基于内容分析的B2C网络商家隐私政策研究

赵静 袁勤俭 陈建辉

摘 要：[目的/意义]分析B2C网络商家隐私政策的现状及不同类别网络商家隐私政策的差异，得出实践启示。[方法/过程]利用内容分析法，从外部特征和内容特征两方面对5类30个B2C网站的隐私政策进行研究。[结果/结论]所有网络商家都有隐私政策，但隐私政策的可见性、可读性、包含内容的全面性等还存在问题;各类网站的隐私政策整体差异不大，显著差异主要体现在团购类网站与垂直型电商网站，团购类网站与网银支付类网站之间。

关键词：隐私政策;B2C;电子商务网站;网络商家;内容特征;外部特征

DOI：10.3969/j.issn.1008-0821.2020.04.012

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2020）04-0101-10

Research on B2C Online Merchants Privacy Policy Based on Content Analysis

Zhao Jing1 Yuan Qinjian2 Chen Jianhui1

（1.Zhengzhou University of Aeronautics，Zhengzhou 450015，China;

2.School of Information Management，Nanjing University，Nanjing 210023，China）

Abstract：[Purpose/Significance]Analyzing the current status of B2C online merchants privacy policy and the policy differences among the different categories of online merchants，and concluding the practical inspiration.[Method/Process]Using content analysis method，the privacy policies of the selected 30 B2C websites，which were divided into five categories，were studied from two aspects：external features and content features.[Result/Conclusion]All online merchants had privacy policy，but there were still problems in visibility，readability and comprehensiveness of privacy policy.The privacy policies of every category did not differ greatly.The significant differences were between the group purchase websites and the vertical e-commerce websites，the group purchase websites and the online banking payment websites.

Key words：privacy policy;B2C;e-commerce websites;online merchants;content features;external features

1 問题提出

随着电子商务发展，个人信息安全成为许多消费者日益关注的问题。为减轻消费者隐私关注，很多网络商家在其网站上公布了对待消费者隐私的政策，这些隐私政策解释了网站如何收集和使用访问者的信息[1]。

研究者们主要从计算机技术、法学、管理学等视角对隐私政策问题进行了研究。计算机技术视角主要是研究隐私政策设置预测系统[2]、用户隐私偏好不同的协调机制[3]、隐私信息搜集与隐私政策不一致的检测技术等[4];法学视角的考察集中于如何起草客户的隐私政策[5]、法官和消费者对隐私政策理解的差异[6];管理学领域主要是对图书馆资源供应商[7]、图书馆协会[8]、图书馆[9]、健康类网站[10]、阿里巴巴和Amazon[11]等网站隐私政策状况的研究，及隐私政策对消费者隐私感知的影响研究[12]。

总的来看，目前我国B2C网络商家隐私政策的研究还比较缺乏。借鉴现有研究，本文拟回答以下问题：1）网络商家在其网站上有隐私政策吗？2）网络商家的隐私政策对消费者来讲容易获得吗？3）现有隐私政策包含了哪些方面的内容？4）各类商家的隐私政策存在显著差异吗？

2 样本抽样

本研究的对象为主营业务为自用平台的B2C电子商务网站（后均简称为电商网站），既包括只销售自己生产经营产品的电商网站，如华为商城，也包括最初创立主要是为销售自己生产经营产品的网站，如苏宁易购。根据站长之家的网站排名，分别选择6家综合型电商网站（亚马逊中国、当当网、苏宁易购、国美在线、京东、易迅）、垂直型电商网站（凡客诚品、拍鞋网、华为商城、名鞋库、梦芭莎、大麦网）、团购类电商网站（糯米网、美团、聚美优品、拉手网、团800、大众点评）、网银支付类电商网站（支付宝、招商银行、中国银行、中国农业银行、中国工商银行、中国建设银行）和旅游类电商网站（去哪儿、艺龙、途牛、驴妈妈、同程、携程）作为样本。

3 数据搜集

逐次打开抽取的30个网站，首先查看是否有隐私政策，如有相关政策，则将其复制保存作为内容分析的基础;然后记录与隐私政策有关的基本事实：链接到隐私政策的文件名字、需点击的次数、隐私政策的格式;统计隐私政策的字数。

