当动画虚拟形象超越人类代言人时：利用虚拟形象代言人提升消费者对AI设计产品的接受度

《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》：When animated avatars outperform: Leveraging avatar endorsers to enhance consumer adoption of AI-designed products

　　

动画化（相对于拟人化）的虚拟形象提升了消费者对AI设计产品的采纳意愿。消费者好奇心在动画化虚拟形象的正向效应中起中介作用。对于AI焦虑水平较高的消费者，该正向效应更为显著。

1. 引言

人工智能（AI）正日益承担多种角色，深刻变革着产品创新与营销流程（McKinsey, 2024）。尽管AI驱动的虚拟形象已广泛被用作代言人（Song et al., 2024），但AI的角色也正从广告领域拓展至产品设计领域（Lee et al., 2025）。遵循Zhang等人（2022）的定义，AI设计是指将算法系统融入设计过程，涵盖从构思到原型制作的所有阶段。这一概念意味着"AI设计"不仅仅是产品功能的声明，更是一种关于设计者身份的显著陈述，能够在任何视觉广告出现之前就影响消费者的期望。在实践中，AI扮演着双重角色：既作为设计环节中的"AI设计"主体，又作为通过AI驱动虚拟形象进行营销传播的沟通主体（Forbes, 2025）。近期信息系统研究同样强调了AI在营销内容生成、客户互动以及面向消费者的决策支持中日益扩展的角色（Kshetri et al., 2024, Kumar et al., 2024）。

然而，以往研究在讨论这些角色时大多将其彼此孤立。一方面，关于AI作为设计者的研究聚焦于消费者对AI设计奢侈品的抵触心理（Lee & Kim, 2024）。这些研究局限于享乐型产品品类，对于AI设计者如何在实用型高科技产品中被评估提供了有限的洞见。另一方面，关于虚拟形象代言人的文献在人形化方面的证据存在矛盾：一些研究表明拟人化的虚拟形象能够提升感知真实性、参与度和采纳意愿（Li and Ma, 2024, Liu and Wang, 2025），而另一些研究则显示动画化、低拟人度的虚拟形象能够传递新颖性信号并促进采纳（Franke et al., 2023, Zhu and Yi, 2024）。

这些不一致的发现很大程度上基于认知机制，如真实性、来源可信度和恐怖谷效应。这些认知机制是在单模态沟通情境中确立的，消费者在此情境中仅评估单一的文字或视觉呈现。然而，AI驱动的虚拟形象越来越多地出现在多模态沟通中，消费者在此情境下同时接收（i）关于AI设计者的文字披露和（ii）视觉代言人线索。随着这两种模态——即"AI设计"身份和AI驱动虚拟形象外观——的同时出现，消费者的评估可能从单纯的认知评估转变为由多种线索触发的情感评估。这种评估模式的转变凸显了AI不同角色之间跨模态交互及其潜在情感机制方面存在的一个重要研究空白。

本研究通过考察以下问题来填补这一空白：设计者披露（即AI设计vs.人类设计）与代言人线索（即拟人化vs.动画化虚拟形象）如何共同决定消费者的采纳意愿？首先，我们认为不同的AI角色提供了不同模态的线索：设计者披露提供文字线索，而虚拟形象的呈现则提供视觉线索。我们随后提出了设计者与代言人线索之间的跨模态交互效应，以设计者-代言人一致性作为采纳意愿的驱动因素。基于图式一致性理论，我们主张AI设计（人类设计）的文字线索会激活功能性（自我）图式，而视觉上相一致的代言人——具体而言，动画化（拟人化）虚拟形象——将带来更高的采纳意愿。

此外，我们提出好奇心作为解释消费者对跨模态一致性反应的情感机制。具体而言，我们主张跨模态一致性能够激发探索性好奇心，而不一致则会扰乱这种情感体验并产生认知不一致。由于"AI设计"披露创造了基于新颖性的信息鸿沟，使消费者对AI的具体优化过程产生不确定性，设计者-代言人一致性放大了消费者的好奇心，从而将注意力转向探索性动机，而非（仅仅）基于可信度的评估。换言之，一致性预期不仅会影响消费者的信念（如真实性/信任），还会影响他们的感受（即感知好奇心），从而为在AI设计披露下动画化代言人能够优于拟人化代言人提供情感层面的解释。此外，我们探讨了设计者-代言人一致性效应在不同AI焦虑水平的个体间的差异。

我们通过四项跨越不同产品情境的序贯研究来检验这些效应，以证明其稳健性和外部可推广性。研究1确立了设计者-代言人一致性对采纳意愿的基本效应，回答了"哪种虚拟形象对AI设计产品更有效"这一核心问题。研究2通过考察感知好奇心作为中介机制来检验这一效应发生的原因，超越了以往基于可信度/真实性的解释。研究3重新检验感知好奇心的中介效应，并纳入两个认知机制：感知恐怖谷效应和感知可信度。研究4通过考察消费者的AI焦虑（一种对AI的威胁敏感性）来探讨该效应对何人最为显著，并探究一致（与不一致）的视觉线索如何通过维持好奇心而非将注意力转向不安来发挥作用。

我们的研究在以下几个方面做出贡献。第一，本研究将虚拟形象代言人置于AI设计产品的语境中，超越了关于AI应用孤立效应的研究，引入了跨模态交互的概念。第二，我们的发现通过证明拟人化与动画化虚拟形象的相对有效性取决于多模态线索的一致性，调和了关于虚拟形象人形化的矛盾证据。第三，我们确立了好奇心作为AI驱动多模态沟通中独特的情感机制，补充了以往基于单模态的认知框架。最后，这些发现为AI设计产品与虚拟形象设计及消费者特征的对齐提供了实用指导。

2. 理论背景与假设开发

2.1 消费者好奇心理论

好奇心指消费者对新信息的需求，由新颖、复杂或模糊的刺激引发（Litman et al., 2005）。特别是感知好奇心，由感官新颖性和复杂性触发（Kim & Choo, 2023）。如表1所示，以往研究聚焦于零售情境，并识别出两类主要前因变量。一类前因涉及文字线索，如新颖的产品属性（Beck, 2026, Landgraf et al., 2026, Noseworthy et al., 2014）、非传统的产品延伸（Gerrath & Biraglia, 2021）以及模糊的营销信息（Das et al., 2023, Hüttl-Maack et al., 2024, Wang and Huang, 2018）。该文献流派基于信息鸿沟理论（Wang & Huang, 2018），该理论认为不完整或不一致的信息会创造鸿沟，从而激发信息搜寻动机。另一类前因涉及高唤醒度的感官刺激，包括氛围线索（Zhang et al., 2024）、沉浸式虚拟环境（Ahn et al., 2025, Kim and Choo, 2023）以及多感官广告（Daume & Hüttl-Maack, 2020）。这些研究基于刺激-有机体-反应模型，将好奇心视为消费者感官唤醒的结果。

表1. 消费者好奇心研究综述

| 研究 | 情境 | 理论视角 | 好奇心触发因素 | 好奇心结果 |
|------|------|----------|----------------|------------|
| Beck (2026) | 零售 | 信息鸿沟理论 | 产品新颖性 | 态度 |
| Daume and Hüttl-Maack (2020) | 广告 | 刺激-有机体-反应模型 | 广告感官刺激 | 参与度；购买意愿 |
| Gerrath and Biraglia (2021) | 品牌 | 信息鸿沟理论 | 品牌-产品契合度 | 参与度 |
| Hüttl-Maack et al. (2024) | 广告 | 信息鸿沟理论 | 广告信息 | 产品评价 |
| Kim and Choo (2023) | 零售 | 刺激-有机体-反应模型 | 虚拟现实环境 | 消费者创造力 |
| Landgraf et al. (2026) | 零售 | 信息鸿沟理论 | 品牌名称 | 品牌评价 |
| Noseworthy et al. (2014) | 零售 | 刺激-有机体-反应模型 | 不一致的产品 | 产品偏好 |
| Shin and Lee (2021) | 广告 | 信息鸿沟理论 | 网红特征 | 购买意愿 |
| Wang and Huang (2018) | 零售 | 信息鸿沟理论 | 不完整信息 | 对放纵性选项的偏好 |
| Zhang et al. (2024) | 零售 | 刺激-有机体-反应模型 | 店铺氛围线索 | 产品采纳 |

