碎片怎么搜索图片

消费者碎片化行为:文献回顾与研究展望2019.
03科学决策73消费者碎片化行为:文献回顾与研究展望李先国焦腾啸黎静仪宋明蕊李萌摘要:随着信息与通讯技术的发展普及,人们的行为逐步呈现出碎片化的特点,商业、营销管理领域中如何理解消费者的碎片化行为成为了新命题.
然而,关于碎片化行为的研究成果还相对较少,且大部分集中于地理学、交通学领域,在商业、管理领域的研究则是极为少数,且对于消费者的碎片化行为的实证研究更是属于全新的领域.
鉴于此,本研究对现有国内外研究成果进行了回顾和梳理,包括碎片化行为的概念、维度、量化方法、碎片化行为的影响因素.
同时,本研究也梳理和总结了碎片化行为的其中一个热点应用领域——碎片化阅读的概念及相关研究成果.
碎片化行为的未来研究方向与在商业、移动营销领域的应用方向也在本研究中进行了展望.
关键词:消费者;碎片化行为;碎片化阅读;移动营销DOI:10.
3773/j.
issn.
1006-4885.
2019.
03.
073中图分类号:F275文献标识码:A文章编号:1002-9753(2019)03-0073-261引言在20世纪70年代至90年代期间,如果让一个普通的青年人或中年人描述自己的日常生活方式,那么简单的几句话就可以说清楚:"白天上班,晚上看电视,闲暇期间看报纸,按时吃饭睡觉".
然而在当今的移动互联网时代,这样的生活方式的人已经是极为少数了.
人们每天被各种各样的信息所充斥,面临的不确定越来越多,生活节奏难保持稳定,很多人感叹"时间都去哪儿了".
作者简介:李先国(1965-),男,湖南长沙人,中国人民大学商学院教授,博士生导师,研究方向:营销管理.
焦腾啸(1988-),男,河南许昌人,中国人民大学商学院博士生,研究方向:营销模型.
黎静仪(1992-),女,江西萍乡人,中国人民大学商学院博士生,研究方向:营销模型.
宋明蕊(1992-),女,吉林四平人,中国人民大学商学院博士生,研究方向:消费者行为.
李萌(1996-),女,山西晋中人,中国人民大学商学院硕博连读生,研究方向:消费者行为.
消费者碎片化行为:文献回顾与研究展望74科学决策2019.
03随着信息技术、移动互联网技术的发展普及和人类沟通方式的不断进化转变,人类世界中"碎片化"的特征日益凸显:人们每天"刷"微博、微信朋友圈获得的信息呈现出条目多、随机性强、关联性低的碎片化特征;生活方式上,科技的应用使得人们的行为模式受空间、时间的限制程度也越来越低,很多事情可以在离散的时间段、离散的地点完成,人们生活中的各项行为活动之间的联系、每项活动的时间、地点之间的关联性也逐渐减弱(Ben-Elia等,2014[1]).
在这种趋势下,人的个性更加容易凸显,消费者可以更灵活地参与到个性化的产品或服务中.
2015年6月,国务院总理李克强召开的国务院常务会议通过了《"互联网+"行动指导意见》,"互联网+"成了当前社会的最大"风口",因此互联网的发展必然使得碎片化的发展趋势持续相当一段时间.
"破碎"是一种状态,"整合"也是一种状态,所谓"不破不立",就是告诉我们一个哲学道理:任何事物都要经过旧秩序的灭亡,才能有新秩序建立的基础.
因此"碎片化"是时代发展的必然,代表着移动互联网时代人们生活方式和行为方式需要经历的发展变革方向.
这样一来,我们不禁要思考:"互联网+"时代产生的大量凌乱的、看似随机无关联的信息、行为活动的碎片背后,是否隐藏着商业价值如何理解这些碎片以及各个碎片之间的关联将这些碎片"+"在一起之后,又会产生什么新的价值"碎片化行为"是21世纪人类社会出现的新名词,然而学术界对于碎片化行为的研究尚处于萌芽阶段.
国内学者的研究主要集中于碎片化阅读行为的分析和应用,对于碎片化的概念也仅停留在描述层面,相关的理论研究和实证研究很少.
国外学者对于碎片化行为的研究领先一步,包括对碎片化行为的定义、维度做了基本的界定,提出了量化的方法,并对导致碎片化行为的影响因素做了一定的探索和实证研究,对国内在该领域的研究具有借鉴意义.
然而,国外关于碎片化行为的研究大都集中在地理学、社会学领域,在管理学、营销学领域的研究仍处于探索阶段.
碎片化行为的主体是人,而人人都是消费者,因此其他学科中的碎片化行为概念自然可以借鉴到商业领域、管理领域中,从而成为商业、管理领域的业界和学术界理解消费者的一个新角度.
鉴于此,本文对国内外有关碎片化行为的文献进行回顾与梳理,对该主题的已有研究成果进行总结,并在此基础上对碎片化行为在商业、移动营销领域上的延伸、应用方向提出建议和展望.
2文献回顾2.
1碎片化行为的产生背景与定义表述新华字典对"碎"字的解释为"完整的东西破坏成的零片或零块",代表琐细、消费者碎片化行为:文献回顾与研究展望2019.
03科学决策75繁杂、不完整的状态.
完整的事物被分割或离析后,每一个小的零片就代表了一个"碎片".
因此,事物或行为的"碎片"状态是其"完整"或"整体"状态的对立面.
所以,碎片化行为就是指行为被分割后的"碎片状态".
在学术研究领域,碎片化行为(ActivityFragmentation)的概念最早提出于21世纪初.
由于信息时代(theInformationAge)的来临,社会环境与人们的生活方式发生了巨大的变化:首先,由于信息技术与通讯技术(InformationandCommunicationTechnology,ICT)的发展和普及,人们传递信息的速度和便捷性得到了跨越性提升,日常接受的信息量相比以前有了显著的增加,导致在行为方面表现出逐渐明显的多样性、随机性,人们对其日常工作和生活行为的安排也更加灵活(Bonsall和Shires,2009[2];Schwanen和Kwan,2008[3]);其次,交通工具的便利性和普及性的提高,使得人们的行为或工作受空间、时间的约束越来越小,人们可以在不同的时间、不同的地点分几个阶段完成一项任务或目标.
例如,一位员工可以一天内先后在家中、办公室内、飞机上、同事家中、宾馆里完成一篇文档的撰写工作(Couclelis,2000[4]).
在此背景下,碎片化行为的概念逐渐开始受到社会学领域的关注.
来自地理科学领域的学者Couclelis(2003)[5]首先在研究ICT对人类行为模式、交通方式的影响时,对碎片化行为的定义进行了表述:"碎片化是行为被分解的过程,是一种特定的行为按照时间或空间维度被分成几个更小的零块的过程".
这个表述中有两个关键词:首先是"过程",表明碎片化是一个动态而非静态的概念;其次是"时间或空间",表明了碎片形成的方式或途径.
该定义提出后得到了广泛的认同(Lenz和Nobis,2007[6];Hubers等,2008[7]),被多数学者在研究中直接采用,成为目前社会科学领域最为权威的定义表述.
因此,本文与前人研究保持一致,直接采用Couclelis(2003)[5]对碎片化行为的定义.
这样一来,消费者的碎片化行为可以由该定义进行推论得出.
消费者的碎片化行为可以理解为一种持续的消费者行为(如逛商场、浏览使用购物App等)按照时间或空间维度被分成几个更小碎片的过程.
我们举一个具体的实例来说明这个现象.
设想有一位消费者i想要买一个超极本电脑:首先,这个消费者i需要上网搜寻关于超极本的类型、主流品牌、基本功能等基本信息;然后,消费者i可能要到一家线下的实体店,去对具有超薄特性的超极本与普通的笔记本电脑的主要区别进行更加具体深入的了解,亲自鉴定它们之间各项功能特性上的差异,了解自己最看重超极本相对于普通笔记本的哪些特性;消费者i可能还需要看一些网络上对于超极本性能的使用评价,询问自己的同事、朋友、亲戚有没有使用过超极本的,请教一些经验;当消费者i决定好要购买哪一消费者碎片化行为:文献回顾与研究展望76科学决策2019.
03款超极本的时候,还需要决定在哪里购买;这个时候,消费者i需要在多个有目标超极本产品售卖的购物网站、多个网店或实体店上对比哪家的价格最便宜,售后服务最好等;在决定好购买的商家或店家之后,最后消费者i还需要确定自己的付款方式,与商家商量决定何时发货、通过何种途径发货,送货地点以及送货之后的安装服务等等.
当然,并不是所有的购买行为都会遵循以上所述流程,但我们可以清楚地看到,消费者i购买一款产品的行为被分割成了几个子行为,包括搜索浏览产品信息、付款结账、运送产品货物或者找人配送安装,这些不同的子行为都有独立的发生时间和地点,按照一定的顺序排列.