4 制定编码方案及编码

对隐私政策进行内容分析的关键环节是对样本进行编码，即根据编码手册对隐私政策的相关信息进行分类记录。

4.1 制定编码手册

依据经合组织《关于隐私保护和个人数据跨国流通指南的建议》及美国《公平信息实践准则》，借鉴对图书馆供应商[7]、健康网站[10]、图书馆协会[8]隐私政策的研究，结合网络调研情况，拟定编码手册草稿。两种技术被用来最小化编码员判断的难度，一是所有问题是名义尺度而不是顺序尺度[13];二是测量显性内容，而不是隐性内容[14]。之后，基于隐私政策的阅读，对编码手册中可能引起混淆或者不确定的问题增加了说明。

4.2 编码员培训和编码手册修正

内容分析中语词意义的模糊性、类目的定义及其他编码规则通常容易产生编码的信度问题[15]。而编码信度近乎内容分析的核心，如果编码不可靠，那么分析也就不可信[16]。可信编码意味着不同编码员运用同样编码手册产生同样结果，因此作者邀请一名研究生共同编码。

編码之前，作者对另一名编码员进行了培训，并对样本集之外的3个网站隐私政策进行独立编码，非正式评估编码者间一致性，并讨论不一致的地方，修改了一些问题，增加了一些编码说明。

4.3 编 码

如果编码手册的类目在隐私政策中出现或隐私政策对编码类目的答案是肯定的则编码为1，若没有出现或答案是否定的编码为0。为了避免因平均编码者间信度较高而掩盖比较低的编码者间信度，两名编码员独立地对随机抽取的5个样本进行编码。所有变量中，78%获得了100%一致性，98%获得了80%以上一致性，2%一致性在80%以下（一致性为60%），总的一致性为95%，一致性水平很好[17]，编码达到了可接受的信度水平[18]。之后两位编码员对剩下的25个隐私政策进行独立编码。为避免因阅读顺序对分析标准产生影响进而造成分析误差，打乱了隐私政策的分类及排序，采用随机顺序进行阅读[19]。

4.4 编码信度检验

4.4.1 纵向信度检验

纵向信度，即编码员个体自身编码的一致性。为减少第一次编码对第二次编码的影响，两个编码员在第一次编码5天之后重新编码，并打乱题项顺序及网站顺序，两次编码的一致性分别为90%和92%。对于存在的不一致由编码员重新思考，确定最终编码。

4.4.2 横向信度检验

横向信度，即编码员之间编码的一致性[20]。所有变量中，37%获得了100%的一致性，100%获得了80%以上的一致性，整体一致性95%，达到了较好的信度水平。为减少简单百分比一致性忽略的偶然随机因素所造成的高一致性，又使用剔除了偶然随机因素的Cohens Kappa来测量横向信度[21]。在0.000的显著水平上，66%变量超过了0.81，95%变量超过了0.61，5%变量低于但非常接近0.61，分别为0.60和0.59，总体值为0.87。通常Cohens Kappa的值在0.81以上是几乎完美的[22]，在0.61以上是比较理想的[23]。

在编码取得了较好的信度后，两位编码员对编码不一致的地方进行了讨论，形成了最终编码。

5 数据分析

5.1 外部特征分析

5.1.1 隐私政策的可见性

从首页到获得隐私政策所需点击数从1～3次不等，均值1.48，中位数1，标准差0.634，其中57%点击次数为1，33%点击次数为2，7%需要点击3次，3%无法通过网站点击直接获得。仅40%的网站链接到隐私政策的第一个链接名字中含有“隐私”或“保密”字样。

5.1.2 隐私政策的长度

隐私政策的长度范围从83～5 292个汉字，均值1 208，中位数1 444，标准差1 325。可见B2C电商网站的隐私政策较长，平均在1 000字以上;但分布比较离散，长度差别很大。

对5类网站隐私政策的长度进行方差齐性检验，显著性Sig=0.326>0.05，存在方差齐性，可以进行方差分析。采用Duncan方法进行单因素方差分析，p=0.277>0.05，且同类子集归为一类，因此5类网站隐私政策长度差异不显著。

