吳繼飛，于洪彥，朱翊敏，張湘昀

中山大學(xué) 管理學(xué)院，廣州 510275

引言

人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)日益興起，增加了消費(fèi)者購(gòu)買(mǎi)決策的復(fù)雜性、動(dòng)態(tài)性和不確定性，產(chǎn)品建議和推薦在消費(fèi)者購(gòu)買(mǎi)決策中的作用日益凸顯[1]。消費(fèi)者過(guò)去經(jīng)常從他人那里尋求關(guān)于產(chǎn)品的建議和推薦[2]，而大數(shù)據(jù)的發(fā)展為消費(fèi)者提供了獲取產(chǎn)品建議的新途徑，即人工智能推薦，如天貓和京東等在線(xiàn)商城、移動(dòng)App紛紛通過(guò)多樣化的人工智能為消費(fèi)者提供產(chǎn)品推薦和購(gòu)買(mǎi)建議，降低消費(fèi)者對(duì)產(chǎn)品信息的搜尋成本[3]，減少消費(fèi)者的海量信息加工負(fù)荷，提升消費(fèi)者的購(gòu)買(mǎi)信心[4]，試圖獲取消費(fèi)者的采納。此外，人工智能還對(duì)營(yíng)銷(xiāo)[5]和服務(wù)創(chuàng)新[6]、勞動(dòng)就業(yè)[7]以及產(chǎn)業(yè)轉(zhuǎn)型[8]有著重要影響，人工智能也因此受到實(shí)務(wù)界和學(xué)術(shù)界的高度重視[9]。人工智能的廣泛應(yīng)用取決于其達(dá)到了專(zhuān)家級(jí)的準(zhǔn)確度和顯著的成本效益優(yōu)勢(shì)[10]。事實(shí)上，人工智能在諸多領(lǐng)域的表現(xiàn)超過(guò)了人類(lèi)。在疾病診斷方面，研究發(fā)現(xiàn)人工智能的準(zhǔn)確率為90.200%，遠(yuǎn)遠(yuǎn)高于人類(lèi)醫(yī)生的77.500%[11]的準(zhǔn)確率；人工智能在金融預(yù)測(cè)[12]、員工評(píng)估[13]、內(nèi)容創(chuàng)建[14]和運(yùn)作風(fēng)險(xiǎn)[15]等方面的表現(xiàn)也比人類(lèi)決策更好。此外，還有學(xué)者發(fā)現(xiàn)了人工智能算法的厭惡現(xiàn)象[16]。然而，已有研究主要關(guān)注人工智能決策表現(xiàn)的準(zhǔn)確度[17]、成本效益和算法的厭惡現(xiàn)象[16]，針對(duì)消費(fèi)者對(duì)人工智能采納意愿的研究幾乎空白，也缺少人工智能推薦與消費(fèi)者采納意愿之間關(guān)系的實(shí)證檢驗(yàn)。因此，本研究將探討人工智能推薦對(duì)消費(fèi)者采納意愿的影響及其中介和調(diào)節(jié)機(jī)制。

1 相關(guān)研究評(píng)述

人工智能(artificial intelligence，AI)是指基于算法或統(tǒng)計(jì)模型模擬人類(lèi)的知覺(jué)、認(rèn)知和對(duì)話(huà)等功能的機(jī)器，如視覺(jué)和語(yǔ)音識(shí)別、推理和問(wèn)題解決[10]。人工智能廣泛地應(yīng)用于餐廳、酒店等服務(wù)營(yíng)銷(xiāo)實(shí)踐。如今，人工智能已成為企業(yè)贏得消費(fèi)者青睞的創(chuàng)新源泉[18]。已有信息系統(tǒng)領(lǐng)域的研究發(fā)現(xiàn)，算法推薦系統(tǒng)不僅能降低消費(fèi)者信息搜尋成本[1]、減少海量信息加工負(fù)荷，還能提升消費(fèi)者購(gòu)買(mǎi)信心[4]，提高消費(fèi)者與產(chǎn)品匹配度和消費(fèi)者決策質(zhì)量[3]。鑒于建議和推薦在消費(fèi)者購(gòu)買(mǎi)決策中發(fā)揮著重要作用，人工智能也已廣泛應(yīng)用到醫(yī)療健康[19]、金融理財(cái)[20]、教育娛樂(lè)[21]等領(lǐng)域的推薦決策中，如機(jī)器人問(wèn)診[22]、智能投顧[23]和智能客服等[24]。

決策準(zhǔn)確度是人工智能推薦廣泛應(yīng)用的前提[25]，也是學(xué)術(shù)界研究的關(guān)鍵。1954年，MEEHL[26]首次發(fā)現(xiàn)統(tǒng)計(jì)模型比人類(lèi)醫(yī)生在臨床預(yù)測(cè)中更準(zhǔn)確；之后，ESTEVA et al.[17]研究發(fā)現(xiàn)，算法在疾病診斷和預(yù)測(cè)任務(wù)中的準(zhǔn)確度已經(jīng)超過(guò)了臨床醫(yī)生；GROVE et al.[27]通過(guò)對(duì)136項(xiàng)人類(lèi)健康與行為研究的元分析發(fā)現(xiàn)，算法比人類(lèi)預(yù)測(cè)的準(zhǔn)確性表現(xiàn)高出10%。在人力資源方面，HIGHHOUSE[13]的研究表明，算法在員工招聘過(guò)程中對(duì)員工表現(xiàn)的預(yù)測(cè)比人類(lèi)專(zhuān)家預(yù)測(cè)更準(zhǔn)確；DIAB et al.[28]研究發(fā)現(xiàn)，與人工面試相比，算法面試讓人們感知到更低的公平和專(zhuān)業(yè)性。此外，在預(yù)測(cè)被告釋放和再次犯罪方面，KLEINBERG et al.[29]研究發(fā)現(xiàn)，與人類(lèi)法官相比，人工智能算法使犯罪率降低24.700%～41.900%。綜上所述，已有研究表明，人工智能在醫(yī)療診斷、人力資源和金融投資等決策任務(wù)中的表現(xiàn)已經(jīng)達(dá)到或超過(guò)了人類(lèi)憑直覺(jué)或經(jīng)驗(yàn)的決策表現(xiàn)[10]。而醫(yī)療、人力資源和金融投資屬于非創(chuàng)造性任務(wù)，尚未有研究考察人工智能從事創(chuàng)造性任務(wù)的決策表現(xiàn)及其對(duì)消費(fèi)者采納意愿的影響。

雖然人工智能決策的準(zhǔn)確度在多個(gè)領(lǐng)域勝過(guò)人類(lèi)，但人們對(duì)人工智能算法表現(xiàn)出了厭惡現(xiàn)象[16]。YEOMANS et al.[30]研究發(fā)現(xiàn)，人們更喜歡依靠人類(lèi)而不是算法推薦獲得關(guān)于書(shū)籍、電影和笑話(huà)的建議。DIETVORST et al.[16]認(rèn)為，在看到算法和人類(lèi)犯了同樣錯(cuò)誤后，比起人類(lèi)，人們對(duì)算法更快地失去信心。同樣，人們更重視人類(lèi)專(zhuān)家給出的建議，而不是統(tǒng)計(jì)模型預(yù)測(cè)出的結(jié)果[31]。專(zhuān)業(yè)人士也有類(lèi)似的偏好，招聘人員更相信自己的判斷，而不是算法的建議[13]。實(shí)際上，學(xué)者們?cè)谥T多領(lǐng)域發(fā)現(xiàn)了人們對(duì)人工智能的厭惡現(xiàn)象。關(guān)于金融股價(jià)預(yù)測(cè)的研究發(fā)現(xiàn)，與人類(lèi)的建議相比，人們更不愿意相信算法的建議，這是因?yàn)槿藗兏菀讓⒇?zé)任轉(zhuǎn)嫁給人類(lèi)[31]。關(guān)于人力資源招聘的研究發(fā)現(xiàn)，人們對(duì)統(tǒng)計(jì)模型預(yù)測(cè)員工績(jī)效表現(xiàn)出了抗拒行為[32]，人類(lèi)直覺(jué)比統(tǒng)計(jì)模型被視為更合乎道德和公平[33]。盡管人類(lèi)預(yù)測(cè)沒(méi)有算法預(yù)測(cè)準(zhǔn)確，但當(dāng)看到算法和人類(lèi)出錯(cuò)后，人們更愿意選擇依賴(lài)人類(lèi)進(jìn)行預(yù)測(cè)，這是因?yàn)槿祟?lèi)被認(rèn)為可以從錯(cuò)誤中學(xué)習(xí)、從實(shí)踐中變得更好[16]。之后，DIETVORST et al.[34]研究發(fā)現(xiàn)，與不能對(duì)算法做出修改相比，能夠?qū)λ惴ㄗ龀鲂薷目梢栽黾尤藗儗?duì)算法的信賴(lài)程度?？傮w而言，這些關(guān)于人工智能算法厭惡現(xiàn)象的研究及其解釋?zhuān)饕獋?cè)重于人們對(duì)算法本身的感知，忽略了決策任務(wù)發(fā)揮的效應(yīng)[35]。事實(shí)上，消費(fèi)者態(tài)度與行為受人工智能和決策任務(wù)共同作用而形成，決策任務(wù)也對(duì)消費(fèi)者的心理和行為產(chǎn)生重要影響。

