过于个性化而无法接受？个性化可见性如何驱动感知监控与广告侵入性

《Journal of Retailing and Consumer Services》：Too personal to be accepted? How personalization visibility drives perceived surveillance and advertising intrusiveness

　　

摘要

数字广告面临的一个核心挑战在于，企业试图通过个性化来增强广告相关性，但明显地展示个人数据的使用可能引发消费者的不适和抵触。本研究在隐私计算理论和沟通隐私管理理论的指导下，构建并检验了一个模型：个性化可见性通过感知监视影响感知侵入性，并以数据敏感性和先前品牌信任作为边界条件。通过五项研究（包括四项在线受控实验和一项使用个性化手表广告的现实世界现场实验），我们考察了显性与隐性个性化线索如何影响消费者与隐私相关的反应。研究1表明，与隐性个性化视觉相比，显性个性化视觉会增加感知侵入性。研究2在一真实的平台广告环境中验证了这一主效应，表明显性个性化视觉增加了自我报告的侵入性，并在自然暴露条件下产生了方向一致的行为性广告关闭反应。研究3重复验证了该效应，并证明感知监视部分中介了这一效应，而感知广告相关性则无法解释该效应。研究4表明，当广告基于敏感的消费者数据而非一般性数据时，显性个性化可见性对感知侵入性的正向效应更为强烈。研究5进一步证明，先前品牌信任会削弱显性个性化视觉对感知侵入性的直接影响，以及通过感知监视的间接影响。这些发现从消费者行为理论的角度做出了贡献，将个性化可见性确定为广告侵入性的独立前因变量，并阐明了可见的定向线索触发隐私相关反应的监视机制。通过将受控实验证据与实地验证相结合，本研究还增强了个性化可见性理论视角的生态效度。从管理角度看，结果建议企业在涉及敏感数据或品牌信任度较低时，应避免过于明显的个性化线索。

引言

数字广告已跨越了一个关键的门槛。据美国联邦贸易委员会报告，45%的消费者已经认为明确提及个人浏览历史的广告——即所谓的"显性个性化视觉"——具有侵入性。互动广告局补充指出，降低个性化可见度可以减少此类侵入性达28%，而欧洲数据保护委员会的数据显示，感知被监视大约中介了可见性与侵入性之间关系的35%。这些行业发现共同凸显了一个新兴的管理困境：企业依赖数据驱动的相关性，但揭示数据使用的线索本身却威胁到疏远近一半的受众。

基于这一张力，学者们逐渐记录下了一个不断扩大的"个性化-隐私悖论"，即AI驱动的定制化内容和互动式零售代理的好处与不断升级的隐私担忧及对品牌真实性的需求相互冲突（Cloarec等，2022；Brüns和Mei?ner，2024；Cenizo，2025）。隐私计算理论认为，消费者在决定如何回应个性化优惠时，会权衡预期效用与隐私成本（Hayes等，2021）。补充这一成本-收益逻辑，沟通隐私管理理论指出，个人会管理个人信息周围的边界，当第三方越界时会产生心理逆反（Petronio，2002）。重要的是，这两个框架都暗示侵入性并非仅仅由数据收集本身触发，而是由该数据使用的可见性以及由此产生的被监视感触发。然而，尽管隐私计算领域的研究日益丰富（Chen等，2022；Lambillotte等，2022；Plangger和Montecchi，2020），鲜有研究明确建模个性化线索的鲜明程度——我们称之为"个性化可见性"——如何通过感知监视影响感知侵入性。

个性化可见性存在于一个连续谱上。一端是隐性视觉——微妙的相关性信号，在"幕后"运作。另一端是显性视觉，例如广告文案宣称"Sarah，这是专属于你的！"。先前的研究表明，显性线索可能适得其反，通过放大隐私风险感知和加剧令人毛骨悚然的感觉，尤其是在将生成式AI和算法推荐整合到以客户为中心的服务互动中时（De Keyzer、Buzeta和Lopes，2024；Bilal等，2024；Chang等，2024；Gupta和Rathore，2024）。然而，个性化可见性仍然与其他信息属性（例如享乐型与工具型框架的内容；Tsekouras等，2024）以及平台特征（Scholdra等，2023）纠缠在一起。因此，该领域缺乏一个简洁的模型，能够将与内容效价分离的可见性分离出来，并追溯其到侵入性的心理路径。这进一步因以下事实而复杂化：个性化可见性很少与概念相关但有区别的构念（如信息透明度、定向披露/显性定向和感知个性化）分离开来（Kim等，2019；Lambillotte等，2022；De Keyzer、Dens和De Pelsmacker，2022；Tsekouras等，2024）。通过突出感知监视作为中介变量，本研究填补了这一空白，并回应了反复呼吁拆解个性化策略与消费者不适之间"黑箱"的诉求（Greene等，2023）。

