当生成式人工智能适得其反：基于不匹配的可供性视角理解消费者回避生成式人工智能对话推荐代理的过程机制

《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》：When GAI backfires: Understanding the process mechanism of consumers’ avoidance of generative AI conversational recommendation agents from a misaligned affordance perspective

　　

•揭示了消费者回避GCRA的前因及其过程机制。•识别了三种关键的GCRA错配可供性。•构建了错配可供性实现模型。

1. 引言

生成式人工智能（GAI）的发展正在重塑个体的决策方式，尤其是在购物推荐场景中（Kumar等人，2023；Sadiq等人，2024）。基于生成式人工智能增强的对话式推荐智能体（GCRAs）是建立在包括大语言模型（LLMs）等技术之上的智能工具，它们利用大规模数据学习和与消费者的实时对话交互来生成产品或服务推荐（Baabdullah，2024；Xie，2026；Xue等人，2026）。凭借先进的自然语言处理能力、灵活的分析能力和精妙的回复生成能力（Gupta等人，2023），GCRAs已被广泛部署于Amazon等电子商务平台和ChatGPT等数字助手（示例见附录A），旨在提升消费者体验并辅助决策制定。

然而，尽管期望很高，GCRAs在真实消费者市场中的表现并不理想，面临显著的回避行为——即消费者有意回避和远离GCRAs的倾向（Lee等人，2009；Mostafa等人，2024）。近期的市场证据支持了这一发现。例如，毕马威（KPMG）于2025年夏季开展的一项调查显示，不到30%的美国消费者打算使用GCRAs进行购物（KPMG，2025）。在印度等新兴市场，采用率同样有限，消费者在寻找产品或服务时仍严重依赖传统搜索工具（Gupta & Mukherjee，2024）。这些挑战提出了一个重要的问题：为什么消费者会回避这些先进且前景广阔的GCRAs？

遗憾的是，我们的文献综述表明，现有研究无法完全回答或解释这一问题。一方面，先前关于GCRAs的研究主要关注积极的使用结果，如信任（Gupta & Mukherjee，2025b）、推荐采纳（Chang & Park，2024；Q.Q. Chen等人，2025；Herjanto等人，2025；Huang等人，2025；Y. Wang等人，2025）以及持续使用（Foroughi等人，2025），而对实践中同样常见的消极行为——尤其是回避行为——关注有限。因此，GCRAs的哪些具体属性会导致回避仍然不明确。另一方面，尽管已有少数研究开始从期望不确认理论和心理抗拒理论等理论视角考察GCRA回避的前因和心理机制（如Mostafa等人2024；X. Song等人2025；Yoon等人2025），但这些研究主要解释的是已被消极解读的技术属性或心理感知如何触发回避，而较少关注这些消极意义是如何在消费者与GCRA的交互过程中形成的。事实上，技术特征本身并不具有固有的正面或负面属性。其含义取决于在特定目标和情境下，该特征是否支持消费者预期的行动可能性。现有研究尚未对此进行理论解释。因此，与其将某项技术特征直接视为威胁、损失或缺陷，错配可供性理论更适合解释这一现象。该理论关注的是消费者想象某项技术应提供的行动可能性与其在实际使用中感知到的行动可能性是否一致，同时承认这种一致或不一致本身并不具有固有的正面或负面意义。此外，由于错配可供性理论主要有助于识别这种错配的性质和来源，它本身无法解释错配如何进一步转化为特定的行为结果，即回避行为。因此，本研究进一步引入可供性实现理论来考察消费者感知的错配可供性如何最终导致对GCRA的回避。据此，我们提出以下研究问题：

RQ1：消费者在使用GCRAs获取推荐时感知到哪些错配可供性？
RQ2：这些感知的错配可供性通过何种实现过程导致消费者回避GCRAs？

本研究采用顺序混合方法研究设计来系统回答上述问题。首先，我们引入错配可供性理论作为理论透镜。这一理论视角能够捕捉消费者期望与其实际体验之间的不匹配，我们的发现表明，这种错配是GCRA回避的关键驱动因素。在此基础上，我们开展了一项基于简单实验和半结构化访谈的定性研究。通过分析，我们识别出GCRAs中的三种错配可供性类型，并借鉴可供性实现理论构建了一个消费者回避的过程模型。最后，我们通过基于调查数据的定量研究对该模型进行检验和验证。

本研究做出了多方面的理论贡献。首先，我们识别出三种驱动消费者回避的GCRA关键错配可供性：有限的选择、迭代式对话和幻觉信息。其次，通过揭示过程机制——"错配可供性→比较性评价→消极体验→回避行为"——本研究解释了为何技术先进的GCRAs反而可能引发消费者回避，为技术反噬现象提供了新的理论视角。最后，通过将错配可供性理论与可供性实现理论相整合，我们提出了一个错配可供性实现模型，这代表了一项重要的理论推进。具体而言，我们发现，与可供性通过用户行动直接实现不同，错配可供性通过一个嵌入在行动过程中的额外步骤——比较性评价——来实现。这一洞见直接丰富了可供性研究领域的文献。

本文其余部分结构如下。第2节综述相关文献。第3节概述我们的理论和实证框架，随后在第4节（第一阶段：定性研究）和第5节（第二阶段：定量研究）中分别详细描述每个研究阶段。在第6节中，我们讨论研究发现，阐述理论和实践贡献，并列明研究局限。最后，第7节对研究进行总结。

2. 文献综述

学者们已在GCRA情境下的消费者行为方面开展了较为丰富的实证研究。表1对这些研究进行了全面概述。在研究情境方面，关于GCRA推荐的研究在旅游领域最为丰富（Baek等人，2025；Herjanto等人，2025；Y. Wang等人，2025），其次是零售领域（Q.Q. Chen等人，2025；Foroughi等人，2025）。在研究主题方面，可将相关研究归为四个流派：（i）关于推荐接受和决策支持的研究，主要借鉴信息加工视角考察消费者对GCRA生成推荐的评价（如Sun等人2026；Xie 2026；Li等人2026）；（ii）关于GCRA功能性采纳与使用的研究，主要将GCRAs视为新兴信息系统，解释消费者为何采纳、转换或持续使用此类技术（如Christensen等人2025；Gupta & Mukherjee 2025a）；（iii）关于消费者与GCRAs之间关系性和体验性交互的研究，强调GCRAs不仅提供推荐结果，还会塑造消费者依恋等关系性感知（如Meng & Xiao 2026；Choi 2026）；以及（iv）关于消极反应和回避行为的研究，表明GCRAs的某些技术特征和交互模式也可能导致隐私担忧、控制感丧失、心理抗拒、不满和回避行为（如Yoon等人2025）。

表1. GCRA情境下消费者行为研究概览

| 研究主题 | 研究情境 | 代表性研究 | 理论视角 | 研究焦点 |
|---|---|---|---|---|
| 推荐接受与决策支持 | 零售、旅游、时尚 | J. Kim等人（2023）；J.H. Kim, Jungkeun等人（2023）；J. Kim等人（2024）；Chang & Park（2024）；Trzebiński等人（2025）；Hlee等人（2025）；Baek等人（2025）；Cho & Taylor（2025）；Q.Q. Chen等人（2025）；Herjanto等人（2025）；Y. Wang等人（2025）；Kim, Kim等人（2025）；J.H. Kim等人（2025）；Huang等人（2025）；Shin等人（2025）；Sun等人（2026）；Xie（2026）；Li等人（2026） | 选择过载理论；信息加工理论；建构决策理论；可供性理论；使用与满足理论；信号理论；顾客灵感理论；期望确认理论；推拉锚定模型；创新扩散理论 | 考虑集；被推荐目的地访问意愿；建议有用性；推荐满意度；语言风格与内容；转换至GCRA |
| 功能性技术采纳与使用 | 零售、旅游 | Ali等人（2023）；Pham等人（2024）；Xu等人（2024）；J.H. Kim等人（2024）；T. Kim等人（2024）；Luo等人（2025）；Foroughi等人（2025）；Li & Lee（2025）；Christensen等人（2025）；Gupta & Mukherjee（2025a） | 刺激-有机体-反应理论；技术接受模型；计划行为理论；技术接受与使用整合理论；可供性-实现理论 | 采纳；持续使用；持续使用 |
| 关系性与体验性交互 | 零售 | Richarde等人（2025）；Gupta & Mukherjee（2025b）；Xu等人（2025）；Meng & Xiao（2026）；Choi（2026） | 助推理论；使用与满足理论；隐私计算理论；消费价值理论；依恋理论 | 消费者赋权；信任；隐私；粘性 |
| 消极反应与回避 | 零售、时尚 | Mostafa等人（2024）；X. Song等人（2025）；Yoon等人（2025） | 期望不确认理论（EDT）；心理抗拒理论；社会交换理论；补偿性控制理论 | 负面口碑；回避 |

然而，大多数现有研究仍主要聚焦于消费者的积极使用行为。尽管消极反应和回避行为已作为一个新兴研究主题出现，但相关研究数量及累积的理论知识仍然相对有限。如表1所示，先前研究主要考察了技术采纳与持续使用（Foroughi等人，2025；Luo等人，2025；Pham等人，2024）、推荐遵从（Chang & Park，2024；Q.Q. Chen等人，2025；Herjanto等人，2025；Huang等人，2025；Y. Wang等人，2025）以及从其他推荐渠道转向GCRAs的转换意愿（Li等人，2026）。尽管这些构念含义不同，但它们都反映了消费者与GCRAs主动且积极的互动模式。相比之下，关于回避、中断使用和抵制等消极使用行为的研究相对较少。因此，本研究聚焦于GCRA回避这一关键的消极行为形式，因为它不仅预示着潜在的客户流失（Salo等人，2020），还代表了GCRA提供商和平台面临的核心战略挑战（Wang等人，2021）。据此，表1中的第四个流派为理解GCRA回避提供了重要起点，但仍有待进一步考察。因此，我们特别聚焦于三项关键研究，分析它们如何解释GCRA回避以及还有哪些理论问题尚未解决。

