探索 ChatGPT 消费者的技术接受度：基于感知费用与消费者创新性的 TAM-SOR 整合框架

《TECHNOLOGY IN SOCIETY》：Exploring technology acceptance of ChatGPT consumers: A combined TAM-SOR framework on perceived fee and consumer innovativeness

　　

摘要

作为人工智能快速发展的一个重要里程碑，生成式人工智能（GenAI）工具为消费者提供了广泛的服务，包括信息生成、内容创作、学习和决策支持。虽然当前文献越来越强调理解消费者对这些工具行为的重要性，但解释具有市场重要地位的聊天生成式预训练变换器（ChatGPT）接受度的实证证据仍然相当有限。本研究在感知费用和消费者创新性的框架内，实证检验了ChatGPT的使用和接受行为，借鉴了技术接受模型（TAM）和刺激-机体-反应（SOR）模型。对来自土耳其231名ChatGPT消费者的调查数据，使用SmartPLS中的偏最小二乘结构方程模型（PLS-SEM）进行了分析。研究结果显示，感知费用作为刺激因素，显著影响消费者对价值和使用便利性的感知。同样，消费者创新性也塑造了感知价值、享受、易用性和有用性，这些因素在消费者的认知和情感过程中都扮演着核心角色。感知价值、易用性和有用性是指导消费者购买决策的关键机体决定因素。通过结合SOR和TAM框架，本研究在理论上扩展了文献，提供了一个综合概念模型，解释了GenAI消费者的行为模式。研究结果还为GenAI市场提供了实践启示，寻求在界面设计、指导和速度等能力方面进行改进。

引言

人工智能工具，特别是生成式人工智能应用，近年来作为数字技术的重要产出而崭露头角，这得益于它们在人机通信方面带来的创新以及为工业市场提供的解决方案。作为全面的虚拟助手，这些工具开始从根本上重塑消费者的决策过程。从教育和医疗到金融和公共服务，GenAI系统在许多领域正在引起个人信息寻求、评估和购买行为的重大转变（Dwivedi等人，2023）。

以ChatGPT为代表的先进大语言模型（LLMs），凭借其理解上下文、提供个性化推荐和生成快速、基于需求响应内容的能力，正在改变消费者在数字环境中的交互方式。这为营销、电子商务和服务部门创造了新的价值创造机会。ChatGPT先进的对话能力和专门应用可以为用户的各种需求，如教育、编程、学术工作或专业支持，提供快速且个性化的响应（Richarde等人，2025；Kshetri等人，2024；Kshetri，2024）。AI工具在用户中的迅速普及和日益增加的使用引发了文献中关于消费者与GenAI交互如何形成、这种交互如何影响消费者感知以及它如何重塑决策机制的开放性问题。然而，缺乏对用户关于ChatGPT主观动机和感知价值的理解，增加了对用户行为进行全面实证证据的需求（Welsby和Cheung，2023）。这使从用户角度审视ChatGPT服务如何形成变得更加重要。

当前研究关注直接请求ChatGPT服务的消费者，而非传统产品或服务。这一群体可以被概念化为"GenAI消费者"，这是一个在文献中获得越来越重要但尚未完全定义的新类别。GenAI消费者可以利用ChatGPT进行广泛用途，从日常任务的个人使用到信息管理和内容创作、编程等多个领域的专业流程（Kshetri等人，2024）。这种多样性被认为是可能区分用户支付ChatGPT高级版本的意愿的潜在决定因素。近期的研究还表明，仅从ChatGPT提供的利益中获得的满足感可能不足以影响购买意愿（Jo，2025）。在这方面，针对大学生的研究表明，除了价格敏感度之外，如个人需求、有用性-质量和感知价值等使用ChatGPT的因素在高级订阅行为中起着关键作用（Kuberska和Ruszczyk，2025）。尽管存在所有这些理论预期，关于GenAI消费者特征、使用动机和支付行为的实证研究数量相当有限。

为应对这一挑战，TAM脱颖而出，成为探索个人ChatGPT使用和采用水平广泛且深入使用的框架。基于理性行动理论，TAM由Davis（1989）提出，将有用性和易用性概念化为信息系统使用的基本决定因素。因此，可以检查对信息系统使用的态度和行为（Davis等人，1989）。作为技术采用领域中常用的结构，TAM具有非常广泛的研究和应用领域，涵盖各个学科中的许多技术（Holden和Karsh，2010）。

虽然传统技术采用模型对理解消费者如何采用新技术做出了重大贡献，但它们可能不足以完全解释像ChatGPT这样的交互式AI系统的使用。主要原因是TAM更多是为基于认知评估的生产力导向技术而开发的（Xu等人，2024）。此外，ChatGPT进行自然对话和生成个性化响应的能力也有潜力引发用户的情感反应，如兴趣、信任或担忧。因此，需要新的方法来解释这些情感和体验过程。

