移動(dòng)搜索中日常信息搜索情境下跨APP意圖轉(zhuǎn)移模式研究

陳靜　陳紅麗　平曉亞

關(guān)鍵詞： 移動(dòng)搜索； 跨ＡＰＰ 意圖； 跨ＡＰＰ 搜索； 微刻時(shí)序訪談法； 任務(wù)類型； 馬爾可夫鏈

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００５

〔中圖分類號(hào)〕Ｇ２５２.０ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０９－００５１－１２

《２０２２ 年移動(dòng)互聯(lián)網(wǎng)行業(yè)報(bào)告》顯示， 互聯(lián)網(wǎng)人群已經(jīng)習(xí)慣移動(dòng)的生活方式， 娛樂、閱讀、休閑和消費(fèi)等網(wǎng)絡(luò)服務(wù)被充分滲透， 移動(dòng)應(yīng)用ＡＰＰ 與用戶日常生活高度關(guān)聯(lián)， 通過ＡＰＰ 交互完成日常移動(dòng)搜索任務(wù)逐漸成為人們獲取信息的重要方式［１］ 。日常信息搜索是指用戶為滿足最廣泛的日常信息搜索需求而表現(xiàn)出的自然搜索行為［２－３］ 。同時(shí)， 用戶日常搜索需求呈現(xiàn)出即時(shí)性和復(fù)雜化的特點(diǎn)［４］ ， 在移動(dòng)搜索中用戶可能需要在多個(gè)ＡＰＰ 上協(xié)同合作才能完成搜索， 這種用戶交互活動(dòng)在不同ＡＰＰ 間轉(zhuǎn)移的行為稱為跨ＡＰＰ 行為［５］ 。隨著信息技術(shù)的發(fā)展， 用戶在日常信息搜索情境下發(fā)生跨ＡＰＰ 搜索行為的現(xiàn)象十分普遍［６］ ， 而其行為規(guī)律還有待進(jìn)一步明確。

用戶跨ＡＰＰ 搜索過程中， 可能會(huì)出于相同或不相同的搜索目標(biāo)而轉(zhuǎn)移到下一個(gè)ＡＰＰ。跨ＡＰＰ意圖是指用戶離開當(dāng)前ＡＰＰ， 轉(zhuǎn)入下一個(gè)ＡＰＰ 的意圖。在此種意圖組成的意圖序列之上提取的規(guī)律模式， 稱之為跨ＡＰＰ 意圖轉(zhuǎn)移模式?，F(xiàn)有研究中，跨ＡＰＰ 搜索行為研究多是基于客觀的ＡＰＰ 轉(zhuǎn)移路徑模式［７］ ， 利用用戶主觀數(shù)據(jù)探究跨ＡＰＰ 意圖轉(zhuǎn)移模式， 以深入解釋跨ＡＰＰ 搜索行為機(jī)理內(nèi)部動(dòng)因的研究尚不多見。此外， 用戶日常信息搜索會(huì)話有時(shí)簡(jiǎn)單有時(shí)復(fù)雜［８］ ， 可以劃分為簡(jiǎn)單型任務(wù)和復(fù)雜型任務(wù)。簡(jiǎn)單的任務(wù)需求如天氣信息的查詢， 通過一個(gè)ＡＰＰ 就可以輕松滿足； 但用戶也會(huì)通過訪問一系列ＡＰＰ 收集、篩選和綜合信息來解決復(fù)雜的任務(wù)， 比如計(jì)劃假期等［９］ 。搜索任務(wù)類型直接影響了用戶的跨ＡＰＰ 意圖。因此本文提出以下３ 個(gè)研究問題： ①日常信息搜索情境下用戶偏好的跨ＡＰＰ意圖類型有哪些？ ②日常信息搜索情境下用戶的跨ＡＰＰ 意圖轉(zhuǎn)移模式有哪些？ ③簡(jiǎn)單型任務(wù)和復(fù)雜型任務(wù)下用戶偏好的跨ＡＰＰ 意圖轉(zhuǎn)移模式是否相同？

基于這３個(gè)研究問題， 本文從用戶日常信息搜索情境出發(fā)， 探討移動(dòng)搜索跨ＡＰＰ 意圖轉(zhuǎn)移規(guī)律，挖掘頻繁的跨ＡＰＰ 意圖轉(zhuǎn)移序列， 凝練用戶跨ＡＰＰ 意圖轉(zhuǎn)移模式， 并分析不同模式與任務(wù)類型的關(guān)聯(lián)， 最后針對(duì)ＡＰＰ 服務(wù)優(yōu)化提出啟示。本文理論上補(bǔ)充和豐富了移動(dòng)搜索行為機(jī)理相關(guān)研究，實(shí)踐上有助于優(yōu)化ＡＰＰ 系統(tǒng)提升用戶移動(dòng)搜索體驗(yàn)， 并為其提供更有效的交互方式。

１相關(guān)研究綜述

１.１移動(dòng)搜索

移動(dòng)設(shè)備已經(jīng)成為日常生活中不可或缺的一部分， 人們?cè)絹碓揭蕾囈苿?dòng)設(shè)備進(jìn)行信息搜索。移動(dòng)搜索是用戶在一定的環(huán)境下出現(xiàn)信息需求后， 通過移動(dòng)網(wǎng)絡(luò)終端來滿足其信息需求的過程［１０］ 。該行為可看作是檢索、瀏覽、交互、選擇、獲取與利用等一系列廣泛意義上的行為集合， 能夠使用戶獲得隨時(shí)隨地、快速高效與情境感知的個(gè)性化信息與服務(wù)［１１］ 。移動(dòng)搜索具有自由度高、搜索精確性及智能個(gè)性化等特點(diǎn)［１２］ 。與傳統(tǒng)的桌面端搜索相比，移動(dòng)搜索更靈活， 用戶沒有固定設(shè)備的空間限制，可以隨時(shí)隨地搜索。隨著移動(dòng)服務(wù)的精細(xì)化和個(gè)性化， ＡＰＰ 的領(lǐng)域更加垂直， ＡＰＰ 服務(wù)的用戶群體更加精準(zhǔn)。

移動(dòng)搜索中日常信息搜索已經(jīng)成為重要的研究議題。日常信息搜索代表了用戶最廣泛需求［１３］ 。Ｑｉａｎｇ Ｗ 等［１４］ 探究了老年人日常信息搜索行為的影響因素； Ｋｉｍ Ｊ［１５］ 將日常生活任務(wù)作為重要的信息搜索情境展開了調(diào)查； Ｄｅａｒｍａｎ Ｄ 等［１６］ 檢查了用戶日常信息需求以便更好的支持分享； Ｙｏｏｎ Ｊ Ｗ［３］考慮到日常生活中圖像的激增， 詳細(xì)考察大學(xué)生在日常生活中的圖片搜索行為， 以上研究都揭示了日常搜索行為的重要性。因此， 了解用戶日常生活中移動(dòng)搜索行為可以幫助更好地理解用戶真實(shí)需求，提供更為精準(zhǔn)的搜索服務(wù)。

智能移動(dòng)設(shè)備在單個(gè)設(shè)備中提供多媒體融合、無處不在的媒體訪問以及與他人的持續(xù)連接， 用戶每天要進(jìn)行大量的ＡＰＰ 切換， 其使用數(shù)量的快速增長(zhǎng)要求學(xué)術(shù)界更多地關(guān)注用戶移動(dòng)搜索中跨ＡＰＰ 行為［１７］ ?？纾粒校?行為現(xiàn)有研究主要關(guān)注用戶從一個(gè)ＡＰＰ 轉(zhuǎn)移到另一個(gè)ＡＰＰ 的路徑和意圖。路徑指從ＡＰＰ 轉(zhuǎn)移概率的角度來分析ＡＰＰ 間的轉(zhuǎn)移規(guī)律［１８］ ， 而意圖是促使用戶發(fā)生跨ＡＰＰ 行為的驅(qū)動(dòng)因素， 即跨ＡＰＰ 意圖［１９］ 。