5.1.3 隐私政策的格式

53%隐私政策采用概要格式，47%采用详细描述格式，没有采用分层格式的。格式分类是定类定序变量，因此采用列联表检验分析5类变量间是否存在差异;由于50%以上单元格的期望计数少于5，样本数<40，因此使用确切概率检验（后面的检验如无特殊说明均采用此种方法）。列联表交叉检验显示，Fisher精确检验的显著性指标p=0.057>0.05，5类网站隐私政策格式差异不显著。

5.2 内容特征分析

5.2.1 个人信息收集

告知收集个人信息及收集个人信息类型的统计见表1。各类网站在此方面不存在显著差异（p=0.066>0.05）。在告知了收集个人信息的网站中，84%收集自愿提供的个人信息，其中94%收集姓名信息，100%收集联系方式，69%收集人口统计信息，31%收集身份证信息，19%收集银行卡信息;89%主动收集个人信息，其中88%收集IP地址，82%收集浏览行为，24%收集移动设备位置，48%收集交易记录。40%声明采用Cookie主动收集个人信息，5类网站间差异不显著（p=0.136>0.05）。在使用Cookie的12个网站中，42%提供了关闭Cookie的方法，67%告知了关闭Cookie会引起的不便及后果。

收集个人信息目的统计见表2。在是否告知收集个人信息的目的方面，Fisher精确检验的p=0.047<0.05，但非常接近0.05，且本研究的样本量并不够大，因此并不能说明5类网站一定存在差异[24]。于是利用Fisher分割检验，结果见表3。由于垂直型电商网站和网银支付类电商网站的统计结果相同，只需对4类两两比较即可。表中各项p值均大于调整后的检验水准a′=0.05/（=4*（4-1）/2）=0.008[25]，因此5类网站间差异不显著。在具体5种收集信息目的方面，5类网站间差异不显著（p=0.559>0.05）。

5.2.2 个人信息存储

声明个人信息存储的统计见表4。5类网站在个人信息保存时间（P=0.491）、个人信息存储位置（P=0.764）方面差异不显著;在采取措施保障个人信息的完整性/安全性（P=0.000）方面差异显著。对差异显著的进行Fisher分割检验结果见表5（分析方法同收集个人信息目的子类）。其中只有团购类电商网站和垂直型电商网站及网银支付类电商网站对应的p=0.002

5.2.3 个人信息利用

个人信息利用的统计见表6。除网站外部链接不适用隐私政策差异显著外（P=0.008<0.05），5类网站在其它4个子类目上差异均不显著（P>0.05）。对差异显著的进行Fisher分割检验结果见表7，其中团购类电商网站和垂直型电商网站对应的P=0.002小于调整后的检验水准a′=0.05/（=5*（5-1）/2）=0.005，这两类网站在网站外部链接不适用本隐私政策方面差异显著，其他网站间差异不显著。

5.2.4 个人信息控制

对消费者个人信息控制的统计见表8。除可以浏览、更新个人信息（p=0.008<0.05）外，5类网站在其他各子类目上差异均不显著（P>0.05）。对差异显著的进行Fisher分割检验结果见表9（分析方法同收集个人信息目的子类），其中团购类电商网站和垂直型电商网站对应的p=0.002小于调整后的检验水准a′=0.008，这两类网站在可以浏览、更新个人信息方面差异显著，其他网站之间差异不显著。

5.2.5 隐私政策包含的其他内容

1）未成年人隐私保护

未成年人个人信息保护统计见图1，30%隐私政策有对未成年人隐私保护的条款。5类网站Fisher精确检验的P=0.096>0.05，5类网站在未成年人隐私保护子类不存在显著差异。

2）联系方式

联系方式的统计见图2，37%隐私政策提供了联系方式。5类网站Fisher精确检验的P=0.037<0.05，5类网站在联系方式子类存在显著差异。Fisher分割检验结果见表10。所有P值均大于调整后的检验水准a′=0.05/（=5*（5-1）/2）=0.005，表明尽管在联系方式子类上5类网站间差异显著，但这种差异在对网站进行两两检验时并不显著。

