混合方法視角下的跨屏用戶類型研究*

胡 蓉 唐振貴 韓 毅 王 錳

（西南大學計算機與信息科學學院 重慶 400715；2.南京大學信息管理學院 南京 210023；3. 江蘇大學科技信息研究所 江蘇鎮(zhèn)江 212013）

移動互聯(lián)時代，信息環(huán)境與信息技術(shù)的急速變革催生用戶信息行為的嬗變。在由智能手機、平板電腦、電子閱讀器、PC、可穿戴設(shè)備等用戶個人IT設(shè)備（Personal IT Devices, PITDs）構(gòu)成的個人多屏生態(tài)系統(tǒng)（Personal Multiscreen Ecosystem, PME）中，跨屏行為（Cross Screen Behavior, CSB）逐漸成為新興而又常態(tài)化的用戶信息行為?？傮w上看，跨屏行為是移動互聯(lián)環(huán)境下由情境驅(qū)動的多設(shè)備使用行為，它有起點屏和后續(xù)屏兩個結(jié)構(gòu)要素，表現(xiàn)為設(shè)備的切換或轉(zhuǎn)移，行為模式與路徑受任務(wù)、時間、地點、設(shè)備等情境因素影響[1]?，F(xiàn)實生活中，用戶在不同時間、不同地點穿梭于不同屏幕間，形成鮮活生動的跨屏圖景，折射出當下一種重要的社會與經(jīng)濟現(xiàn)象。多屏整合所構(gòu)成的生態(tài)系統(tǒng)已成為人們工作和生活的強大引擎，用戶也逐漸被賦予新的稱謂，即跨屏用戶（Cross-Screener）。在業(yè)界，盡管蘋果生態(tài)、微軟生態(tài)、小米生態(tài)等走在了跨屏用戶研究與服務(wù)創(chuàng)新的前列，然而更多探索與支撐性研究亟待展開，以實現(xiàn)對跨屏用戶的深入洞察。本研究認為，以跨屏用戶類型分析為起點，從“類”的層次上劃分跨屏用戶類型，厘清不同類型跨屏用戶的特征與行為模式，能為深入探索跨屏行為奠定基礎(chǔ)；同時也將對處于跨屏生態(tài)系統(tǒng)不同位階的基礎(chǔ)設(shè)施提供商、網(wǎng)絡(luò)運營商、跨屏服務(wù)與應(yīng)用提供商、廣告商等的運營、服務(wù)模式和智能化水平產(chǎn)生重要影響。

一般說來，用戶類型研究在總體上包括分類維度與指標的確定，分類數(shù)據(jù)的獲取以及分類指標的測度與分析三個方面。其中，分類指標可以是一維的，也可以是多維的；數(shù)據(jù)的獲取、測度與分析方法可以是定性的，也可以是定量的。鑒于跨屏行為有其特殊復雜性，跨屏用戶類型的確定需要綜合考量多維指標，因此，本文在研究方法上采取了定性和定量相結(jié)合的混合方法，首先基于訪談法獲取定性數(shù)據(jù)并提取跨屏用戶多維分類指標，其次利用結(jié)構(gòu)化日志方法獲取數(shù)據(jù)并對各分類指標進行定量的測度與分析。上述探索性的定性研究與驗證性的定量研究形成順序設(shè)計與三角互證思路，漸進式地將跨屏用戶類型的豐富特征勾勒出來。

