重塑消费者对电子商务的信任:区块链技术的作用及其行为影响

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》:Restoring consumer trust in e-commerce: The role of blockchain technology and its behavioral implications

【字体: 大 中 小 】 时间:2026年01月01日 来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE 13.3

编辑推荐:

  路易莎·乌奇科希 | 比约恩·弗兰克 早稻田大学商学院,日本东京新宿区西早稻田1-6-1,邮编169-8050 **摘要** 区块链技术具有独特的技术特性,这些特性有助于电子商务企业重新赢得因网络欺诈而失去的消费者信任。然而,其有效性及其背后的机制仍不明确。本文基于

  路易莎·乌奇科希 | 比约恩·弗兰克
早稻田大学商学院,日本东京新宿区西早稻田1-6-1,邮编169-8050

**摘要**
区块链技术具有独特的技术特性,这些特性有助于电子商务企业重新赢得因网络欺诈而失去的消费者信任。然而,其有效性及其背后的机制仍不明确。本文基于信任形成理论,探讨了这些区块链技术特性的有效性以及它们如何根据消费者需求而变化。研究采用了多方法相结合的方式,包括一项随机分组实验(研究1:727名消费者;预测试:45人)以及对技术娴熟的消费者实际体验的多波调查(研究2:563名消费者;预测试:30人)。一致且统计上显著的结果表明,区块链技术的隐私所有权、隐私货币化和元数据透明度等特性能够提升消费者对电子商务平台的信任。然而,如果区块链平台对犯罪分子开放,允许消费者购买非法产品,那么只有有非法购买需求的消费者才会增加信任,而其他消费者则会减少信任。信任在这些区块链技术特性对消费者支付额外费用意愿和零售使用意图的影响中起到中介作用,而这些因素又进一步影响了他们未来的实际零售使用行为。这些发现将信任形成理论扩展到了区块链技术的背景下,并为零售从业者提供了一种强大的新工具,以增加在线商店的消费者购买量。

**1. 引言**
信任是社会的基本构建块,因为所有人类互动都依赖于信任(Mazzella等人,2016)。信任还具有重要的经济后果(Sucher和Gupta,2019)。例如,涉及商业丑闻的企业会因违反利益相关者信任而遭受估值下降(Herbas Torrico等人,2018;Schumpeter,2018)。许多这类丑闻都与亚马逊、谷歌和Facebook等集中式在线平台上的消费者数据泄露有关。这些泄露是由于技术缺陷(如对消费者个人数据的缺乏透明度)以及企业对消费者数据的绝对控制权导致的治理失败(Garaus和Treiblmaier,2021;Gefen等人,2003)所促成的。有限的信任会给企业带来挑战,例如消费者会避免使用依赖信任的电子服务。新技术,如区块链和机器智能(Frank等人,2021;Frank,2024;Garaus和Treiblmaier,2021;Shi等人,2025;Wissawaswaengsuk等人,2025),可能通过赋予消费者权力并创造更好的在线用户体验来重建信任(Epstein,2017)。特别是区块链作为一种去中心化且安全的技术,可以重建消费者信任(Ali等人,2023;Gan和Lau,2024;Zhong等人,2020),而集中式机构(如银行、电子邮件服务提供商和电子商务平台)则容易受到黑客攻击和操纵(Crosby等人,2016;Karamchandani等人,2020)。区块链技术是一种分布式账本或数据库,以链式结构存储大量交易。由于区块链的加密能力,这些交易具有高度安全性(Gan和Lau,2024;V?lter等人,2023)。我们认为,区块链的独特特性有助于使用区块链应用的企业提升消费者的信任。我们对文献的贡献在于识别这些独特特性,并比较消费者对这些特性的信念(称为区块链信任信念)在现实世界区块链技术应用中建立消费者信任方面的有效性。这将为企业提供信息,帮助他们利用这项技术增加消费者的信任和购买量。

**2. 文献综述**
大多数相关研究集中在区块链技术的用例上,或是概念性的,或是通过少量访谈得出结论(例如,Ali等人,2023;Kowalski等人,2021)。同时,关于区块链背景下信任形成机制的坚实实证证据很少(Marella等人,2020;V?lter等人,2023)。此外,除了Garaus和Treiblmaier(2021)的研究外,大多数相关研究仅关注主要效应,忽略了信任形成的调节因素。此外,以往关于区块链背景下信任形成的文献强调了技术的隐私性和透明度带来的积极效应,但没有解决确保数据私密性同时保持透明性的潜在矛盾。这些矛盾需要得到解决。

为填补这些文献空白,我们将信任形成理论(Mayer等人,1995)应用于区块链技术这一新领域。在这种背景下,算法而非人类或人工监督的技术自主管理流程。我们将区块链技术分解为其独特的技术特征(具体包括隐私所有权、隐私货币化、元数据透明度和非法访问),并强调消费者对这些特征的信念在信任形成中的作用。在此过程中,我们避免了隐私和透明度概念之间的重叠。我们还研究了这些区块链特征的影响如何依赖于消费者的个人价值观这一未被探索的调节因素。此外,我们将消费者对基于区块链的电子商务(即使用区块链的在线零售平台)的信任与消费者行为联系起来。我们通过两项研究中的1393名美国消费者的回答来实证检验这些效应。研究1是一项实验,研究2是对消费者实际使用此类平台经验的多波调查。

**3. 理论背景**
**3.1. 区块链技术的定义和类型**
从功能角度来看,区块链结合了数据库和协议(Casino等人,2019)。这种类型的数据库允许用户添加信息,但不能修改之前的条目(Yang等人,2020)。因此,如果用户试图修改存储在区块链中的信息(由于强大的加密算法,这很困难),数据库的完整性将会改变,所有参与用户都会察觉到这一点(Yang等人,2020)。这使得区块链技术成为实现透明度的强大工具(Ali等人,2023;Roggeveen和Sethuraman,2020)。