3）社会化媒体上的个人信息

社会化媒体上个人信息的统计见图3，23%隐私政策包含了对社会化媒体上个人信息的处理。5类网站Fisher精确检验的P=0.499>0.05，5类网站在社会化媒体上的个人信息子类差异不显著。

6 结果与讨论

6.1 隐私政策外在表现

所调查的网站都包含有隐私政策。显示出随着社会进步、电子商务发展，人们越来越关注隐私问题，网络商家也将隐私问题作为重要问题对待，希

望通过制定隐私政策规避不确定性问题。

在隐私政策的可见性方面，如果仅从点击次数、均值、中位数及标准差来看，90%的隐私政策可以通过1次或2次点击获得，整体上还比较理想。但仅有40%的隐私政策链接包含有“隐私”或“保密”字样，消费者很难找到隐私政策。而隐私政策可见性差意味着即使隐私政策可读性很好、内容非常完善，但消费者却无法找到隐私政策，无法加以利用。

隐私政策长度的变化范围非常大。隐私政策太短无法清楚完整地表达网络商家的做法，但太长也会使消费者望而却步，失去了公布隐私政策的意义。同时长短也不是判断隐私政策可读性的最主要指标。英文可读性[7-8]已有成熟测度指标，但中文可读性的评价还未形成成熟方法，因此无法判定各类网站隐私政策可读性的差异。但Milne G R等认为分层格式的政策可以增加消费者理解政策的能力[26]，既能够清楚地阐述网络商家的隐私政策，又能使消费者容易地了解他们所关心的内容。在本研究中，没有隐私政策采用分层格式。

6.2 信息收集政策

6.2.1 收集信息的类型

网站收集的消费者信息包括消费者自愿提供的信息和网站主动收集的信息。84%网站收集消费者自愿提供的信息，消费者要有思想准备;但诸如电话、地址等是网络交易必不可少的信息，消费者大可不必过度担心，除非放弃网络购物。很多网站因广告及个性化推荐服务等主动收集诸如浏览行为、IP地址、交易记录等信息，对这些信息比较敏感而且不想获得个性化服务的消费者可以通过设置不被跟踪记录。另外，随着移动电子商务发展，移动设备的位置信息成为备受关注的个人信息。

6.2.2 信息收集的目的

網络商家收集个人信息的目的主要有：提高网站质量，提供个性化的产品或服务，提供新的产品或服务，完成交易或者服务行为[27]。77%的隐私政策说明了收集个人信息的目的，其中向消费者提供个性化的产品或服务是收集个人信息的最常见的目的，其次是为了完成交易或者服务行为。在实践当中，消费者感受最直接的是网络商家为自己推送了个性化的产品、服务、广告、定制等。

6.2.3 Cookie的使用

尽管在本研究中，只有40%的网站声明会用Cookie，但网站使用类似Cookie的会话跟踪技术是业界公开的秘密。接受Cookie，网站可以记住消费者的用户名密码、访问记录和个人喜好，方便消费者使用及向个人提供有针对性的广告推送等行为。消费者如果不想被跟踪，可以关闭Cookie，但仅有42%提供了关闭Cookie的方法，而有67%告知了关闭Cookie的后果，显示出网站并不希望消费者关闭Cookie的意愿。

6.3 信息存储政策

个人信息的存储位置、存储时间及网站采取措施保证存储数据安全是个人信息被合理利用的前提。但仅13%的隐私政策告知了个人信息存储的位置，主要存储在国内服务器上，有些也会传输到国外关联公司或者同一集团之下的其他公司的服务器上。当信息存储在其他公司的服务器上时，信息的安全性掌控会变差，特别是存储在国外服务器上时，还会存在跨境数据流动的法律适用问题。仅17%的隐私政策提到了个人信息的保存时间，但这些条款还是针对未成年人的，这意味着成年人的“被遗忘权”完全没有被考虑。63%的隐私政策声明会采用恰当措施保证存储信息的安全，这些措施应包括技术、物理和制度等层面。