綜上所述，已有研究主要關(guān)注人工智能決策的準(zhǔn)確度[17]及其算法的厭惡效應(yīng)[16]，忽略了消費(fèi)者對(duì)日益普及的人工智能決策的采納意愿。實(shí)際上，消費(fèi)者采納意愿是衡量企業(yè)是否成功實(shí)施人工智能營(yíng)銷(xiāo)策略的最主要指標(biāo)，是提升企業(yè)營(yíng)銷(xiāo)績(jī)效的重要變量。但已有研究未能實(shí)證檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響，更缺乏人工智能與決策任務(wù)共同對(duì)消費(fèi)者采納意愿的影響機(jī)制及邊界條件的探究。創(chuàng)造性產(chǎn)品是指根據(jù)一定的目的和任務(wù)，運(yùn)用科學(xué)知識(shí)產(chǎn)生的新穎且實(shí)用的產(chǎn)品，它更強(qiáng)調(diào)通過(guò)新穎的方式有效地解決某個(gè)問(wèn)題，能在人們?nèi)粘Ｉ钪邪l(fā)揮著實(shí)際的用途[36]。因此，深入探究此類(lèi)產(chǎn)品的推薦決策，對(duì)于創(chuàng)造性產(chǎn)品營(yíng)銷(xiāo)具有重要的理論意義和實(shí)踐意義。與其他類(lèi)型產(chǎn)品相比，創(chuàng)造性產(chǎn)品更能反映人們實(shí)際的創(chuàng)造性，它的推薦決策也更需要?jiǎng)?chuàng)造性，而創(chuàng)造性被視為人們提出新穎且實(shí)用的想法或解決方案的能力。與人類(lèi)相比，人工智能往往被認(rèn)為缺乏創(chuàng)造性，這可能會(huì)影響人們對(duì)人工智能推薦不同創(chuàng)造性產(chǎn)品的心理感受，進(jìn)而影響人們對(duì)人工智能推薦的采納意愿。因此，本研究聚焦不同創(chuàng)造性產(chǎn)品的推薦任務(wù)，深入探究人工智能與推薦任務(wù)對(duì)消費(fèi)者采納意愿的交互影響及其作用機(jī)制。

2 理論分析和研究假設(shè)

2.1 人工智能推薦對(duì)消費(fèi)者采納意愿的影響

人工智能推薦主要是通過(guò)算法或統(tǒng)計(jì)模型模擬人類(lèi)的知覺(jué)、認(rèn)知和對(duì)話(huà)等能力，向消費(fèi)者提供產(chǎn)品建議[10]，試圖獲得消費(fèi)者采納。消費(fèi)者對(duì)人工智能的認(rèn)知推斷是驅(qū)動(dòng)消費(fèi)者采納行為的重要變量，實(shí)際上，人工智能與人類(lèi)在認(rèn)知靈活性方面具有很大差異。認(rèn)知靈活性是指?jìng)€(gè)體能夠靈活地調(diào)整認(rèn)知處理策略來(lái)應(yīng)對(duì)新的、意想不到的和不斷變化的情況的能力[37]。人們普遍認(rèn)為人工智能在認(rèn)知上的靈活性不如人類(lèi)，這源于人們使用知覺(jué)線(xiàn)索和先前對(duì)無(wú)生命物體的經(jīng)驗(yàn)，將計(jì)算機(jī)表征為死記硬背、僵化和不靈活[38]。例如，基于事先編譯程序的計(jì)算機(jī)被認(rèn)為只能以標(biāo)準(zhǔn)化和重復(fù)的方式運(yùn)行[39]。人工智能被認(rèn)為是事先設(shè)置好的算法程序，只能以僵化的認(rèn)知進(jìn)行推薦決策[38]。由此可見(jiàn)，人工智能與人類(lèi)在認(rèn)知靈活性上具有顯著差異，而認(rèn)知靈活性與創(chuàng)造性具有正相關(guān)關(guān)系[40]。事實(shí)上，認(rèn)知靈活性是指打破舊的認(rèn)知模式并在概念之間建立創(chuàng)造性聯(lián)系的能力，它被視為創(chuàng)造性必不可少的認(rèn)知核心[41]。已有研究認(rèn)為，具有靈活性的個(gè)體在感知和處理信息時(shí)，能從不同角度考慮問(wèn)題并轉(zhuǎn)換思維方式[42]，進(jìn)而影響個(gè)體的創(chuàng)造性[43]。這些發(fā)現(xiàn)表明認(rèn)知靈活性與創(chuàng)造性之間存在正相關(guān)關(guān)系。因此，人工智能在創(chuàng)造性方面不如人類(lèi)，進(jìn)而影響消費(fèi)者對(duì)人工智能從事不同創(chuàng)造性產(chǎn)品推薦任務(wù)的采納意愿。

新穎和實(shí)用是衡量創(chuàng)造性的標(biāo)志[44]，在推薦決策情景中，根據(jù)產(chǎn)品推薦任務(wù)的創(chuàng)造性，將任務(wù)區(qū)分為高創(chuàng)造性產(chǎn)品推薦任務(wù)和低創(chuàng)造性產(chǎn)品推薦任務(wù)。高創(chuàng)造性產(chǎn)品推薦任務(wù)反映了一個(gè)產(chǎn)品具有較高水平的新穎性和實(shí)用性[44]，它的推薦決策具有很高的不確定性和復(fù)雜性。認(rèn)知靈活性理論認(rèn)為，個(gè)體必須從使用固有的、死板的、事先編譯的結(jié)構(gòu)化知識(shí)，轉(zhuǎn)向靈活的、重組的非結(jié)構(gòu)化知識(shí)，以適應(yīng)這些復(fù)雜的、不確定的決策任務(wù)[45]。因而對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，人類(lèi)或人工智能需要具有較高的認(rèn)知靈活性，才能夠有效地識(shí)別和判斷產(chǎn)品的新穎性和實(shí)用性[46]。與人類(lèi)推薦相比，人工智能推薦被認(rèn)為是結(jié)構(gòu)化且缺乏靈活性的決策，難以理解高創(chuàng)造性產(chǎn)品推薦任務(wù)需要的新穎屬性，因此人工智能完成高創(chuàng)造性產(chǎn)品推薦任務(wù)時(shí)難以滿(mǎn)足或匹配消費(fèi)者的創(chuàng)造性需求[3]，進(jìn)而導(dǎo)致消費(fèi)者更低的采納意愿。

而低創(chuàng)造性產(chǎn)品推薦任務(wù)是指創(chuàng)造性水平較低的一類(lèi)產(chǎn)品推薦任務(wù)，如股票預(yù)測(cè)的推薦、地圖路線(xiàn)的推薦等，這類(lèi)產(chǎn)品推薦任務(wù)不會(huì)讓人們感到新穎和創(chuàng)新[46]。因而，低創(chuàng)造性產(chǎn)品推薦任務(wù)也不需要推薦主體擁有較高的非結(jié)構(gòu)化知識(shí)來(lái)識(shí)別和判斷產(chǎn)品推薦任務(wù)的新穎性等屬性。認(rèn)知靈活性理論認(rèn)為[45]，對(duì)于相對(duì)不確定的、無(wú)規(guī)律的決策，個(gè)體需要靈活的、重組的非結(jié)構(gòu)化知識(shí)來(lái)適應(yīng)這類(lèi)決策。而對(duì)于相對(duì)確定的、規(guī)律的決策，個(gè)體需要完善的、系統(tǒng)的結(jié)構(gòu)化知識(shí)來(lái)應(yīng)對(duì)這類(lèi)決策。與高創(chuàng)造性產(chǎn)品推薦任務(wù)相比，低創(chuàng)造性產(chǎn)品推薦任務(wù)更需要推薦主體擁有完善的結(jié)構(gòu)化知識(shí)，使用結(jié)構(gòu)化知識(shí)進(jìn)行推薦決策[47]。對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能在從事低創(chuàng)造性產(chǎn)品推薦任務(wù)時(shí)，憑借擁有比較系統(tǒng)的結(jié)構(gòu)化知識(shí)和完善的決策規(guī)則，能夠更有效地完成低創(chuàng)造性產(chǎn)品推薦任務(wù)，進(jìn)而誘發(fā)消費(fèi)者對(duì)人工智能推薦產(chǎn)生更高的采納意愿。綜上所述，本研究提出假設(shè)。