**3.2. 区块链技术在建立电子商务消费者信任中的潜在作用**
缺乏信任是阻碍电子商务采用的最大障碍(Hoffman等人,1999;Wissawaswaengsuk等人,2025)。当前的电子商务商业模式依赖中介(如亚马逊或eBay)通过提供安全性来建立消费者信任(Salam等人,2003)。消费者为此支付(有时是隐藏的)交易费用(Marella等人,2020)。然而,这些中介充当垄断者(West,2022),并通过要求消费者接受密集的数据监控并将其宣传为个性化推荐所必需的手段来破坏消费者信任(West,2022)。这种监控使像亚马逊这样的中介以牺牲消费者的隐私和财务利益为代价增加市场价值(Tangalakis-Lippert,2022)。此外,关于亚马逊等平台如何运作、如何使用和从消费者数据中获利以及如何支持监管努力的缺乏透明度,也便于信息被操纵(West,2022)。例如,集中式中介可以在用户不知情的情况下修改其在线系统中的信息并创建虚假的电子文件(Dai等人,2017)。此外,这些集中式中介容易受到黑客攻击(Crosby等人,2016;Odiete等人,2018),因为它们存在单点故障风险(Singh和Sharma,2022)。因此,集中式平台在庞大的数据库中积累数据,未能充分保护用户的个人信息。

区块链可以通过提高透明度和消除对集中式中介的需求来缓解这些问题(Kamble等人,2021;Wan等人,2022;Wang等人,2023)。这将解决消费者对集中式中介的不信任(Nakamoto,2008)。区块链记录了每一笔交易或转账。因此,任何侵占或欺诈行为都可以通过追踪区块链来发现(Ali等人,2023;Dai等人,2017)。区块链可以为消费者和企业提供解决方案,如防止欺诈、供应链透明度、支付透明度、消费者奖励和数据隐私(Gan和Lau,2024;Garaus和Treiblmaier,2021;Harvey等人,2018)。通过提高透明度、奖励消费者、促进数据隐私和消除欺诈,区块链有可能改变数字信任的本质(Shin,2019)(见表1)。我们的文章是首次对影响电子商务中信任形成的区块链特性消费者信念进行的主要实证研究(见表1)。

**表1. 关于区块链背景下信任形成的实证文献中的位置**
| 年份 | 作者 | 解释信任形成的理论 | 方法 | 区块链类型 | 国家 | 样本量 | 因变量 | 预测变量的效应 | 这些效应的调节因素 |
|------|--------|------------|---------|-------|---------|------------|------------------|------------------|最终,一个实体的完整性是指另一方(例如消费者)认为该实体具有一套可接受的道德和标准(Mayer等人,1995年)。在本文中,我们提出基于区块链的电子商务平台的特性(隐私所有权、隐私货币化、元数据透明度,以及对有非法购买需求的消费者提供非法访问权限,而对没有此类需求的消费者则不提供)可以通过传达能力、善意和完整性来增强消费者的信任(见图1中的概念模型)。除了将信任形成理论扩展到区块链背景外,我们还将消费者的个人需求作为调节因素,提供了对该理论边界条件的新见解。基于Mayer等人(1995年)的信任形成理论,并结合过去关于信任与行为关系的研究(Shi等人,2025年)以及其他区块链背景下的研究(Gan和Lau,2024年;Garaus和Treiblmaier,2021年),我们证明了信任在基于区块链的电子商务背景下对消费者的意图和行为有积极影响。

下载:下载高分辨率图片(330KB)
下载:下载全尺寸图片

图1. 概念模型和假设

3. 假设的发展
基于区块链的电子商务中的信任。根据信任形成理论(Mayer等人,1995年),信任是指一方愿意暴露自己(即允许自己受到另一方的行为影响),尽管无法监控或控制后者,基于预期后者会执行重要的行动。我们假设这一原则也适用于区块链背景,因为区块链的功能类似于一个组织,其中人们被共识算法和节点所取代,这些节点在共享基础设施内就交易达成一致。因此,信任是放在技术本身(即算法)上的(Odiete等人,2018年),而技术是由人们(即节点)操作的。根据信任形成理论,一个实体的能力、完整性和善意驱动了对该实体的信任(例如,使用区块链技术的平台)。因此,我们研究了消费者对区块链特性的看法,包括隐私所有权、隐私货币化、元数据透明度和非法访问权限,如何通过反映他们对区块链所感知的能力、完整性和善意来影响他们的信任。

隐私所有权。隐私所有权是指拥有和控制(例如,加密)个人数据的权利。然而,个人数据所有权在任何司法管辖区都尚未得到承认(Hummel等人,2021年)。在缺乏法律保护和执行的情况下,区块链技术凭借其去中心化结构和基于密码学的安全性(Rejeb等人,2020年),可以提供一种保护和支持隐私所有权的技术手段。它比集中式技术做得更好(Ziccardi,2012年)。使用信任形成理论(Mayer等人,1995年)的术语,这代表了基于区块链的平台为其用户提供的一种能力。能力是指拥有在某一领域内产生影响所需的技能和属性(Mayer等人,1995年)。从这个意义上说,区块链具有允许用户拥有和控制其数据的能力(Casino等人,2019年)。此外,用户认为他们有道德权利拥有(即拥有和控制)自己的数据(Hummel等人,2021年)。因此,用户可能会将区块链在无私保护和执行这一隐私所有权方面的作用视为一种反映可接受道德和标准的完整性行为,以及一种没有自私(例如,经济)动机的善意行为(Mayer等人,1995年)。由于信任形成理论认为实体的能力、善意和完整性是对该实体信任的关键驱动因素(Mayer等人,1995年),我们提出隐私所有权将增加消费者对基于区块链的电子商务平台的信任。

H1 隐私所有权对平台信任有积极影响。

隐私货币化。隐私货币化是指用户能够将其私人数据的访问权限出售给另一方,例如电子商务平台上的商店或第三方。区块链平台倾向于为用户提供货币化其隐私的选项。相比之下,集中式平台(例如亚马逊)不提供这一选项,而是选择从商店所有者和第三方那里获取(大部分隐藏的)利润(Odiete等人,2018年;Rejeb等人,2020年)。具体来说,区块链平台保护用户数据,并允许用户通过与用户选择的方分享数据来货币化这些数据(Harris,2020年)。换句话说,区块链平台使用户能够捕获他们参与的价值(Casino等人,2019年)。使用信任形成理论(Mayer等人,1995年)的术语,用户将隐私货币化功能视为平台的一种能力和一种反映完整性的善意行为。这是因为集中式平台自私地从用户数据中获利,而不是做道德上正确的事情,让用户从自己的数据中获利。善意涉及关心另一方(例如消费者),没有自我利益,也不从这种关系中获益,而完整性反映了一组可接受的道德和标准(Mayer等人,1995年)。由于消费者可能会将数据货币化功能的存在视为一种能力和善意与完整性的表现,而所有这些都被信任形成理论认为会影响信任(Mayer等人,1995年),我们预测隐私货币化将增加消费者对基于区块链的电子商务平台的信任。