１.２跨ＡＰＰ轉(zhuǎn)移路徑

已有的跨ＡＰＰ 轉(zhuǎn)移路徑的研究揭示了用戶跨ＡＰＰ 搜索成為常態(tài)［２０］ 。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 對(duì)跨ＡＰＰ應(yīng)用鏈進(jìn)行了定義， 并發(fā)現(xiàn)移動(dòng)搜索活動(dòng)中常常伴隨著頻繁的ＡＰＰ 轉(zhuǎn)移， 并進(jìn)一步對(duì)不同類型ＡＰＰ之間的轉(zhuǎn)移特點(diǎn)進(jìn)行了分析， 探索用戶在各類ＡＰＰ之間轉(zhuǎn)移規(guī)律［２２］ 。Ｘｕ Ｑ 等［８］ 發(fā)現(xiàn)用戶面臨較為復(fù)雜的信息需求時(shí)， 移動(dòng)搜索會(huì)話相對(duì)來說也較為復(fù)雜， 一般會(huì)使用多個(gè)不同的ＡＰＰ， 并在這些ＡＰＰ之間開展頻繁的交互。同時(shí)， 有研究發(fā)現(xiàn)， 用戶在移動(dòng)搜索后有相當(dāng)高的概率會(huì)轉(zhuǎn)移到社交通訊類ＡＰＰ［２３］ 。梁少博等［５］ 通過分析跨ＡＰＰ 轉(zhuǎn)移路徑，發(fā)現(xiàn)存在同類ＡＰＰ 和不同類ＡＰＰ 轉(zhuǎn)移； 趙一鳴等［７］ 基于用戶移動(dòng)搜索系統(tǒng)的使用數(shù)據(jù)發(fā)現(xiàn)５ 類搜索系統(tǒng)切換模式， 分別是社交媒體依賴型、搜索引擎—信息流平臺(tái)偏向型、搜索引擎主導(dǎo)型、搜索引擎—百科網(wǎng)站偏向型和社會(huì)化問答平臺(tái)依賴型。以上研究表明， ＡＰＰ 轉(zhuǎn)移是研究跨ＡＰＰ 行為研究的常見切入點(diǎn)， 據(jù)此揭示用戶跨ＡＰＰ 行為特點(diǎn)和規(guī)律， 對(duì)ＡＰＰ 服務(wù)優(yōu)化、用戶ＡＰＰ 選擇等方面具有重要指導(dǎo)意義。

１.３跨ＡＰＰ意圖

針對(duì)跨ＡＰＰ 意圖的現(xiàn)有研究主要聚焦于嘗試挖掘用戶的決策過程、原因或驅(qū)動(dòng)因素等， 以了解用戶的跨ＡＰＰ 意圖， 從而為應(yīng)用程序提供指導(dǎo)和優(yōu)化建議［２４－２５］ 。臧嵐等［１８］ 從多維度情境要素的角度構(gòu)建了移動(dòng)搜索跨ＡＰＰ 行為理論模型， 認(rèn)為通過移動(dòng)搜索情境信息可以分析出用戶在移動(dòng)搜索中的跨ＡＰＰ 意圖， 進(jìn)而作用于移動(dòng)搜索跨ＡＰＰ 行為。Ｐｅｎｇ Ｘ 等［２６］ 關(guān)注個(gè)人和組織廣泛采用的移動(dòng)即時(shí)消息（ＭＩＭ）主題， 從社會(huì)網(wǎng)絡(luò)的角度引入遷移理論來探索移動(dòng)環(huán)境下影響用戶跨ＡＰＰ（即時(shí)消息ＡＰＰ）意圖的因素， 發(fā)現(xiàn)功能剝奪、金錢剝奪和個(gè)人創(chuàng)新可以積極影響用戶跨ＡＰＰ 意圖。Ｚｈａｎｇ Ｎ等［２７］ 探討了ＡＰＰ 加載頁面中代言人動(dòng)作所表達(dá)的緊迫感對(duì)用戶跨ＡＰＰ 意圖的影響， 例如對(duì)于享樂導(dǎo)向的ＡＰＰ， 高緊迫性的代言人在限制用戶跨ＡＰＰ 意圖方面更有效等。Ｚｈａｎｇ Ｎ 等［２８］ 通過探索轉(zhuǎn)換意圖驅(qū)動(dòng)因素發(fā)現(xiàn)性能預(yù)期對(duì)跨ＡＰＰ 意圖有顯著影響。Ｒｏｙ Ｓ［２９］ 基于技術(shù)接受模型框架（ＴＡＭ） 研究了ＴＡＭ 構(gòu)念對(duì)跨ＡＰＰ 意圖的后續(xù)影響， 發(fā)現(xiàn)ＴＡＭ 構(gòu)念對(duì)跨ＡＰＰ 意圖有顯著影響。

此外， Ｌｅｉｖａ Ｌ 等［３０］ 認(rèn)為ＡＰＰ 轉(zhuǎn)移仍然是一個(gè)被忽視的交互， 其探索如何從智能設(shè)備使用數(shù)據(jù)中自動(dòng)提取和表征大數(shù)據(jù)集中習(xí)慣性的ＡＰＰ 轉(zhuǎn)移行為， 證明了用戶在不同的情境下， 在同類ＡＰＰ 之間習(xí)慣性的反復(fù)切換。這一結(jié)果揭示了用戶的偏好習(xí)慣是重要的跨ＡＰＰ 意圖。Ｃａｒｒａｓｃａｌ Ｊ Ｐ 等［２１］ 采用質(zhì)性研究的方法， 對(duì)移動(dòng)搜索環(huán)境下用戶跨ＡＰＰ 行為目的展開研究， 發(fā)現(xiàn)用戶在ＡＰＰ 中搜索后傾向于進(jìn)行分享行為。Ｗｕ Ｄ 等［６］ 也發(fā)現(xiàn)用戶可能會(huì)在初始搜索后進(jìn)行物品購(gòu)買、分享信息等不同活動(dòng)， 這些活動(dòng)導(dǎo)致ＡＰＰ 的轉(zhuǎn)移。Ｗｈｉｔｅ Ｒ Ｗ等［３１］ 研究了用戶在不同搜索引擎間的跨ＡＰＰ 意圖， 總結(jié)了用戶在不同搜索引擎間的轉(zhuǎn)移的３ 個(gè)原因： 對(duì)初始引擎的搜索結(jié)果質(zhì)量不滿意、驗(yàn)證和發(fā)現(xiàn)額外的信息、用戶偏好。Ｚｈａｎｇ Ｎ 等［２８］ 指出習(xí)慣是一個(gè)影響跨ＡＰＰ 意圖的因素。Ｒｕｓｓｅｌｌ－Ｒｏｓｅ Ｔ等［３２］ 在其提出的信息行為模型中涉及了一項(xiàng)表征用戶在不同的項(xiàng)目中進(jìn)行比較意圖的對(duì)比模式。由此可推斷， 用戶的偏好意圖、對(duì)比意圖和分享意圖等都是用戶跨ＡＰＰ 意圖的重要類型。

