《International Journal of Consumer Studies》：Artificial Intelligence and Consumer Behaviour in Social Media: Systematic Literature Review and Future Research Agenda
编辑推荐：
本文对人工智能（AI）及生成式人工智能（GAI）在社交媒体消费者行为领域的应用进行了系统性文献回顾，采用SPAR-4-SLR协议与5W1H框架，系统梳理了AI作为赋能者、风险因素及中性工具的多重角色。研究发现，AI在个性化推荐、用户参与及数据分析方面作用显著，但算法偏见、隐私泄露等伦理风险亦不容忽视。研究视角涵盖消费者、企业及综合维度，虚拟偶像（VI）、聊天机器人等应用成为焦点。本文为理解AI在数字营销中的复杂影响提供了结构化分析，并为未来负责任AI框架的构建指明了方向。
人工智能与社交媒体消费者行为研究概览
摘要
人工智能（AI），特别是生成式人工智能（GAI）的兴起，深刻改变了数字营销格局，尤其在社交媒体领域。然而，关于此交叉领域的学术研究仍较为分散，需要系统性的整合以识别主流趋势与研究空白。本研究遵循SPAR-4-SLR协议，对现有关于AI、GAI、社交媒体及消费者行为的研究进行了系统性文献综述，并运用5W1H框架（What, Who, When, Where, Why, How）来组织信息并回答关键问题。
1. 研究内容（WHAT）——AI现象与应用
文献中探讨的主要AI应用包括虚拟偶像（VI）与虚拟形象、AI驱动的个性化系统、推荐算法、AI生成内容（AIGC）以及会话AI和聊天机器人。这些技术被塑造为提升个性化、互动和分析能力的关键驱动力。研究聚焦的关键消费者行为构念包括信任与可信度、购买意愿与行为、参与度与互动、隐私担忧以及感知有用性与易用性。理论基础方面，技术接受模型（TAM）、刺激-机体-反应（S-O-R）模型、社会比较理论、使用与满足理论（UGT）以及社会技术理论（如组合理论、可供性理论）被广泛应用。
2. 研究主体与视角（WHO）
从研究视角分布看，既有以消费者为中心的研究，深入探究消费者对AI的感知、信任和行为意向；也有以企业为中心的研究，关注AI在营销策略、客户关系管理等方面的组织应用；更多的研究则采用了混合视角，分析AI在消费者与企业动态互动中的复杂角色。研究社群呈现高度多样性，74项研究涉及独特的作者组合，成果发表在《European Journal of Marketing》、《Journal of Retailing and Consumer Services》等62种学术期刊上。研究对象以社交媒体用户为主，尤其关注Z世代和千禧一代，大学生样本也常被用于受控实验。
3. 时间演进（WHEN）——研究趋势演变
该领域研究大致可分为两个阶段：基础期（2020–2022年），出版物数量相对较少，侧重于理论框架构建和初步实证探索；快速增长期（2023–2025年），研究成果显著增加，反映出学术关注度的提升以及GAI技术应用的普及。研究主题从早期的算法品牌化、基础AI营销理论，扩展到AI驱动的个性化、VI有效性、AIGC以及隐私、伦理和跨文化AI接受度等问题。
4. 地理与平台情境（WHERE）
研究具有全球广度。西方市场的研究侧重于AI影响者信任、AI技术在社交营销中的采纳；亚洲市场的研究则重点关注VI、社交商务及算法个性化。此外，跨国比较研究揭示了文化变量对AI接受度的影响。平台方面，Instagram相关研究聚焦视觉AI应用（如VI）；Facebook研究关注AI广告、个性化；TikTok研究探索AI驱动的短视频内容策展；Twitter/X 和 YouTube 等平台也有相应研究，探讨AI在信息传播、视频推荐中的作用。
5. 研究动因与启示（WHY）
主要研究动机包括：探讨信任与可信度在AI与消费者互动中的核心作用；平衡个性化收益与隐私成本的“个性化-隐私悖论”；评估AI工具的有效性（如AIGC vs. 人工内容）；以及考察文化和人口统计学差异对AI接受度的影响。理论贡献体现在对TAM、S-O-R等经典理论的扩展，以及针对AI-消费者互动的新理论框架的出现。实践启示强调，管理者需在技术创新与伦理责任间取得平衡，注重透明度、公平性，以建立消费者信任。
6. 研究方法（HOW）
研究设计以定量方法为主（约占75%），包括问卷调查和实验研究；定性方法（约占15%）如深度访谈；混合方法研究约占10%。数据分析技术涉及多种软件（如R、SPSS、AMOS、SmartPLS、Python）和高级分析技术，如结构方程模型（SEM）、模糊集定性比较分析（fsQCA）、机器学习（ML）算法、文本挖掘和自然语言处理（NLP）。在研究中，AI主要作为核心研究对象，少数研究开始将AI作为方法论工具（如利用ML、NLP分析社交媒体数据）。
未来研究议程与结论
未来研究应关注纵向与过程导向的设计，以追踪AI整合的长期效应；加强跨文化与人口统计学的边界条件研究；深化对伦理、透明度与治理框架的探讨；开展更多平台特定及跨平台比较研究；重视生成式AI（GAI） 的创造性、认知性及规范性影响；促进方法论多元化，特别是“AI作为方法”的应用；并深入理解真实性、准社会关系与VI。同时，推动转化性、产业嵌入式研究，弥合学术见解与实际营销挑战之间的差距。
总之，本综述系统梳理了AI在社交媒体消费者行为研究领域的现状，指出了其作为赋能者与风险源的双重角色，强调了构建负责任、合乎伦理的AI应用框架的重要性，并为未来的学术探索与实践应用提供了清晰的方向。