H1對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者的采納意愿更低；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者的采納意愿更高。

2.2 勝任感的中介作用

勝任感是指人們對(duì)自己或他人有效地完成一項(xiàng)任務(wù)的能力的主觀(guān)感知[48]。已有勝任感的定義關(guān)注人們對(duì)人類(lèi)完成一項(xiàng)任務(wù)的能力感知。如今，人工智能逐步扮演人類(lèi)的角色，勝任以往由人類(lèi)執(zhí)行的任務(wù)。因此，本研究將勝任感引申至人們對(duì)人工智能完成一項(xiàng)任務(wù)的能力感知。本研究認(rèn)為勝任感是指人們對(duì)人類(lèi)或人工智能完成一項(xiàng)任務(wù)的能力的主觀(guān)感知。人們對(duì)人工智能(或人類(lèi))的認(rèn)知是形成人工智能(或人類(lèi))勝任感的基礎(chǔ)，而認(rèn)知靈活性是人工智能與人類(lèi)之間的重要認(rèn)知差異。認(rèn)知靈活性反映個(gè)體能夠靈活地調(diào)整認(rèn)知處理策略，以應(yīng)對(duì)新的、意想不到的和不斷變化的情況的能力[37]。認(rèn)知靈活性理論認(rèn)為，個(gè)體需要更高的認(rèn)知靈活性，從多視角、多種方式，靈活地應(yīng)對(duì)新的和不斷變化的情形[47]。高創(chuàng)造性產(chǎn)品的推薦，往往是一個(gè)新的、意想不到的和不斷變化的決策過(guò)程，需要人們具有較高的認(rèn)知靈活性，才能夠從多個(gè)視角、多種方式，靈活地完成產(chǎn)品推薦任務(wù)。與人類(lèi)推薦相比，人工智能具有較低的認(rèn)知靈活性，難以勝任高創(chuàng)造性的產(chǎn)品推薦任務(wù)，因而人工智能在從事高創(chuàng)造性產(chǎn)品推薦任務(wù)時(shí)具有更低的勝任感。實(shí)際上，不同創(chuàng)造性產(chǎn)品的推薦任務(wù)也需要推薦主體擁有不同的創(chuàng)造性[49]。與人類(lèi)相比，人們往往將人工智能與低創(chuàng)造性相聯(lián)系。人工智能具有系統(tǒng)的結(jié)構(gòu)化知識(shí)和完善的決策規(guī)則，更適合也更有能力從事低創(chuàng)造性產(chǎn)品推薦任務(wù)，因此，消費(fèi)者認(rèn)為人工智能在推薦低創(chuàng)造性產(chǎn)品時(shí)具有更高的勝任感。綜合而言，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能在推薦高創(chuàng)造性產(chǎn)品時(shí)具有更低的勝任感，而在推薦低創(chuàng)造性產(chǎn)品時(shí)具有更高的勝任感。

研究表明，勝任感正向影響消費(fèi)者的心理[50]和行為[51]。當(dāng)人們心理上感受到自己、他人或其他主體具有較高的勝任感時(shí)，將有效增加他們積極的心理體驗(yàn)，同時(shí)表現(xiàn)出更高的信任、接受和購(gòu)買(mǎi)行為[51]。與人工智能推薦相比，消費(fèi)者認(rèn)為人類(lèi)具有更高的創(chuàng)造性，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)具有更高的勝任感，而勝任感是提升消費(fèi)者采納意愿的重要驅(qū)動(dòng)因素[52]。當(dāng)消費(fèi)者感受到人類(lèi)推薦具有的更高勝任感時(shí)，會(huì)產(chǎn)生兩個(gè)效果：一是產(chǎn)生積極的心理體驗(yàn)[51]，包括對(duì)人類(lèi)推薦感受到了更高的控制感、更積極的情緒體驗(yàn)，進(jìn)而提升了消費(fèi)者對(duì)人類(lèi)推薦的采納意愿；二是增加消費(fèi)者決策信心[53]，相信人類(lèi)能做出更好的推薦決策，也因此更愿意接受或采納人類(lèi)推薦。對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能推薦具有更高的勝任感。同樣地，人工智能推薦的勝任感也將提升消費(fèi)者積極的心理體驗(yàn)和決策信心[51]，并通過(guò)增加消費(fèi)者對(duì)人工智能推薦的心理控制和決策質(zhì)量的感知[53]，更相信、更愿意采納人工智能推薦。因此，本研究提出假設(shè)。

H2對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能推薦具有更低的勝任感，導(dǎo)致消費(fèi)者更低的采納意愿；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能推薦具有更高的勝任感，導(dǎo)致消費(fèi)者更高的采納意愿。

2.3 人工智能擬人化的調(diào)節(jié)作用

擬人化是將人類(lèi)特征、動(dòng)機(jī)、意圖或心理狀態(tài)賦予非人對(duì)象的行為[54]，對(duì)人們的認(rèn)知[55]、態(tài)度[56]和行為[57]具有重要的影響。類(lèi)似地，人工智能擬人化是指將人類(lèi)特征、動(dòng)機(jī)、意圖或心理狀態(tài)賦予人工智能的行為。當(dāng)人工智能模擬人類(lèi)的特征、動(dòng)機(jī)、意圖或心理狀態(tài)，直接影響消費(fèi)者對(duì)人工智能的心理感知，即勝任感，進(jìn)而通過(guò)勝任感間接影響消費(fèi)者對(duì)人工智能推薦高創(chuàng)造性產(chǎn)品的采納意愿。

人工智能所具有的人類(lèi)的特征、動(dòng)機(jī)、意圖或心理狀態(tài)的程度，直接影響人們對(duì)人工智能擬人化的勝任感的判斷。人們將人類(lèi)的特征、動(dòng)機(jī)、意圖或心理狀態(tài)賦予非人對(duì)象，可以增強(qiáng)理解該非人對(duì)象行為的能力，減少與該非人對(duì)象有關(guān)的不確定性。與非擬人化相比，擬人化能夠使人們感受到人工智能與人類(lèi)具有更多的相似性[54]，例如，像人類(lèi)一樣具有靈活的認(rèn)知能力。關(guān)于創(chuàng)造性的研究表明，認(rèn)知靈活性能夠正向提升個(gè)體的創(chuàng)造性[40]，進(jìn)而人們能夠感知到人工智能擬人化具有產(chǎn)生新穎有用的想法、見(jiàn)解或解決方案的能力[46]。因此，與非擬人化相比，擬人化使人們感受到人工智能具有更高的認(rèn)知靈活性，提升消費(fèi)者對(duì)人工智能推薦高創(chuàng)造性產(chǎn)品的勝任感。

人工智能推薦的勝任感正向影響消費(fèi)者的采納意愿。具體而言，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與非擬人化相比，擬人化增加了人工智能的認(rèn)知靈活性，進(jìn)而提升消費(fèi)者對(duì)人工智能推薦高創(chuàng)造性產(chǎn)品的勝任感，而勝任感是提升消費(fèi)者信任和采納意愿的重要因素[52]。當(dāng)人工智能擬人化時(shí)，消費(fèi)者能感受到人工智能推薦具有更高的勝任感，會(huì)產(chǎn)生積極的情感體驗(yàn)[51]和更高的決策信心[53]，提升消費(fèi)者對(duì)擬人化人工智能推薦的正向評(píng)價(jià)，進(jìn)而導(dǎo)致消費(fèi)者更愿意采納人工智能推薦的高創(chuàng)造性產(chǎn)品。因此，本研究提出假設(shè)。

H3對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人工智能非擬人化相比，人工智能擬人化增加了人工智能推薦的勝任感，進(jìn)而提升了消費(fèi)者采納意愿。

綜上所述，本研究將3個(gè)假設(shè)歸納成理論研究模型，見(jiàn)圖1。

圖1 理論模型Figure 1 Theoretical Model

本研究通過(guò)3項(xiàng)實(shí)驗(yàn)研究檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響以及勝任感對(duì)該影響的中介機(jī)制、人工智能擬人化對(duì)勝任感的中介作用的調(diào)節(jié)機(jī)制，實(shí)驗(yàn)1檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響，實(shí)驗(yàn)2檢驗(yàn)勝任感在人工智能推薦影響消費(fèi)者采納意愿過(guò)程中的中介作用，實(shí)驗(yàn)3檢驗(yàn)人工智能擬人化在人工智能推薦影響消費(fèi)者采納意愿過(guò)程中的調(diào)節(jié)作用。

3 實(shí)驗(yàn)1：檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響

實(shí)驗(yàn)1的目的是檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響(H1)。

3.1 預(yù)實(shí)驗(yàn)