表2总结了直接考察GCRA回避及相关消极反应的有限研究，重点比较其理论视角。这些研究的一项重要贡献在于挑战了一种隐含假设：看似更加智能和先进的GCRAs并不一定会产生更积极的消费者反应。相反，它们表明，原本设计用于支持消费者的技术特征也可能引发意想不到的消极心理反应。例如，基于补偿性控制理论，X. Song等人（2025）发现，当消费者感知到GCRAs降低了其对决策过程的控制时，更可能回避GCRAs，因为这种感知会激活隐私担忧。同样地，基于心理抗拒理论，Yoon等人（2025）表明，尽管GCRAs提供的个性化推荐旨在提高推荐的匹配度和相关性，但消费者可能将其解读为对选择自由的限制，从而引发负面情绪和回避行为。总体而言，这些研究表明GCRA回避可能并非源于技术能力的客观不足，而是某些技术特征带来的非预期心理后果。然而，这两种解释仍然高度依赖于特定特征和特定反应。也就是说，它们解释的是某项特定属性（如控制感降低或个性化推荐）如何导致回避行为。

表2. 先前GCRA回避研究的理论解释

| 研究 | 理论视角 | 核心机制 | 期望-体验不匹配的处理 | 可供性错配的处理 | 实现过程的处理 |
|---|---|---|---|---|---|
| Mostafa等人（2024） | 期望不确认理论；社会交换理论 | 消极准社会交互不确认和消极拟人化不确认→不满→回避 | 有。不匹配被视为消极的不确认 | 未涉及 | 未涉及 |
| X. Song等人（2025） | 补偿性控制理论 | 消费者控制感→隐私担忧→回避 | 未涉及 | 未涉及 | 未涉及 |
| Yoon等人（2025） | 心理抗拒理论 | 个性化推荐→自由威胁和消极情感→回避 | 未涉及 | 未涉及 | 未涉及 |

在现有研究中，Mostafa等人（2024）的一项重要推进在于将GCRA回避的解释从孤立的技术特征扩展到期望与实际体验之间的不匹配。他们的研究表明，消极准社会交互不确认和消极拟人化不确认增加了用户对GCRAs的不满，进而导致负面口碑和回避行为。

本研究的关键价值在于认识到，消费者先前的期望与实际体验之间的不一致可能会引发规避行为。然而，基于期望不一致理论（EDT）的解释在理解GCRA规避行为方面仍存在一定的局限性。具体而言，尽管EDT区分了正向和负向的不一致，但这种区分本质上将不一致置于"好"与"坏"的评价框架之内。因此，EDT能够很好地解释负向评价的不一致如何导致不满和规避行为。然而，它不太能够捕捉那些最初并未被明确感知为正向或负向的不一致最终如何导致规避行为。事实上，消费者可能首先感知到GCRA实际为他们提供推荐的方式与其想象中的GCRA应提供推荐的方式有所不同。这种不一致并非本质上负向。消费者可能将其解读为一种新的任务支持形式，也可能将其视为一种限制、干扰或额外负担。因此，本研究引入了不一致可供性（misaligned affordance）的视角来界定此类不一致的来源。这将分析焦点从实际体验是否优于或劣于预期，转移到技术制品是否为消费者在推荐任务中所想象与所需要的行动可能性提供了支撑。此外，不一致可供性理论有助于识别不一致发生的位置，但它本身无法解释这种不一致如何进一步转化为规避行为。因此，我们的研究进一步引入了可供性实现理论（affordance actualization theory）。该理论明确区分了可供性本身与其实现过程，并强调只有当行动者采取具体行动以实现特定目标时，可供性才会影响现实。换言之，没有这一实现过程，可供性以及不一致可供性并不会自动产生任何具体或实际的成果（Shin, 2022）。因此，为了深入考察GCRA不一致可供性导致规避行为的机制，需要引入可供性实现理论来弥合感知不一致与行为结果之间的解释缺口。

3. 理论与实证框架

为回答我们的研究问题，我们强调理论与实证工作并重的价值（Timmermans & Tavory, 2012）。现实世界的现象本质上是复杂的，因此，借鉴并遵循适当的既有理论与文献，为我们对现象的初步理解提供了基础性的方向与视角。与此同时，我们的实证工作不仅能够验证既有理论的适用性，还能揭示超出当前范围的令人意外的新洞见（Tong等, 2022）。

3.1 理论框架

3.1.1 可供性理论与可供性实现理论

可供性（affordance）概念源于生态心理学，Gibson（1979）最初将其定义为"对象向某人或某物所提供、给予或赋予的内容"。在信息系统研究中，学者们进一步将其发展与概念化为对象（通常为信息系统制品）相对于目标导向的行动者所提供的、以实现目标为导向的行动可能性（Haag等, 2022；Strong等, 2014）。该定义突出了可供性的三个关键方面。第一，可供性具有关系性（Hutchby, 2001；Stoffregen, 2003）。可供性并不等同于制品的客观特征，而是产生于人类能力与对象之间的关系之中。因此，能力不同的个体可能从同一对象中感知到不同的可供性（Haag等, 2022）。可供性既不完全属于人类，也不完全属于技术，而是产生于技术与人类的互动之中（Majchrzak等, 2013）。第二，可供性具有目标导向性（Nevo等, 2021；Strong等, 2014）。具有不同目标的个体可能将同一特征解释为支持不同的行动，或者反过来，从不同的对象中感知到相似的可供性（Karahanna等, 2018；Treem & Leonardi, 2016）。最后，可供性代表行动的可能性，而非行动本身（Stoffregen, 2003）。

至于可供性作为可能性实际如何对外部现实（即其自身之外的对象或现象）施加影响，可供性实现理论通过明确区分可供性本身与其实现过程来回应这一问题，如图1上方面板所示。具体而言，个体在追求特定目标的过程中，会利用对象的一个或多个可供性开展具体行动。这些行动产生了即时的结果，进而为个体行动及可供性使能要素的改进提供反馈。这种迭代过程最终带来了可供性对现实世界的影响。换言之，没有这一实现过程，可供性将不会产生任何具体或实际的成果（Shin, 2022）。该理论最初是在组织层面情境下开发的，此后已被拓展至微观与宏观层面，用以解释特定信息系统如何影响个体行为（例如学习绩效（Yang & Sun, 2025）、依恋（Li等, 2025）、满意度（Hur等, 2025））、组织运营（例如绩效（Hou, 2025；Novales等, 2025）、目标达成（Haag等, 2022）、数字化转型（Liu等, 2020）），以及更广泛的社会情境（例如社会信任（W. Chen等, 2025）、医疗信息技术的社会效应（Tong等, 2022））。

下载：下载高分辨率图像（233KB）
下载：下载完整尺寸图像
图1. 相关理论与未解释的空白。

3.1.2 不一致可供性理论

尽管可供性概念及其实现理论为理解人与对象之间的互动提供了有价值的视角，但其有效性依赖于一个隐含假设——即个体能够直接感知到可供性——从而忽视了人们往往对可供性抱有一定期望这一事实。在现实中，个体倾向于就对象能够提供何种行动形成预期，这被称为想象可供性（imagined affordance）（Nagy & Neff, 2015）。此类想象可供性受多种因素影响，包括个体过去与该对象或类似对象的交互经验、他们观察到的他人如何与该对象互动，以及更广泛的文化规范（Nagy & Neff, 2015）。

当对象的实际可供性与消费者的想象可供性不一致时，便产生了不一致可供性。Mardon等（2022）首次在数字对象的情境下对这一概念进行了界定。在他们的研究中，消费者最初基于其过去与物理对应物或数字前身的交互经验形成了想象可供性（例如，先前与纸质书的使用经验会影响他们对电子书的期望）。当消费者随后与数字对象互动并发现实际可供性与想象可供性之间存在差异时，便产生了不一致可供性。需要注意的是，与普通可供性类似，不一致可供性在价值上是中立的，即它们既不是本质上的正向，也不是本质上的负向。依据具体的情境、目标以及人机关系，消费者可能将其感知为设计改进与创新的表现，也可能将其视为缺陷与不足。

3.1.3 不一致可供性理论与可供性实现理论的整合

不一致可供性理论能够解释为何消费者所想象的行动可能性与其实际感知的行动可能性之间会出现不匹配，从而识别出不一致的性质与来源。然而，仅凭这一理论无法解释这种不一致如何进一步转化为特定的行为结果，即消费者规避行为。由于不一致可供性在价值上是中立的，消费者可能将其感知为缺陷，也可能将其感知为创新与进步。因此，感知到的不一致并不必然导致负向体验或规避行为。两者之间仍有一个尚待解释的过程。

可供性实现理论为解释这一过程提供了过程性框架。它将可供性视为行动可能性，并将其通过行动、即时结果及最终结果产生实际效应的过程加以区分。因此，它有助于解释消费者规避行为如何通过实际与GCRA的交互而逐步发展形成。然而，传统的可供性实现理论并未明确考虑想象可供性与实际可供性不一致的情境。因此，如图1所示，将两种理论整合起来，既能够解释不一致的来源，也能够解释其如何被实现为GCRA规避行为。

此外，我们假设，与可供性类似，不一致可供性（作为行动可能性）在本研究中也是通过消费者的行动所导致的即时结果来施加其影响的。然而，当我们应用这一推论来解读实证数据时发现，这一理论整合无法充分解释我们的研究结果。因此，本研究的一个关键理论动机就是为不一致可供性确立一个专门的外部影响机制——即一个不一致可供性实现模型。

3.2 实证框架

在实证研究方面，本研究采用顺序混合研究方法（Venkatesh等, 2013）。该方法能够有效发挥定性研究与定量研究各自的长处：定性研究用于识别概念模型，定量方法则用于检验变量关系（Ambika等, 2025），从而实现对研究现象的细致把握。因此，该方法特别适合研究那些尚无法被既有理论完全理解或解释的新兴现象。在我们的研究情境中，作为新技术背景下推荐代理（RA）的延伸形态，GCRA既表现出与现有RA的相似性，使得既有理论与研究结论仍可作为有价值的参考，因而在理论建构中我们并不能完全从零开始；同时，GCRA也展现出既有理论无法充分解释的新情境特征与技术特性，需要我们在借鉴既有理论的基础上探索新的解释路径。基于这些原因，我们的研究问题尤其适合采用顺序混合研究方法。遵循混合方法研究的既定准则（Venkatesh等, 2013），本研究由三个渐进的研究阶段组成：定性研究、定量研究和整合阶段。图2概括了这三个阶段的内容，并展示了各阶段在研究框架中如何在前一阶段的基础上持续推进。