從以上研究可以發(fā)現(xiàn)， 已有研究主要傾向于對(duì)跨ＡＰＰ 動(dòng)因進(jìn)行解釋， 這為跨ＡＰＰ 意圖類型的確定奠定基礎(chǔ)。但還停留在整個(gè)搜索任務(wù)層面的粗粒度解釋， 鮮有研究揭示用戶跨ＡＰＰ 意圖轉(zhuǎn)移模式規(guī)律。然而跨ＡＰＰ 意圖轉(zhuǎn)移模式研究從用戶主觀認(rèn)知角度出發(fā)更有助于探索跨ＡＰＰ 行為背后的機(jī)理。

２研究方法

２.１數(shù)據(jù)采集

本文首先采用問卷法收集最近在日常信息搜索情境下具有跨ＡＰＰ 經(jīng)歷的用戶及其人口統(tǒng)計(jì)信息。參與者被要求填寫線上問卷， 回答關(guān)于他們的人口統(tǒng)計(jì)特征， 如圖１ 所示， 包括性別、學(xué)歷、專業(yè)和ＡＰＰ 搜索經(jīng)驗(yàn)， 以及最近是否具有令自己印象深刻的跨ＡＰＰ 搜索經(jīng)歷； 其次， 采用微刻時(shí)序訪談法［３３］ 獲取受訪用戶印象深刻的跨ＡＰＰ 搜索經(jīng)歷。微刻時(shí)序訪談法是半結(jié)構(gòu)化方法， 適用于獲取受訪者在具體某一情境下的信息， 該方法要求受訪者對(duì)整個(gè)事件進(jìn)行重構(gòu)并描述其逐步變化情況［３４］ 。微觀時(shí)刻時(shí)間線訪談是意義建構(gòu)的基礎(chǔ)訪談方法， 被用來探索人們的經(jīng)驗(yàn)， 此方法并不局限于特定的領(lǐng)域［３４］ 。在圖書館和信息科學(xué)領(lǐng)域， 研究者主要基于微刻時(shí)序訪談法要求受訪者重構(gòu)他們最近的參與經(jīng)歷， 探究特定的信息尋求中用戶遇到的問題［２８］ 。類似地， 本研究重構(gòu)用戶的經(jīng)歷并賦予意義。

因此， 研究人員在訪談時(shí)， 引導(dǎo)受訪用戶按照時(shí)間線順序逐步分享印象深刻的跨ＡＰＰ 搜索過程。此次訪談采用電話訪談方式， 根據(jù)微刻時(shí)序訪談法的應(yīng)用規(guī)律， 訪談不具有時(shí)間限制。另外， 為了保證或增強(qiáng)該方法的有效性， 本研究建立了一個(gè)幫助被試回憶搜索過程的敘事框架， 該框架以ＡＰＰ 切換為節(jié)點(diǎn)， 引導(dǎo)被試對(duì)其信息行為過程進(jìn)行詳細(xì)而具體的自由描述， 并允許用戶利用搜索記錄或搜索歷史來驗(yàn)證重構(gòu)的搜索體驗(yàn)， 如表１ 所示。對(duì)６ 位數(shù)據(jù)出現(xiàn)問題的用戶進(jìn)行了二次訪談， 其中兩位用戶ＡＰＰ 的使用數(shù)量不夠明確， ４ 位用戶回答的跨ＡＰＰ 意圖不清晰， 其中４ 位用戶沒有給出清晰的回復(fù)， 因此舍棄這部分?jǐn)?shù)據(jù)。最終， 本研究共招募２０４ 名用戶， ８ 位受訪用戶具有兩次搜索經(jīng)歷， 共得到樣本２１２ 份， 表述清晰的有效樣本２０８ 份。

２.２數(shù)據(jù)處理

多名研究人員針對(duì)２０８ 份樣本做數(shù)據(jù)處理。首先， 研究人員將訪談?dòng)涗浀囊纛l資料人工逐字、逐句地轉(zhuǎn)錄為Ｗｏｒｄ 文本資料。然后， 對(duì)文本資料進(jìn)行編碼， 從研究問題出發(fā)， 完成了跨ＡＰＰ 意圖和任務(wù)類型的編碼。

２.２.１跨ＡＰＰ意圖編碼

研究人員采取開放式編碼［３５］ 對(duì)受訪用戶跨ＡＰＰ行為意圖進(jìn)行提取。首先， 按照下列步驟對(duì)訪談?dòng)涗涍M(jìn)行整理： ①去除受訪用戶訪談中提到的與訪談主題不相關(guān)的內(nèi)容； ②去除訪談中無意義或含義不明的內(nèi)容； ③去除受訪用戶理解錯(cuò)誤的回答記錄；④按照邏輯順序?qū)υL談?dòng)涗涍M(jìn)行逐條編碼和標(biāo)記，形成相應(yīng)的初始概念， 即自由節(jié)點(diǎn)。為了削弱研究者的個(gè)人主觀影響， 盡量從受訪用戶原話中提取標(biāo)簽作為初始概念。如原始語句為“我覺得目前在微博上得到的信息不夠， 不能夠滿足我的全部要求，我需要更多信息來補(bǔ)充”。提取對(duì)應(yīng)的初始概念為“補(bǔ)充”。由于自由節(jié)點(diǎn)的數(shù)量非常龐雜， 其對(duì)應(yīng)的初始概念存在很大程度重復(fù)和交叉， 因此需要進(jìn)一步提煉和歸納， 然后用范疇來概括和反映概念的本質(zhì)屬性。為確保編碼的信效度， 該階段由三位編碼者分別對(duì)訪談?dòng)涗涍M(jìn)行編碼， 然后對(duì)編碼結(jié)果進(jìn)行反復(fù)比較， 將重復(fù)或涵義相同的初始概念進(jìn)行合并，刪除重復(fù)頻次小于３ 的初始概念， 將性質(zhì)或內(nèi)容相近的概念進(jìn)行歸納、提煉和重組， 將其范疇化， 只有經(jīng)所有研究者討論后一致認(rèn)可的條目方可保留。由此， 最終得到７ 種意圖范疇， 如表２ 所示。

２.２.２任務(wù)類型編碼

受訪用戶的任務(wù)表述內(nèi)容主要以訪談大綱中的問題１ 為主， 除此之外， 從受訪用戶表述的搜索過程相關(guān)內(nèi)容也可以輔助判斷。本文參考Ｔｏｍｓ Ｅ Ｇ等［３６］ 、Ｌｉｕ Ｃ 等［３７］ 任務(wù)分類編碼處理方法， 按照用戶的需求是否單一劃分為簡(jiǎn)單型任務(wù)和復(fù)雜型任務(wù)， 示例如表３ 所示。

３名研究人員獨(dú)立運(yùn)用語義內(nèi)容分析方法， 以記錄的每句話為最小分析單元， 對(duì)訪談轉(zhuǎn)錄文本中描述任務(wù)的部分進(jìn)行分析與萃取， 使用如表３ 所示的編碼框架和案例進(jìn)行編碼。如原始語句為“我是想要去買一雙足球鞋， 但不知道買什么牌子的好，所以先用得物搜了一下， 看到了幾款還可以的， 然后就去淘寶準(zhǔn)備買?！?識(shí)別到受訪用戶將總?cè)蝿?wù)分為兩個(gè)子任務(wù)（調(diào)查和購(gòu)買）， 依次完成， 所以用戶任務(wù)類型為復(fù)雜型。為保證編碼質(zhì)量， 研究團(tuán)隊(duì)共同圍繞３０％訪談文本記錄進(jìn)行了嘗試性預(yù)編碼， 并對(duì)有關(guān)問題協(xié)調(diào)一致， 最終編碼一致性超過９５％。然后對(duì)剩下的訪談文本資料分開完成編碼。