大多数研究考察的是单一文字刺激（如品牌名称，Landgraf et al., 2026）或视觉刺激（如亮度，Zhang et al., 2024）在零售情境下的孤立效应。仍存在两个关键的研究空白。第一，尽管AI在产品设计与服务流程中的角色日益扩展，产品设计者身份——尤其是当设计者为AI时——尚未被概念化为一种引发好奇心的刺激。从零售情境中孤立线索所获得的洞见在AI应用情境下的推广性可能有限。第二，很少有研究考虑跨模态交互。问题在于好奇心如何通过文字线索（如AI设计披露）与视觉线索（如虚拟形象外观）的联合作用被激发。因此，多模态刺激对好奇心的影响可能超越刺激-有机体-反应模型和信息鸿沟理论所提供的解释，而这些理论主要是针对单模态刺激发展的。

本研究通过将好奇心激发概念化为一个多模态过程来填补这些空白。通过整合产品设计者线索（文字）与代言人线索（视觉），我们考察了它们对好奇心的联合作用。我们的研究将现有好奇心解释从信息鸿沟理论或唤醒理论扩展开来，强调了在AI驱动的多模态沟通情境中一致性所起的关键作用。

2.2 AI作为设计者与代言人之间的一致性效应

以往文献通常将AI视为设计者或代言人，并分别考察其孤立效应。关于AI的设计者角色，学者们比较了人类设计与AI设计的产品，现有证据表明消费者对AI设计奢侈品持负面反应（Lee & Kim, 2024）。消费者认为AI设计奢侈品缺乏品牌精髓（Xu & Mehta, 2022），从而降低了购买意愿（Lee & Kim, 2025）。然而，这些效应具有情境依赖性。消费者对AI作为设计者的评估在不同产品品类间存在差异（Zhang et al., 2022），且对于实用型、技术驱动型的高科技产品，这种评估可能更为积极。总之，该研究流派的视野局限于奢侈品情境，忽视了设计者身份如何与其他AI角色（如AI驱动代言）进行交互。

关于AI的代言人角色，大量研究将AI智能体（如虚拟形象和聊天机器人）概念化为沟通主体（Phan and Bui, 2025, Phan et al., 2026），但关于虚拟形象人形化的证据存在矛盾。一类研究关注拟人化虚拟形象的积极影响，认为高度拟人化可以提升感知真实性（Li & Ma, 2024）、信任（Liu & Wang, 2025）和购买意愿（Song et al., 2024）。另一类研究则基于恐怖谷理论，展示了拟人化的负面效应，如感知恐怖谷效应和购买意愿降低（Ma & Li, 2024）。

相关信息系统研究通过人工自主性、人机协作、期望不一致和视觉形态等视角考察了虚拟形象和AI智能体（Hu et al., 2021, Mostafa et al., 2024, Li et al., 2024, Xue et al., 2026）。该文献表明，消费者的反应不仅取决于AI智能体的个体属性，还取决于其能力、社交线索和视觉形态是否与相关任务和交互情境相匹配。然而，现有的信息系统研究大多考察的是单一AI制品或孤立的设计线索，而跨越不同AI角色和模态的线索联合效应仍未得到充分探索。表2总结了以往信息系统中关于虚拟形象代言的研究，重点关注虚拟形象特征、消费者特质以及产品或使用情境。

表2. 信息系统中虚拟形象代言研究综述

| 研究 | 自变量 | 中介变量 | 因变量 | 调节变量 |
|------|--------|----------|--------|----------|
| Ben Mimoun et al. (2017) | 与动画化对话智能体的交互 | 不适用 | 客观与感知电子消费者生产力 | 个体特征 |
| Guo et al. (2025) | 语音机器人性别 | 行为与情绪紧张 | 还款意愿 | 初始服务紧张度 |
| Hu et al. (2021) | 人工自主性 | 感知能力与温暖感 | 持续使用意愿 | 不适用 |
| Li, and Li, Chen, et al. (2024) | 人机协作信号 | 感知有效性与真实性 | 聊天机器人接受度 | AI能力认知；人类服务体验 |
| Lee, Shin, et al. (2025) | 网红类型（虚拟vs.人类） | 感知真实性 | 购买意愿 | 机器启发式 |
| Ma and Li (2024) | 虚拟形象拟人化程度 | 感知真实性 | 品牌态度 | 不适用 |
| Mostafa et al. (2024) | 拟人化与准社会互动期望的不一致 | 不满意 | 负面口碑；虚拟智能体回避 | 不适用 |
| Song et al. (2024) | 代言人类型（AIvs.人类） | 感知一致性 | 购买意愿 | 产品类型：搜索型vs.体验型 |
| Xue et al. (2026) | 虚拟助手视觉形态与真实度 | 解放感、享乐性参与与乐趣 | 服务评价 | 娱乐取向 |

文献中存在两个重要空白。第一，关于虚拟形象人形化发现的不一致性主要源自单模态情境，消费者在此情境下仅基于视觉呈现来评估虚拟形象（Mostafa et al., 2024, Xue et al., 2026）。这使拟人化与动画化虚拟形象在多模态情境中的相对有效性受到质疑，因为关于AI设计者的文字披露可能会设定与视觉虚拟形象线索交互的预期。第二，在单模态沟通中，信息处理机制（如真实性和可信度）具有诊断性，因为消费者的评估高度依赖单一信息源（Lee et al., 2025, Li et al., 2024, Ma and Li, 2024）。尽管这些认知机制在多模态情境中仍然重要，但我们主张多模态刺激同时激活了情感体验，这作为一种补充机制发挥作用。

本研究探讨文字线索和视觉线索——具体而言，"AI设计"的文字披露与虚拟形象代言人的视觉外观——如何共同塑造消费者反应。图式一致性理论认为，当产品线索与被激活的图式一致时，个体对产品的评估更为积极（Aggarwal & McGill, 2007）。在AI应用情境中，两种相关的图式浮现出来：功能性图式和自我图式（Suh et al., 2011）。功能性图式强调AI通过自动化和精确性执行理性任务的非人类能力（Lou et al., 2022）。

自我图式聚焦于类人方面的特征，消费者通过这些特征将AI感知为社会行动者并进行自我参照（Gambino等人，2020）。我们认为，设计师披露激活了一种解释性图式，而代言人的视觉外观要么强化要么与所解释的图式相矛盾（Yang等人，2026；Zeng等人，2022）。对于AI设计的产品，文本线索激活了一种功能性图式，使消费者优先考虑性能优化和创新（Lou等人，2022；Verganti等人，2020）。在此情境下，传递非人类特征的视觉线索（如动画头像）与功能性图式一致（Huang等人，2025）。这种一致性强化了消费者对AI在产品性能优化方面能力的预期，从而促进消费者的信息处理并提高采纳意愿。相反，对于人类设计的产品，文本披露激活了自我图式，并将消费者的注意力引向虚拟实体的类人属性（Suh等人，2011）。在此情况下，类人头像与自我图式一致，从而增强了图式一致性（Li和Ma，2024；Xue等人，2026）并提高了消费者的采纳意愿。因此，我们预测存在一种跨模态一致性效应：将"AI设计"（"人类设计"）的文本线索与动画（类人）视觉代言人相匹配会提高采纳意愿。

**H1：设计师-代言人一致性提高新产品采纳意愿：** 对于AI设计的产品，当产品由动画（而非类人）头像代言时，采纳意愿更高；相反，对于人类设计的产品，当产品由类人（而非动画）头像代言时，采纳意愿更高。

**2.3. 感知好奇心的中介作用**

我们提出好奇心是解释设计师-代言人一致性对产品采纳影响的关键机制。感知好奇心的触发因素在AI设计和人类设计的产品之间存在差异。在人类设计产品的语境下，好奇心通常由不一致的属性信息触发（Hüttl-Maack等人，2024；Kim和Choo，2023），而"AI设计"的文本披露则对产品技术新颖性创造了信息差距（Zhang等人，2022）。"AI设计"产品所引发的新颖性激活了功能性图式，突出了这些产品相对于人类设计产品而言的出乎意料的属性。这种出乎意料产生了双重效应：消费者对产品的创新性能感到好奇，但同时对不一致的拟人化线索感到不安。