H2 隐私货币化对平台信任有积极影响。

元数据透明度。元数据是描述其他数据的数据。在区块链中,元数据传达了关于交易的重要信息,例如参与用户的匿名ID,而不暴露他们的身份或个人数据,如购买历史或家庭地址(Benisi等人,2020年),这些是唯一值得货币化的数据。透明度是指详细数据的呈现。透明度通过展示决策是如何以及由哪些参与者做出的来增强某个实体的合法性(Gillman,2023年)。元数据透明度意味着元数据是公开可用的(即,不是隐藏的或仅限于相关方),使它们变得透明。与集中式平台(例如亚马逊)不同,区块链平台倾向于提供元数据透明度。透明的元数据可以提供对匿名交易方面(例如匿名用户ID)和元数据更改(例如用户ID)以及公开可用数据(例如编辑后的产品评论)的洞察。使用信任形成理论(Mayer等人,1995年)的术语,用户可能将交易跟踪和对元数据更改(例如用户ID)及公开发布数据(例如在线评论)的实时访问视为电子商务平台的能力和善意的体现。这是因为此类信息的公开可见性可能帮助用户做出购买决策(即能力),而无需回报(即善意)(Mende和Noble,2019年)。用户也可能将提供元数据公开访问而不是隐藏元数据的做法视为诚实和真诚的行为,因此也是完整性的体现。由于用户因此可能将元数据透明度视为能力、善意和完整性,而所有这些都被信任形成理论认为会影响信任(Mayer等人,1995年),我们预测元数据透明度将对消费者对基于区块链的电子商务平台的信任产生积极影响。

H3 元数据透明度对平台信任有积极影响。

非法购买需求对非法访问对信任影响的调节作用。非法访问是指消费者不受限制地使用平台从犯罪卖家那里获取非法产品。相比之下,受限访问,如在亚马逊或Google Play上,只允许经过批准的卖家访问,并旨在防止非法产品和犯罪卖家。开放的区块链作为非法访问的技术基础,允许开发者、卖家和消费者不受限制地访问(Eisenmann等人,2009年;Kwon和Shao,2021年)。这种不受限制的访问允许非法产品的卖家加入平台并隐藏他们的身份,从而方便消费者获取非法产品(Marella等人,2020年)。

我们认为,消费者的非法购买需求(即对非法产品的需求:Kim等人,2009年)调节了非法访问对消费者信任的贡献程度。使用信任形成理论(Mayer等人,1995年)的术语,有非法购买需求的消费者可能会将非法访问视为区块链平台提供获取必要非法产品的能力的体现,其在无私尊重消费者需求方面表现出的善意,以及其在保护消费者获取所需产品道德权利方面的完整性。根据信任形成理论(Mayer等人,1995年),对更高能力、善意和完整性的感知会增加信任。相比之下,没有非法购买需求的消费者可能会将非法访问视为区块链平台无法阻止犯罪者的能力不足,其在自私地吸引流量到平台上以促进犯罪活动方面的善意不足,以及其在未能保护消费者阻止犯罪者的道德权利方面的完整性不足。根据信任形成理论(Mayer等人,1995年),对较低能力、善意和完整性的感知会降低这些消费者对平台的信任。

H4 非法购买需求对非法访问对平台信任的积极影响具有调节作用,即非法访问对有非法购买需求的消费者的平台信任有积极影响,而对没有非法购买需求的消费者的平台信任有负面影响。

4. 研究1:实验
4.1. 方法:实验设计
研究1采用2(隐私所有权:低 vs. 高)× 2(隐私货币化:低 vs. 高)× 2(元数据透明度:低 vs. 高)× 2(非法访问:低 vs. 高)的被试间设计。我们进行了实验来测试我们的假设并确定所提出效应的因果性质。

区块链技术特征的操纵。我们随机将参与者分配到十六种情景之一(隐私所有权 × 隐私货币化 × 元数据透明度 × 非法访问,每种都是高或低)。每种情景都包含了对OpenCommerce的相同一般描述,OpenCommerce是一个使用区块链技术的点对点电子商务网站,与亚马逊不同,它不是由单一公司运营的,该公司不介导消费者和卖家之间的交易。然后我们描述了OpenCommerce的特性,并操纵了区块链技术特征的级别。附录1包括这些描述和操纵。附录2包括我们的人口统计、个人需求、信任、使用意图以及支付额外费用使用基于区块链的电子商务的意图的测量方法。

4.2. 数据收集和样本
我们针对美国的消费者,因为美国拥有最大的经济,并且个体主义消费者可能更关心隐私所有权(H1),并且更会根据他们的个人需求行事(H4),而集体主义消费者可能更重视群体需求。首先,我们使用从MTurk(一个由亚马逊运营的知名美国众包平台)收集的数据进行了预测试,该平台经常用于消费者研究。在确保我们的测量方法的有效性后,我们在2021年3月通过随机抽样从MTurk招募了受访者。文献表明,MTurk的参与者具有高度多样性,比大学学生样本更为多样(Buhrmester等人,2011年)。此外,MTurk的数据质量与在实验室环境中收集的数据或使用市场研究公司的专业在线小组的数据相当或更好(Buhrmester等人,2011年;Kees等人,2017年)。这些数据代表了我们的目标人群:熟悉网络的美国普通消费者,他们可能更倾向于在线购物。为了排除由机器人生成的数据或使用伪造IP地址假装美国位置的受访者,我们包括了注意力检查(在数据收集前得到了我们大学的批准),这些检查验证了图像内容的正确识别、对文本的理解以及在开放式回答中大致正确的英语。我们的数据收集是匿名的,并符合知情同意和伦理的机构要求。

