无人机配送采用中的认知评估：基于满意度的异质性方法

《Travel Behaviour and Society》：Cognitive evaluation in drone delivery adoption: a satisfaction-based heterogeneity approach

　　摘要
无人机配送服务正成为一种有前景的“最后一公里”配送解决方案，其通过减少碳排放和缓解交通拥堵的潜力，与可持续发展目标相契合。然而，其成功推广关键取决于对公众采纳行为的理解。尽管如此，现有研究尚未充分考察消费者认知评价如何塑造其对无人机配送服务的采纳意愿，尽管认知评价在技术采纳决策中发挥着重要作用。为弥补这一空白，本研究引入认知评价视角，以更好地理解公众对无人机配送服务的采纳。该框架将多维感知风险视为内在个人认知，将社交商务构念视为外部环境认知，并从社会认知视角将消费者对传统配送服务的满意度作为基于经验的调节变量。为探究公众对无人机配送服务的采纳，本研究应用了整合潜在类别聚类分析与结构方程模型的建模框架。基于消费者对传统配送服务的满意度，将其划分为两个潜在类别，并应用结构方程模型验证所构建的扩展技术接受模型。研究结果显示，各类因素对两组公众采纳的影响存在显著异质性。具体而言，身体风险和社会风险显著影响对传统服务满意度较低的消费者的采纳意愿，而隐私风险和财务风险则显著影响满意度较高的消费者。此外，满意度较低的消费者高度依赖社交商务构念，三个维度均呈现显著影响；相比之下，只有推荐与转介对满意度较高的消费者具有显著影响。基于研究结果，本研究旨在识别有效的策略与政策，以促进无人机配送服务作为“最后一公里”物流中更具可持续性的替代方案获得更广泛采纳。

1. 引言
近年来，无人机配送服务作为传统配送服务的替代方案日益受到关注，其在速度、环境友好性和非面对面配送方面对消费者具有吸引力（Mittendorf等，2017；Yoo等，2018；Leon等，2023）。过去十年间，该技术已从试验性试点项目逐步发展为在特定市场中的早期商业化部署。主要企业和物流服务提供商通过与零售商及航空服务提供商合作，已在北美、欧洲和亚洲扩展了商业无人机配送业务。例如，亚马逊和沃尔玛已在美国扩展商业无人机配送服务（Amazon，2024；Walmart，2026），而Zipline已在卢旺达、加纳、日本及美国多个州扩大了医疗和零售无人机配送业务（Zipline，2024）。针对这些商业发展，多个国家的航空管理部门已引入认证框架和超视距（BVLOS）运行批准，以促进更广泛的商业部署（FAA，2025）。无人机配送服务将通过在线平台或移动应用订购的产品直接送达消费者手中（见图1），从而可能与传统配送方式形成竞争。随着商业化进程推进，无人机配送有望重塑城市交通和“最后一公里”物流系统，同时带来新的机遇以及社会和环境挑战。

下载：下载高分辨率图片（190KB）
下载：下载全尺寸图片
图1. 无人机配送服务流程

理解和预测消费者对无人机配送服务的采纳，对于有效的服务规划和政策制定至关重要。无人机配送因其在适当运营条件下提升“最后一公里”物流效率并减少配送相关环境影响的潜力而日益受到关注（Figliozzi，2020）。然而，实现这些潜在收益在很大程度上取决于消费者接受和使用该服务的意愿。因此，理解消费者采纳决策背后的认知和情境因素具有重要意义。

以往研究越来越多地从技术采纳视角考察消费者对无人机配送服务的接受度。基于技术接受模型（TAM）的研究表明，消费者对技术有用性和易用性的评价是其采纳新兴服务意愿的重要预测因素（Davis，1989；Chen等，2022；Chahua-Huaqui等，2025）。其他研究则强调了与无人机运行相关的感知风险以及消费者在评估不熟悉服务时所能获取的社会信息的重要性（Yoo等，2018；Yaprak等，2021；Mendoza-Tello等，2018）。尽管以往研究提供了有价值的见解，但仍存在三个重要空白。第一，无人机配送可能产生多种形式的感知风险，而现有研究通常集中于特定维度，如隐私和运行安全，对更广泛的消费者关注点关注有限（Chen等，2026；Kim等，2025）。第二，尽管消费者在评估不熟悉技术时日益依赖评分、评论、在线社区和同伴推荐，但关于这些社交商务构念如何塑造无人机配送情境中的感知和采纳决策的研究仍显不足（Mendoza-Tello等，2018）。第三，以往研究大多将无人机配送视为孤立的技术采纳决策，忽略了消费者会将其与对传统配送服务的先验体验进行关联评估。因此，对传统配送服务的满意度可能发挥重要作用，并导致消费者采纳机制产生异质性。

综上所述，这些空白表明，理解消费者对无人机配送的认知评价，应同时考虑以感知风险为代表的内在个人认知和以社交商务构念为代表的外部环境认知。交通运输、电子商务和技术采纳领域的多项研究表明，这两个维度均能显著影响行为决策（Elias和Shiftan，2012；Li，2019；Vafaei-Zadeh等，2025；Zheng等，2025），但以往研究往往选择性地或分别地考察它们。因此，本研究采用TAM作为核心技术采纳框架，并以社会认知理论（SCT）作为整合视角。TAM解释了感知有用性和感知易用性如何构成采纳背后的近端技术信念，而SCT则提供了更广阔的视角，认识到个体判断和行为由内在个人认知和外部环境认知共同塑造（Bandura，1989）。在这一整合框架内，多维感知风险代表内在个人认知，而社交商务构念代表外部环境认知。

除了这些个人和环境因素外，消费者的采纳决策还可能受到其先验服务体验的制约。因此，本研究将消费者对传统配送服务的满意度概念化为基于经验的调节变量，可能引发采纳机制的异质性。在无人机配送引入之前，消费者通过反复使用传统配送服务已形成了稳定的评价和使用习惯（Chowdhury等，2026；Fessler等，2024；Ye等，2026）。对现有服务的高满意度可能通过降低消费者考虑替代服务的感知需求，促成心理惯性和被动创新抗拒（Ram，1987；Heidenreich和Handrich，2015；Polites和Karahanna，2012；Ghazali等，2020）。因此，满意度可能改变不同风险维度的相对显著性，以及消费者在评估无人机配送时依赖外部社会信息的程度。据此，本研究将认知评价概念化为一个广泛的评价过程，涵盖内在个人认知（感知风险）、外部环境认知（社交商务构念）以及通过先验服务体验形成的评价判断（对传统配送服务的满意度）。

基于这一框架，本研究提出两个研究问题。第一，在整合的TAM-SCT框架内，核心技术信念、作为内在个人认知的多维感知风险以及作为外部环境认知的社交商务构念如何共同塑造消费者采纳无人机配送服务的意愿？第二，这些关系在不同传统配送服务满意度特征的消费者群体间如何变化？为解决这些问题，本研究应用潜在类别聚类分析（LCCA），根据消费者对传统配送服务的满意度识别消费者群体，并估计和比较各识别群体间的结构关系。

本研究做出三项主要理论贡献。第一，通过运用SCT将核心技术信念、内在个人认知和外部环境认知整合于一个连贯框架内，推进了基于TAM的无人机配送研究。这一整合弥补了TAM对负面个人评价和外部社会信息处理的局限性，使采纳能够被解释为由技术、个人和环境评价共同塑造的过程，而非仅由对技术的感知所决定。第二，通过联合考察感知风险和社交商务构念的多个维度，超越了以往对消费者关注点和社会影响的孤立处理，表明这些因素是认知评价中差异化的组成部分，而非对采纳意愿的均质影响。第三，将消费者对传统配送服务的满意度概念化为根植于被动创新抗拒的基于经验的调节变量，并比较了基于满意度的消费者细分群体中通向无人机配送采纳的认知路径。在方法论上，LCCA与结构方程模型（SEM）的整合使得这些路径能够跨潜在消费者群体进行比较，而非假设同质总体。在实践层面，研究结果为运营者和政策制定者提供了依据，以制定针对不同满意度特征的消费者群体的细分策略，应对其突出的风险关注点和社会信息来源。