这样一来,"购买超极本电脑"的行为就被碎片化了,每一个碎片在这个例子中就是一个子行为,各个子行为的开始时间、结束时间构成了代表时间的碎片形式(ActivityEpisode),涉及到的不同地理区域构成了代表地点的碎片形式(ActivityLocation).
此外,这个例子也印证了多数研究成果中提到的观点,即正是由于互联网技术、信息技术(ICT)的发展才使得这样的碎片化的现象得以发生,摆脱了早年购买商品只能通过乘坐固定交通工具到达固定售货地点的方式.
此外,还有一些与"碎片化"类似、关联性强的其他概念(Hubers等,2008[7]),如巴尔干化(Balkanization)、多任务化(Multitasking)等.
其中巴尔干化来自于政治学领域,指一个原本统一的国家或地区分裂为几个独立的,通常相互敌对的小国家、小政治组织的过程;多任务化则是指几个不同的行为或任务同时执行或同时完成的过程,比如某人在某个时刻一边用电脑工作的同时,一边用手机与他人沟通(Schwanen和Kwan,2008[3]).
虽然这些概念所处的研究领域或场景各异,但与碎片化行为的相似之处是一致的,即从"整体"状态分解成"部分"、"零碎"状态的过程.
2.
2碎片化行为概念的维度Couclelis(2003)[5]对碎片化行为的定义中提到了"时间和空间",表明了行为碎片形成的不同方式,也就代表了碎片化行为的两个维度.
此后,Lenz等(2007)[6]在一项对德国民众的抽样调查和日常生活方式(通勤、旅游、电脑和手机App的使用行为等)的实证研究中,详细地对Couclelis(2003)[5]的定义进行了解读,并进一步总结出了碎片化行为的维度,成为此后研究的理论基础.
因此,本研究采用Lenz等(2007)[6]对碎片化行为的维度表述.
1)时间碎片(TemporalFragmentation).
由于ICT的发展和普及,沟通可以实现即时转达,先前不可间断的工作任务或活动在当今可以灵活安排,分几个时段完消费者碎片化行为:文献回顾与研究展望2019.
03科学决策77成(Vana等,2008[8];Alexander等,2010[9]),比如人们可以在下班回家的时候通过邮件、微信与上级和同事进行信息沟通从而完成工作任务,而不一定局限于上班时间和固定地点.
根据Lenz等(2007)[6]的表述,时间碎片可以定义为一项行为或活动的整个过程在时间上被划分成的几个小块,每个小时间块有唯一的开始和结束的时间点,相邻的两个小时间块之间存在时间间隔,所有小时间块的持续时间总和等于整个行为或活动的持续时间.
2)空间碎片(SpatialFragmentation).
空间的碎片化过程是伴随着时间的碎片化过程同时进行的.
同样是由于ICT的发展和普及,人们的行为方式不再受到地域的限制,从一项行为活动对应一个地点,转变为一项活动可以跨越或涉及多个地点(Couclelis,2000[4]).
比如手机就是人类语音通话行为实现空间碎片化的直接影响因素.
因此,空间碎片可以理解为,一项行为活动的全部进程中所涉及到的不同的地点数量,以及这些地点之间相隔的距离.
3)行为方式碎片(MannerFragmentation).
行为活动不同的执行方式、不同的执行途径构成了碎片化行为的第三个维度.
例如过去的购物方式只能通过到商店或集市上用现金购买,ICT的应用使得人们可以选择网络购物、手机购物、电视购物、电话购物甚至虚拟场景购物等.
一项行为活动或一项任务可以采用多种不同的形式,而具体是怎样的形式则需要根据行为本身的特点来确定,形式的种类越多,行为方式碎片化程度就越高.
因此,该维度无法总结出统一的定义,在实际研究中只能根据具体的研究对象来构建操作性定义.
2.
3碎片化行为的量化研究方法碎片化行为的概念和维度被提出后,学者们开始思考如何对其进行测量,如何衡量碎片化程度的高低,以及碎片分布的特点.
目前学术界提出的衡量行为碎片化程度的方法主要有"均值-最大值-标准差"量化法(Hubers等,2008[7])与"数量-分布指数"量化法(Alexander等,2010[9]).
(一)"均值-最大值-标准差"量化法Hubers等(2008)[7]首先在前人研究的基础上提出了衡量碎片化行为的三个角度:特定时段内(如一日、一周等)的碎片的数量、碎片规格分布(DistributionofSize)、碎片结构.
由于规格分布、结构分布的测量涉及到了各个碎片长度的均值、最大值与标准差,故称为"均值-最大值-标准差"量化法.
具体的表述和计算方法如下:1)碎片数量(NumberofActivityEpisodes).
如上文所述,碎片数量就是指一个完整的行为过程被分成的若干子行为(Sub-tasks)的数量.
以用户使用手机为例,消费者碎片化行为:文献回顾与研究展望78科学决策2019.
03如果一天中8:00—8:20、9:00—9:10、13:00—13:40、19:00—20:00用户在使用手机,那么对于该行为来说,碎片数量为4.
在行为持续的时间给定时,碎片数量越多,行为的碎片化程度越高.
2)碎片规格分布(DistributionofSizes).
对于一种特定行为来说,当被碎片化后,通常每个碎片的大小是不一样的,即每一个行为碎片Episode持续的时间长度(Size)是不一样的.
如果这些碎片长度分布更离散,则意味着更高的碎片化程度.
碎片规格的分布包括3个测量指标:各碎片规格的均值(MeanSizeoftheDifferentEpisodes,MES)、各碎片规格的标准差(StandardDeviationoftheEpisodeSizes,SDES)、各碎片规格的最大值(SizeoftheLargestEpisode,LEI).
均值和标准差通常是统计中衡量样本分布的常用指标,而这里需要衡量碎片规格最大值的原因是,当碎片规格分布有较小的SDES与较小的LEI时,就表明了各个碎片的时间长度较小,且差异较小,因此碎片化程度高.
例如对于同一块圆蛋糕来说,切成平均的10等份,相对于切成10份而其中一份占90%大小的情况,碎片化程度明显更高.
3)碎片结构(Conguration).
碎片结构主要衡量了各个行为碎片之间的排列是怎样的模式,基于各个碎片之间的间隔.
碎片结构的衡量包括4个测量指标:各个行为碎片之间间隔的时间长度均值(MeanTemporalDistancebetweentheEpisodes,MTD)、各个行为碎片之间间隔的时间长度标准差(StandardDeviationoftheTemporalDistancebetweentheEpisodes,SDTD)、各个行为碎片与其时间距离最近的一个碎片之间的间隔时间长度均值(MeanTemporalDistancefromOneEpisodetoItsNearestNeighboringEpisode,MNTD)、各个行为碎片与其最近的碎片之间时间间隔的标准差(StandardDeviationoftheTemporalDistancetotheNearestNeighboringEpisode,SDNTD).
其中,MTD衡量了每个行为碎片同其他所有碎片之间的时间间隔的总体情况,计算第m个行为碎片到第n个行为碎片的时间距离的方法是,第n个行为碎片的开始时间减去第m个行为碎片的结束时间,再减去这两个行为碎片中间n-m-1个行为碎片的时间长度之和.
根据Hubers等(2008)[7]的观点,碎片结构采用以上4个指标,可以让我们直观地对这些行为碎片的分布情况进行分类.
各个指标的数值相对高低的组合就形成了不同的碎片结构的构成方式.
具体内容如表1所示:表1中的碎片分布示意图直观地表达了时间碎片以一日为单位的分布模式,其中"0"代表时钟时间0:00,"24"代表时钟时间24:00,横条总长度代表完整的一日24小时,阴影部分的小片段代表碎片行为的持续时间,空白部分代表碎片的间隔.
Hubers等(2008)[7]对于碎片结构的分类主要基于3个基准点:集中族群碎片、消费者碎片化行为:文献回顾与研究展望2019.
03科学决策79多族群碎片与个别离群碎片.
集中族群碎片分布的特点是,所有的碎片都相对集中分布在一起,各个碎片之间的间隔时间长度都很短,表明了行为通常在集中的时间内执行完毕,期间的暂停休息时间相对较短,因此代表了较低的碎片化程度;多族群碎片类似于所有的行为碎片分成了几个"小组",每个小组中的碎片分布则相对集中,而组与组之间的碎片相互时间间距较远;个别离群碎片则是独立的、离散的,相对其他任何行为碎片的时间距离都较远.
表1各类碎片结构的构成方式及对应的指标数值碎片分布示意图测量指标指标数值构成类别名称MTD低A.
集中族群分布式(GlobalClustering)SDTD低MNTD低SDNTD低MTD高B.
均匀离散分布式(SpreadOutEvenly)SDTD低MNTD高SDNTD低MTD高C.
多族群分布式(MultipleLocalClusters)SDTD高MNTD低SDNTD低MTD低D.
集中族群与个别离群分布式(GlobalClusterandOutlier)SDTD中MNTD中SDNTD中MTD高E.