２.３數(shù)據(jù)分析方法

本文使用馬爾可夫鏈對(duì)用戶跨ＡＰＰ 行為序列進(jìn)行分析和挖掘。馬爾可夫鏈?zhǔn)茄芯坑脩糗壽E比較常用的模型之一， 用戶行為包括搜索、瀏覽、切換ＡＰＰ 等都可以看作是一個(gè)狀態(tài)， 而用戶在這些狀態(tài)之間的轉(zhuǎn)移符合馬爾可夫規(guī)則。目前， 很多學(xué)者都將馬爾可夫鏈分析方法應(yīng)用在搜索行為研究中，Ｊａｎｅｔ 使用馬爾可夫方法對(duì)零階、一階和高階的在線信息搜索序列進(jìn)行分析［３８］ 。Ｉｒｉｓ 對(duì)搜索策略轉(zhuǎn)變序列進(jìn)行研究， 根據(jù)每種搜索策略所涉及的動(dòng)作數(shù)量計(jì)算馬爾可夫鏈概率［３９］ 。因此， 本文使用馬爾可夫分析方法， 挖掘跨ＡＰＰ 意圖轉(zhuǎn)移規(guī)律， 使用馬爾可夫鏈表達(dá)用戶主觀認(rèn)知的變化情況， 挖掘發(fā)生概率較高的典型鏈條， 并進(jìn)一步歸納跨ＡＰＰ 意圖轉(zhuǎn)移模式。首先建立馬爾可夫模型： Ｚ＝（Ｚ_１，Ｚ_２，Ｚ_３，…，Ｚｔ ）， 其中Ｚ 為跨ＡＰＰ 意圖狀態(tài)， ｔ 為馬爾可夫鏈對(duì)應(yīng)的時(shí)間序列的元素（１，２，３，…，Ｎ）， Ｚ_１為ＡＰＰ１ 轉(zhuǎn)移至ＡＰＰ_２的意圖， Ｚ_２為ＡＰＰ２ 轉(zhuǎn)移至ＡＰＰ_３的意圖， Ｚ_３為ＡＰＰ３ 轉(zhuǎn)移至ＡＰＰ４ 的意圖等。然后在此基礎(chǔ)上歸納跨ＡＰＰ 意圖轉(zhuǎn)移模式， 并對(duì)任務(wù)類型和跨ＡＰＰ 意圖轉(zhuǎn)移模式進(jìn)行關(guān)聯(lián)分析。

３研究結(jié)果

３.１跨ＡＰＰ意圖類型統(tǒng)計(jì)

對(duì)跨ＡＰＰ 意圖編碼結(jié)果進(jìn)行統(tǒng)計(jì)分析， 如圖２所示。用戶最偏好使用的意圖類型是補(bǔ)充意圖， 共１４３ 次， 約占總數(shù)的３０.７％， 補(bǔ)充意圖強(qiáng)調(diào)了用戶由于當(dāng)前ＡＰＰ 獲得信息不足， 轉(zhuǎn)移至其他ＡＰＰ。這說明很大程度上， 用戶在單個(gè)ＡＰＰ 內(nèi)日常信息需求難以得到滿足， 多是出于補(bǔ)充的目的跨ＡＰＰ搜索。其次是橋接， 占總數(shù)的２７.０％， 橋接意圖的占比也較為突出， 這說明用戶在一個(gè)完整的搜索會(huì)話中， 很大概率下用戶的搜索目標(biāo)可能發(fā)生改變， 進(jìn)而可能利用多個(gè)ＡＰＰ 協(xié)同合作實(shí)現(xiàn)最終的搜索目標(biāo)。其余依次為對(duì)比、交流、挫折、復(fù)核、偏好。其中復(fù)核和偏好數(shù)量很少， 僅有１４ 次。

３.２跨ＡＰＰ意圖轉(zhuǎn)移模式挖掘

為了了解跨ＡＰＰ 意圖之間的轉(zhuǎn)移概況， 本文創(chuàng)建了跨ＡＰＰ 意圖的定向轉(zhuǎn)移矩陣， 如表４ 所示，列表示轉(zhuǎn)出意圖， 行表示轉(zhuǎn)入意圖。該矩陣包括２０８?jìng)€(gè)搜索經(jīng)歷中涉及的２５８ 次意圖轉(zhuǎn)換， 并展示了從一種意圖到另一種意圖的轉(zhuǎn)移頻次。兩個(gè)意圖之間的平均轉(zhuǎn)移頻次是１.２４， 故而本文選擇一階和二階馬爾可夫鏈對(duì)跨ＡＰＰ 意圖轉(zhuǎn)移序列進(jìn)行分析。

結(jié)果發(fā)現(xiàn)， 最常見的意圖轉(zhuǎn)移是“補(bǔ)充→補(bǔ)充” （Ｎ ＝４９）， 補(bǔ)充意圖的迭代表示用戶開始訪問了一個(gè)ＡＰＰ， 為了補(bǔ)充獲取相關(guān)信息而轉(zhuǎn)移到另一個(gè)ＡＰＰ， 然后為了補(bǔ)充更多的相關(guān)信息又轉(zhuǎn)移到下一個(gè)ＡＰＰ。其次比較常見的是“對(duì)比→對(duì)比”和“橋接→橋接”， 兩類轉(zhuǎn)移發(fā)生頻次皆為２５， 前者表明用戶通過連續(xù)ＡＰＰ 之間的轉(zhuǎn)移對(duì)比了搜索結(jié)果， 后者則是根據(jù)用戶出于搜索總?cè)蝿?wù)需要， 轉(zhuǎn)移到多個(gè)ＡＰＰ 完成搜索子任務(wù)。另外， 可以看出“對(duì)比→橋接” “補(bǔ)充→橋接” 和“挫折→挫折”這３ 類轉(zhuǎn)移也較為頻繁出現(xiàn)， 分別排在第三、第四和第五， 并在下文中做出進(jìn)一步分析。

３.２.１一階意圖鏈分析

為了清晰了解從一種意圖轉(zhuǎn)移到另一種意圖的發(fā)生概率， 采用了一階馬爾可夫鏈基于７ 種意圖（補(bǔ)充， 橋接， 對(duì)比， 交流， 挫折， 復(fù)核， 偏好）轉(zhuǎn)移頻次， 得到從一種意圖轉(zhuǎn)移到其他意圖的概率轉(zhuǎn)移矩陣， 即對(duì)Ｚ_１－Ｚ_２之間轉(zhuǎn)移進(jìn)行分析， 同時(shí)ＡＰＰ_１→ＡＰＰ_２→ＡＰＰ_３為用戶意圖轉(zhuǎn)移的載體。表５列出了跨ＡＰＰ 意圖轉(zhuǎn)移的所有概率。概率排名與轉(zhuǎn)移的頻率排名不完全一致， 主要是因?yàn)橐浑A馬爾可夫分析中， 個(gè)體轉(zhuǎn)移到下一個(gè)狀態(tài)完全取決于當(dāng)前所處的狀態(tài)， 轉(zhuǎn)移概率也受到應(yīng)用特定意圖之后可選擇的意圖數(shù)量影響。結(jié)果表明， 用戶跨ＡＰＰ意圖轉(zhuǎn)移可以劃分為同類和不同類意圖轉(zhuǎn)移。

