AI助手“会错意”?——电商平台AI功能与用户需求的错配之谜

英文标题：Say-one-thing-and-mean-another consumers? A multi-method study of functional demand mismatch in e-commerce AI assistants

作者：Shuai Chen, Yang Zhao（武汉大学信息管理学院）

发表期刊：Journal of Retailing and Consumer Services（Volume 92, 2026, 104820）

期刊信息：SSCI JCR Q1、中科院管理学大类一区Top期刊；2026年最新影响因子13.7

DOI：10.1016/j.jretconser.2026.104820

一、研究背景：当AI助手“上线”，用户真的满意吗？

近年来，各大电商平台纷纷推出AI助手——京东的“京言”、亚马逊的“Rufus”、淘宝的“AI购物助手”——旨在通过智能交互重塑购物体验。

然而，一个核心问题被忽视了：这些AI功能，真的是用户想要的吗？

当前AI助手的开发仍以“技术驱动” 为主导，工程师们“有什么技术就做什么功能”，而非“用户需要什么就做什么功能”。这种供需错配导致：一方面，平台投入大量资源开发功能；另一方面，用户却找不到真正有用的服务，甚至根本不知道某些功能的存在。

更复杂的是，用户需求往往是潜在且多层次的——面对新兴技术，用户通常难以清晰表达自己的具体期望。这种“用户说不出、平台猜不准”的困境，正是本研究要破解的难题。

二、理论基础

🏛️ Andersen行为模型

Andersen行为模型将用户需求分为两类：

• 主观需求：个体对自身需求的判断

• 客观需求：基于外部评估或专业标准识别出的需求

这两类需求往往存在差异。在技术领域，需求表达常常是碎片化、重叠甚至自相矛盾的——用户说出来的不一定是真正需要的，而真正需要的又未必说得出。

📊 BERTopic主题建模

BERTopic是一种结合预训练语言模型与主题聚类的无监督主题建模技术。其流程包括：

1. 文本编码为高维语义嵌入

2. UMAP降维优化聚类效果

3. HDBSCAN无监督聚类形成主题

4. c-TF-IDF + MMR提取代表性关键词

🎯 MaxDiff偏好实验

MaxDiff（最大差异测量）是一种多属性比较方法。受访者从多个选项中选择“最想要的” 和“最不想要的” ，从而最大化选项之间的区分度。其优势在于：

• 高区分度：强制选择极端选项

• 无中立选项：避免中庸回答

• 认知负担低：每次只需比较少量选项

三、研究设计：三阶段混合方法

本研究提出了一个多源数据集成框架，分三个阶段系统分析AI助手功能的需求错配：

🔍 阶段一：BERTopic用户评论挖掘（客观需求）

• 数据来源：天池平台RecTmall数据集，包含11,224,814条用户评论

• 采样：提取前6,000,000条评论（数据量大，顺序非结构化，符合大数据实践）

• 情感分类：使用SnowNLP进行情感分析（0-1评分，>0.5正向，<0.5负向）

• 负向评论提取：筛选出1,718,723条负向评论

• 分词与词频统计：使用Jieba分词 + 四川大学机器智能实验室停用词表

• 高频词筛选：选择频率≥100的词汇，共3,953个术语

• BERTopic建模：

• UMAP降维：n_neighbors=10, n_components=5, min_dist=0.1

• HDBSCAN聚类：min_cluster_size=100

• 最终合并为50个核心主题（见附录A）

高频词分析（Top 10） ：

关键洞察：用户最关心的是产品品质、卖家服务、物流速度和产品属性——这些构成了AI助手“应该解决”的核心问题域。

🔬 阶段二：专家驱动的AI功能提取与语义映射

• 专家招募：通过Credamo平台邀请75位电商与HCI领域专家

• 数据收集：开放问卷，每位专家描述3-5个AI助手应用场景并提供关键词

• 有效响应：35份高质量响应，161条有效文本

• 语义编码：使用paraphrase-multilingual-MiniLM-L12-v2预训练模型生成高维语义向量

• 聚类与标注：KMeans聚类 + TF-IDF关键词提取 + 人工标注，最终定义8类核心AI功能：

• 语义映射：将BERTopic的50个用户主题与8类AI功能进行余弦相似度计算，保留相似度>0.2的Top-3映射关系，生成Sankey图可视化语义流动

• 嵌入重要性（EBI） ：聚合每个AI功能的所有有效相似度分数，反映其在主题空间中的语义覆盖程度

🎯 阶段三：MaxDiff用户偏好实验（主观需求）

• 参与者招募：2025年7月10-17日，Credamo平台招募291名中国电商活跃用户

• 质量筛选：逻辑陷阱 + 异常时长过滤 + 人工复核，最终246份有效样本

• 样本特征：68.7%女性；52.8%年龄21-30岁；66.7%本科学历；56.9%来自民营企业

• 实验设计：基于8个属性，平台自动生成8组选择集（每组3次曝光，共738次属性曝光）

• 任务要求：每组选择“最想优先开发”和“最不想开发”的AI功能

• 偏好估计：多项式Logit模型计算每个功能的偏好份额，归一化后与EBI对比

• 差异计算：Diff = 客观重要性 - 主观偏好份额

• 阈值设定：将Diff分为正负两组，分别计算中位数作为识别“显著错配”的阈值

四、研究结果：8类AI功能的“错配图谱”