多族群与个别离群分布式(MultipleLocalClustersandanOutlier)SDTD高MNTD高SDNTD高在表1中所述的分布模式中,A模式属于集中分布式,因此碎片化程度在所有的模式中最低;B模式属于均匀离散分布,相当于所有的碎片都属于"个别离群碎片";E模式在这些类别中的碎片化程度最高,碎片分布的规律性从直观上看也最不明显;B、C、D三种模式相对于A、E两种模式都属于中等的碎片化程度.
碎消费者碎片化行为:文献回顾与研究展望80科学决策2019.
03片结构和测量指标的相对数值高低也说明了各类模式的碎片化程度,A的4个指标均为低,E的4个指标均为高,其他三类从总体上看为中等.
(二)"数量-分布指数"量化法Hubers等(2008)[7]提出的"均值-最大值-标准差"量化法开创了碎片化行为量化研究的先河,成为该领域中后续研究的重要基础.
然而这种测量方法的主要问题在于,它将时间和空间的碎片化视为一体,淡化了二者之间的区别,并且在Hubers的研究中,"Episode"这个词只表示时间的碎片.
此后,Alexander等(2010)[9]在Hubers等人的基础上进行了改进,沿用了碎片数量、碎片规格分布与结构分布的测量角度,提出了更为精确的计算方法.
测量指标与变量的定义归纳如表2所示.
Alexander等提出的测量方法在该领域中得到广泛采用(Aguiléra等,2012[10];Julsrud和Denstadli,2017[11];Xi等,2017[12]).
表2碎片化行为的测量指标维度变量名测量指标变量描述变量取值时间维度(Temporal)碎片数量E特定时间内(如一天、一周)时间碎片的总数量,行为的开始到结束记为一个碎片ei,结束后的下一次开始再到下一次结束记为碎片ei+1.
1,2,3,.
.
.
n碎片规格分布T_index碎片的时间分布指数,与行为过程总时长T和每个碎片的规格ei有关.
(0,1]碎片结构Tconf时间碎片间隔的分布指数,与碎片之间的间隔ei+1-ei有关.
(0,P/2)空间维度(Spatial)碎片数量L特定时间内(如一天、一周)空间碎片的总数量,即地点的总数量,行为发生的每个地点记为li.
1,2,3,.
.
.
n碎片规格分布S_index碎片的地点分布指数,与行为过程总时长T和每个地点上行为活动的持续时长tli有关.
(1/L,1)碎片结构Sxy空间碎片间隔的分布指数,与各个地点碎片之间的距离有关.
(0,+∞)各个指标的具体含义或计算方法理解如下(仍以一日24小时为研究观察的特定时段P,用户使用手机App作为行为活动为例):E代表一天内碎片的数量(NumberofEpisodes,与前一种量化方法相同),L代表行为发生的地点数量,即用户在使用手机的这些时段内,共停留过多少地理位置(lj),两个地理位置是否归为一个地点碎片取决于具体的研究需要,例如,以是否处于同一个街区、城区、省份甚至国家作为依据.
消费者碎片化行为:文献回顾与研究展望2019.
03科学决策81设T为一天内行为活动持续的总时长即所有时间碎片的总时长,ei为第i个时间碎片的时长,tlj为第j个空间碎片上行为事件的持续时长,由此可得:(1)(2)(3)设Mei为第i个时间碎片的中点(打开和关闭App的时间点之间的中间点,若9:00打开App,9:10关闭App,则Mei为9:05),设M'为一天内所有时间碎片中点Mei的中心时间点(即M'=∑Mei/E),dMi为每个时间碎片Mei距离M'的时长,则有:(4)设MC(MeanCentre)为所有空间碎片的地点在二维地图xy坐标轴中围成图形区域的中心点坐标,DMCj为空间碎片j与MC之间的直线距离,则有:(5)由(2)、(3)可知,当T_index越接近于1时,行为的时间碎片化程度越低,当其等于1时则表示不存在碎片(每天只有一次打开和关闭app的动作),T_index越接近于0表示时间碎片的长度分布越分散.
S_index的解释与T_index类似,越接近于1表明空间碎片化程度越低;由(4)可知,Tconf值越小表明这些时间碎片的分布相对集中,且接近于时间点M',Tconf值越大则表明时间碎片之间的间隔时间规律性弱,随机性更明显.
由(5)可知,Sxy的值越大表明各个空间碎片所在地点之间的直线距离越远,反之则越近.
(三)两种量化方法的比较与总结Hubers等(2008)[7]与Alexander等(2010)[9]提出的量化方法均可以作为衡量各类行为碎片化程度的方法,且均有各自的优缺点与适用范围.
"均值-最大值-标准差"法相对简单易操作、适用范围广、表述直观易理解,可以以一日、一月甚至一年为时间单位来计算,但缺点是包含的信息量少,精确度低;而"数量-分布指数"方法的计算方式更为复杂严密,包含的数据信息量大,精确度高,而缺点则消费者碎片化行为:文献回顾与研究展望82科学决策2019.
03是计算量繁琐,因此只适合以一日为单位或碎片数量相对较少的情况下采用,当时间单位内碎片数量较多时,该方法的计算量会显得过大.
另外,正如前文所述,"均值-最大值-标准差"方法只适用于测量时间的碎片化程度而无法测量地点的碎片化程度,而"数量-分布指数"法本身就同时涵盖了时间与空间的碎片化程度量化方法.
需要特别指出的是,"均值-最大值-标准差"的量化方法中,关于时间碎片结构的分类法(A模式—E模式)也同样可以应用到地点碎片化的碎片结构衡量方面(Ben-Elia等,2014[1]),作为地点碎片分布的直观理解方式,地点碎片之间的直线距离相当于表1中碎片结构示意图中的空白部分(时间间隔).
2.
4碎片化行为的影响因素(一)技术应用层面21世纪信息时代互联网技术的普及是导致碎片化行为凸显的根本原因.
ICT使我们的空间和时间的行为活动变得更加丰富,其中的一个重要作用就是扩大了个体的选择集——不论是活动本身还是开展活动的方式上,个体都有了更大的选择空间(Mokhtarian等,2006[13]).
一个典型的例子就是,ICT对个人出行需求的影响:一方面,因为ICT为人们提供了进行各种活动的替代方案,人们可能会选择替代方案而不是去到特定地点开展活动,这就减少了人们到特定地点的出行;然而另一方面,基于ICT的活动有时并不能完全代替实地活动,同时还可能刺激产生新的实地活动,从而产生新的个人出行.
除扩大个体的选择空间之外,正如前文所述,ICT带来的另一个改变是解除了互联网时代之前人类空间活动空间的诸多约束,许多活动不再是必须处于特定时间或空间才能进行(从实体店购物到网络购物的转变),得益于此,人们拥有了更多时间开展其他活动,同时对各种活动的时间和空间的安排也变得更加灵活(Kwan,2002[14]).
在ICT普及应用的背景下,人们会以更加灵活的方式来安排其工作和生活中的活动(Kwan,2002[14];Schwanen和Kwan,2008[3];Bonsall,2004[15];Black;2001[16]).
在生活中,人们如果迟到,就会通过基于ICT的通讯工具及时通知对方,从而调整他们实际的日程安排.
在工作中人们会用一通电话来代替面对面会议,或用线上活动代替实际的往返通勤,或是反复使用电子邮件、短信息和短时通话来商议和确定会议的细节或重新安排已经计划好的活动的行程(Schwanen和Kwan,2008[3]),又或是人们会在出发去工作单位之前和返回家中之后,利用ICT来回复邮件或者为第二天的工作做准备,得以根据实际情况调整其实际的出发时间和下班时间.
从人们生活与工作中所采取的各种策略来看,由于ICT技术为人消费者碎片化行为:文献回顾与研究展望2019.
03科学决策83们生活和工作带来了更高的灵活性和即时性,更开放的、基于互动而非基于地点的活动安排与规划方式正蓬勃发展,这种方式在某种程度上提高了尽可能高效地重新分配资源的可能性和灵活性(Townsend,2000[17]).
同时,当个体日常行为活动的多样性和灵活性变得更高时,人们对时间和空间的控制能力可能会更强,进而加大了行为的碎片化程度.
除了拓宽个体的选择集、提高活动规划与安排的灵活性之外,ICT也削弱了活动、地点和时间之间的联系,使人类的活动趋向于分解为分布在不同时间和地点的一系列行为(Couclelis,2000[4];Couclelis,2004[18]),人们行为的碎片化可能伴随活动的碎片化而产生.
有研究指出,当ICT开始使用和普及之后,因为其能使活动独立于空间、时间,从而导致了活动、时间和空间之间新的组合,碎片化因此而出现.
例如,笔记本电脑用户的日常活动有更加明显的碎片化特征(Lenz和Nobis,2007[6]).
此外,由于ICT中包含信息和通信范畴中的各类设备和服务,从PC到移动电话,从语音通话到电子邮件,用户的碎片化行为也可能与其所使用的设备及服务的数量及种类和使用的目的有关(Hubers等,2008[7]).
(二)生活环境层面除ICT之外,个体本身所处的工作环境和生活环境也可能会影响其行为的碎片化程度.