1 相關(guān)研究回顧

1.1 用戶分類維度與指標

在信息用戶類型研究中，不同的分析對象、分析動機與意圖會形成不同的研究視角，導致用戶分類維度與分類指標的選擇準則不同，形成不同的用戶類型與行為模式解釋。表1例舉了10篇典型文獻中的信息用戶分類維度與指標，從中可以看出，已有研究較多采用一維分類維度，其中Web1.0時代互聯(lián)網(wǎng)用戶分類常常采用用戶行為特征維度（尤其是行為頻次指標），而Web2.0時代社會化媒體用戶的分類則往往通過用戶屬性、用戶貢獻、UGC文本內(nèi)容的語言特征、知識共享中心度、用戶價值等維度或維度組合進行劃分。進入移動互聯(lián)時代，隨著用戶個人IT設(shè)備增多，用戶信息行為的情境性更強，用戶的分類更多采用設(shè)施、技術(shù)、媒體、情境等多維組合方式進行考察。此外，動機、偏好、行為特征和游戲風格等也成為游戲用戶的常用分類維度。值得一提的是，Nagel在其多屏用戶（Multiscreeners）分類研究[11]中，參考德國Initiative D21項目[9]的分類，綜合考慮技術(shù)、媒體、設(shè)施、情境等多個維度，將多屏用戶劃分為數(shù)字門外漢（Digital Outsiders）、偶爾使用者（Occasional Users）、專業(yè)型使用者（Professional Users）、新潮用戶（Trend Users）、數(shù)字專家（Digital Pros）、數(shù)字先鋒（Digital Avant-Garde）共6個類型?？缙列袨閷儆谝苿踊ヂ?lián)時代用戶個人多屏生態(tài)系統(tǒng)下更加復雜的信息行為，本文認為，跨屏用戶的分類可以借鑒Nagel的思路，從多維分類視角出發(fā)，通過全方位考察跨屏用戶的各項分類指標從而確定用戶類型。

表1 用戶分類維度與指標

1.2 用戶分類數(shù)據(jù)獲取方法

表2 用戶分類數(shù)據(jù)獲取方法

本文所指分類數(shù)據(jù)獲取方法是指在獲取用戶分類指標相關(guān)數(shù)據(jù)時所采用的方法。如表2，常用的數(shù)據(jù)獲取方法適用于不同的數(shù)據(jù)類型和數(shù)據(jù)樣本規(guī)模。其中，訪談法適用于獲取小規(guī)模定性數(shù)據(jù)，特別適合于對尚不成熟的課題進行探索性研究；通過行為實驗可獲取小規(guī)模定量數(shù)據(jù)，夏子然[12]等在信息檢索用戶心智模型分類研究中采用了此法；作為常規(guī)獲取數(shù)據(jù)的方法，問卷調(diào)查可以獲得較大規(guī)模的定量數(shù)據(jù)；而對于互聯(lián)網(wǎng)上的大規(guī)模定量數(shù)據(jù)獲取則可采用獲取系統(tǒng)日志的方法，或者利用爬蟲獲取相關(guān)數(shù)據(jù)，抑或如文獻[5-6]那樣利用開放數(shù)據(jù)集展開分類研究。

1.3 用戶分類指標測度與分析

在利用獲取的數(shù)據(jù)進行分類指標測度與分析方面，近年來常用的方法可歸結(jié)為兩類，即基于行為及相關(guān)特征分布的用戶分類與基于機器學習的用戶分類。其中，基于行為及相關(guān)特征分布的用戶分類是最基本的方法，側(cè)重采用統(tǒng)計學方法考察相關(guān)特征量的統(tǒng)計規(guī)律，或?qū)Σ煌卣髁糠植贾g的相關(guān)性進行考量。苑衛(wèi)國[17]通過爬取新浪微博的用戶信息，從用戶屬性和行為屬性維度，對用戶粉絲數(shù)、關(guān)注數(shù)、微博數(shù)、收藏數(shù)、轉(zhuǎn)發(fā)數(shù)和評論數(shù)等進行的分布統(tǒng)計研究以及相關(guān)文獻[18-22]從不同應(yīng)用視角對相關(guān)特征分布進行的實證分析屬于此類。與此相對應(yīng)，基于機器學習的用戶分析主要采用機器學習領(lǐng)域成熟的聚類和分類算法，利用提取的相關(guān)分類指標數(shù)據(jù)構(gòu)建特征向量，進而實現(xiàn)用戶分類或聚類。此法特別適合于大數(shù)據(jù)環(huán)境下的信息用戶分類研究，其中K-Means方法[23,24]、K-Medoids方法[25]、KNN方法[26]最為常用。此外，王強[3]在對社交網(wǎng)絡(luò)用戶分類、Liu[8]等在對移動用戶進行分類研究時均采用了決策樹方法；劉忠寶[16,27.28]利用支持向量機或改進的支持向量機（如多標記支持向量機、核向量機）對網(wǎng)絡(luò)用戶進行分類；周國濤等[15]利用關(guān)聯(lián)規(guī)則構(gòu)造分類器實現(xiàn)網(wǎng)絡(luò)用戶分類；沈模衛(wèi)等[29]構(gòu)建了基于人格特征的BP神經(jīng)網(wǎng)絡(luò)分類模型，利用人格測量數(shù)據(jù)對即時通訊用戶進行分類；張予瑤[30]則提出正則化樸素貝葉斯的用戶分類算法，以實現(xiàn)用戶的預分類和個性化服務(wù)信息的推送。