下载：下载高分辨率图像（515KB）
下载：下载完整尺寸图像
图2. 实证框架与各项研究概述。

在第一阶段，我们开展定性研究，旨在识别消费者所感知到的GCRA不一致可供性，并初步构建一个不一致可供性实现模型。我们通过半结构式深度访谈结合一项简单实验，探索消费者所感知到的GCRA不一致可供性及其与规避行为的关联。基于该阶段的发现，我们初步细化了理论模型，确保其既契合研究情境，又强调不一致可供性与一般可供性之间的本质差异。

在第二阶段，我们开展定量研究以实证检验经过细化的理论模型。具体而言，基于文献综述与第一阶段的发现，我们从理论层面提出了模型中变量间关系的研究假设，并开展了一项包含538名参与者的问卷调查。随后，我们运用PLS-SEM分析数据以检验变量间关系，并开展fsQCA分析以识别前因条件之间的构型及组合效应。

在第三阶段，我们在讨论部分整合前两个阶段的发现。这意味着我们形成了对研究结果的综合理论理解，而非仅分别报告两项研究的结论。通过将理论与定性、定量发现相衔接，我们深化了对理论问题的理解，并基于数据产生了具体的元推论（Timmermans & Tavory, 2012；Venkatesh等, 2013），这些构成了本研究最终的研究结论与理论贡献。

4. 第一阶段：定性研究

在研究第一阶段，本研究开展定性研究，以识别消费者所感知到的GCRA不一致可供性，并初步构建其实现模型。我们通过深度访谈识别消费者所感知到的GCRA不一致可供性及其对消费者态度与行为可能的影响，并最终基于这些发现更新不一致可供性实现模型。

4.1 识别GCRA不一致可供性

4.1.1 抽样

在2025年6月至2026年7月期间，我们共访谈了19位参与者。为确保招募到合适的参与者，我们要求其具有使用GCRA的相关经验，并且此前对GCRA推荐服务有过负向感受。他们使用过若干主流GCRA，包括Rufus、千问和京言，这增强了我们研究结果的可推广性与适用性。访谈对象的人口统计特征见表3。

表3. 定性研究参与者的基本情况。

参与者编号 | 性别 | 年龄段
P1 | 女性 | 26–30
P2 | 女性 | 26–30
P3 | 女性 | 20–24
P4 | 男性 | 20–24
P5 | 女性 | 30–35
P6 | 男性 | 50–55
P7 | 男性 | 26–30
P8 | 女性 | 26–30
P9 | 女性 | 50–55
P10 | 男性 | 25–30
P11 | 男性 | 20–24
P12 | 女性 | 20–24
P13 | 男性 | 25–30
P14 | 女性 | 20–24
P15 | 男性 | 26–30
P16 | 女性 | 20–24
P17 | 男性 | 25–30
P18 | 女性 | 25–30
P19 | 男性 | 20–24

4.1.2 数据收集

访谈以面对面或在线会议形式进行。访谈流程分为两步。第一步中，我们要求参与者通过"出声思考法"在模拟真实购物场景的简单实验中边做边说出自己的想法。这样我们能够更准确地捕捉参与者的心理状态与感知。我们请参与者先根据当前需要选择一个购物目标，随后持续与GCRA互动以获得所需推荐。

实验在参与者做出购买决定或因无法做出决定而放弃任务时结束。第二步，我们与参与者回顾了实验过程，并进行了半结构化深度访谈。我们主要询问了以下内容：（1）他们对GCRAs的整体感知和评价，特别是负面情绪和使用意愿；（2）GCRAs中哪些具体功能和方面未能满足他们的期望或想象；以及（3）这些不匹配如何影响了他们的行为。所有个人信息均进行了匿名化处理。每次访谈持续30至40分钟，所有录音均使用iFlyRec软件转录为文本。访谈在达到理论饱和且不再产生新见解时结束。

三名具有信息系统和消费者行为专业背景的编码者进行了协作编码（Cascio等，2019），这种方法可以增强分析过程的严谨性和研究结果的可靠性（Cascio等，2019；Reynolds等，2023）。在编码过程中，三名编码者首先共同阅读访谈记录，识别与研究问题相关的陈述、事件和初始编码，并讨论这些编码的含义和边界。每个编码决定都考虑了参与者的原始陈述及其表达的具体情境，确保编码尽可能贴近数据。当三名编码者对某个陈述、事件或概念类别持有不同解释时，通过协商共识程序解决分歧。具体而言，编码者首先返回原始访谈记录，重新确认参与者陈述的情境和意图含义。然后，他们讨论替代编码解释的合理性，并根据研究问题和编码定义修订相关的概念描述。只有在三名编码者达成一致后，某个编码才会被纳入最终编码结果。概念命名、概念合并、概念拆分和概念重命名均在编码备忘录中记录，为后续的轴向编码和理论维度聚合提供了依据。

在整个分析过程中，我们始终应用扎根理论中的持续比较法（Charmaz，2006）。具体而言，每次访谈完成后，三名编码者首先通过共识程序对访谈记录进行开放式编码，然后再进行下一次访谈。在此过程中，每个新识别的一阶概念都与已编码的一阶概念进行比较。如果其含义与先前编码的概念相似，则归入现有一阶概念；如果其含义差异较大，则创建新的一阶概念。在完成12名参与者的访谈后，我们发现第12次访谈没有产生任何全新的概念（见附录B中的饱和表）。为进一步确认数据饱和，研究者又进行了7次额外访谈，并对每份记录进行开放式编码，但未产生新概念。根据Guest等人（2006）的观点，当后续访谈中不再出现新的编码、主题或见解时，即达到数据饱和。因此，这些结果表明我们的访谈已达到数据饱和，并取得了足够的深度和广度（Bian等，2026）。此时，我们结束了访谈。

4.1.3 数据分析与结果

图3展示了我们遵循的迭代过程，显示了我们的代表性引语、一阶概念、二阶类别和聚合理论维度。

图3. 数据结构图。

初步数据分析从开放式编码开始，这一过程不依赖现有理论，允许46个初始概念直接从数据中涌现。这些概念随后被迭代比较，本质相似的概念被进一步精炼和合并为20个一阶概念，包括多轮对话、编造信息、验证信息准确性和对推荐不满意等。

接下来，在轴向编码阶段，研究者基于一阶概念之间的层级联系，建立了它们之间的潜在逻辑关系。在此阶段，我们遵循了Sarker等人（2013）提出的理论参与原则，强调采纳和整合现有理论以深化对定性数据的理解。与现有理论相符的初始类别被演绎式地形成了二阶类别。具体而言，负面体验的分类理论（Grüner等，2024）作为演绎框架，产生了过程相关负面体验和结果相关负面体验两个类别。其他与现有理论不符的发现则被归纳式地归入新类别，包括选择受限、迭代对话、幻觉信息、机会成本、交易成本和GCRAs回避。图3清楚地展示了轴向编码的这两种不同方法。

我们进一步将这8个二阶类别聚合为更高层次的维度。首先，如图3中的引语所示，选择受限、迭代对话和幻觉信息共同反映了参与者在推荐过程中所感知到的行动可能性方面的不匹配。具体而言，参与者想象中GCRAs应当支持的行动可能性与他们在实际使用中感知到的GCRAs所提供的行动可能性之间存在差异。因此，我们将这三个类别聚合为GCRAs的错配可供性。这些类别可能看起来类似于期望不确认，因为参与者有时使用了与期望相关的表述。然而，这两个概念捕捉的是根本不同的差异形式。期望不确认理论将消费者的先前期望与他们的实际体验进行比较，并以评价性术语对由此产生的差异进行分类：超过期望的体验构成正向不确认，而低于期望的体验构成负向不确认。因此，不确认本身已带有评价性效价——表明实际体验是比预期更好还是更差——通常被视为满意度、不满度、态度和后续使用行为的前因变量（Mustafa等，2020；Venkatesh和Goyal，2010）。相比之下，错配可供性捕捉的是消费者想象GCRAs应提供的行动可能性与他们在实际使用中感知到的行动可能性之间的差异。这种差异本身并非正面或负面；它仅表明想象的与感知到的行动可能性之间存在不一致。这种错配随后被体验为有用的任务支持、限制还是额外负担，取决于消费者如何将其与自身目标和具体使用情境相关联进行评估。这一关键区别使我们的分析区别于期望不确认逻辑。相应地，我们的编码将参与者的期望相关表述视为其想象行动可能性的证据，而非负向不确认的证据。选择受限、迭代对话和幻觉信息被归类为错配可供性，因为它们代表了不同形式的行动可能性不匹配，而它们的负面含义则通过比较评估和负面体验单独捕捉。

具体而言，选择受限指的是GCRAs向消费者呈现的可选产品替代品数量相对较少（Liu等，2023）。参与者普遍认为，他们期望GCRA系统能够提供广阔且开放的选项空间，从而支持充分的比较和理性决策。然而在实际使用中，GCRAs通常仅呈现有限的候选项，而这些候选项的生成依据以及选项集的边界仍然不明确。这种"期望丰富性"与"实际局限性"之间的差距使参与者感到，GCRAs未能充分为他们提供发现、比较和评估替代方案的可能性，从而留下不足的决策信息基础。此外，当用户试图获取更多选项或扩展候选集时，他们往往需要进行一到多轮额外的对话。这一过程进一步引发了下一类错配可供性。