在此，刺激-机体-反应（SOR）模型，也称为Mehrabian-Russel（1974）框架，提供了一个更全面的结构，解释了外部刺激（如系统性能、信息质量或清晰度）如何影响用户的内部心理状态（如感知价值、信任、好奇心），进而转化为用户行为（如接受、意愿、支付意愿）作为反应（Pham等人，2024）。通过从认知评估和情感与体验反应两个方面考虑ChatGPT的使用，SOR提供了更整体的解释。因此，它作为理解消费者行为的补充理论方法，填补了单凭TAM可能无法充分解决的空缺（Xu等人，2024）。最近，一些研究扩展了SOR框架以纳入GenAI工具的用户接受度。虽然早期工作关注个人的教学或学习表现（如Dahri等人，2025；Sun等人，2025），但越来越多的消费者研究也值得关注。这些罕见的尝试通过考虑功能或情感因素将技术接受框架改编为SOR（Kim和Lee，2026）。然而，在ChatGPT订阅范围内解决这一整合的证据极为有限。例如，Ghorbanzadeh等人（2026）已采用基于SOR或整合的理论模型来检验GenAI消费者的技术接受度和购买意愿。值得注意的是，特别是将感知费用和创新性作为刺激变量整合到TAM-SOR框架中，并检验这些变量如何通过感知价值、感知享受、感知易用性和感知有用性等心理维度塑造对ChatGPT购买意愿的实证研究发展不足。因此，本研究旨在填补这一特定的研究空白。基于所有这些范式理论，本研究的研究问题（RQ）如下：

RQ1：作为刺激因素，感知费用如何影响消费者对ChatGPT使用感知（享受、易用性和有用性）？

RQ2：作为刺激因素，创新性如何影响消费者作为机体对ChatGPT使用感知（享受、易用性和有用性）？

RQ3：消费者感知（价值、享受、易用性和有用性）如何影响对ChatGPT使用的购买意愿？

本研究确定了驱动GenAI消费过程中接受和采用行为的环境因素，特别关注ChatGPT。它还不仅在战略和运营层面为ChatGPT，而且为所有GenAI应用提供了创新的实际贡献。基于这一理论基础，后续部分结构如下：第2节介绍理论背景、假设和提出的概念模型。第3节介绍方法论。第4节提供研究结果。在最后部分，讨论研究结果，提供理论和实践贡献，并基于局限性提出未来研究建议。

章节片段

ChatGPT作为GenAI应用

LLMs的迅速普及不仅与技术进步密切相关，还与AI技术的发展以及社会、政府和工业倡议的努力有关。自20世纪50年代提出图灵测试以来，开发具有使用自然语言进行人机交互的能力和智能的机器的想法在所有社区中引起了兴奋。AI领域的进步使得从数据驱动和手动……

测量

当前研究采用调查方法来证明其概念模型（图1所示）的适用性。本研究的量表是根据以前的研究开发的。首先，关于消费者ChatGPT使用习惯的问题来自Skjuve等人（2024）的研究。感知费用（PF）的两个项目参考了以前的研究（Kim等人，2007；Wang等人，2013）。消费者创新性（CI）的六个项目来自Goldsmith和Hofacker（1991），Varma Citrin等人（2000）……

描述性统计

表2提供了消费者人口统计数据和调查响应的描述性统计摘要。当检查参与者的性别分布时，观察到55.8%是女性（n=129），44.2%是男性（n=102）。就年龄组而言，大多数参与者处于18-28岁年龄段（87.4%），其次是29-47岁年龄段（11.3%）和48-59岁年龄段（1.3%）。这一发现表明样本主要由年轻人组成。

根据……

讨论

本研究通过结合SOR和TAM模型，调查消费者针对GenAI工具，特别是ChatGPT的购买行为。将感知费用和消费者创新性整合到传统TAM中，本研究确定了可能影响消费者AI工具采用和购买意愿的因素。根据研究结果，结合使用TAM和SOR模型提供了一个强大的分析框架，用于解释基于GenAI的……

理论意义

本研究为文献做出了几项重要的理论贡献。首先，本研究将TAM的认知-实用主义结构与SOR的情感和评估维度结合起来，为GenAI使用提供了一个整体的理论框架。虽然这些技术正在塑造许多行业从信息寻求到购买的广泛领域中的消费者行为（Dwivedi等人，2023），但实证分析主观用户……

管理意义

本研究还为AI开发者、GenAI品牌、政策制定者、营销管理者和利益相关者提供了若干重要且有价值的实践启示。首先，研究结果表明消费者的感知费用对感知价值产生负面影响，而价值强烈引导购买意愿。从这种情况中可以得出的一个可能结论是，GenAI品牌需要设计其定价策略，不仅要考虑数字层面，还要考虑感知……

局限性和未来研究方向

虽然当前研究通过检验整合到传统TAM中的额外变量对购买意愿的影响，对现有文献关于消费者ChatGPT使用的研究有所贡献，但应指出各种有价值的未来研究来解决某些局限性。首先，本研究从土耳其消费者收集数据。然而，通过考虑不同文化进行关于消费者技术接受意愿的可推广研究发挥着关键作用（Li等人……

未引用参考文献

Foroughi等人，2026；Hair Jr等人，2021；Moslehpour等人，2018；Shanmugavel和Micheal，2022。

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本论文中报告的工作。

Bahri Baran Ko?ak

学校航空，航空管理部门，迪克尔大学，迪亚巴克尔，土耳其