消费者采纳基于人工智能的购物指南的层次机制：一种结合了智能系统建模（ISM）、模糊 DEMATEL 和贝叶斯网络的方法

《Journal of Retailing and Consumer Services》：Hierarchical mechanisms of consumer adoption of AI-powered shopping guides: An integrated ISM, fuzzy DEMATEL, and Bayesian Network approach

　　

Jinyang Xu|Wenjing Li|Xin Yan|Junping Xu|Yinan Li

东南大学艺术学院，中国江苏省南京市四牌楼街201620

摘要

人工智能驱动的购物指南（APSGs）的普及正在推动电子商务从主动消费者搜索向算法引导的决策路径转变。本研究探讨了影响消费者采纳这些智能系统的层次心理机制。通过混合方法设计，本研究结合了半结构化访谈、解释结构建模（ISM）、MCMAC分析、模糊DEMATEL和贝叶斯网络（BN）分析。BN分析通过添加基于消费者数据的概率评估层来补充基于专家的结构模型。研究结果表明，感知拟人化是一个上游的结构前因，而感知行为控制和享乐动机则被定位为ISM层次结构中的最终采纳相关因素。此外，感知互动性、决策效率以及算法信任度成为高度核心的结构节点。BN场景分析表明，在当前的概率模型中，高采纳意图的最高后验概率出现在高享乐动机与低感知行为控制相结合的情况下。这些发现展示了消费者如何在算法便利性、愉悦互动和心理自主性之间进行平衡，为以用户为中心的APSG设计提供了实际启示。

引言

人工智能日益重塑全球零售格局，并成为零售创新的关键驱动力（Faqih, 2022; Ameen等人, 2021; Deng等人, 2021）。传统的在线购物遵循“人到商品”的模式，消费者在做出购买决定之前会搜索产品、浏览类别并比较选项（Bei等人, 2004）。尽管这种模式赋予了消费者相当大的自主权，但搜索和比较选项的需求常常使他们面临信息过载和决策疲劳的问题。人工智能技术的整合催生了“商品到人”的模式，在这种模式下，电子商务平台分析用户数据，预测消费者需求，并提供符合用户偏好、预算和购买情境的个性化推荐（Luo等人, 2019; Zimmermann等人, 2023）。在这种模式下，人工智能系统不再仅仅是执行指令的被动工具，它们越来越多地作为智能代理，解读用户意图，提供定制化的建议，并支持消费者决策（Chen等人, 2021; Chakraborty等人, 2024; Xiang等人, 2026）。在这种背景下，人工智能驱动的购物指南（APSGs）代表了更加互动和主动的算法购物支持形式。购物指南技术已经从早期的协作过滤推荐系统发展成为由自然语言处理、计算机视觉和生成式AI支持的虚拟购物助手。它们现在应用于沉浸式虚拟试穿、AI主持的直播销售以及基于用户浏览历史、购买记录和社会行为的个性化购物建议等场景中（Lin等人, 2024; Chang等人, 2025）。与传统推荐系统相比，APSGs可以提高购物效率，降低信息搜索成本，并增强互动性、参与度、满意度和信任度。因此，APSGs为研究消费者对算法引导决策路径的心理反应提供了合适的背景。了解消费者如何感知和响应APSGs对于开发更能满足消费者需求和偏好的AI购物系统至关重要（Lopes等人, 2024）。以往的研究主要探讨了特定AI功能或应用如何影响消费者的感知（Balakrishnan和Dwivedi, 2024; Jan等人, 2023; Maduku等人, 2024）。然而，这些研究大多只考察了孤立的前因或线性关系。这样的方法对于理解多个感知因素如何相互作用、哪些因素处于上游或从属位置以及不同感知如何在概率条件下共同塑造采纳意图提供了有限的见解。

因此，本研究确定了与中国电子商务环境相关的APSG采纳的核心感知因素，并探讨了这些因素在结构上如何组织以及在概率上如何关联。本研究基于UTAUT2理论、信任理论以及关于感知拟人化的研究，同时纳入了AI特有的社会情感和关系因素，采用顺序探索性混合方法设计。首先，通过半结构化访谈提取消费者对APSG使用的感知因素。其次，基于由学术学者和行业从业者组成的异质专家小组的评估，应用解释结构建模（ISM）和MCMAC分析来确定这些因素之间的层次结构和驱动-依赖模式。第三，使用模糊决策试验与评估实验室（Fuzzy DEMATEL）来研究专家评估的方向影响力强度和感知系统内的相对因果分组。最后，引入贝叶斯网络（BN）分析，结合大规模消费者调查数据来补充专家提供的结构，从而在概率层面上检验所提出关系结构的实证合理性，并进行基于场景的推断。通过这种多阶段设计，本研究解决了两个核心研究问题：哪些感知因素在消费者采纳APSGs时最为显著，以及这些因素在层次系统中是如何结构组织和概率关联的？

节片段

在线购物中的算法干预

以往的研究探讨了人工智能对在线购物体验的多维度影响，包括技术性能、互动体验（Chen等人, 2021）和服务适应性（Fan等人, 2022）。客户满意度是一个核心结果变量，反映了在线购物体验满足用户期望的程度（Christ-Brendemühl和Schaarschmidt, 2020; Eren, 2021）。人工智能支持的购物系统可以提高决策效率并改善客户...

混合方法设计和研究程序

本研究采用顺序探索性混合方法设计，因为其目标不仅仅是测试预先指定变量的净效应，而是要发展对消费者感知APSGs的结构性理解（Creswell和Plano Clark, 2017）。当研究焦点现象具有情境敏感性、理论化程度不足且需要归纳性构建和后续模型细化时，混合方法研究尤为适用。

解释结构建模（ISM）

虽然上述十个因素直接来自消费者的真实表达，但随后的结构建模阶段需要高级的系统思维来评估高度抽象和复杂的关系矩阵。鉴于普通消费者可能难以评估抽象心理因素之间的复杂多向关系，本研究遵循了既定的研究实践（Chand等人, 2020; Chowdhury等人, 2019; Sajid等人, 2017），并组建了...

讨论

通过结合ISM、MCMAC、模糊DEMATEL和贝叶斯网络（BN）分析，本研究提出了一个基于专家意见和调查支持的消费者对APSG采纳感知的概率解释。这些发现应在明确的样本边界内进行解读。无论是定性样本还是调查样本，都偏向于受教育程度较高、有APSG使用经验和数字素养的用户。这个样本边界很重要，因为先前的研究表明...

CRediT作者贡献声明

Jinyang Xu：撰写——审阅与编辑、撰写——初稿、可视化、验证、方法论、资金获取、形式分析、数据管理、概念化。Wenjing Li：验证、监督、软件开发、调查。可视化、验证、监督、软件开发。Junping Xu：验证、监督、软件开发、形式分析、数据管理。Yinan Li：可视化、验证、资源协调、项目管理、调查、资金获取。

披露声明

作者声明没有利益冲突。

资金

本研究得到了“国家社会科学基金（NSSF）资助。

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。