迭代对话指的是消费者与GCRA进行多轮对话，并根据先前轮次的反馈动态调整后续互动的交互模式（Gyeong Kim和Chang Lee，2025；Ou等，2024）。参与者指出，由于对话界面，他们倾向于用完整句子而非基于关键词的查询来表达需求。有趣的是，访谈引语表明迭代对话具有两面性。一方面，多轮反馈可以帮助消费者逐步澄清模糊的需求，了解自己的偏好，并使推荐更接近他们的实际目标。另一方面，当这一反馈过程未能有效收敛时，消费者必须反复重述需求、修订表述并重新校准GCRA的理解。更重要的是，这种交互过程本身具有迭代性，需要多次往返交流，有时甚至需要回到之前的步骤，才能获得满意的推荐。相比之下，参与者普遍期望更直接和高效的交互过程，而非依赖持续优化和重复沟通的过程。这种"期望即时性与简洁性"与"实际重复性与迭代性"之间的张力构成了这一维度的核心不匹配。

幻觉信息指的是看似流畅自然但实际上不准确或虚假、且难以检测的信息（Zhang等，2025）。这一问题源于生成式AI的固有局限，如数据质量、训练偏差和提示不足（H. Kim等，2025）。在推荐场景中，参与者指出，GCRAs生成的产品描述并非直接由品牌或平台提供，而是基于现有数据产生的。因此，信息不匹配可能会发生，例如将一个产品的特征错误地分配给另一个产品。与此同时，作为决策者，参与者期望系统提供准确、可靠和无偏见的信息以支持他们的购买判断。然而在实际使用中，尽管GCRAs生成的信息在形式上流畅、自然且看似可信，但可能虚假、不匹配或无法验证。这种"期望信息可靠性"与"实际信息不确定性"之间的差距使参与者感到，GCRAs未能充分为他们提供基于推荐信息进行理解、评估和判断的可能性。值得注意的是，这类信息在形式上往往显得高度可信，使其错误难以被及时发现。因此，我们将此定义为幻觉信息，而非一般性的虚假信息。

然而，在进一步分析错配可供性的实现过程时，我们发现所观察到的类别关系并不完全遵循传统可供性实现模型中的直接"行动—结果"逻辑。具体而言，尽管参与者在交互过程中仍然执行了一系列具体行动（例如点击、阅读、滚动和回忆），但这些行动并未直接转化为即时结果。相反，参与者通常需要进行一个比较评估步骤，即通过将当前交互与其他可能的推荐工具或交互方式进行比较来评估当前交互，以判断使用GCRA进行推荐是否适当和值得。轴向编码中识别出的机会成本和交易成本正是这一比较评估过程的具体体现。

具体而言，机会成本指的是消费者在选择推荐时所感知到的潜在更优替代方案（Chen等，2019）。在本研究中，它与选择受限密切相关。当推荐选项数量受到限制时，参与者不仅感知到信息不足，还通过比较意识到，替代方案（如其他搜索工具或探索路径）可能提供更多样化或更合适的选项。因此，机会成本并非简单地源于选择较少。相反，它是通过当前选项集与感知到的潜在更优替代方案空间之间的对比而被放大的。

交易成本指的是在获取推荐过程中产生的各种与努力相关的成本，包括搜索、监控和调整所需的时间、精力和努力（Coase，2012；Hsu和Lin，2020）。这些成本有别于产品的货币成本。在实际使用中，参与者经常将通过GCRAs获取推荐的过程与他们感知为更直接或高效的替代方法进行比较。当他们需要反复修改输入语句、验证系统生成的信息，或进行多轮对话才能逐步接近满意结果时，这些额外努力并非被孤立地感知。相反，它们被理解为相对于替代方案的"额外负担"。因此，交易成本并非仅源于交互本身的复杂性。相反，它是通过"使用GCRA"与"使用替代方法获取推荐"之间的比较而变得显著的，从而强化了用户对交互过程中低效和高努力的感知。

接下来，基于上述比较评估过程，消费者形成即时心理结果，这体现在结果相关负面体验和过程相关负面体验中。结果相关负面体验指的是核心服务或功能未能满足消费者预期结果的情况（Smith等，1999），并捕捉了参与者对所收到推荐的主观感受（Grüner等，2024）。

在GCRA推荐建议的语境下，这种负面体验表现为对推荐的具体产品缺乏信任或不满。而流程相关的负面体验，则指参与者对建议是如何获得的这一过程的主观感知（Grüner等，2024），通常由推荐流程中的缺陷或不足所引发（Smith等，1999）。参与者报告，在与GCRA的互动过程中，他们经历了情绪上的不适感，如沮丧感和愉悦感的缺失，同时也承受了认知负担，如疑惑与困惑，我们将这些归类为流程相关的负面体验。作为可供性实现的最终阶段，这些即时的心理结果最终塑造了参与者相应的IT行为结果（Bernhard等，2013），即他们在推荐任务中回避使用GCRA。我们的数据显示，一方面，消费者未来可能会刻意避免使用GCRA；另一方面，他们可能会降低GCRA的使用优先级，将其更多地视为获取建议的次要选项。

**4.2 初步构建GCRA的错配可供性实现模型**

在本节中，我们从定性数据和具体变量中进行抽象，聚焦于理论模型。基于上述定性研究的发现与分析，我们在可供性实现模型的基础上，构建了针对GCRA的错配可供性实现模型。总体而言，我们承认可供性实现模型在其宏观结构方面所具有的价值，但同时进一步主张，错配可供性的具体实现机制表现出重要的差异。图4简明地展示了本文所提出的错配可供性实现模型，并突出了它与传统可供性实现模型之间的区别与联系。

*图4 本研究提出的错配可供性实现模型及其与可供性实现模型的比较。*

在可供性层面，我们的理论模型表明，消费者的感知可供性不仅受到对象实际功能与属性（即实际可供性）的塑造，还受到他们所想象或预期可供性的影响（Nagy & Neff, 2015）。这些想象性可供性未必与实际可供性完全一致（Mardon等，2022）。这种错配既可能涉及那些被预期存在但实际上并不存在的可供性（图4左侧的灰色半圆），也可能涉及那些未被预期但实际上确实存在的可供性（右侧的灰色半圆），二者共同构成了消费者所感知的错配可供性。

此外，在实现层面，错配可供性得以实现的机制与传统可供性实现模型存在显著差异。尽管消费者仍然会执行具体的操作与行为，但这些行为并不像传统模型所假设的那样直接导致即时结果。相反，它们在过程中会触发一个额外的心理机制：比较性评价。借鉴评价理论以及竞争性信息系统（competing IS）研究的洞见，我们进一步阐释了这一机制。根据评价理论，个体的主观评价过程可以分为初级评价与次级评价，二者共同决定其情绪反应（Folkman, 2013；R. Lazarus, 1991；R.S. Lazarus, 1991）。前者涉及对预期结果的评估，后者则涉及对自身对情境控制能力的评估（Beaudry & Pinsonneault, 2005）。在我们的数据中，机会成本反映的是初级评价，而交易成本反映的是次级评价。此外，这种评价具有比较性而非独立性。换言之，消费者并非孤立地评价GCRA，而是通过将GCRA与他们可能采用的其他推荐方式的评价进行比较，从而形成自己的判断。竞争性信息系统研究已经表明，对同一信息技术产物的感知，若采取孤立评价与比较评价两种方式，其结果可能存在显著差异（Ho等，2020；Lin等，2022；Valacich等，2018）。因此，我们的模型提出，在错配可供性的语境下，比较性评价构成了行为与结果之间的关键纽带，使得消费者的即时心理反应——如沮丧、不满或不信任——产生于这一比较过程，而非行为本身。最终，这些即时的心理反应驱动了消费者后续的信息技术行为。

回到GCRA回避的语境，我们的访谈还识别出了错配可供性实现模型在该特定语境中的具体表现方式，共包含四个阶段和总计八个变量（如图3右侧两列所示）。然而，尽管定性研究能够揭示这些阶段及其潜在的相互联系，却无法量化它们之间的相对影响力或路径强度。因此，在我们研究的第二阶段，我们对这些变量进行了操作化定义，以便开展定量分析，采用PLS-SEM检验假设关系，并运用fsQCA考察其构型组合，以理解这些难以直接观察的深层心理感知是如何相互作用并最终催生回避行为的（Maruping等，2025）。这种从定性探索到定量验证的递进式整合，不仅加深了我们对消费者为何在推荐任务中回避使用GCRA的理解，也增强了我们新构建的理论模型的实证稳健性。

**5. 第二阶段：定量研究**

第一阶段定性研究帮助我们识别出错配可供性发生的若干关键阶段，但并未回答这些阶段如何相互作用并共同导致回避行为。基于这些发现，第二阶段依据既有文献和访谈数据，将分散的变量整合为具有逻辑关系的关系网络，并通过问卷调查对其进行了实证检验。本阶段的目标在于验证模型中的假设路径，从定量和实证角度确认初步构建的错配可供性实现模型，从而增强理论模型的解释力与稳健性。

**5.1 假设提出**

**5.1.1 GCRA错配可供性与比较性评价**

在第一阶段，我们识别出三种GCRA错配可供性：有限选择（limited choice）、迭代对话（iterative dialogue）以及幻觉信息（hallucinated information）。接下来，我们讨论消费者如何就这三种错配可供性进行比较性评价。

有限选择指的是GCRA所提供的选择集（choice set）中可选产品的数量有限且不足。选择是从一组备选方案中进行挑选的过程，亦称选择集（Jacob等，2024）。大量消费者研究已记录了"选择过载悖论"。一方面，较大的产品选择集与更高的感知选择自由（Brehm, 1966）、选择多样性（Broniarczyk等，1998）、决策灵活性（Kahn & Lehmann, 1991；McAlister, 1982）以及控制感（Leotti等，2010）相关。然而另一方面，过多的可选方案会增加认知投入与加工难度，从而导致选择过载（Haghpour等，2022），削弱决策信心（Denizci Guillet等，2020）与决策满意度（Haghpour等，2022）。结果，消费者可能推迟甚至放弃决策（Greenleaf & Lehmann, 1995）。