共有727份回应。84%的受访者是全职员工,这使我们的样本与纯学生样本不同。这表明受访者具有在电子商务平台上进行购买的财务能力,这与我们的研究目标一致。略超过一半的受访者是男性,大多数相对年轻,且大多数至少拥有学士学位。这些特征与区块链等尖端技术在男性、年轻和受过良好教育的消费者中的日益流行相符,符合早期技术采用者的特征(Frank等人,2015年)。因此,样本与我们的研究目标一致。

4.3. 数据有效性
收敛效度和区分效度。验证性因素分析(CFA)的结果(χ2/df = 3.99,CFI = 0.95,RMSEA = 0.06,90% RMSEA置信区间(CI)的上限(UL)= 0.07)符合模型拟合优度的标准(χ2/df < 5,CFI ≥ 0.95,RMSEA ≤ 0.07,90% RMSEA CI的上限 ≤ 0.1)(Hair等人,2010)。此外,如表2所示,所有平均提取方差(AVE)、Cronbach's α和复合可靠性(CR)的值均满足收敛效度标准(AVE > 0.5,α > 0.7,CR > 0.7)。所有项目在其各自构念上的载荷均显著,载荷值达到0.7或更高。此外,每个构念的AVE都大于与其他所有构念的平方相关性,这证明了区分效度(Hair等人,2010)。为了进一步评估区分效度,我们使用了R?nkk?和Cho(2022)提出的方法。我们将CFA模型中所有因子相关性的95% CI的上限与阈值进行了比较:严重(UL ≥ 1),中等(0.9 ≤ UL < 1),边缘(0.8 ≤ UL < 0.9)和没有问题(UL < 0.8)。我们的结果表明,几乎所有因子相关性都没有问题(UL < 0.8),只有两个边缘的(即不显著的)区分效度问题,其中将其解释为不同构念是“可能安全的”(R?nkk?和Cho,2022)。这些问题包括一个未用于假设检验的操作检查指标(UL = 0.84 < 0.9)以及我们两种行为意图测量方法之间的区别(UL = 0.86 < 0.9)。这些问题都不会影响用于检验我们假设的测量方法的有效性。

表2. 多项构念的相关性和描述性统计(研究1和研究2)。

**表2. 多项构念的相关性和描述性统计(研究1和研究2)**

| 构念 | 平均提取方差(AVE) | Cronbach's α | 复合可靠性(CR) |
|-----------------|------------|-----------|-----------|
| 平台信任 | 0.71 | 0.85 | 0.92 |
| 隐私所有权 | 0.24 | 0.36 | 0.37 |
| 隐私货币化 | 0.10 | 0.02 | 0.34 |
| 元数据透明度 | 0.10 | -0.02 | 0.28 |
| 非法访问 | -0.04 | -0.03 | 0.03 |
| 非法购买需求 | 0.40 | 0.05 | 0.07 |
| 使用平台的意图 | 0.64 | 0.10 | 0.08 |
| 愿意支付额外费用 | 0.60 | 0.07 | 0.08 |

**描述性统计(研究1)**
- Cronbach's α:0.85
- 平均提取方差(AVE):0.59
- 最高相关性(r):0.64
- 最高平方相关性(r2):0.41

**描述性统计(研究2)**
- Cronbach's α:0.88
- 平均提取方差(AVE):0.65
- 最高相关性(r):0.71
- 最高平方相关性(r2):0.50

**收敛效度(α > 0.7 和 AVE > 0.5)**:是
**区分效度(AVE > r2)**:是

**测量项目数量**:45(研究1);43(研究2)

**注:**
- *p < 0.05;**p < 0.01;***p < 0.001(双侧p值)。
- 研究1的相关性(样本量:727)在对角线下方,研究2的相关性(样本量:563)在对角线上方。

**操作检查。**我们对每个被操纵的变量进行了单因素方差分析(ONE-WAY ANOVA),使用了附录2中报告的感知测量值的标准化值。所有结果都显示了预期的方向上的显著效应,证实了操纵隐私所有权(F(1, 725) = 134.70, p < 0.001, ηp2 = 0.16, Mlow = -0.40, Mhigh = 0.39)、隐私货币化(F(1, 725) = 157.90, p < 0.001, ηp2 = 0.18, Mlow = -0.43, Mhigh = 0.42)、元数据透明度(F(1, 725) = 158.33, p < 0.001, ηp2 = 0.18, Mlow = -0.40)和非法访问(F(1, 725) = 167.54, p < 0.001, ηp2 = 0.19, Mlow = -0.49, Mhigh = 0.41)的成功。

**共同方法偏差(CMB)。**我们的实验方法在检验假设时避免了CMB。为了检验剩余变量的CMB,我们使用了Podsakoff等人(2003)提出的标记变量技术,以及一个包含三个项目的社区伦理量表(见附录2)作为方法变异的标记。该量表衡量个体所在社区对其道德行为的期望程度(Shafer, 2002)。使用Podsakoff等人(2003)和Williams等人(2010)的方法,我们通过比较带有标记变量的CFA模型来检验CMB。由于模型u和模型r之间没有统计学上的显著差异(df = 28, p > 0.1),任何潜在的CMB都不会影响我们模型中构念间关系的结果。

**4.4. 假设检验**
为了检验我们的假设,我们进行了2 × 2 × 2 × 2的协方差分析(ANCOVA)及其相应的回归分析。我们使用信任作为因变量,四个被操纵变量及其交互效应以及非法购买需求与非法访问的交互效应作为自变量,消费者的性别和教育水平作为控制变量。在计算交互效应之前,我们对所有变量进行了标准化。由于所有方差膨胀因子都低于1.1,因此多重共线性不是问题(Mason和Perreault, 1991)。

**信任的先行因素。**表3显示了在通过向后选择方法消除了所有高阶交互作用后的回归分析结果,这些交互作用均不显著。这表明不同的区块链技术特征在建立信任方面是独立的。根据调整后的R2,该模型解释了22.9%的信任方差。这表明区块链特征影响信任,但它们并不能完全解释剩余的方差。因此,电子商务平台除了区块链技术外,还需要额外的信任建设措施。我们的假设检验证实,隐私所有权、隐私货币化和元数据透明度对信任有积极影响,支持H1、H2、H3。非法访问对有非法购买需求的消费者(即高于平均值一个标准差)的信任有积极影响,对没有此类需求的消费者(即低于平均值一个标准差)的信任有负面影响,支持H4。关于控制变量,教育水平和非法购买需求对信任有积极影响,但性别没有影响。图2的左侧可视化了这种交互效应。ANCOVA得出的结论与我们的回归分析一致。