6.4 个人信息利用

为减轻消费者隐私关注，86%网站声明未经消费者许可不会披露个人信息。但在很多情况下消费者根本不知道自己已经许可了，或者为了完成交易不得不接受网站的许可要求。

为规避风险，93%的网站列举了隐私披露或泄露的例外。这些例外通常包括依照法律或政府机关的要求、为公共利益、为防止他人权益之重大危害、因黑客攻击或计算机病毒入侵或用户保管疏忽导致的个人信息安全问题等。这些例外有些是合理的，但如果因为公司的安全管理措施不够导致的黑客攻击、计算机病毒入侵等造成的个人信息安全问题，网站肯定不能免责。

网络商家在提供产品或服务时不得不与其他公司合作完成，如物流公司、数据处理公司、广告公司等，此时网络商家通常会与这些合作伙伴共享消费者的信息，有63%的隐私政策声明了这种情况。同时当网站或者关联公司的业务进行转让或被出售或者收购时，个人信息作为一种商业秘密通常也要被转让。仅有13%的隐私政策声明，在个人信息转让时，除非得到用户许可，否则原有隐私政策仍然有效，且不会扩散数据利用范围。

在电商网站上通常都包含第三方的广告及其他网站的链接，很多消费者误认为这是网站本身的链接，但实际上链接网站并不受该网站隐私政策的约束。仅50%的隐私政策对这种情况进行了声明。

6.5 消费者对个人信息的控制

个人信息控制权和隐私决定权是近年来隐私权的发展方向[28]。消费者应该有权拒绝网站的推送服务、选择不提供某些信息、浏览更新个人信息、删除个人信息、请求停止利用个人信息及在遇到侵害时可以进行维权，但仅有浏览更新个人信息和维权这两项在53%的隐私政策中声明了，体现了大多网站对个人信息控制权的理解。虽然有30%的隐私政策声明了用户可以拒绝推送，但默认的是同意接收推送;而且如果消费者想拒绝推送，必须向网站发送请求。

只有13%的隐私政策声明消费者可以拒绝提供信息，但消費者因此无法使用相应的特色服务。很多网站在消费者注册时，要求必填许多不是交易必需的个人信息，如果不填就不能使用该网站。

仅有17%的隐私政策声明消费者可以请求删除自己的个人信息。被遗忘权是近几年的热议话题，英国《卫报》关于“我能删贴吗”的争论，掀起了网络数据保护新运动，不仅要保护数据，也要保护被遗忘权。

仅有13%的隐私政策声明消费者可以请求停止利用个人信息。网络商家为了利用个人信息进行个性化营销、改善产品和服务质量，不可避免对消费者个人信息进行分析处理，但作为消费者对隐私控制权的体现，消费者也有权利要求网站不要利用自己的个人信息。

6.6 隐私政策包含的其他内容

6.6.1 未成年人隐私保护

未成年人个人信息保护意识较差，信息泄露风险更大，造成的伤害也有可能更大。仅30%的隐私政策包含了对未成年人的隐私保护，而且93%只是声明未成年人参与网上活动必须事先获得监护人的可经查证的同意，并未列有详细的条款;而不详细的条款在执行时将存在诸多问题。同时对未成年人的界定也不统一，有的规定未满18岁，有的规定未满16岁，而有的则声明未成年人的界定考虑适用的法律和文化惯例。

6.6.2 联系方式

当消费者对隐私政策有异议或者对网站处理个人信息有意见时，隐私政策应列出联系方式，使消费者有反映的渠道。但仅有37%的隐私政策列出了联系方式，而且大都是公司的客服电话或者邮箱。

6.6.3 社会化媒体上的个人信息

随着电子商务借助社会化媒体开展营销活动，消费者会利用电商网站提供的社会化媒体平台发表评论、参与网站的各种社区活动。但仅有23%的隐私政策对发表在社会化媒体上的个人信息处理进行了说明，把社会化媒体区域内消费者公布的信息都看作是公开信息，不适用其隐私政策，不负有保密责任。消费者在电商网站提供的社会化媒体上发布信息时应持审慎态度。