然而，生成式人工智能驱动推荐语境下的相关研究对此提出了挑战。这些研究表明，在这一特定的技术情境中，选项过多所带来的过载效应得到了缓解。例如，J. Kim等（2023）考察了个体对ChatGPT生成的大量推荐所作出的反应。研究发现，当提供的推荐数量较多时，典型的选择过载效应仅在推荐者为人或在线旅行社时才会出现；而当推荐由ChatGPT生成时，消费者对大量选项持积极态度，展现出更高的推荐满意度与购买意愿。另一项在旅游情境下开展的研究同样发现，当ChatGPT提供缩减后的初始旅游推荐集合时，消费者给予的评分更低；相比之下，当呈现完整的推荐集合时，其评分则更高（Shin等，2025）。

基于此，我们可以推断，在GCRA推荐语境中，可选项数量越多通常意味着更好的体验，而有限选择则构成一种缺陷。那么，一个关键问题就是：消费者如何从内部评价这种错配可供性？我们的定性研究识别出感知机会成本是一个关键因素，其定义为消费者在资源约束下选择某一选项时，对因选择而放弃的替代方案的感知（Chen等，2019）。参与者明确表示，当可选方案较少时，他们会觉得自己可能错失了更能满足自身需求的替代选项，从而增加了感知机会成本。既有文献同样将有限选择与机会成本联系起来。例如，在电子商务情境中，基于消费者过往浏览与购买行为所推送的个性化在线广告，会限制消费者接触不熟悉替代产品的能力，从而激活其感知机会成本（Chen等，2019）。类似地，当消费者与聊天机器人互动时，如果聊天机器人所呈现的产品选择数量有限，消费者也会感知到机会成本（Fan等，2022）。此外，有限选择还可能增加消费者的感知交易成本。原因在于，有限选择不仅意味着所提供的推荐结果较少，还要求消费者采取额外行动以弥补当前选择集的不足。这些额外行动构成了消费者的交易成本。我们的定性研究表明，当参与者感知推荐选项有限时，他们会采取进一步行动，例如提出追问或要求重新生成推荐。同样地，当消费者发现电子商务平台的推荐系统未能充分覆盖其关注的品类时，他们可能会手动在搜索中添加更多长尾关键词，以弥补推荐减少所导致的局限（Yuan等，2025）。因此，我们提出假设：

**H1a** GCRA的有限选择正向影响消费者的感知机会成本。
**H1b** GCRA的有限选择正向影响消费者的感知交易成本。

迭代对话指的是一种互动模式，消费者与GCRA进行多轮对话，并基于上一轮的反馈动态调整每一轮新的互动（Ou等，2024）。Gyeong Kim与Chang Lee（2025）以隐喻的方式将这类互动类比为量子力学中的"纠缠"概念，用以说明人类参与者不断提出问题、AI参与者持续作出回应，而这两个过程相互依存的状态。不同于传统RA中消费者主要处于被动浏览的状态，GCRA以动态的、对话式（Q.Q. Chen等，2025）且主动（J. Kim等，2023）的方式与消费者进行交互。在这一过程中，消费者根据GCRA的回应更新（澄清或修改）自身需求，再通过对话将更新后的需求反馈回去，GCRA则据此相应地调整其推荐，从而形成循环往复的过程。

我们的定性研究发现，这种错配可供性会同时激发消费者对机会成本与交易成本的感知。对话式推荐系统区别于传统一次性推荐模型的一个关键特征在于，它通过多轮偏好引出与用户反馈，逐步生成并调整推荐结果（Gao等，2021）。因此，GCRA的推荐并非以固定的、一次性的输出形式呈现给消费者，而是通过消费者与GCRA系统之间的迭代式多轮互动逐步生成。换言之，不同的提示词、表达顺序以及追问方向，都可能导致GCRA生成不同的推荐结果。因此在反复互动的过程中，消费者可能会意识到，当前推荐结果仅仅是某一条特定对话路径的产物。通过改变需求的表达方式、增加其他条件或继续对话更多轮次，他们或许能够获得另一组更适合自身需求的推荐结果。因此我们推断，迭代对话可能使消费者更容易想象出当前对话路径之外的其他推荐可能性，从而增加其感知机会成本。

感知交易成本指消费者对在获取商品或服务过程中常被忽视的各类程序性成本的觉察，包括在搜寻、监控与调整上所耗费的时间与精力（Coase, 2012）。参与者报告，迭代对话引发了多种类型的交易成本，例如在撰写提示时需要组织连贯的语言、选择合适的措辞，以及将需求和操作加以文字化等。这些成本既根植于GAI技术的内在特性，也源于显性的对话式交互形式。一方面，GAI模型基于概率分布生成内容，使得其输出对用户输入高度敏感；即便是词序、语言结构或语境的细微差异，都可能导致输出结果显著不同（Jung等，2025；X. Wang等，2025）。因此，消费者必须持续在多轮互动中调整措辞与结构，以减少歧义并达到期望的结果。另一方面，对话式形式要求消费者主动组织语言，将模糊的想法转化为明确的表述，从而增加了与组织、澄清和表达相关的交易成本。

在传统的推荐助手互动中，消费者通常无需明确表述其潜在需求，这些需求在很大程度上是无意识的；相比之下，在生成式AI聊天机器人推荐助手（GCRA）情境下，他们必须明确地用语言表达这些欲望（Yun & Lim, 2025）。这两方面共同塑造了消费者感知到的交易成本。因此，我们提出以下假设：H2a GCRA的迭代对话正向影响消费者的感知机会成本。H2b GCRA的迭代对话正向影响消费者的感知交易成本。

幻觉信息是指乍一看流畅自然但实际上不忠实或不准确的信息（Zhang et al., 2025）。由于大语言模型通常在庞大且多样化的数据集上进行训练，其生成的内容往往显得合理且可信。与传统错误信息相比，GCRA情境中的幻觉信息不那么明显，其不准确性也不易被发现（Y. Song et al., 2025）。更重要的是，由于训练数据和对齐过程中的错误，幻觉信息在技术上难以完全消除（Sharun et al., 2023）。首先，消费者对GCRA生成推荐的信任与采用在很大程度上取决于推荐信息的准确性、解释质量和可靠性（Q.Q. Chen et al., 2025; Xie, 2026）。因此，幻觉信息削弱了当前推荐的信息基础，导致消费者质疑GCRA生成的产品属性、比较理由或推荐解释是否可靠。它还可能让消费者更加意识到，在当前推荐之外可能存在更准确、更完整或更合适的替代方案。我们的定性研究同样表明，在意识到GCRA可能提供"看似正确但实际不准确"的内容后，参与者会转向平台产品页面、搜索列表、用户评论或其他推荐工具，以确定是否有更可靠的产品选择。因此，我们推断幻觉信息使得当前推荐之外的潜在更优信息来源和替代方案更加显著，从而增加了消费者的感知机会成本。

其次，虽然幻觉信息的存在会限制消费者对推荐的接受度和满意度（J.H. Kim et al., 2025; J. Kim et al., 2023），但消费者往往会主动采取行动来减轻这些负面影响，例如核实信息（Lee et al., 2025）。他们可能会直接向GCRA询问信息的真实性，或者使用搜索引擎等其他信息渠道进行交叉验证（Ou et al., 2024）。在我们的定性研究中，参与者也表示会针对幻觉信息进行此类验证任务。换言之，幻觉信息也会产生交易成本。因此，我们提出：H3a GCRA的幻觉信息正向影响消费者的感知机会成本。H3b GCRA的幻觉信息正向影响消费者的感知交易成本。

5.1.2. 针对即时结果的比较评估

由于我们的研究关注GCRA回避，并且基于第一阶段定性研究的发现，我们接下来讨论感知机会成本和感知交易成本（比较评估）与消费者负面体验（即时结果）之间的关系。借鉴现有文献和我们的定性研究结果，我们区分了结果相关负面体验和过程相关负面体验（Grüner et al., 2024）。前者指核心服务或功能未能满足消费者预期结果的失败；后者指消费者对推荐获取方式的感知（Grüner et al., 2024, Smith et al., 1999）。

当消费者感知到较高的机会成本时，他们更加意识到其他潜在更优推荐的存在。访谈揭示，这种机会成本感知导致结果相关负面体验，主要表现为错失感和后悔感。先前的研究也表明，消费者越考虑机会成本，就越有可能认识到被放弃的替代方案的效用（Spiller, 2011），从而导致更大的决策后后悔和对当前选择的不满（Carmon et al., 2003, Haghpour et al., 2022）。在我们的研究中，当消费者向GCRA寻求推荐时，他们不仅会收到一两个建议选项，还会在多轮互动中不断遇到其他潜在选项或偏好调整的可能性。这使得消费者更容易思考如果他们选择了其他选项会怎样。即使他们最终接受了GCRA提供的推荐，他们仍可能感到自己错失了一个更好的选择，从而产生后悔和不满，形成结果相关的负面体验。因此，我们假设：H4 消费者的感知机会成本正向影响其结果相关负面体验。

较高的交易成本反映了消费者在与GCRA互动获取推荐时投入了更多时间、认知努力和操作努力。参与者报告这些努力会产生两类负面体验：认知负担增加（如精神疲劳、效率降低）和情感挫败（如缺乏乐趣、购物愉悦感丧失）。类似地，Yun和Lim（2025）发现GCRA用户感知到明确需求和扩展推荐的过程是繁琐的。Gursoy等（2019）也在服务交付情境中观察到，当AI设备因复杂设计而需要额外认知努力时，消费者会体验负面情绪。因此，我们提出以下假设：H5 消费者的感知交易成本正向影响其过程相关负面体验。

5.1.3. 针对技术结果的即时结果

GCRA回避是指消费者刻意回避与GCRA的互动（Lee et al., 2009, Mostafa et al., 2024）。重要的是，消费者回避的是与系统的互动，而非表达仇恨或厌恶（Hegner et al., 2017, Zarantonello et al., 2016）。先前的研究表明，负面体验对回避行为的影响往往强于正面体验（Hegner et al., 2017）。对AI虚拟代理的不满可以触发回避行为（Mostafa et al., 2024），在时尚购物中与AI助手互动时体验到的挫折或烦恼等负面情绪也可能导致回避（Yoon et al., 2025）。