**表3. 基于区块链的电子商务中消费者信任形成的机制。**

**研究1:实验**
**研究2:调查**

**因变量:**平台信任
**自变量:**
- 隐私所有权(H1):0.227
- 隐私货币化(H2):0.065
- 元数据透明度(H3):0.088
- 非法购买需求 × 非法访问(H4):0.066

**调节效应:**
- 低自我控制 × 使用平台的意图:-0.19

**拟合统计:**
- 调整后的R2:0.377

**样本量:**727(研究1);563(研究2)

**注:**
- 回归分析。*p < 0.05;**p < 0.01;***p < 0.001(双侧)。所有变量在计算交互项之前均已标准化。

**4.5. 稳健性检验**
我们使用了形成性而非反射性测量方法进行了稳健性检验。我们没有使用因素分析,而是计算了每个构念项目的平均值,并将这些变量纳入回归模型中。结果非常相似,进一步验证了假设。为了进行额外的稳健性检验,我们增加了额外的控制变量,即年龄、职业和区块链知识,并进行了相同的回归分析来检验假设。结果在显著性和方向上保持一致。

**4.6. 讨论**
研究1证实,隐私所有权、隐私货币化、元数据透明度以及非法访问和消费者非法购买需求的交互效应共同解释了普通消费者(不一定是区块链专家)对基于区块链的电子商务平台的信任。这种信任又反过来调节了消费者使用平台的意图以及如果平台不是免费的他们愿意支付额外费用的意愿。研究1的受控实验设计通过随机分配参与者消除了潜在的偏差,并提供了假设效应的因果性质的证据。然而,研究1并未反映消费者的实际体验,因为大多数普通消费者尚未使用区块链平台。为了解决这个问题,我们进行了研究2,其中包括了对消费者实际使用基于区块链的电子商务平台的多波调查。研究2还测试了假设的机制是否不仅影响消费者的行为意图,还影响他们的实际未来行为。

**5. 研究2:多波调查**
**5.1. 方法:多波调查**
为了检验我们的假设,我们为至少使用过一次基于区块链的电子商务平台的消费者设计了一份调查。一个资格问题确保没有此类经验的受访者被排除在调查之外。我们要求所有受访者使用与研究1中相同的测量方法(见附录2)对特定的基于区块链的电子商务平台进行评分。由于不同平台在四种区块链技术特征的强度上存在显著差异(例如提供的隐私货币化机会和非法访问的程度),并且消费者信任受到他们对平台主观感知的影响,我们通过研究1中用于操作检查的感知测量方法来衡量区块链技术特征(H1、H2、H3、H4)。

**5.2. 数据收集和样本**
首先,我们通过Measure Protocol(一家使用和推广区块链技术的市场研究公司)从30名消费者那里收集了预测试数据。该公司通过随机抽样提供了具有代表性的基于区块链的电子商务经验的消费者样本。测试调查包括几个注意力控制措施(例如,反向编码的题目、开放式问题、在调查上花费的时间以及关于区块链体验的细节),并改变了问题的顺序。然后,我们从2021年4月到5月,通过各种区块链用户/开发者相关的社交媒体群组(Facebook、LinkedIn、Twitter、Instagram、Telegram和Discord)以及Measure Protocol随机抽样,收集了第一波调查(t1)的数据。我们的数据收集得到了563个观察样本。八个月后,即2021年12月,我们通过重新联系受访者收集了第二波调查(t2)的数据,得到了103个观察样本。样本特征与研究1非常相似,符合我们的研究目标。大多数受访者是全职员工,其中略超过一半是男性,大多数人的教育程度至少为学士学位,这与早期采用区块链技术的人的特征一致(Frank等人,2015)。两波调查的人口统计分布相似,表明第二波的流失没有偏向任何特定人群。

