1. 引言
随着数字平台在消费生活中的深度嵌入，用户行为呈现出日益复杂和分化的发展态势。尤其在社交电商、内容电商等新兴模式下，用户的参与动因和行为路径不仅受到产品属性与平台机制的影响，也深受其个体心理特征所塑造。如何理解用户行为背后的深层动因，进而推动平台治理从“功能适配”迈向“心理适配”，已成为电商平台可持续发展的关键议题。
近年来，学界对电商用户行为的研究不断深入，涵盖动机驱动、情感体验、信任建构等多个维度。然而，现有研究大多基于理性决策或技术采纳模型，较少系统关注用户的情感需求与关系倾向性等心理基础。这种理论视角上的局限，使得在解释用户行为分化，尤其是在面对平台推荐、虚拟互动及情感型产品(如恋爱课程)等场景中的选择差异时，存在一定解释盲区。
依恋理论(Attachment Theory)提供了一种理解个体关系期待与情感反应模式的心理学视角，近年来已逐渐被引入数字环境下的用户行为研究。该理论认为，不同依恋风格的个体在面对关系型信息和互动情境时，具有显著差异的认知倾向与行为策略。将依恋风格应用于电商用户行为研究，能够揭示用户在与平台、内容及其他用户互动过程中所表现出的差异性心理机制，从而为用户行为分化现象提供更具解释力的理论支持。
本文立足于依恋理论的三种典型类型——安全型、焦虑型与回避型，梳理其在电商平台使用场景中的潜在行为表现，重点关注用户在内容接收、互动选择、价值感知等方面的心理机制与行为偏好。通过整合现有研究成果，本文尝试构建一个基于依恋风格的用户行为解释框架，并进一步提出平台治理的三维响应策略：信任建构、互动适配与内容分层，以期为情感导向型电商产品的设计与平台治理提供理论支持与实践启示。
2. 理论基础
2.1. 依恋风格的基本内涵与类型
依恋理论最早由Bowlby提出，用于解释婴幼儿与照料者之间形成的情感联结模式，强调早期依恋经历对个体终身关系模式的深远影响[1]。在成人阶段，Hazan和Shaver将其拓展应用于恋爱关系，并识别出三种典型依恋风格：安全型、焦虑型与回避型。此分类已广泛用于解释个体在亲密关系、社会交往以及信任建立等方面的稳定倾向。
其中安全型个体倾向于建立稳定、互信的关系，对情感波动具备较高的调节能力；焦虑型个体则对关系维系表现出强烈需求和高敏感性，常因过度关注反馈而产生情绪困扰；回避型个体更强调自主独立，倾向于疏离亲密关系，对外界输入保持心理距离[2]。这些差异性人格特征也可迁移至数字化交互行为中。
2.2. 依恋风格在数字平台环境中的迁移性
伴随数字媒介与社交平台的普及，依恋风格逐渐成为解释用户在线行为差异的重要理论视角[3]。研究发现，个体在社交电商平台上的交互行为不再是简单的“工具性使用”，而是体现出深层次的“类关系性”反应[4]。平台所营造的情境环境(如社群氛围、推送内容、人机交互方式等)，在一定程度上激活用户的情感归属需求或回避倾向。
例如，焦虑型用户偏好即时反馈和高频互动，对“点赞”“评论”“回复”等互动信号尤为敏感，在信息流设计和客服系统中更容易获得心理满足[5]；而回避型用户更倾向于非侵入式的信息获取模式，偏好独立浏览、个性化推荐，回避社交干扰与平台主动触达[6]。安全型用户则在行为方式上表现出更强的适应性，能根据平台机制灵活调整参与程度，体现出相对平衡的交互模式[2]。
这一迁移现象也启发了新兴研究，将依恋风格视为用户参与行为的心理结构变量，为理解电商平台中“情感驱动的技术适配”提供了理论支点[7]。
2.3. 依恋风格与电商平台用户行为的作用机制
在电商平台这一高度结构化的数字场景中，依恋风格不仅影响用户的互动偏好，也深刻作用于其价值感知与行为决策过程[8]。本研究构建“依恋风格→感知价值→行为偏好”的理论路径，探讨其内在作用机制。