在本研究情境中，我们提出如果消费者在与GCRA互动过程中感受到结果相关负面体验，他们将质疑GCRA的效用，并倾向于在未来决策中减少甚至避免使用GCRA。同样，如果消费者遇到过程相关负面体验，他们可能即使推荐结果令人满意，也会选择回避与GCRA的互动，因为消费者会主动避开需要过多努力或引起不适的互动。因此，我们假设：H6 消费者的结果相关负面体验正向影响GCRA回避。H7 消费者的过程相关负面体验正向影响GCRA回避。

图5呈现了定量研究的理论模型和假设关系。

下载：下载高分辨率图片（153KB）下载：下载全尺寸图片

图5. 定量研究的理论模型。

5.2. 测量与数据收集

我们采用问卷调查方法，这对我们的研究有以下几方面适合性：首先，尝试使用GCRA的消费者数量正在稳步增长，提供了大量合适的参与者来源。其次，我们研究模型中的变量涉及用户的感知及其下游感受，这些非常适合通过标准化量表来测量。问卷设计基于先前研究中已验证的、具有高度信度和效度的量表，如附录C所示。采用七点李克特量表（1 = "完全不同意"至7 = "完全同意"）。

为确保参与者具备与GCRA互动的前期经验，我们在问卷调查前融入了一个真实互动任务。具体而言，我们最初隐去研究目的，要求参与者报告一个最近的推荐需求（如一本书、一项服务、一份礼物），以尽可能模拟其真实的信息寻求历程。随后，参与者被指示使用该需求与GCRA反复互动，直到获得满意的推荐或在无法获取可接受的推荐时放弃。参与者被要求上传其截图以识别任何不合规的互动。完成此任务后，我们简要透露研究目的，并使用量表测量GCRA不对齐可供性、感知机会成本和交易成本、负面体验以及回避行为。在下一部分中，我们收集了人口统计数据，包括年龄、性别、教育程度和可支配收入。我们还包含了一道注意力检查题，以帮助自动过滤无效回答。

我们进行了一次小规模预测试，参与者为一名教授和两名博士生，以确保问卷的逻辑性、准确性和清晰度。随后，我们从一个类Prolific平台（https://www.credamo.com）收集了617份有效回答，该平台是一个能够进行大规模数据收集的专业调查平台。我们采用以下程序筛选回答：（1）排除参与者在几乎所有题目上给出几乎相同答案的问卷，表明他们可能未认真作答；（2）删除注意力检查题答案错误的问卷；（3）审查参与者上传的互动截图，排除选择错误互动对象（如客服机器人）或未执行推荐寻求任务的参与者。经过这些步骤后，剩余538份有效回答。参与者的人口统计特征见表4。

表4. 定量研究的人口统计信息。

| 测量指标 | 水平 | 频数 | 百分比（%） |
|---------|------|------|------------|
| 性别 | 女 | 312 | 57.99 |
| | 男 | 226 | 42.01 |
| 年龄 | 18–24 | 198 | 36.80 |
| | 26–30 | 126 | 23.42 |
| | 31–45 | 177 | 32.90 |
| | 45岁以上 | 37 | 6.88 |
| 教育程度 | 高中及以下 | 76 | 14.13 |
| | 本科学位 | 377 | 70.07 |
| | 硕士学位及以上 | 85 | 15.80 |
| 可支配收入（每月，人民币） | 3000以下 | 70 | 13.01 |
| | 3001–5000 | 101 | 18.77 |
| | 5001–10,000 | 236 | 43.87 |
| | 10,001–30,000 | 124 | 23.05 |
| | 30,000以上 | 7 | 1.30 |

5.3. PLS-SEM分析与结果

5.3.1. 测量模型

我们首先采用偏最小二乘结构方程建模（PLS-SEM）来分析并验证所提出的理论模型。PLS-SEM适用于探索性研究和相对较小的样本量，因为它不要求数据服从正态分布（Chin et al., 2003）。按照推荐的两步法（Anderson & Gerbing, 1988），我们使用SmartPLS 4.0首先检验测量模型的信度和效度，然后评估结构模型以验证我们的假设。

为确保数据质量，我们首先评估测量模型以评价信度、聚合效度和区分效度。信度采用平均方差抽取值（AVE）、组合信度（CR）和Cronbach's α系数进行检验，推荐阈值分别为0.5、0.7和0.7（Fornell & Larcker, 1981）。如表5所示，所有构念的AVE值范围为0.749至0.877，CR值范围为0.922至0.957，最低的Cronbach's α值为0.887。因此，每个构念的三项指标均超过推荐阈值，表明所有构念均具有良好的信度。

表5. 各构念的信度、效度与相关性。

| | LC | ID | HI | POC | PTC | PNE | ONE | AVD |
|---|---|---|---|---|---|---|---|---|
| LC | 0.922 | 0.556 | 0.637 | 0.448 | 0.525 | 0.561 | 0.634 | 0.543 |
| | 0.865 | 0.547 | 0.494 | 0.492 | 0.532 | 0.605 | 0.523 |
| | | 0.749 | 0.494 | 0.539 | 0.604 | 0.561 | 0.534 |
| | | | 0.815 | 0.448 | 0.525 | 0.604 | 0.634 |
| | | | | 0.846 | 0.779 | 0.837 | 0.868 |
| | | | | | 0.779 | 0.837 | 0.868 |
| | | | | | | 0.837 | 0.868 |
| | | | | | | | 0.877 |

注：LC = 有限选择，ID = 迭代对话，HI = 幻觉信息，POC = 感知机会成本，PTC = 感知交易成本，PNE = 过程相关负面体验，ONE = 结果相关负面体验，AVD = GCRA回避。AVE = 平均方差抽取值，CR = 组合信度。加粗对角线 = 平方根值；下半部分 = 标准化构念相关性；上半部分 = 异质-同质比率（HTMT）。

注：上表格式因原始数据的表格呈现方式有所调整。以下为表5完整数据的简化呈现：

注：LC = 有限选择，ID = 迭代对话，HI = 幻觉信息，POC = 感知机会成本，PTC = 感知交易成本，PNE = 过程相关负面体验，ONE = 结果相关负面体验，AVD = GCRA回避。AVE = 平均方差抽取值，CR = 组合信度。加粗对角线 = 平方根值；下半部分 = 标准化构念相关性；上半部分 = 异质-同质比率（HTMT）。

接着，我们评估了区分效度和聚合效度，如表5和表6所示。首先，区分效度采用Fornell和Larcker（1981）准则以及相关性异质-同质比率（HTMT；Henseler et al. 2015）进行评估。如表5所示，每个构念的AVE平方根均超过其与其他构念的相关性，满足Fornell和Larcker准则。此外，所有HTMT值均低于推荐阈值0.90，进一步确认了区分效度。因此，本研究中的所有构念均表现出良好的区分效度。其次，采用题项载荷和交叉载荷评估聚合效度。如表6所示，每个题项在其目标构念上的载荷均超过0.70，且高于其与其他构念的交叉载荷，表明具有充分的聚合效度。

表6. 题项载荷与交叉载荷。

注：加粗数字为各题项在其预期构念上的载荷，其他数字为交叉载荷。

5.3.2. 共同方法偏差

我们采用预防前和预防后两种方法来防止潜在的共同方法偏差。对于预防前措施，所有问卷题项均改编自先前研究中使用成熟量表，措辞清晰简明，以最大限度地减少测量误差和受访者偏差（Podsakoff et al., 2003）。对于预防后措施，我们进行了验证性因素分析以评估是否存在共同方法偏差（Collier, 2020）。具体而言，我们在基准模型中添加了一个共同潜变量，并比较了两个模型之间的拟合指数。结果表明，基准模型（χ2/df = 2.111，CFI = 0.976，TLI = 0.971，RMSEA = 0.045）与加入共同潜变量的模型（χ2/df = 2.054，CFI = 0.977，TLI = 0.973，RMSEA = 0.044）之间没有显著差异。因此，本研究中未观察到显著的共同方法偏差。

5.3.3. 结构模型

图6展示了结构模型的结果。感知机会成本、感知交易成本、结果相关负面体验、过程相关负面体验和GCRA回避对应的R方值分别为0.629、0.477、0.458、0.400和0.749，表明结构模型具有良好的拟合度（Wetzels et al., 2009）。

下载：下载高分分辨率图片（176KB）下载：下载全尺寸图片

图6.

# 结构模型结果

如图6所示，除H2a外，所有假设均得到支持。有限选择对感知机会成本（β = 0.473，t = 10.118，p < 0.001）和感知交易成本（β = 0.197，t = 4.352，p < 0.001）有显著影响，支持了H1a和H1b。迭代对话对感知交易成本有显著影响（β = 0.179，t = 4.911，p < 0.001），但对感知机会成本的影响不显著（β = 0.011，t = 0.327，p = 0.743 > 0.05）。即H2b得到支持，但H2a未得到支持。幻觉信息对感知机会成本（β = 0.396，t = 8.535，p < 0.001）和感知交易成本（β = 0.431，t = 9.033，p < 0.001）均有显著影响，支持了H3a和H3b。感知机会成本显著影响结果相关的负面体验（β = 0.676，t = 25.645，p < 0.001），支持了H4。感知交易成本显著影响过程相关的负面体验（β = 0.632，t = 21.328，p < 0.001），支持了H5。结果相关的负面体验（β = 0.489，t = 8.705，p < 0.001）和过程相关的负面体验（β = 0.420，t = 7.655，p < 0.001）对GCRAs回避的影响均显著，支持了H6和H7。

