品牌锁定下的 AI 相关智能手机选择修订：生成式人工智能、形态创新与参照依赖偏好

《Journal of Retailing and Consumer Services》：AI-related smartphone choice revision under brand lock-in: Generative AI, form factor innovation, and reference-dependent preferences

　　

摘要

本研究探讨生成式人工智能能否在既有的品牌锁定效应下促使消费者修正已形成的智能手机选择。研究采用重复离散选择实验，以韩国616名智能手机用户为对象。受访者首先从一个不含AI属性的选择集中选择一部智能手机，随后在相同选择集中引入AI属性后再次进行选择。采用带集群稳健标准误的二元逻辑模型，将主导品牌效应分解为品牌专属收益与损失。高级生成式AI与实验观察到的选择修正呈正相关，而普通助手类AI在控制主导品牌效应后变得不显著。三星和苹果用户均表现出强烈的损失厌恶，即离开主导品牌带来的效用损失超过了进入该品牌所获得的相应收益。过往折叠屏使用经验与向多折机型的选择修正方向也呈正相关，这一模式与基于经验的熟悉性在评估先进形态时的作用一致。附加分析表明，正向价格系数与创新型形态相关的溢价质量感知基本一致，而AI价值内化似乎是外部提供生成式AI更窄的潜在机制。本研究通过直接观察选择修正，并将这一实验结果与真实市场品牌转换明确区分开来，拓展了基于参考依赖的选择研究。

引言

智能手机市场正进入一个阶段，其增长不再主要依赖首次采用，而更多取决于替换需求、生态系统留存以及差异化的消费者体验。随着传统直板智能手机在核心规格上日益趋同，制造商和零售商正通过生成式AI和形态创新寻找新的价值来源。市场证据印证了这一转变。IDC预测，全球生成式AI智能手机出货量将从2024年的2.342亿部增至2028年的9.120亿部，年复合增长率为78.4%（国际数据公司，2024）。Counterpoint Research也报告，2024年第一季度全球折叠屏智能手机出货量同比增长49%，为六个季度以来的最高增速（Counterpoint Research，2024）。这些趋势表明，智能手机竞争正从渐进式硬件改进转向AI驱动的服务、新型设备形态以及促使消费者重新审视现有选择的能力。

生成式AI尤其重要，因为它能够将智能手机从通信设备重新定位为AI服务接口。然而，现有市场证据表明，AI仍然是一个新兴的而非普适的购买驱动因素。Kantar报告称，四分之一的Galaxy S24购买者将AI作为选择该设备的关键原因，而所有智能手机购买者中仅有6%持此观点（Kantar，2024）。这一对比表明，AI并非对所有消费者产生同等影响。其效果很可能取决于所提供的功能能力，以及该能力是否能提供足够的增量价值，使消费者在感知到离开主导品牌和生态系统的成本后仍愿意重新考虑已形成的选择。

消费者并非从中立的位置评估智能手机替代品。智能手机选择受品牌、操作系统、应用程序、云服务、配件、界面熟悉度以及消费者已拥有的使用习惯所塑造。在本研究中，品牌锁定指的是不愿离开现有智能手机品牌，因为这样做意味着感知到累积的生态系统效益和熟悉使用条件的丧失。品牌锁定并不意味着市场中的品牌转换不可能发生；相反，它描述了评估替代智能手机选项时所面对的行为依附状态。

基于参考依赖的偏好理论为考察这一过程提供了理论基础。参考依赖意味着消费者相对于一个显著的参考状态来评估替代品，而非仅依据其绝对属性；因此，同样的变化可能因参考点不同而被体验为收益或损失（Tversky和Kahneman，1991）。在本研究中，行为参考点是受访者当前拥有的智能手机品牌。离开该品牌代表主导品牌效益的损失，而从外部进入则代表收益（Hardie等，1993；Kim等，2020）。由于损失可能比等量收益获得更大权重，这一框架尤其适用于智能手机选择，因为在智能手机选择中，生态系统依赖、学习成本、数据迁移、界面熟悉度以及累积的使用习惯使离开主导品牌的后果尤为显著。

以往的智能手机选择研究已确立品牌、价格、设计和产品规格影响设备选择。基于参考依赖的研究进一步表明，消费者相对于其当前拥有的设备来评估智能手机属性，且离开主导品牌的损失可以超过进入该品牌的收益（Kim等，2016，2020）。然而，这些研究通常观察的是来自完全规格化选择集的单一选择，并通过估计的收益-损失不对称性来推断转换行为。它们并未直接观察新引入的技术属性是否足以逆转消费者已做出的选择。

这一区别很重要，因为新引入的属性可能改变消费者的评估而不一定改变初始选择。其他零售环境的研究同样表明，新变得显著的信息并不会产生统一的品牌迁移；其效果取决于品牌主导地位、替代品的可获得性以及初始选项与目标选项之间的关系（Mortimer和Weeks，2019）。因此，技术差异化的效果应相对于初始选择来考察，而非仅从属性效用推断。