不同依恋风格的用户对平台互动形式具有明显偏好差异。例如，焦虑型用户更易受“关系性线索”驱动，强调平台回应的及时性与情绪支持性；回避型用户则重视“自主性线索”，如信息透明度与隐私控制[9]；安全型用户则更注重整体体验与服务流程的协调性。这些偏好进一步影响用户对平台感知价值的评价，包括功能价值、情感价值与象征价值。感知价值又作为中介变量，引导用户在平台中的浏览深度、购买转化率及平台忠诚度形成分层分化的行为表现[10]。从依恋风格出发识别用户差异，不仅有助于平台实现更具针对性的个性化推荐和情境适配，还可指导平台在数据治理、内容推送及社群管理中制定差异化响应策略，提升用户体验与平台黏性。
3. 依恋风格与电商平台用户行为的分化效应
本部分重点讨论不同依恋风格对用户行为的具体影响，基于文献和部分实证发现，探讨安全型、焦虑型与回避型用户在平台交互中的行为差异。
3.1. 安全型用户：理性决策与跨平台比价
安全型用户具备较强的信息加工能力和风险识别能力，在购物决策中更加理性。研究表明，安全型用户在浏览产品信息时，表现出较高的前额叶皮层活动，表明其对信息综合评估更为充分。同时，他们倾向于利用多平台比较优势，如在小红书、知乎等平台间实现信息互补，提升决策透明度[11]。因此，平台在设计信息系统时应注重数据的客观性和多样性，以满足安全型用户对信息完整性的需求，以降低信息不对称带来的风险。
3.2. 焦虑型用户：情感激活与冲动购买
焦虑型用户由于情感需求较高，往往在平台上寻求情感补偿。实证研究显示，焦虑型用户在社交电商直播中的互动频率和情感标签点击率显著高于其他群体，其情感激活效应明显，以抖音为例，焦虑型用户在直播间中的弹幕互动频次是安全型用户的2.3倍，且在“限时秒杀”或“情感诉求”等提示下，其购买转化率可提升27% [5]。在情感刺激下，这类用户更易发生冲动购买现象，但同时存在非理性留存、低完课率的问题。平台在应对焦虑型用户时，应平衡情感激活与理性提示，通过引入专家评价、用户评价数据等方式，防止因情感过度激活导致的消费决策失衡。
3.3. 回避型用户：隐私敏感与功能效率
回避型用户更注重隐私保护和使用效率，对平台社交互动保持谨慎态度。相关研究表明，当平台要求获取过多个人信息时，回避型用户的流失率显著上升[12]。在实际应用中，回避型用户偏好功能性较强、信息获取速度快的产品，如录播课程中的速读与跳转功能，例如得到APP中录播课程的完课率显著高于直播课程，其原因在于录播课程支持倍速播放和知识点跳转，满足了回避型用户对信息获取速度和效率的需求。平台应针对该类用户设计低干扰、极简化的界面，并强化隐私安全措施，如提供匿名浏览和“隐身模式”，并在界面上给予用户更多控制权，确保其在信息交互过程中的安全感和自主性。
4. 平台属性与算法推荐的调节效应
平台技术与治理机制在用户依恋关系及其行为表现中起着关键的调节作用。本文主要探讨个性化推荐和算法透明度如何通过情感激活与功能认知双重路径影响用户决策。
4.1. 个性化推荐与情感标签的双刃剑效应
个性化推荐系统作为平台核心功能，通过大数据分析与算法模型将用户行为转化为个性化标签，实现精准内容推送[6]。然而，情感化标签的过度使用可能导致信息茧房效应，使得平台内容趋于单一化。研究表明，焦虑型用户对情感标签(如“温情”、“治愈”)点击率显著高于普通标签，但连续暴露可能降低其对平台其他功能性信息的敏感度，从而导致短期情感满足与长期价值缺失并存。
4.2. 算法透明度与用户信任机制
近年来，算法透明度成为影响用户信任的重要因素。部分研究指出，当平台在“猜你喜欢”等模块中公开部分推荐逻辑时，焦虑型用户对情感推荐的依赖程度下降，反而促使其更加关注产品功能和性价比[13]。这一调节效应说明，提升算法透明度不仅有助于缓解因情感激活而产生的非理性消费，还能增强用户对平台整体服务的信任。平台在此过程中应遵循数据治理和隐私保护相关规定，确保推荐系统既满足个性化需求，又防范潜在伦理风险[14]。