## 5.4 fsQCA分析与结果

为了进一步了解GCRAs回避的形成机制，本研究在PLS-SEM分析之外引入了模糊集定性比较分析（fsQCA）。PLS-SEM的结果揭示了一条线性传递路径，即失调的可供性影响感知机会成本和感知交易成本，进而影响负面体验，最终导致回避行为。这种净效应方法假设因果关系是对称且可加的，并识别变量之间的独立效应（Lalicic & Weismayer, 2021）。然而，GCRAs回避的形成可能涉及更复杂的因果模式，即多个条件共同产生相同的结果。例如，不同的失调可供性可能以不同方式与感知机会成本或交易成本结合，从而触发回避。此外，各因素之间可能存在替代和互补关系，使得多条路径都能导致相同的回避结果。fsQCA尤其适合解决这种等效性问题，因为它能识别导致相同结果的多个充分构型并捕捉条件之间的相互依赖性（Fiss, 2011; Ragin, 2009）。在信息系统和营销文献中，许多基于结构方程模型的研究已整合了fsQCA（如Nguyen等，2025；Wang & Zhang, 2026；Wu等，2025；Zhang等，2024），利用两种方法对比结果并洞察复杂的因果构型。因此，我们进一步应用fsQCA来验证和扩展PLS-SEM的发现，以捕捉GCRAs回避形成过程中非对称、等效、多维和联言的因果关系（Wang & Zhang, 2026）。

### 5.4.1 变量选择与校准

在本研究中，理论模型中的所有关键构念——包括在PLS-SEM框架内依次相关的中介变量——均被共同纳入fsQCA分析作为条件。这一设定与信息系统和营销文献中的先前研究一致（如Nguyen等，2025；Wu等，2025；Zhang等，2024），这些研究同时纳入外生变量和中介变量以更好地捕捉因果复杂性。在这一分析框架内，这些构念不被视为可独立操控的前因，而是被视为GCRAs回避形成过程中的条件。具体而言，基于我们的理论模型，fsQCA中选取GCRAs回避作为结果，同时纳入七个前因条件：有限选择、迭代对话、幻觉信息、感知机会成本、感知交易成本、过程相关的负面体验和结果相关的负面体验。我们首先进行了校准。遵循Ragin和Pennings（2005）的建议，使用四分位数法按照5%（完全排除）、95%（完全包含）和50%（交叉点）的标准进行校准。此外，我们为所有模糊集隶属度评分0.5添加了常数0.001，以确保没有案例从分析中被排除（Jin等，2022）。接下来，我们进行了必要性分析，以检验是否有任何条件是该结果的必要条件（即高回避）。必要性分析的结果报告在附录D中。没有任何前因条件的一致性值超过0.90，这表明消费者的GCRAs回避很可能由前因条件的构型所驱动，并凸显了进行fsQCA分析的需要。

### 5.4.2 fsQCA结果

我们使用fsQCA 3.0软件进行了分析。首先，构建了一个包含2k行的真值表，其中k代表前因的数量，每一行对应条件的一个可能构型。原始一致性阈值设定为0.90。尽管0.75通常被认为是最低可接受阈值，但采用更高的阈值可以提高充分构型的可靠性（Mattke等，2022；Ragin, 2008）。鉴于样本量较大（N = 538），频率阈值设定为5个案例。在此设定下，约77%的观测值被保留在分析中，满足选择适当频率截止值时70%–80%的推荐保留标准（Mattke等，2022）。

表7展示了导致高GCRAs回避的充分构型。结果显示，整体解的一致性为0.886，覆盖度为0.749，表明这些构型对高水平GCRAs回避具有良好的解释力。共出现5个构型，包含9个子模式。

**表7. 导致高回避的构型**

*注：●表示条件存在，?表示条件不存在。大圆代表核心要素，小圆代表外围要素；"空白"表示条件的存在与否不影响结果。*

第一个构型S1包含两个子模式S1a和S1b，两者均代表了三个层次的完整组合："失调可供性—比较评价—负面体验"。在S1a中，有限选择、感知机会成本、感知交易成本、过程相关的负面体验和结果相关的负面体验是核心条件。在S1b中，幻觉信息、感知机会成本、感知交易成本、过程相关的负面体验和结果相关的负面体验是核心条件。第二个构型S2反映了"双重负面体验主导"模式，其中过程相关的负面体验和结果相关的负面体验是唯二的核心条件。第三个构型S3突出了一条独特路径，通过幻觉信息导致高回避。其核心条件为幻觉信息、感知交易成本和有限选择的缺失。第四个构型S4包含三个子构型S4a、S4b和S4c，均反映了"过程相关负面体验"模式。第五个构型S5包含两个子构型S5a和S5b，代表了"多重失调累积"模式。两个子构型均包含三种失调可供性——有限选择、迭代对话和幻觉信息——以及感知机会成本和结果相关的负面体验。区别在于S5a额外包含感知交易成本，而S5b额外包含过程相关的负面体验。

### 5.4.3 fsQCA分析的额外洞察

fsQCA分析从构型视角补充和扩展了上述PLS-SEM的发现。首先，fsQCA结果表明，失调的可供性（LC、ID和HI）单独不足以产生GCRAs回避。它们只有在嵌入包含成本评价和/或负面体验的更广泛构型中时才影响回避。例如，S5a和S5b表明，三种GCRAs失调可供性同时存在只有在与感知机会成本和负面体验结合时才导致高回避。同样，S1和S4构型的多个子模式表明，一种或两种GCRAs失调可供性的存在只有在伴随比较评价或负面体验时才导致高回避。这些发现表明三种失调可供性不是回避的独立驱动因素，进一步证明了所提出回避机制中比较评价阶段的作用，并支持了本研究采用的过程视角。

其次，fsQCA结果表明，两种负面体验共同构成了高GCRAs回避的近端触发机制，与PLS-SEM结果高度一致。构型S2表明，过程相关的负面体验和结果相关的负面体验同时存在本身就足以产生高回避。这表明当消费者同时经历不利的交互过程和令人不满意的推荐结果时，即使没有特定失调可供性作为核心条件存在，他们也可能回避GCRAs。这一逻辑在S1a、S1b和S5b中得到进一步体现。在这些构型中，过程相关的负面体验和结果相关的负面体验同时作为核心条件出现，并与不同的失调可供性和比较评价条件相结合。

同时，fsQCA结果揭示了当两类负面体验单独作用时导致回避的不同构型路径。S4的三个子模式识别了过程相关的负面体验导致回避的构型，突出了有限选择和迭代对话的作用。具体而言，即使消费者没有产生强烈的结果相关的负面体验，交互过程本身也可能产生负面体验并触发回避——如果消费者必须反复进行对话以弥补有限选择、不断澄清需求或请求额外的推荐选项。这样的过程既耗费成本又效率低下。相比之下，S5a揭示了结果相关的负面体验独立作用的构型路径。该构型表明，当三种失调可供性——有限选择、迭代对话和幻觉信息——同时发生并伴随感知机会成本和感知交易成本时，即使过程相关的负面体验不是核心条件，结果相关的负面体验也足以触发高回避。这表明当消费者已经产生了与搜索、对话、验证和比较相关的成本，但最终推荐仍未提供相应的价值或决策支持时，他们可能认为使用GCRAs不值得，从而产生回避行为。

## 6. 讨论

### 6.1 结果讨论

在本节中，我们通过交叉比较定性和定量结果并整合先前相关研究的洞见来讨论本研究的发现（如附录E所示）。

首先，我们识别出三种失调可供性（有限选择、迭代对话和幻觉信息）正向预测GCRAs回避，并揭示了其潜在机制。具体而言，有限选择不仅增加了消费者的感知机会成本，还增加了他们的感知交易成本。一方面，当GCRAs仅提供少量推荐选项时，消费者更可能想象未呈现的替代方案，并担心可能错过更符合需求的选项。另一方面，为了扩大当前选择集，消费者通常需要继续输入提示并反复请求GCRAs提供额外推荐，从而投入更多时间和搜索努力。这一发现与J. Kim等（2023）和Shin等（2025）关于GAI推荐场景中丰富选项价值的结论相呼应。它进一步表明有限选择不仅使消费者关注可能放弃的替代方案，还迫使他们付出额外努力以弥补不充分的选择集。对于迭代对话，它显著增加了消费者的感知交易成本，但未显著增加他们的感知机会成本。这一结果表明，与迭代对话相关的主要问题不在于它使消费者担心错过其他推荐选项，而在于它增加了获取推荐所需的过程性努力。对于幻觉信息，我们发现它同时增加了消费者的感知交易成本和感知机会成本。一方面，当消费者意识到当前推荐背后的信息可能不可靠时，他们会更加关注GCRAs之外是否存在更准确的产品信息和更好的推荐选项，从而增加感知机会成本。另一方面，由于幻觉信息通常以流畅且可信的形式呈现，消费者必须使用反复提问、交叉搜索和查阅其他信息源来评估和验证其准确性，从而增加了额外的时间和认知努力。这一发现与Ou等（2024）的研究一致，其受访者同样报告了交叉核查和反复询问等额外工作。

其次，消费者的感知机会成本和感知交易成本分别是触发GCRAs回避的核心条件，但回避仅在这些成本引发负面体验时才发生。在定性研究中，我们发现与GCRAs交互期间，消费者不仅直接评价机会成本和交易成本，还在更深层次的体验层面表现出差异化反应。以交易成本为例，一些消费者将GCRAs交互产生的交易成本视为帮助他们逐步明确原本隐含或模糊偏好的辅助。

她们将额外的对话和验证过程视为一种积极参与和赋权的形式。然而，其他消费者则认为这些过程是一种负担，感到被拖慢节奏或被打断。定量研究结果进一步表明，只有当消费者经历后一种类型的消极反应时，回避行为才会被触发。正如fsQCA构型S1a和S1b所明确揭示的那样，仅有机会成本和交易成本的组合还不足以解释回避行为。这些成本必须与消极体验相结合，才能形成导致回避的构型。这一发现拓展了Yun和Lim（2025）的研究。他们对音乐推荐的研究表明，参与者通常对其想听的音乐类型有着隐性的偏好，但发现很难清晰地表达这些偏好，并认为澄清需求所需的多轮对话是繁琐的。

