生成式AI支持的旅游旅程：感知可靠性、推荐中立性与技术准备度的作用

《Journal of Theoretical and Applied Electronic Commerce Research》：Beyond Engagement: How Perceived Reliability, Recommendation Neutrality, and Technology Readiness Shape the Generative AI-Supported Tourist Journey

　　

摘要专业翻译 生成式人工智能正日益嵌入数字旅游规划与决策过程，重塑游客搜索信息、评估备选方案以及驾驭顾客旅程的方式。然而，关于对话式AI的参与度如何与顾客旅程增强相关联，以及伴随这种关联的评价机制和用户层面条件，目前仍知之甚少。本研究考察了ChatGPT参与度与顾客旅程增强之间的关系，将感知系统可靠性（perceived system reliability）和推荐中立性（recommendation neutrality）建模为平行中介变量，并将技术准备度（technology readiness）作为调节变量。研究采用定量横截面设计，从1012名具有先前使用ChatGPT进行旅游相关决策导向经验的游客中收集数据，并使用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling，PLS-SEM）进行分析。研究结果表明，ChatGPT参与度与顾客旅程增强、感知系统可靠性和推荐中立性均呈正相关。感知系统可靠性和推荐中立性也与顾客旅程增强呈正相关，其显著间接关联与互补性部分中介效应一致。技术准备度正向调节ChatGPT参与度与顾客旅程增强之间以及感知系统可靠性与顾客旅程增强之间的关联。补充分析进一步表明，通过感知系统可靠性产生的间接关联在技术准备度水平较高时更强。通过区分AI参与度与游客对系统可靠性和推荐中立性的评价，同时将技术准备度作为用户层面的边界条件纳入考量，本研究为生成式AI支持的旅游决策和数字顾客旅程提供了更具差异化的解释。研究还强调，感知可靠性和推荐中立性代表的是用户评价，而非AI性能的经验证属性。在实践层面，研究结果凸显了区分旅游组织无法直接控制的通用型生成式AI与组织管理的AI服务的必要性，后者在数据质量、透明度、验证和用户支持方面可以进行更积极的管理。

论文解读文章

一、研究背景与问题提出

生成式人工智能正日益嵌入旅游与酒店业的数字基础设施中，深刻影响着游客获取信息、评估备选方案和组织旅行相关决策的方式。其中，ChatGPT作为对话式生成式AI应用的突出代表，因其支持目的地搜索、行程规划、旅行选项比较及其他决策导向活动的能力而受到学术界和管理界的广泛关注。与传统数字工具不同，ChatGPT允许用户进行迭代式交流，用户可以在对话发展过程中细化请求、引入新约束并接收情境敏感型响应。在旅游决策经常涉及不确定性、信息过载、时间压力和偏好变化的情况下，这种交互特性为游客与目的地、平台和服务提供商的互动创造了新的可能性。

旅游顾客旅程日益通过数字与物理触点相互连接的序列展开，而非通过孤立的服务接触实现。旅行前，游客可能使用AI探索目的地和构建行程；旅行中，他们可能寻求即时协助或修改计划；旅行后，AI支持的互动可能继续影响评价和未来选择。然而，现有研究仍存在若干重要空白：其一，现有学术研究已广泛考察推荐系统、预测应用、一般性AI采用和用户态度，但对对话式生成式AI作为可伴随游客经历多个旅程阶段的交互式决策支持环境关注相对不足；其二，关于感知可靠性和推荐公平性/中立性的研究虽已进入负责任AI的讨论范畴，但关于这些感知是否在统计上解释了ChatGPT参与度与顾客旅程增强之间的部分关联，目前知之甚少；其三，技术准备度虽常被讨论为技术相关行为个体差异的重要来源，但其在调节对话式AI体验后果方面的作用在旅游研究中仍未充分发展。

基于此，本研究以技术接受模型（Technology Acceptance Model，TAM）和整合型技术接受与使用理论2（Unified Theory of Acceptance and Use of Technology 2，UTAUT2）为理论透镜，开发并实证检验了一个模型：ChatGPT参与度直接且通过感知系统可靠性和推荐中立性间接地与顾客旅程增强相关联，技术准备度则作为ChatGPT参与度与顾客旅程增强之间以及感知系统可靠性与顾客旅程增强之间关系的调节变量。

二、研究方法概述

研究人员采用定量横截面设计，以具有先前12个月内使用ChatGPT进行旅游相关决策导向经验的游客为目标总体。由于不存在满足该特定行为标准的可识别抽样框，研究采用非概率目的性抽样方法，通过LinkedIn、TikTok、Facebook和Instagram等在线平台招募受访者。问卷以阿拉伯语和英语双语提供，采用两阶段筛选程序确定资格：第一阶段询问是否在过去12个月内使用ChatGPT获取旅游相关信息；第二阶段确认其使用是否涉及目的性旅行决策。最终保留1012份符合条件的有效问卷，其中618份为英文版本，394份为阿拉伯文版本。研究使用SmartPLS 4软件，遵循偏最小二乘结构方程模型（PLS-SEM）程序进行数据分析，所有构念均设定为反映性构念并使用Mode A和路径加权方案进行估计。测量模型通过指标载荷、Cronbach's alpha、rho_A、组合信度（rho_C）和平均方差抽取量（AVE）进行评估，判别效度使用Fornell-Larcker准则和异质-单质比率（HTMT）检验。结构模型评估涵盖共线性、解释方差、效应量、直接与间接关联、交互效应和预测性能。统计推断基于10,000个子样本的有放回非参数自助法，采用5%水平的双尾显著性检验和95%百分位自助置信区间。交互项采用两阶段方法构建，显著交互项通过简单斜率分析进一步检验，并进行了条件间接效应分析和调节中介指数检验。样本外预测性能通过PLSpredict评估，采用10折交叉验证和10次重复。