預(yù)實(shí)驗(yàn)的目的是確定產(chǎn)品推薦任務(wù)的創(chuàng)造性高和低，研究人員于2018年11月5日至18日招募廣州市某重點(diǎn)高校79名大學(xué)生參加預(yù)實(shí)驗(yàn)，女性為54人，男性為25人，平均年齡為20.013歲。首先，研究人員選擇大學(xué)生較為熟悉的約會(huì)對(duì)象推薦任務(wù)和體育彩票推薦任務(wù)，請(qǐng)所有被試分別閱讀以下兩個(gè)情景：①想象你正在考慮找一個(gè)約會(huì)對(duì)象，你無(wú)意中發(fā)現(xiàn)一個(gè)在線(xiàn)約會(huì)網(wǎng)站，它可以提供幫助人們找到合適約會(huì)對(duì)象的推薦方式。②想象你打算將手頭的閑錢(qián)購(gòu)買(mǎi)體育彩票，你無(wú)意中發(fā)現(xiàn)一個(gè)體育彩票網(wǎng)站，它可以提供幫助人們做出更好購(gòu)買(mǎi)決策的推薦方式。其次，CASTELO et al.[35]認(rèn)為，任務(wù)的屬性影響消費(fèi)者對(duì)算法決策的信任，任務(wù)的屬性包括客觀(guān)性、情感和熟悉程度。因此，本研究參考CASTELO et al.[35]的研究，除了測(cè)量任務(wù)的創(chuàng)造性，還測(cè)量任務(wù)的客觀(guān)性、享樂(lè)性、困難性和消費(fèi)者對(duì)任務(wù)的熟悉程度。在閱讀情景材料后，請(qǐng)所有被試分別評(píng)價(jià)約會(huì)對(duì)象推薦任務(wù)和體育彩票推薦任務(wù)的創(chuàng)造性、客觀(guān)性、享樂(lè)性和困難性，所有測(cè)量題項(xiàng)均采用Likert 7點(diǎn)評(píng)分法。測(cè)量客觀(guān)性的題項(xiàng)為“你覺(jué)得這個(gè)推薦任務(wù)本身有多客觀(guān)？”，1為一點(diǎn)兒也不客觀(guān)，7為非?？陀^(guān)。測(cè)量創(chuàng)造性的題項(xiàng)為“你覺(jué)得這個(gè)推薦任務(wù)需要多少創(chuàng)造性？”1為一點(diǎn)兒也不需要?jiǎng)?chuàng)造性，7為非常需要?jiǎng)?chuàng)造性。測(cè)量享樂(lè)性的題項(xiàng)為“你覺(jué)得這個(gè)推薦任務(wù)享樂(lè)性有多少？”1為一點(diǎn)兒也不享樂(lè)，7為非常享樂(lè)。測(cè)量困難性的題項(xiàng)為“你覺(jué)得這個(gè)推薦任務(wù)有多困難？”1為一點(diǎn)兒也不困難，7為非常困難。測(cè)量被試對(duì)推薦任務(wù)的熟悉程度的題項(xiàng)為“你覺(jué)得你對(duì)這個(gè)推薦任務(wù)有多熟悉？”，1為一點(diǎn)兒也不熟悉，7為非常熟悉。最后測(cè)量被試的性別和年齡等人口統(tǒng)計(jì)信息。

鑒于每個(gè)被試均參與了兩個(gè)情景，對(duì)這兩個(gè)推薦任務(wù)的屬性進(jìn)行評(píng)價(jià)，所以采用配對(duì)樣本t檢驗(yàn)，將兩個(gè)推薦任務(wù)的創(chuàng)造性、客觀(guān)性、享樂(lè)性和困難性進(jìn)行配對(duì)比較。配對(duì)樣本t檢驗(yàn)結(jié)果表明，約會(huì)對(duì)象推薦任務(wù)的創(chuàng)造性顯著高于體育彩票推薦任務(wù)的創(chuàng)造性，M約=4.962，M體=3.987，t=4.801，p<0.001。兩個(gè)推薦任務(wù)的客觀(guān)性、享樂(lè)性、困難性沒(méi)有顯著差異，客觀(guān)性：M約=3.924，M體=4.114，t=-0.875，p>0.050；享樂(lè)性：M約=4.127，M體=3.785，t=1.917，p>0.050；困難性：M約=5.342，M體=5.241，t=0.514，p>0.050。此外，被試對(duì)約會(huì)對(duì)象和體育彩票推薦任務(wù)的熟悉程度也不存在顯著差異，M約=2.987，M體=3.267，t=-1.442，p>0.050。盡管體育彩票推薦任務(wù)的創(chuàng)造性顯著低于約會(huì)對(duì)象推薦任務(wù)的創(chuàng)造性，但本研究并不認(rèn)為體育彩票推薦任務(wù)一點(diǎn)兒也沒(méi)有創(chuàng)造性，M體=3.987，接近于7點(diǎn)評(píng)分法的中值，因此本研究認(rèn)為體育彩票推薦任務(wù)可以被視為低創(chuàng)造性推薦任務(wù)，這也證明了本研究將產(chǎn)品推薦任務(wù)類(lèi)型劃分為高創(chuàng)造性和低創(chuàng)造性的嚴(yán)謹(jǐn)性，而不是劃分為創(chuàng)造性和非創(chuàng)造性。綜上所述，體育彩票推薦任務(wù)的創(chuàng)造性低于約會(huì)對(duì)象推薦任務(wù)的創(chuàng)造性，正式實(shí)驗(yàn)將約會(huì)對(duì)象作為高創(chuàng)造性產(chǎn)品推薦任務(wù)的實(shí)驗(yàn)材料、將體育彩票作為低創(chuàng)造性產(chǎn)品推薦任務(wù)的實(shí)驗(yàn)材料。

3.2 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)1采用人工智能和人類(lèi)×高創(chuàng)造性和低創(chuàng)造性產(chǎn)品推薦任務(wù)的2×2組間實(shí)驗(yàn)設(shè)計(jì)，研究人員于2018年12月10日至23日招募廣州市某重點(diǎn)高校228名大學(xué)生，女性為127人，男性為101人，平均年齡為21.070歲。將所有被試隨機(jī)分配到4個(gè)實(shí)驗(yàn)組，人類(lèi)-高創(chuàng)造性推薦任務(wù)組有57名被試，人工智能-高創(chuàng)造性推薦任務(wù)組有56名被試，人類(lèi)-低創(chuàng)造性推薦任務(wù)組有57名被試，人工智能-低創(chuàng)造性推薦任務(wù)組有58名被試，所有被試均未參加過(guò)預(yù)實(shí)驗(yàn)。關(guān)于產(chǎn)品推薦任務(wù)類(lèi)型的操控，根據(jù)預(yù)實(shí)驗(yàn)，實(shí)驗(yàn)1選擇約會(huì)對(duì)象和體育彩票兩個(gè)不同創(chuàng)造性產(chǎn)品推薦任務(wù)。對(duì)于推薦方法的操控，將人類(lèi)推薦操控為基于直覺(jué)經(jīng)驗(yàn)決策的情感專(zhuān)家或體育分析師，將人工智能推薦操控為基于算法決策的人工智能。為了更好地激勵(lì)被試完成實(shí)驗(yàn)，本研究給予認(rèn)真參加實(shí)驗(yàn)的被試每人2元人民幣報(bào)酬。實(shí)驗(yàn)程序如下：4組被試隨機(jī)閱讀下文4個(gè)實(shí)驗(yàn)情景材料中的一個(gè)，實(shí)驗(yàn)情景如下：

(1)假設(shè)你正在考慮找一個(gè)約會(huì)對(duì)象，你無(wú)意中發(fā)現(xiàn)一個(gè)在線(xiàn)約會(huì)網(wǎng)站，它提供了情感專(zhuān)家推薦方法，幫助人們找到合適的約會(huì)對(duì)象。

(2)假設(shè)你正在考慮找一個(gè)約會(huì)對(duì)象，你無(wú)意中發(fā)現(xiàn)一個(gè)在線(xiàn)約會(huì)網(wǎng)站，它提供了人工智能算法推薦方法，幫助人們找到合適的約會(huì)對(duì)象。

(3)假設(shè)你打算將手頭的閑錢(qián)購(gòu)買(mǎi)體育彩票，你無(wú)意中發(fā)現(xiàn)一個(gè)體育彩票網(wǎng)站，它提供了體育分析師推薦方法，幫助人們做出更好的購(gòu)買(mǎi)決策。

(4)假設(shè)你打算將手頭的閑錢(qián)購(gòu)買(mǎi)體育彩票，你無(wú)意中發(fā)現(xiàn)一個(gè)體育彩票網(wǎng)站，它提供了人工智能算法推薦方法，幫助人們做出更好的購(gòu)買(mǎi)決策。

