夜雨聆风英文标题：The impact of generative AI shopping assistants on E-commerce consumer motivation and behavior: Consumer-AI interaction design
作者：Guanghong Xie
期刊：International Journal of Information Management, 2026, Vol. 86, 102983
DOI：10.1016/j.ijinfomgt.2025.102983
📌 一句话摘要
生成式AI购物助手在发达国家已显成效，但在发展中国家却“叫好不叫座”。本研究发现：外在动机（如折扣、社交认同）比内在动机更能提升用户体验与复购意愿，而信任和满意度是连接“体验→行为”的关键桥梁。
🧠 研究背景：AI助手很火，但用户真的买单吗？
从Zalando的ChatGPT时尚助手到淘宝的“淘宝问问”，生成式AI购物助手正席卷全球电商平台。然而，在发展中国家，尽管用户愿意尝试，却并未显著提升交易额（例如淘宝问问中25%的查询与购物无关）。
现有研究多聚焦发达市场，使用TAM等模型，但存在三大局限：
忽略用户内在/外在动机的差异
缺少对购前-购中-购后全旅程的动态分析
方法上多为线性SEM，无法捕捉非线性和必要条件
为此，作者提出了动机-期望管理模型（MEMM），并采用SEM-ANN-NCA混合方法，深入剖析中国消费者与“淘宝问问”的互动机制。
📚 理论基础
🔹 自决理论（SDT）
区分内在动机（自主性、胜任感）与外在动机（关联性、外部奖励）。以往AI研究多强调内在动机，本文发现外在动机的作用更突出。
🔹 期望确认理论（ECT）
解释消费者购前期望 vs 购后感知如何影响满意度和复购意愿。本文将其扩展至AI助手的动态交互场景。
🔹 动机-期望管理模型（MEMM）
整合SDT与ECT，加入期望管理和动机反馈闭环，揭示从动机→交互→确认→满意→复购→反馈强化动机的循环路径。
🧾 研究假设（共15个）
动机→交互质量
H1：自主性（内在） → 个性化体验（+）
H2：胜任感（内在） → 信任（+）
H3：关联性（外在） → 个性化体验（+）
H4：关联性（外在） → 界面美学（+）
H5：关联性（外在） → 信任（+）
交互质量→用户体验
H6：个性化体验 → 期望确认（+）
H7：界面美学 → 用户体验（+）
H8：信任 → 用户体验（+）
H8a：信任在胜任感→用户体验中起中介作用
H8b：信任在关联性→用户体验中起中介作用
H9：信任 → 期望确认（+）
用户体验→行为结果
H10：用户体验 → 期望确认（+）
H11：用户体验 → 复购意愿（+）
H11a：用户体验在信任→复购意愿中起中介作用
H12：期望确认 → 满意度（+）
H13：满意度 → 复购意愿（+）
链式中介
H.M1：用户体验 → 期望确认 → 满意度 → 复购意愿（链式中介）
H.M2：关联性 → 界面美学 → 用户体验 → 复购意愿（链式中介）
🧪 实验设计
研究对象
平台：淘宝App内的“淘宝问问”生成式AI购物助手
用户：有使用经验的真实消费者
问卷设计（7点李克特）
✅ 所有变量的Cronbach's α > 0.81，AVE > 0.54，CR > 0.81，信效度良好。
数据收集
样本量：360份有效问卷（回收后清洗）
人口学：52.5%男性，56.4%年龄18-30岁，46.9%本科学历
质量控制：设置筛选题“是否使用过淘宝问问”，未使用者直接终止
📈 统计方法：SEM-ANN-NCA三重验证
| 结构方程模型(SEM) | ||
| 人工神经网络(ANN) | ||
| 必要条件分析(NCA) |
这是首次在生成式AI消费者行为研究中综合使用SEM-ANN-NCA，克服了单一方法的局限性。
🔍 主要结果
✅ SEM假设检验（全部显著，p<0.001）
💡 亮点：外在动机(RE)对个性化体验的影响(β=0.632)远大于内在动机(AU)(β=0.362)，颠覆了传统认知。
🔗 中介效应
H8a（胜任感→信任→用户体验）：部分中介，成立
H8b（关联性→信任→用户体验）：部分中介，成立
H11a（信任→用户体验→复购意愿）：不成立 → 说明信任不能仅通过用户体验间接影响复购，必须经过“确认→满意”链
H.M1（UX→CF→SA→RI）：完全中介，成立 → 体验必须转化为认知确认和情感满意才能驱动复购
H.M2（RE→UI→UX→RI）：不成立 → 美学体验不能单独驱动复购，仍需价值确认
🧠 ANN重要性排序
ANN显示非线性关系：例如，当信任低于某一阈值时，对用户体验的贡献急剧下降。
🔗 NCA必要条件分析
必要的（p<0.05）：H1, H3, H4, H5, H6, H8, H9, H10, H11, H12, H13
不必要的（p>0.05）：H2（RE→UI）、H7（UX→TR? 实际是H7为UI→UX，但表中H7是UI→UX？需核对原文：表8中H7对应UX-TR，即信任不是用户体验的必要条件？原文Table 8显示H7 UX-TR的p=0.081>0.05，故信任对用户体验不是必要条件）
关键发现：即使SEM中路径显著，NCA可能显示该变量并非“必要条件”——说明存在其他替代路径。
💡 理论贡献
拓展SDT：发现外在动机在AI购物助手情境中占主导地位，弥补了以往研究重内在轻外在的不足。
整合ECT与HCI：将个性化、界面美学、信任纳入期望确认模型，揭示“体验→确认→满意→复购”的完整链条。
方法论创新：首次在Gen AI消费者行为中应用SEM-ANN-NCA，验证了线性、非线性、必要条件的互补性。
发展中国家情境：填补了针对新兴市场AI助手消费者行为的实证空白。
🛠 实践启示（四策略）
1️⃣ 个性化推荐 + 外在激励
精准匹配 + 限时折扣/社交积分，形成“决策闭环”
例如：AI根据浏览记录推送专属优惠券，并显示“好友也在买”
2️⃣ 透明化 + 直观界面
增强用户控制感与信任
设计“新手模式”和“专家模式”，用动画反馈降低认知负荷
3️⃣ 自适应期望管理
主动调节用户期望，制造“惊喜推荐”
例如：节假日自动推送AI穿搭建议，超出用户预期
4️⃣ AIGC + UGC 社交化
发展中国家用户更依赖视觉和互动体验
鼓励用户分享AI生成的购物指南，发起挑战赛，提升市场渗透率
⚠️ 研究局限与未来方向
样本局限：仅中国淘宝用户，未来需跨国家（印度、越南、尼日利亚）比较
年龄覆盖：缺少老年和未成年群体，需专门研究银发用户
方法局限：自陈数据，未来可结合眼动、脑电等生理测量
功能细化：不同AI功能（比价、图像识别）对行为的影响差异需进一步分析
📌 总结一句话
生成式AI购物助手要想在发展中国家成功，不能只靠算法酷炫，更要用外在激励撬动体验，用信任和满意锁定复购——体验本身不足以驱动行为，必须经过“确认→满意”的情感转化。
📚 部分参考文献
Deci, E. L., & Ryan, R. M. (1985). Journal of Research in Personality
Oliver, R. L. (1980). Journal of Marketing Research
Sharma et al. (2024). Journal of Retailing and Consumer Services
Albahri et al. (2022). Complex & Intelligent Systems
英文文献阅读全流程：从文献如何“搜”到怎么“管”再到“读”的一站式攻略
END
点击关注，发送 "AI Consumer" 即可获取全文PDF