📊 客观需求 vs. 主观偏好

通过对比“嵌入重要性”（客观）与“MaxDiff偏好份额”（主观），研究识别出显著的功能供需错配：

🏗️ 两大功能分类

基于错配分析，研究提出AI助手功能的两分法框架：

1️⃣ 基础功能——被用户“视而不见”的功臣

• 代表功能：24/7自动响应、客服编排

• 特征：客观需求高，主观偏好低（正Diff显著）

• 关键洞察：用户已“习惯成自然”——这些功能正常运行时无人问津，一旦出现故障则引发集中不满

• 策略：防守型策略——持续提升稳定性，通过界面设计增强用户感知价值（如显示“AI为您节省了X分钟”）

2️⃣ 增长型功能——用户期待但平台“尚未到位”

• 代表功能：智能定价

• 特征：主观偏好高，客观需求低（负Diff显著）

• 关键洞察：用户对个性化和智能化体验存在强烈未满足需求，但平台供给仍处早期探索阶段

• 策略：进攻型策略——采用MVP（最小可行产品）理念，优先试点高敏感度功能，通过用户反馈持续迭代

五、理论贡献

1. 提出面向电商AI助手的功能感知分析框架

首次将语义主题建模与用户偏好建模系统整合，从“客观需求”和“主观偏好”双视角解构用户期望，克服了单一数据源的局限。

2. 拓展Andersen行为模型的应用边界

将该模型从传统健康服务领域拓展至新兴技术情境，为理解用户在新兴技术面前的“潜在需求”与“表达需求”的错配提供了新视角。

3. 引入MaxDiff方法测量AI功能偏好

相对于传统Likert量表，MaxDiff具有高区分度、无中立偏倚、低认知负担等优势，为AI功能优先级排序提供了更精准的测量工具。

六、管理启示

🏢 给平台管理者的双轨战略

💎 基础功能：从“隐形”到“显性”

对于24/7响应和客服编排等基础功能：

• 防守型策略：持续提升算法稳定性和知识覆盖面

• 感知强化：通过界面设计让用户“看见”价值——如显示“AI已为您节省X分钟等待时间”、“自动回答了X个常见问题”

• 原因：用户只有在功能失效时才意识到其重要性——“隐形效用”需被“显性化”

🚀 增长型功能：从“概念”到“落地”

对于智能定价等增长型功能：

• 进攻型策略：采用MVP思路，优先试点高敏感度功能

• 数据闭环：建立用户反馈机制，形成高质量数据循环

• 用户教育：通过小规模试点和协同机制逐步塑造用户认知

• 配套保障：同步建立定价透明度、推荐公平性、算法可解释性等治理机制

⚖️ 更广泛的社会责任考量

• 基础功能的可及性：直接影响老年人和低数字素养群体等边缘化用户的体验

• 增长功能的心理适应：需关注用户的心理适应性和信任建立过程

• 平衡目标：平台在推进AI创新时，必须动态平衡商业效率与社会包容性

七、研究局限

⚠️ 局限

• 客观需求代理偏差：使用负向用户评论作为客观需求的代理，可能存在表达偏差和情境偏差

• 实验情境局限：MaxDiff虽有效测量了偏好强度，但未必能完全反映用户在真实情境约束下的行为选择

• 功能分类时效性：8类功能的分类受时间因素、市场动态和平台策略影响，可能随技术演进而变化

• 非传统量表验证：本研究未使用Cronbach's α、KMO等传统信效度检验（因非多题项量表），而是通过多方法三角验证确保可靠性

• 单平台数据：基于淘宝（Tmall）单一平台，研究结论可能存在情境局限

🔭 未来方向

• 跨平台验证：京东、拼多多、亚马逊等多平台对比

• 跨国比较：不同国家市场用户对AI功能的偏好差异

• 用户行为日志：将自报偏好与实际行为数据关联验证

• 纵向追踪：动态监测用户对AI功能的偏好演化

• 动态建模：加入时间维度，刻画功能需求的动态变化规律

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