6.7 网站间隐私政策的差异分析

根据第5节的数据分析可以看出各类网站的隐私政策总体上差异并不明显。只有3个子类目差异显著：一是在采取措施保障完整性/安全性方面，团购类电商网站与垂直型电商网站和网银支付类电商网站差异显著;二是在网站外部链接不适用本隐私政策方面，团购类电商网站和垂直型电商网站差异显著;三是在可以浏览、更新个人信息方面，团购类电商网站和垂直型电商网站的差异显著。

以上3个子类目差异均包含团购类电商网站和垂直型电商网站。主要原因可能与我国团购网站起步较晚有关，团购网站间的竞争还集中在网站的生存之战，集中于产品竞争和渠道之争，还没有太多的精力去细化隐私政策。而垂直型网站大多根植于原有的公司或产品，是比较成熟的企业，有较多精力关注隐私政策，形成了较为完善的隐私政策。

在采取措施保障完整性/安全性方面，团购类电商网站和网银支付类电商网站差异显著。主要原因可能是网银支付类电商网站直接关系消费者的经济利益，一旦出现问题可能给消费者造成经济损失和心理影响，因此网银支付类电商网站更注重保证个人信息的安全性/完整性。

7 实践启示

7.1 提高隐私政策的可见性和可读性

电商网站应加强网站隐私政策的页面布局和隐私政策格式的设计，提高隐私政策的可见性和可读性。如将隐私政策尽量设置在首页，并用与隐私高度相关的标题;尽量采用分层格式的隐私政策，既可以使链接的详述格式的隐私政策详细解释网络商家的隐私惯例和态度，又能够使消费者因概要式隐私政策简短的特征有一个高的阅读期望;研究隐私政策表达形式，如采用音频格式，可能会增加消费者的隐私信任[29]。

7.2 隐私政策内容在比较全面的同时突出重点

网络商家的隐私政策应该至少包括以下内容：消费者信息收集、消费者信息存储、消费者信息利用、消费者对个人信息的控制、未成年人隐私保护及其他等方面。每个网络商家可以根据目标客户的差异，在相应的内容模块及其具体内容方面进行细化或者取舍。如金融服务网站应注重强调安全问题，儿童、青少年类网站则更关注未成年人隐私保护。

7.3 消费者应注意不适用网站隐私政策的情况

根据前面分析可以看出，所有涉及到外部链接和社会化媒体的隐私政策都宣称，在网站外部链接及网站社会化媒体上发布的信息不受网站隐私政策的约束。因此消费者在点击电商网站上的外部链接或参与网站社会化媒体营销活动时应保持审慎的态度，对可能泄露自己识别性的个人信息更应保持警惕。

7.4 消费者在享受新产品便利的同时也要格外注意隐私问题

从前面的分析讨论可知，各类网站的隐私政策差异不大，主要是在一些子类目上兴起相对比较晚的团购类网站和其他类网站存在差异。因此消费者在提供个人信息时应保持清醒态度，尤其是对一些新兴的、还处于生存竞争阶段、大量烧钱提供丰厚优惠的网站，他们可能优惠力度很大，但是在隐私保护方面可能无暇顾及。

7.5 被遗忘权仍然是美好的理想

仅有17%的隐私政策声明消费者可以提出删除自己的个人信息，意味着消费者一旦在网上提供个人信息，这些信息基本上就不受自己控制了。被遗忘权仍然是美好的理想，一旦提供了个人相关信息，就要做好提供这些信息可能带来的负面影响。

参考文献

[1]Sheehan K B.In Poor Health：An Assessment of Privacy Policies At Direct-to-Consumer Web Sites[J].Journal of Public Policy & Marketing，2005，24（2）：273-283.

[2]Squicciarini A C，Lin D，Sundareswaran S，et al.Privacy Policy Inference of User-uploaded Images on Content Sharing Sites[J].IEEE Transactions on Knowledge and Data Engineering，2015，27（1）：193-206.

[3]Such J M，Rovatsos M.Privacy Policy Negotiation in Social Media[J].ACM Transactions on Autonomous and Adaptive Systems（TAAS），2016，11（1）：4.

[4]Slavin R，Wang X，Hosseini M B，et al.Toward a Framework for Detecting Privacy Policy Violations in Android Application Code[C]//Proceedings of the 38th International Conference on Software Engineering.ACM，2016：25-36.

