根据F5 Networks委托执行的一项名为“便利性曲线—安全性与便利性的较量”的研究,如今的消费者愿意牺牲应用的便利性来换取安全性。
根据这项与 YouGov 联合开展的区域性研究,亚太地区的消费者认为安全的应用体验最重要,其中有 53% 的受访者将安全性排在了功能和便利性前面。此外,亚太地区的消费者在安全性方面持零容忍态度,如果数据安全遭到破坏,近五分之三的受访者会选择彻底放弃相关应用。
从推动消费者市场增长到交付创新业务模式,亚洲已经成为塑造全球数字化经济的中坚力量。为了解亚太地区消费者的应用使用观念和态度,F5 联合 YouGov 对来自澳大利亚、中国大陆、中国香港、印度、印度尼西亚、菲律宾和新加坡的 3,700 名受访者开展了调查。
F5 Networks 中国、日本和亚太地区高级副总裁 Adam Judd 表示:“如今的应用为企业与用户的交互提供了一个特殊的个性化环境,因此也改变了消费者与产品和服务的交互方式。一看我们的研究结果便知,安全性仍然是亚太地区消费者最关心的问题,即使该地区的多元化也掩盖不了这样一个关键事实。由于应用将继续在亚太地区占主导地位,企业只有了解其客户在便利性曲线中的位置,才能交付合适的用户体验,否则就可能让客户白白流失。”
新加坡管理大学信息系统副教授 Debin Gao 博士表示:“安全性和便利性的关系可谓是此消彼长,要想找到合适的平衡点并不容易。设备或程序用起来越方便,安全性可能就越低。这就让人陷入了两难境地:是牺牲安全性还是便利性?这个问题可以在 F5 便利性曲线中找到答案,该地区的受访者在不同的阶段产生了不同的偏好。值得一提的是,虽然应用的使用不断增长,但是用户拥有的应用数量是有限的。企业必须要分清用户的关注重点,并在设计应用时将这些因素考虑在内。”
用户难抵便利诱惑
安全性在亚太地区消费者的所有数字活动中都是首要考虑因素,53% 的受访者认为安全性高于便利性就是一个有力的证明。实际上,近一半(46%)的受访者表示,更高的安全性是未来五年内改进数字体验的最重要因素。
但是,尽管社交网络可能会出现非法使用个人数据的现象和攻击漏洞,但它仍然是使用频率最高的应用类型,尤其令人担忧的是,它是该地区被用户信赖的第二大应用类型。究其原因,还是在于社交网络的实用性和便利性 —— 它不仅支持用户轻松获取亲朋好友的最新动态,还提供了单点登录 (SSO) 其他各种应用的选择,包括手机游戏和电子商务网站等。这表明用户愿意舍弃个人信息的安全来换取便利性和实用性,但却没有再三考虑这些行为的安全隐患。
市场内部应用预期各有不同
虽然我们的研究显示用户整体偏向于安全性而非便利性,但是正如“世界上没有两片完全相同的树叶”一样,具体的片区也有所不同。在“移动先行”的新兴经济体中,大部分用户的第一次数字体验来自移动设备,这种热情和兴奋就转换成了体验至上、安全其次的思维模式。
在印度尼西亚、印度和菲律宾等数字技术快速普及的新兴市场中,消费者优先考虑便利性,而澳大利亚和新加坡等发达市场的消费者认为安全第一。实际上,在更成熟的数字化国家中,认为安全性高于便利性的用户比例较高,比如澳大利亚和新加坡的这一数字就分别达到了 63% 和 67%。相比之下,印度尼西亚、印度和菲律宾中视便利性优于安全性的用户比例就高出了 14%。
千禧一代求方便、弃安全
到 2020 年,全球超过 60% 的千禧一代(18-34 岁)都来自亚太地区。他们将最终成为影响应用业务的核心力量,其偏好则将成为企业设计应用的风向标。
尽管千禧一代在技术的浸泡下长大,却可能成为攻击者的最佳目标,因为这些数字一代把安全性视为理所当然。研究显示,不到一半(44%)的千禧一代认为安全至上,而 X 一代(35–54 岁)和婴儿潮一代(55 岁及以上)的这一数字分别为 53% 和 69%。
虽然通常千禧一代对潜在数据安全风险的敏感度更高,但却不太放在心上。32% 的千禧一代会在数据安全遭到破坏时继续使用应用,对数据泄露表现出了更高的容忍性。作为未来的领导者,千禧一代应该了解他们所面临的安全风险级别,因为他们这种散漫的安全态度只会百害而无一利,并成为安全漏洞的主要原因。
如今应用已经成为很多企业的门面担当,便利性曲线反映了用户对应用的认识历程,期间用户将会逐渐了解应用安全性与便利性的跷跷板关系,并学会如何平衡和取舍。当今企业面临的挑战就是在便利性与安全性之间取得平衡,同时避免“便利性陷阱”,导致用户既不满意便利性、也不满意安全性。
好文章,需要你的鼓励
英伟达凭借其在图形处理器领域的深厚积累,成功转型为AI计算的领军企业。英伟达通过其GPU、CPU、DPU三芯战略,以及强大的软件生态
AI Agent(人工智能体)是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能,AI Agent具备通过独立思考、
探讨如何提高人工智能系统在复杂任务中的透明度和可信度方面,纽约大学数据科学中心的研究人员提出了一种创新方法,通过自我博弈