AI策展的战略性披露：享乐型电子商务中算法厌恶的一个边界条件

《Journal of Theoretical and Applied Electronic Commerce Research》：Strategic Disclosure of AI Curation: A Boundary Condition on Algorithm Aversion in Hedonic E-Commerce

　　

算法厌恶研究（Algorithm-aversion research）预测，消费者在主观决策领域（包括基于品味的享乐型推荐）中更偏好人工策展人而非算法策展人。借鉴算法共生范式（algorithmic-symbiosis paradigm）和品种感知理论（assortment-perception theory），研究人员确定了该预测的一个边界条件：披露推荐是AI策展而非人工策展会提升享乐型电子商务中的购买意愿，但在功利型电子商务中则不会。其机制是搜索侧感知选项广度推断（search-side option-breadth inference）——消费者对策展人上游考虑的选项池大小的归因——这在偏好形成（preference-formative）的消费类别中具有诊断性，在这些类别中消费者构建而非匹配偏好。通过一个中国消费者面板部署的三项在线实验检验了该框架。研究1（N=228）发现了预测的披露×产品类型交互作用（η²_p=0.025），其中AI相对于人工的提升仅限于享乐型单元格。研究2（）分离了选项广度路径，与信任和能力作为竞争中介变量。研究3（）将设计扩展到第二个享乐型类别，通过一个八项双因子量表将选项广度分解为搜索侧和展示侧子维度，测试了心智化（mentalizing）与选项广度作为竞争中介变量，并将消费者AI熟悉度（consumer AI familiarity）的调节中介检验提升到常规统计功效（调节中介指数，95%置信区间）。讨论了交互营销实践和算法披露监管的启示。

### 研究背景、问题与意义

在享乐型电子商务（hedonic e-commerce）中，平台公开标注推荐为AI生成的做法与现有算法厌恶（algorithm aversion）研究的预测相悖：后者认为消费者在主观决策领域（如基于品味的推荐）更偏好人工策展。然而，实践中平台却积极披露AI策展，这暗示可能存在未被识别的边界条件。同时，强制性算法披露法规（如中国网信办规定和欧盟《人工智能法案》第50条）的出台使该问题具有政策相关性。研究人员基于算法共生范式（algorithmic-symbiosis paradigm）和品种感知理论（assortment-perception theory）提出，披露AI策展可通过搜索侧感知选项广度（search-side perceived option breadth）机制提升享乐型产品购买意愿，但这一效应在功利型产品中不成立，因为享乐消费是偏好形成（preference-formative）的，消费者在构建偏好过程中重视选项池的广度。该论文发表在《Journal of Theoretical and Applied Electronic Commerce Research》，通过三项实验揭示了这一边界条件，为交互营销实践和算法披露监管提供了新视角。

### 主要关键技术方法

研究人员采用三项在线实验，通过中国消费者面板（Credamo）招募参与者，使用模拟产品页面作为刺激材料，操控策展人披露（AI vs. 人工）和产品类型（享乐型 vs. 功利型）。关键方法包括：协方差分析（ANOVA）检验交互效应，PROCESS模型（Model 4和7）进行中介和调节中介分析，双因子量表（bi-factor scale）分解选项广度，以及逻辑回归分析行为变量。样本队列来源为中国消费者面板，排除规则包括注意力检查失败、操纵检查不匹配等。研究1（N=228）和2（N=257）使用单一享乐型类别，研究3（N=519）扩展到两个享乐型类别（音乐订阅和视频订阅）。

### 研究结果

**Study 1**
通过两因素方差分析，发现披露×产品类型交互作用显著（η²_p=0.025），享乐型类别中AI披露比人工披露产生更高购买意愿（Cohen's d=0.38），功利型类别中无显著差异，支持H1a和H1b。

**Study 2**
在享乐型类别中，通过PROCESS Model 4检验，发现搜索侧感知选项广度中介了AI披露对购买意愿的正向效应（间接效应=0.341，95%置信区间不含0），而信任和能力中介不显著，支持H2。消费者AI熟悉度（consumer AI familiarity）的调节中介指数（Index of Moderated Mediation）为0.058，置信区间包含零，方向支持但未达显著。

**Study 3**
（1）H1a在两个享乐型类别中均成立：音乐订阅中AI vs. 人工差异为0.58（Cohen's d=0.47），视频订阅中差异为0.30（Cohen's d=0.25），合并效应显著（Cohen's d=0.36）。
（2）H2a平行中介检验显示，搜索侧选项广度（间接效应=0.345）比展示侧（间接效应=0.133）贡献更大，且置信区间无重叠。
（3）五中介竞争检验中，搜索侧选项广度最大（间接效应=0.381），心智化（mentalizing）为负向小效应（-0.077），信任和能力不显著。
（4）H3调节中介指数为0.065（95%置信区间不含0），消费者AI熟悉度增强搜索侧中介效应。
（5）行为变量（“加入购物车”）逻辑回归显示，搜索侧选项广度是强预测因子（OR=2.17），披露直接效应不显著，符合中介框架。

### 讨论与结论

讨论部分指出，该研究对算法厌恶在主观领域预测提供了可证伪的边界条件，引入搜索侧感知选项广度作为新中介，区别于以往的社会评价中介（如能力、信任、心智化），并连接了算法厌恶与品种感知两派文献。监管启示方面，强制性披露法规假设摩擦减弱说服，但享乐型类别中披露可能通过选项广度路径增强购买意愿，因此监管需考虑类别依赖效应。管理启示方面，享乐型平台应主动披露AI策展并搭配广度线索，功利型平台则无需强调。研究结论翻译如下：对于享乐型电子商务类别，披露推荐为AI策展并非需要最小化的信任负债，而是一个战略性沟通杠杆，通过搜索侧感知选项广度提升购买意愿——该机制独立于主导AI披露文献的社会评价中介，并通过八项双因子量表将感知选项广度分解为搜索侧和展示侧子维度进行实证操作。该发现构成了对过去十年建立的“主观领域算法厌恶”模式的可证伪边界条件，提供了连接算法厌恶研究与品种感知传统的新机制，并对当代算法披露监管架构中“摩擦产生减弱”的假设提出了限定。在享乐型表面上部署AI推荐器的从业者应披露AI策展，并在底层算法基础设施确实能提供所信号显示的广度条件下，将披露与明确的广度线索配对；现场证据是自然下一步。