當(dāng)發(fā)生同類意圖轉(zhuǎn)移時(shí)， 用戶從補(bǔ)充意圖最可能轉(zhuǎn)移到補(bǔ)充意圖（５４.４％）， 補(bǔ)充意圖轉(zhuǎn)移表示用戶在當(dāng)前ＡＰＰ 內(nèi)獲取的相關(guān)信息但還不足夠， 用戶發(fā)生兩次ＡＰＰ 轉(zhuǎn)移都是出于謀求獲得更多相關(guān)信息。這一意圖轉(zhuǎn)移概率較為突出， 表明在跨ＡＰＰ 搜索中， 迭代獲取信息是常態(tài)。從挫折意圖最有可能轉(zhuǎn)移到挫折意圖（５１.４％）， 挫折意圖轉(zhuǎn)移表示用戶在連續(xù)的ＡＰＰ 內(nèi)未找到相關(guān)項(xiàng)目的有用信息， 從而產(chǎn)生的連續(xù)放棄ＡＰＰ 的行為。由此， 可以認(rèn)為捕捉用戶的挫折意圖更能反饋用戶對(duì)ＡＰＰ 使用的真實(shí)態(tài)度。從對(duì)比意圖最有可能繼續(xù)轉(zhuǎn)移到對(duì)比意圖（５０.０％）， 對(duì)比意圖轉(zhuǎn)移表示用戶傾向于兩次轉(zhuǎn)移ＡＰＰ 以反復(fù)比較項(xiàng)目信息。這一現(xiàn)象說明用戶對(duì)項(xiàng)目信息的評(píng)估投入了更多的精力， 關(guān)注這一轉(zhuǎn)移可能有助于深入了解用戶采納行為。從橋接意圖最有可能繼續(xù)轉(zhuǎn)移到橋接意圖（４６.３％）， 橋接意圖轉(zhuǎn)移充分說明了用戶傾向于將總的搜索任務(wù)切分，為每個(gè)子任務(wù)選擇合適的ＡＰＰ， 從而呈現(xiàn)轉(zhuǎn)承的ＡＰＰ 轉(zhuǎn)移特點(diǎn)。因此， 可以推測(cè)出用戶的橋接意圖可以視為用戶搜索目標(biāo)改變的重要節(jié)點(diǎn)。

當(dāng)發(fā)生不同類意圖轉(zhuǎn)移時(shí)， 用戶從對(duì)比意圖集中于向橋接意圖轉(zhuǎn)移（４２.０％）， 占比最大。結(jié)合同類對(duì)比意圖的轉(zhuǎn)移， 發(fā)現(xiàn)這兩類轉(zhuǎn)移幾乎占據(jù)了對(duì)比意圖的可選擇轉(zhuǎn)入意圖的所有可能性， 這說明在對(duì)比意圖中， 不同類意圖轉(zhuǎn)移呈現(xiàn)集中式， 而從補(bǔ)充意圖轉(zhuǎn)移到橋接意圖（２１.１％）和交流意圖（１３.３％）、從挫折意圖轉(zhuǎn)移到橋接意圖（２２.９％）或補(bǔ)充意圖（１４.３％）， 從橋接意圖轉(zhuǎn)入的是對(duì)比（１８.５％）、挫折（１３.０％）和補(bǔ)充（９.３％）意圖等， 呈現(xiàn)出明顯的發(fā)散式， 因此對(duì)于不同類意圖來說， 既可以呈現(xiàn)集中式， 也可以呈現(xiàn)發(fā)散式。這一現(xiàn)象暗示用戶的跨ＡＰＰ 意圖存在不確定性和自主性， 如果想要準(zhǔn)確預(yù)測(cè)意圖， 可能需結(jié)合更多的用戶行為特征。

３.２.２二階意圖鏈分析

為了進(jìn)一步分析頻繁的跨ＡＰＰ 意圖轉(zhuǎn)移序列，本文應(yīng)用二階馬爾可夫鏈來分析樣本中出現(xiàn)的二階意圖序列。二階馬爾可夫分析是在計(jì)算下一個(gè)狀態(tài)轉(zhuǎn)移概率時(shí)考慮了前面兩個(gè)狀態(tài)， 即Ｚ１ －Ｚ２ －Ｚ３ 之間轉(zhuǎn)移的分析， 同時(shí)ＡＰＰ１ →ＡＰＰ２ →ＡＰＰ３ →ＡＰＰ４為用戶意圖轉(zhuǎn)移的載體。最終觀察到的二階意圖序列的數(shù)量是１２７ 個(gè)。經(jīng)過馬爾可夫處理， 得到跨ＡＰＰ 意圖概率序列， 對(duì)每個(gè)節(jié)點(diǎn)的轉(zhuǎn)移概率進(jìn)行篩選， 將表征頻繁的基礎(chǔ)概率設(shè)置為２０.０％， 因此低于該概率的狀態(tài)節(jié)點(diǎn)認(rèn)為是相對(duì)不頻繁發(fā)生的意圖轉(zhuǎn)移序列， 最終展示的序列代表了用戶最頻繁應(yīng)用的二階跨ＡＰＰ 意圖轉(zhuǎn)移序列， 其中轉(zhuǎn)移概率低于２０％的使用灰色底紋表示， 如圖３ 所示。此外，為了完整性考量， 添加了“開始” 作為初始狀態(tài)，并展示了所有意圖類型發(fā)生的初始概率。

初始概率占比突出的是補(bǔ)充意圖（３３.１％）、橋接意圖（２３. ６％）。與跨ＡＰＰ 意圖類型統(tǒng)計(jì)結(jié)果類似， 這兩類同樣占據(jù)了二階意圖鏈轉(zhuǎn)移起始點(diǎn)的多數(shù)可能性。

由圖３ 可見， 從形式上發(fā)現(xiàn)頻繁轉(zhuǎn)移的意圖序列主要存在３ 類： ＡＡＡ 型、ＡＢＡ 型、ＡＡＢ 型。首先， ＡＡＡ 型包括“補(bǔ)充→補(bǔ)充→補(bǔ)充” “挫折→挫折→挫折”“橋接→橋接→橋接” 和“對(duì)比→對(duì)比→對(duì)比” 意圖序列。這類迭代意圖序列發(fā)生概率較大， 表明用戶在日常搜索中轉(zhuǎn)移ＡＰＰ 可能會(huì)頻繁受相同的意圖驅(qū)動(dòng)； 其次是ＡＡＢ 型， 主要包括“補(bǔ)充→補(bǔ)充→交流” “挫折→挫折→橋接” 和“對(duì)比→對(duì)比→橋接” 意圖序列。此類跨ＡＰＰ 意圖轉(zhuǎn)移序列呈現(xiàn)出重心后移的特點(diǎn)。結(jié)合材料分析， 可能原因是用戶通過前面的意圖轉(zhuǎn)移作為鋪墊， 之后用戶任務(wù)目標(biāo)發(fā)生遷移， 導(dǎo)致在任務(wù)靠后階段搜索行為發(fā)生重大改變。在諸如此類的跨ＡＰＰ 意圖序列中，靠前階段用戶主要秉持初步探索的心理， 而在靠后階段則更表現(xiàn)出決策傾向， 因此這類意圖轉(zhuǎn)移序列體現(xiàn)出用戶對(duì)ＡＰＰ 接受個(gè)人搜索習(xí)慣的兼容性或任務(wù)主題切換的流暢度要求較高； 最后是ＡＢＡ 型，主要包括“橋接→對(duì)比→橋接” 意圖序列。其呈現(xiàn)橄欖形特點(diǎn)， 即處于靠中階段時(shí)， 用戶搜索任務(wù)偏好的跨ＡＰＰ 意圖更加靈活， 兩端更穩(wěn)定。此類序列表明， 處于靠中階段時(shí)， 用戶受跨ＡＰＰ 意圖驅(qū)動(dòng)的搜索行為易發(fā)生改變。

