互联网平台用户偏好挖掘与推荐机理研究 ——基于经典扎根理论的探索

研究目的
探究互联网平台用户偏好挖掘与推荐的形成机理，为平台推荐系统的完善与平台推荐质量的提高提供借鉴。

研究方法
鉴于用户偏好的复杂性，现有用户对互联网平台的推荐需求也不尽相同。为了从根源上探究互联网平台用户的偏好挖掘与推荐机理，本研究选择经典扎根理论分析方法作为主要的研究工具。
本研究的主要过程包含三个步骤，也即开放性编码、主轴性编码和选择性编码。这三个编码过程是层层递进、逐步深入的关系，后一个编码的产生依赖于前一个编码的结果。

数据来源
(1）互联网平台用户访谈
(2）其他公开资料：a.通过各类网站、贴吧、媒体报道、报刊图书等渠道。b.电商网站的用户评论

资料编码和分析
(1）开放性编码
本研究的编码过程描述如下。
首先，研究资料的标签化。梳理访谈资料和其他公开资料里所反映的与互联网平台用户偏好与推荐的相关现象，不断比较分析这些现象之间的联系和区别，并为相应现象贴上标签。

其次，研究资料的概念化。重新分析上文得出的每一个标签，并对标签进行归类，能够潜在反应同一问题或现象的标签归为一个类别。同时，对每个类别的标签重新进行分析和归纳，发现标签反映现象的背后逻辑关系，获取相应的标签概念，并对每个概念进行标识。

最后，研究资料的范畴化。针对上文中提出的标签概念，将相应概念进行归类，能够潜在反映同一现象的概念归并为一个类别。同时对每个类别的概念重新分析和归纳，从而获取相应的研究范畴。经过开放式编码，本研究共得到48个标签，25个概念，18个初始范畴。

本研究开放性编码的结果如下表所示，由于篇幅限制，仅列出了部分编码。

(2）主轴性编码
主轴性编码是在开放性编码的基础上，发现开放式编码各个范畴之间的逻辑关系，并将各个范畴有机联系起来，形成一个能够准确把握研究主范畴的有机整体。

按照主轴性编码的思路，本研究得到6个主范畴，分别是群体性偏好、个体性偏好、偏好与推荐的关系、推荐反馈效应、群体推荐、个体推荐。



(3）选择性编码
选择性编码是基于主轴性编码的分析结果再次进行分析，通过对前面阶段产生的范畴以及它们之间的相互关系进行梳理，从中挖掘出本研究的核心范畴。具体而言，就是选择一个或多个有较强概括力和关联力的核心范畴来统领其他范畴，从而形成理论框架。选择性编码的目的是为了识别访谈资料反应现象的背后逻辑，发现掩盖在事物表象下的深层次原因。
本研究的核心范畴是互联网平台的用户偏好及平台用户推荐。其中用户偏好分为个体用户偏好和群体用户偏好，相应的，平台推荐也包括基于个体用户的推荐和基于群体用户的推荐。

(4）饱和度检验
依据扎根理论的研究程序，为了确保访谈资料包含信息的全面性，本研究进行了饱和度检验。依据理论饱和度原则，首先，本研究通过若干小组成员的相互校对和检验，再次对原始访谈资料形成的标签、初始概念、核心范畴等重新梳理，检查是否存在需要修正或补充的内容。其次，对预留的10份访谈资料进行分析和整理，检查是否存在新的重要范畴。研究结果发现，预留的访谈资料并未出现新的重要范畴，访谈资料信息已达到饱和。

研究发现与讨论
对于互联网平台而言，用户偏好挖掘与平台用户推荐由个体性偏好、群体性偏好、偏好与推荐关系、推荐反馈效应、个体推荐、群体推荐几个主范畴构成。互联网平台的推荐系统应综合集成个体推荐和群体推荐。个体推荐主要用于为个体用户推荐个性化的产品或服务，而群体推荐侧重于为平台产品或服务匹配合适的用户群体。

原文：互联网平台用户偏好挖掘与推荐机理研究 ——基于经典扎根理论的探索