如在工作环境中,工作时长和通勤模式可能影响个体碎片化行为.
例如,对于那些工作时长高于正常周工作时间的人群来说,ICT使他们在工作地点和时间的选择上具有更高的灵活性(Hjorthol,2002[19]),因此,工作时长更久的人可能会有更加碎片化的工作模式.
通勤模式与工作的灵活度相关性较强的一个很重要的时间因素,是工作日和周末的区别,在工作日,人们可能会分配相对更多的时间在户外活动上,而在周末则分配更多时间在户内活动上(Yamamoto和Kitamura,1999[20]).
在工作日,人们自身的工作劳动、个人护理的相关活动、照看子女、接送孩子往返学校等任务,使人们的活动模式面临较高的时间和空间限制(Cullen和Godson,1975[21];Kwan,2000[22];Doherty,2006[23];Schwanen和Kwan,2008[3]).
此时,人们会采取一定的措施来应对这种限制,因此,个体在工作日的行为碎片化程度通常高于周末.
除了工作环境之外,个体的生活环境可能也会产生影响,例如,居住位置可能会影响个体的碎片化行为.
许多高技术人才较为独立,他们以比较灵活的方式管理其个人的职业、生活和工作.
居住位置对碎片化行为的影响主要体现在通勤距离上,通勤距离可能会直接影响个体的碎片化行为.
研究表明,当个体在较远的地方工作时,往往会表现出利用其碎片化的时间的行为,比如住在郊区的人们可能采取更加消费者碎片化行为:文献回顾与研究展望84科学决策2019.
03碎片化的方式完成工作(Hubers等,2008[7]).
通勤距离还可能会通过影响个体对远程办公的选择而间接影响其碎片化行为.
研究表明,远程工作者的通勤距离要比普通工作者的通勤距离更长(Mokhtarian和Varma,1998[24]),通勤距离对人们选择远程办公的频率有着正向影响.
来自土耳其的一项调查指出,当工作地点和居住位置之间的直线距离增加时,人们对远程办公的态度会更加积极(Iscan和Naktiyok,2005[25]);针对芬兰居民的一项实证研究显示,尽管人们选择远程工作的最主要原因是工作本身的性质,但通勤距离也是人们选择远程工作的一个重要原因,远程工作者的平均通勤距离要长于非远程工作者(Helminen和Ristimki,2007[26]);还有研究指出,通勤时间会显著影响人们对远程办公的偏好,而通勤时间从侧面反映了通勤距离(Mokhtarian和Salomon,1997[27]).
也就是说,个体的通勤距离和其远程办公的选择具有密切的联系,而当个体选择远程办公时,其受地点和时间的约束和限制较小,具有较高的灵活性,故可能有更高的行为碎片化特征.
此外,商店和其他周边设施的存在性、数量和分布,会影响个体参与基于这些设施的活动的机会,从而决定了个体碎片化行为的可能性和限制条件(Dijst等,2002[28]),而在城市中商店和基础设施的条件是高于郊区的,从这一角度看,城市居民的日常行为活动会比郊区的居民具有更加明显的行为碎片化模式(Schwanen,2004[29]).
(三)人口特征层面影响个体碎片化行为的因素还有其个人特征和家庭特征.
不同性别的个体在承担的社会角色和行为上存在差异.
尽管性别角色在逐渐发生变化,女性仍旧是大部分家庭活动的主要负责对象,这些任务的分配上仍然有较高程度的性别分工(Kwan,2000[18]).
研究指出,当夫妻双方都拥有工作时,男性依然会比女性在工作上花费更多时间,而女性则会在家务劳动和照顾子女上花费更多时间(Reskin和Padavic,1988[30]).
所以尽管女性能够进入劳动力市场,甚至达到和男性相同的就业状态,其日常生活中的性别角色仍旧没有改变,其面临的时间和空间约束仍旧要高于男性(Kwan,2000[18];Hanson和Hanson,1980[31]).
即使家庭活动在男性和女性之间进行分配,其各自所承担的家庭活动类型也会有所不同,女性所面对的时间和空间约束仍然较高.
例如,照看子女的任务中,相对来说时间-空间固定性水平较高的任务(例如接送子女)仍旧大部分由女性承担(Dijst,1999[32];Kwan,1999[33];Schwanen等,2007[34]).
正因为男性和女性所面临的时间-空间约束程度不同,女性可能会采取一些措施来改善这种情况.
一项针对土耳其居民的实证研究指出,土耳其的男性和女性仍然承担着传统的社会角色,与家庭相关的消费者碎片化行为:文献回顾与研究展望2019.
03科学决策85一些任务仍旧是女性的责任,而正因为此,女性对远程办公的态度比男性更为积极(Iscan和Naktiyok,2005[25]).
因此,男性和女性在碎片化行为上可能存在一定的差异,女性的碎片化行为特征可能强于男性.
活动的碎片化对女性来说,可能是协调其对自身时间空间资源不同需求的一种策略(Kwan,1999[33]).
个体的差异包括年龄、教育水平和是否有孩童,同碎片化行为的联系非常密切(Hubers等,2008[7]).
个体差异,尤其是年龄和教育程度的差异,对人们是否选择在家办公的影响比ICT支持与否对人们是否选择远程办公的影响要更加突出(Graaff和Rietveld,2007[35]),针对芬兰19000名有工作的居民的一项实证研究显示,选择远程办公的居民中比例最高的是年龄在25-40岁之间的年轻员工,受教育水平比较高的企业高层选择远程办公的比例较高,而教育水平较低的雇员中,几乎没有人选择远程办公(Helminen和Ristimki,2007[26]).
受教育水平较高时,人们大多会担任企业中的行政、管理或专业的较为高级的职位,其工作内容受到固定地点的限制较小,因此能够选择远程办公,有更多的机会能够选择何时何地办公,具有更高的灵活性.
因此,年龄和教育程度可能会影响个体的碎片化行为模式.
另外,如果有年龄较小的子女,人们在照顾孩童的任务上会有较高的载荷,远程办公能够提供一种更加灵活的工作方式和工作环境,帮助其平衡工作和家庭,因此,有年龄较小子女的人对远程办公的态度更加积极(Iscan和Naktiyok,2005[25]).
独居的人比有孩子的人在时间上的约束和限制较少,因此,相较于没有孩童的个体,有孩童的个体可能有更明显的碎片化行为模式(Alexander等,2010[9];Hubers等,2008[7]).
2.
5应用领域举例——碎片化阅读人们的行为在越来越多的方面表现出碎片化的特点,而碎片化阅读是其中一个生活中较为常见,且学术界近几年较为关注的领域.
科技的快速发展使人们的生活节奏不断加快,随之而来人们的阅读内容和方式也发生了变化,越来越多的人们不再有大量的整块时间专门用来阅读书籍或文章,且书籍和文章因为移动端的兴起也从纸质模式,更多转为电子书模式.
因此,"碎片化阅读"这种针对移动端用户的行为模式应运而生.
消费者在购买产品或服务之前需要浏览信息、做出比较,或进行购前体验等,这些都需要阅读行为作为先导,从这个角度讲,碎片化阅读也是消费者行为的一种.
基于此,本研究对国内外现有碎片化阅读的相关研究成果进行总结和展望.
(一)碎片化阅读的概念目前,学术界关于"碎片化阅读"的概念尚未形成明确的定义或操作定义,主消费者碎片化行为:文献回顾与研究展望86科学决策2019.
03要是从时间、场景、内容三方面来界定碎片化阅读:第一,相对于专用、连续阅读时间的碎片化,由于现代社会的快生活节奏,大部分人更多的是有零碎的时间,而非连续的大块时间(蔡骐,2013[36]),用户利用活动间的空档期这类短小的碎片时间进行阅读,称为碎片化阅读(段志兵,2012[37]).
用户的阅读时间由单次、大时段向多次、小时段转变(吴等,2015[38]).
第二,相对于特定、单一场景的碎片化,随着移动终端如手机、电子书、平板电脑等的普及,信息渠道和阅读载体呈现多样化,移动用户的阅读场景不再限定在书桌前,可跨越至车上、路上、床上等任意场景和环境下进行阅读(姬义涛,2016[39]),这种片段性、非线性、随时随地、断断续续的阅读方式称为碎片化阅读(张文亮等,2015[40]).
第三,相对于原典、完整内容的碎片化,在知识爆炸的当下,读者的思想、价值观念呈碎片化,阅读内容也呈现多元化特点(周莉华,2012[41]).
针对阅读对象而言,碎片化的阅读内容往往零碎、不完整(徐艳,2017[42]).
相对于较完整内容的系统性阅读,碎片化阅读每次只阅读其中一个或者数个片段(段志兵,2012[37]),属于短小、片段化内容的阅读模式(吴媛媛,2015[43]).