同等未被充分探索的是决定可见性何时变成令人毛骨悚然的边界条件。两个调节变量在理论上尤为突出。第一，数据敏感性——个性化是依据高度个人化的属性（例如健康状况）还是平凡属性（例如天气位置）——应该会放大被注视的感觉，加剧侵入性（Kim等，2023）。第二，先前品牌信任可以通过传达对消费者数据的善意管理来缓冲偏执感（Hayes等，2021）。将这些调节变量与隐私计算理论和沟通隐私管理理论整合，表明来自低信任品牌的、利用敏感数据的显性视觉尤其可能突破隐私边界，加剧感知监视并引发侵入性。相反，隐性视觉或来自可信品牌的视觉可能维持隐私计算中的净收益。

除澄清心理机制外，理解这些动态具有重要的实际意义。尼尔森（2025）估计，显性视觉使侵入性提高40%，加上曝光量的累积效应，会导致显著的收入流失。同样，Gartner（2025）警告称，感知监视威胁到侵蚀客户终身价值，因为它会削弱参与意愿。学术研究证实了这些商业风险：显性定向可能抑制点击率和购买意愿，除非有合理的解释（Tsekouras等，2024）；高度侵入性会引发广告回避和负面口碑（De Keyzer等，2022）。因此，界定可见性如何、何时、以及为何将个性化从有益转变为令人毛骨悚然，不仅是理论问题——它是视觉驱动和机器人零售行业中增强消费者参与和持续互动意愿的战略必需要务（Chakraborty等，2024；Cheng等，2024；De Kervenoael等，2024）。

因此，本研究提出并实证检验了一个整合模型（图1），在该模型中，个性化可见性（显性与隐性视觉）增加感知侵入性，感知监视作为心理机制发挥作用。我们进一步提出：(a)当个性化引用敏感数据而非一般性数据时，该中介作用会加剧；(b)当先前品牌信任度高时，该效应会减弱。换句话说，相同的显性线索根据数据类型和关系背景的不同，可被解读为负责任的定制或侵入性的越界。我们的方法扩展了近期关于透明数据使用有时能减轻隐私成本的证据（Lambillotte等，2022a；Lambillotte等，2022b），通过证明透明度的形式——数据关联的可见程度——反而可能加剧监视感并覆盖控制收益。本研究做出三项主要贡献。第一，它引入了个性化可见性作为一个独立构念——在概念上和实证上可与透明度、定向披露、感知个性化和个性化强度相区分——并证明可见性激活的是基于监视的心理机制，而非基于信任或控制的机制（Cheng等，2023；Plangger和Montecchi，2020）。第二，它确定了感知监视作为连接可见性与侵入性的关键中介变量，从而具体说明了为何显性个性化线索会适得其反，超越了现有隐私计算理论的解释范围（Farman等，2020；Niu等，2021）。第三，通过检验数据敏感性和先前品牌信任作为边界条件，本研究揭示了何时可见的个性化最可能被感知为侵入性而非有益的，从而提供了一个条件过程视角，调和了关于个性化效果相互矛盾的发现（Okazaki等，2020；Bleier和Eisenbeiss，2015）。