被試在閱讀完實(shí)驗(yàn)情景后，填寫(xiě)采納意愿、產(chǎn)品推薦任務(wù)屬性、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)等問(wèn)卷。消費(fèi)者創(chuàng)新性是個(gè)體固有的特質(zhì)，不同消費(fèi)者的創(chuàng)新性可能不同，消費(fèi)者專(zhuān)業(yè)知識(shí)是指消費(fèi)者對(duì)人工智能的了解和熟悉程度，消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)可能會(huì)影響消費(fèi)者對(duì)人工智能推薦的采納意愿。最后，請(qǐng)被試填寫(xiě)性別和年齡等人口統(tǒng)計(jì)信息。

3.3 變量測(cè)量

實(shí)驗(yàn)1主要測(cè)量消費(fèi)者采納意愿、產(chǎn)品推薦任務(wù)屬性和人口統(tǒng)計(jì)信息，本研究采用相關(guān)系數(shù)和Cronbach′sα檢驗(yàn)量表的信度。測(cè)量消費(fèi)者采納意愿的量表改編自FRIDIN et al.[58]的研究，采用Likert 7點(diǎn)評(píng)分法，題項(xiàng)為“在上述實(shí)驗(yàn)情景中，你多大程度上遵從人類(lèi)/人工智能的建議？”，1為一點(diǎn)兒也不愿意遵從，7為非常愿意遵從；“在上述實(shí)驗(yàn)情景中，你多大程度上接受人類(lèi)/人工智能的推薦”，1為一點(diǎn)兒也不愿意接受，7為非常愿意接受。本研究中這兩個(gè)題項(xiàng)的相關(guān)系數(shù)為0.854。對(duì)產(chǎn)品推薦任務(wù)的創(chuàng)造性、客觀(guān)性、享樂(lè)性和困難性的測(cè)量與預(yù)實(shí)驗(yàn)相同。測(cè)量消費(fèi)者創(chuàng)新性的題項(xiàng)來(lái)自HIRSCHMAN[49]的研究，采用4個(gè)題項(xiàng)，包括“我喜歡嘗試新產(chǎn)品或新技術(shù)”“我喜歡購(gòu)買(mǎi)與眾不同的新產(chǎn)品”“我喜歡學(xué)習(xí)和掌握新產(chǎn)品或技術(shù)”“我對(duì)新產(chǎn)品或新技術(shù)感到興奮”，本研究中該量表的Cronbach′sα值為0.894。測(cè)量消費(fèi)者專(zhuān)業(yè)知識(shí)的題項(xiàng)改編自吳繼飛等[59]的研究，采用3個(gè)題項(xiàng)，包括“我對(duì)人工智能很感興趣”“我對(duì)人工智能很熟悉”“我對(duì)人工智能很了解”，本研究中該量表的Cronbach′sα值為0.881。測(cè)量消費(fèi)者創(chuàng)新性和專(zhuān)業(yè)知識(shí)采用Likert 7點(diǎn)評(píng)分法，1為非常不同意，7為非常同意。

3.4 研究結(jié)果

(1)操控檢驗(yàn)。本研究以約會(huì)對(duì)象和體育彩票兩個(gè)推薦任務(wù)為研究對(duì)象，為了檢驗(yàn)產(chǎn)品推薦任務(wù)類(lèi)型的操控是否成功，使用單因素方差分析。結(jié)果表明，與體育彩票推薦任務(wù)相比，約會(huì)對(duì)象推薦任務(wù)需要更高的創(chuàng)造性，M約=5.212，M體=4.226，F(xiàn)=31.561，p<0.001，且約會(huì)對(duì)象推薦任務(wù)的創(chuàng)造性顯著高于7點(diǎn)評(píng)分法的中值，M約=5.212，M中值=4.000，t=9.977，p<0.001。此外，兩個(gè)推薦任務(wù)的客觀(guān)性、享樂(lè)性、困難性沒(méi)有顯著差異，客觀(guān)性：M約=3.841，M體=3.965，F(xiàn)=0.634，p>0.050；享樂(lè)性：M約=4.204，M體=4.009，F(xiàn)=2.336，p>0.050；困難性：M約=5.115，M體=5.026，F(xiàn)=0.337，p>0.050。同時(shí)，被試對(duì)約會(huì)對(duì)象和體育彩票推薦任務(wù)的熟悉程度也不存在顯著差異，M約=2.876，M體=2.974，F(xiàn)=0.345，p>0.050。因此，推薦任務(wù)類(lèi)型的操控檢驗(yàn)成功。

(2)假設(shè)檢驗(yàn)。本研究采用雙因素方差分析檢驗(yàn)人工智能推薦與任務(wù)類(lèi)型的交互對(duì)消費(fèi)者采納意愿的影響，結(jié)果見(jiàn)圖2。由圖2可知，人工智能推薦和任務(wù)類(lèi)型對(duì)消費(fèi)者采納意愿具有顯著的交互效應(yīng)，F(xiàn)=22.151，p<0.001。人工智能推薦：F=1.227，p>0.050；產(chǎn)品推薦任務(wù)類(lèi)型：F=0.077，p>0.050。推薦方法和產(chǎn)品推薦任務(wù)類(lèi)型對(duì)消費(fèi)者采納意愿的主效應(yīng)不顯著。簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，對(duì)于高創(chuàng)造性的約會(huì)對(duì)象推薦任務(wù)，消費(fèi)者對(duì)人工智能推薦比人類(lèi)推薦的采納意愿更低，M人工智能=3.955，M人類(lèi)=4.842，F(xiàn)=16.756，p<0.001；而對(duì)于低創(chuàng)造性的體育彩票推薦任務(wù)，消費(fèi)者對(duì)人工智能推薦比人類(lèi)推薦的采納意愿更高，M人工智能=4.716，M人類(lèi)=4.167，F(xiàn)=6.533，p<0.050。因此，H1得到驗(yàn)證。

圖2 實(shí)驗(yàn)1：人工智能推薦對(duì)消費(fèi)者采納意愿影響的分析結(jié)果Figure 2 Experiment 1：Analysis Results for the Effect of AI Recommendation on Consumers′ Willingness to Adopt

(3)替代解釋。為了控制產(chǎn)品推薦任務(wù)的客觀(guān)性、困難程度、享樂(lè)性的替代解釋?zhuān)捎没貧w分析考察這些因素對(duì)人工智能推薦采納意愿的影響。回歸分析模型設(shè)置如下：①因變量為消費(fèi)者對(duì)人工智能推薦的采納意愿；②控制變量包括性別、年齡、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)；③自變量包括產(chǎn)品推薦任務(wù)的創(chuàng)造性、客觀(guān)性、享樂(lè)性、困難性和熟悉程度?；貧w模型通過(guò)了F檢驗(yàn)，且方差膨脹因子(VIF)小于2，表明該回歸模型不存在多重共線(xiàn)性問(wèn)題?；貧w結(jié)果表明，在控制了性別、年齡、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)后，產(chǎn)品推薦任務(wù)的創(chuàng)造性的β=-0.336，p<0.001，對(duì)人工智能推薦的采納意愿具有顯著的負(fù)向影響；產(chǎn)品推薦任務(wù)的客觀(guān)性對(duì)人工智能推薦的采納意愿具有顯著的正向影響，β=0.211，p=0.027。但客觀(guān)性的影響大小及其顯著性均小于創(chuàng)造性對(duì)消費(fèi)者采納意愿的影響。產(chǎn)品推薦任務(wù)的享樂(lè)性：β=-0.185，p>0.050；困難性：β=0.029，p>0.050；熟悉程度：β=-0.066，p>0.050。三者對(duì)人工智能推薦的采納意愿沒(méi)有顯著影響，因此，再次證明產(chǎn)品推薦任務(wù)的創(chuàng)造性越高，消費(fèi)者對(duì)人工智能推薦的采納意愿越低。

(4)結(jié)果討論。實(shí)驗(yàn)1通過(guò)組間實(shí)驗(yàn)設(shè)計(jì)驗(yàn)證了人工智能推薦對(duì)消費(fèi)者采納意愿的影響：對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者的采納意愿更低；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者的采納意愿更高。對(duì)于約會(huì)對(duì)象和體育彩票這兩個(gè)推薦任務(wù)，享樂(lè)性作為情感相關(guān)的主要變量，實(shí)驗(yàn)1雖然盡可能地控制了與情感相關(guān)的享樂(lè)性對(duì)人工智能推薦的采納意愿的影響，但可能還存在享樂(lè)性之外其他與情感相關(guān)的因素，會(huì)對(duì)人工智能推薦的采納意愿產(chǎn)生影響，實(shí)驗(yàn)1還無(wú)法排除其他情感因素對(duì)人工智能推薦的采納意愿帶來(lái)的影響。因此，實(shí)驗(yàn)2通過(guò)使用同一種產(chǎn)品作為實(shí)驗(yàn)材料，進(jìn)一步控制與情感相關(guān)的其他因素對(duì)人工智能推薦的采納意愿造成的影響。