4.3. 数据治理与平台功能优化
在数字依恋框架下，数据治理和平台功能优化对用户行为具有深远影响。平台通过构建用户全景画像和动态监测用户情感、认知指标，实现对不同依恋风格用户行为的精细管理。同时，结合隐私保护措施，优化数据采集与处理流程，有助于提升平台在多元数据环境下的运营效率与用户满意度[15]。
5. 三维治理响应：从行为分化到策略实施
在前文第三部分中，我们详细讨论了不同依恋风格——安全型、焦虑型和回避型——用户在电商平台上的行为表现，揭示了用户在情感与功能双重需求上的差异；第四部分则重点探讨了平台属性(如个性化推荐、情感标签及算法透明度)如何调节用户行为，并指出了个性化推荐的双刃剑效应以及透明算法对用户信任与决策路径的影响。然而，针对这些理论与实证分析结果，平台在实际运营过程中仍面临以下核心问题：
1. 如何应对不同依恋风格用户在信息获取和消费决策上的差异？安全型用户因信息加工能力较强，更倾向于多平台比价和理性决策；焦虑型用户在情感激活下易出现冲动消费及非理性留存；回避型用户则对隐私安全高度敏感，倾向于低频互动及追求功能高效。
2. 如何平衡个性化推荐系统在激发用户情感与维持理性决策之间的矛盾？个性化推荐既能够通过情感标签和内容定制满足用户的情感需求，但过度依赖则可能形成信息茧房和过滤气泡，导致用户长期价值体验的下降。
3. 如何在提升用户体验与保障用户隐私、数据安全之间找到平衡点？平台治理不仅要求在技术层面提升功能效率，更应在伦理与法律框架下保护用户权益，确保透明公开的算法推荐逻辑。
针对上述问题，本文在第五部分提出了相应的实践启示与平台治理策略，其核心目标是通过有针对性的运营措施和分层治理机制，实现对不同依恋风格用户行为的有效引导与调控，进而构建一个健康、可持续的电商生态系统。
5.1. 针对不同依恋风格的差异化运营策略
安全型用户依靠其较强的信息处理与风险识别能力，对平台提供的信息完整性和多维评价要求较高[3]。平台应建立跨平台信息共享机制，整合多维数据(如用户评价、专家点评、产品知识图谱等)，为用户提供详实、客观的产品信息。加强数据透明度，通过信息展示、比价系统和实时数据更新，确保用户在决策过程中能够获取到足够的理性参考依据。此外，定期发布平台运营报告，公开个性化推荐逻辑，满足安全型用户对平台公正性和客观性的需求，从而进一步提升用户信任度。
焦虑型用户对情感刺激敏感，易受情感化内容影响，出现冲动购买行为[5]。平台应在直播、社交互动等场景中引入“情感缓冲”设计，例如在推荐页面中插入客观数据(如已有购买人数、用户评价统计等)，平衡情感标签与理性提示。推广专家推荐、用户经验分享等机制，引导用户在情感激活的同时进行理性思考，降低因短期情感冲动带来的非理性决策风险。设置情感内容推荐的上限或触发阈值，防止焦虑型用户在平台中过度依赖情感补偿，保持消费行为的理性与可持续性。
回避型用户对隐私泄露和过度社交敏感，倾向于追求简洁高效的信息获取体验[12]。平台应设计低干扰、极简化的界面布局，为回避型用户提供“隐身模式”、“匿名浏览”等功能，以减少对个人隐私的不必要暴露。提供速读、倍速播放及知识点跳转等高效信息服务，满足回避型用户对高效获取信息的需求。在数据采集和权限申请方面，优化流程并透明展示数据使用目的，降低用户因过度授权而产生的不安全感。
5.2. 提升算法透明度与数据治理水平
为解决第四部分中提到的算法推荐透明度不足问题，平台应定期向用户公开部分推荐逻辑和依据，解释推荐内容的生成过程，缓解用户因算法不透明而产生的不信任感。设计用户反馈机制，允许用户对推荐内容进行评价和反馈，依据用户意见不断优化算法推荐系统。制定内部审核流程，定期对算法进行伦理与合规性审查，确保推荐系统既满足个性化需求，又符合用户隐私和数据安全要求[9]。