通過對信息用戶分類相關(guān)研究的梳理，結(jié)合跨屏行為特征與當前研究現(xiàn)狀[1]，本文認為：①鑒于移動互聯(lián)時代用戶跨屏行為的情境性和相對復雜性，跨屏用戶分類維度宜采用多維分類方式。②當前缺乏對日?？缙列袨橄嚓P(guān)數(shù)據(jù)的獲取方法。盡管艾瑞咨詢開發(fā)了跨屏用戶行為研究的iMediaMatrix產(chǎn)品[31]，愛奇藝也推出了跨屏識別同一用戶以及多屏互通技術(shù)，但上述產(chǎn)品與技術(shù)主要側(cè)重于獲取特定視頻瀏覽情境下用戶的跨屏行為數(shù)據(jù)，無法獲取用戶在日常多種任務(wù)情境下更為廣泛與多樣化的跨屏行為相關(guān)數(shù)據(jù)。為此，學界也在積極探索能更加有效地獲取用戶日常跨屏行為相關(guān)數(shù)據(jù)的通用方法。③結(jié)合表2中用戶分類數(shù)據(jù)獲取方法，對于跨屏用戶類型研究而言，實施行為實驗有較大難度；而利用系統(tǒng)日志和數(shù)據(jù)爬取方式難以獲得涉及多種任務(wù)情境、多個設(shè)備的完整跨屏行為鏈條上的所有相關(guān)數(shù)據(jù)；當前缺乏跨屏行為相關(guān)數(shù)據(jù)集，而問卷調(diào)查屬于橫截面式單次數(shù)據(jù)獲取方法，對于天然蘊含“時間流”特征的跨屏行為研究而言仍舊存在不適應(yīng)性。

鑒于目前對新興的跨屏行為研究尚處于探索階段，為此，本文采取定性和定量相結(jié)合的混合方法進行小規(guī)模探索性研究。首先，基于訪談法獲取定性數(shù)據(jù)并提取跨屏用戶多維分類指標；其次，利用結(jié)構(gòu)化日志方法獲取數(shù)據(jù)，以初步解決表2所列各方法在跨屏行為研究中遇到的問題；最后，利用獲得的數(shù)據(jù)對各分類指標進行定量的測度與分析，主要采取基于行為及相關(guān)特征分布的分析方法。上述探索性的定性研究與驗證性的定量研究形成順序設(shè)計與三角互證思路，實現(xiàn)了從數(shù)據(jù)中產(chǎn)生分類，又從數(shù)據(jù)中驗證分類，從而漸進式地將跨屏用戶類型的豐富特征勾勒出來。

2 基于訪談法的跨屏用戶分類指標提取

表3 跨屏用戶分類指標

在研究課題尚不成熟的情況下，利用訪談法了解跨屏用戶的行為與相關(guān)情況，通過獲取的定性數(shù)據(jù)初步確定跨屏用戶多維分類指標，是較為可行的方法。本研究共訪談了53名跨屏用戶，其中男性22人，女性31人。如表3，研究提取出行為特征、情境屬性、動因?qū)傩?、技術(shù)特征、媒體屬性、用戶屬性共6個維度的分類指標，并根據(jù)訪談數(shù)據(jù)初步劃分出四類跨屏用戶類型，即偶爾跨屏用戶（Occasional Cross-Screener）、普通跨屏用戶（Ordinary Cross-Screener）、專業(yè)性跨屏用戶（Professional Cross-Screener）以及先鋒派跨屏用戶（Avant-Garde Cross-Screener）。

行為特征維度的分類指標涉及“卷入度”[32]問題。即對跨屏行為的參與程度，包括跨屏設(shè)備數(shù)量與跨屏頻率。訪談中除先鋒派跨屏用戶的設(shè)備數(shù)量會超過4屏之外，其余跨屏用戶設(shè)備數(shù)量基本在2—4屏之間，四類用戶的跨屏頻率分布由“很少”到“非常頻繁”。