4 實(shí)驗(yàn)2：檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿影響的中介機(jī)制

實(shí)驗(yàn)2有兩個(gè)主要目的：一是檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿影響的中介機(jī)制(H2)，即對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者感知到更低的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能更低的采納意愿；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情況下消費(fèi)者感知到更高的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能更高的采納意愿。二是控制不同產(chǎn)品類(lèi)型的影響，通過(guò)選擇大學(xué)生較為熟悉的服裝產(chǎn)品，將其描述成不同創(chuàng)造性產(chǎn)品推薦任務(wù)，控制實(shí)驗(yàn)1中可能遺漏的對(duì)不同產(chǎn)品推薦任務(wù)的情感因素的影響，進(jìn)一步檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響(H1)。

4.1 預(yù)實(shí)驗(yàn)

預(yù)實(shí)驗(yàn)的主要目的是檢驗(yàn)產(chǎn)品推薦任務(wù)類(lèi)型的操控方法有效性，即對(duì)于相同的服裝產(chǎn)品推薦任務(wù)，可以描述成高創(chuàng)造性和低創(chuàng)造性?xún)煞N不同的推薦情景。研究人員于2019年9月16日至22日招募重慶市某重點(diǎn)高校77名大學(xué)生參加預(yù)實(shí)驗(yàn)，女性為42人，男性為35人，平均年齡為20.286歲。將所有被試隨機(jī)分配到服裝款式和服裝尺寸的推薦任務(wù)組，服裝款式組為38人，服裝尺寸組為39人，所有被試均未參加過(guò)實(shí)驗(yàn)1的預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)，請(qǐng)被試評(píng)價(jià)服裝款式或服裝尺寸推薦任務(wù)的創(chuàng)造性、客觀(guān)性、享樂(lè)性、困難性和熟悉程度。

單因素方差分析結(jié)果表明，服裝款式推薦任務(wù)的創(chuàng)造性顯著高于服裝尺寸推薦任務(wù)的創(chuàng)造性，M款式=5.579，M尺寸=3.897，F(xiàn)=30.266，p<0.001。服裝款式與服裝尺寸推薦任務(wù)的客觀(guān)性、享樂(lè)性、困難性沒(méi)有顯著差異，客觀(guān)性：M款式=3.947，M尺寸=4.077，F(xiàn)=0.241，p>0.050；享樂(lè)性：M款式=4.421，M尺寸=4.308，F(xiàn)=0.166，p>0.050；困難性：M款式=4.974，M尺寸=4.897，F(xiàn)=0.093，p>0.050。同時(shí)，被試對(duì)服裝款式和服裝尺寸推薦任務(wù)的熟悉程度也不存在顯著差異，M款式=3.763，M尺寸=3.615，F(xiàn)=0.199，p>0.050。因此，服裝款式和服裝尺寸推薦任務(wù)可以作為高、低創(chuàng)造性產(chǎn)品推薦任務(wù)的實(shí)驗(yàn)材料。

4.2 實(shí)驗(yàn)設(shè)計(jì)

本研究采用人工智能和人類(lèi)×高創(chuàng)造性和低創(chuàng)造性產(chǎn)品推薦任務(wù)的2×2混合實(shí)驗(yàn)設(shè)計(jì)，研究人員于2020年6月18日至24日招募重慶市某重點(diǎn)高校172名大學(xué)生，女性為91人，男性為81人，平均年齡為21.262歲。將被試隨機(jī)分配到不同創(chuàng)造性產(chǎn)品推薦任務(wù)組，其中，高創(chuàng)造性產(chǎn)品推薦任務(wù)組85人，低創(chuàng)造性產(chǎn)品推薦任務(wù)組87人，所有被試均未參加過(guò)預(yù)實(shí)驗(yàn)以及實(shí)驗(yàn)1的預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)。本研究選擇大學(xué)生較為熟悉的服裝產(chǎn)品，對(duì)服裝產(chǎn)品的推薦在內(nèi)容描述方面進(jìn)行操控：高創(chuàng)造性服裝推薦任務(wù)組，主要強(qiáng)調(diào)服裝款式的推薦；低創(chuàng)造性服裝推薦任務(wù)組，主要強(qiáng)調(diào)服裝尺寸的推薦。對(duì)于推薦方法的操控，本研究將人類(lèi)推薦操控為來(lái)自服裝設(shè)計(jì)師的建議，將人工智能推薦操控為來(lái)自3D虛擬試衣系統(tǒng)的建議。為了更好地激勵(lì)被試完成實(shí)驗(yàn)，本研究給予認(rèn)真參加實(shí)驗(yàn)的被試每人3元人民幣報(bào)酬。實(shí)驗(yàn)情景如下：

高創(chuàng)造性產(chǎn)品推薦任務(wù)：想象你計(jì)劃購(gòu)買(mǎi)一件用來(lái)參加典禮的衣服，但你不確定自己應(yīng)該穿什么款式。于是你在網(wǎng)上搜索到一家在線(xiàn)服裝店，這家店提供兩種不同的建議方式幫助顧客選擇適合的款式：人類(lèi)推薦(來(lái)自服裝設(shè)計(jì)師的建議)和人工智能推薦(來(lái)自3D虛擬試衣系統(tǒng)的建議)。

低創(chuàng)造性產(chǎn)品推薦任務(wù)：想象你計(jì)劃購(gòu)買(mǎi)一件用來(lái)參加典禮的衣服，于是你在網(wǎng)店搜索并選擇了喜歡的款式，但不確定穿多大的尺寸。這家在線(xiàn)網(wǎng)店提供兩種不同的建議方式幫助顧客選擇合適的尺碼：人類(lèi)推薦(來(lái)自服裝設(shè)計(jì)師的建議)和人工智能推薦(來(lái)自3D虛擬試衣系統(tǒng)的建議)。

本研究實(shí)驗(yàn)程序如下：①將被試隨機(jī)分配到高或低創(chuàng)造性產(chǎn)品推薦任務(wù)組；②在閱讀完實(shí)驗(yàn)情景材料后，請(qǐng)被試回答采納意愿、勝任感和產(chǎn)品推薦任務(wù)屬性；③填寫(xiě)人口統(tǒng)計(jì)信息。

4.3 變量測(cè)量

本研究主要測(cè)量消費(fèi)者采納意愿、勝任感、產(chǎn)品推薦任務(wù)屬性。測(cè)量消費(fèi)者采納意愿的題項(xiàng)改編自FRIDIN et al.[58]的研究，分別測(cè)量消費(fèi)者對(duì)人類(lèi)推薦的采納意愿和對(duì)人工智能推薦的采納意愿，測(cè)量題項(xiàng)與實(shí)驗(yàn)1相同，對(duì)人工智能推薦的采納意愿兩個(gè)題項(xiàng)的相關(guān)系數(shù)為0.823，對(duì)人類(lèi)推薦的采納意愿兩個(gè)題項(xiàng)的相關(guān)系數(shù)為0.847。測(cè)量勝任感的題項(xiàng)改編自MCKNIGHT et al.[60]的研究，分別測(cè)量人工智能推薦勝任感和人類(lèi)推薦勝任感，采用3個(gè)題項(xiàng)，包括“我覺(jué)得人工智能/人類(lèi)有能力推薦這個(gè)產(chǎn)品”“我覺(jué)得人工智能/人類(lèi)很嫻熟地推薦這個(gè)產(chǎn)品”“我覺(jué)得人工智能/人類(lèi)能有效地推薦這個(gè)產(chǎn)品”，人工智能推薦勝任感的Cronbach′sα值為0.887，人類(lèi)推薦勝任感的Cronbach′sα值為0.876。上述題項(xiàng)采用Likert 7點(diǎn)評(píng)分法，1為非常不同意，7為非常同意。產(chǎn)品推薦任務(wù)屬性的測(cè)量與實(shí)驗(yàn)1相同。

4.4 研究結(jié)果

(1)操控檢驗(yàn)。為了檢驗(yàn)產(chǎn)品推薦任務(wù)類(lèi)型的操控是否成功，本研究采用單因素方差分析，結(jié)果表明，與服裝尺寸推薦任務(wù)相比，服裝款式推薦任務(wù)需要更高的創(chuàng)造性，M款式=5.271，M尺寸=4.034，F(xiàn)=42.679，p<0.001。服裝款式與服裝尺寸推薦任務(wù)的客觀(guān)性、享樂(lè)性、困難性和熟悉程度沒(méi)有顯著的差異，客觀(guān)性：M款式=3.918，M尺寸=4.115，F(xiàn)=1.322，p>0.050；享樂(lè)性：M款式=4.365，M尺寸=4.276，F(xiàn)=0.218，p>0.050；困難性：M款式=5.012，M尺寸=4.862，F(xiàn)=0.782，p>0.050；熟悉程度：M款式=3.988，M尺寸=4.046，F(xiàn)=0.085，p>0.050，這進(jìn)一步控制了享樂(lè)性等情感因素對(duì)主效應(yīng)的影響。因此，產(chǎn)品推薦任務(wù)類(lèi)型的操控檢驗(yàn)成功。