由此可知,碎片化阅读主要有以下几个明显的特点:第一,阅读内容碎片化,呈零碎态,阅读内容往往为片段、非线性、短小的信息,此外,超链接的存在使得阅读显得更加发散(李晓源,2011[44]);第二,阅读时间碎片化,阅读时间从单次、大时段转向多次、小时段(吴赟等,2015[38]);第三,阅读载体多样化,手机、平板电脑等终端设备均可成为载体,使得阅读可在任意环境和时间下进行(姬义涛,2016[39]);第四,阅读注意力的转瞬性,网络信息的不断更新、变化让读者难以保持长久注意力,甚至有人因此患上了信息焦虑症,无法进行专注阅读;第五,内容传播主体的多样性,网络的去中心化特性使得话语权下放,草根势力崛起,人人都有发布内容的机会(刘剑敏和李润权,2011[45]);第六,阅读层次浅表化,阅读内容多以休闲娱乐、新闻报道类为主,读者的阅读心理较为轻松,阅读模式向浏览式、跳跃式转变(吴霰,2016[46]);第七,阅读个性化,阅读内容经过个性化筛选,读者一般只阅读自己感兴趣的内容,阅读思维趋于非线性化(李志涛,2014[47]).
可以看出,学者们普遍认为碎片化阅读是一个相对而非绝对概念,阅读行为的碎片化方向同样是基于时间、空间地点与行为方式上,其中行为方式主要指阅读工具的多样性.
另外,国外学者对碎片化阅读也没有较为完整的定义.
因此,本研究认为碎片化阅读的定义可以按照Couclelis(2003)[5]对用户碎片化行为的界定,归纳为"用户对可视化信息的阅读行为按照阅读时间、阅读行为所发生的地点、采用消费者碎片化行为:文献回顾与研究展望2019.
03科学决策87的不同阅读工具等维度,被分成的几个更小的零块行为的过程".
(二)国内相关研究从阅读的历史演化来看,印刷技术和互联网的出现使阅读变得愈发容易,碎片化阅读已然成为趋势,因此各个领域都对此展开研究.
国内学者们对于碎片化阅读的研究主要包括碎片化阅读的特征、"碎片化阅读"行为研究、碎片化阅读的利与弊这三个方面.
第一,针对碎片化阅读的特征,即上文概念部分提及的结论,大部分研究从定性的层面对其加以探讨和确立.
除此之外,王鹏涛(2018)[48]总结以往研究,以量化的视角对"碎片化阅读"的性质展开了逐一的比较分析,认为阅读内容和阅读时间的碎片化都不能成为界定碎片化阅读的单独判定依据,而注意力碎片化作为内容和时间两者的有机结合,是碎片化阅读最为合理的判定依据.
这一结论也为碎片化阅读的特征探索提供了新的思路,因此其相关研究还有待挖掘.
第二,针对"碎片化阅读"行为,一些学者从其形成的影响因素进行了分析和讨论.
周海霞(2016)[49]创新性地结合了Delphi-PCA方法,筛选出影响读者碎片化阅读效果的主要因素,包括阅读收获、阅读偏好、阅读方式、知识的准确性、阅读动因、阅读工具等等,并相应提出合理的提升方案.
张文亮等(2015)[40]以信息碎片化、媒体碎片化和受众碎片化为框架,通过对大学生的调查研究,发现大学生的碎片化阅读行为受到学校学习氛围、朋友同学等外部因素影响的同时,也受到是否满足个人兴趣、阅读成本低和阅读效果佳等自身需求的作用影响.
孙蕊和董永梅(2018)[50]同样以大学生为调查对象,将影响碎片化阅读的因素归结为阅读情境、动机、营销和感知四个维度,并证实了阅读情境是最为重要的因素.
同时,提出了在图书馆网页及OPAC系统等界面加强与用户的交互等相应措施.
徐艳(2017)[42]以信息素养的视角,通过建立结构方程模型,探究出信息需求意识、信息获取能力、信息评价能力会通过碎片化阅读意图来间接正向影响碎片化阅读行为,信息利用能力会直接正向影响碎片化阅读行为.
在对城市外来工的研究中,伏干等(2018)[51]发现由于对内容深度理解的缺乏,他们的碎片化阅读投入的时间和数量会反向影响阅读能力,但这种影响并不显著.
考虑到可能由于他们的阅读内容多为娱乐性或图片,所以增加其阅读内容的多样性可能是提升阅读能力的有效途径.
总体来看,对于"碎片化阅读"行为的研究较少,所采用的方法也相对单一,尤其缺乏对大众人口特征因素、时空因素、内容因素等方面的探究.
第三,针对"碎片化阅读"这一现象的利与弊,部分学者认为碎片化阅读可以促进人类的知识进步,是新媒体发展的一种必然,"碎片化"并不是碎片化阅读值得忧消费者碎片化行为:文献回顾与研究展望88科学决策2019.
03虑的地方,因为读者可以通过整合碎片来提升阅读效果(王绍培,2017[52]).
蒋剑平(2016)[53]表示"碎片阅读习惯"改变了信息传播方式,加剧了广告环境的竞争,并据此提出保持公信力、提高创新性、融合新媒体形式等提升广告价值的建议.
也有学者认为过于浅表的碎片化阅读使读者缺乏对内容的深度和系统思考,可能会产生负面效果.
陈奕和凌梦丹(2014)[54]表明微博加速了碎片化阅读的发展,并认为其引发了负面的"社会麻醉"效应,即大众的注意力分散化、思维积极性减弱和社会参与度降低.
贺逸群和刘黎明(2018)[55]认为碎片化阅读虽然可以帮助用户提高时间的利用效率,但也会带来阻碍"阅读脑"发展、加剧注意力分散和"眼球经济".
还有一些学者认为碎片化阅读是双刃剑,对于读者阅读能力的提升有利有弊,并提出促进其健康发展的建议.
比如:张福平(2016)[56]对比了碎片化阅读背景下电子与纸质阅读两种方式,总结出电子阅读因其具有内容丰富、携带方便、促进交流等优势而成为主流.
但是纸媒也有其在触感、整体把控性、公信力等方面的特色,所以建议将电子媒介和纸媒融合(比如在纸质书页添加音频二维码)来更有效促进深层阅读.
张晓丹和梁艳红(2018)[57]针对碎片化阅读的劣势,建议读者通过减少大众化、娱乐化信息为主的低价值阅读,对不同类型的内容采用碎片化阅读与深阅读相结合的方式等来形成良好的阅读行为.
(三)国外相关研究新型阅读媒介(如智能手机、Kindle等)促进了碎片化阅读方式的流行和传播,移动阅读与碎片化阅读在各个维度上具有较多的相似性.
国外对于碎片化阅读的研究较少,且对于碎片化阅读没有提出正式的变量定义,但是对移动阅读(MobileReading)的研究较多.
因此,国外学者们对于移动阅读的研究对碎片化阅读研究有一定借鉴意义.
我们主要总结了以往学者们在阅读者因素、阅读内容因素、阅读使用行为这几方面的研究.
在阅读者因素方面,人口统计因素是其中的一个主要维度.
Shimray等(2015)[58]对不同人群的移动阅读习惯展开了综合梳理,发现了性别、年龄、文化和社会经济背景都会影响阅读习惯.
同时,指出了使用手机进行移动阅读的弊端,如手机的微波辐射、长期使用会导致颈部疼痛等等.
在移动阅读的内容维度研究上,学者们通过实验论证得出,Zumbach和Mohraz(2008)[59]发现在进行电子阅读时相比于含有少量链接的超文本,包含大量链接的超文本会给读者带来更多的认知负荷.
Huang和Rau(2009)[60]分析了影响移动阅读的文本因素,结果表明字体的大小和分辨率会对阅读速度产生显著影响.
Beymer等(2008)[61]采用眼动追踪方式,发现了字体类型对在线阅读没有显著的影响,但是图片或表格会显著影响阅读绩效.
在阅读使用行为方面,包括对阅读方式、移动设备的选择和阅读消费者碎片化行为:文献回顾与研究展望2019.
03科学决策89习惯等方面的探索.
有研究证实读者在移动阅读中相比于纸质阅读对文本的理解程度并没有差异,说明了读者会通过不同设备进行有效的阅读(Margolin等,2013[62]).
通过对大学生的调查,有研究发现大学生群体相比于台式机或笔记本电脑,更加依赖智能手机来阅读,并且形成新的阅读习惯,比如更频繁的浏览,更多的选择性阅读,更少的深层和专注阅读(Liu和Huang,2016[63]).
Pattuelli和Rabina(2010)[64]通过对美国学生使用Kindle2的情况展开调研,分析得到电子阅读器设备的易用性和使用的便利性有助于提高学生的阅读体验.
Liu(2005)[65]发现在通过数字媒体阅读时,大约只有11%的读者会标注电子资料,而54%的读者会在阅读纸质内容的资料上进行标注.
另一方面,碎片化阅读多借助于社会性网络服务SNS(SocialNetworkingServices)平台进行(如Facebook、Twitter等),YouTube极大地影响了美国年轻人的阅读、学习与交流方式,并且成为专家和知识分子用来探讨信息与观点的主流平台(Prensky,2010[66]).
