他们的合作方式至关重要：在人机协作场景中，合作模式与任务的匹配度对最终的推荐结果有着直接影响

《Journal of Retailing and Consumer Services》：How they collaborate matters: collaboration modes and task fit in human-AI recommendations

　　

摘要

人机协作在在线产品推荐中的应用日益增多，然而消费者如何解读不同的角色配置，以及这些配置何时能促进产品的采纳，目前仍不明确。基于心理感知理论，我们认为协作模式表明了协作系统的任务相关能力特征，其有效性取决于这一特征是否满足搜索类商品与体验类商品的判断支持需求。一个实地实验和两个基于场景的实验表明，以人工智能为主导的协作在搜索类商品推荐中更为有效，而以人类为主导的协作在体验类商品推荐中更为有效，这种契合效果是通过感知的诊断性来调节的。此外，人工智能的共情功能作为一种补偿性交互线索，通过增强感知的诊断性和推荐采纳意愿，改善了消费者对以人工智能为主导的协作在体验类商品情境中的评价。总体而言，这项研究将产品推荐研究从简单的对比人类与人工智能来源，转向了以消费者为中心的可见协作模式理解，同时为设计更有效的人机协作推荐策略提供了启示。

引言

随着人工智能（AI）不断渗透到在线购物服务中，产品推荐不再是由单一主体独立完成的活动；相反，它越来越多地采用人类与AI共同参与的协作过程（Li等人，2025年；Wang等人，2025年）。在在线购物环境中，消费者可能会遇到AI生成广告内容并由人类进行验证的推荐，或者由人类员工提供并借助AI进行分析支持的推荐（Choi和Yi，2025年；Dennis等人，2023年；Wu等人，2025年）。这些安排使消费者能够观察到人机角色分配，从而将协作模式变成一个潜在的评估线索（Du和Chen，2026年）。因此，核心问题不再仅仅是企业是否应该使用AI进行推荐，而是消费者如何评价人类与AI角色的不同配置，以及在这些配置下，什么样的任务条件会增加推荐的采纳率。

尽管先前的研究已经对消费者对AI推荐的反应提供了宝贵的见解，但大多数研究将推荐视为单一来源的交互，通常比较消费者对人类推荐者和AI推荐者的反应（Castelo等人，2019年；Jin等人，2025年；Longoni和Cian，2022年）。这种视角难以解释当推荐是由人机协作共同产生而非由单一主体提供时，消费者如何解读推荐安排。在协作推荐场景中，消费者不仅接触到推荐结果本身，还接触到可见的角色分配（Fügener等人，2026年），例如谁做出关键判断，谁提供信息支持，谁担任主要的前线联系人。这些面向消费者的协作配置引发了一个不同的评估问题：消费者必须推断协作系统的任务相关能力特征是否满足目标产品任务的判断支持需求。

目标产品任务的判断支持需求使得产品类型在推荐情境中变得尤为重要。在在线购物中，消费者往往在没有直接产品体验的情况下做出购买决策，必须依靠间接信息来评估产品质量（Verhagen等人，2014年）。因此，搜索类商品与体验类商品之间的区别尤其重要，因为它决定了关键产品属性是否可以在购买前进行评估，或者只有通过使用才能完全了解（Huang等人，2013年）。这种区别表明，不同类型的产品可能需要不同形式的任务支持。

对于消费者来说，接收推荐不仅仅是获取信息的问题；它还涉及判断推荐系统是否具备支持决策任务的能力（Xie等人，2022年）。在人机协作推荐中，协作模式的线索成为消费者推断系统任务相关能力的重要信号（Du和Chen，2026年）。基于这些线索，消费者可以对系统的认知能力形成看法，并评估推荐信息对决策的有用性（Xie等人，2022年）。因此，消费者对可见的人机协作模式的反应可能并不反映人类或AI的普遍优越性。相反，它们可能取决于从协作模式推断出的认知能力特征是否符合产品任务的判断支持需求。基于这一逻辑，本研究探讨了协作模式传达的能力特征与产品类型暗示的任务需求之间的匹配如何影响消费者对推荐信息的评价及其采纳意愿。