本文其余部分组织如下。第2节发展理论背景和研究假设。第3节提出方法论框架，第4节描述调查设计、抽样和数据收集程序。第5节报告并讨论估计结果。最后，第6节总结全文，提出理论贡献、政策启示、研究局限和未来研究方向。

2. 理论背景与研究假设
2.1. 消费者对无人机配送的采纳
随着无人机配送商业化进程的推进，消费者采纳已成为交通运输和市场营销领域的关键研究主题。近年来，大量研究应用技术接受模型（TAM）或整合型技术接受与使用理论（UTAUT）考察技术属性和个人认知因素如何影响无人机配送采纳（Chahua-Huaqui等，2025；Cicek和Kantarci，2026；Koh等，2023；Schmidt和Saraceni，2024；Yoo等，2018）。其中，感知有用性和感知易用性已被广泛验证为驱动采纳意愿的核心因素（Chen等，2022；Kim等，2025；Leon等，2023）。此外，一些研究聚焦于无人机特定属性，如配送速度、噪音、隐私风险和系统兼容性（Chen等，2026；Kim等，2025；Yoo等，2018；Zhang等，2023）。也有少数研究纳入性别、年龄和教育水平等人口统计变量对接受度的影响，并进行多组比较（Chen等，2026；Cicek和Kantarci，2026；Yoo等，2018）。总体而言，现有文献以技术接受的效率-便利范式为主导，这为理解无人机配送采纳行为奠定了重要基础。

尽管上述研究提供了有价值的见解，但仍存在若干关键空白。第一，无人机配送的高度自主性引入了超越传统配送所涉及的风险。然而，现有研究聚焦于单维度风险，如隐私和运行安全（Chen等，2026；Kim等，2025），对更广泛风险维度的探讨有限。第二，社交媒体已成为推广新技术的重要渠道。例如，在线用户评论以及社交平台上的推荐显著影响消费者对新技术的采纳（Mendoza-Tello等，2018）。尽管如此，现有研究对社交商务信息如何在无人机配送情境中塑造消费者感知和采纳决策的关注有限。第三，大多数现有研究将无人机配送视为孤立的新技术，忽略了采纳决策实际上是一种服务迁移行为。消费者对传统配送的满意度作为评估新技术的基准，可能调节个体认知对采纳意愿的影响（Heidenreich和Spieth，2013）。为弥补这些空白，本研究开发了一个整合的TAM-SCT框架，将多维感知风险作为内在个人认知、社交商务构念作为外部环境认知，同时考虑对传统配送服务的满意度作为基于经验的异质性来源。

2.2. 技术接受模型
TAM假设消费者在使用新技术之前需要先构建使用意图，而他们的意图往往依赖于对新技术的感知和/或态度（Chen等，2022）。TAM基本提出“感知有用性”和“感知易用性”两个因素作为解释消费者使用意图的主要因素（Davis等，1989）。感知有用性定义为消费者认为使用特定系统将提升其工作表现的程度。此外，感知易用性被定义为消费者认为使用特定系统无需付出体力和脑力劳动的程度。以往研究反复发现，感知有用性和感知易用性越高，使用意愿越强（Su等，2018）。研究还发现，感知易用性对感知有用性具有正向影响（Wu和Chen，2017）。更具体地说，近期研究已证明TAM在不同地区的无人机配送服务情境中具有适用性（Chahua-Huaqui等，2025；Waris等，2022）。因此，本研究的前三个假设如下：
H1. 感知有用性对无人机配送服务使用意愿具有正向影响。
H2. 感知易用性对无人机配送服务使用意愿具有正向影响。
H3. 感知易用性对无人机配送服务的感知有用性具有正向影响。

2.3. 社会认知视角下的扩展技术接受模型

尽管TAM已被广泛用于解释技术采纳行为，但其核心构念主要关注消费者通过感知有用性和感知易用性对技术进行的评价。这些构念可能无法充分捕捉在采纳不熟悉技术过程中所涉及的负面个人评价和环境社会影响（Wang等，2020）。因此，以往研究通过纳入额外的情境特定因素对TAM进行了扩展（Venkatesh和Davis，2000；Elnadi和Gheith，2022；Tang等，2025；Huang等，2026）。为了将这些扩展因素组织到连贯的理论结构中，本研究采用社会认知理论（SCT）作为整合性视角。SCT认为，个体判断和行为是由内部个人认知和外部环境认知共同塑造的（Bandura，1989）。这一视角与无人机配送采纳尤为相关，因为该过程既涉及消费者对不熟悉运行风险的认知反应，也涉及他们对外部社会环境信息的依赖。因此，更深入地理解采纳行为需要同时考察个体的内部心理状态和外部社会情境。

据此，本研究保留感知有用性和感知易用性作为TAM的核心信念，并将多维感知风险纳入为内部个人认知，将社交商务构念纳入为外部环境认知。同时，进一步纳入对传统配送服务的满意度作为基于经验的调节变量，该变量可能改变这些个人和环境因素对采纳意愿的影响。这一结构使得扩展变量能够依据SCT的理论逻辑被整合，而非作为彼此独立的先决因素附加到TAM上。以下各小节分别阐述感知风险、社交商务构念以及传统配送服务满意度的理论基础和研究假设。

2.3.1. 感知风险

感知风险长期以来一直被认为是塑造消费者决策的关键障碍，尤其是在创新型服务采纳的早期阶段（Featherman和Pavlou，2003；Jacoby和Kaplan，1972）。感知风险反映用户对服务使用过程中可能发生不良后果的主观预期，同时包含对潜在失败的不确定性和可能损失的严重程度的考量（Cox和Rich，1964）。这种双重结构使得感知风险在消费者缺乏经验的情境中成为特别具有影响力的心理构念。大量关于电子商务、移动服务和共享经济等创新服务的实证研究表明，感知风险对采纳意愿具有强烈的负面影响（Lee，2009）。这些发现一致表明，随着感知不确定性或潜在危害程度的增加，消费者对新系统的采纳变得更加犹豫，即使这些系统在功能上更为优越。

在新兴出行和物流服务中，感知风险往往是多维度的，反映了用户、平台和物理环境之间互动的复杂性（Wang等，2020）。这种多维方法也表明，风险感知是情境特定的，且在不同服务类型、基础设施和文化背景之间存在差异（Stone和Gr?nhaug，1993）。在无人机配送等创新配送情境中，由于自动化程度更高、用户经验有限以及监管监督模糊，这些多维风险可能更加突出。因此，扩展TAM以纳入全面的、多维的感知风险概念化，对于捕捉消费者在接触无人机配送服务等新技术时所进行的复杂而真实的心理评价至关重要。

基于上述理解，与无人机配送相关的感知风险可以进一步分解为若干具体维度，以捕捉用户所预期的特定不确定性类型。每个感知风险维度反映了一种独特的担忧，这些担忧共同导致了整体上的采纳犹豫。与无人机配送服务相关且包含各假设的维度概述如下。

