《Journal of Theoretical and Applied Electronic Commerce Research》：How Technology Characteristics and Social Factors Shape Consumer Behavior in Artificial Intelligence-Powered Fashion Curation Platforms
Dayun Jeong
编辑推荐：
技术的快速演进显著影响了包括时尚在内的各个领域，其中技术赋能平台日益被用于增强个性化与消费者参与。本研究调查这些特征对时尚策展平台内消费者行为的影响。研究人员整合任务–技术匹配（Task–Technology Fit, TTF）与整合型技术接受与使用统一理论（
技术的快速演进显著影响了包括时尚在内的各个领域，其中技术赋能平台日益被用于增强个性化与消费者参与。本研究调查这些特征对时尚策展平台内消费者行为的影响。研究人员整合任务–技术匹配（Task–Technology Fit, TTF）与整合型技术接受与使用统一理论（Unified Theory of Acceptance and Use of Technology, UTAUT）模型，采用结构方程模型（Structural Equation Modeling, SEM）检验关键构念。数据通过对300名使用时尚策展平台的韩国消费者进行为期一周的调查收集。研究结果显示，技术特征对任务–技术匹配（TTF）与努力期望（Effort Expectancy, EE）具有显著影响。此外，享乐动机（Hedonic Motivation, HM）、社会影响（Social Influence, SI）与促成条件（Facilitating Conditions, FC）在塑造行为意向（Behavioral Intention, BI）方面起关键作用。本工作的新颖之处在于将整合模型框架扩展至时尚策展情境，以提供更具细致的理解。此外，研究结果为优化技术赋能时尚平台以提升用户采纳与参与提供了实践见解。
该研究发表于《Journal of Theoretical and Applied Electronic Commerce Research》。研究背景方面，人工智能（Artificial Intelligence, AI）近年来为时尚产业带来显著创新，在提升生产力、加速市场进入及改善客户服务方面潜力巨大，生成式AI预计通过改进趋势预测、供应链优化与客户参与为服饰与奢侈品行业增加可观营业利润。韩国服装产业因在线购物激增及新冠疫情推动迅速采用数字技术，现代消费者重视便利、个性化服务与效率，但既往AI时尚研究多聚焦设计与通用电子商务，缺乏从消费者技术接受视角分析AI策展平台服务技术效用的学术研究，且未将技术与行为层面同数字营销构念在韩国时尚产业独特情境中稳健整合，理解技术进步与消费者体验相互作用至关重要。
研究人员开展的研究基于任务–技术匹配（Task–Technology Fit, TTF）理论与整合型技术接受与使用统一理论（Unified Theory of Acceptance and Use of Technology, UTAUT），构建整合模型考察技术特征、任务特征等对韩国消费者接受AI驱动时尚策展平台的影响，并探讨AI驱动个性化对品牌忠诚与再购率的提升作用及营销启示。研究通过对300名有使用经验的韩国消费者进行一周问卷调查，运用结构方程模型（Structural Equation Modeling, SEM）分析数据，得出技术特征显著正向影响任务–技术匹配（TTF）与努力期望（Effort Expectancy, EE），任务–技术匹配（TTF）显著正向影响绩效期望（Performance Expectancy, PE）但不直接影响行为意向（Behavioral Intention, BI），享乐动机（Hedonic Motivation, HM）、社会影响（Social Influence, SI）与促成条件（Facilitating Conditions, FC）对行为意向（BI）有显著正向影响，而绩效期望（PE）与努力期望（EE）对行为意向（BI）无显著影响等结论。研究意义在于填补AI时尚策展平台消费者接受领域空白，为平台设计者与营销者提供兼顾功能效用与体验满意的实践指导，推动数字营销策略与产品开发。
研究人员采用的主要关键技术方法包括：以近期使用过AI驱动时尚策展服务的300名韩国消费者为样本队列，通过专业研究机构进行在线匿名调查并设筛选题确保一手使用经验；测量工具整合TTF与UTAUT变量，采用7点李克特量表，运用IBM SPSS 25与AMOS 24进行描述性统计、探索性因子分析（Exploratory Factor Analysis, EFA）、可靠性分析、验证性因子分析（Confirmatory Factor Analysis, CFA）、相关分析与协方差基于的结构方程模型（Covariance-based SEM, CB-SEM）检验假设路径。