情境屬性維度方面。本研究主要析出了工作、學習、購物、外出、視頻瀏覽等跨屏任務(wù)情境。研究表明，偶爾跨屏用戶的跨屏任務(wù)情境較少，只局限于少數(shù)必須的任務(wù)情境，如“#27：我很少跨屏，除非偶爾想起要把手機上兒子的照片傳到QQ空間時，才會先傳到電腦上，再到電腦上去操作”；普通跨屏用戶的跨屏任務(wù)情境較為固定，如“#08:我一般轉(zhuǎn)移學習資料的時候會跨屏，我會定期將資料從手機轉(zhuǎn)到電腦”。相比之下，專業(yè)性跨屏用戶和先鋒派跨屏用戶的跨屏任務(wù)情境則豐富得多，各類任務(wù)情境均成為他們常態(tài)化的跨屏情境。

動因?qū)傩跃S度方面。訪談主要析出了生理驅(qū)動（追求身體上的舒適）、安全驅(qū)動（尋求數(shù)據(jù)、隱私或支付方面的安全保障）、經(jīng)濟與效率驅(qū)動（尋求經(jīng)濟成本的降低或效率的提高）、社交驅(qū)動（為更好地維持或鞏固與親人、同學、朋友之間的親情或友情）、個人信息管理驅(qū)動（因保存或整理個人信息而產(chǎn)生跨屏行為）、時間與地點驅(qū)動（因時間或地點的不同而產(chǎn)生跨屏行為）等多種跨屏任務(wù)驅(qū)動力。具體到跨屏用戶類型，偶爾跨屏用戶因不喜歡或不習慣跨屏，因此即便面對安全、經(jīng)濟與效率等各種任務(wù)驅(qū)動力，其跨屏動機也較弱；普通跨屏用戶常受單一驅(qū)動力（如個人信息管理）驅(qū)動而跨屏；專業(yè)性跨屏用戶常受多種驅(qū)動力驅(qū)動，且驅(qū)動力綜合性較強，如“#20：比如淘寶會有定點秒殺，如果我在外面我就會用手機搶（經(jīng)濟與效率驅(qū)動），然后回去后在PC上支付，因為我擔心在手機上支付不安全（安全驅(qū)動）”；值得一提的是，先鋒派跨屏用戶的跨屏任務(wù)驅(qū)動力已經(jīng)不局限于上述各種單一或綜合性的驅(qū)動力，其追求個人創(chuàng)新的特性以及高信息素養(yǎng)水平，會促使他們自發(fā)去嘗試各種各樣的跨屏任務(wù)、技術(shù)與媒體，形成自我實現(xiàn)式的驅(qū)動力,如訪談中“#53：我樂于嘗試各種新鮮的跨屏任務(wù)情境與技術(shù)”。

技術(shù)特征維度方面。偶爾跨屏用戶的跨屏手段較為單一，如“#30：我是手機控，一般操作都在手機上進行，實在需要在電腦上編輯時才將手機上的文件用QQ傳到電腦上”；普通跨屏用戶在跨屏技術(shù)應(yīng)用方面則習慣于一些常規(guī)性手段，如“#34：閱讀文獻時我有兩種方案，如果是PC上下載的文獻，會用數(shù)據(jù)線連接傳到手機上查看閱讀；手機上下載的文獻，則上傳到百度云，再用PC下載閱讀”；專業(yè)性跨屏用戶的跨屏手段更加多樣化；先鋒派跨屏用戶的手段豐富而先進，如“#53:iOS10中有一個Handoff功能，可以讓你在不同的蘋果設(shè)備上共享你的操作進程，簡單來說，你可以在 iPhone上給郵件寫個開頭，然后在 Mac 接著寫下去，或在 Mac上瀏覽網(wǎng)頁，然后在 iPad 上繼續(xù)瀏覽同一頁面”。

對于媒體屬性維度，主要涉及跨屏信息線索媒體類型指標。其中信息線索在本研究中主要指用戶在跨屏時，在起點屏和后續(xù)屏之間作為“接力棒”傳遞的信息；信息線索媒體類型主要包括文字、圖片、音頻、視頻、文件、鏈接等。訪談表明，偶爾跨屏用戶使用的信息線索媒體類型較為單一（如照片），普通跨屏用戶使用的信息線索媒體類型較為固定（如文件、鏈接），相比之下，專業(yè)性和先鋒派跨屏用戶使用的信息線索媒體類型更為豐富。