三、研究结果

人口统计学特征。 1012名受访者中，男性占50.7%，女性占49.3%；年龄25-34岁为最大群体（44.0%），其次为35-44岁（18.5%）和45-54岁（16.9%）；多数参与者持有学士学位（72.3%）；样本包括阿拉伯（45.3%）和非阿拉伯（54.7%）受访者。

测量模型评估。 所有指标载荷超过0.80，Cronbach's alpha、rho_A和组合信度（rho_C）值均高于0.70的推荐阈值，平均方差抽取量（AVE）范围从0.722到0.777，超过0.50的常用标准。Fornell-Larcker准则显示每个构念的AVE平方根大于其与其他构念的相关性。异质-单质比率（HTMT）值范围为0.366至0.701，均低于0.85的保守阈值，支持构念间的判别效度。

结构模型与假设检验。 模型解释了感知系统可靠性20.1%的方差、感知推荐中立性15.8%的方差以及顾客旅程增强63.2%的方差。所有五个假设的直接关系均正向且统计显著：ChatGPT参与度与顾客旅程增强正相关（β=0.240，p<0.001），支持H1；ChatGPT参与度与感知系统可靠性正相关（β=0.448，p<0.001），支持H2；ChatGPT参与度与感知推荐中立性正相关（β=0.397，p<0.001），支持H3；感知系统可靠性与顾客旅程增强正相关（β=0.350，p<0.001），支持H4；感知推荐中立性与顾客旅程增强正相关（β=0.300，p<0.001），支持H5。

中介效应。 通过感知系统可靠性的间接关联正向且显著（β=0.157，p<0.001），支持H6；通过感知推荐中立性的间接关联也正向且显著（β=0.119，p<0.001），支持H7。由于直接和间接关联均显著且方向相同，中介模式可表征为互补性部分中介。

调节效应。 技术准备度正向调节ChatGPT参与度与顾客旅程增强之间的关联（β=0.105，p=0.001），支持H8；技术准备度也正向调节感知系统可靠性与顾客旅程增强之间的关联（β=0.090，p=0.003），支持H9。简单斜率分析显示，ChatGPT参与度与顾客旅程增强的条件系数从低技术准备度（-1 SD）的β=0.135增加到高技术准备度（+1 SD）的β=0.345；感知系统可靠性与顾客旅程增强的条件系数从β=0.260增加到β=0.440。

补充条件中介分析。 通过感知系统可靠性的条件间接关联在低技术准备度（β=0.116）、均值水平（β=0.157）和高技术准备度（β=0.197）下均正向且显著。调节中介指数正向且显著（β=0.040，p=0.004），提供统计证据表明通过感知系统可靠性的间接关联随技术准备度水平变化，在较高技术准备度下间接关联更强。

四、讨论与结论

研究结果表明，对话式AI进入旅游顾客旅程的路径并非单一。ChatGPT参与度与更积极的旅程评价相关联，但这种关系并不局限于交互强度本身。感知系统可靠性和推荐中立性解释了该关联的额外部分，而技术准备度则适度调节了选定关系的强度。可靠性相关线索从用户角度而言相对更可观察——游客可以通过重复交互观察响应是否可用、连贯、稳定且看似可靠；而推荐中立性则更难推断——用户可以查看屏幕上出现的推荐，但通常无法看到该推荐背后的信息层级、训练数据、检索逻辑或可能的不对称性。这种可观察性差异有助于理解感知可靠性在模型中相对更突出的作用。

研究强调，感知可靠性和推荐中立性代表用户评价而非AI性能的经验证属性。一个响应可能因其流畅、连贯、详细且自信表达而显得可靠，即使其中部分内容不准确、不完整、过时或虚构。同样，平衡的措辞并不保证平衡的生成——推荐可能看似公正，尽管其受到数据代表性不均、旅游供应商可见性差异、信息可用性限制、提示框架或模型特定倾向的影响。这揭示了生成式AI在旅游中的核心张力：对话式AI可以减少搜索摩擦、维持情境连续性并使旅行规划感觉更易管理，但这些相同特征可能增加对来源难以检查的输出的依赖。体验价值与信息保障不必同步移动——旅行者可能因ChatGPT看似可靠和平衡而体验更顺畅的旅程，即使特定输出的实际准确性或公正性尚未得到独立验证。

在理论层面，本研究将关注点从技术接受转向参与后体验结果，区分了评价机制与用户层面边界条件，支持了感知系统可靠性与推荐中立性的概念区分，并强调了感知AI质量与客观AI性能之间的差距。在实践层面，研究建议旅游组织应将对话式AI视为顾客旅程的一部分，即使AI系统本身不在其直接控制范围内；应创建可见的验证点；对于组织管理的AI服务，应将响应基于经验证的组织数据，提高推荐透明度，并根据用户技术准备度差异提供差异化支持。研究也承认其局限性，包括横截面设计限制因果推断、感知与客观AI性能的区分问题等，并建议未来研究采用纵向、多波次或实验设计以更清晰地建立时间顺序。