绩效风险主要涉及对可靠性和功能性的担忧，包括可能损坏包裹、伤害个人或损害财产的潜在故障（Featherman和Pavlou，2003；Yoo等，2018；Yaprak等，2021）。此类故障因可能导致意外损失或中断而降低了消费者采用新技术的意愿（Lee，2009；Wiedmann等，2011）。隐私风险则反映消费者对失去个人信息控制权的焦虑，以及配备摄像头或麦克风的无人机可能通过监控侵犯个人隐私的担忧（Su等，2018；Yoo等，2018；Yaprak等，2021）。隐私担忧一直被认定为电子商务和创新技术采纳中的重要阻碍因素（Featherman和Pavlou，2003；Khan等，2019）。身体风险进一步涉及消费者对无人机运行可能造成的人身伤害或损伤的担忧，特别是考虑到无人机的飞行特性以及碰撞或噪音风险（Sah等，2021；Luppicini和So，2016）。此类感知风险显著阻碍技术采纳（Nelson，2002；Wiedmann等，2011）。社会风险则涉及同伴对采用无人机技术可能产生的负面评价或社会评判。消费者常常担心采用创新技术可能投射出不良形象或导致负面的社会刻板印象（Golob等，1997；Bagozzi和Lee，2005）。财务风险涉及与采用无人机配送服务相关的潜在金钱损失或成本增加，尤其是关于定价不确定性和使用新服务所获价值的不确定性（Clarke，2014；Kirschstein，2020）。关注财务风险的消费者往往因这些不确定性而对采用技术犹豫不决（Kuisma等，2007；Lee，2009）。最后，时间风险涉及使用无人机配送服务时可能带来的不便或额外时间投入，包括可能的延误和学习新系统所需的时间（Stone和Gr?nhaug，1993；Mitchell，1999）。这种感知到的不便显著降低了消费者的接受度（Featherman和Pavlou，2003；Wiedmann等，2011）。由于每个风险维度都捕捉了感知风险的一个独特方面，它们被假设为降低采纳意愿的预测因素。在此基础上，提出以下假设：
H4. 绩效风险负向影响无人机配送服务使用意愿。
H5. 隐私风险负向影响无人机配送服务使用意愿。
H6. 身体风险负向影响无人机配送服务使用意愿。
H7. 社会风险负向影响无人机配送服务使用意愿。
H8. 财务风险负向影响无人机配送服务使用意愿。
H9. 时间风险负向影响无人机配送服务使用意愿。

2.3.2. 社交商务构念

社交商务构念代表一组社会化的数字功能，如评分、评论、推荐、转介、论坛和在线社区，这些功能塑造了消费者在网络环境中评价和采纳创新服务的方式（Hajli，2013；Hajli，2015）。与传统线下环境不同，在网络或应用环境中互动的消费者会与其他个体进行丰富的多向沟通，从而形成社会嵌入式的决策情境，而非纯粹的交易性情境（Park等，2007）。通过这些平台，用户积极生成内容、交流经验并提供反馈，将消费转变为一种互动式的社会体验。研究者认为，此类社交平台的出现从根本上改变了基于网络的服务性质，因为消费者现在高度依赖同伴生成的信息而非服务商驱动的信息，认为前者更真实、更可信、更具共鸣。

社交商务构念具有多重功能。它们促进社会互动、提供信息和情感支持、减少不确定性，并使消费者能够通过分享自己的知识和经验与企业共同创造价值。首先，通过评分和评论，用户公开评价产品和服务，形成透明的社会证明体系，帮助潜在采纳者做出判断。这些由同伴生成的评价被视为公正且基于经验，有助于消费者评估可靠性、质量和性能，从而在考虑无人机配送等新技术时减少模糊性并增强信心（Mendoza-Tello等，2018；Li，2019）。其次，论坛和在线社区形成了社会丰富的环境，个体在其中广泛互动、讨论经验并协作构建对产品和服务的共同理解。这些社区充当数字化的互惠沟通空间，成员参与群体活动、提供相互支持并传播用户驱动的见解（Bagozzi和Dholakia，2002）。这种集体交流加强了消费者学习、建立了产品声誉，并产生了基于社区的评价，从而降低了感知风险和信息不对称。因此，社区驱动的知识可能正向影响消费者采纳无人机配送等创新技术的意愿（Amblee和Bui，2011；Mendoza-Tello等，2018）。最后，推荐和转介通常来自社交网络或同伴沟通，在网络情境的消费者决策中发挥着关键作用。由于用户无法在数字环境中直接体验产品或服务，他们往往更依赖他人的经验和背书，尤其是那些他们认为可信或知识渊博的同伴（Sénécal和Nantel，2004）。这些个性化建议降低了决策复杂性、增强了信任，并提供了量身定制的指导，从而提升了整体用户信心和购买意愿（Shen，2012；Mendoza-Tello等，2018；Li，2019）。在无人机配送情境中，此类转介可以帮助消费者更好地评估安全性、可靠性和整体价值，从而促进更高的采纳意愿。

综合而言，社交商务构念为消费者提供了可信的、基于社会的信息，这些信息减轻了不确定性、增强了信任，并促进了对新兴配送技术更明智的评价。在无人机配送服务情境中，消费者缺乏直接经验且无法轻易观察运行性能，这些社会环境认知变得更加重要。无人机配送是一种新颖的、技术密集型的服务，超出了消费者熟悉的配送体验范围。因此，消费者可能高度依赖同伴生成的评价、社区讨论和可信赖的推荐来形成对服务质量的期望。因此，社交商务构念作为建立信任和减少不确定性的关键机制发挥作用，帮助消费者评估无人机配送是否值得采用。据此，我们假设这些社交商务构念促进消费者采用无人机配送服务，具体如下：
H10. 评分和评论正向影响无人机配送服务使用意愿。
H11. 论坛和社区正向影响无人机配送服务使用意愿。
H12. 推荐和转介正向影响无人机配送服务使用意愿。

2.3.3. 对传统配送服务的满意度

理解满意度如何影响采纳需要区分两种形式的创新抗拒：主动创新抗拒和被动创新抗拒（Heidenreich和Spieth，2013；Heidenreich和Handrich，2015）。主动创新抗拒发生在个体评估新技术属性后形成负面态度时。例如，消费者在直接考虑无人配送的特征后，可能认为其过于危险、过于复杂或不够有利。相比之下，被动创新抗拒在消费者开始评估新技术之前就已存在。它代表一种基于现状的倾向，即坚持现有解决方案，仅仅是因为这些方案已经满足了消费者的需求、习惯和期望。这种倾向并非源于对创新的负面评价，而是源于对现有系统缺乏不满。当用户对已有服务感到满意时，他们就不太可能感受到替代方案的需求，即使这些替代方案提供了有意义的改进（Ghazali等，2020）。