(2)人工智能推薦對(duì)消費(fèi)者采納意愿的影響。本研究采用配對(duì)樣本t檢驗(yàn)分析人工智能推薦對(duì)消費(fèi)者采納意愿的影響，將人工智能推薦的采納意愿與人類(lèi)推薦的采納意愿進(jìn)行配對(duì)比較，分析結(jié)果見(jiàn)圖3。

圖3 實(shí)驗(yàn)2：人工智能推薦對(duì)消費(fèi)者采納意愿影響的分析結(jié)果Figure 3 Experiment 2：Analysis Results for the Effect of AI Recommendation on Consumers′ Willingness to Adopt

由圖3可知，對(duì)于高創(chuàng)造性的服裝款式推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦能夠誘發(fā)消費(fèi)者產(chǎn)生更低的采納意愿，M人工智能=3.747，M人類(lèi)=5.012，t=6.470，p<0.001；對(duì)于低創(chuàng)造性的服裝尺寸推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦能夠誘發(fā)消費(fèi)者產(chǎn)生更高的采納意愿，M人工智能=4.833，M人類(lèi)=4.063，t=3.964，p<0.001，H1得到驗(yàn)證。

表1 有調(diào)節(jié)的中介效應(yīng)分析結(jié)果Table 1 Analysis Results for the Moderated Mediation Effect

(3)勝任感的中介效應(yīng)。為了檢驗(yàn)有調(diào)節(jié)的中介效應(yīng)，本研究采用Spss軟件的Process插件進(jìn)行分析[61]，選擇有調(diào)節(jié)的中介分析模型，即模型7，采用5 000次重復(fù)抽樣。模型7的相關(guān)變量設(shè)定如下：自變量為推薦方法，分為人工智能推薦和人類(lèi)推薦，人工智能推薦編碼為1，人類(lèi)推薦編碼為0；因變量為消費(fèi)者采納意愿；中介變量為勝任感；調(diào)節(jié)變量為任務(wù)類(lèi)型，分為高和低創(chuàng)造性，高創(chuàng)造性編碼為1，低創(chuàng)造性編碼為0；控制變量包括性別、年齡、產(chǎn)品推薦任務(wù)屬性、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)。分析結(jié)果見(jiàn)表1。

參考劉容等[62]的研究，具體步驟為：①由表1中有調(diào)節(jié)的中介效應(yīng)結(jié)果可知，任務(wù)類(lèi)型對(duì)勝任感在人工智能推薦與消費(fèi)者采納意愿之間的中介效應(yīng)具有調(diào)節(jié)作用，判定指數(shù)為-2.488，置信區(qū)間為[-2.867，-2.117]，不包含0，表明有調(diào)節(jié)的中介效應(yīng)成立。②由表1中直接效應(yīng)的結(jié)果可知，人工智能推薦對(duì)消費(fèi)者采納意愿影響的直接效應(yīng)值為-0.099，置信區(qū)間為[-0.251,0.052]，包含0，說(shuō)明直接效應(yīng)不顯著。③由表1中中介效應(yīng)的結(jié)果可知，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，人工智能推薦通過(guò)勝任感影響消費(fèi)者采納意愿的中介效應(yīng)值為-1.397，置信區(qū)間為[-1.670，-1.140]，不包含0，表明此時(shí)勝任感起顯著的中介效應(yīng)，結(jié)合直接效應(yīng)的結(jié)果可知，為完全中介效應(yīng)；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，人工智能推薦通過(guò)勝任感影響消費(fèi)者采納意愿的中介效應(yīng)值為1.091，置信區(qū)間為[0.872，1.321]，不包含0，表明此時(shí)勝任感起顯著的中介效應(yīng)，結(jié)合直接效應(yīng)的結(jié)果可知，為完全中介效應(yīng)。H2得到驗(yàn)證。

此外，為了更好地展示勝任感在不同推薦任務(wù)類(lèi)型下的中介效應(yīng)，本研究借鑒MONTOYA et al.[63]提出的被試內(nèi)設(shè)計(jì)的中介效應(yīng)分析方法，參考王陽(yáng)等[64]建議的依次分析法和路徑分析程序，使用Spss軟件中的Memore插件分析勝任感的中介效應(yīng)，采用5 000次重復(fù)抽樣。模型相關(guān)變量設(shè)定如下：自變量為人工智能推薦，中介變量為勝任感，因變量為消費(fèi)者采納意愿。勝任感的中介檢驗(yàn)結(jié)果見(jiàn)圖4和圖5。

注：***為p<0.001，下同。

圖5 勝任感的中介效應(yīng)分析結(jié)果(低創(chuàng)造性任務(wù))Figure 5 Mediation Effect Analysis Results for Sense of Competence (Low-creativity Tasks)

圖4給出高創(chuàng)造性產(chǎn)品推薦任務(wù)情景下勝任感的中介效應(yīng)分析結(jié)果。由圖4可知，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，①配對(duì)樣本t檢驗(yàn)結(jié)果表明，人工智能推薦與人類(lèi)推薦兩種情景下勝任感的均值差異顯著，即a=ΔM=M人工智能-M人類(lèi)=-2.169，t=-8.399，p<0.001；消費(fèi)者采納意愿的均值差異顯著，ΔM=M人工智能-M人類(lèi)=-1.265，t=-6.470，p<0.001。人工智能推薦比人類(lèi)推薦的勝任感更低，M人工智能=2.902，M人類(lèi)=5.071；消費(fèi)者采納意愿更低，M人工智能=3.747，M人類(lèi)=5.012。②人工智能推薦與人類(lèi)推薦的勝任感均值差異到消費(fèi)者采納意愿均值差異路徑系數(shù)顯著，b=0.673，t=18.475，p<0.001；人工智能推薦對(duì)消費(fèi)者采納意愿的影響不顯著，c′=0.195，t=1.671，p>0.050。③采用非參數(shù)百分位Bootstrap法直接檢驗(yàn)勝任感的中介效應(yīng)(即a·b的顯著性)，結(jié)果表明，a·b的95%置信區(qū)間為[-1.897，-1.050]，不包含0，表明在高創(chuàng)造性產(chǎn)品推薦任務(wù)情景下，勝任感在人工智能推薦與消費(fèi)者采納意愿關(guān)系中起顯著的中介作用，H2得到驗(yàn)證。

圖5給出低創(chuàng)造性產(chǎn)品推薦任務(wù)情景下勝任感的中介效應(yīng)分析結(jié)果。由圖5可知，對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，①配對(duì)樣本t檢驗(yàn)結(jié)果表明，人工智能推薦與人類(lèi)推薦兩種情景下勝任感的均值差異顯著，即a=ΔM=M人工智能-M人類(lèi)=1.732，t=7.318，p<0.001；消費(fèi)者采納意愿的均值差異顯著，ΔM=M人工智能-M人類(lèi)=0.770，t=6.470，p<0.001。人工智能推薦比人類(lèi)推薦的勝任感更高，M人工智能=4.686，M人類(lèi)=2.953；消費(fèi)者采納意愿更高，M人工智能=4.833，M人類(lèi)=4.063。②人工智能與人類(lèi)推薦的勝任感均值差異到消費(fèi)者采納意愿均值差異的路徑系數(shù)顯著，b=0.742，t=18.514，p<0.001；人工智能推薦對(duì)消費(fèi)者采納意愿的影響也顯著，c′=-0.516，t=-4.626，p<0.001。③采用非參數(shù)百分位Bootstrap法直接檢驗(yàn)勝任感的中介效應(yīng)(即a·b的顯著性)，結(jié)果表明，a·b的95%置信區(qū)間為[0.919，1.693]，不包含0，表明在低創(chuàng)造性產(chǎn)品推薦任務(wù)情景下，勝任感在人工智能推薦與消費(fèi)者采納意愿關(guān)系中起顯著的中介作用。H2得到驗(yàn)證。

(4)結(jié)果討論。實(shí)驗(yàn)2選擇將同一種產(chǎn)品描述成不同創(chuàng)造性推薦任務(wù)，驗(yàn)證人工智能推薦對(duì)消費(fèi)者采納意愿影響的中介機(jī)制，即對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦能夠誘發(fā)消費(fèi)者產(chǎn)生更低的勝任感，進(jìn)而降低消費(fèi)者對(duì)人工智能推薦的采納意愿；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦能夠誘發(fā)消費(fèi)者產(chǎn)生更高的勝任感，進(jìn)而提升消費(fèi)者對(duì)人工智能推薦的采納意愿。在實(shí)驗(yàn)1的基礎(chǔ)上，實(shí)驗(yàn)2通過(guò)將同一種服裝產(chǎn)品推薦操控成款式和尺寸的推薦，鑒于款式和尺寸與情感并無(wú)直接關(guān)聯(lián)，因此，實(shí)驗(yàn)2有效地控制了實(shí)驗(yàn)1不同產(chǎn)品的推薦任務(wù)帶來(lái)的情感因素的影響。實(shí)驗(yàn)3將繼續(xù)探究人工智能推薦對(duì)消費(fèi)者采納意愿影響的調(diào)節(jié)機(jī)制。