一些学者对此进行了实证研究,如Lampe等(2012)[67]指出Facebook中的碎片化信息已经成为一种重要的信息来源,文章针对614名大学生进行调研,分析了用户对Facebook的社会资本感知、个人对其发送Facebook回应的意图会增加用户在Facebook上的信息搜索行为,并验证了Facebook的碎片化信息对学生有重要的作用.
Hahn等(2015)[68]针对Twitter平台中的新闻信息碎片化趋势的现象展开分析,以韩国为调研背景,发现党派和代际选择性造成了Twitter用户接收的信息碎片化.
(四)结论"碎片化阅读"作为现代人获取信息和知识的主要模式之一,其发展状况的相关研究集中在教育、传媒、管理和图书馆档案情报等领域.
碎片化阅读的研究涉及多个领域,并且我国对于碎片化阅读的研究较多,国外对于此概念的文献则相对较少,这也从侧面展现出国内的移动互联网技术的应用普及和发展速度比国外相对更快.
但是对于碎片化阅读的研究在很多方面还有待深入探索.
比如,对于碎片化阅读的注意力分散程度、信息接收程度等的量化研究.
随着碎片化的信息更多地渗透到人们的日常生活中,碎片化阅读也会成为国内外营销学者未来讨论的热点话题,如根据用户的阅读行为的碎片特点进行信息沟通、消息推送、内容编排等方面的策略研究等.
与此同时,碎片化阅读的相关研究结论也会对消费者的其他碎片化行为研究提供理论指导,并对相关的延伸探索发挥其借鉴意义和价值.
3未来研究展望在信息与通信技术(ICT)不断发展和应用的当今时代,人们的日常生活中、消费者碎片化行为:文献回顾与研究展望90科学决策2019.
03商业领域中的所有事物正在逐步显现出越来越多的个性特点,行为的碎片化趋势也在逐步凸显.
本文从碎片化行为的定义、维度、量化方法、影响因素等方面,对国内外现有的研究成果进行了梳理和分析,特别地,针对"碎片化阅读"这一目前较热门的碎片化行为子领域的研究成果进行了梳理.
总体上,该领域现有的研究已经有了一些成果,研究方法也有了理论基础,但整体上仍处于初始萌芽阶段,尤其缺乏实证研究和在管理学、营销学领域的扩展延伸,这也为今后的研究提供了方向.
具体来说,以下几个方面的问题值得未来进一步探讨.
3.
1基于碎片化行为模式的消费者群体细分研究从本文2.
3内容中的量化方法来看,行为的碎片化程度代表了行为在特定时间段内的状态,特定的时间段可以是一日、一周、一月甚至一年.
对于行为主体的个人或消费者来说,通常不存在有两个时段完全相同的碎片化模式,且行为主体之间的碎片化行为模式也是各异的.
因此,碎片化行为的数据信息无法作为理解行为主体和制定决策的直接依据,需要做更进一步的分析,正如Hubers等(2008)[7]对碎片结构分布的5种划分方法.
其中一种深入理解碎片化行为数据的方法就是Lenz等(2007)[6]用聚类分析的方法,根据德国民众样本的日常工作出行活动的碎片化模式,进行的人群细分研究,细分变量包括工作地点、各个地点的工作时长、使用互联网手机等媒介进行工作的比例等,从而分析出传统工作方式的全职/兼职工作者、手机工作者、笔记本电脑工作者(MobileComputerFragmenters)等.
因此,我们也可以借鉴该学者的思路,针对个体的各种类型的碎片化行为信息进行人群分类.
碎片的数量、碎片规格、碎片结构的指标都可以作为进行聚类的变量.
对于各类领域的行为来说,采用这种聚类分析的方法可以对行为的碎片化特征有直观的认识,为后续的研究打下基础或提供进一步的方向.
3.
2基于碎片化行为视角的用户画像研究近年来由于大数据技术的发展应用,用户画像逐渐成为学术界关注的热点问题,相关研究成果逐渐增多.
根据Quintana等(2017)[69]的定义,用户画像是"一个从海量数据中获取的、由用户信息构成的形象集合",通过这个集合可以描述用户的需求、个性化偏好以及用户兴趣等.
用户画像可以通过用户行为(主要是网络行为方面)、用户的兴趣偏好标签、用户的人格特性与用户情绪等多个方面来进行构建,用一些统计模型和算法来进行用户信息数据结构的处理(刘海鸥等,2018[70]).
用户行为作为构建用户画像的主要方法之一,有助于分析用户在特定时段内的行为特征、变化过程、动因要素等,帮助企业更深入、更精准地了解用户,以此制消费者碎片化行为:文献回顾与研究展望2019.
03科学决策91定个性化服务方案.
那么,用户的行为碎片特征是否可以作为用户画像的构建依据用户行为碎片的数量、碎片长度分布、碎片结构三个方面中哪个更能够作为区分用户的关键指标如何从根据用户行为碎片的面板数据动态信息来理解和预测用户的未来行为哪些算法或者模型可以运用到用户行为碎片的分析当中这些问题值得未来的研究进行验证或探索.
3.
3消费者行为碎片特征的其他影响因素研究消费者的行为碎片只是理解用户特征的其中一个方面,那么除了ICT、生活环境特征、人口特征等影响因素外,消费者行为碎片特征与消费者的其他行为特征有无关系消费者行为碎片的动态特征又与哪些因素有共变关系具有相似行为碎片特征的消费者群体是否具有共同的人口特征,如性别、网龄、职业等消费行为或消费意愿较强的群体是否具有相似的行为碎片特征这些都是未来需要用数据或实验来进行验证和说明的命题.
3.
4用户碎片化行为在移动App营销中的应用在ICT广泛应用的背景下,智能手机越来越普及,移动端成为当今消费者上网、购物、沟通信息的重要渠道(Shankar等,2010[71]),而移动App已经被越来越多的企业视为与消费者进行信息沟通、获得消费者行为信息的新窗口.
移动App营销是指基于移动设备和网络,企业通过自有或第三方App发布产品或服务的营销活动信息,并与消费者进行互动的过程(孙永波和高雪,2016[72]).
在移动营销的背景下,App成为了互联网企业的宠儿,成为目前业界中普及率高的、新型的移动营销工具.
人们在手机上使用App的行为也具有碎片化的特点,每一天都有多次打开App、关闭App的动作,使用App的过程也会分散到一天中的多个时间段.
可见,App使用行为的碎片化研究也是未来移动营销领域中值得探讨的问题.
比如,App用户的碎片化使用行为包括哪些影响因素,前人所提及的技术层面、生活环境层面、人口特征层面的影响因素是否适用于App领域有没有别的方面的影响因素比如App的类型或App所属的行业领域App的用户行为碎片化信息可否成为App运营商制定App应用内消息推送策略研究的依据诸如以上这些问题,都需要通过收集App用户行为的数据,或进行现场实验进行验证.
消费者碎片化行为:文献回顾与研究展望92科学决策2019.
03参考文献:References:[1]Ben-Elia,E.
,Alexander,B.
,Hubers,C.
,Ettema,D.
ActivityFragmentation,ICTandTravel:AnExploratoryPathAnalysisofSpatiotemporalInterrelationships[J].
TransportationResearchPartAPolicy&Practice,2014,68:56-74.
[2]Bonsall,P.
,Shires,J.
EstimatingtheRobustnessofQuestionnaireResults:LessonsfromaMixed-modeSurveyofExpectationsforTeleworkingandRoad-basedBusinessTravel[J].
Transportation,2009,36(1):47-64.
[3]Schwanen,T.
,Kwan,M.
P.
TheInternet,MobilePhoneandSpace-timeConstraints[J].
Geoforum,2008,39(3):1362-1377.
[4]Couclelis,H.
FromSustainableTransportationtoSustainableAccessibility:CanWeAvoidaNewTragedyoftheCommons[M].
Information,Place,andCyberspace.
2000.
[5]Couclelis,H.
HousingandtheNewGeographyofAccessibilityintheInformationAge[J].
OpenHouseInternational,2003,28:7-13.
[6]Lenz,B.
,Nobis,C.
TheChangingAllocationofActivitiesinSpaceandTimebytheUseofICT—"Fragmentation"asaNewConceptandEmpiricalResults[J].
TransportationResearchPartA,2007,41(2):190-204.
[7]Hubers,C.
,Schwanen,T.
,Dijst,M.
ICTandTemporalFragmentationofActivities:AnAnalyticalFrameworkandInitialEmpiricalFindings[J].
TijdschriftVoorEconomischeEnSocialeGeograe,2008,99(5):528-546.
[8]Vana,P.
,Bhat,C.
R.
,Mokhtarian,P.
L.
OnModelingtheChoicesofWork-hourArrangement,LocationandFrequencyofTelecom-muting[C].
TransportationResearchBoardMeeting.
2008.
[9]Alexander,B.
,Ettema,D.
,Dijst,M.
FragmentationofWorkActivityasaMulti-dimensionalConstructandItsAssociationwithICT,EmploymentandSociodemographicCharacteristics[J].
JournalofTransportGeography,2010,18(1):55-64.
