夜雨聆风英文标题：Too human to trust? How AI human-likeness and context orientation shape consumer preferences in premium high-tech markets
作者：Myoung-Jin Chae, Molan Kim
期刊：Journal of Retailing and Consumer Services（2026）
期刊分区：SSCI 一区（商业/管理类）
DOI：10.1016/j.jretconser.2025.104513
📌 一句话总结
在高端科技产品推荐场景中，机器人风格AI反而比真人风格AI更受信任、更能促成购买。
原因在于：过于拟人化的AI会触发“恐怖谷”效应——因为消费者对其期待过高，而细微的瑕疵（如表情僵硬、对话不自然）会引发不适和怀疑。
但对于高语境沟通风格的消费者（习惯解读微妙的人际线索），真人风格AI却更有效；而低语境消费者则偏爱机器人AI。
品牌如果想卖高端产品，应该根据目标客群的沟通风格来定制AI助手的外观和语气。
🧠 研究背景
AI助手越来越“像人”：会微笑、会犹豫、会开玩笑。但这是好事吗？
Google Duplex曾因过于逼真的电话预约让用户感到“ creepy”，反而失去信任。
在高端科技产品（如高端耳机）的推荐场景中，消费者对AI的期望更高：既要专业，又要真诚。
问题是：AI到底应该像人，还是像机器？
🎯 核心概念与理论框架
| 概念 | 含义 |
|---|---|
| AI拟人化程度 | 本研究操作化为三个等级：机器人（明显非人）、近人（部分人形特征）、人类（高度逼真） |
| 恐怖谷理论 | 当机器人越来越像人，亲和力先升后降，在接近真人但又不完美时跌入“谷底”，引发不适 |
| 情境沟通取向 | 高语境：依赖非语言线索、间接表达；低语境：直接、明确、重字面意思 |
| 信任 | 对AI推荐内容的可靠性和诚实性的信心 |
| 满意度 | 对AI互动体验的整体评价 |
| 高端产品选择 | 在三个产品等级（精简版、标准版、高端版）中倾向于选最贵的那一款 |
理论基础：
拟人化理论 + 恐怖谷理论（Mori et al., 2012）
情境沟通理论（Hall, 1976; Adair et al., 2016）
S‑O‑R模型（刺激‑有机体‑反应）
📝 研究假设
| 编号 | 假设内容 |
|---|---|
| H1 | 在科技产品推荐情境中，人类AI助手引发的信任和满意度最低（相比机器人AI和近人AI） |
| H2 | 情境取向调节上述关系：高语境消费者会减轻人类AI的负面效应（甚至反转） |
| H3 | 信任和满意度正向影响购买意愿 |
| H4 | 对于高端产品选择，人类AI助手产生的购买意愿最低 |
| H5 | 情境取向调节高端产品选择：高语境消费者对人类AI推荐的高端产品偏好更强 |
🧪 实验设计
预实验（操纵检验）
N = 157（Mturk）
随机观看三种AI（机器人、近人、人类）推荐耳机的视频
测量“感知拟人化程度”（7点量表）
结果：三种条件感知差异显著（机器人M=3.91，近人M=4.38，人类M=5.35），操纵成功。
研究1（主效应与调节）
N = 377（Mturk）
设计：单因素三水平（AI类型：机器人/近人/人类）
流程：看视频后填写信任（1项：“我信任AI的产品推荐”）、满意度（2项：“对AI整体体验满意”“对推荐满意”）、购买意愿（3项，α=0.94）、情境取向（20项，α=0.96，示例：“我能捕捉到别人没有直说的意思”）。控制变量：年龄、性别、教育、AI经验。
复制研究：额外用Prolific招募N=161（高AI经验、本科以上），重复上述流程，结果一致。
研究2（高端产品选择）
同一批377名被试（研究1后追加任务）
呈现三个产品等级：精简版（Lite）、标准版（Standard）、高端版（Premium），询问“你最可能购买哪一款？”（1=Lite, 2=Standard, 3=Premium）
分析AI类型和情境取向对高端选择倾向的影响。
📊 测量量表
| 构念 | 条目数 | 来源 | 示例条目 | 信度 |
|---|---|---|---|---|
| 信任（主研究） | 1项 | 自编 | “我信任AI助手的产品推荐” | — |
| 信任（复制研究） | 4项认知+10项情感 | Kyung & Kwon (2022); Gefen (2002) | “AI助手是称职的”“AI承诺可靠” | α=0.94/0.97 |
| 满意度 | 2项 | 自编 | “我对与AI互动的整体体验满意”“对推荐满意” | α=0.96（主研究？实际未报告，但复制研究满意度α=0.97） |
| 购买意愿 | 3项 | 自编 | “我可能购买视频中的产品” | α=0.94 |
| 情境取向 | 20项 | Adair et al. (2016) | “我能察觉别人想说什么即使他没明说” | α=0.96 |
| 产品选择 | 单题（三选一） | 自编 | 从Lite/Standard/Premium中选一个 | — |
所有量表均为7点 Likert（1=完全不同意，7=完全同意），产品选择为分类变量。
📈 统计方法
| 方法 | 使用场景 |
|---|---|
| 单因素方差分析（ANOVA） | 预实验操纵检验 |
| 回归分析（OLS） | 研究1：主效应（AI类型对信任/满意度）及交互效应 |
| Tobit回归 | 研究2：因变量“产品选择”为受限变量（1-3） |
| 路径分析（Stata） | 检验信任/满意度→购买意愿的中介路径，以及有调节的中介 |
