电子商务中的AI生成摘要：基于双过程视角的AIGS类型与拟人化的调节效应

《Electronic Commerce Research and Applications》：AI-generated summaries in E-commerce: a dual-process perspective on AIGS type and anthropomorphism as a moderator

　　**要点**- AI 生成摘要（AIGS）会显著影响消费者反应。- AIGS 对消费者反应的影响会随 AIGS 类型与拟人化程度而变化。- 基于属性的 AIGS 通过降低感知认知努力来改善消费者反应。- 基于体验的 AIGS 在高拟人化条件下改善消费者反应。- 高拟人化通过感知情绪价值增强基于体验的 AIGS 的效果。**引言**随着电商的迅速扩张，在线用户生成评论（UGR）已成为消费者决策过程的组成部分（Eslami 等，2018；Singh 等，2017）。UGR 提供了关于产品质量、功能与用户体验的丰富洞见，帮助潜在买家做出更明智的选择（Chevalier 与 Mayzlin，2006；Mudambi 与 Schuff，2010；Xie 等，2025）。然而，评论数量激增且内容异质化，造成信息过载，并提高了处理信息所需的认知努力（Gottschalk 与 Mafael，2017；Marrese-Taylor 等，2014；Papathanassis 与 Knolle，2011；Pocchiari 等，2025；Schwarz，2004）。消费者往往难以从大量评论中提取有用洞见，最终阻碍其决策过程。为减轻这一负担，平台引入了有用性标签、数字评分和评论筛选等工具（Abell 等，2024；López-López 与 Parra，2016）。这些工具虽简化了处理，但主要只是高亮、排序或重组已有评论，并未对其进行综合，往往也缺乏细微决策所需的深度（Filieri 等，2018；Hu 等，2017）。在此背景下，AI 生成摘要（后文简称 AIGS）作为一种新工具应运而生，它将大量 UGR 浓缩为简洁的自然语言叙述，兼具效率与深度。尽管工业界的采用正在扩展（例如 Amazon、Ctrip），但针对 AIGS 的研究仍较为碎片化。现有研究主要关注消费者对 AIGS 有用性与可信度的感知、AIGS 与人工生成摘要的对比，以及平台层面部署 AIGS 的后果（M. Jia 等，2026；S. J. Jia 等，2025；Deng 等，2026）。仍未被充分探讨的问题是：AIGS 内容的差异是否以及如何影响消费者反应。为弥补这一空白，我们借鉴在线评论文献（Chen 等，2024；L. Huang 等，2013），提出对 AIGS 的二元分类：基于属性的 AIGS 强调客观、可比较的产品信息（如位置、续航、耐用性）；基于体验的 AIGS 强调感官与情感印象（如舒适度、氛围、愉悦感）。根据双加工理论，这两类 AIGS 可能触发不同的加工侧重：基于属性的 AIGS 更适合审慎比较与降低努力，而体验性内容涉及情感评价，需要将体验线索转化为情绪价值。鉴于消费者对 AI 传达主观体验的能力可能存在怀疑，我们引入拟人化——即赋予 AI 拟人化特质——作为依内容而变的边界条件，它可能强化基于体验的 AIGS 的情感影响。我们预测，拟人化线索可以缓解对基于体验的 AIGS 的怀疑，而对基于属性的 AIGS 影响有限。据此，本研究探讨以下问题：- RQ1：AIGS 的存在是否改善了一系列消费者反应，包括消费者信任、购买意愿和购后评论意愿？- RQ2：基于属性的 AIGS 与基于体验的 AIGS 是否通过不同的加工倾向对消费者反应产生差异化影响？- RQ3：拟人化能否缓解对基于体验的 AIGS 的怀疑并提升其效果？通过四项随机实验，本研究作出三方面贡献。第一，将 AIGS 从一种统一的平台工具重新定位为依内容而变的决策辅助工具，其效果取决于 AIGS 所强调的信息。第二，将双加工视角应用于 AIGS，区分基于属性的与基于体验的 AIGS，并表明二者涉及相对不同的认知与情感加工倾向。第三，识别拟人化是