《Sustainable Futures》：Dark Side of AI in online shopping: does algorithmic targeting increase unsustainable consumption
编辑推荐：
本研究探讨了AI定向在线购物的阴暗面，考察算法策划的刺激如何影响消费者的内部状态、冲动购买意愿及不可持续消费。在刺激-有机体-反应（S-O-R）框架指导下，将主播互动、同伴互动、真实性和生动性概念化为激活感知有用性、推荐信任、唤醒、感知易用性、感知不确定性和感
本研究探讨了AI定向在线购物的阴暗面，考察算法策划的刺激如何影响消费者的内部状态、冲动购买意愿及不可持续消费。在刺激-有机体-反应（S-O-R）框架指导下，将主播互动、同伴互动、真实性和生动性概念化为激活感知有用性、推荐信任、唤醒、感知易用性、感知不确定性和感知操纵的环境线索。基于642名越南在线购物者的样本和PLS-SEM分析，结果表明冲动购买意愿显著受感知有用性、推荐信任和唤醒驱动，而感知易用性、不确定性和操纵则呈现非显著效应。冲动购买意愿进而正向促进不可持续消费，凸显了AI赋能购物可能促进低需求购买的行为路径。这些发现将S-O-R模型扩展至AI中介零售的负面结果，并厘清了推荐信任和情感激活的作用。管理启示表明，在线零售商和AI平台设计者应实施负责任的推荐实践、透明的个性化线索及反思性购买干预措施，以缓解数字商务中的不可持续消费。
**论文解读：AI定向在线购物中的冲动购买与不可持续消费——基于S-O-R框架的实证研究**
**1. 研究背景与问题提出**
电子商务已成为当代数字市场的基础组成部分，全球电子商务收入预计在2024年达到可观规模，其中亚洲预计贡献19720亿美元。随着人工智能技术的发展，AI赋能的营销系统使企业能够分析大规模消费者数据、自动化客户互动并提供个性化购物体验。定向广告作为AI赋能实践中最具影响力的机制之一，通过检测行为模式、预测偏好并传递符合个体需求的促销内容，将大量消费者数据转化为可行洞察。
然而，现有研究主要强调AI营销技术的商业价值，如提升客户体验、购买意愿、感知相关性和决策效率，对算法策划购物环境潜在的非预期后果关注相对不足。冲动购买不仅是自发的购买决策，更是由外部刺激、情绪唤醒和有限认知深思塑造的情感驱动行为反应。理解AI定向购物环境如何放大此类行为倾向，对形成AI赋能数字商务机遇与风险的平衡视角至关重要。
该研究缺口在考虑冲动购买对可持续性的影响时变得更加关键。可持续消费要求商品和服务在满足消费者需求的同时，最小化整个产品生命周期中的资源使用、浪费、有毒材料和排放。然而，以个性化、便利性、情感刺激和低决策摩擦为特征的在线购物环境可能通过鼓励过度或低需求消费来破坏这一原则。冲动购买意愿不应仅被视为短期营销结果，而应视为算法定向可能培养消费者并不真正需要、使用或保留的低需求购买的行为路径。因此，本研究旨在探讨两个核心问题：第一，AI定向在线购物刺激（包括主播互动、同伴互动、真实性和生动性）如何塑造消费者的内部状态；第二，消费者的内部状态如何影响冲动购买意愿及后续的不可持续消费。
**2. 研究方法与技术**
研究人员在越南采用混合模式调查，通过在线（Google Forms，经Zalo、Facebook和Instagram分发）和面对面渠道收集数据，调查时间为2026年5月15日至20日。经过筛选，最终保留642份有效问卷，样本性别分布均衡（男性50.78%，女性49.22%），以年轻消费者为主。使用SmartPLS 3.0软件进行偏最小二乘结构方程建模（PLS-SEM）分析，采用两步程序评估测量模型和结构模型，并通过bootstrap方法检验假设路径的显著性。此外，通过Full Collinearity标准和Harman单因素检验评估了共同方法偏差。
**3. 研究结果**
*3.1 测量模型评估*
所有指标的标准因子载荷介于0.728至0.850之间，超过0.70的推荐阈值；Cronbach's alpha值介于0.787至0.834，组合信度介于0.861至0.889，均超过0.70标准；平均方差抽取量（AVE）介于0.609至0.667，超过0.50阈值，表明测量模型具有良好的信度和收敛效度。判别效度通过异质-特质相关比（HTMT）和Fornell-Larcker标准确认，所有HTMT值均低于0.85的推荐阈值。
*3.2 结构模型预测能力*
模型对冲动购买意愿的解释力最强（R2 = 0.184），对其他内生构念的解释力有限（R2范围从感知操纵的0.066到唤醒的0.110），推荐信任的解释方差可忽略不计（R2 = 0.003）。所有内生构念的Q2_predict值均为正，表明模型具有初步预测相关性。
*3.3 假设检验结果*
针对刺激-有机体路径的检验结果显示：主播互动显著正向影响感知易用性（β = 0.294, p < 0.001）、感知有用性（β = 0.299, p < 0.001）和感知不确定性（β = 0.179, p < 0.001），支持H1-H3。同伴互动显著正向影响感知不确定性（β = 0.209, p < 0.001）和唤醒（β = 0.207, p < 0.001），但对感知有用性和推荐信任的影响不显著，支持H6-H7，拒绝H4-H5。真实性显著正向影响唤醒（β = 0.262, p < 0.001），支持H8。生动性显著正向影响感知不确定性（β = 0.181, p < 0.001）和感知操纵（β = 0.257, p < 0.001），支持H9-H10。
针对有机体-反应路径的检验结果显示：感知有用性（β = 0.238, p < 0.001）、推荐信任（β = 0.240, p < 0.001）和唤醒（β = 0.236, p < 0.001）显著正向影响冲动购买意愿，支持H12、H13和H15。而感知易用性、感知不确定性和感知操纵对冲动购买意愿的影响不显著，拒绝H11、H14和H16。最后，冲动购买意愿显著正向影响不可持续消费（β = 0.301, p < 0.001），支持H17。
**4. 讨论与结论**
研究结果表明，AI定向购物线索产生差异化的认知和情感反应，而非均匀地促进消费。主播互动同时增强购物效用和感知不确定性，可能使消费者对说服性或商业驱动的线索更加警觉。同伴互动主要通过增强刺激和不确定性发挥作用，而非转化为更高的有用性或推荐信心。生动性不仅未能解决歧义，反而可能加剧对说服意图的感知。
在有机体-反应阶段，感知有用性、推荐信任和唤醒显著增强冲动购买意愿，而感知易用性、感知不确定性和感知操纵无显著直接效应。这表明冲动欲望在消费者感知推荐有价值、可信赖并经历情感刺激时更易被激活，而非仅因购物过程轻松。感知易用性可能作为赋能条件而非直接冲动触发器，不确定性和感知操纵可能引发谨慎或说服意识，但不一定转化为立即购买冲动。
研究结论：本研究将AI中介零售从以转化为导向的营销基础设施重新定义为与可持续性相关的消费者行为机制。基于S-O-R框架和642名越南在线购物者的证据，研究表明AI定向在线购物线索通过差异化的认知和情感路径塑造消费者反应。具体而言，感知有用性、推荐信任和唤醒显著增强冲动购买意愿，进而驱动不可持续消费。AI驱动零售的阴暗面似乎较少通过界面便利性、感知不确定性或感知操纵直接运作，而更多通过感知价值、可信算法推荐和情感激活的微妙汇聚发挥作用。在这种条件下，非计划购买可能变得更容易合理化、更具吸引力且更少深思熟虑。