此外，我们认为感知好奇心的中介作用是由设计师线索与代言人线索之间的交互作用驱动的。对于AI设计的产品，使用类人头像会造成跨模态不匹配，这与消费者的预期相矛盾，将注意力转向恐怖谷效应，从而降低好奇心（Lee和Pan，2026）。相反，动画头像传递了创造力和创新的信号（Zhu和Yi，2024），因此强化了消费者的功能性图式。Park等人（2025）的研究结果支持了非人类视觉线索的这种效应，他们的发现表明动画头像可以增加消费者对新颖产品功能的接受度。加强的功能性图式将消费者的焦点引向创新本身，从而触发好奇心。这种增加的好奇心促进探索行为，从而促进AI设计产品的采纳（Mei?ner等人，2020；Sung等人，2021）。相反，对于人类设计的产品，与类人头像的一致性代表了一种传统方式而非新颖性信号，因此产生的好奇心有限。

**H2：感知好奇心中介了设计师-代言人一致性对产品采纳的影响：** 对于AI设计的产品，当产品由动画而非类人头像代言时，消费者表现出更强的感知好奇心；对于人类设计的产品，好奇心的中介效应减弱。

**2.4. AI焦虑的调节作用**

AI焦虑是一种 dispositional 特质，反映消费者对AI技术带来的变化的不安或恐惧（Li等人，2026；Li和Huang，2020），例如对失业和算法错误信息的担忧（Kaya等人，2024）。AI焦虑通常由AI对人类控制权构成的威胁所触发（Li等人，2026），并与不信任（Zhang和Tong，2025）、对AI的抵制（Kaya等人，2024）以及对AI驱动新产品的降低采纳意愿（Schiavo等人，2024）相关。虽然这些研究通常关注AI焦虑的行为结果，但对于AI焦虑如何塑造信息处理的理解仍存在空白。基于信息系统研究中关于AI采纳前反应涉及认知和情感评估的发现（Chiu等人，2021），我们考察AI焦虑如何塑造消费者对文本设计师线索与视觉代言人线索之间一致性的处理。

在本研究中，我们认为AI焦虑调节了设计师-代言人一致性如何影响感知好奇心和产品采纳。具有高度AI焦虑的消费者对AI带来的变化敏感，并对AI驱动应用可能构成的潜在威胁表现出注意力偏差（Li和Huang，2020）。对于AI设计的产品，类人头像可能会提高潜在威胁的显著性，因为其高度拟人化的外观可能传递对人类独特性的直接威胁，例如取代人类工作。相反，传递非人类特征的动画头像可能会减弱威胁感，将消费者的焦点转向产品性能。例如，当遇到动画头像时，具有高AI焦虑的消费者可能更关注产品功能而非潜在威胁。动画头像的存在作为一种一致的视觉线索，增强了功能性图式，培养了消费者对产品的好奇心，并提高了采纳意愿。相反，对于人类设计的产品，头像仅充当代言人角色，产生的感知威胁有限，从而减弱了AI焦虑的调节效应。

**H3：AI焦虑通过感知好奇心调节设计师-代言人一致性对产品采纳的影响。** 对于AI设计的产品，AI焦虑程度更高的消费者在产品由动画（而非类人）头像代言时表现出更强的感知好奇心；对于人类设计的产品，AI焦虑的效应减弱。

概念模型如图1所示。为检验这些假设，我们进行了四项实验。研究1考察了设计师-代言人一致性对产品名称采纳意愿的影响（H1）。研究2和3检验了感知好奇心的中介作用（H2）。研究4进一步检验了AI焦虑的调节效应。此外，我们进行了四项先导研究以验证设计师-代言人一致性的操作化，并评估恐怖谷效应感知和可信度感知作为可能的替代解释。所有四项先导研究和四项主要研究的参与者分别招募，构成了相互独立的样本。我们使用了Credamo（见参）基于唯一参与者ID的跨研究参与限制，以防止参加过任何先前先导研究或主要研究的人员报名参加后续研究。

[下载：下载高分辨率图片（122KB）] [下载：下载全尺寸图片] 图1. 概念框架。

**3. 研究1**

**先导研究1.** 在主要实验之前，我们进行了一项先导研究，有两个目的：（1）验证设计师-代言人一致性的操控（Cronbach's α = 0.75）；（2）评估恐怖谷效应感知（Kim和Baek，2024）和可信度感知（Ohanian，1990）作为可能的替代解释。132名参与者完成了一项采用与主要实验相同刺激材料的2×2设计先导研究。结果确认设计师-代言人一致性的操控是有效的：当与动画而非类人头像配对时，AI设计师被感知为更一致（M_{AI+动画} = 5.85，M_{AI+类人} = 5.52，F(1, 128) = 4.494，p = 0.036，η?2 = 0.034）；而当与类人而非动画头像配对时，人类设计师被感知为更一致（M_{人类+动画} = 5.27，M_{人类+类人} = 5.77，F(1, 128) = 10.570，p = 0.001，η?2 = 0.076）。此外，恐怖谷效应感知（Cronbach's α = 0.71；F(1, 128) = 0.607，p = 0.437，η?2 = 0.005）和可信度感知（Cronbach's α = 0.82；F(1, 128) = 0.594，p = 0.442，η?2 = 0.005）均未显示出显著的设计师×代言人交互效应，表明这两个变量都不太可能解释后续的核心效应。所有先导研究的完整详情在补充材料F中报告。

**3.1. 方法**

**3.1.1. 参与者与设计**

研究1考察了设计师-代言人一致性对产品名称采纳意愿的影响以检验H1。我们进行了一项2（设计师：AI vs. 人类设计师）×2（代言人：类人 vs. 动画头像）的组间实验。参与者通过Credamo.com（一个广泛使用的中国在线研究平台）招募。参与者参与研究可获得2.00元人民币的报酬。Credamo的内置随机化功能在呈现刺激材料之前以等概率自动将参与者分配到四种实验条件之一。研究中包含了一项注意力检验题（见附录A）。在招募的244名参与者中，4人因未通过注意力检验被排除，最终样本为240人（留存率 = 98.4%）。其中70%为女性，90.8%年龄在19至39岁之间（人口统计学详情见补充材料A）。我们使用G*Power 3.1评估了所需样本量。参照Ansari等人（2024），分析假设为中等效应量0.25，α = 0.05，统计功效为0.80。结果显示至少需要128名参与者。因此，研究1的最终样本（N = 240）超过了此最低要求。

**3.1.2. 程序与测量**

所有先导研究和主要研究均以中文进行，以适应通过Credamo.com招募的参与者。实验场景和头像视频脚本最初以中文开发和呈现。附录和补充材料中 reproduced 的英文版本是为了报告目的而翻译的。改编自英文来源的测量题项通过两名双语研究者独立的正向翻译和一名独立双语研究者的盲测反向翻译翻译为中文；差异通过协调解决（必要时引入第三方裁决），并进行微小的措辞调整以确保语言自然性而不改变构念含义。

实验前，参与者被告知研究的一般目的，并确保其回答的匿名性和保密性。随后，他们在参与研究前提供了知情同意。研究1的刺激物是一台具有新颖审美设计的空调。首先，参与者被要求想象他们正在购买空调。设计师类型通过向参与者提供的描述进行操控。在人类（AI）设计师条件下，参与者被告知审美设计完全由人类（AI）设计师创作。接下来，代言人拟人化程度参照Xie-Carson等人（2023）的方法进行操控，如图2所示。在类人代言人条件下，参与者观看一个以高度类人头像为特色的宣传视频。在动画代言人条件下，参与者观看一个以明显非人类外观头像为特色的类似视频。两个头像视频均为5秒，包含相同的背景音乐，没有口头叙述或对话。动画头像和类人头像在同一产品展示场景中执行匹配的简单动作。Credamo的强制观看功能确保参与者只有在完整观看视频后才能继续。头像视频的代表性静帧图片展示在附录B中。完整的刺激材料，包括两种设计师披露条件的截图和每个头像视频的附加静帧图片，提供在补充材料B中。

