《Supply Chain Analytics》:An integrated analytical approach to consumer trust and transparency in supply chains
编辑推荐:
本研究针对有机食品供应链中的透明度悖论(即大量可追溯技术投资往往无法线性提升消费者信任)展开探讨。超越单纯行为视角,研究人员评估了两种供应链可见性配置(源于区块链与物联网等可追溯基础设施的数据驱动透明度, versus 源于短链食品网络设计的关系型透明度)的下
本研究针对有机食品供应链中的透明度悖论(即大量可追溯技术投资往往无法线性提升消费者信任)展开探讨。超越单纯行为视角,研究人员评估了两种供应链可见性配置(源于区块链与物联网等可追溯基础设施的数据驱动透明度, versus 源于短链食品网络设计的关系型透明度)的下游效能。采用偏最小二乘结构方程模型(PLS-SEM)与可解释人工智能(XAI)双分析方法论,研究人员分析了印度活跃有机食品消费者数据。PLS-SEM结果表明,关系型透明度而非数据驱动透明度是消弭农场到餐桌心理距离的主要驱动力。反之,XAI分析揭示数据驱动机制充当非线性卫生因子(hygiene factor),对满足高身份认同消费者的验证阈值至关重要,但单独不足以驱动购买意图。研究为行为供应链管理提供战略路线图:企业须解耦透明度战略,以技术可追溯性服务市场准入(验证),以网络设计优化关系邻近性以驱动市场份额(连接)。
研究背景与问题提出
现代食品供应链管理面临上游生产者与下游消费者间的信息不对称挑战。学界常将透明度视为单一目标,假设信息可用性增加即等于绩效提升,但实证中出现“透明度悖论”:数据披露增加并不线性转化为消费者信任或价值捕获。现有工具通过客观数据建立信任,却可能无意放大消费者与食物来源的心理距离,削弱情感性、基于影响的信任(affect-based trust, ABT)。两类可见性配置由此分野:技术配置(可追溯,traceability)提供抽象高层验证;结构配置(短链食品供应链,SFSC)提供具体低层叙事。本研究据此解构透明度概念,桥接供应链战略与消费者心理,回应三类研究问题:不同透明度策略如何塑造认知与情感信任的分歧路径;心理距离如何中介上述关系;绿色自我身份(Green Self-Identity, GSI)如何调节间接效应。
研究开展与总体结论
研究人员以刺激-机体-反应(Stimulus-Organism-Response, S-O-R)框架为骨架,融合解释水平理论(Construal Level Theory, CLT)与信任双过程模型,构建序列中介与有调节中介模型,区分感知数据驱动供应链可追溯性(Perceived Data-Driven Supply Chain Traceability, PDST)、感知关系型供应链邻近性(Perceived Relational Supply Chain Proximity, PRSP)、缩减心理距离(Reduced Psychological Distance, RPD)、认知基信任(Cognition-Based Trust, CBT)、情感基信任(ABT)、绿色自我身份(GSI)与有机食品购买意图(Organic Food Purchase Intention, OFPI)。通过对印度城市及半城市活跃有机消费者的目的性抽样(最终有效样本311份,2025年1—3月收集,地域集中于南印度泰米尔纳德邦),并行运行PLS-SEM因果解释与XAI预测解释。结论显示:PRSP通过RPD正向激活ABT并最终驱动OFPI,PDST对RPD无显著作用且不直接驱动信任与意图;CBT在线性模型中不直接预测OFPI,但在XAI中作为非线性阈值(卫生因子)与GSI形成协同;GSI本身不线性调节中介链,却是XAI中最高权重特征,呈阈值激活逻辑。论文发表于《Supply Chain Analytics》。
主要关键技术方法(≤250字)
研究人员采用双分析策略:第一阶段以SmartPLS 4运行PLS-SEM,所有构念设为反映型,经主成分分析(PCA)确认单维性,以5000次 bootstrap 检验路径显著性与Q2预测相关;第二阶段于KNIME 5.4.4平台以AutoML训练线性回归、随机森林、XGBoost等7种算法,按8:2划分训练集与保留集,10折交叉验证,选随机森林(R2=0.650)接入SHAP(SHapley Additive exPlanations)框架,以蜂群图、依赖图与力图解释非线性交互。样本来自印度近半年购过有机食品、18岁以上活跃消费者线上问卷,经年龄与购买频率筛查。
研究结果(保留小标题)
4.1 共同方法偏差与单源偏差评估:以全共线性VIF(1.45—2.89,低于3.3)替代Harman单因子法,排除常见方法方差干扰。
4.2 PLS-SEM分析洞察:测量模型各指标外载荷>0.70,组合信度与Cronbach’s α>0.70,AVE>0.50,Fornell-Larcker与HTMT判别效度达标。结构模型中H1b(PRSP→RPD, β=0.243, p<0.001)、H2a(RPD→CBT, β=0.214)、H2b(RPD→ABT, β=0.261)、H3b(ABT→OFPI, β=0.337)获支持;H1a(PDST→RPD)、H3a(CBT→OFPI)、H4a/H4b序列中介、H5a/H5b有调节中介均不显著。OFPI的R2=0.580,Q2predict=0.485。
4.3 XAI分析洞察:随机森林留验R2=0.650(RMSE=0.866,MAE=0.624)优于线性模型。SHAP摘要图显示GSI与CBT为预测OFPI最强特征;GSI依赖图表明低GSI抑制意图,高GSI须配高CBT才放大正SHAP值;CBT依赖图印证二者协同——认知信任仅在绿色身份高时转为强正向贡献。线性不显著的CBT被XAI揭示为阈值变量(验证门槛),解释“卫生因子”性质。
讨论与结论翻译浓缩
讨论部分指出,本研究解决透明度悖论的方式是把透明度二分为验证型(数据驱动,管市场进入)与连接型(关系型,管市场份额)。在印度这种高语境、集体主义、制度信任空缺的新兴市场,消费者以关系邻近替代制度保证,PRSP直接触发情感捷径,绕过认知验证阶段。CBT非动机因子而是卫生因子;GSI非线性放大器而是“休眠潜能”,需CBT越过阈值方激活身份驱动购买。方法上PLS-SEM与XAI三角验证暴露传统结构方程掩盖的非补偿决策边界。管理上建议技术可追溯(区块链、IoT)做准入凭证,关系叙事(农民姓名、农场照、收获故事)做转化引擎,界面设计应“叙述化可追溯”。政策上NPOP、PGS-India等应配套短链基础设施而非仅靠认证。边界条件为意图-行为鸿沟:本文止步于购买意图,价格溢价与渠道可达性不在模型内。
结论译文:本研究解构供应链透明度并非单一构念,而是分化为数据与关系两类功能异构配置;关系型透明度通过缩减心理距离构建情感信任以驱动购买意图,数据驱动透明度充当高GSI消费者验证阈值下的卫生因子;GSI与CBT存在非线性协同,身份需认知信任激活;PLS-SEM与XAI双分析揭示线性模型遗漏的非补偿规则。研究为行为供应链管理提供“验证与连接解耦”的战略路线图,并限定结论外推至受教育、城市、南印度有机消费群及类似高语境新兴市场。