在此背景下，消费者对传统服务的满意度在调节新技术采纳中起着被动作用。来自营销科学的大量证据表明，消费者对传统服务的满意度可以显著影响个体对采用新替代方案表现出意愿还是抗拒（Heidenreich和Handrich，2015）。同样，在配送情境中，对传统快递服务感到满意的个体可能受到影响，使他们不会主动寻求新的配送服务。这种基于满意度的调节作用在物流领域尤为重要，因为消费者在与传统配送服务商多年互动中，形成了对速度、可靠性和便利性的明确预期。在此背景下，满意度是指消费者对传统配送系统绩效、可靠性、便利性和熟悉度的整体积极评价（MOLIT，2023）。基于此理解，对传统配送服务的满意度预计会调节消费者认知评价对其采用无人机配送意向的影响。当对传统服务的满意度较高时，消费者在采用新系统时可能感知到较少的相对优势。因此，感知有用性的影响可能相对减弱，因为效率或便利性的提升已被视为可接受。同时，高满意度可能提高消费者对感知风险的敏感性，但这种效应在不同风险维度上可能存在异质性（Laukkanen，2016）。例如，对传统配送服务满意的消费者可能更关注较为抽象的的不确定性形式，如潜在的隐私泄露，因为这种风险挑战了他们已认为足够充分的服务环境的稳定性。相比之下，对传统服务不满意的消费者可能更关注社会风险，因为对于已经不确定是否转换当前系统的人来说，使用无人机配送的社会可接受性担忧可能成为更突出的障碍。从这个意义上说，满意度可以作为一种调节变量，差异化地放大风险维度，在评估无人机配送服务时，对某些风险维度的容忍度降低幅度比其他维度更大。此外，满意度的调节效应也可能适用于社交商务构念（Maubisson 和 Rivière，2021）。对于已对传统配送满意的消费者，外部环境认知在塑造行为意向方面可能权重较低，因为这些个体寻求挑战其现有惯例的额外信息的动机有限。相反，在对传统配送服务满意度较低的消费者中，这些社交商务构念可能发挥更大的作用，因为它们提供了关于无人机配送服务的各种信息。综上所述，对传统配送服务的满意度促成了消费者采用过程的异质性。它将作为一个调节变量，通过内部认知因素（感知风险）和外部环境认知（社交商务构念）施加影响。因此，在本研究中，对传统配送服务的满意度被概念化为一种被动阻力机制，调节认知评价向无人机配送采用行为意向的转化。图2描述了本研究所提出的建模框架。下载：下载高分辨率图像（474KB）下载：下载全尺寸图像图2. 提出的建模框架。3. 方法论本研究应用的建模框架整合了LCCA和SEM。LCCA基于对传统配送服务的满意度识别潜在消费者类别，并估计作为相关协变量函数的类别成员概率。以概率化的类别成员为条件，SEM估计每个潜在类别内无人机配送采纳的测量和结构关系。尽管为清晰起见，这两个组成部分将在以下小节中分别描述，但其参数通过统一的似然函数联合估计。假设的结构关系组织在第二节开发的整合TAM-SCT框架内。3.1. 潜在类别聚类分析LCCA是一种概率方法，用于在异质性群体中识别互斥且集体穷尽的潜在类别。可以使用若干观测和/或未观测变量来分配类别（Hagenaars 和 McCutcheon，2002；Muchlisin 等，2024）。本研究假设影响公众采用无人机配送服务的因素（如感知风险和社交商务构念）根据其对传统配送服务的满意度而存在异质性。在此框架中，对传统配送服务的满意度被概念化为一种基于经验的调节变量，预计会在认知因素与采纳意向之间的关系中产生异质性。为了识别这些异质性结构路径模式，我们利用LCCA根据满意度水平对消费者群体进行分割，以比较影响路径系数的差异。与传统的引入交互项的方法相比，LCCA可以更清晰地揭示组间效应差异，同时降低模型复杂性和潜在的多重共线性问题（Aiken 等，1991）。因此，本研究纳入了几个专门针对传统配送服务满意度维度的调查问题。这些问题旨在根据受访者对传统配送服务的满意度水平将其划分为不同的类别。LCCA是一种应用概率模型的聚类方法，假设由N个受访者组成的样本数据可以通过未观测和潜在的分类变量分为K个潜在类别。如果受访者i对J个项目的响应表示为????=(????1,????2,?,??????)，则观察个体i特定响应y的概率可表述为：（公式1）其中，????指类别成员概率，即个体被分配到类别c的先验概率。??????|??指项目响应概率，表示属于类别c的个体在项目m上回答r的概率。r是每个项目响应的可能值。例如，如果项目响应是李克特5级量表，则r=1,2,3,4,5。类别成员概率可以建模为协变量????的函数：（公式2）模型参数????和??????|??可以通过应用最大似然估计（MLE）来估计，并使用期望最大化（EM）算法最大化似然函数。基于估计结果，受访者i可以通过贝叶斯法则分配到不同类别，从而得出受访者i属于类别c的后验概率。这些后验概率因受访者而异，且每个受访者的后验概率之和为1。它们代表了潜在类别成员的不确定性，并纳入类别特定结构关系的估计中。3.2. 将潜在类别聚类分析纳入结构方程模型SEM以潜在类别成员为条件进行设定，因子载荷在各类别间保持通用，而结构关系按类别分别估计，同时考虑类别成员的不确定性。SEM已被认为是研究内生变量和外生变量之间线性关系的稳健方法（Hair 等，2010；Jang 等，2024；Hong，2026）。该方法考虑了观测变量的测量误差，并提供了潜在构念的更准确表示。因此，SEM能更好地解释变量之间的关系，增强整体模型的有效性。在这方面，SEM旨在减少主观潜在构念测量中的误差，并将其纳入假设检验。SEM在统计上由两个连续模型组成：测量模型和结构模型。测量模型是一个线性模型，产生作为观测变量函数的潜在（未观测）因子变量，而结构模型则量化潜在变量之间的多重关系（Hair 等，2010；Su 等，2026）。首先，每个潜在类别c的测量模型可表述如下：（公式3）（公式4）其中，??表示用于测量潜在外生变量的指标变量，??表示潜在变量在指标变量上的因子载荷，??表示潜在外生变量，??指用于测量潜在内生变量的指标变量，??表示潜在内生变量，??和?为测量误差。其次，结构模型（通常也称为路径分析）为：（公式5）其中，??指??的路径系数，Γ表示??的路径系数，??表示结构误差。结合公式（2）（该公式将类别成员概率建模为协变量??的函数），整个模型的似然函数可以表示为每个潜在类别的条件似然函数的加权和。该似然函数整合了跨潜在类别的类别成员概率（γc），同时考虑了每个类别中观测数据与潜在构念之间的关系。这里，????表示受访者i对LCCA中使用的满意度指标的观测响应，??(????|??)表示相应的类别条件响应概率，由公式（1）中的项目响应概率指定。因此，整体似然函数变为：（公式6）将每个潜在类别的类别成员概率从公式（2）代入，似然函数进一步为：（公式7）这种方法确保估计过程完全捕捉受访者之间的潜在异质性，同时能够更精确地估计每个类别内的结构路径和测量误差。4. 调查设计4.1. 问卷设计设计了一项调查以获取人们对无人机配送服务的态度和看法。为确保问卷的效度和信度，指标项目取自文献。问卷由三部分组成。A部分提供了对无人机配送服务的解释。由于无人机配送服务尚未在韩国广泛商业化，大多数受访者可能不熟悉该服务。为使受访者充分理解服务并回答问题，问卷详细描述了无人机配送服务。B部分收集了对传统配送服务的满意度以及对无人机配送服务的态度和看法。B部分包含13个潜在因子（由51个项目测量）：感知有用性、感知易用性、使用意向、绩效风险、隐私风险、身体风险、社会风险、财务风险、时间风险、评分与评论、论坛与社区、推荐与转介，以及对传统配送服务的满意度。对传统配送服务的满意度是本研究中LCCA的关键潜在因子。它基于韩国国土交通部（MOLIT，2023）的货物运输服务（快递）评价工作指南。该指数包含多个维度，如可靠性、礼貌、主动支持、可及性、物理环境、响应性、配送速度和配送安全，确保对传统配送体验的全面评估。前六个因子代表过程质量，而最后两个因子指结果质量，如指南所述。其他潜在因子也由两到八个项目测量，这些项目取自文献。所有项目均采用5点李克特量表评分（1=非常不同意，5=非常同意）。每个类别的详细测量指标基于文献中的既有参考构建，并呈现在表1、表2、表3和表4中。表1. 技术接受模型的测量项目。变量项目改编来源感知有用性（PU）PU1使用无人机配送服务将使我的生活方式便利。Davis，1989；Leon 等，2023PU2使用无人机配送服务将使我的生活更轻松。PU3使用无人机配送服务将节省我的时间。PU4总体而言，我相信无人机配送服务将是有用的。感知易用性（PEOU）PEOU1我与无人机配送服务的交互清晰易懂。Davis，1989；Yoo 等，2018PEOU2掌握使用无人机配送服务所需的时间很短。PEOU3使用无人机配送服务很简单。PEOU4总体而言，我相信无人机配送服务将易于使用。使用意向（INT）INT1我打算将来使用无人机配送服务。Han，2015；Trivedi 等，2018INT2我会考虑将来使用无人机配送服务。INT3我计划将来使用无人机配送服务。INT4我将尝试使用无人机配送服务。INT5如果实施的话，我想使用无人机配送服务。表2.感知风险的测量项目。
变量 项目 改编来源
绩效风险（PER）
PER1 我对无人机航空技术的性能表示怀疑。 Featherman和Pavlou，2003；Yoo等，2018
PER2 无人机可能将包裹送到错误地址。
PER3 无人机可能损坏其运载的包裹。
PER4 无人机配送服务可能不完整。
隐私风险（PRI）
PRI1 无人机配送服务将导致我失去对隐私的控制。 Su等，2018；Yoo等，2018
PRI2 无人机配送服务将导致我的隐私受到干预。
PRI3 无人机配送服务的使用方式可能不尊重我的隐私。
PRI4 存储在无人机配送系统中的个人信息将得不到保护。
身体风险（PHY）
PHY1 我担心与无人机配送相关的潜在身体风险。 Kroesen等，2008；Wiedmann等，2011
PHY2 无人机可能发生故障并损坏设施或建筑物。
PHY3 无人机可能发生故障并伤害他人。
PHY4 无人机噪音会干扰我的日常生活。
社会风险（SOC）
SOC1 如果因为使用无人机配送服务出现问题，我可能会在社会群体中失去地位。 Featherman和Pavlou，2003；Lee，2009
SOC2 使用无人机配送会导致我的朋友、家人和同事看不起我。
SOC3 我的朋友、家人或同事会认为使用无人机配送只是炫耀。
财务风险（FIN）
FIN1 我担心支付方式可能不安全。 Featherman和Pavlou，2003；Hong，2015
FIN2 我担心无人机配送的成本可能过高。
FIN3 当支付错误发生时，我担心无法从服务中获得赔偿。
时间风险（TIM）
TIM1 我需要花费很多时间学习如何使用无人机配送服务。 Featherman和Pavlou，2003；Wiedmann等，2011
TIM2 使用无人机配送服务会因修复大量服务错误而导致时间损失。
TIM3 使用无人机配送服务会给我带来更多不必要的压力。
表3. 社交商务构念的测量项目。
变量 项目 改编来源
评分与评论（RAT）
RAT1 我对无人机配送服务其他用户的正面评分和评论感兴趣。 Hajli，2015；Li，2019
RAT2 对无人机配送服务进行正面评分和评论的成员应该相当了解相关主题。
RAT3 总体而言，无人机配送服务的正面评分和评论是可信的。
论坛与社区（FOR）
FOR1 我对论坛和社区中关于无人机配送服务的正面观点感兴趣。 Hajli，2015；Li，2019
FOR2 论坛和社区中积极看待无人机配送服务的成员应该相当了解相关主题。
FOR3 总体而言，论坛和社区中关于无人机配送服务的正面观点是可信的。
推荐与转介（REC）
REC1 我对阅读无人机配送服务其他用户的正面推荐和转介感兴趣。 Hajli，2015；Li，2019
REC2 积极推荐和转介无人机配送服务的成员应该相当了解相关主题。
REC3 总体而言，无人机配送服务的正面推荐和转介是可信的。
表4. 对传统配送服务满意度的测量项目。
变量 项目 改编来源
对传统配送服务的满意度（SAT）
SAT1 我对传统配送服务的可靠性感到满意。 韩国国土交通部（2023）
SAT2 我对传统配送服务的礼貌感到满意。
SAT3 我对传统配送服务的主动支持感到满意。
SAT4 我对传统配送服务的可及性感到满意。
SAT5 我对传统配送服务的物理环境感到满意。
SAT6 我对传统配送服务的响应能力感到满意。
SAT7 我对传统配送服务的配送速度感到满意。
SAT8 我对传统配送服务的配送安全性感到满意。
C部分收集受访者的社会人口学特征。调查的特征包括性别、年龄、居住类型和教育程度。
4.2. 预调查