除了相对稳定的人类与AI角色配置外，消费者还可能依赖于推荐过程中产生的交互线索。随着生成式AI和情感计算的发展，共情响应已成为智能客服和推荐代理中越来越常见的设计特征（Liu-Thompkins等人，2022年）。在服务交互中，AI的共情可以通过前线沟通直接表达。以往的研究主要探讨了在纯AI服务环境中共情AI的作用（S?derlund，2024年；Zhu等人，2025年），但未探讨共情AI是否也能在人机协作推荐中作为交互线索发挥作用。通过将AI共情纳入人机协作推荐框架，本研究在更动态的交互层面上明确了消费者如何解读协作推荐并形成采纳判断。

我们进行了三项研究。研究1通过实地实验考察了协作模式线索与产品类型之间的匹配如何影响消费者在真实社交媒体推荐情境中的点击行为。研究2进一步测试了所提出的匹配效应，并调查了感知诊断性作为连接协作模式/产品类型匹配与推荐采纳意愿的中介机制。研究3探讨了共情AI沟通是否作为互动线索，影响消费者对以AI为主导的协作推荐的评估。总之，我们的研究从产品任务-能力匹配的角度出发，解释了消费者如何从协作模式线索中推断任务相关能力，并评估其与产品特定判断需求的匹配程度。通过整合感知诊断性和AI共情，该框架将结构化角色配置和动态交互线索与消费者对协作推荐的解读及其采纳结果联系起来，从而对人机推荐提供了更细致的解释。

章节摘录

人机协作推荐服务

随着AI的进步及其广泛应用，推荐代理在在线购物中的使用日益普遍（Jin等人，2025年；Xie等人，2022年）。然而，尽管算法能力持续提升，AI仍然难以独立处理复杂和动态的服务任务，人类员工在协调和情境判断方面不可或缺（Le等人，2025年；Peng等人，2022年）。同时，消费者对AI的厌恶情绪仍然普遍存在（Haupt等人，2025年）

研究概述

我们在三项研究中检验了提出的假设（见图1）。研究1在社交媒体广告环境中进行了实地实验，为协作模式与产品类型对推荐采纳意愿的匹配效应提供了初步的行为证据。研究2通过基于场景的实验复制了这种匹配效应，并考察了感知诊断性的中介作用。研究3转向在线客户服务推荐场景，以测试

研究1

研究1通过实地实验为协作模式与产品类型对推荐采纳的匹配效应提供了初步的行为证据（H1）。通过在自然浏览环境中观察实际点击行为，实地实验减少了自我报告反应中的常见偏差。

研究2

研究2保留了研究1中使用的微博广告推荐场景，并进行了在线基于场景的实验，进一步考察了协作模式与产品类型之间的匹配效应（H1），以及感知诊断性的中介作用（H2）。

研究3

研究3旨在测试假设H3，即共情AI是否能够改善消费者对体验类商品推荐中以AI为主导的协作的反应，以及这种效应是否通过感知诊断性来实现。由于智能客服是当代营销实践中最常见的AI应用之一，我们采用了在线购物客户服务推荐场景作为实验背景。在真实的购物环境中，消费者可能

结论

本研究探讨了人机协作推荐作为一种新兴的服务形式，并研究了消费者如何利用协作模式线索来形成对不同产品任务的推荐采纳判断。消费者面对的不是单一的推荐来源，而是由主导配置和前线互动定义的协作安排，并利用这些线索来判断系统是否适合当前的任务。基于心理感知理论，我们发现

CRediT作者贡献声明

Bingjia Shao：监督、资源管理、项目行政、资金筹措。Yuanyuan Chen：撰写——初稿、可视化、方法论、正式分析、数据 curated、概念化。Hongxin Teng：方法论、资金筹措、正式分析、数据 curated、概念化。Xiaonan He：数据 curated、概念化。

资金支持

本研究得到了中国国家社会科学基金（23AGL042）、国家自然科学基金（项目编号72502024）、中国博士后科学基金（项目编号2024M763874）、中央高校基本科研业务费（项目编号2024CDJSKJJ32）和重庆市社会科学规划项目（项目编号2024YC030）的支持。

利益冲突声明

作者声明在本文的研究、作者身份或出版方面不存在利益冲突。

Bingjia Shao|Yuanyuan Chen|Hongxin Teng|Xiaonan He

重庆大学经济与工商管理学院，中国重庆，400044