为定位本研究的探索，我们综合了三条研究脉络。第一，关于信息透明度的研究显示出混合效应：一些消费者赞赏了解内容为何被定制化，并对透明的AI代理表现出更高的接受度（Lambillotte等，2022a；Lambillotte等，2022b；Arce-Urriza等，2025），而另一些消费者则在定向标准被暴露时退缩（Tsekouras等，2024）。第二，监视研究表明，监控线索可能削弱程序正义并触发隐私侵犯（Alge，2001）。近期的量表开发强调，仅仅感到被观察就会降低信息披露意愿（Lefkeli等，2022）。第三，个性化-隐私悖论研究揭示，毛骨悚然和感知侵入性等情绪反应中介了下游行为（Cloarec等，2022；De Keyzer等，2024）。然而，这些领域很少交叉；鲜有研究明确将个性化的视觉可见性与监视感知联系起来。通过将它们编织进一个统一的框架中，我们推进了一个更细致的消费者反应账户，既关注收益-成本权衡，也关注边界管理规则。当前框架在两个阶段的整合中结合了沟通隐私管理理论和隐私计算理论：个性化可见性首先在沟通隐私管理理论下触发边界动荡——消费者感知到企业跨越了信息边界——这随后将隐私计算理论中的成本-收益计算推向更高的感知监视和侵入性。在此意义上，隐私计算理论提供了成本-收益的计算逻辑，而沟通隐私管理理论则识别出可见性作为激活计算成本一侧的具体线索（Pizzi和Scarpi，2020；Zhu等，2022）。

在实证层面，我们采用五项研究、多种方法的研究设计来检验所提出的模型。研究1通过比较在线受控广告实验中的显性与隐性个性化视觉，确立了个性化可见性的基本因果效应。研究2随后将此证据扩展到现实世界现场环境，在一个在线零售平台上实施了显性与隐性个性化手表广告的A/B测试，从而评估主效应是否能在假设暴露之外得到推广。研究3考察心理机制，通过检验感知监视作为核心中介变量，并排除感知广告相关性作为替代解释。研究4引入数据敏感性作为边界条件，检验当显性个性化似乎依赖敏感数据而非一般消费者数据时是否特别具有侵入性。研究5考察先前品牌信任作为关系边界条件，检验信任是否削弱了显性个性化可见性的直接影响和监视中介的效应。在这些研究中，感知侵入性通过经过验证的多题项量表评估，感知监视通过已验证的观察相关题项测量，现场研究中还纳入了补充的行为指标以增强证据的稳健性。

从实践角度看，这些见解为企业利用AI个性化而不跨越"毛骨悚然边界"提供了指导。管理者应校准可见度，确保显性线索谨慎使用或搭配强有力的信任建设信号，特别是在使用敏感数据时。监管者可利用感知监视是侵入性关键因素的发现来制定披露指南，既促进用户控制权又遏制不必要的可见性。最后，平台设计者可实验微妙且情境适当的个性化，在保持相关性收益的同时最小化可观察性，从而维持长期的消费者参与。

节选片段

隐私计算理论与沟通隐私管理理论

隐私计算理论源于信息隐私和社会交换研究，将披露解释为预期个性化收益与隐私风险之间的权衡（Culnan和Armstrong，1999；Dinev和Hart，2006）。沟通隐私管理理论源于Petronio的边界管理框架，解释了人们如何制定关于个人信息的规则、如何与他人协调这些规则，以及在信息边界被跨越时如何应对（Petronio，2002）。

个性化可见性、感知监视与感知侵入性

基于第2.1节中开发的整合框架，我们首先考察个性化可见性是否增加感知侵入性，以及感知监视是否中介这一效应。隐私计算理论认为，消费者在评估数字信息时不断权衡个性化收益与隐私成本（Cloarec等，2022）。当广告包含显性个性化视觉——例如按名字问候观看者——隐私成本变得

研究概述

通过五项研究，本研究探讨了数字广告中的个性化可见性如何影响消费者的感知侵入性。研究1在一个受控在线实验中确立了主效应，表明显性个性化视觉相对于隐性个性化增加了感知侵入性。

研究2在真实在线零售广告环境中对该主效应进行了实地验证，证明相同的可见性效应同样存在。总体讨论：本研究证明，个性化可见性是感知侵入性的一个稳健前因变量，且该效应部分通过感知监视作用实现。在研究1和研究2中，显性个性化视觉元素始终比隐性个性化视觉元素产生更高的感知侵入性，研究2将该效应从受控在线环境扩展到了基于平台的真实广告环境。研究3进一步揭示，该效应部分通过……CRediT作者贡献声明：魏少木：写作—审阅与编辑、写作—初稿、方法论、形式分析、概念构思。胡智辰：形式分析、数据管理。张大鹏：资源提供、经费获取。刘潇：方法论、调查研究。利益冲突声明：作者声明，他们不存在任何已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。致谢：本研究未获得公共、商业或非营利部门任何资助机构的专项资助。魏少木 | 胡智辰 | 张大鹏 | 刘潇