在什么情况下，不一致性会起到积极作用呢？人工智能生成的摘要评分之间的非线性差异究竟会如何影响消费者的购买意愿呢？

《Journal of Retailing and Consumer Services》：When does inconsistency help? The nonlinear effect of AI summary-rating inconsistency on consumer purchase intention

　　``

摘要

随着生成式人工智能（AI）在电子商务平台中的日益应用，AI生成的评论摘要已成为消费者的重要信息来源。一个日益引起关注的问题是AI总结评分的不一致性，即AI生成的评论摘要所传达的评价价值与同一产品页面上显示的总体产品评分之间的差异程度。然而，以往的研究对这种特定形式的跨格式评价线索冲突关注较少。本研究探讨了AI总结评分不一致性与消费者购买意图之间的非线性关系以及这种关系背后的心理过程。通过混合方法设计，研究1分析了Newegg上的2654条产品观察数据，并使用非线性回归提供了基于关联的市场证据。研究2采用3（AI总结评分不一致性：低、中、高）× 2（RIR反馈线索：高度认可、高度不认可）的被试内实验，来考察对AI的信任感和认知负荷，以及RIR的调节作用。研究结果表明了一种倒U形模式：中等程度的不一致性比低或高程度的不一致性更具说服力。对AI的信任感和认知负荷作为两个平行的心理过程，其中信任感通过积极途径发挥作用，而认知负荷通过消极途径产生影响。此外，当摘要级别的用户反馈良好时，RIR通过增强信任途径和削弱认知负荷途径起到重要作用。这些发现为AI介导的评论信息、对AI的信任以及消费者决策的研究做出了贡献，并为在线零售中优化AI生成的评论摘要提供了实际建议。

引言

在线评论已成为消费者购买决策中的关键信息来源。当产品质量不确定时，消费者依赖他人的评价来降低风险并节省信息处理成本（Filieri和McLeay，2014；Mudambi和Schuff，2010）。然而，电子商务的迅速发展也导致了严重的评论过载：消费者经常面临数百甚至数千条冗长、重复且质量参差不齐的评论，使得有效提取决策相关信息变得困难（Edmunds和Morris，2000）。在这种背景下，生成式人工智能开始通过使平台能够将分散的评论内容压缩成简洁的摘要来重塑在线评论环境（Chong等，2021；M. Jia等，2026；Leong等，2025）。

像Amazon、Newegg这样的平台现在在产品页面上显著显示AI生成的评论摘要。通过综合大量消费者反馈，这些摘要可以减少搜索成本，并帮助消费者更快地了解产品的主要优缺点（Li等，2025；Morales-Mu?oz等，2026）。然而，它们的日益使用也引入了一种新的信息结构：消费者不再仅依赖用户生成的评分和评论，而是同时遇到两种明显的评价线索——数字形式的总体评分和AI生成的文本摘要（S. J. Jia等，2025；Qiu等，2012）。尽管这两种线索都旨在代表相同的消费者意见，但它们在格式和来源上有根本差异。产品评分以数字形式呈现总体评价，而AI生成的摘要则提供了对评论内容的算法合成文本解读（Chai等，2026）。

本研究关注这两种线索之间的不一致性，我们将其定义为AI总结评分的不一致性。AI总结评分的不一致性指的是AI生成的评论摘要所传达的评价价值与同一产品页面上显示的总体产品评分之间的差异程度。AI总结评分的不一致性捕捉到了一种具体且高度可观察的跨格式评价线索冲突形式。这一概念在理论上有重要意义。首先，产品评分和AI生成的摘要是当前产品页面上最突出的评价信号之一，因此它们之间的差异可能在消费者的决策过程中尤为显著（Chai等，2026；Qiu等，2012）。其次，当这两种线索不一致时，消费者必须做出双重判断：他们不仅要评价产品本身，还要判断AI系统是否可靠地代表了消费者的意见（Nguyen和Nguyen，2026；Yhee和Koo，2026；Zhang等，2004，Zhang等，2024）。因此，AI总结评分的不一致性为了解消费者如何在AI介导的决策环境中调整对AI的信任和管理认知努力提供了独特的窗口。适度的不一致性可能吸引注意力，使摘要看起来不那么机械化；而过度的一致性可能表明算法的不可靠性，并造成解释上的困难。