在开展正式调查之前，于2023年3月进行了一项试点研究，以测试问卷的清晰度、信度和整体设计。试点研究以86名受访者为样本进行，代表了目标人群中的一个小群体，即首尔市20岁及以上居民。该样本采用与主要研究相同的分层抽样方法选取，确保性别和年龄的代表性。试点研究的主要目标是识别问卷的潜在问题，如模糊或令人困惑的问题，并评估测量项目的信度。试点研究中的受访者也被鼓励就说明的清晰性和提供的关于无人机配送服务的解释提供反馈。根据反馈和先前的统计分析，对部分项目进行了轻微修改，以增强清晰度和连贯性。无需重大修改，因为所有构念都表现出令人满意的信度。因此，试点研究提供了足够的信心来继续进行正式调查。
4.3. 正式调查
正式调查于2023年5月对首尔市20岁及以上公民进行。选择首尔是因为它是韩国的首都和最大的城市，占人口的20%。首尔的包裹配送量最大，因此新的包裹配送服务——无人机配送服务的利弊预计在首尔最为突出。问卷通过一个在线调查平台分发，该平台根据性别和年龄提供分层抽样方法。在线调查平台提供了易于访问和用户友好的界面，鼓励更高的响应率并减少不完整回答的可能性。该平台还允许实时监控数据收集进度，确保按计划满足年龄和性别配额。此外，调查期间经过精心选择，以避免可能干扰参与的公共假日或事件，并且使用金钱激励进一步鼓励他们参与调查。最终收集到534份有效回答的样本，并用于研究分析。
4.4. 样本描述
表5显示了受访者的社会人口学特征结果。受访者的性别和年龄分布几乎均匀。48.9%的受访者为男性，51.1%为女性。19.1%的受访者年龄在20-29岁之间，19.7%在30-39岁之间，20.0%在40-49岁之间，20.6%在50-59岁之间，20.6%在60岁及以上。在教育水平方面，大多数受访者拥有学士学位，拥有硕士或更高学位的占受访者的12.5%，毕业于大专的占7.9%，高中或以下教育的占16.7%。关于居住类型，大多数受访者（64.6%）居住在公寓中，16.9%居住在出租房（tenement house）中，10.7%居住在多功能/多户住宅中。只有少数人居住在独栋房屋（3.9%）和单间公寓（3.9%）中。
表5. 受访者概况（N = 534）。
变量 空单元格 频率 百分比 普查（2023年）
性别 男性 261 48.9% 48.7%
女性 273 51.1% 51.3%
年龄 20～29 102 19.1% 18.1%
30～39 105 19.7% 18.8%
40～49 107 20.0% 18.9%
50～59 110 20.6% 19.3%
≥60 110 20.6% 24.9%
教育程度 高中或以下 89 16.7% 22.4%
大专 42 7.9% 10.3%
学士学位 336 62.9% 56.4%
硕士或更高 67 12.5% 10.9%
居住类型 公寓 345 64.6% 52.3%
独栋房屋 21 3.9% 2.5%
出租房 90 16.9% 23.4%
多功能/多户住宅 57 10.7% 14.3%
单间公寓 21 3.9% 7.5%
为评估样本代表性，将样本的社会人口学分布与2023年韩国人口普查的相应分布进行比较。性别和年龄分布与全国人口总体一致，反映了数据收集过程中采用的分层配额抽样策略。总体而言，该样本被认为对考察首尔居民对无人机配送服务的采用意愿具有合理的代表性。
5. 结果与讨论
5.1. 潜在类别聚类分析结果
本节描述了基于受访者对传统配送服务满意度的聚类结果。表4中列出的传统配送服务满意度的八个指标用于应用潜在类别聚类分析（LCCA）。为确定最佳聚类数，通过将潜在类别数变化至六个，估计了一系列LCCA模型。模型拟合结果，包括赤池信息准则（AIC）、贝叶斯信息准则（BIC）和调整贝叶斯信息准则（aBIC）汇总在表6中。在估计的模型中，选择了双类别模型作为最合理的规范，因为它显示出最低的BIC和aBIC值，同时保持了简约且可解释的分段结构。
表6. 潜在类别聚类分析模型的模型拟合指数。
类别数 AIC BIC aBIC
2 550.57 691.82 587.55
3 540.32 757.66 595.77
4 612.20 901.98 686.13
5 646.00 1008.23 738.42
6 679.40 1114.07 790.30
每个潜在类别根据LCCA的估计系数进行表征和标记（表7）。结果表明，潜在类别2由对传统配送服务更满意的个体组成，而潜在类别1由满意度较低的个体组成。具体而言，与传统配送服务相关的所有满意度指标，包括可靠性、礼貌、主动支持、可及性、物理环境、响应能力、配送速度和配送安全性，均显示出显著的正系数，确认潜在类别2的满意度水平高于潜在类别1。聚类大小，代表每个潜在类别中预期的人口比例，基于类别成员概率确定。具体而言，57.2%的人口属于潜在类别1，而42.8%属于潜在类别2。
表7. 潜在类别聚类分析的估计结果。
变量 估计值（t值）
传统配送服务的满意度（指标）
我对传统配送服务的可靠性感到满意。 0.245** (2.997)
我对传统配送服务的礼貌感到满意。 0.271** (2.711)
我对传统配送服务的主动支持感到满意。 0.212** (4.463)
我对传统配送服务的可及性感到满意。 0.296** (3.854)
我对传统配送服务的物理环境感到满意。 0.402** (3.591)
我对传统配送服务的响应能力感到满意。 0.455** (3.641)
我对传统配送服务的配送速度感到满意。 0.491** (2.728)
我对传统配送服务的配送安全性感到满意。 0.460** (2.941)
社会人口学特征
性别－女性 0.320* (2.222)
性别－男性 —
年龄 ?0.168** (?5.250)
教育程度－大专或以下 —
教育程度－学士学位 ?0.281** (?4.391)
教育程度－硕士或更高 ?0.303** (?3.835)
居住类型－其他 —
居住类型－单间公寓 ?0.216** (?6.353)
居住类型－公寓 0.342** (3.562)
*：95%水平显著，**：99%水平显著，※ 参考类别：潜在类别1。
本研究将社会人口学变量，包括性别、年龄、教育水平和居住类型，作为协变量纳入LCCA模型。在消费者行为研究中，社会人口学特征已被广泛用于解释新兴交通技术采用中的异质性（Bhaduri等，2024；Zhou等，2025）。例如，年轻人对新服务的接受度高于年长群体（Zhou等，2025），而受教育程度较高的个体具有更强的信息处理能力和较低的风险感知（Kinero等，2025）。因此，纳入这些协变量有助于解释认知因素对个体采用无人机配送意愿的异质性影响。这些协变量通过多项Logistic回归用于预测个体属于每个类别的概率（Dayton & Macready，1988）。这种方法揭示了潜在类别之间社会人口学特征的显著差异，表明心理异质性与个体的社会人口学特征密切相关（Vermunt，2010）。社会人口学分析进一步揭示每个潜在类别的特征。女性受访者显著更可能属于潜在类别2（估计值 = 0.320，p < 0.05），表明女性通常比男性对传统配送服务表现出更高的满意度。相比之下，年龄呈负相关（估计值 = -0.168，p < 0.01），表明年长个体更可能属于潜在类别1，代表较低的满意度水平。教育水平也与潜在类别2成员身份呈显著负相关。拥有学士学位（估计值 = -0.281，p < 0.01）或硕士及以上学位（估计值 = -0.303，p < 0.01）的受访者更可能对传统配送服务不满意。此外，居住类型有显著影响。居住在单间公寓的受访者表现出较低的满意度（估计值 = -0.216，p < 0.01），可能由于接收包裹的挑战，而居住在公寓中的受访者表现出更高的满意度（估计值 = 0.342，p < 0.01），可能受益于韩国公寓住宅中典型的安全系统提供的包裹接收服务。
总体而言，这些结果凸显了两个潜在类别在对传统配送服务的满意度及其社会人口学特征方面的明显区别。这些区别为设计具体策略以提高客户满意度或有效实施无人机配送采用计划提供了宝贵见解。
5.2. 结构方程模型结果
为评估测量模型（SEM的第一部分），我们报告构念信度、收敛效度和区分效度。构念信度使用组合信度（CR）评估，而收敛效度使用平均方差提取（AVE）评估。当AVE大于0.5且CR大于0.7时，测量模型被认为具有可接受的收敛效度和信度（Hair等，2010；Fornell和Larcker，1981）。表8显示AVE值超过0.5，CR值超过0.7，表明构念信度和收敛效度令人满意。良好的区分效度要求AVE的平方根应大于潜在变量的相应相关系数（Fornell和Larcker，1981）。如表9所示，所有构念均满足这一标准，支持区分效度。
表8.测量模型的估计结果。指标估计值（t值）AVE CR技术接受模型感知有用性（PU）PU11.0000.6070.860PU21.217（10.767）PU31.276（10.970）PU41.124（10.004）感知易用性（PEOU）PEOU11.0000.5410.825PEOU21.014（12.162）PEOU31.145（12.184）PEOU41.088（11.764）使用意愿（INT）INT11.0000.5650.866INT20.818（12.458）INT31.045（15.647）INT40.974（12.764）INT51.018（14.721）感知风险绩效风险（PER）PER11.0000.5720.841PER20.867（15.835）PER30.784（13.397）PER40.761（12.714）隐私风险（PRI）PRI11.0000.6520.880PRI21.165（21.624）PRI30.996（15.863）PRI40.808（12.681）身体风险（PHY）PHY11.0000.6950.900PHY21.067（20.634）PHY30.920（14.882）PHY40.817（13.819）社会风险（SOC）SOC11.0000.5510.774SOC21.025（9.696）SOC30.643（6.057）财务风险（FIN）FIN11.0000.6650.856FIN21.066（13.014）FIN31.049（11.822）时间风险（TIM）TIM11.0000.6160.828TIM21.092（13.241）TIM31.100（12.811）社交商务构念评分与评论（RAT）RAT11.0000.5810.804RAT21.237（8.211）RAT30.976（7.051）论坛与社区（FOR）FOR11.0000.6060.822FOR21.047（10.013）FOR30.875（8.785）推荐与转介（REC）REC11.0000.5150.760REC21.340（10.494）REC31.091（9.798）表9. 潜变量之间的相关性。空单元格技术接受模型感知风险社交商务构念PUPEOUINTPERPRIPHYSOCFINTIMRATFORRECPU0.779aPEOU0.5850.736INT0.6020.5500.752PER?0.362?0.478?0.6810.756PRI?0.336?0.316?0.5120.1480.807PHY?0.379?0.206?0.5240.3270.2130.834SOC?0.435?0.387?0.6220.1640.3410.6220.742FIN?0.437?0.317?0.5580.2280.2430.5320.6730.815TIM0.0820.229?0.6620.404?0.066?0.0460.1930.2040.785RAT0.0110.2920.523?0.245?0.189?0.216?0.211?0.146?0.3930.762FOR0.0250.1690.545?0.087?0.173?0.090?0.173?0.208?0.1520.5500.778REC0.0480.1390.578?0.191?0.237?0.123?0.175?0.251?0.314?0.0030.0840.718a对角线值为AVE的平方根。为评估结构模型的拟合优度，使用了四个指标，包括卡方与自由度之比（χ2/df）、增量拟合指数（IFI）、比较拟合指数（CFI）和近似误差均方根（RMSEA）。这些指标的推荐范围应为：χ2/df < 3，IFI > 0.9，CFI > 0.9，RMSEA < 0.08（Hair等，2010）。模型拟合结果为χ2/df = 1.597，IFI = 0.923，CFI = 0.921，RMSEA = 0.052。因此，模型的拟合优度指数是可接受的。