[10]Aguiléra,A.
,Guillot,C.
,Rallet,A.
MobileICTsandPhysicalMobility:ReviewandResearchAgenda[J].
TransportationResearchPartA:PolicyandPractice,2012,46(4):664-672.
[11]Julsrud,T.
E.
,Denstadli,J.
M.
Smartphones,TravelTime-use,andAttitudestoPublicTransportServices.
InsightsfromanExplorativeStudyofUrbanDwellersinTwoNorwegianCities[J].
InternationalJournalofSustainableTransportation,2017:602-610.
[12]Xi,G.
,Zhen,F.
,Gilles,P.
,Valerie,F.
Spatio-temporalFragmentationofLeisureActivitiesinInformationEra:EmpiricalEvidencefromNanjing,China[J].
ChineseGeographical消费者碎片化行为:文献回顾与研究展望2019.
03科学决策93Science,2017,27(1):137-150.
[13]Mokhtarian,P.
L.
,Salomon,I.
,Handy,S.
L.
TheImpactsofICTonLeisureActivitiesandTravel:AConceptualExploration[J].
Transportation,2006,33(3):263-289.
[14]Kwan,M.
Time,InformationTechnologies,andtheGeographiesofEverydayLife[J].
UrbanGeography,2002,23(5):471-482.
[15]Bonsall,P.
TravellerBehavior:Decision-makinginanUnpredictableWorld[J].
JournalofIntelligentTransportSystems,2004.
8(1),45-60.
[16]Black,W.
R.
AnUnpopularEssayonTransportation[J].
JournalofTransportGeography,2001,9:1-11.
[17]Townsend,A.
M.
LifeintheReal-timeCity:MobileTelephonesandUrbanMetabolism[J].
JournalofUrbanTechnology,2000,7(2),85-104.
[18]Couclelis,H.
PizzaovertheInternet:E-commerce,theFragmentationofActivityandtheTyrannyoftheRegion[J].
Entrepreneurship&RegionalDevelopment,2004.
16(1),41–54[19]Hjorthol,R.
J.
TheRelationbetweenDailyTravelandUseoftheHomeComputer[J].
TransportationResearch,PartA(PolicyandPractice),2002,36(5):437-452.
[20]Yamamoto,T.
,Kitamura,R.
AnAnalysisofTimeAllocationtoIn-homeandOut-of-homeDiscretionaryActivitiesacrossWorkingDaysandNon-workingDays[J].
Transportation,1999,26(2):231-250.
[21]Cullen,I.
UrbanNetworks:TheStructureofActivityPatterns[J].
ProgressinPlanning,1975,4(75):1-96.
[22]Kwan,M.
P.
GenderDifferencesinSpace-timeConstraints[J].
Area,2000,32(2):145-156.
[23]Doherty,S.
T.
ShouldWeAbandonActivityTypeAnalysisRedeningActivitiesbyTheirSalientAttributes[J].
Transportation,2006,33(6):517-536.
[24]Mokhtarian,P.
L.
,Varma,K.
V.
TheTrade-offbetweenTripsandDistanceTraveledinAnalyzingtheEmissionsImpactsofCenter-basedTelecommuting[J].
TransportationResearchPartDTransport&Environment,1998,3(6):419-428.
[25]Iscan,O.
F.
,Naktiyok,A.
AttitudestowardsTelecommuting:theTurkishCase[J].
JournalofInformationTechnology,2005,20(1):52-63.
[26]Helminen,V.
,RistimKi,M.
RelationshipsbetweenCommutingDistance,FrequencyandTeleworkinFinland[J].
JournalofTransportGeography,2007,15(5):331-342.
[27]Mokhtarian,P.
L.
,Salomon,I.
ModelingtheDesiretoTelecommute:TheImportanceofAttitudinalFactorsinBehavioralModels[J].
TransportationResearchPartAPolicy&消费者碎片化行为:文献回顾与研究展望94科学决策2019.
03Practice,1997,31(1):35-50.
[28]Dijst,M.
,DeJong,T.
,VanEck,J.
R.
OpportunitiesforTransportModeChange:AnExplorationofaDisaggregatedApproach[J].
EnvironmentandPlanningB:PlanningandDesign,2002,29(3):413-430.
[29]Schwanen,T.
TheDeterminantsofShoppingDurationonWorkdaysinTheNetherlands[J].
JournalofTransportGeography,2004,12(1):35-48.
[30]Reskin,B.
F.
,Padavic,I.
SupervisorsasGatekeepers:MaleSupervisors'ResponsetoWomen'sIntegrationinPlantJobs[J].
SocialProblems,1988,35(5):536-550.
[31]Hanson,S.
,Hanson,P.
GenderandUrbanActivityPatternsinUppsala,Sweden[J].
GeographicalReview,1980,70(3):291-299.
[32]Dijst,M.
Two-earnerFamiliesandTheirActionSpaces:ACaseStudyofTwoDutchCommunities[J].
Geojournal,1999,48(3):195-206.
[33]Kwan,M.
P.
Gender,theHome‐WorkLink,andSpace‐TimePatternsofNonemploymentActivities[J].
EconomicGeography,1999,75(4):370-394.
[34]Schwanen,T.
GenderDifferencesinChauffeuringChildrenamongDual-EarnerFamilies[J].
ProfessionalGeographer,2007,59(4):447-462.
[35]Graaff,T.
D.
,Rietveld,P.
SubstitutionbetweenWorkingatHomeandOut-of-home:TheRoleofICTandCommutingCosts[J].
TransportationResearchPartAPolicy&Practice,2007,41(2):142-160.
[36]蔡骐.
移动互联时代的阅读变迁——对浅阅读现象的再思考[J].
新闻记者,2013(9):13-17.
CaiQ.
ReadingChangesintheEraofMobileInternet:ReectiononthePhenomenonofShallowReading[J].
JournalistMonthly,2013(9):13-17.
[37]段志兵.
巧对碎片化阅读需求,优化科技图书设计[J].
中国编辑,2012(5):29-31.
DuanZB.
OptimizingtheDesignofScienceandTechnologyBooksaccordingtotheNeedsofFragmentedReading[J].
ChineseEditorsJournal,2012(5):29-31.
[38]吴赟,钱露佳.
移动阅读的变革:碎片化、个性化、社会化特质及其影响[J].
浙江传媒学院学报,2015(6):50-56.
WuY,QianLJ.
TheEvolutionofMobileReading:Fragmentation,Personalization,SocializationandItsImpact[J].
JournalofZhejiangUniversityofMediaandCommunications,2015(6):50-56.
[39]姬义涛.
碎片化阅读对传统阅读方式的冲击——以APP《one·一个》为例[J].
科技传播,2016(6):17-22.
JiYT.
TheImpactofFragmentedReadingonTraditionalReadingMethods:Exampleof消费者碎片化行为:文献回顾与研究展望2019.
03科学决策95App"one"[J].
PublicCommunicationofScience&Technology,2016(6):17-22.
[40]张文亮,蒋秋子,尹一村.
大学生碎片化阅读行为调查及其影响因素研究[J].
四川图书馆学报,2015(6):79-83.
ZhangWL,JiangQZ,YinYC.
ResearchontheInvestigationoftheFragmentedReadingBehaviorandItsInuenceFactorsofCollegeStudentsinChina[J].
JournalofLibraryScienceSocietyofSichuan,2015(6):79-83.
[41]周莉华.
浅析新媒体时代的阅读语境[J].
中国科技信息,2012(21):136-137.
ZhouLH.
ABriefAnalysisoftheReadingContextintheNewMediaEra[J].
ChinaScienceandTechnologyInformation,2012(21):136-137.
[42]徐艳.
基于信息素养视角的碎片化阅读行为实证研究——以图书馆微信平台为例[J].
情报科学,2017(3):76-81.
XuY.
AnEmpiricalStudyonFragmentedReadingBehaviorfromthePerspectiveofInformationLiteracy:ExampleoftheWeChatPlatformLibrary[J].
InformationScience,2017(3):76-81.
[43]吴媛媛.
论"碎片化阅读"的常态化——浅析信息过载对当代大众阅读方式的影响[J].
安徽文学(下半月),2015(12):41-42.
WuYY.
OntheNormalizationof"FragmentedReading":ABriefAnalysisoftheInuenceofInformationOverloadontheReadingModeoftheContemporaryPublic[J].
AnhuiLiterature,2015(12):41-42.
[44]李晓源.
论网络环境中的"碎片化"阅读[J].
情报资料工作,2011(6):84-87.
LiXY.
OntheFragmentedReadingunderInternetEnvironment[J].
InformationandDocumentationServices,2011(6):84-87.
[45]刘剑敏,李润权.
论网络的碎片化特征[J].
新闻爱好者,2011(9):42-43.
LiuJM,LiRQ.
OntheFragmentationCharacteristicsofNetwork[J].
JournalismLover,2011(9):42-43.
[46]吴霰.
碎片化阅读对青少年读者的影响[J].
读与写,2016(4):81.
WuS.
