《Journal of Theoretical and Applied Electronic Commerce Research》：From Attention to Action: Unraveling the Multi-Stage Impact of Virtual Streamer Features Employing a Three-Stage Approach
Xiaoyu Xu,
Huan Sun and
Shuowei Jia
编辑推荐：
为解决虚拟主播特征在消费者决策旅程中的动态作用机制不明的问题，研究人员基于AIDA-HSM整合框架，采用SLR-SEM-fsQCA三阶段混合方法，揭示了特征在不同阶段的差异化影响及驱动购买意向的多重并发路径，为VLSC营销提供了理论指导与实践启示。
当AI主播接管直播间：从“看热闹”到“下单”的魔法是如何炼成的？
在数字营销的浪潮中，直播电商（Live Streaming Commerce, LSC）已成为品牌与消费者互动的重要阵地。而近年来，一股由人工智能驱动的“虚拟人”势力正悄然改变着直播格局。这些永不疲倦、形象可定制的虚拟主播（Virtual Streamers）正逐渐从科幻走向现实，开启了“24/7”不间断的销售新模式。据市场研究数据，2024年全球虚拟主播电商市场规模已达492.82亿美元，预计到2026年将增长至767.93亿美元，超过70%的受访者对其未来发展持乐观态度。尽管前景广阔，但虚拟主播究竟是如何一步步引导消费者完成从“围观”到“购买”的决策跳跃的？这一“黑箱”机制尚未被完全揭开。
研究背景：虚拟主播的繁荣与学术研究的滞后
现有研究虽然关注了虚拟主播的静态特征（如可爱度、社交性）对单一结果变量（如购买意愿）的影响，或对比了虚拟主播与真人主播的差异，但存在三个明显的“断层”：
- 1.
阶段不明：不清楚哪些虚拟主播特征在消费者决策的哪个阶段（注意、兴趣、评估、欲望、行动）起关键作用。
- 2.
框架缺失：缺乏合适的漏斗式框架来解释特征在不同阶段的动态影响机制。
- 3.
路径单一：传统方法（如结构方程模型，SEM）假设存在单一的“最优路径”，忽略了现实中消费者可能通过多种不同的特征组合（即“多重并发因果”）最终达成购买决策的可能性。
为了填补这些空白，Xu等人（2026）在《Journal of Theoretical and Applied Electronic Commerce Research》上发表的研究中，创新性地提出了一个AIDA-HSM整合框架，并采用三阶段混合方法（SLR + SEM + fsQCA），系统揭示了虚拟主播特征在虚拟直播电商（Virtual Live Streaming Commerce, VLSC）中的多阶段影响机制。
理论基石：AIDA模型与HSM的“联姻”
研究团队没有止步于传统的AIDA（注意-兴趣-欲望-行动）模型，而是敏锐地指出了其在VLSC场景下的两个不足：
- •
缺少“评估”环节：消费者在产生兴趣后，需要对虚拟主播传递的信息进行深度加工和评估，才会形成稳定的购买欲望。这一关键认知环节在传统AIDA模型中未被凸显。
- •
缺乏路径分析：AIDA模型描述了阶段，但未揭示驱动每个阶段转换的具体认知机制。
为此，研究者引入了启发式-系统模型（Heuristic-Systematic Model, HSM）。HSM认为，个体处理信息有两种模式：依赖简单线索的启发式处理（如“这个主播看起来很专业”）和依赖深度分析的系统式处理（如仔细评估产品参数）。将HSM的“评估”核心嵌入AIDA流程，便构成了本研究独特的AIDA-HSM框架（注意-兴趣-评估-欲望-行动），为解读虚拟主播的劝说机制提供了更完整的理论透镜。
研究方法：三阶段混合方法的“组合拳”
为了全面回答研究问题，作者设计了一套严谨的“三步走”混合方法策略：
- 1.
阶段1（SLR）：通过系统性文献综述（Systematic Literature Review, SLR），从Web of Science等数据库筛选出58篇高质量文献，识别出虚拟主播的关键特征（如拟人化、专业性、互动性等），并将其映射到AIDA-HSM的各个阶段，构建初始概念模型。
- 2.
阶段2（SEM）：利用结构方程模型（SEM）对大样本问卷数据进行分析，检验虚拟主播特征在不同决策阶段（如注意→兴趣，评估→欲望）的“净效应”和路径关系，验证理论假设。
- 3.
阶段3（fsQCA）：采用模糊集定性比较分析（fsQCA）技术，探究导致高购买意愿的多重前因组态（即不同的特征组合路径），揭示“殊途同归”的因果复杂性。
研究发现：特征影响的“阶段特异性”与“路径多样性”
1. SEM结果：特征影响的“动态演变”
SEM分析证实，虚拟主播特征的影响并非一成不变，而是随着消费者在决策漏斗中的下行而动态演变：
- •
注意力阶段：外观形象、个性化等外部视觉特征在捕获消费者初始注意力方面作用显著。
- •
兴趣与评估阶段：温暖感、专业性、社会互动性等社会线索在激发兴趣和引导深度评估（系统处理）中扮演核心角色。
- •
欲望与行动阶段：可信度、情感连接等深层认知和情感因素成为驱动最终购买欲望和行为的直接推手。
2. fsQCA结果：达成高购买意愿的“多条道路”
fsQCA分析揭示了更为丰富的图景：不存在唯一通往高购买意愿的路径，而是存在多种等效的“特征配方”（即充分条件组态）。例如：
- •
路径A（情感驱动型）：高情感连接 + 高可信度 + 适中的外观吸引力。
- •
路径B（认知驱动型）：高专业性 + 高互动性 + 高处理流畅性。
- •
核心发现：所有能够导致高购买意愿的成功组态中，都必须包含来自AIDA-HSM各个阶段（注意、兴趣、评估、欲望）的因素。这证明了消费者决策是一个多阶段累积过程，任何单一阶段的缺失都难以促成最终转化。
结论与启示：为虚拟主播营销“精准导航”
本研究通过AIDA-HSM框架和三阶段混合方法，首次系统刻画了虚拟主播特征在消费者决策旅程中的动态作用图谱：
- •
理论贡献：不仅验证并情境化了AIDA-HSM框架在VLSC中的适用性，更通过SEM与fsQCA的互补，同时揭示了变量间的“净效应”和“组态效应”，为理解复杂的消费者决策提供了新的方法论示范。
- •
实践启示：对于VLSC从业者而言，研究提供了清晰的战略地图。在直播的不同阶段，应配置差异化的虚拟主播特征资源（如前期重形象吸引，中期重专业互动，后期重情感信任）。同时，营销策略应具备整体性，因为任何阶段的短板都可能切断最终的转化路径。
随着AI虚拟人技术的不断渗透，理解其背后的“人心机制”或许比优化其“像素形象”更为重要。这项研究正是为洞察这一机制提供了一把关键钥匙。
关键技术方法概述：
本研究采用三阶段混合方法设计。首先，基于SPAR-4-SLR协议，在Web of Science等数据库进行系统性文献综述（SLR），筛选出58篇核心文献以构建概念框架。其次，基于大样本问卷调查数据，运用结构方程模型（SEM）检验虚拟主播特征在AIDA-HSM各阶段间的路径关系与净效应。最后，采用模糊集定性比较分析（fsQCA）识别导致高购买意愿的多重前因条件组态，揭示不同特征组合的“殊途同归”效应。