尽管这一现象相关性很高，但相关研究仍然不足。以往关于评论不一致性的研究主要集中在用户生成评论之间的分歧、评分与文本评论之间的差异，或多个信息源之间的不一致性（Aghakhani等，2021；P. Jiang等，2024；Peng等，2024）。与此同时，关于AI生成的评论摘要的新兴研究主要集中在它们的效率、有用性和透明度上，而对AI摘要与其他明显评价线索之间的不一致性如何影响消费者反应的关注较少（S. J. Jia等，2025；Korzynski等，2023）。随着AI生成的摘要在在线零售界面中的日益应用，理解AI总结评分不一致性的后果对于理论和实践都至关重要。

为了解决这一空白，我们采用了混合方法设计。研究1使用Newegg的产品级观察数据，在真实的市场环境中考察基于情感的AI总结评分不一致性与愿望清单购买兴趣之间的关联。研究2使用受控场景实验来测试提出的非线性效应并测量心理过程。因此，这两项研究提供了互补的证据，而它们之间的差异被视为边界条件，而不是正式的跨文化复制。

基于现有文献，本研究旨在重新审视AI总结评分不一致性的影响过程，特别关注以下三个核心研究问题：

AI总结评分的不一致性是否显著影响消费者的购买意图？

哪些机制解释了AI总结评分不一致性对消费者购买意图的影响？

RIR反馈线索如何调节AI总结评分不一致性对购买意图的影响？

部分节选

在线平台上的AI生成的评论摘要

随着人工智能和自然语言处理的快速发展，AI生成的评论摘要已成为电子商务平台改善评论环境和促进消费者决策的重要工具（Chai等，2026；Yhee和Koo，2026）。与传统的提取式摘要不同，生成式摘要依赖于大型预训练的语言模型，将大量的用户评论合成并提炼成简洁的摘要。

AI总结评分不一致性对购买意图的影响

AI总结评分的不一致性指的是AI生成的评论摘要所传达的评价价值与同一产品页面上显示的总体产品评分之间的差异程度。由于这两种评价线索同时但以不同的格式呈现，它们之间的差异构成了消费者产品判断中的信息刺激。最佳刺激水平理论表明，消费者对外部刺激的中等程度反应最为积极。

数据收集

本研究收集了来自Newegg的产品级观察数据，Newegg是一家成立于2001年的北美领先电子商务平台，主要销售电子产品、计算机硬件和消费技术产品。截至2024年，Newegg拥有超过4000万活跃用户，并提供了超过1000万种产品。Newegg的产品详情页面包含用户评分、文本评论和AI生成的评论摘要，包括优点、缺点和AI摘要。这些摘要帮助消费者快速了解产品的关键信息。

预测试

在进行研究2之前，我们进行了预测试，以验证操纵AI生成的评论摘要与产品评分之间的不一致性是否有效。该预测试的主要目的是确保参与者能够清晰地感知摘要与评分之间的不同差异程度，从而区分低、中和高不一致性条件，为研究2的正式实验提供可靠的基础。

在

总体讨论

本研究探讨了AI总结评分不一致性如何影响在线零售环境中的消费者购买意图。结合Newegg的二手数据和受控场景实验，研究表明这种关系不是线性的，而是倒U形的：中等程度的不一致性会产生最积极的购买反应，而非常低或非常高的不一致性则会降低购买意图。研究结果进一步揭示了两个可测量的心理过程。

CRediT作者贡献声明

郭珊珊：写作——审阅与编辑，撰写初稿，项目管理，方法论，资金获取，正式分析，数据整理，概念化。王凯超：写作——审阅与编辑，撰写初稿，可视化，方法论，概念化。刘晓晓：写作——审阅与编辑，撰写初稿，监督，正式分析，数据整理。冯新艺：写作——审阅与编辑，撰写初稿，正式分析，数据

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（72571181、72471186、72171152）的支持。

郭珊珊|王凯超|刘晓晓|冯新艺

上海外国语大学商学院，中国上海

```