| 事后对比（Post‑hoc contrasts） | 比较三种AI类型之间的差异 |
| 自助法（Bootstrap） | 未明确提及，但路径分析中用了标准误 |
🔍 关键结果
预实验
三种AI的感知拟人化差异显著：机器人 < 近人 < 人类（p<0.001），操纵有效。
研究1（主效应）
| 对比 | 信任差异 | 显著性 | 满意度差异 | 显著性 |
|---|---|---|---|---|
| 人类 vs 机器人 | 较低（b=-0.244） | p=0.051 | 无显著差异 | — |
| 人类 vs 近人 | 无显著 | — | 无显著 | — |
| 近人 vs 机器人 | 无显著 | — | 无显著 | — |
部分支持H1：人类AI的信任最低（边缘显著），满意度没有主效应。
但在复制研究（Prolific高AI经验样本）中，人类AI的满意度也显著低于机器人（b=-0.519, p=0.028），且显著低于近人AI（b=-0.521, p=0.032），完全支持H1。
研究1（交互效应）
| 因变量 | 交互项 | 方向 | 说明 |
|---|---|---|---|
| 信任 | 人类 vs 机器人 × 高语境 | b=+0.307 (p=0.098) | 高语境消费者中，人类AI的信任提升（负效应减弱） |
| 信任 | 人类 vs 近人 × 高语境 | b=+0.765 (p<0.001) | 高语境消费者中，人类AI相比近人AI信任显著更高 |
| 满意度 | 近人 vs 机器人 × 高语境 | b=-0.345 (p=0.017) | 高语境消费者中，近人AI的满意度显著下降（不如机器人） |
| 满意度 | 人类 vs 近人 × 高语境 | b=+0.316 (p=0.038) | 高语境消费者中，人类AI满意度高于近人AI |
支持H2：高语境消费者对人类AI的反应明显改善，甚至超过近人AI；而低语境消费者则最信赖机器人AI。
研究1（中介路径）
信任 → 购买意愿：b=0.316 (p<0.001)
满意度 → 购买意愿：b=0.441 (p<0.001)
直接效应（AI类型 → 购买意愿）不显著
支持H3：信任和满意度完全中介。
研究2（高端产品选择）
主效应（Tobit回归）
人类 vs 机器人：b=-0.194 (p=0.089，边缘显著)
近人 vs 机器人：不显著
部分支持H4：人类AI的高端产品偏好最低。
交互效应（Tobit回归）
| 对比 | 交互项 | 方向 | 说明 |
|---|---|---|---|
| 近人 vs 机器人 × 高语境 | b=+0.362 (p=0.019) | 高语境消费者中，近人AI的高端偏好增强 | |
| 人类 vs 机器人 × 高语境 | b=+0.379 (p=0.021) | 高语境消费者中，人类AI的高端偏好显著增强 |
支持H5：高语境消费者对人类AI推荐的高端产品更愿意购买；低语境消费者则首选机器人AI。
可视化总结
图2（研究1交互）：高语境下，人类AI的信任和满意度显著回升；低语境下，机器人AI表现最佳。
图4（研究2交互）：高语境下，人类AI和近人AI的高端产品选择概率上升；低语境下，机器人AI最高。
💡 理论贡献
首次在高端科技产品情境中系统比较三种拟人化水平，验证了“恐怖谷”的存在：人类AI因期望落差而失去信任。
引入情境沟通取向作为个体差异调节变量，解释了为什么有人喜欢真人AI、有人喜欢机器人AI——这与他们的沟通风格高度相关。
将拟人化效应延伸至“产品等级”层面：高端产品需要“可信、专业”信号，机器人AI因其透明性更占优；但高语境消费者仍然偏爱人类AI。
丰富了S‑O‑R模型的应用：AI设计（刺激）→ 信任与满意度（有机体）→ 购买意愿与产品选择（反应）。
🛠️ 管理启示
| 目标客群 | 推荐AI类型 | 原因 |
|---|---|---|
| 低语境消费者（注重效率、直接沟通） | 机器人AI | 清楚表明“我是机器”，不会有不切实际的期待，显得专业、可靠 |
| 高语境消费者（注重关系、非语言线索） | 人类AI（但必须高度逼真） | 能够传递情感和社交信号，满足他们对“共情”的需求 |
| 不确定客群 / 大众市场 | 机器人AI | 更安全，避免落入“恐怖谷”，对大多数消费者更有效 |
| 高端产品推广 | 低语境→机器人AI；高语境→人类AI | 根据沟通风格个性化推送AI形象，可大幅提升转化率 |
实操建议
在电商网站或APP中，可通过简短问卷（如“你更喜欢直接还是委婉的沟通？”）识别用户的情境取向。
对识别为高语境的用户，展示真人风格的虚拟助手，甚至允许用户选择AI的性别、表情风格。
对低语境用户，使用简洁的机械助手（如纯文字、无面部表情），强调功能和效率。
在高端产品（如高端耳机、智能手表）的推荐页，优先使用机器人AI——除非你明确知道用户是高语境。
⚠️ 研究局限
| 局限 | 未来方向 |
|---|---|
| 仅测试了耳机一个产品类别 | 扩展到其他高端科技产品（如手机、汽车） |
| 样本主要来自美国（Mturk, Prolific） | 跨文化研究：东亚文化（高语境）vs 西方文化（低语境） |
| 信任测量在研究中用了单题 | 采用多维度信任量表（认知/情感） |
| 未测试真实购买行为 | 田野实验或A/B测试 |
| 未探讨AI的语音拟人化（仅视觉） | 同时操纵视觉和语音，比较恐怖谷效应 |
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 “拟人化” 即可获取全文PDF