**5.3. 数据有效性**
如表2(第一波)和表5(第二波)所示,所有AVE、Cronbach's α和CR的值均满足收敛效度标准(AVE > 0.5,α > 0.7,CR > 0.7)。此外,所有构念的AVE值都大于与其他所有构念的平方相关性,这证实了所有构念的区分效度(Hair等人,2010)。此外,CFA的结果(χ2/df = 2.36,CFI = 0.97,RMSEA = 0.05,90% RMSEA CI的上限 = 0.05)符合模型拟合优度的标准(χ2/df < 5,CFI ≥ 0.95,RMSEA ≤ 0.07,90% RMSEA置信区间上限 ≤ 0.1)(Hair等人,2010)。作为区分效度的额外测试(R?nkk?和Cho,2022年),我们将CFA模型中所有因子相关性的95%置信区间的上限(UL)与阈值进行了比较:严重(UL ≥ 1)、中等(0.9 ≤ UL < 1)、边缘(0.8 ≤ UL < 0.9)以及无问题(UL < 0.8)。结果表明,除了一个边缘情况(即非显著的区分效度问题,UL = 0.86 < 0.9)外,所有因子相关性都没有问题。关于这个边缘问题,将隐私关切和信任视为不同的构念是“相对安全的”(R?nkk?和Cho,2022年)。此外,H1为非常强的效应提供了理论支持,而不是测量问题。表5. 多项构念的相关性和描述性统计(研究2:第二波调查以及第一波调查中测量的相关变量)。空单元格相关性变量1空单元格2空单元格341 平台信任(t1)2 使用平台的意图(t1)0.58???3 平台使用(t2)0.22?0.26??4 自控力低(t1)0.04?0.040.12描述性统计Cronbach's α0.880.880.780.86 平均提取方差(AVE)0.650.700.640.68 r(最高(正或负)相关性)0.580.580.260.12 r2(最高平方相关性)0.340.340.070.01 收敛效度(α > 0.7且AVE > 0.5)是的是的是的是区分效度(AVE > r2)是的是的是是的测量项目数量4323注释:*p < 0.05;**p < 0.01;***p < 0.001(双侧p值)。样本量:103。CMB。我们在八个月的时间间隔内从相同的受访者那里收集了数据,这显著减少了甚至消除了CMB。为了在第一波调查中检测CMB,我们使用了与研究1中相同的标记变量,比较了CFA模型(Podsakoff等人,2003年;Williams等人,2010年)。由于模型u和模型r之间没有统计学上的显著差异(df = 28,p > 0.1),任何潜在的CMB都不会影响构念关系的结果。5.4. 假设检验第一波调查:信任的前因。我们使用了与研究1相同的回归分析方法,但是使用了区块链特征的感知测量而不是虚拟变量。表3展示了结果。方差膨胀因子都小于2,表明多重共线性不是问题(Mason和Perreault,1991年)。再次证明,区块链特征在影响信任方面没有显著的交互作用。与研究1一样,隐私所有权、隐私货币化和元数据透明度对平台信任有积极影响,从而支持了H1、H2、H3。非法访问对于有非法购买需求的消费者有积极影响,而对于没有此类需求的消费者则有负面影响,如图2所示,从而支持了H4。基于标准化效应的名义比较,隐私所有权在独立变量中具有最强的效应,其次是元数据透明度和隐私货币化。这种相对强度与研究1的结果一致。我们的模型解释了52.8%的信任变化,这比研究1中的要高得多,表明区块链技术的信任构建机制在实践中对有经验的消费者(研究2)比在理论中对普通消费者(研究1)更有效。此外,非法购买需求在研究1中对信任有积极影响,但在研究2中则有负面影响。这可能表明,当消费者面对犯罪活动的现实时,他们对购买相关自由的理想化观念被打破了(研究2)。第一波调查:信任的后果。如表4所示,平台信任对消费者使用平台的意图(解释了30.8%的方差)以及如果平台不是免费的他们愿意支付额外费用的意愿(解释了14.8%的方差)有积极影响。第一波调查:中介分析。与研究1类似,自助法测试确认信任显著地(p < 0.05)中介了隐私所有权(H1)、隐私货币化(H2)和元数据透明度(H3)对平台使用意图和支付额外费用意愿的影响。第二波调查:对实际消费者行为的影响。如表4所示,平台信任(t1)和使用平台的意图(t1)影响了实际的平台使用(t2)。此外,我们观察到使用平台的意图与低自控力(t1,详见附录2中的测量方法)对平台使用(t2)有负向交互作用。这表明自控力较强的消费者更有可能坚持他们的初始意图,而其他消费者则更容易分心。控制变量(即教育和性别)对平台使用(t2)没有统计学上的显著影响。第一波和第二波调查:中介分析。自助法测试确认使用平台的意图(t1)显著地(p < 0.05)中介了信任(t1)对实际平台使用(t2)的影响。5.5. 稳健性测试我们使用了形成性测量而不是反思性测量来进行稳健性测试。我们将每个构念操作化为一个指数,使用其项目的平均值而不是因子分析。这产生了非常相似的结果,进一步验证了我们的假设。包括了额外的效应。我们对所有非二元独立变量使用了额外的平方项。我们的结论保持一致(显著性、方向)。此外,我们进行了包含两个额外控制变量(收入和职业)的回归分析。我们的结论仍然一致。内生性。我们的假设检验不太可能受到内生性问题的影响,因为作为我们独立变量的区块链技术特征(见图1)是技术的固有属性,在我们的短期观察期间相对稳定,并且不太可能依赖于同时影响独立变量和因变量的外部变量。此外,区块链技术和信任不太可能相互影响,因为信任至少在我们的短期观察期间不会影响区块链技术的固有属性。尽管内生性问题的概率很低,但如果我们推测隐私货币化对某些消费者来说可能比其他消费者更有吸引力,并且这些消费者群体在信任水平上存在差异,那么在这种假设下隐私货币化可能是内生的。为了在这种假设下测试我们结果的稳健性,我们使用工具变量进行了内生性测试。我们确定消费者的收入是一个合适的工具变量,它影响了隐私货币化(b = 0.136,p < 0.001)。这很可能是因为较富有的消费者对在线商店更具财务吸引力,这可能为他们提供更多的隐私货币化机会。此外,收入仅通过隐私货币化影响信任,而不是单独影响(b = 0.02,p = 0.53),因为对技术平台的信任与薪资水平关系不大(Dutton和Shepherd,2006)。作为对我们假设检验的轻微调整,我们使用收入(以美元计)作为工具变量,对信任进行了工具变量回归,将隐私货币化作为潜在的内生回归量。结果与我们的假设检验一致,包括隐私货币化的效应(p = 0.04),这表明我们的发现是稳健的。之后,我们使用Durbin和Wu-Hausman测试检验了内生性。这两个测试在统计上都不显著(p = 0.06),表明模型中没有内生性问题(Ullah等人,2021)。5.6. 讨论研究2的结果测量了消费者在基于区块链的电子商务中的实际体验,与研究1的结果一致,后者确立了所研究机制的因果性质。