[5]Johnston A.Privacy：How to Draft a Privacy Policy Like the Law Expects-instead of Like a Lawyer[J].LSJ：Law Society of NSW Journal，2018，（49）：82.

[6]Strahilevitz L J，Kugler M B.Is Privacy Policy Language Irrelevant to Consumers？[J].The Journal of Legal Studies，2016，45（S2）：S69-S95.

[7]Magi T J.A Content Analysis of Library Vendor Privacy Policies：Do They Meet Our Standards？[J].College & Research Libraries，2010，71（3）：254-272.

[8]王英.若干國家和地区图书馆协会隐私政策的内容分析[J].大学图书馆学报，2012，（5）：46-52.

[9]付立宏，李平辉.澳大利亚，新西兰，新加坡和丹麦国家图书馆网站隐私政策比较研究[J].图书情报工作，2011，55（17）：78-81.

[10]Rains S A，Bosch L A.Privacy and Health in the Information Age：A Content Analysis of Health Web Site Privacy Policy Statements[J].Health Communication，2009，24（5）：435-446.

[11]周拴龙，王卫红.中美电商网站隐私政策比较研究——以阿里巴巴和Amazon为例[J].现代情报，2017，37（1）：137-141.

[12]Chang Y，Wong S F，Libaque-Saenz C F，et al.The Role of Privacy Policy on Consumers Perceived Privacy[J].Government Information Quarterly，2018，（35）：445-459.

[13]Carney T F.Content Analysis：A Technique for Systematic Inference from Communications[M].London：Batsford，1972：150.

[14]Lombard M，Snyder-Duch J，Bracken C C.Practical Resources for Assessing and Reporting Intercoder Reliability in Content Analysis Research Projects[EB/OL].www.temple.edu/sct/mmc/reliability，2015-02-13.

[15]Weber R P.Basic Content Analysis[M].2nd ed.Newbury Park，Calif.：Sage，1990：15.

[16]Singletary M W.Mass Communication Research：Contemporary Methods and Application[M].Boston：Addison-Wesley，1993

[17]彭增军.媒介内容分析法[M].北京：中国人民大学出版社，2012：97.

[18]Lombard M，Snyder-Duch J，Bracken C C.Content Analysis in Mass Communication：Assessment and Reporting of Intercoder Reliability[J].Human Communication Research，2002，28（4）：587-604.

[19]风笑天.社会研究方法（第4版）[M].北京：中国人民大学出版社，2013：125.

[20]彭增军.媒介内容分析法[M].北京：中国人民大学出版社，2012：90.

[21]Cohen J.A Coefficient of Agreement for Nominal Scales[J].Educational and Psychological Measurement，1960，20（1）：37-46.

[22]Vries H，Elliott M N，Kanouse D E，et al.Using Pooled Kappa to Summarize Interrater Agreement Across Many Items[J].Field Methods，2008，20（3）：272-282.

[23]Kvalseth T O.Note on Cohens Kappa[J].Psychological Reports，1989，65（1）：223-226.

[24]張文彤，闫洁.SPSS统计分析基础教程[M].北京：高等教育出版社，2004：310.

[25]黄水平.多个样本率间的两两比较方法[J].徐州医学院学报，2002，22（4）：291-294.

[26]Milne G R，Culnan M J.Using the Content of Online Privacy Notices to Inform Public Policy：A Longitudinal Analysis of the 1998-2001 Us Web Surveys[J].The Information Society，2002，18（5）：345-359.

[27]Markel M.The Rhetoric of Misdirection in Corporate Privacy-Policy Statements[J].Technical Communication Quarterly，2005，14（2）：197-214.

[28]刘士国.患者隐私权：自己决定权与个人信息控制权[J].社会科学，2011，（6）：96-100.

[29]Au N，Law R.Presentation Formats of Policy Statements on Hotel Websites and Privacy Concerns：A Multimedia Learning Theory Perspective[J].Journal of Hospitality & Tourism Research，2013，37（4）：470-489.

（责任编辑：郭沫含）