由于获得了充分的模型拟合，我们检验了路径系数的结果，如表10所示。图3提供了一个摘要，便于比较两个潜在类别之间支持假设的差异。在两个潜在类别中，感知有用性对无人机配送服务使用意愿均有显著正向影响（估计值=0.728，p<0.01；估计值=0.577，p<0.01）。感知到无人机配送服务高有用性的消费者具有更高的使用意愿，这与先前研究一致（Yoo等，2018；Ganjipour和Edrisi，2023）。此外，在两个潜在类别中，感知有用性对使用意愿的影响在所有影响因素中最大。先前研究报告了类似结果，即感知有用性对使用意愿的影响最大（Yoo等，2018；Davis等，1989）。由于采用无人机配送服务的主要动因是感知有用性，服务提供商应优先考虑提升和推广无人机配送服务的有用性。此外，这表明服务提供商为提升感知有用性所做的努力将比其他努力更有效。在两个潜在类别中均发现，感知易用性正向影响感知有用性（估计值=0.316，p<0.01；估计值=0.292，p<0.01）。然而，感知易用性对使用意愿的影响在两个潜在类别中均未观察到。该结果与一些先前发现一致。根据文献，如果大多数消费者认为服务易于使用，则感知易用性对使用意愿的影响会变弱（Wu和Chen，2017）。