３.２.３跨ＡＰＰ意圖轉(zhuǎn)移模式

為了確定跨ＡＰＰ 意圖的最常見轉(zhuǎn)移模式， 綜合一階和二階意圖轉(zhuǎn)移序列分析， 發(fā)現(xiàn)跨ＡＰＰ 意圖序列有規(guī)律可循， 因此， 進(jìn)一步總結(jié)和歸納了跨ＡＰＰ 意圖轉(zhuǎn)移模式， 并對(duì)每類模式下實(shí)際發(fā)生頻次進(jìn)行了統(tǒng)計(jì)， 如表６ 所示。最終本文確定了由５種跨ＡＰＰ 意圖組成的７ 種跨ＡＰＰ 意圖轉(zhuǎn)移模式：（ａ）補(bǔ)充探索模式， （ｂ）補(bǔ)充準(zhǔn)備模式， （ｃ）對(duì)比決策模式， （ｄ）對(duì)比擇優(yōu)模式， （ｅ）分步前進(jìn)模式，（ｆ）分享交流模式， 以及（ｇ）挫折探索模式， 結(jié)合用戶訪談材料對(duì)其進(jìn)行詳細(xì)解釋。

最常見的跨ＡＰＰ 意圖轉(zhuǎn)移模式為“補(bǔ)充探索模式” （６３）， 是指用戶為獲得更多相關(guān)信息而不斷出于迭代補(bǔ)充意圖來轉(zhuǎn)移ＡＰＰ 的模式。這類模式廣泛存在， 例如用戶Ｐ２８ 在學(xué)習(xí)“ＫＮＮ” 算法的過程中， 通過使用百度、ＣＳＤＮ、嗶哩嗶哩３ 個(gè)ＡＰＰ，不斷獲得更詳細(xì)的算法講解， 深化知識(shí)學(xué)習(xí)過程。與其類似又有區(qū)別的是“補(bǔ)充準(zhǔn)備模式” （２４），它是指用戶在補(bǔ)充信息之后執(zhí)行另外的子任務(wù)， 因此包括兩部分內(nèi)容， 分別是補(bǔ)充獲取相關(guān)信息和結(jié)束補(bǔ)充信息后執(zhí)行另外的搜索子任務(wù)， 其中補(bǔ)充信息在某種程度上是為橋接到另外搜索子任務(wù)做準(zhǔn)備工作。該模式約占“補(bǔ)充探索模式” 的１／３， 二者都表示了用戶的補(bǔ)充信息需求， 同時(shí)“補(bǔ)充探索模式” 中迭代式補(bǔ)充表現(xiàn)出用戶對(duì)補(bǔ)充有用信息更加執(zhí)著， 而該模式包含了用戶向橋接意圖轉(zhuǎn)移，體現(xiàn)了用戶在結(jié)束補(bǔ)充信息后會(huì)傾向于遷移任務(wù)目標(biāo)的特點(diǎn)。例如用戶Ｐ２６ 在搜索中將購(gòu)物任務(wù)分為購(gòu)物準(zhǔn)備階段和購(gòu)物決策階段， 用戶首先使用一款ＡＰＰ 未能獲得足夠的購(gòu)物參考信息， 不足以支持購(gòu)物決策， 因此， 在“ 補(bǔ)充” 意圖的驅(qū)動(dòng)下，轉(zhuǎn)移至另一款ＡＰＰ 繼續(xù)獲取信息， 進(jìn)行購(gòu)物準(zhǔn)備。準(zhǔn)備完畢后， 轉(zhuǎn)移至購(gòu)物類ＡＰＰ 進(jìn)行購(gòu)買活動(dòng)。

以“對(duì)比” 意圖為核心， 形成了“對(duì)比決策模式” （４２）和“對(duì)比擇優(yōu)模式” （３３）兩類模式，二者密切關(guān)聯(lián)但又有區(qū)別。前者是指以對(duì)比項(xiàng)目信息與橋接搜索子任務(wù)間互動(dòng)為特征的模式， 強(qiáng)調(diào)了用戶在對(duì)比中穿插著遷移目標(biāo)方面的決策行為。結(jié)合材料分析發(fā)現(xiàn)， 用戶經(jīng)常在購(gòu)物ＡＰＰ 之間轉(zhuǎn)移，對(duì)比商品價(jià)格、質(zhì)量等信息， 以此來進(jìn)行最后的購(gòu)物決策。這一模式反映了用戶在購(gòu)物活動(dòng)后期易出現(xiàn)對(duì)比決策的行為。例如用戶Ｐ１４ 使用知乎確定購(gòu)買的某款商品后， 轉(zhuǎn)移至淘寶查看商品的價(jià)格等信息， 然后為進(jìn)一步對(duì)比不同平臺(tái)的商品， 用戶轉(zhuǎn)移至京東。后者是指用戶為了反復(fù)對(duì)比不同ＡＰＰ內(nèi)的同一項(xiàng)目信息而發(fā)生轉(zhuǎn)移， 但最終沒有發(fā)生決策行為， 多出現(xiàn)在購(gòu)物、信息核實(shí)等主題， 例如用戶Ｐ２３ 在抖音ＡＰＰ 上得到“ 北京疫情病例活動(dòng)軌跡” 相關(guān)信息， 為確認(rèn)信息的真假， 轉(zhuǎn)移至微博ＡＰＰ， 前往“北京市衛(wèi)健委” 官方賬號(hào)了解信息詳情以尋求確認(rèn)。

“分步前進(jìn)模式” （３２） 和“補(bǔ)充準(zhǔn)備模式”（２４）是指伴隨用戶搜索過程中搜索子任務(wù)的轉(zhuǎn)換而隨之發(fā)生的跨ＡＰＰ 意圖轉(zhuǎn)移模式， 二者皆反映了用戶豐富的搜索路徑。此類模式的應(yīng)用一般依托于多種類型的ＡＰＰ 分別完成用戶不同的子目標(biāo)，例如用戶Ｐ７ 表達(dá)出需要了解某企業(yè)的相關(guān)信息，不僅需要了解員工評(píng)價(jià)， 還想要獲取公司地址， 員工評(píng)價(jià)需要脈脈、?？偷嚷殬I(yè)交流ＡＰＰ， 而公司地址則需要高德地圖、百度地圖等ＡＰＰ。此外，“分享交流模式” （１８）和“挫折探索模式” （１４）也是用戶跨ＡＰＰ 行為中較為常見的轉(zhuǎn)移模式?！胺窒斫涣髂Ｊ健?表示用戶在移動(dòng)搜索過程中， 向他人分享新聞資訊、娛樂八卦等信息， 或面臨某類群體決策時(shí)， 如餐廳挑選， 也經(jīng)常將信息從當(dāng)前獲取資訊的ＡＰＰ 分享至社交類ＡＰＰ， 如微信、ＱＱ 等。因此可以發(fā)現(xiàn)， 用戶的分享行為占據(jù)了日常搜索中重要部分， 從而形成了具有廣泛意義的“分享交流模式”?！按煺厶剿髂Ｊ健?是指用戶在跨ＡＰＰ 搜索中連續(xù)在不同ＡＰＰ 內(nèi)未找到相關(guān)信息， 繼而產(chǎn)生的一種以頻繁遇挫為特征的模式。這類意圖模式最直接體現(xiàn)用戶在ＡＰＰ 內(nèi)未找到相關(guān)項(xiàng)目信息， 對(duì)搜索結(jié)果不滿意從而放棄當(dāng)前的ＡＰＰ， 這一模式將對(duì)ＡＰＰ服務(wù)方組織用戶ＡＰＰ 棄用行為有所啟發(fā)。