用戶屬性維度包括個人創(chuàng)新程度以及信息素養(yǎng)水平兩個指標。其中，個人創(chuàng)新程度是指個人傾向使用一個新的IT產(chǎn)品的程度[33]，如“#53：我喜歡使用蘋果生態(tài)圈的產(chǎn)品，因為它的產(chǎn)品跨屏體驗很好，它的新產(chǎn)品出來我會去購買使用”體現(xiàn)出該跨屏用戶較高的個人創(chuàng)新程度，而“#38：總體感覺跨屏時因為對各種軟硬件還有些不熟悉，有時會有些迷茫”則表現(xiàn)出此跨屏用戶較低的信息素養(yǎng)水平。

依據(jù)上述分類指標對53個樣本進行歸類，發(fā)現(xiàn)其中普通跨屏用戶（22人）和專業(yè)性跨屏用戶（22人）占絕大多數(shù)，偶爾跨屏用戶（6人）和先鋒派跨屏用戶（3人）相對較少，這也為后續(xù)結(jié)構(gòu)化日志研究中的配額抽樣（Quota Sampling）提供了依據(jù)。

3 基于結(jié)構(gòu)化日志的跨屏用戶分類指標測度與分析

在確定上述分類指標基礎(chǔ)上，本研究執(zhí)行了由29位跨屏用戶連續(xù)10天參與的跨屏體驗日志研究。研究首先通過問卷招募與基準測試，以4:12:11:2的配額抽樣比例甄選出偶爾、普通、專業(yè)性、先鋒派四類跨屏用戶類型的參與者共29位。其次要求參與者每天每次產(chǎn)生跨屏行為時即填寫結(jié)構(gòu)化日志，真實記錄自己該次跨屏行為的任務(wù)情境、跨屏原因、使用的設(shè)備、跨屏工具或手段、跨屏信息線索媒體類型等相關(guān)數(shù)據(jù)。由此，日常動態(tài)性、離散性的跨屏行為數(shù)據(jù)通過用戶的自我報告方式縱向、有序地被收集起來，為跨屏用戶分類指標的測度與分析奠定了基礎(chǔ)。最后，進行跨屏用戶各項分類指標的統(tǒng)計分析，分析結(jié)果如圖1。

圖1 各類跨屏用戶分類指標統(tǒng)計分析

圖1 （a）統(tǒng)計出了各類跨屏用戶每日跨屏頻率的最大、最小和平均值，其中先鋒派跨屏用戶類型每日最少跨屏2次，最多10次，平均跨屏次數(shù)為5.3次；專業(yè)性跨屏用戶和普通跨屏用戶類型的跨屏次數(shù)較為接近；偶爾跨屏用戶類型每日跨屏最少0次，最多3次，平均跨屏次數(shù)1次。設(shè)備類型數(shù)量方面如圖1（b），整個10天跨屏體驗日志研究期間，先鋒派跨屏用戶類型使用設(shè)備類型數(shù)為4—9種，專業(yè)性跨屏用戶類型使用設(shè)備類型數(shù)為2—5種，普通跨屏用戶類型為2—3種，偶爾跨屏用戶通常為2種。由此，本研究認為上述行為特征維度的“卷入度”（包括跨屏頻率與跨屏設(shè)備數(shù)量）在跨屏用戶類型劃分時具有的較高識別度和區(qū)分度。

由圖1（c-f）可知，各類跨屏用戶的跨屏任務(wù)情境數(shù)、跨屏原因數(shù)量、跨屏技術(shù)應(yīng)用數(shù)量、跨屏信息線索媒體類型數(shù)量總體上呈遞增趨勢，這也從定量視角驗證了本文所劃分出的四類用戶之間的特征差異。對個人創(chuàng)新程度以及信息素養(yǎng)水平兩個指標的評估，本研究主要利用參與者招募時獲得的各類參與者自評量表進行統(tǒng)計，量表采用五級Likert 量表形式（各數(shù)字代表了從“完全不同意”到“完全同意”的程度，其中，1=“完全不同意”，2=“不同意”，3=“不確定”，4=“同意”，5=“完全同意”）。由圖1（g-h）可知，先鋒派跨屏用戶的個人創(chuàng)新程度和信息素養(yǎng)水平均很高，而專業(yè)性、普通以及偶爾跨屏用戶對自己的個人創(chuàng)新程度和信息素養(yǎng)水平的不確定性甚至否定態(tài)度逐漸遞增。

