《Tourism Management Perspectives》：AI-generated tourism visuals for generation alpha travelers: A contingency theory framework for destination marketing technology integration
编辑推荐：
•
阿尔法世代（Generation Alpha）在人工智能生成的旅游内容中表现出明显的性别偏好。
•
- •
阿尔法世代（Generation Alpha）在人工智能生成的旅游内容中表现出明显的性别偏好。
- •
女性更喜欢合作体验，而男性则更倾向于自主探索。
- •
他们的偏好层次倾向于极限冒险和未来主义创新主题。
- •
权变理论（Contingency Theory）解释了阿尔法世代在旅行选择上的情境差异。
引言
人工智能（AI）在酒店和旅游业的整合已经改变了许多领域的运营、战略和体验模式（Dogru等人，2025年）。生成式人工智能（Generative AI）是一个革命性的变化，主要是因为它能够创造出超越传统营销规范的引人入胜的视觉内容（Zhang等人，2024年）。像DALL-E、MidJourney和Stable Diffusion这样的基于生成式AI的图像生成网站，通过创建尚未存在的潜在景点的逼真图像、重新塑造历史遗迹以及假设的旅游活动，颠覆了目的地营销的世界。这些数字图像是目的地管理组织的强大营销工具，因为它们使他们能够在实际实现之前就构建出潜在体验的沉浸式视觉叙事，从而降低感知风险并最大化旅行前的热情（Saleh，2025年）。在旅游和酒店业的背景下，生成式AI图像有助于提前预览酒店住宿、餐厅氛围和设施，这些都对预订决策有着重要影响（Dogru等人，2025年；Miao & Yang，2023年）。生成式AI图像的预测价值远超其在广告中的传统应用，而且以前所未有的规模，它们通过先进的视觉分析，提供了预测游客行为、服务选择和目的地印象的真正潜力（Zhu等人，2024年）。
因此，生成式AI图像是揭示无意识欲望和潜在旅行愿望的复杂心理工具（Miao & Yang，2023年）。这些视觉指标使得可以对不同旅游市场细分市场中客户的期望进行预测建模，包括对服务标准、设施选择、文化融入和舒适度要求（如冒险旅行、豪华酒店、生态旅游和遗产体验）（Yu & Meng，2025年）。然而，在利用AI生成的视觉内容来预测阿尔法世代的需求方面仍存在差距。阿尔法世代出生于2010年至2025年之间，他们是在完全由人工智能驱动的数字环境中长大的这一代人，他们的旅行规划方式、目的地选择和酒店服务期望也因此发生了变化（Smith，2021年；Tham & Abidin，2023年）。他们的旅行决策特点是进行互动的网络研究、在社交媒体网站上寻求同行验证，以及通过高技术能力积极参与家庭度假计划（Emiro?lu，2023年；Smith，2021年）。
这一代人期望在旅游和酒店服务中看到无缝的技术整合，包括由AI驱动的礼宾服务、增强现实设施游览、虚拟现实娱乐以及在访问期间定制的数字互动（Kaur & Chavan，2025年）。鉴于旅游业中消费者口味的变化、技术进步和外部干扰等动态环境，本研究采用了权变理论。权变理论认为，组织的有效性取决于内部能力（例如阿尔法世代的需求和特征）与外部环境因素（例如通过目的地管理生成的人工智能刺激）之间的契合度，需要根据具体情境制定适应性策略（例如对未来目的地的不同想象表现），以优化营销效果和消费者参与度（Chau等人，2023年；Kelly & Fairley，2018年）。因此，当前的研究解决了两个关键问题：首先，缺乏研究探讨AI生成的视觉内容和图像如何有效预测阿尔法世代的旅游行为和偏好；其次，权变理论方法在理解不同阿尔法世代的认知背景需要多样化的情境营销和目的地管理策略方面的应用有限。
该理论框架提出了一条描述性路径，说明AI生成的视觉刺激如何与阿尔法世代的旅游偏好相关联，鉴于这一群体终生暴露在数字环境中（Emiro?lu，2023年；Smith，2021年）。先前的研究表明，阿尔法世代对数字技术的熟悉程度高于前几代人，这可能影响了他们对旅游环境中技术复杂性和视觉复杂性的期望（Tham & Abidin，2023年）。虽然本研究没有直接测试，但有人提出偏好形成可能受到AI生成图像与阿尔法世代对技术整合的体验期望一致性的影响。还观察到了基于性别的子群体之间的差异模式，并将其解释为与权变推理一致，尽管这里的潜在机制尚未通过实证测量（Chau等人，2023年）。这个框架不是一个确定的AI刺激→认知处理→偏好形成的因果路径，而是一个基于权变理论的解释性视角，旨在指导未来的实证研究。为了解决这些关键问题，本研究提出了两个主要研究问题：
- •
作为数字原住民的阿尔法世代有哪些独特特征影响了他们通过AI生成的视觉内容的旅游偏好和决策过程？
- •
权变理论如何解释为什么阿尔法世代内部不同的认知和文化背景需要不同的旅游营销和目的地管理策略？
章节摘录
旅游和酒店业中的视觉生成式AI
生成式人工智能在多个方面改变了旅游和酒店业，使得能够生成超越传统营销标准的复杂视觉内容（Dogru等人，2025年）。最近的生成式AI解决方案，如DALL-E 3、MidJourney、Google的Veo、ChatGPT、Claude AI、Stable Diffusion和Leonardo.ai，通过创建虚构目的地的逼真图像，彻底改变了目的地营销（Zhu等人，2024年）。
方法论
该方法采用四阶段序列设计，每个阶段具有不同的认识论功能。第1阶段（属性识别，n = 30次初步访谈）旨在归纳生成一个与阿尔法世代认知框架相关的全面目的地属性分类，产生一个包含六个类别（自然特征、设施、活动、舒适与安全、技术、社交/情感）的30个属性框架。
目的地的单因素方差分析（ANOVA）
进行了单因素方差分析（ANOVA），以研究30种AI生成的旅游场景中的目的地选择偏好差异（Okoye & Hosseini，2024年）。分析结果显示组间存在统计学上的显著差异（F = 1.562，p = 0.035），表明阿尔法世代的参与者在不同主题旅游体验中表现出有意义的偏好差异。对30种AI生成的旅游场景的全面评估揭示了……
讨论与结论
如权变理论的基本前提所述（Chau等人，2023年），在任何给定情境下取得成功的最有效组织是其组织结构与该情境所选择的战略选项相匹配（或一致）的组织。此处描述的单因素方差分析结果表明，阿尔法世代的旅行决策将不会基于随机或不一致的选择模式；相反，他们的选择将受到……
CRediT作者贡献声明
Thowayeb Hassan：写作 – 审稿与编辑、项目管理、资金获取、概念化。 Mahmoud Ibraheam Saleh：写作 – 审稿与编辑、原始草稿编写、可视化、验证、软件开发、资源管理、方法论、调查、数据分析、概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本项工作得到了沙特阿拉伯国王费萨尔大学（King Faisal University）科学研究院和研究生院的支持[资助编号：KFU261432]。
Thowayeb Hassan是沙特阿拉伯国王费萨尔大学艺术学院旅游管理系的访问教授，同时也是Helwan大学旅游与酒店管理系的教授。他的研究兴趣涉及旅游和酒店管理中的服务质量、游客行为、航空和目的地管理。他的出版物出现在《Tourism Review》等旅游和酒店领域的知名期刊上。