表10. 结构模型的估计结果。路径潜在类别1潜在类别2标准化估计值（t值）标准化估计值（t值）技术接受模型H1.感知有用性→使用意愿0.728**（6.466）0.577**（3.588）H2.感知易用性0.019（0.808）?0.009（?0.073）H3.感知易用性→感知有用性0.316**（4.523）0.292**（3.649）感知风险H4.绩效风险→使用意愿?0.153*（?2.105）?0.474**（?3.099）H5.隐私风险?0.026（?0.518）?0.458**（?3.256）H6.身体风险?0.286**（?3.369）?0.050（?0.684）H7.社会风险?0.413**（?4.697）?0.071（?1.169）H8.财务风险?0.073（?1.329）?0.364**（?3.883）H9.时间风险?0.128*（?2.210）?0.358**（?3.427）社交商务构念H10.评分与评论→使用意愿0.419**（3.316）0.097（1.550）H11.论坛与社区0.198*（2.164）0.028（0.389）H12.推荐与转介0.437**（3.992）0.177*（2.484）*：在95%水平上显著，**：在99%水平上显著。下载：下载高分辨率图像（766KB）下载：下载全尺寸图像图3. 两个潜在类别的结构模型结果。

关于感知风险在潜在类别间的影响，出现了不同的模式，反映出风险因素影响采纳决策的敏感性差异。绩效风险在两个类别中均负向影响意愿，但在潜在类别2中（估计值=-0.474，p<0.01）的影响明显强于潜在类别1（估计值=-0.153，p<0.05）。这一发现表明，对传统配送服务已感到满意的消费者对绩效有更高的期望，如果无人机配送未能达到这些标准，他们可能感知到更大的潜在损失。隐私风险（估计值=-0.458，p<0.01）和财务风险（估计值=-0.364，p<0.01）仅在潜在类别2中是显著障碍，表明对传统配送服务满意的消费者尤其担心与无人机配送服务相关的隐私泄露和不确定的财务结果。这可能源于他们对传统服务的舒适体验，使其对感知到的威胁或不确定性容忍度更低，这与先前发现一致（Su等，2018；Hong，2015）。相反，身体风险（估计值=-0.286，p<0.01）和社会风险（估计值=-0.413，p<0.01）仅在潜在类别1中负向影响意愿。对传统服务不太满意的消费者在采用像无人机配送这样相对未知的技术时，可能更担心身体安全和社会负面看法，因为他们可能因先前的负面经历而缺乏信任。这与先前的风险感知文献一致（Kroesen等，2008；Lee，2009）。时间风险反映了可能的不便，在两个类别中均负向影响意愿（估计值=-0.128，p<0.05；估计值=-0.358，p<0.01），表明消费者普遍关注采用新技术所需的额外时间或精力。

社交商务构念进一步显示出类别特定的影响。评分与评论（估计值=0.419，p<0.01）、论坛与社区（估计值=0.198，p<0.05）以及推荐与转介（估计值=0.437，p<0.01）在潜在类别1中显著影响采纳意愿。对传统服务不太满意的消费者可能严重依赖同伴生成的验证来减轻感知的不确定性。在潜在类别2中，仅有推荐与转介具有影响力（估计值=0.177，p<0.05），反映出个人和直接的认可在满意的消费者中更具共鸣。

由于认知评价的关键要素并非孤立运作，我们的结果揭示了它们如何共同影响公众对无人机配送服务的采纳。此外，这些认知评价结果强调了需要采取差异化策略，即强调感知有用性、解决消费者对风险的特定担忧，并利用外部环境认知。

6. 结论

本研究考察了消费者对无人机配送采纳的认知评价，为无人机配送接受度的文献做出了贡献。我们从社会认知视角扩展了TAM，加入了多维感知风险、社交商务构念以及对传统配送服务的满意度。使用LCCA，根据消费者对传统配送服务的满意度将其分为不太满意组（57.2%）和更满意组（42.8%）。结果表明，感知有用性是两组采纳意愿的核心驱动因素。然而，感知风险和社交商务的影响在两组间表现出不同的显著性模式。这些发现突显了消费者决策过程的异质性，并强调了在推广无人机配送采纳时需要采取细分市场特定策略。

6.1. 理论贡献

本研究在三个方面对无人机配送采纳的理论发展做出了贡献。

首先，本研究整合了SCT和TAM的理论逻辑，以解决基于TAM的无人机配送研究尚未解决的解释缺口。现有研究主要使用TAM作为解释无人机配送采纳的主导框架（Chen等，2022；Kim等，2025），关注感知有用性和感知易用性如何塑造采纳意愿。这种关注使得TAM的两个固有局限性未得到解决。TAM偏向近端技术信念，因此低估了消费者在缺乏对不熟悉空中服务的直接经验时产生的负面个人评价。它也将采纳视为对技术本身的内在判断，因此为在同一决策框架内定位外部社会信息提供的指导有限。SCT提供了缺失的机制，假设行为是通过内部个人认知和外部环境认知的联合运作形成的，而非仅通过技术信念。因此，保留TAM作为近端技术信念的说明，并使用SCT作为总体整合逻辑，不仅仅是把两个既定理论并置。仅凭TAM可以解释为什么有用性提高采纳意愿，但不能解释为什么具有相似有用性信念的消费者在权重的风险和信任的社会线索上仍然存在分歧。整合框架预测技术、个人和环境评价共同运作，且它们的相对影响在消费者之间并不一致。这一预测并非由合并的TAM扩展所隐含，而是由第5节报告的类别特定模式所证实。

其次，在此基础上，本研究将内部个人认知操作化为多维感知风险，将外部环境认知操作化为社交商务构念。先前的无人机配送研究通常考察选定的风险维度，对消费者在评估不熟悉服务时所依赖的外部社会信息关注有限（Chen等，2026；Leon等，2023）。由于这些因素通常被选择性地或单独地引入，先前研究无法确定不同风险维度和不同形式的社会信息是发挥类似效应，还是在采纳决策中代表不同的考量。单一的风险构念，或由隐私等单一关注点增强的TAM模型，无法解释为什么一些消费者被身体和社会危害所阻止，而另一些则被隐私和财务不确定性所阻止。同样，将社会影响视为统一的线索无法解释为什么评分、论坛和推荐不具有相同的权重。通过同时考察六个风险维度和三个社交商务构念，本研究表明感知风险和社交商务构念并非TAM的可互换附加项，而是认知评价的独特多维组成部分。因此，理论贡献不在于添加变量的数量，而在于证明这些组成部分是差异化的而非统一的影响因素。