綜上，訪談與結(jié)構(gòu)化日志混合形成的順序設(shè)計思路，漸進式地勾勒出跨屏用戶類型的豐富特征，也以三角互證方式驗證了跨屏用戶分類指標的有效性。

4 跨屏用戶分類服務(wù)對策

本研究析出的偶爾、普通、專業(yè)性和先鋒派四類跨屏用戶類型，為后續(xù)更細粒度區(qū)分不同用戶類型展開跨屏研究與個性化跨屏服務(wù)奠定了基礎(chǔ)。筆者認為，可以從跨屏用戶自身內(nèi)在“素養(yǎng)提升”與外在“跨屏服務(wù)供給”兩個視角探討相關(guān)對策。

首先，跨屏行為是移動互聯(lián)環(huán)境下產(chǎn)生的新興用戶信息行為，不同跨屏用戶類型有著不同的跨屏行為偏好與能力特征，目前跨屏信息素養(yǎng)較高的先鋒派畢竟是少數(shù)。因此，為適應(yīng)移動互聯(lián)時代逐漸常態(tài)化的多屏生活圖景，讓多屏整合所構(gòu)成的個人多屏生態(tài)系統(tǒng)充分發(fā)揮其在人們生活和工作的強大引擎作用，提升用戶的跨屏信息素養(yǎng)是關(guān)鍵。通過幫助用戶加強對跨屏行為及其規(guī)律的認知，增強用戶跨屏行為意識，拓展用戶對跨屏情境、跨屏工具或手段的匹配、選擇與利用技能，改善用戶自身的個人跨屏信息管理方式，可逐步實現(xiàn)用戶跨屏信息素養(yǎng)的提升。

其次，跨屏行為相關(guān)研究與服務(wù)對策均應(yīng)考慮跨屏用戶的差異性，關(guān)注不同用戶的需求與體驗，針對不同類型的用戶進行個性化的跨屏服務(wù)設(shè)計。針對具體的跨屏服務(wù)領(lǐng)域，如跨屏服務(wù)設(shè)備設(shè)計、跨屏營銷與商業(yè)服務(wù)、個人跨屏信息管理、跨屏系統(tǒng)設(shè)計、界面設(shè)計、人機交互設(shè)計、用戶體驗設(shè)計以及移動數(shù)字圖書館、移動搜索引擎、各垂直移動搜索應(yīng)用等，應(yīng)以“分類服務(wù)觀”為導向，設(shè)計個性化的智慧跨屏服務(wù)，使服務(wù)自動知曉用戶的跨屏意圖，進而改善用戶的跨屏服務(wù)體驗，上述目標應(yīng)該成為跨屏服務(wù)設(shè)計的更高追求。

5 結(jié)語

跨屏用戶類型研究能為跨屏服務(wù)相關(guān)領(lǐng)域提供決策參考。本文在對信息用戶分類研究所涉及的分類維度與指標、分類數(shù)據(jù)獲取方法、分類指標測度與分析三個方面進行綜述基礎(chǔ)上，結(jié)合跨屏行為的特征，采用訪談與結(jié)構(gòu)化日志混合的順序設(shè)計與三角互證思路展開實證研究，將跨屏用戶劃分為偶爾跨屏用戶、普通跨屏用戶、專業(yè)性跨屏用戶和先鋒派跨屏用戶四類，并從跨屏用戶自身內(nèi)在“素養(yǎng)提升”與外在“跨屏服務(wù)提供”兩個視角探討了相關(guān)服務(wù)對策。未來可以“分類服務(wù)觀”為導向，設(shè)計更具個性化的智慧跨屏服務(wù)，不斷改善用戶的跨屏服務(wù)體驗，提升用戶的跨屏信息素養(yǎng)。

（來稿時間：2017年10月）