[下载：下载高分辨率图片（176KB）] [下载：下载全尺寸图片] 图2. 研究1中代言人的操控。

对于操控检验，在观看刺激材料后，参与者被要求评估其对头像代言人感知拟人化程度。感知拟人化程度使用改编自Dabiran等人（2024）的三个题项进行评估（例如"这个代言人看起来像人"；Cronbach's α = 0.90）。新产品采纳意愿使用改编自Lee等人（2025）的题项进行测量（例如"我打算购买广告中宣传的产品"；Cronbach's α = 0.70）。接下来，在所有四项主要研究中应用了相同的预设注意力检验程序和排除标准。注意力检验由一道单选题组成，询问"上述情景中的[产品]是谁设计的？"，选项为"AI"和"人类"。回答与其所分配的设计师条件不匹配的参与者被归类为未通过注意力检验并被排除在分析之外。最后，参与者提供了人口统计学信息，包括性别、年龄、职业和收入。所有题项列于附录A中。

**3.2. 结果**

**3.2.1. 操控检验**

单因素方差分析结果显示，类人条件下的参与者比动画条件下的参与者感知头像更具拟人化（M_{动画} = 4.05，SE_{动画} = 0.10，95% CI [3.850, 4.255]；M_{类人} = 6.05，SE_{类人} = 0.10，95% CI [5.845, 6.250]，F(1238) = 188.604，p < 0.001，η?2 = 0.442）。这一结果表明代言人拟人化操控是成功的。

**3.2.2.**

假设检验双因素方差分析显示，设计师类型与代言人类型之间存在显著的交互效应（F(1, 236) = 17.915, p < 0.001, η?2 = 0.071），但设计师的主效应不显著（F(1, 236) = 2.950, p = 0.087, η?2 = 0.012），代言人的主效应也不显著（F(1, 236) = 0.455, p = 0.500, η?2 = 0.002）。简单效应分析表明，对于AI设计的产品，当产品由动画代言人背书时，参与者的采用意愿高于由类人代言人背书时（M_{AI+动画} = 5.92, SE_{AI+动画} = 0.09, M_{AI+类人} = 5.59, SE_{AI+类人} = 0.09, 均值差的95%置信区间[0.070, 0.575], F(1, 236) = 6.329, p = 0.013, η?2 = 0.026）。然而，对于人类设计的产品，当产品由类人代言人背书时，参与者的采用意愿高于由动画代言人背书时（M_{人类+动画} = 5.38, SE_{人类+动画} = 0.09, M_{人类+类人} = 5.82, SE_{人类+类人} = 0.09, 均值差的95%置信区间[0.192, 0.697], F(1, 236) = 12.041, p < 0.001, η?2 = 0.049）。这些结果如图3所示。因此，H1得到支持。下载：下载高分辨率图片（68KB）下载：下载全尺寸图片图3. 研究1中产品采用意愿的方差分析结果。注：*** p < 0.001, 0.001 < ** p < 0.05, ns p > 0.05。柱状图代表组均值，误差线表示±1个标准误。3.3 讨论研究1发现，对于AI设计的产品，动画代言人比类人代言人在提升采用意愿方面更为有效；而对于人类设计的产品，类人代言人比动画代言人更为有效，这支持了H1。为了探究设计师-代言人一致性效应背后的机制并增强外部效度，研究2使用了不同的产品情境，并考察了感知好奇心的中介作用（H2）。4. 研究2预实验2。与研究1一样，在正式实验之前，我们进行了一项预实验来验证设计师-代言人一致性操作：当AI（人类）设计师与动画（类人）虚拟形象配对时，参与者感知到的设计-代言人一致性更高（M_{AI+动画} = 5.99, M_{AI+类人} = 5.67, F(1, 128) = 4.224, p = 0.042, η?2 = 0.032; M_{人类+动画} = 5.28, M_{人类+类人} = 5.81, F(1, 128) = 11.856, p < 0.001, η?2 = 0.085）。无论是感知恐怖谷效应（F(1, 128) = 0.342, p = 0.559, η?2 = 0.003）还是感知信任度（F(1, 128) = 0.328, p = 0.568, η?2 = 0.003），均未显示出显著的设计师×代言人交互效应，这表明这两个变量都不太可能是后续核心效应的解释因素。完整细节见补充材料F。4.1 方法4.1.1 参与者与设计研究2旨在检验感知好奇心的中介作用（H2），使用不同的产品来评估研究结果在另一高科技产品情境中的稳健性。研究2采用2（设计师：AI vs. 人类）× 2（代言人：类人 vs. 动画虚拟形象）的组间设计。与研究1相同，参与者通过Credamo.com平台招募，参与后获得2.00元人民币报酬。Credamo内置的随机化功能在呈现刺激材料之前自动将参与者分配至四个实验条件之一。我们按照相同的G*Power程序评估样本量（效应量 = 0.25, α = 0.05, 检验力 = 0.80），所需最小样本量为128人。与研究1相同，采用了预设的注意力检查程序和排除标准。在招募的158名参与者中，2人因未通过注意力检查被排除，最终样本量为156人（留存率 = 98.7%）。其中67.9%为女性，86.5%年龄介于19至39岁之间（详见补充材料A中的人口统计细节）。4.1.2 程序与测量与研究1一样，实验前参与者被告知研究的一般目的，并确认其匿名性、保密性以及参与的自愿性。研究2使用了与研究1不同的产品和虚拟形象（详见补充材料C）。参与者首先被要求想象在网上购买智能手表。然后他们被要求阅读关于智能手表界面设计过程的描述，作为设计师操作。AI（人类）设计师组的参与者被告知智能手表界面完全由AI（人类）设计师设计。接下来，通过让参与者观看一段包含类人或动画虚拟形象的宣传视频来操作代言人拟人化程度。两段虚拟形象视频均持续5秒，包含相同的背景音乐，无口播旁白或对话。动画和类人虚拟形象在相同的产品展示场景中执行匹配的简单动作。Credamo的强制观看功能禁用了"继续"选项，直到完整视频播放结束，从而确保参与者完全接触视频内容。随后，参与者对代言人的感知拟人化程度、产品采用意愿和感知好奇心进行了评价。我们还测量了代言人的感知酷感作为控制变量，因为已有研究表明，虚拟形象的感知酷感可以独立提升代言效果（Kim & Ki, Lee, et al., 2024）。感知拟人化（Cronbach's α = 0.93）和产品采用意愿（Cronbach's α = 0.87）使用与研究1相同的量表进行测量。感知好奇心使用改编自Kim和Choo（2023）的4个项目进行测量（例如："这则广告让我想知道产品是什么"；Cronbach's α = 0.89）。感知酷感使用改编自Kim, and Ki, Lee, et al.（2024）的5个项目进行测量（例如："这位代言人看起来很有原创性"；Cronbach's α = 0.88）。所有量表列于附录A。4.2 结果4.2.1 操作检验单因素方差分析确认代言人拟人化操作有效：参与者对类人代言人的拟人化评分显著高于动画代言人（M_{类人} = 6.12, SE_{类人} = 0.14; M_{动画} = 3.85, SE_{动画} = 0.14, F(1, 154) = 142.213, p < 0.001, η?2 = 0.480）。4.2.2 假设检验产品采用意愿。不以感知酷感为协变量的双因素方差分析揭示了设计师类型与代言人类型之间的显著交互效应（F(1, 152) = 23.794, p < 0.001, η?2 = 0.135）。