３.２.４任務(wù)類型與跨ＡＰＰ意圖轉(zhuǎn)移模式關(guān)聯(lián)分析

對(duì)任務(wù)類型編碼結(jié)果進(jìn)行統(tǒng)計(jì)分析， 簡(jiǎn)單型任務(wù)（Ｓ）的頻次是１１８， 用戶占比５５％， 復(fù)雜型任務(wù)頻次為９０， 用戶占比為４５％。分別對(duì)兩類任務(wù)下意圖模式進(jìn)行識(shí)別和分析， 任務(wù)維度下使用意圖模式的數(shù)量和占比分別如表７ 所示。

總體來說， 由于任務(wù)的簡(jiǎn)單特性， 簡(jiǎn)單型任務(wù)中用戶跨ＡＰＰ 使用較少， 而復(fù)雜型任務(wù)由于工作量更多， 用戶更偏好使用多個(gè)ＡＰＰ 來完成任務(wù)，因此其跨ＡＰＰ 意圖轉(zhuǎn)移模式更凸顯。研究進(jìn)一步發(fā)現(xiàn)， 用戶在簡(jiǎn)單和復(fù)雜型任務(wù)中偏好使用的轉(zhuǎn)移模式類型不同。

在簡(jiǎn)單型任務(wù)中， 用戶最偏好使用“補(bǔ)充探索模式”， 用戶占比達(dá)到４５.６％， 這說明用戶完成簡(jiǎn)單的任務(wù)時(shí)， 普遍在一個(gè)ＡＰＰ 不能滿足全部的信息需求， 因此轉(zhuǎn)移至另外的ＡＰＰ 補(bǔ)充搜索結(jié)果， 最終形成普遍的在簡(jiǎn)單任務(wù)中迭代補(bǔ)充的轉(zhuǎn)移模式。例如用戶ＰＸ５４ 表示想要了解一款游戲， 首先在知乎上輸入游戲名進(jìn)行搜索， 對(duì)該游戲有了一個(gè)基本的了解， 然后為了進(jìn)一步補(bǔ)充更多關(guān)于該游戲的評(píng)價(jià)信息， 轉(zhuǎn)移至微博搜索。其次是分享交流模式（２４.６％）， 結(jié)合訪談文本內(nèi)容分析發(fā)現(xiàn)， “分享交流模式” 出現(xiàn)的情景分為兩種： 計(jì)劃型和偶發(fā)型。計(jì)劃型分享表現(xiàn)為： 在群體性活動(dòng)中， 如好友聚餐、小組作業(yè)等， 成員經(jīng)常在手機(jī)ＡＰＰ 中搜索信息， 分享給其他成員， 進(jìn)行協(xié)同搜索， 由此產(chǎn)生一種計(jì)劃情境下的分享交流； 偶發(fā)型分享表現(xiàn)為： 用戶在使用手機(jī)娛樂或者進(jìn)行日?；顒?dòng)的過程中， 偶然發(fā)現(xiàn)有趣的新聞事件、娛樂八卦等產(chǎn)生的分享行為。例如用戶Ｙ３４ 表示， 偶然瀏覽到某一娛樂新聞， 在微博搜索相關(guān)信息之后， 想要分享給同學(xué)，就轉(zhuǎn)發(fā)到微信了。然后， 對(duì)比擇優(yōu)模式（１５. ８％）和挫折探索模式（１０.５％）分別位列第三和第四。

在復(fù)雜型任務(wù)中， 用戶最偏好使用的是對(duì)比決策模式（３０.０％）， 其次是用戶占比接近的補(bǔ)充準(zhǔn)備模式（２２.5％） 和分布前進(jìn)模式（２０.０％）。這類意圖模式的特點(diǎn)是， 用戶在搜索過程中都與橋接意圖緊密相關(guān)。橋接是指用戶自己主動(dòng)終止當(dāng)前的子任務(wù)， 為了完成另外的子任務(wù)而轉(zhuǎn)移到下一個(gè)ＡＰＰ。對(duì)比決策模式（例如“對(duì)比→橋接”）和補(bǔ)充準(zhǔn)備模式（例如“補(bǔ)充→橋接”）， 意圖都發(fā)生了改變， 而分步前進(jìn)模式中表現(xiàn)出持續(xù)的橋接（例如“橋接→橋接”）。復(fù)雜型任務(wù)是指用戶滿足較為復(fù)雜的信息需求， 總?cè)蝿?wù)可以分割為幾個(gè)相互依賴的子任務(wù)。而不同的子任務(wù)的切換， 用戶的意圖也在轉(zhuǎn)移， 因此用戶在面臨復(fù)雜的信息需求時(shí)， 更傾向于在ＡＰＰ間轉(zhuǎn)移時(shí)改變意圖類型， 從而較多用戶使用了這些模式。因此可以發(fā)現(xiàn)， 橋接意圖可以作為復(fù)雜型任務(wù)的天然意圖。

此外， 復(fù)雜型任務(wù)中對(duì)比擇優(yōu)模式（１０.０％）、補(bǔ)充探索模式（８.８％）也占據(jù)了一定的用戶比例。雖然用戶在簡(jiǎn)單任務(wù)中也偏好這兩類模式， 但相對(duì)來說， 復(fù)雜型中用戶占比明顯低于簡(jiǎn)單任務(wù)。其中， 在兩類任務(wù)中使用對(duì)比擇優(yōu)模式的用戶占比差距最小。這說明無論是何種任務(wù)， 用戶都傾向于以獲取最優(yōu)的信息為目標(biāo)。例如用戶Ｙ４８ 表示， 為了買到一款滿意的商品， 在搜索過程中會(huì)在不同的購(gòu)物類ＡＰＰ 間對(duì)比商品信息。類似的， 在復(fù)雜型任務(wù)中補(bǔ)充探索模式的應(yīng)用， 說明用戶在完成復(fù)雜型任務(wù)時(shí)， 也可能會(huì)迭代補(bǔ)充信息。

３.３結(jié)果討論與啟示

基于最初提出的３ 個(gè)研究問題， 本文基于研究結(jié)果展開以下討論。

首先， 補(bǔ)充和橋接是用戶日常最偏好使用的意圖類型。用戶在跨ＡＰＰ 搜索中， 往往是為了補(bǔ)充信息或者連接不同的搜索任務(wù)到可替換的ＡＰＰ。Ｓａｌｏ Ｍ 等［４０］ 研究用戶切換ＡＰＰ 原因， 也揭示了這一現(xiàn)象。這啟示ＡＰＰ 服務(wù)方有必要關(guān)注用戶在單個(gè)ＡＰＰ 內(nèi)的信息需求滿足程度， 了解不同的需求滿足程度和不同搜索目標(biāo)切換節(jié)點(diǎn)都將有助于預(yù)測(cè)用戶下一次的ＡＰＰ 轉(zhuǎn)移。