数据治理是平台稳定运行和用户信任的基石。平台应建立完善的数据采集、存储、处理和共享标准，确保每一步均符合相关法律法规和国际数据保护标准。引入第三方数据安全认证机制，定期评估和审查平台的数据治理水平，并将评估结果向用户公开。设置专门的伦理监管部门，负责监控和处理平台内部算法推荐和数据治理中可能出现的伦理风险，确保平台在追求商业利益时不侵犯用户权益[14]。
5.3. 建立平台分层治理与跨平台协同机制
基于前文对依恋风格与用户行为的研究发现，平台可将用户分为安全型、焦虑型和回避型三大群体，并依据各群体特性制定差异化治理方案。利用大数据技术和云计算平台，对用户的点击、浏览、购买等行为进行实时监测，构建精准的用户全景画像。针对不同依恋风格用户设计专属运营策略，如安全型用户的理性信息展示、焦虑型用户的情感缓冲机制和回避型用户的隐私保护界面，实现用户行为的精细化管理。建立分层治理机制，根据用户的依恋风格和行为表现，将平台运营策略细分为多层次、多维度的管理方案，确保各层次用户需求得到充分满足。
当前市场上各类电商平台在产品信息、用户行为和推荐机制上存在差异，但用户的依恋行为及其决策路径具有一定的共性。平台治理者应通过建立跨平台数据共享机制，实现不同平台间用户行为数据和依恋风格的联合分析，构建更加全面的用户画像。推动行业内标准化数据治理和算法推荐透明度的建设，通过行业协会或监管机构制定统一的治理规范，保障各平台在数据采集与用户隐私保护方面的协调统一。借助云计算与大数据分析技术，对跨平台用户行为进行联合监控和实时反馈，不仅提高运营效率，更为精准营销和分层治理提供数据支撑[15]，从而实现平台协同发展。
6. 讨论与结论
6.1. 理论贡献与启示
本研究首次将依恋理论引入电商用户行为分析，构建“依恋风格–平台属性–用户行为”三维模型，揭示了安全型、焦虑型、回避型用户在理性决策、情感激活与隐私效率需求上的分化机制。通过整合情感与功能双重路径，本研究突破了传统用户行为研究中的单一视角，为理解数字依恋的形成机制及其对消费决策的影响提供了新范式。同时，算法透明度调节效应的发现为平台平衡个性化推荐与伦理治理提供了理论依据，验证了依恋理论在数字环境中的解释边界拓展可能性。
6.2. 实践价值与政策启示
在平台治理层面，差异化运营策略的提出为精准化用户管理提供了操作框架。针对安全型用户的信息整合机制、焦虑型用户的情感缓冲设计以及回避型用户的隐私效率优化，均体现了分层治理的必要性。政策制定者可借鉴欧盟《数字服务法案》对算法透明度的要求，推动建立动态监管机制，要求平台披露核心推荐逻辑并设立用户行为修正权限。产业实践中，建议通过行业协会建立跨平台用户画像共享标准，在保护隐私前提下实现协同治理。
6.3. 研究局限与未来方向
本研究的局限性体现在：数据样本局限于国内单一文化背景，结论的普适性需通过跨国比较验证；对数字依恋的动态演化缺乏纵向追踪；未充分探讨AR/VR等新兴技术对回避型用户行为的影响。未来研究可从三方面深化：1) 结合神经影像技术(如fMRI)实时捕捉不同依恋风格的决策神经机制；2) 开发依恋风格–平台属性匹配度动态评估工具，构建用户行为预测模型；3) 探索元宇宙场景下数字依恋的“虚拟化身”效应及其伦理风险。
6.4. 结论
本研究系统揭示了电商平台用户行为的依恋分化机制：安全型用户依赖信息整合实现理性决策，焦虑型用户受情感标签驱动产生冲动消费，回避型用户则因隐私敏感追求功能效率。平台属性通过算法透明度与个性化推荐的调节作用，显著影响用户的情感–功能价值感知平衡。研究提出的分层治理框架为平台优化数据伦理治理、提升用户生命周期价值提供了科学路径。随着数字技术的深度演进，如何在情感需求满足与隐私效率保障间实现动态平衡，将持续考验平台治理者的战略智慧。
NOTES
*第一作者。
#通讯作者。