这一结果表明核心交互效应并不依赖于感知酷感作为协变量的纳入。随后我们进行了控制感知酷感的双因素协方差分析。设计师×代言人交互效应依然显著（F(1, 151) = 10.501, p = 0.001, η?2 = 0.065）。设计师的主效应不显著（F(1, 151) = 0.021, p = 0.886, η?2 = 0.000），代言人的主效应也不显著（F(1, 151) = 0.112, p = 0.739, η?2 = 0.001）。简单效应分析显示，当设计师为AI时，参与者在呈现动画代言人而非类人代言人的条件下报告了更高的产品采用意愿（M_{AI+动画} = 5.55, SE_{AI+动画} = 0.11, M_{AI+类人} = 5.21, SE_{AI+类人} = 0.11, 均值差的95%置信区间[0.022, 0.642], F(1, 151) = 4.468, p = 0.036, η?2 = 0.029）。对于人类设计的产品，拟人化效应发生了反转，类人代言人在提升采用意愿方面比动画代言人更为有效（M_{人类+动画} = 5.19, SE_{人类+动画} = 0.11, M_{人类+类人} = 5.60, SE_{人类+类人} = 0.11, 均值差的95%置信区间[0.092, 0.717], F(1, 151) = 6.535, p = 0.012, η?2 = 0.041）。因此，H1得到进一步支持，且核心交互效应在控制和不控制感知酷感的情况下均保持显著。感知好奇心。结果显示，设计师类型与代言人类型之间存在显著的交互效应（F(1, 152) = 20.675, p < 0.001, η?2 = 0.120）。设计主体的主效应显著（F(1, 152) = 6.736, p = 0.010, η?2 = 0.042），参与者对AI设计的产品表现出更强的好奇心，高于人类设计的产品。代言人的主效应不显著（F(1, 152) = 1.935, p = 0.166, η?2 = 0.013）。简单效应分析显示，当设计师为AI时，广告中出现动画虚拟形象而非类人虚拟形象时，参与者体验到更强的感知好奇心（M_{AI+动画} = 5.96, SE_{AI+动画} = 0.15; M_{AI+类人} = 5.47, SE_{AI+类人} = 0.15, 95%置信区间[0.056, 0.919], F(1, 152) = 4.980, p = 0.027, η?2 = 0.032）。相反，当设计师为人类时，参与者对类人虚拟形象的好奇心高于对动画虚拟形象的好奇心（M_{人类+动画} = 4.85, SE_{人类+动画} = 0.15, M_{人类+类人} = 5.77, SE_{人类+类人} = 0.15, 95%置信区间[0.485, 1.348], F(1, 152) = 17.630, p < 0.001, η?2 = 0.104）。调节中介分析。进行了调节中介分析（模型7，5000次自助抽样），以设计师为自变量（0 = 人类，1 = AI），代言人类型为调节变量（0 = 类人，1 = 动画），感知好奇心为中介变量，产品采用意愿为因变量，感知酷感为协变量。PROCESS分析中报告的所有系数均为非标准化系数（b）。设计师披露编码为0 = 人类设计，1 = AI设计。因此，正系数表示AI设计产品的结果高于人类设计产品。通过感知好奇心的调节中介效应显著（b = 0.41, SE = 0.14, 95%置信区间[0.140, 0.698]）。如表3所示，设计师披露的直接效应为负（b = ?0.20, 95%置信区间[?0.371, ?0.030]），表明在控制好奇心后，参与者更偏好人类设计的产品。在考虑感知好奇心后，条件间接效应显著：在动画虚拟形象条件下，间接效应为正且显著（b = 0.39, SE = 0.12, 95%置信区间[0.156, 0.638]）。然而，在类人虚拟形象条件下，间接效应不显著（b = ?0.03, SE = 0.08, 95%置信区间[?0.179, 0.132]）。这些发现支持了H2。表3. 研究2中调节中介分析（模型7）的结果。效应路径 b LLCI ULCI 结果 直接效应 设计师→采用意愿 ?0.20 ?0.371 ?0.030 显著 路径系数 好奇心→采用意愿 0.65 0.534 0.773 显著 间接效应（通过感知好奇心的中介） 动画虚拟形象 0.39 0.156 0.638 显著 类人虚拟形象 ?0.03 ?0.179 0.132 不显著 调节中介指标 0.41 0.140 0.698 显著 注：设计师类型编码为0 = 人类设计，1 = AI设计；代言人类型编码为0 = 类人，1 = 动画。所有系数均为非标准化系数。条件间接效应代表在每个代言人条件下设计师→好奇心→采用意愿的路径。估计基于5000次自助抽样及95%自助置信区间。4.3 讨论研究2进一步支持了H1。重要的是，即使控制感知酷感后，结果表明感知好奇心中介了设计师-代言人一致性对产品采用意愿的影响，支持了H2。在研究3中，我们使用不同的刺激材料来复现一致性效应和感知好奇心的中介作用，从而增强研究结果的外部效度。此外，我们检验了感知恐怖谷效应和感知信任度作为可能的替代解释，以进一步确立我们提出机制的稳健性。5. 研究3预实验3。与前几项研究一样，我们进行了一项预实验来验证设计师-代言人一致性操作（M_{AI+动画} = 5.89, M_{AI+类人} = 5.57, F(1, 128) = 5.402, p = 0.022, η?2 = 0.040; M_{人类+动画} = 5.50, M_{人类+类人} = 5.89, F(1, 128) = 6.901, p = 0.010, η?2 = 0.051）。无论是感知恐怖谷效应（F(1, 128) = 0.031, p = 0.860, η?2 = 0.000）还是感知信任度（F(1, 128) = 2.019, p = 0.158, η?2 = 0.016），均未显示出显著的设计师×代言人交互效应，表明这两个变量都不太可能是后续核心效应的解释因素。设计与结果的完整细节见补充材料F。5.1 方法5.1.1 参与者与设计研究3旨在为进一步证明感知好奇心的中介作用（H2）提供证据。我们采用2（设计师：AI vs. 人类）× 2（代言人：类人 vs. 动画虚拟形象）的组间设计。此外，我们还旨在评估感知恐怖谷效应和感知信任度作为可能的替代解释。参与者通过Credamo.com平台招募。Credamo内置的随机化功能自动将参与者分配至四个实验条件之一。采用相同的G*Power程序评估样本量（效应量 = 0.25, α = 0.05, 检验力 = 0.80）。采用了与研究1相同的预设注意力检查程序和排除标准。共招募160名参与者，超过了所需的最小样本量128人。其中4人因未通过注意力检查被排除，最终样本量为156人（留存率 = 97.5%）。其中69.2%为女性，84.0%年龄介于19至39岁之间（详见补充材料A中的人口统计细节）。5.1.2 程序与测量按照研究2的程序，实验前参与者被告知研究的一般目的以及参与的自愿性。参与者还被告知隐私保护和数据处理方式。研究3使用了与研究2不同的产品和虚拟形象（详见补充材料D）。参与者首先被要求想象在网上购买智能眼镜。然后他们被要求阅读关于智能眼镜美学和功能性设计的描述，作为设计师类型操作。AI（人类）设计师组的参与者被告知智能眼镜完全由AI（人类）设计师设计。接下来，通过让参与者观看一段包含动画或类人虚拟形象的视频广告来操作代言人拟人化程度。两段虚拟形象视频均持续3秒，包含相同的背景音乐，无口播旁白或对话。