本研究使用重复离散选择实验解决了这一问题，以韩国616名智能手机用户为对象。受访者首先从一个不含AI属性的选择集中选择其首选替代品，然后在相同选择集中引入AI属性后再次进行选择。因此，选择修正被定义为实验观察到的第一阶段选择的修正，而非实际市场替换、观察到的品牌迁移或预测的市场份额变化。

AI和形态在研究设计中并非以同等角色进入。AI是在第一阶段选择后引入的焦点属性，可能触发选择修正。形态是消费者在修正选择时可能转向的替代品的特征。过往折叠屏经验作为次要的经验机制被考察：使用翻盖或折叠设备获得的熟悉性可能在消费者评估更先进的形态（如多折智能手机）时减少不确定性。

在此背景下，本研究提出以下研究问题：

RQ1：主导品牌锁定如何塑造消费者在AI属性引入后对已形成的智能手机选择的修正？

RQ2：不同水平和提供类型的人工智能能力如何与主导品牌锁定下的智能手机选择修正相关联？

RQ3：过往折叠屏智能手机使用经验如何影响向先进智能手机形态的选择修正？

本研究做出了一项主要理论贡献和两项实证扩展。其主要贡献是将基于参考依赖的智能手机选择研究从单一陈述决策扩展至直接观察的选择修正：主导品牌定义了收益-损失不对称性，而重复选择任务揭示了新引入的AI属性是否与之前选定的替代品的逆转相关联。本研究进一步在基于参考依赖的情境下区分了普通助手类AI与高级生成式AI，并作为次要扩展，考察了过往折叠屏经验是否与向更先进形态的修正相关联。这些贡献具有明确的边界：本研究不提出新的决策机制，也不声称AI改变了参考依赖的底层逻辑。

这些贡献阐明了技术差异化在成熟智能手机市场中的角色。核心实证问题不是消费者是否在孤立条件下重视高级AI，而是当消费者的主导品牌在行为上仍然显著时，其引入是否与已形成的选择的修正相关联。

图1总结了本研究的实证工作流程。指导该工作流程的理论逻辑是基于参考依赖的：当前拥有的品牌是用于定义品牌专属收益和损失的行为参考点，而第一阶段选择是仅用于识别在AI属性引入后是否发生修正的基线决策。后续分析则考察与AI相关的选择修正以及形态修正目的地中的基于经验的异质性。

本文其余部分组织如下。第2节回顾文献和市场背景。第3节解释重复离散选择实验和模型设定。第4节呈现实证结果。第5节提供关于AI价值内化、多折采用和卷折屏智能手机定价的情景分析。第6节讨论理论、管理、政策启示、局限性和结论。

章节节选

智能手机市场与基于选择的研究

全球智能手机市场已达到成熟阶段，替换需求成为核心。由于旗舰设备在屏幕尺寸、电池续航、存储容量和摄像头性能等传统规格上日益趋同，制造商必须通过服务驱动的功能和新型设备形态来创造价值。这些创新进入的是一个消费者已拥有既有品牌、操作系统和使用经验的市场。

大量文献已经……

分析框架与因变量

本研究考察AI属性的引入是否促使消费者在同一选择集中修正其智能手机选择。每位受访者首先从一个不含AI属性的选择集中选择最偏好的替代品，这一第一阶段选择即为旧选择。随后，在加入AI属性后再次呈现相同的选择集，受访者进行第二次选择，定义为新选择。

本研究所指的选择修正是……

调研设计、样本与属性

离散选择实验于2025年9月在韩国进行，对象为20至59岁的616名智能手机用户。调查由盖洛普韩国执行，受访者基于性别、年龄和地区进行目的性配额抽样招募。每位受访者评估五个选择集，每个选择集包含四个智能手机替代品。重复选择设计产生了3080个选择集观测值；其中721个观测值（占23.4%）涉及从旧选择到新选择的变动……

AI价值内化与选择修行情景

本节使用模型2-1考察模型隐含的选择修正概率在不同主导用户群体中如何变化，以及在嵌入式高级AI的价值内化到设备价格后如何改变。情景聚焦于三星直板用户、苹果直板用户和三星翻盖用户，这些是样本中的主要用户群体。

表11总结了AI价值内化的基准。主要生成式AI服务的基础付费方案通常定价约为每月20美元。

主要发现与理论贡献

本研究使用重复离散选择实验，以韩国616名智能手机用户为对象，考察了主导品牌锁定下与AI相关的智能手机选择修正。四项发现尤为突出。第一，高级生成式AI与选择修正呈正相关，而普通助手类AI在控制主导品牌效应后变得不显著。第二，形态特征有助于解释修正所指向的替代品，且……

CRediT作者贡献声明

Kim Kwanseop：撰写——原稿、可视化、调查研究、形式分析、方法论。Kim Junghun：撰写——审阅与编辑、撰写——原稿、监督、概念化、项目管理。Kim Jinseok：撰写——审阅与编辑、监督、概念化、验证。

利益冲突声明

作者声明，他们没有已知可能影响本文所报告工作的竞争性经济利益或个人关系。

Kwanseop Kim | Junghun Kim | Jinseok Kim

韩国首尔，冠岳区，冠岳路1号，首尔国立大学工学院技术管理、经济与政策项目，08826