最后，结果相关的消极体验和过程相关的消极体验均显著增加了消费者对GCRAs的回避，但它们反映了不同的回避形成逻辑。在第一阶段定性研究中，参与者报告说，回避可能源于对推荐结果本身的不满和不信任，也可能源于在推荐过程中经历到的挫败感、疲劳感、困惑感和感知到的低效率。这表明，消费者回避GCRAs不仅可能是因为"GCRAs无法提供值得接受的推荐结果"，还可能是因为"通过GCRAs获取推荐的过程难以忍受"。PLS-SEM结果进一步支持了这两条路径。结果相关的消极体验（β = 0.489, t = 8.705, p < 0.001）和过程相关的消极体验（β = 0.420, t = 7.655, p < 0.001）均显著增加回避行为。这表明，推荐结果的失败和推荐过程中的消极体验都是GCRA回避的重要近端触发因素。这一发现与先前关于积极GCRA使用行为的研究相一致，相关研究普遍表明，消费者对推荐结果的评估以及他们对交互过程的体验都会影响其后续对GCRAs的回应（J.H. Kim等，2024；Schwede等，2025）。本研究将这一体验的双维逻辑拓展到消极行为的情境中，表明结果层面和过程层面的消极体验均可各自促成消费者回避的形成。fsQCA结果进一步揭示，两种类型的消极体验之间存在既互补又替代的构型关系。在S1a、S1b和S2等构型中，结果相关的消极体验和过程相关的消极体验共同作为核心条件出现。这表明，当消费者既拒绝推荐结果又对交互过程不满时，两种消极体验共同形成了通向高回避的稳定路径。同时，S4a、S4b和S4c表明，即使结果相关的消极体验并不突出，过程相关的消极体验仍然可以与迭代式对话、幻觉信息或其他条件相结合，产生高回避。这表明过程相关的消极体验并非仅仅从属于结果相关体验，而是在特定构型中可以独立发挥关键作用。因此，不应将两种类型的消极体验理解为相互竞争的影响因素。相反，它们代表了GCRA实现结果的两个不同评价维度：一个关乎"消费者获得了什么"，另一个关乎"他们如何获得"。它们可以各自独立地驱动回避，也可以相互强化，共同构成了消费者回避GCRAs的底层体验性近端机制。

6.2. 理论启示

本研究对GCRA情境研究和理论推进均有贡献。首先，通过关注消费者回避行为，本研究直接推进了对AI驱动推荐代理情境下消极消费者行为的理解，对推荐文献和人-AI交互文献均作出了贡献。先前的研究主要集中在积极的消费者行为上，如信任（Gupta & Mukherjee, 2025b）、推荐采纳（Chang & Park, 2024; Q.Q. Chen等, 2025; Herjanto等, 2025; Huang等, 2025; Y. Wang等, 2025）和持续使用（Foroughi等, 2025）。通过整合定性和定量方法，本研究为真实情境中的GCRA回避提供了更全面、细致的图景，从而填补了文献中的重要空白。

其次，本研究通过识别GCRA回避的前因并揭示回避形成的过程机制，对GCRA回避研究作出了贡献。通过定性方法，我们识别了GCRAs的三种关键错配可供性——有限的选择、迭代式对话和幻觉信息。这些发现揭示了GCRAs的独特特征，并有助于对消费者回避行为进行更具情境敏感性的建模。同时，现有的GCRA回避研究不仅数量有限，而且大多考察孤立的技术特征或个体层面因素的独立效应。在此过程中，先前的研究忽视了动态的回避形成过程。本研究通过揭示"错配可供性→感知机会成本与交易成本→消极体验→回避"的过程机制，以及这些要素之间的交互和构型关系，深化并拓展了这一领域的文献。

最后，通过开发错配可供性实现模型，本研究在可供性实现、错配可供性和竞争性信息系统领域推进了理论理解。图7展示了该模型。在此模型中，我们提出，与一般可供性直接通过消费者的行动产生即时结果不同，错配可供性是通过行动过程中进行的比较评价来实现的。我们融入了评价理论和竞争性信息系统研究的见解来解释这种比较评价机制，并使用混合方法对其进行了实证验证。先前的许多可供性文献从独立视角考察可供性（如Meske等, 2023; Sun等, 2021; Xu等, 2022）。相比之下，本研究展示了某个对象的可供性是如何受到个体对该对象的想象可供性塑造的。关于错配和想象可供性的有限文献（Cohen, 2025, Ko?er和?zkan, 2024, Mardon等, 2022, Nagy和Neff, 2015），尽管这些研究从比较视角考察可供性，但它们大多仍停留在概念性和定性的层面。本研究通过采用混合方法在实现机制层面推进对错配可供性的研究，从而为错配可供性文献作出了实质性贡献。此外，Mardon等（2022）强烈呼吁超越可供性的宽泛概念边界，探索更全面和动态的可供性。通过阐述可供性在GCRA情境中的具体表现，我们的研究回应了这一呼吁。

下载：下载高分辨率图片（177KB）下载：下载完整尺寸图片

图7. 本研究在GCRA回避情境下提出的错配可供性实现模型。

6.3. 实践启示

我们的发现可以指导新兴GCRA的实践者，包括开发者、设计者和运营者。总体而言，所有实践者都应避免陷入围绕生成式AI的热捧和炒作中，因为我们的结果表明，并非所有这些"进步"都有意义。图8提出了一个决策树模型，可以帮助这些实践者逐步思考如何改进各自的实践。

下载：下载高分辨率图片（395KB）下载：下载完整尺寸图片

图8. 面向实践者的决策树。

首先，实践者应仔细考虑三个关键问题。第一，是否有必要部署GCRA。第二，如果计划部署，应如何精心设计GCRAs的每个功能。第三，他们应评估哪些功能组合可能产生最佳的消费者体验和推荐采纳。此外，我们建议实践者在回答这些问题时，考虑到其公司或平台的目标消费者画像、商业模式和主要产品类型。

此外，在针对每个功能的调整方面，我们提出了相应的关键痛点和指导建议。在选择维度上，我们的研究结果表明有限选择的负面影响。它不仅加剧了消费者对其他潜在选项可能错过的担忧，还迫使他们通过反复追问来扩展选择集，从而增加了其额外努力。事实上，传统RAs（推荐代理）如搜索列表长期以来已解决了传统选择集的局限性，但有限选择的问题在当前GCRAs中再次出现。因此，我们建议实践者使GCRA的选择更加开放，参考搜索列表等传统RAs，通过基于内容的过滤、协同过滤或混合推荐方法（Ko等, 2022）增加推荐选项的数量。实践者还可以提供简单的、可点击的提示模板，以减少消费者在此过程中所需的额外语言组织努力。在交互维度上，我们的研究表明，消费者并不介意在复杂的多步骤交互中投入努力，他们只是不喜欢付出努力却无法达到预期结果。据此，我们建议实践者优化推荐结果，提供情感线索如语言鼓励（例如，"感谢您提供的详细信息，我现在对您的需求有了更清晰的了解"），或展示思维链来引导消费者的认知过程（Chen & Zhao, 2025）。在信息维度上，幻觉信息不仅损害了推荐结果的可信度，还增加了消费者必须投入的时间和信息验证努力。由于幻觉信息的质量问题无法在技术层面完全解决（Sharun等, 2023），我们建议实践者采取其他措施来缓解其负面影响。在技术方面，改进训练数据并防止无关信息污染可以确保生成式AI算法输出的质量。在设计方面，可以纳入幻觉警告或验证提示等功能（Konstantinou & Karapanos, 2025），以减轻幻觉信息造成的危害。

6.4. 局限性与未来研究

我们的研究仍存在一定的局限性，值得相关领域的学者进一步探索。一方面，我们并未刻意区分不同类型的GCRA，因为我们的研究侧重于识别底层的共同特征。当消费者与不同类型的GCRA交互时，其行为逻辑可能会有所不同。例如，品牌部署的（相对于平台部署的）GCRA的产品排他性可能会影响消费者对选择维度的感知。同样，对于不同模态的GCRA，如语音型（例如，Amazon Alexa）和文本型（例如，Amazon Rufus、淘宝问问），其影响机制也可能存在差异，因为信息输入渠道和认知加工模式不同（Chen, Lin等, 2025）。

另一方面，关于我们识别的错配可供性，仍有余地去探索消费者是否采用其他主动策略进行干预或调整。作为一项探索性研究，我们的研究主要关注GCRA错配可供性的形成及其直接效应，这为后续研究奠定了基础。先前的研究表明，消费者可能会采用对齐策略，如调整其对可供性的预期以减少错配（Mardon等, 2022）。因此，了解消费者是否会采用、何时采用以及采用何种类型的GCRA对齐策略来缓解回避，是一个重要的未来研究方向。

7. 结论

本研究采用序贯混合方法开发错配可供性实现模型，并基于该模型考察消费者GCRA回避的前因和机制。在理论模型层面，错配可供性实现模型整合了可供性实现理论、评价理论和竞争性信息系统文献的见解，突出了比较评价在实现过程中的作用，并确认了错配可供性作为潜在形式如何影响客观世界。关于GCRA回避行为，我们首先识别了三种错配可供性：有限的选择、迭代式对话和幻觉信息。有限的选择和幻觉信息均增加了消费者感知的机会成本和交易成本，而迭代式对话主要增加了感知的交易成本。此外，感知的机会成本触发结果相关的消极体验，而感知的交易成本触发过程相关的消极体验。两种类型的消极体验均显著增加了消费者对GCRAs的回避。fsQCA结果进一步表明，消费者回避并非由任何单一因素决定，而是从涉及错配可供性、比较评价和消极体验的多种构型中涌现出来。总体而言，本研究揭示了"错配可供性—比较评价—消极体验—回避"的完整实现过程，并证明结果层面和过程层面的消极体验都是驱动消费者回避GCRAs的重要近端机制。

CRediT作者贡献声明

李世鸿：验证、监督。刘华为：可视化、验证。张敏：撰写—审阅与编辑、撰写—原稿撰写、项目管理、资金获取。

韩希晴：写作 – 审阅与编辑，写作 – 初稿撰写，可视化，验证，项目管理，方法论，调查，数据整理，概念化。韩希晴|李西洪|刘华为|张敏