研究结果部分保留原文小标题并说明如下。4.1. Factor and Reliability Analyses：研究人员先进行探索性因子分析（EFA）以验证量表在AI时尚策展新情境的效度，采用方差最大正交旋转，任务–技术匹配（TTF）相关测量的Kaiser–Meyer–Olkin（KMO）值为0.922，整合型技术接受与使用统一理论（UTAUT）为0.944，Bartlett球形检验显著（p < 0.05），各构念因子载荷符合预期，Cronbach’s α均高于0.6显示高内部一致性，少数条目如TEC4载荷较弱但稳健性检验未改变实质推论。4.2. Descriptive Statistics and Correlation Analysis：描述统计与正态性检验显示偏度绝对值小于3、峰度小于8，符合单变量正态性；Pearson相关分析表明所有变量间呈统计显著正相关。4.3. Structural Equation Modeling Results：验证性因子分析（CFA）显示模型拟合良好（TLI=0.9，CFI略高于0.9，Standardized Root Mean Square Residual（SRMR）<0.1，Root Mean Square Error of Approximation（RMSEA）<0.10），所有观测变量标准化路径系数β >0.5且显著，组合信度（Construct Reliability, CR）>0.7、平均方差萃取量（Average Variance Extracted, AVE）>0.5满足收敛效度；区分效度通过Fornell–Larcker准则与异质-单质比率（Heterotrait-Monotrait Ratio, HTMT）检验；Harman单因子检验未发现单一因子解释大部分协方差。路径分析显示任务特征（Task Characteristic, TAC）正向显著影响任务–技术匹配（TTF）（β=0.209，p=0.001）支持H1；技术特征（Technology Characteristic, TEC）正向显著影响任务–技术匹配（TTF）（β=0.737，p=0.001）支持H2；任务–技术匹配（TTF）对行为意向（BI）直接影响不显著，但对绩效期望（PE）显著正向影响（β=0.896，p=0.001）；技术特征（TEC）正向显著影响努力期望（EE）（β=0.570，p=0.001）支持H4；努力期望（EE）对绩效期望（PE）影响不显著；任务–技术匹配（TTF）正向显著影响绩效期望（PE）（β=0.896，p=0.001）支持H5；绩效期望（PE）对行为意向（BI）影响不显著，不支持H7；努力期望（EE）对行为意向（BI）影响不显著，不支持H8；社会影响（SI）正向显著影响行为意向（BI）（β=0.196，p=0.002）支持H9；促成条件（FC）正向显著影响行为意向（BI）（β=0.224，p=0.005）支持H10；享乐动机（HM）正向显著影响行为意向（BI）（β=0.428，p=0.001）支持H11。
讨论部分总结：理论贡献在于将任务–技术匹配（TTF）与整合型技术接受与使用统一理论（UTAUT）在AI驱动时尚策展情境中整合，揭示任务–技术匹配（TTF）虽显著提升绩效期望（PE）但不直接预测行为意向（BI），消费者更重视感知收益与情感体验；努力期望（EE）不影响绩效期望（PE），因消费者更看重推荐准确性与个性化而非易用性；享乐动机（HM）与社会影响（SI）对行为意向（BI）影响强劲，凸显时尚消费的情感与社交属性。实践启示包括应聚焦AI功能准确性与透明度以提升绩效期望（PE），可容忍适度复杂度；强化享乐元素如虚拟现实试穿、游戏化与社交分享功能以利用享乐动机（HM）与社会影响（SI）；关注算法偏见、数据隐私与透明度以建立信任。研究结论部分翻译如下：本研究全面考察AI技术特征如何影响时尚策展平台内消费者行为意向。通过整合任务–技术匹配（TTF）与整合型技术接受与使用统一理论（UTAUT）模型，研究证实尽管任务–技术匹配（TTF）增强感知有用性，但采纳的主导驱动因素是情感参与、信任与社会影响（SI）。结果表明任务–技术匹配（TTF）显著提升绩效期望（PE）但不直接影响行为意向（BI），暗示AI不仅须支持消费者任务还须增强感知收益以驱动采纳；此外努力期望（EE）不显著影响绩效期望（PE），表明消费者优先推荐准确性与可靠性而非易用性；享乐动机（HM）的强影响暗示体验与交互AI特征对塑造消费者采纳至关重要；最后社会影响（SI）的显著影响强调AI驱动时尚平台须整合同行驱动推荐与社区参与策略之必要。综上，本研究聚焦AI技术与消费者行为对齐，其营销视角进一步强调品牌须利用数字创新作为战略营销工具之必要，通过增强消费者互动的功能与体验层面，AI驱动平台可在动态时尚产业实现卓越客户参与与可持续竞争优势，未来研究应调查高级营销分析与AI技术整合以评估其对品牌忠诚与市场表现的长期影响。