其次， 本文挖掘出７ 種跨ＡＰＰ 意圖轉(zhuǎn)移模式，按其頻次依次為： 補(bǔ)充探索模式、對(duì)比決策模式、對(duì)比擇優(yōu)模式、分步前進(jìn)模式、補(bǔ)充準(zhǔn)備模式、分享交流模式和挫折探索模式。這些意圖模式反映出用戶不同的搜索偏好。最頻繁的補(bǔ)充探索模式突出了用戶迭代獲取信息的需求， 但也暗示了用戶的信息需求在單個(gè)ＡＰＰ 持續(xù)得不到滿足， 一直需要跳轉(zhuǎn)到多個(gè)ＡＰＰ。此外， 有研究探究用戶對(duì)ＡＰＰ 持續(xù)使用意愿， 表示用戶流失是因?yàn)樾畔①|(zhì)量不高和用戶的不信任［４１］ ， 因此可以推測(cè)補(bǔ)充探索模式對(duì)用戶來說是一種低效率跨ＡＰＰ 搜索方式。對(duì)比決策模式和對(duì)比擇優(yōu)模式都強(qiáng)調(diào)了用戶在搜索后期的選擇行為， 尤其體現(xiàn)在購(gòu)物任務(wù)， 這與已有研究揭示的購(gòu)物活動(dòng)越來越以移動(dòng)為基礎(chǔ)的背景相符［４２］ 。另外， 有研究指出用戶感知到的ＡＰＰ 可替代性直接影響跨ＡＰＰ 意圖［４３］ ， 因此可以推測(cè)用戶在不同的ＡＰＰ 內(nèi)對(duì)比項(xiàng)目極有可能感知到這些ＡＰＰ 間的可替代性。所以增強(qiáng)ＡＰＰ 內(nèi)信息的獨(dú)特性和權(quán)威性有可能成為留住用戶的重要手段。分步前進(jìn)模式體現(xiàn)了用戶搜索過程中自然而然的目標(biāo)轉(zhuǎn)承， 如何響應(yīng)用戶的自由切換將是ＡＰＰ 服務(wù)方的首要工作。補(bǔ)充準(zhǔn)備模式體現(xiàn)了用戶前一個(gè)目標(biāo)滿足， 然后橋接到另外一個(gè)ＡＰＰ 執(zhí)行新的子任務(wù)。因而用戶的橋接意圖可以視為用戶搜索目標(biāo)改變的重要節(jié)點(diǎn)，這將對(duì)捕捉用戶搜索目標(biāo)的改變， 進(jìn)而指導(dǎo)用戶行為具有重要意義。分享交流模式反映的用戶分享行為是移動(dòng)搜索中重要內(nèi)容［２７］ ， 未來有望結(jié)合該模式特征實(shí)現(xiàn)跨ＡＰＰ 精準(zhǔn)推薦或預(yù)測(cè)。此外， 挫折探索模式反映了用戶的搜索任務(wù)在當(dāng)前的ＡＰＰ 中不能得到認(rèn)為有用的信息， 甚至可能會(huì)產(chǎn)生負(fù)面情緒［２７］ ， 由此ＡＰＰ 服務(wù)方有必要對(duì)其加大重視。

最后， 簡(jiǎn)單型任務(wù)和復(fù)雜型任務(wù)中偏好使用的模式具有明顯差異， 且整體上用戶在復(fù)雜型任務(wù)中模式應(yīng)用更突出。簡(jiǎn)單型任務(wù)圍繞一個(gè)事物或事件的探索， 檢索詞往往較為單一， 用戶更想使用較少的ＡＰＰ 獲得更為全面的信息。補(bǔ)充探索模式作為其最常見的模式之一， 較多依賴系統(tǒng)提供的一框式檢索， 用戶在同類的ＡＰＰ 之間轉(zhuǎn)移， 不斷迭代重復(fù)輸入相同或近似的檢索詞， 這樣重復(fù)搜索可能會(huì)導(dǎo)致用戶交互倦怠。因此， 減少用戶冗余操作和整合信息資源也應(yīng)該是ＡＰＰ 服務(wù)方的重要考慮方面。復(fù)雜任務(wù)中， 用戶在一次搜索中總是面臨多個(gè)需求， 用戶在復(fù)雜型任務(wù)中最偏好使用對(duì)比決策模式這類意圖發(fā)生改變的模式。這是因?yàn)橛脩敉ǔ?fù)雜任務(wù)劃分為不同階段， 每個(gè)子階段由于意圖可能發(fā)生改變而使用不同ＡＰＰ。這啟示ＡＰＰ 服務(wù)方需要更多地關(guān)注用戶的搜索行為特征和用戶的信息資源需求， 考慮識(shí)別用戶當(dāng)前所處的任務(wù)類型。也間接表明ＡＰＰ 間合作共贏空前重要， 合作帶來的不僅是保留各自垂直信息資源的深度， 也可以拓展橫向資源面以滿足用戶多樣化的需求［４４］ 。綜上所述，ＡＰＰ 服務(wù)優(yōu)化時(shí)， 若能識(shí)別用戶當(dāng)前所處的任務(wù)類型， 將有助于ＡＰＰ 服務(wù)方根據(jù)用戶在不同任務(wù)類型下的搜索行為特征來提升ＡＰＰ 功能。

４結(jié)語

本文通過收集用戶日常信息搜索情境下移動(dòng)搜索跨ＡＰＰ 行為數(shù)據(jù)， 依次回答了本文最初提出的３個(gè)研究問題， 通過對(duì)意圖的編碼和統(tǒng)計(jì)分析回答了日常信息搜索中用戶偏好的意圖類型； 然后通過馬爾可夫鏈分析和凝練用戶偏好使用的跨ＡＰＰ 意圖轉(zhuǎn)移模式， 回答了日常信息搜索中用戶的跨ＡＰＰ意圖轉(zhuǎn)移模式； 最后通過任務(wù)類型與模式的關(guān)聯(lián)分析， 回答了不同任務(wù)類型下用戶跨ＡＰＰ 意圖轉(zhuǎn)移模式應(yīng)用規(guī)律。理論上， 一方面， 本研究更細(xì)粒度探究了用戶跨ＡＰＰ 意圖轉(zhuǎn)移模式類型和使用規(guī)律，有助于更深入地揭示跨ＡＰＰ 搜索行為機(jī)理； 另一方面， 基于用戶大量真實(shí)日常搜索案例， 探究用戶的移動(dòng)搜索行為規(guī)律更可靠， 為其他情境下實(shí)驗(yàn)奠定了基礎(chǔ)。實(shí)踐上， 對(duì)用戶來說， 如果能夠根據(jù)用戶的意圖模式特征， 追蹤用戶的意圖模式分類， 提供更有針對(duì)性的幫助功能， 進(jìn)而增加用戶的有利意圖轉(zhuǎn)移， 減少用戶不必要意圖的轉(zhuǎn)移， 將有助于改善用戶移動(dòng)搜索體驗(yàn)。從平臺(tái)角度來說， 獲取用戶跨ＡＰＰ 意圖轉(zhuǎn)移模式規(guī)律， 有助于平臺(tái)調(diào)整服務(wù)重點(diǎn)， 改善內(nèi)容組織方式， 根據(jù)用戶的意圖規(guī)律，合理安排ＡＰＰ 的入口和接口， 優(yōu)化資源分配提高效率， 使其更符合用戶的信息搜索習(xí)慣， 將促進(jìn)移動(dòng)應(yīng)用平臺(tái)信息服務(wù)的深度發(fā)展。

本研究不足之處是考慮時(shí)間和成本限制， 樣本采用方便取樣原則， 主要是以年輕人的搜索經(jīng)歷為主。本研究聚焦日常信息搜索情境， 因此未來研究可擴(kuò)展到跨ＡＰＰ 搜索的其他任務(wù)情境， 也可進(jìn)一步探索跨ＡＰＰ 行為意圖驅(qū)動(dòng)和ＡＰＰ 服務(wù)支持的關(guān)聯(lián)關(guān)系。