TheInfluenceofFragmentationReadingontheAdolescentReaders[J].
ReadingandWritePeriodical,2016(4):81.
[47]李志涛.
碎片化阅读带给传统媒体的编采反思[J].
活力,2014(9):57.
LiZT.
ReflectionontheCompilationandAcquisitionofTraditionalMediaBroughtbyFragmentationReading[J].
Vigour,2014(9):57.
[48]王鹏涛.
我国碎片化阅读研究的回顾与展望:基于量度视角的考察[J].
编辑之友,2018(01):12-19.
WangPT.
ReviewandProspectofFragmentedReadingResearchinChina:ASurvey消费者碎片化行为:文献回顾与研究展望96科学决策2019.
03fromthePerspectiveofMeasurement[J].
EditorialFriend,2018(01):12-19.
[49]周海霞.
基于PCA-DEMATEL-ISM的碎片化阅读的关键影响因素研究[J].
山东图书馆学刊,2016(2):7-13.
ZhouHX.
StudyontheKeyInfluenceFactorsinFragmentationReadingbyPCA-DEMATEL-ISMMethod[J].
LibraryJournalofShandong,2016(2):7-13.
[50]孙蕊,董永梅.
基于高校图书馆移动微阅读推广的大学生碎片化阅读影响因素研究[J].
图书馆研究,2018.
SunR,DongYM.
ResearchonInuencingFactorsofCollegeStudents'FragmentationReadingBasedonMobileMicro-readingandPromotionofAcademicLibrary[J].
LibraryResearch,2018.
[51]伏干,林楠,屈青青,李甦,罗春明,李兴珊.
碎片化阅读投入与城市外来工阅读能力研究[J].
语言文字应用,2018,No.
106(2):110-119.
FuG,LinN,QuQQ,LiS,LuoCM,LiXS.
EffectsofFragmentedReadingEngagementonReadingAbilityofMigrantWorkers[J].
AppliedLinguistics,2018,No.
106(2):110-119.
[52]王绍培.
为碎片化阅读做一点辩护[J].
新闻战线,2017(15):89.
WangSP.
DefenseforFragmentedReading[J].
ThePress,2017(15):89.
[53]蒋剑平.
"碎片阅读习惯"对广告价值的影响及策略探究[J].
中国电视,2016(08):105-108.
JiangJP.
StudyontheInuenceof"FragmentReadingHabit"onAdvertisingValueandStrategies[J].
ChinaTelevision,2016(08):105-108.
[54]陈奕,凌梦丹.
微博"碎片化阅读"的传播麻醉功能解读[J].
编辑之友,2014(05):19-21+25.
ChenY,LingMD.
AnalysisoftheSpreadingAnestheticFunctionof"FragmentationReading"onWeibo[J].
EditorialFriend,2014(05):19-21+25.
[55]贺逸群,刘黎明.
蜜糖或砒霜:碎片化阅读的利与弊[J].
编辑之友,2018(11):11-15.
HeYQ,LiuLM.
HoneyorArsenic:TheProsandConsofFragmentedReading[J].
EditorialFriend,2018(11):11-15.
[56]张福平.
碎片化阅读背景下全民阅读的推进——电子阅读与纸质阅读的对比分析及融合探讨[J].
郑州轻工业学院学报(社会科学版),2016,17(1):43-51.
ZhangFP.
TheAdvanceofNationwideReadingFragmentationReadingBackground-ComparativeAnalysisandIntegrationofElectronicReadingandPaperReading[J].
JournalofZhengzhouUniversityofLightIndustry(SocialScienceEdition),2016,17(1):43-51.
[57]张晓丹,梁艳红.
碎片化阅读的利弊及其利用研究[J].
内蒙古科技与经济,2018(06):147-148.
消费者碎片化行为:文献回顾与研究展望2019.
03科学决策97ZhangXD,LiangYH.
AStudyontheAdvantagesandDisadvantagesofFragmentationReadingandItsUtilization[J].
InnerMongoliaScienceTechnology&Economy,2018(06):147-148.
[58]Shimray,S.
R.
,Keerti,C.
,Ramaiah,C.
K.
AnOverviewofMobileReadingHabits[J].
JournalofLibrary&InformationTechnology,2015,35(5):343-354.
[59]Zumbach,J.
,Mohraz,M.
CognitiveLoadinHypermediaReadingComprehension:InfluenceofTextTypeandLinearity[J].
ComputersinHumanBehavior,2008,24(3):875-887.
[60]Huang,D.
L.
,Rau,P.
P.
,Ying,L.
EffectsofFontSize,DisplayResolutionandTaskTypeonReadingChineseFontsfromMobileDevices[J].
InternationalJournalofIndustrialErgonomics,2009,39(1):81-89.
[61]Beymer,D.
,Russell,D.
,Orton,P.
AnEyeTrackingStudyofHowFontSizeandTypeInfluenceOnlineReading[C].
BritishHciGroupConferenceonHci:People&ComputersXxii:Culture.
2008.
[62]Margolin,S.
J.
,Driscoll,C.
,Toland,M.
J.
,Kegler,J.
L.
E.
Readers,ComputerScreens,orPaper:DoesReadingComprehensionChangeAcrossMediaPlatforms[J].
AppliedCognitivePsychology,2013,27(4):512-519.
[63]Liu,Z.
,Huang,X.
ReadingontheMove:AStudyofReadingBehaviorofUndergraduateSmartphoneUsersinChina[J].
Library&InformationScienceResearch,2016,38(3):235-242.
[64]Pattuelli,M.
C.
,Rabina,D.
Forms,Effects,Function:LISStudents'AttitudesTowardsPortableE-bookReaders[J].
AslibProceedingsNewInformationPerspectives,2010,62(3):228-244.
[65]Liu,Z.
ReadingBehaviorintheDigitalEnvironment:ChangesinReadingBehaviorOverthePastTenYears[J].
JournalofDocumentation,2005,61(6):700-712.
[66]Prensky,M.
WhyYouTubeMatters.
WhyItIsSoImportant,WhyWeShouldAllBeUsingIt,andWhyBlockingItBlocksOurKids'Education[J].
OntheHorizon,2010,18(2):124-131.
[67]Lampe,C.
,Vitak,J.
,Gray,R.
,Ellison,N.
B.
PerceptionsofFacebook'sValueasanInformationSource[C].
SigchiConferenceonHumanFactorsinComputingSystems.
2012.
[68]Hahn,K.
S.
,Ryu,S.
,Park,S.
FragmentationintheTwitterFollowingofNewsOutlets:TheRepresentationofSouthKoreanUsers'IdeologicalandGenerationalCleavage[J].
Journalism&MassCommunicationQuarterly,2015,92(1):56-76.
消费者碎片化行为:文献回顾与研究展望98科学决策2019.
03[69]Quintana,R.
M.
,Haley,S.
R.
,Levick,A.
,Holman,C.
ThePersonaParty:UsingPersonastoDesignforLearningatScale[C].
CHIConferenceExtendedAbstracts.
2017.
[70]刘海鸥,孙晶晶,苏妍嫄,张亚明.
国内外用户画像研究综述[J].
情报理论与实践,2018(11):155-159.
LiuHO,SunJJ,SuYY,ZhangYM.
LiteratureReviewofPersonaatHomeandAbroad[J].
InformationStudies:Theory&Application,2018(11):155-159.
[71]Shankar,V.
,Venkatesh,A.
,Hofacker,C.
,Naik,P.
MobileMarketingintheRetailingEnvironment:CurrentInsightsandFutureResearchAvenues[J].
JournalofInteractiveMarketing,2010,24(2):111-120.
[72]孙永波,高雪.
移动App营销研究评述与展望[J].
管理现代化,2016,36(1).
SunYB,GaoX.
ReviewandProspectofMobileAppMarketingResearch[J].
ModernizationofManagement,2016,36(1).
(本文责编:云溪)ActivityFragmentationofConsumers:LiteratureReviewLIXian-guo,JIAOTeng-xiao,LIJing-yi,SONGMing-rui,LIMengAbstract:WiththedevelopmentandpopularizationofInformationandCommunicationTechnology(ICT),Humanbehaviorstendtodemonstratemannersoffragmentation.
Itisnewpropositionforresearchersandpractitionersincommercialandmarketingmanagementfieldtounderstandthenotionoffragmentedconsumerbehaviors.
However,researchfindingsabouttheactivityfragmentationarestillscarceandthemajorityoftheseconcentrateonthefieldofgeographyandtransportation.
Scientificachievementsincommerceandmanagementaretotallyinfrequentaswellastheempiricalstudyofconsumer'sfragmentedbehaviors.
Thispapertakesthereviewofrelatedliterature,containingtheconcept,constructs,quantitativeapproach,theaffectingfactorsaswellasfragmentedreadingthatoneofthehotapplicationareaindomesticsociety.
Severaldirectionsonfutureresearchandapplicationincommercialandmobilemarketingarealsoincluded.
KeyWords:consumer;activityfragmentation;fragmentedreadingactivity;mobilemarketing