拟动画的与拟人化的虚拟形象在相同的产品展示场景中执行相匹配的简单动作。Credamo的强制观看功能禁用了继续选项，直到视频时长完全结束，从而确保参与者完整观看了视频。与第2项研究相同，参与者对代言者的拟人化感知（Cronbach's α = 0.84）、产品采纳意愿（Cronbach's α = 0.80）和感知好奇心（Cronbach's α = 0.77）进行了评分。此外，我们还测量了感知匹配度，该量表包含改编自Belanche等人（2021）的四个题项（例如，"设计师和代言者是很好的一对"；Cronbach's α = 0.80）、感知诡异感，包含改编自Kim和Baek（2024）的七个题项（例如，"我感到恶心"；Cronbach's α = 0.81），以及感知可信度，包含改编自Ohanian（1990）的五个题项（例如，"这个代言者是可靠的"；Cronbach's α = 0.88）。所有量表均列于附录A。5.2. 结果5.2.1. 操纵检验代言者拟人化操纵有效，参与者对拟人化代言者的拟人化评分显著高于拟动画代言者（M_拟动画 = 4.50, SE_拟动画 = 0.12; M_拟人化 = 5.80, SE_拟人化 = 0.12, F(1, 154) = 59.032, p < 0.001, η?2 = 0.277）。双因素方差分析显示，设计师类型与代言者类型对设计师-代言者匹配度的交互效应显著（F(1, 152) = 9.783, p = 0.002, η?2 = 0.060），但设计师的主效应（F(1, 152) = 2.702, p = 0.102, η?2 = 0.017）和代言者的主效应（F(1, 152) = 0.091, p = 0.763, η?2 = 0.001）均不显著。简单效应分析显示，当与拟动画虚拟形象搭配时，AI设计师被视为更具匹配度（M_AI+拟动画 = 5.99, SE_AI+拟动画 = 0.11; M_AI+拟人化 = 5.66, SE_AI+拟人化 = 0.11, 均值差的95% CI [0.014, 0.635], F(1, 152) = 4.263, p = 0.041, η?2 = 0.027），而当与拟人化虚拟形象搭配时，人类设计师被视为更具匹配度（M_人类+拟动画 = 5.44, SE_人类+拟动画 = 0.12; M_人类+拟人化 = 5.83, SE_人类+拟人化 = 0.12, 均值差的95% CI [0.063, 0.725], F(1, 152) = 5.531, p = 0.020, η?2 = 0.035）。这些结果表明，预期的设计师-代言者匹配度得到了成功建立。5.2.2. 假设检验产品采纳意愿。双因素方差分析显示，设计师类型与代言者类型之间存在显著交互效应（F(1, 152) = 15.723, p < 0.001, η?2 = 0.094）。设计师的主效应（F(1, 152) = 2.079, p = 0.151, η?2 = 0.013）和代言者的主效应（F(1, 152) = 0.000, p = 0.984, η?2 = 0.000）均不显著。简单效应分析表明，当设计师为AI时，与展示拟人化代言者的广告相比，展示拟动画代言者的广告引发了更高的产品采纳意愿（M_AI+拟动画 = 5.93, SE_AI+拟动画 = 0.13; M_AI+拟人化 = 5.40, SE_AI+拟人化 = 0.12, 均值差的95% CI [0.168, 0.876], F(1, 152) = 8.482, p = 0.004, η?2 = 0.053）。当设计师为人类时，拟人化效应反转，拟人化代言者在增强采纳意愿方面比拟动画代言者更有效（M_人类+拟动画 = 5.60, SE_人类+拟动画 = 0.13; M_人类+拟人化 = 6.11, SE_人类+拟人化 = 0.14, 均值差的95% CI [0.139, 0.894], F(1, 152) = 7.315, p = 0.008, η?2 = 0.046）。因此，H1再次得到支持。感知好奇心。双因素方差分析显示，设计师类型与代言者类型之间存在显著交互效应（F(1, 152) = 10.301, p = 0.002, η?2 = 0.063）。设计师的主效应（F(1, 152) = 0.044, p = 0.834, η?2 = 0.000）和代言者的主效应（F(1, 152) = 0.042, p = 0.838, η?2 = 0.000）均不显著。简单效应分析表明，当设计师为AI时，与拟人化虚拟形象相比，广告中出现拟动画虚拟形象时参与者体验到更强的感知好奇心（M_AI+拟动画 = 6.06, SE_AI+拟动画 = 0.12; M_AI+拟人化 = 5.66, SE_AI+拟人化 = 0.11, 均值差的95% CI [0.083, 0.716], F(1, 152) = 6.225, p = 0.014, η?2 = 0.039）。相反，当设计师为人类时，参与者对拟人化虚拟形象的好奇心高于对拟动画虚拟形象的好奇心（M_人类+拟动画 = 5.66, SE_人类+拟动画 = 0.12; M_人类+拟人化 = 6.01, SE_人类+拟人化 = 0.12, 均值差的95% CI [0.014, 0.689], F(1, 152) = 4.244, p = 0.041, η?2 = 0.027）。感知诡异感。双因素方差分析显示，设计师类型与代言者类型之间的交互效应不显著（F(1, 152) = 2.785, p = 0.097, η?2 = 0.018）。设计师的主效应（F(1, 152) = 1.065, p = 0.304, η?2 = 0.007）和代言者的主效应（F(1, 152) = 0.001, p = 0.973, η?2 = 0.000）均不显著。这些结果表明，感知诡异感并未提供作为替代解释的有力证据。感知可信度。双因素方差分析显示，设计师类型与代言者类型之间的交互效应不显著（F(1, 152) = 3.780, p = 0.054, η?2 = 0.024）。设计师的主效应（F(1, 152) = 0.002, p = 0.965, η?2 = 0.000）和代言者的主效应（F(1, 152) = 0.001, p = 0.980, η?2 = 0.000）均不显著。因此，结果未提供支持感知可信度作为替代解释的有力证据。调节中介。为对提议的机制进行更严格的检验，我们将感知好奇心、感知可信度和感知诡异感同时作为平行中介变量纳入调节中介模型。所有报告的系数均为非标准化系数。通过感知好奇心的调节中介指数仍然显著（b = 0.48, SE = 0.20, 95% CI [0.147, 0.913]）。具体而言，在拟人化虚拟形象条件下，通过好奇心的间接效应为负且显著（b = ?0.22, SE = 0.13, 95% CI [?0.514, ?0.020]）；在拟动画虚拟形象条件下，间接效应为正且显著（b = 0.25, SE = 0.12, 95% CI [0.065, 0.511]）。在同时控制两个竞争中介变量后，感知好奇心仍然显著。这一结果凸显了好奇心作为认知机制补充的关键作用。5.3. 讨论第3项研究为感知好奇心的中介作用提供了进一步证据。重要的是，当同时纳入感知诡异感和感知可信度作为竞争中介变量时，通过感知好奇心的调节中介仍然显著。感知诡异感未显示出显著的调节中介效应，而感知可信度则提供了关于可能的次级条件路径的有限证据。接下来，第4项研究考察了匹配效应和感知好奇心的中介作用如何随不同AI焦虑水平的个体而变化。第4项研究还使用不同的刺激材料检验了H3，以评估研究结果在另一种高科技产品情境中的稳健性。6. 第4项研究第4项研究前测。与前几项研究一样，我们进行了一项前测研究，以验证设计师-代言者匹配度的操纵（M_AI+拟动画 = 5.91, M_AI+拟人化 = 5.57, F(1, 128) = 4.177, p = 0.043, η?2 = 0.032; M_人类+拟动画 = 5.40, M_人类+拟人化 = 5.72, F(1, 128) = 4.005, p = 0.047, η?2 = 0.030）。感知诡异感（F(1, 128) = 2.005, p = 0.159, η?2 = 0.015）和感知可信度（F(1, 128) = 1.959, p = 0.164, η?2 = 0.015）均未显示出显著的设计师×代言者交互效应，表明这两个变量均不太可能解释后续的核心效应。设计和结果的完整细节报告于补充材料F中。6.1. 方法6.1.1. 参与者与设计在第1-3项研究展示的设计师-代言者匹配效应基础上，第4项研究检验了AI焦虑的调节作用（H3）。由于AI焦虑被概念化为一种稳定的个人特质（Li & Huang, 2020），先前研究通常将其作为个体倾向进行测量。遵循这一方法，我们在第4项研究中评估了AI焦虑。第4项研究的设计和程序与第1-3项研究相似，采用2（设计师：AI vs. 人类）× 2（代言者：拟人化虚拟形象 vs. 拟动画虚拟形象）的组间设计。与前几项研究一样，参与者通过Credamo.com招募。Credamo的内置随机化功能在呈现刺激材料之前自动将参与者分配到四种实验条件之一。参与者因参与获得2.00元人民币。应用了第1项研究中描述的相同预定注意力检查程序和排除标准。使用G*Power评估所需样本量，遵循与第1-3项研究相同的程序。在中等效应量0.25、α = 0.05、功效为0.80的条件下，需要至少128名参与者。我们共招募了348名参与者。其中，8名因未通过注意力检查而被排除，最终样本为340人（保留率 = 97.7%）。其中，68.8%为女性，90.0%年龄在19至39岁之间（详情见补充材料A）。6.1.2. 程序与测量与前几项研究一样，参与者被告知研究的总体目的，并被保证其回答的匿名性和保密性。他们随后在参与之前提供了知情同意。第4项研究的刺激物为语音助手。参与者被告知将参加两项看似无关的研究：一项关于购买偏好，另一项关于AI焦虑。首先，按照与第1、2项研究相同的程序操纵设计师和代言者类型。在AI设计师条件下，参与者被告知语音助手完全由AI设计；在人类设计师条件下，他们被告知语音助手完全由人类设计师设计。在拟动画虚拟形象条件下，参与者观看一段展示拟动画虚拟形象使用语音助手的宣传视频；在拟人化虚拟形象条件下，参与者观看一段展示拟人化虚拟形象的类似视频。两段虚拟形象视频时长均为5秒，包含相同的背景音乐，没有口语旁白或对话。拟动画和拟人化虚拟形象在相同的产品展示场景中执行相匹配的简单动作。Credamo的强制观看功能禁用了继续选项，直到视频时长完全结束，从而确保参与者完整观看了视频。详细的刺激材料提供于补充材料E中。使用与第2项研究相同的量表，我们测量了虚拟形象的感知拟人化（Cronbach's α = 0.90）、采纳意愿（Cronbach's α = 0.77）和感知好奇心（Cronbach's α = 0.81）。随后，参与者完成了一份第二份问卷，其中AI焦虑使用改编自Li和Huang（2020）的三个题项进行测量（例如，"我担心AI在未来会取代我的工作"；Cronbach's α = 0.92）。所有测量均列于附录A中。6.2. 结果6.2.1. 操纵检验单因素方差分析证实，拟人化条件下的参与者对代言者的感知拟人化程度显著高于拟动画条件下的参与者（M_拟动画 = 3.92, SE_拟动画 = 0.09; M_拟人化 = 5.69, SE_拟人化 = 0.09, F(1, 338) = 202.826, p < 0.001, η?2 = 0.375）。6.2.2. 假设检验产品采纳意愿的调节回归分析。我们使用PROCESS模型3进行了调节回归分析，以设计师为自变量，以代言者和均值中心化AI焦虑为两个调节变量。结果显示，设计师类型、代言者类型和AI焦虑对产品采纳意愿的三阶交互效应显著（b = 0.22, SE = 0.09, t = 2.565, p = 0.011, 95% CI [0.052, 0.396]）。为探查这一交互效应，我们在AI焦虑的低水平（M?1 SD）和高水平（M+1 SD）进行了探照灯分析。当AI焦虑较低时，设计师-代言者交互效应较弱但依然显著（b = 0.37, p = 0.039）。当AI焦虑较高时，交互效应显著增强（b = 1.03, p < 0.001），表明对于AI焦虑较高的消费者，设计师-代言者匹配效应得到了放大。我们进一步进行了泛光灯分析，以确定匹配效应在统计上显著的AI焦虑值范围。如图4所示，Johnson-Neyman（JN）图展示了均值中心化AI焦虑各水平下的条件设计师-代言者交互效应（实线）。95%置信带（虚线）和零效应参考线也一并呈现。置信带在AI焦虑分数为?1.52处与零线相交，这标志着JN临界点。对于均值中心化焦虑分数低于此临界点的参与者，虚线置信区间包含零值，表明设计师-代言者交互效应不显著。然而，对于分数高于临界点的参与者，置信带保持在零线以上，表明设计师-代言者交互效应显著。下载：下载高分辨率图像（166KB）下载：下载完整尺寸图像图4. AI焦虑在第4项研究中对采纳意愿的调节效应。设计师披露编码为0 = 人类设计和1 = AI设计。因此，正系数表示AI设计（vs. 人类设计）产品的采纳意愿更高。具体而言，在拟动画虚拟形象条件下，设计师对高AI焦虑消费者的效应为显著正向（b = 0.39, SE = 0.12, 95% CI [0.150, 0.639]）。然而，对于低AI焦虑者，该效应不显著（b = 0.05, SE = 0.13, 95% CI [?0.199, 0.305]）。