这两项研究一起有助于推广结果并限制了样本偏差的可能性。研究2表明,所研究的机制确实影响了消费者对平台的实际使用。6. 讨论6.1. 研究总结为了帮助塑造在线购物的未来,我们的研究建立了关于区块链技术特征的理论和实践知识,这些特征驱动了消费者信任和技术采纳(Kamolsook等人,2019年),特别是在基于区块链的电子商务背景下,这种技术使用新技术取代了集中式平台的中介机制(例如,Amazon)(Kamble等人,2021年;Rejeb等人,2020年;Wan等人,2022年;Wang等人,2023年)。因此,我们扩展了信任形成理论(Mayer等人,1995年),以解释消费者对这些平台的信任。具体来说,我们提出了关于区块链技术特征(隐私所有权(H1)、隐私货币化(H2)、元数据透明度(H3)和非法访问(H4:受非法购买需求调节)对信任影响的假设。我们使用16个场景(727名消费者)和多波消费者体验调查(666名消费者)的实验来测试这些假设以及信任在技术采纳中的中介作用。结果一致支持区块链技术特征(即信任信念)对消费者信任(H1、H2、H3、H4)的影响,以及信任在促进技术采纳中的中介作用。我们还展示了信任在消费者对基于区块链的平台的实际使用中的中介作用。这些发现为零售商提供了关于如何在数据泄露和在线欺诈(Marella等人,2020年;Zhong等人,2020年)侵蚀了消费者信任的情况下重建消费者信任的指导。6.2. 理论意义我们的第一个理论贡献是提供了证据,说明消费者所看到的独特区块链特征如何通过促进消费者信任来增加电子商务服务的采纳。这扩展了关于区块链在不同情境下建立信任能力的实证文献,例如基于区块链的食品可追溯性(Garaus和Treiblmaier,2021年;Joo和Han,2021年)、媒体(Shin和Bianco,2020年)、医疗系统(Shao等人,2022年)和加密货币(Koroma等人,2022年;Marella等人,2020年)。我们证明了区块链的隐私所有权、隐私货币化和元数据透明度特征增强了消费者对电子商务平台的信任,从而促进了电子商务的采纳。这些效应是通过信任形成理论(Mayer等人,1995年)预测的特定机制发生的。隐私所有权表明平台保护消费者数据的能力、其在不剥削用户权利方面的善意以及其在维护道德标准方面的完整性。隐私货币化表明平台为消费者创造价值的能力、允许他们从自己的数据中获利的能力,以及其与集中式中介相比的公平性。元数据透明度传达了提供可靠、可验证的交易信息的能力、在帮助消费者决策方面的善意以及通过开放和诚实表现出的完整性。此外,非法访问作为一种条件机制。对于有非法购买需求的消费者,它通过反映平台满足他们独特需求的能力、善意和完整性来增强信任;而对于没有此类需求的消费者,它则通过表明这些属性的缺陷来削弱信任。值得注意的是,尽管这些特征是由区块链实现的,但它们并不是区块链的核心技术属性,如不可变性、去中心化或防篡改性(Crosby等人,2016年;Nakamoto,2008年)。我们的发现表明,非区块链特定的、面向用户的信任特征可能在建立消费者信任方面比这些核心技术属性更有效,而这些核心技术属性通常对普通用户来说是不可见的(Alshamsi和Andras,2019年;Shin,2019年)。这代表了一个重要的理论见解:消费者对基于区块链的平台的信任可能较少依赖于技术的内在加密或结构保证,而更多依赖于可感知的、以体验为导向的特征,这些特征直接映射到信任的决定因素:能力、善意和完整性(Mayer等人,1995年)。通过证明这些机制,我们确认了关于隐私(Shin,2019年;Shin和Bianco,2020年)和透明度(Garaus和Treiblmaier,2021年;Joo和Han,2021年;Liu等人,2023年;V?lter等人,2023年)在不同区块链情境中的作用的研究结果。由于保密的数据不能对其他人透明,我们的文章通过更明确地指定这些构念的不同数据层次来扩展了这项工作。我们从理论和实证上测试了透明、公开可见的元数据和由消费者安全拥有的、可以在基于区块链的电子商务系统中货币化的私人数据的不同角色和差异效应。虽然传统电子商务平台中的中介实体(例如,Amazon)拥有私人数据,但消费者在基于区块链的电子商务平台上拥有自己的数据并选择是否将其货币化的能力可以赋予消费者权力,增加他们的收入,并建立他们对平台的信任。我们的第二个贡献是将信任形成理论(Mayer等人,1995年)的范围从描述对人类和组织的信任扩展到也可以描述对由无生命技术驱动的无生命在线平台的消费者信任。这与Tan和Saraniemi(2023年)的观点一致,即在区块链交换情境中,信任的对象不是传统交换情境中的人类参与者,而是交换参与者(在我们的研究中,是加密保证的隐私所有权)、交换行为(在我们的研究中,是元数据透明度)和交换资产(在我们的研究中,是隐私货币化)。因此,在我们的研究中,对区块链平台的信任,而不是对交易伙伴的人际信任,成为驱动消费者行为的关键中介。我们的研究证实了传统信任理论(即Mayer等人(1995年)的信任形成理论)在区块链环境中的适用性。我们通过将消费者所感知的区块链技术特性与传统信任决定因素(如能力、诚信和善意)进行类比来实现这一点。换句话说,一个具有明确组织结构的无生命、基于技术的电子商务平台可以通过一组类似的信任决定因素触发与人际交往环境相同的信任形成机制。作为第三个贡献,我们发现了一个显著且违反直觉的信任形成理论边界条件:对犯罪卖家的开放性,从而能够获取非法产品,只会增强有非法购买需求的消费者的信任,而降低没有此类需求的消费者的信任(H4;另见Foley等人,2019年;Lusthaus,2012年)。这一结果揭示了技术信任形成的阴暗面:对某一消费者群体而言体现能力、善意和诚信的特征,可能对另一群体而言却意味着无能、自私和道德松弛(Mayer等人,1995年;Schoorman等人,2007年)。从理论上讲,这一机制表明新兴技术通过消除传统守门人,可以通过赋予自主权和访问权限来促进信任,但当这种自主权助长有害或不道德行为时,也会侵蚀信任(De Filippi和Wright,2018年;Kwon和Shao,2021年)。这种现象不仅限于区块链,还扩展到其他新兴技术,如人工智能、去中心化社交网络和生成式平台,这些技术可能因为规避监管或监督而赢得某些用户的信任,同时却破坏了重视控制和保障的其他用户的信任(Shin,2019年;Tan和Saraniemi,2023年)。通过展示信任形成如何取决于技术的道德双重性,我们扩展了信任形成理论的范围,以解释先进自主系统的双重潜力——既有建设性也有破坏性。我们扩展了以往仅关注区块链应用信任建设益处的文献(Ali等人,2023年;Garaus和Treiblmaier,2021年;Joo和Han,2021年;Shao等人,2022年;V?lter等人,2023年),但我们强调,对于某些消费者来说,缺乏中介也可能降低他们对区块链应用的信任。

