心等之外，主要還要受幾種與網(wǎng)上信息瀏覽相關的特殊因素的影響，這些因素包括：可支配時間、上網(wǎng)費用、傳輸速度、人機界面、網(wǎng)頁質(zhì)量。雖然上網(wǎng)費用和傳輸速度當下大多數(shù)情況下已非關鍵因子，但考慮到部分終端(如手機)以及網(wǎng)絡發(fā)展水平的差異，上網(wǎng)瀏覽仍然會受這兩個因素的制約，因而在影響系中仍可保留。
　　而就基于社會化推薦的瀏覽行為而言，本文認為，涉及瀏覽行為的相關影響因素還應包括以下幾項：①社會認知(這一點在社會化網(wǎng)絡環(huán)境中愈發(fā)明顯)；②瀏覽者的工具涉人程度(對個人信息需求定義和對工具的訓練的積極性)；③瀏覽者工具方面的信息素養(yǎng)(社會化推薦軟件自身已成為一種瀏覽“器”，工具的掌握程度對瀏覽的效能影響很大)；④社會化軟件運營商自身服務的穩(wěn)定性和質(zhì)量(因為他們除了提供工具還提供內(nèi)容，因而是整個瀏覽行為中非常重要的一環(huán))。
　　
　　5　對瀏覽與檢索行為的重認識
　　
　　無論是赫爾納認為瀏覽是檢索的上類位的觀點，還是貝爾金認為瀏覽是檢索下類位的看法，他們都不贊成將檢索與瀏覽劃分為不同的兩極行為。國內(nèi)在瀏覽行為研究上頗為深入的鄧小昭也認為：“網(wǎng)上信息瀏覽與網(wǎng)上信息檢索這兩種行為只不過是網(wǎng)上信息查尋行為的兩種表現(xiàn)，我們可以按有無明確的信息需求目標來對兩者加以區(qū)分，但這種區(qū)分從根本上講只是一種程度之分。也就是說，在實際的信息活動中，兩者有時是難以清楚地劃斷界限的，它們常常相互聯(lián)系與整合在一起，共同構(gòu)成了因特網(wǎng)信息查尋行為整體過程”…。
　　本文認為，除開有無信息需求目標(即行為的任務性)之外，瀏覽與檢索行為的判定還與行為主體投入的心力有關。特定的查尋行為不僅相對行為主體的難易程度不同，且其任務性在各人體驗上也存在差異。不排除同一形式的查尋行為對某些人來說認為是檢索，而對另一些人來說認為只是瀏覽而已，因而查尋行為的性質(zhì)判斷其實還與實施主體的信息素養(yǎng)有著直接關系。6結(jié)語
　　本文主要呈現(xiàn)的是在網(wǎng)絡大規(guī)模社會化的信息環(huán)境下，基于社會化推薦的瀏覽行為的行為特性以及它對傳統(tǒng)瀏覽行為研究的補充。本文歸納整理了社會化推薦的6種模式，嘗試基于多理論“定義”了基于社會化推薦的瀏覽行為，并在傳統(tǒng)瀏覽行為研究的基礎上提出了新的瀏覽行為動機和瀏覽行為影響因素，最后對瀏覽和檢索的區(qū)分提出了自己的一點看法。

相關熱詞搜索：社會化 瀏覽 分析 基于社會化推薦的網(wǎng)絡瀏覽行為分析 基于app的用戶行為分析 app用戶行為分析方法