相反，在拟人化头像条件下，具有高AI焦虑的参与者中AI设计者（与人类设计者相比）的消极效应更为显著（b = ?0.64，SE = 0.13，95% CI [?0.899, ?0.381]），而低AI焦虑参与者的消极效应相对较弱（b = ?0.32，SE = 0.13，95% CI [?0.570, ?0.070]）。

**调节中介分析。** 我们使用PROCESS模型11（5000次Bootstrap样本）分析了感知好奇心的中介效应如何受AI焦虑的调节。如表4所示，调节中介效应显著（b = 0.17，SE = 0.07，95% CI [0.033, 0.319]），表明设计者类型通过感知好奇心对产品采纳意愿的间接效应因推荐者类型和AI焦虑水平的不同而有所变化。具体而言，在动画头像条件下，高AI焦虑（+1 SD）消费者的间接效应更强（b = 0.29，SE = 0.12，95% CI [0.067, 0.542]），而低AI焦虑（?1 SD）消费者的间接效应不显著（b = 0.09，SE = 0.08，95% CI [?0.062, 0.248]）。相反，当推荐者为拟人化头像时，随着AI焦虑的增加，间接效应在负方向上增强（M?1 SD：b = ?0.16，SE = 0.06，95% CI [?0.290, ?0.035]；M+1 SD：b = ?0.45，SE = 0.13，95% CI [?0.725, ?0.231]）。综合来看，聚光灯分析、泛光灯分析和调节中介分析共同支持了H3。

**表4. 设计者身份对采纳意愿的条件间接效应。**

| 效应路径 | b | LLCI | ULCI | 结果 |
|---------|---|------|------|------|
| **AI焦虑水平的条件间接效应** | | | | |
| *动画头像* | | | | |
| 低AI焦虑（?1 SD） | 0.09 | ?0.062 | 0.248 | 不显著 |
| 中等AI焦虑 | 0.19 | 0.068 | 0.329 | 显著 |
| 高AI焦虑（+1 SD） | 0.29 | 0.067 | 0.542 | 显著 |
| *拟人化头像* | | | | |
| 低AI焦虑（?1 SD） | ?0.16 | ?0.290 | ?0.035 | 显著 |
| 中等AI焦虑 | ?0.30 | ?0.457 | ?0.176 | 显著 |
| 高AI焦虑（+1 SD） | ?0.45 | ?0.725 | ?0.231 | 显著 |
| **AI焦虑水平的条件调节中介效应** | | | | |
| 低AI焦虑（?1 SD） | 0.25 | 0.057 | 0.451 | 显著 |
| 中等AI焦虑 | 0.50 | 0.302 | 0.711 | 显著 |
| 高AI焦虑（+1 SD） | 0.74 | 0.400 | 1.126 | 显著 |
| 调节中介效应 | 0.17 | 0.033 | 0.319 | 显著 |

**注：** 设计者类型编码为0 = 人类设计，1 = AI设计；推荐者类型编码为0 = 拟人化，1 = 动画化。AI焦虑经过均值中心化；低和高水平分别表示?1 SD和+1 SD。所有系数均为未标准化系数。条件间接效应表示在推荐者和AI焦虑条件下，设计者→好奇心→采纳的路径。所有效应和指标均基于5000次Bootstrap样本及其95% Bootstrap置信区间。

**6.3 讨论**

研究4通过识别AI焦虑作为具有理论意义的边界条件，进一步支持了设计者-推荐者一致性账户。与H3一致，在AI焦虑较高的消费者中，一致性对采纳意愿的效应被放大，且这种放大是通过感知好奇心发挥作用的。这些结果表明，当消费者体验到更大的AI相关焦虑时，他们更依赖线索一致性来塑造其探索性反应，即一致的设计者-推荐者线索维持好奇心并促进采纳，而不一致的线索则削弱好奇心并降低采纳意愿。结合研究1至3，研究4提供了汇聚性证据，建立了该效应、解释了其机制，并指明了该效应最强烈的条件。接下来，我们将整合这些发现，并在第7节中讨论其理论和管理启示。

**7. 总体讨论**

**7.1 结论**

本研究揭示了新产品采纳意愿同时受到文本设计者线索和视觉推荐者线索的塑造。在四项研究中，我们考察了消费者自我报告的产品采纳意愿。结果揭示了设计者和推荐者实体之间的交互效应：当产品被披露为"AI设计"时，搭配动画化（低拟人化）头像可通过增强感知好奇心来提高采纳意愿；而人类设计的产品则从拟人化头像中受益更多。相反，不一致的搭配会降低好奇心并减少采纳意愿。此外，一致性效应在AI焦虑较高的消费者中更为明显，表明个体在AI相关不适感上的差异塑造了跨模态线索如何转化为好奇心和采纳意愿。当同时考虑竞争性认知中介变量时，感知好奇心的作用依然显著。表5总结了四项研究的产品情境、样本和主要发现。

**表5. 四项主要研究的总结。**

| 研究 | 产品情境 | N | 设计 | 因变量 | 中介/调节变量 | 主要发现 |
|------|---------|---|------|--------|-------------|---------|
| 研究1 | 空调 | 240 | 2 × 2 被试间 | 产品采纳意愿 | 无 | 支持H1：动画头像对AI设计产品更有效，而拟人化头像对人类设计产品更有效 |
| 研究2 | 智能手表 | 156 | 2 × 2 被试间 | 产品采纳意愿 | 中介：感知好奇心 | 支持H2：感知好奇心中介了一致性效应 |
| 研究3 | 智能眼镜 | 156 | 2 × 2 被试间 | 产品采纳意愿 | 中介：感知好奇心、可信度、诡异感 | 支持H2：当纳入认知机制时，感知好奇心中介了一致性效应 |
| 研究4 | 语音助手 | 340 | 2 × 2 被试间 | 产品采纳意愿 | 中介：感知好奇心；调节：AI焦虑 | 支持H3：AI焦虑放大了一致性效应和感知好奇心的中介效应 |