6.3. 对电子商务从业者、政策制定者和消费者的实际意义

- **电子商务商店管理者**:除了打击欺诈和重建消费者信任外,基于区块链的电子商务还可以通过提供区块链技术支持的功能来为在线商店管理者带来竞争优势。这些功能的强度(如隐私所有权、隐私货币化、元数据透明度和非法访问)各不相同(见研究2),从而导致不同的基于区块链的电子商务平台设计。我们建议商店管理者转向提供高程度这些功能的平台。然而,只有当目标客户有与所提供产品相匹配的非法购买需求时,才建议他们转向提供非法访问功能的平台;否则,应转向提供低程度非法访问功能的平台。具体而言,我们鼓励管理者采用高隐私所有权水平的区块链平台,因为这一功能最能增加消费者信任,并且是提供可行隐私货币化解决方案的前提(Harvey等人,2018年)。关于隐私货币化,我们建议商店管理者创造创新方案(Frank等人,2015年),以补偿消费者分享个人数据的行为。基于区块链的电子商务平台没有其他方式收集个人消费者数据(例如购买偏好、过去购买记录、网页浏览历史和每日购物收据)。隐私货币化解决方案还通过提供直接沟通渠道增强了卖家和消费者之间的联系,从而更好地了解客户需求。此外,这些解决方案可以根据每个消费者的特点进行定制。补偿方式可以包括金钱激励(如加密货币、法定货币)、奖励积分、折扣和免费产品。此外,我们鼓励管理者向潜在客户说明其区块链平台上哪些元数据是透明的,以及隐私所有权(隐藏的私人数据)和元数据透明度(公开可用的元数据)的共存情况。最终,从业者必须采用混合信任模型,将这些强大的区块链功能与健全的传统问责机制(如明确的争议解决机制)相结合,以确保消费者信任建立在代码和行为的基础上。这种方法认识到,就像稳定币(Manley,2025年)通常需要现实世界资产的一对一支持和监管合规性(例如美国GENIUS法案:美国国会,2025年)一样,去中心化平台的算法信任必须由切实的法律和物理保障措施来支撑。

- **电子商务平台运营商**:除了惠及在线卖家外,区块链技术还可以帮助像亚马逊这样的中心化平台改进服务。这些平台可以提供两种类型的服务:一种是当前不允许消费者受益于区块链功能的免费服务,另一种是需要付费的新区块链服务。我们的研究结果表明,区块链功能增加了消费者的信任,从而激发他们支付额外费用的意愿。这些费用可以成为额外的利润来源。提供这些服务还可以帮助中心化平台更加以消费者为中心,因为基于区块链的电子商务服务满足了消费者对隐私所有权、货币化、透明度和广泛产品访问的需求。此外,我们的研究还表明,建立信任和推动基于区块链的电子商务平台的采用并不需要人际亲近。这可以减少雇佣人员协助消费者的成本,例如亚马逊雇佣客户服务代表。

- **政策制定者**:我们建议政策制定者通过推广政府和社会对区块链技术的使用来鼓励其采用,并强调其社会效益。他们还可以通过创造灵活的监管环境来支持区块链创新和采用,允许对该技术进行实验。通过这样做,政策制定者可以实现减少数据泄露和在线欺诈等丑闻、解决电子商务中的信任问题以及打破在线垄断等政策目标。此外,对于需要算法安全与实际责任相结合的混合信任模型,政策制定者有具体的、及时的意义。鉴于最近对去中心化金融的监管关注(例如美国GENIUS法案(美国国会,2025年)中对稳定币资产支持和稳定价值的关注),这一点尤为重要。混合信任系统的出现要求迅速建立一种同时管理去中心化代码和基于区块链的商业实际行为的混合立法环境。我们的研究结果验证了隐私货币化和元数据透明度等功能的强大作用,表明监管者必须制定框架,确保这些数字权益转化为现实世界的财务和法律义务。具体来说,政策制定者应规定机制,使平台运营商和用户依法履行区块链算法的固有承诺,例如对滥用透明数据或未能维护隐私所有权责任的明确责任。通过确保区块链技术的信任建设效益伴随着强制性和可执行的问责机制,政策制定者可以防止去中心化系统成为监管空白,从而加速这种商业基础设施的道德和合法采用。

- **消费者**:我们建议消费者接受基于区块链的电子商务,因为它使他们能够保护自己的在线隐私,拥有个人数据的所有权,并因分享数据而获得补偿。区块链技术还提供了透明度,提供了关于产品和在线商店的真实信息,以及访问包括非法产品在内的广泛内容的机会。

6.4. 未来研究的局限性和方向

由于我们的研究仅限于美国数据和基于区块链的电子商务,我们鼓励学者使用来自其他国家和其他区块链应用(如社交网络、广告和游戏)的数据来扩展我们的研究结果。尽管我们在研究1中使用了因果方法,并通过研究2中的多波调查进行了稳健性测试来解决因控制变量数量有限而可能产生的内生性问题,但我们鼓励未来的研究使用基于面板数据的其他方法来复制我们的发现,这些方法可以更稳健地处理实际消费者行为的类似观察中的内生性问题。此外,未来的研究可以通过比较个体主义文化与集体主义文化中的基于区块链的信任形成来扩展我们的发现。个体主义国家的消费者可能更关心他们的隐私所有权,而集体主义国家的消费者可能更习惯于在群体和集体中分享信息。未来的研究还可以探讨区块链应用的其他优缺点,而不仅仅是我们的重点——信任增加这一机制。大多数研究都集中在区块链应用的积极方面(见表1)。然而,未来的研究可以更多地关注负面方面,类似于我们支持的关于非法访问对某些消费者信任产生负面影响的假设。此外,虽然我们的研究和其他研究已经考察了区块链功能对信任形成的主要影响(见表1),但只有有限的研究考察了这些影响的调节因素。这些调节因素包括非法购买需求(我们的研究)、零售商的熟悉程度以及区块链利益的披露(Garaus和Treiblmaier,2021年的研究3)。因此,未来的研究可以扩展这些主要影响的调节因素列表,以增强学者对区块链环境中信任形成理论边界条件的理解。

**作者贡献声明**

Louisa Uchikoshi:撰写——原始草稿、可视化、方法论、调查、正式分析、数据整理、概念化。

Bj?rn Frank:撰写——审阅与编辑、撰写——原始草稿、可视化、监督、项目管理、方法论、资金获取、概念化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号