第三，本研究纳入对传统配送服务的满意度，以解释当无人机配送被建模为孤立技术选择时仍然不可见的异质性。先前研究主要估计单一采纳过程，未充分考虑消费者会将新兴配送服务与他们已在使用的现有服务进行比较。因此，他们对为什么相同的认知前因在不同消费者间会以不同方式起作用提供了有限的解释。借鉴被动创新抵抗的逻辑，本研究将对传统配送的满意度视为一种基于经验的条件，可以增强对某些不确定性的敏感性，同时减少对外部社会信息的依赖。使用满意度作为分类标准，分析识别出不同的认知路径：身体和社会风险以及所有三个社交商务构念在不太满意的消费者中更为重要，而隐私和财务风险以及推荐和转介在更满意的消费者中更为重要。因此，满意度不是额外的直接预测变量，而是个人和环境认知转化为采纳意愿的边界条件。这一贡献超越了合并的TAM估计，提供了从传统配送向无人机配送技术迁移的差异化说明。

6.2. 政策启示

实证结果为公众采用无人机配送服务提供了有价值的见解，能够制定有针对性和有效的政策与策略。

首先，鉴于感知有用性在两个潜在类别中对无人机配送服务使用意愿具有最强的正向影响，服务提供商和政策制定者应优先突出实际效益，如便利性、时间节省和可靠性。聚焦于清晰展示无人机配送相比传统配送服务优势的战略性营销活动将特别有效。其次，感知易用性对意愿缺乏直接显著影响表明，消费者认为无人机配送系统足够易用或预期其操作简便。因此，与其将资源大量集中在单一简化上，应努力强调易用性如何有助于提升整体有用性。

关于感知风险的不同维度，由于类别特定的敏感性，需要不同的政策方向。对于已对传统配送服务满意的消费者（潜在类别2），对隐私和财务风险的显著担忧表明应实施针对这些具体担忧的保障措施。该群体中女性受访者和公寓居民比例较高，他们对信息保护的需求也更大。运营商应明确传达隐私保护措施、可靠性保证和透明的定价政策，以减少个人对这两类风险的担忧。关于无人机的绩效风险，建议在配送订单界面上显示飞行路线、包裹实时位置和预计送达时间，以减少用户对技术可靠性的疑虑。此外，在无人机配送服务的初始阶段，政策制定者和公司应采用风险比较机制和过渡性保障措施，以降低消费者转换服务的成本。这种方法通过将新技术特征与熟悉的服务期望相结合，促进了积极习惯的迁移，并鼓励消费者在同一领域内接受创新解决方案。对于对传统配送服务满意度较低的消费者（潜在类别1），他们对物理风险和社会风险的敏感度更高。政策制定者应为无人机配送服务制定明确的安全标准，并在运营过程中公开风险评估结果。在初期推广阶段，可以邀请公众参与社区试点服务并向运营商提供反馈，将消费者从被动接受者转变为主动参与者。这种方法不仅有助于增强消费者信任，还能通过有效的信息传播减少对社会风险的负面认知。

社交商务的影响因潜在类别的不同而存在显著差异，表明需要采取差异化的策略。对于潜在类别1，即对传统配送服务满意度较低的消费者，所有三个社交商务构念对使用无人机配送服务的意愿均有显著正向影响。该群体通常受教育程度更高，更关注信息质量和可信度。因此，无人机配送服务平台应建立用户互动功能，提供评分、评论和社区讨论等模块，并实施官方监督机制以确保信息的可信度。对于潜在类别2，即对传统配送服务高度满意的消费者，只有个性化推荐和口碑推荐具有影响力，表明该群体更依赖人际推荐而非运营商直接提供的信息。从创新扩散理论的角度来看，潜在类别2可被解释为潜在的早期采用者群体，可能促进无人机配送服务的初期扩散。Rogers（1983）在理论上将早期采用者确定为采用者群体中约13.5%的比例。相比之下，潜在类别2在本研究中占样本的42.8%，比Rogers的理论基准高出29.3个百分点，约为其3.2倍。尽管基于陈述偏好的潜在类别归属并不直接等同于根据实际采用相对时间定义的采用者类别，但这种显著差异表明，首尔消费者对无人机配送服务的准备程度可能远高于一般扩散框架所预期的水平。因此，这一对采用持开放态度的群体规模相对较大，表明无人机配送服务早期扩散的条件较为有利。鉴于推荐和口碑推荐的重要性，推荐奖励计划、专属体验邀请和口碑激励措施可以鼓励最初有接受意愿的用户与亲朋好友分享其积极体验。这些用户随后可充当意见领袖，减少后期采用者的不确定性，并建立从初始用户向更广泛社交网络扩散的路径。

总之，研究结果强调了针对不同细分市场制定策略的必要性，这些策略应回应多维感知风险和社交商务构念模式。通过针对不同消费者特征制定差异化方法，利益相关者不仅能提高无人机配送的接受度，还能加速城市物流向可持续系统的转型。

6.3. 局限性与未来研究

尽管本研究对公众采用无人机配送服务提供了全面理解，但仍存在一些局限性需要承认。首先，由于实证分析聚焦于首尔消费者，研究结果可能无法完全捕捉城市、郊区和农村地区之间因拥堵程度和传统配送可达性不同而产生的差异。其次，当前框架未考虑住房和包裹投递基础设施的差异，这些因素可能影响消费者对无人机配送的感知风险和偏好。第三，横断面设计仅捕捉了消费者在单一时间点的感知，因此无法揭示感知风险和社交商务构念的影响在扩散过程不同阶段如何演变。最后，当前模型主要估计认知构念之间的线性关系，可能无法捕捉感知风险与社交商务构念之间的潜在阈值和非线性交互作用。

基于上述局限性，有若干方向值得进一步研究。首先，地理特征也可能影响消费者的认知评价。近期研究也表明，居住在城市、郊区和农村地区的消费者可能因经历不同程度的拥堵和传统配送可达性而对无人机配送的收益和风险有不同的评估（Kellermann等，2023）。传统配送服务的地理可达性可能显著影响消费者满意度，因此消费者在这些地区采用无人机配送服务的决策过程可能有所不同。其次，无人机配送服务的住房基础设施可能影响消费者的感知风险。关于无人机配送包裹所需基础设施的讨论持续进行，例如屋顶、庭院、阳台和自动包裹柜系统。每种住宅为容纳此类基础设施提供了不同的条件。近期陈述选择研究也表明，消费者对无人机配送的偏好因包裹配送或投递地点的不同而有所差异（Hong等，2026；Kyi等，2026）。因此，正如消费者的采用行为因取件地点不同而有所差异（Milioti等，2021），其也可能因无人机的包裹投递地点不同而有所不同。第三，根据创新扩散理论（Rogers，1983），影响消费者采用的因素在扩散过程的不同阶段可能有所变化。近期研究已识别出特别可能成为无人机配送服务早期采用者的消费者细分群体（Farrar等，2025），并证明了不同采用者群体之间消费者估值的异质性（Hong等，2026）。未来研究可分析不同风险维度在多个采用阶段的相对重要性，以及社交商务构念在不同阶段的特定作用。这将有助于阐明无人机配送从早期采用者向主流消费者扩散的机制。第四，在无人机配送服务的采用中，感知风险与社交商务构念之间也可能存在非线性交互作用。例如，当感知风险超过一定阈值时，社交商务信息和推荐的影响可能减弱。反之，足够强大且可信的社交商务线索可能降低个体对新技术风险的感知。理解这种非线性交互作用有助于揭示社交商务构念缓冲感知风险的边界条件，从而为促进采用提供理论指导。反映近期方法学进展，未来研究可结合多项式回归与响应面分析，这是一种日益精细的方法，用于检验曲率、复杂交互模式以及超越传统线性交互设定的认知因素组合（Yao和Ma，2023）。

CRediT作者贡献声明

Doosun Hong：初稿撰写、软件、方法学、正式分析、数据管理、概念化。Xinyu Chen：审阅与编辑、可视化、验证、方法学、调查、正式分析。Sunghoon Jang：审阅与编辑、监督、资源、项目管理、调查、资金获取、数据管理、概念化。

Doosun Hong | Xinyu Chen | Sunghoon Jang

土木与环境工程系，建筑与环境学院，香港理工大学，香港特别行政区红磡育才道11号