**7.2 理论贡献**

第一，本研究通过将从单模态到多模态情境的研究拓展，推进了AI中介传播理论。以往信息系统研究主要聚焦于人工自主性、人机协作、期望不一致和视觉形态，分别考察虚拟化身和AI智能体（Hu et al., 2021, Mostafa et al., 2024, Li et al., 2024, Xue et al., 2026）。然而，这些研究主要考察单独的AI产物或孤立的设计线索。本研究通过考察不同AI角色和模态的线索如何共同塑造消费者反应，拓展了相关研究。通过同时考察这些角色，本研究揭示了消费者如何将文本文本设计者披露与视觉呈现（头像外观）整合为统一的跨模态评价。有别于传统的单模态情境——消费者在其中评价孤立的刺激物——本研究的发现确立了跨模态线索一致性作为消费者采纳的预测因素。研究结果表明，设计者和推荐者线索的有效性取决于两种线索如何跨模态进行配置。通过四项研究，我们提供了汇聚性证据：建立了一致性效应、识别了其情感机制，并指明了其边界条件。

第二，本研究通过揭示虚拟化身拟人化效应取决于设计者线索所激活的图式，有助于调和有关虚拟化身拟人化的矛盾发现。一些研究强调化身拟人化的积极作用（Ma and Li, 2024, Xue et al., 2026），而另一些则强调相反的作用（Mostafa et al., 2024）。我们的发现澄清了拟人化并非一律有益或有害；相反，其效应取决于头像的视觉形态是否与预先激活的图式一致或冲突。具体而言，结果表明，当产品携带AI设计披露时，低拟人化头像可能更具说服力，因为视觉线索与非人类设计者身份一致。通过将关注点转向文本-视觉一致性，本研究表明先前研究中的矛盾发现可能通过纳入此前被忽视的跨模态对齐差异得到更好的理解。

第三，本研究识别了感知好奇心作为在多模态传播情境中补充传统认知框架的情感机制。以往的化身研究通常聚焦于认知评价，如真实性和可信度（如Lee, Shin, et al., 2025; Li & Li, Chen, et al., 2024）。这些机制在消费者评价单模态情境中孤立刺激物时尤为相关。相反，本研究强调了一条互补的情感路径：感知好奇心。"AI设计"的披露可通过制造基于新颖性的信息鸿沟来激发探索性注意力。当搭配一致的动画头像时，跨模态一致性增强好奇心，维持探索性动机，并提高采纳意愿。相反，不一致的线索组合削弱好奇心并降低采纳意愿。这一基于好奇心的解释凸显了多模态信息包内部一致的线索配置如何塑造消费者是否以更开放的探索态度对待新产品。值得注意的是，通过在研究3中纳入认知机制，我们展示了感知好奇心在感知可信度和感知诡异感的同时仍然是一个显著的路径。因此，感知好奇心补充了建立在认知机制之上的现有信息系统文献（Chiu et al., 2021, Li et al., 2024）。最后，高AI焦虑消费者中增强效应表明，当基线技术不安感升高时，跨模态一致性成为更为重要的线索。

**7.3 管理启示**

本研究发现为通过数字渠道营销高科技产品（如智能设备和语音助手）的企业提供了实践启示，在这些渠道中设计者披露和化身推荐者同时呈现。鉴于我们研究的实证范围，这些启示直接适用于同类技术导向产品的多模态营销传播。

首先，管理者可以通过使设计者信息与头像的视觉外观相匹配来优化营销效果。直觉上，管理者可能偏好拟人化头像以增强真实感。然而，对于技术导向的产品，动画化、低拟人化的头像在搭配AI设计披露时可能更有效。非人类设计者身份与推荐者非人类视觉外观之间的一致性可激发感知好奇心，进而提高采纳意愿。对于人类设计的技术导向产品，该模式则相反，拟人化头像更为有效。重要的是，这些发现并不意味着动画头像通常优于技术导向产品。相反，有效性取决于能激发好奇心的设计者-头像组合。因此，企业可以在产品页面或功能演示短视频中将"AI设计"披露与吉祥物风格或明显合成化身的头像搭配使用。这种"匹配优先"原则表明，推荐者的视觉身份应强化而非违背披露所激活的图式。

其次，高科技产品的营销传播可以被设计为激活和维持好奇心，而非仅仅专注于建立信任。本研究识别了感知好奇心作为补充认知机制的情感路径。虽然AI设计披露可能制造信息鸿沟从而触发初始好奇心，但一致的动画演示或交互界面可通过帮助消费者发现AI如何促成该产品来维持产品探索。此类实践将注意力引向技术创新性，并为消费者提供探索AI赋能功能的机会。因此，设计者披露和头像呈现应共同突出产品的技术创新性。管理者不应仅仅添加一个动画角色，而需要预先测试多模态配置是否被感知为一致的并有效引发好奇心。

第三，管理者可以根据消费者的AI焦虑调整头像设计。我们发现一致性效应和好奇心中介在高焦虑消费者中更强。这一发现并不意味着动画头像能让焦虑消费者安心。相反，在向高焦虑群体推广AI设计的高科技产品时，管理者可更加重视设计者-头像的一致性，并利用动画推荐者激活好奇心。对于AI焦虑较低的群体，一致性效应较弱，管理者使用拟人化推荐者的灵活性更大。这表明了一种基于消费者对线索一致性敏感度的分群策略：管理者可以优先使用一致的动画头像来激活高焦虑消费者的好奇心，同时为低焦虑群体探索更具拟人化的设计。

最后，头像设计需要与企业更广泛的传播目标保持一致。对于技术导向的产品，一个突出的目标是鼓励产品探索和采纳。与该目标一致，"AI设计"披露在与一致的推荐者搭配时可能有效，这些推荐者突出AI相关的新颖性并鼓励产品探索。然而，企业可能追求其他传播目标。当活动目标优先考虑温暖感、奢华感或同理心时，即使动画头像能带来更高的采纳意愿，拟人化头像也可能更受青睐。因此，管理者可能需要将采纳意愿与这些更广泛的传播目标一并评估，选择最符合活动目标和产品类别的设计者-推荐者组合。更广泛地说，企业应将AI披露管理作为整合传播体系的一部分，而非孤立的单一信息。

**7.4 局限与未来研究**

本研究存在若干局限，为未来研究提供了方向。首先，假设通过受控的情景实验进行了检验，且因变量为自我报告的产品采纳意愿，而非实际购买决策或长期采纳行为。未来研究可以采用现场实验和纵向设计来考察设计者与推荐者之间的一致性如何影响持续的产品采纳。其次，尽管在假设检验中使用了不同的产品以增强结果的稳健性，但研究仅聚焦于高科技产品类别。尚不清楚设计者-推荐者一致性效应是否能延伸到更广泛的产品情境。该框架可在更多样化的产品环境中进一步检验，如享乐型产品或无形数字产品。第三，虽然本研究考察了市场上两种常见类型的头像（即动画和拟人化），但未来研究可以探讨其他类型的数字推荐者，如超写实虚拟网红或非人类虚拟角色。最后，本研究也仅限于考察一个人格特质变量的调节效应（AI焦虑）。未来研究可以探索其他个体和情境调节因素，如调节焦点、广告诉求（理性vs.情感）和品牌定位（温暖vs.能力），如何塑造线索一致性成功转化为好奇心和采纳的条件。

**CRediT作者贡献声明**

张显峰：撰写——审稿与编辑，撰写——原始草稿，获取资金。

王美玲：撰写——审稿与编辑，撰写——原始草稿，方法论，调查研究。

Wenting Feng：撰写 – 审阅与编辑，撰写 – 初稿，可视化，验证，监督，项目管理，方法论，资金获取，构思。Ziwei Zhang：撰写 – 审阅与编辑，撰写 – 初稿，方法论，调查。Kevin Zeng：撰写 – 审阅与编辑，撰写 – 初稿，验证，监督，构思。Wenting Feng|Meiling Wang|Kevin Zeng|Ziwei Zhang|Xianfeng Zhang