5 實(shí)驗(yàn)3：檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿影響的調(diào)節(jié)機(jī)制

實(shí)驗(yàn)3的目的是檢驗(yàn)人工智能擬人化對(duì)勝任感在人工智能推薦與消費(fèi)者采納意愿之間中介效應(yīng)的調(diào)節(jié)作用(H3)，即與非擬人化人工智能相比，人工智能擬人化可以有效提升消費(fèi)者對(duì)人工智能從事高創(chuàng)造性產(chǎn)品推薦任務(wù)的采納意愿，這是因?yàn)閿M人化提升了人工智能對(duì)高創(chuàng)造性產(chǎn)品推薦任務(wù)的勝任感，進(jìn)而增加消費(fèi)者的采納意愿。

5.1 預(yù)實(shí)驗(yàn)

預(yù)實(shí)驗(yàn)有兩個(gè)目的：①檢驗(yàn)人工智能擬人化操控方法的有效性；②初步檢驗(yàn)人工智能擬人化對(duì)勝任感的影響，即與人工智能非擬人化相比，人工智能擬人化能夠提升消費(fèi)者的勝任感。蜜月旅游對(duì)于人們來(lái)說(shuō)至關(guān)重要，人們往往期待自己的蜜月旅游是有創(chuàng)意的、難以忘懷的。因此，本研究選取蜜月旅游推薦作為高創(chuàng)造性產(chǎn)品推薦任務(wù)。本研究結(jié)合現(xiàn)實(shí)生活中旅游產(chǎn)品的推薦情形，將人工智能推薦操控為AI算法；借鑒WAN et al.[65]的研究，采用擬人化語(yǔ)言表達(dá)方式，將人工智能擬人化推薦操控為AI蜜月設(shè)計(jì)助手。研究人員于2020年6月19日至21日在線(xiàn)招募安徽省某高校63名在校大學(xué)生參加預(yù)實(shí)驗(yàn)，女性為36人，男性為27人，平均年齡為21.984歲，所有被試均未參加過(guò)實(shí)驗(yàn)1和實(shí)驗(yàn)2的預(yù)實(shí)驗(yàn)和正式實(shí)驗(yàn)。首先，將所有被試隨機(jī)分配到人工智能推薦組(AI蜜月設(shè)計(jì)算法，簡(jiǎn)稱(chēng)AI算法)和人工智能擬人化組(AI蜜月設(shè)計(jì)助手，簡(jiǎn)稱(chēng)AI助手)，人工智能推薦組為32人，人工智能擬人化組為31人，人工智能推薦組的實(shí)驗(yàn)情景為：

想象你正在計(jì)劃一次蜜月旅行，于是你在網(wǎng)上搜索到一家旅行網(wǎng)站，這家旅行網(wǎng)站提供一種新穎的推薦方法幫助顧客制定蜜月旅行方案：親愛(ài)的顧客，您好！我們的AI蜜月設(shè)計(jì)算法根據(jù)您的偏好、以往顧客蜜月體驗(yàn)和當(dāng)前流行趨勢(shì)，為您提供蜜月之旅建議，幫助您做出更好的蜜月決策。

人工智能擬人化組的實(shí)驗(yàn)情景為：

想象你正在計(jì)劃一次蜜月旅行，于是你在網(wǎng)上搜索到一家旅行網(wǎng)站，這家旅行網(wǎng)站提供一種新穎的推薦方法幫助顧客制定蜜月旅行方案：親愛(ài)的顧客，您好！我是您的AI蜜月設(shè)計(jì)助手。我會(huì)根據(jù)您的偏好、以往顧客蜜月體驗(yàn)和當(dāng)前流行趨勢(shì)，為您提供蜜月之旅建議，幫助您做出更好的蜜月決策。

被試在閱讀完實(shí)驗(yàn)情景后，對(duì)人工智能的勝任感和人工智能擬人化進(jìn)行評(píng)價(jià)。測(cè)量勝任感的題項(xiàng)改編自MCKNIGHT et al.[60]的研究，采用3個(gè)題項(xiàng)，包括“我覺(jué)得AI算法/AI助手有能力提供蜜月方面的建議”“我覺(jué)得AI算法/AI助手擅長(zhǎng)提供蜜月方面的建議”“我覺(jué)得AI算法/AI助手能有效地提供蜜月方面的建議”，本研究中該變量的Cronbach′sα值為0.860。測(cè)量人工智能擬人化的題項(xiàng)改編自KIM et al.[66]的研究，采用3個(gè)題項(xiàng)，包括“我覺(jué)得AI算法/AI助手看起來(lái)像人一樣做決策”“我覺(jué)得AI算法/AI助手看起來(lái)好像有自由意志”“我覺(jué)得AI算法/AI助手看起來(lái)好像有自己的個(gè)性”，本研究中該變量的Cronbach′sα值為0.895。此外，本研究還通過(guò)單題項(xiàng)測(cè)量認(rèn)知靈活性，即“我覺(jué)得AI算法/AI助手在推薦決策中具有較高的靈活性”[47]。上述題項(xiàng)均采用Likert 7點(diǎn)評(píng)分法，1為非常不同意，7為非常同意。最后測(cè)量被試的性別和年齡等人口統(tǒng)計(jì)信息。

單因素方差分析結(jié)果表明，與AI算法相比，AI助手誘發(fā)被試產(chǎn)生更高的擬人化感知，MAI助手=4.094，MAI算法=2.806，F(xiàn)=17.773，p<0.001；對(duì)于性別的檢驗(yàn)，β=0.320，t(60)=0.909，p>0.050；對(duì)于年齡的檢驗(yàn)，β=0.057，t(60)=0.683，p>0.050。性別對(duì)擬人化感知沒(méi)有顯著影響。因此，人工智能擬人化操控取得成功。在蜜月旅行推薦決策中，被試認(rèn)為AI助手比AI算法具有更高的勝任感，MAI助手=4.563，MAI算法=3.903，F(xiàn)=5.181，p<0.050，表明人工智能擬人化能夠顯著提升人工智能推薦高創(chuàng)造性產(chǎn)品的勝任感。同時(shí)，被試認(rèn)為AI助手比AI算法具有更高的認(rèn)知靈活性，MAI助手=4.063，MAI算法=2.839，F(xiàn)=14.375，p<0.001。而且認(rèn)知靈活性正向影響勝任感，β=0.472，t(59)=5.446，p<0.001，間接印證了H3的理論推導(dǎo)。因此，人工智能擬人化的操控能夠誘發(fā)被試感知到不同水平的勝任感，可用于正式實(shí)驗(yàn)。

5.2 實(shí)驗(yàn)設(shè)計(jì)

本研究采用單因素人類(lèi)推薦、人工智能推薦、人工智能擬人化推薦的組間實(shí)驗(yàn)設(shè)計(jì)。研究人員于2020年6月23日至25日在線(xiàn)招募安徽省某高校149名大學(xué)生參與本次實(shí)驗(yàn)，女性為82人，男性為67人，平均年齡為21.275歲，所有被試均未參加過(guò)前述的預(yù)實(shí)驗(yàn)和實(shí)驗(yàn)。為了激勵(lì)被試更好地完成實(shí)驗(yàn)，本研究給予認(rèn)真參加實(shí)驗(yàn)的被試每人3元人民幣報(bào)酬。人工智能擬人化的操控與預(yù)實(shí)驗(yàn)相同。將被試隨機(jī)分配到下面的3個(gè)實(shí)驗(yàn)組，其中，人類(lèi)推薦組49人、人工智能推薦組51人、人工智能擬人化推薦組49人。

想象你正在計(jì)劃一次蜜月旅行，于是你在網(wǎng)上搜索到一家在線(xiàn)旅行網(wǎng)站，這家旅行網(wǎng)站提供一種新穎的方法幫助顧客制定蜜月旅行方案：

(1)蜜月設(shè)計(jì)師。親愛(ài)的顧客，您好！我是您的蜜月設(shè)計(jì)師。我會(huì)根據(jù)您的偏好、以往顧客蜜月體驗(yàn)和當(dāng)前流行趨勢(shì)，為您提供蜜月之旅建議，幫助您做出更好的蜜月決策。

(2)AI蜜月設(shè)計(jì)算法。親愛(ài)的顧客，您好！我們的AI蜜月設(shè)計(jì)算法，根據(jù)您的偏好、以往顧客蜜月體驗(yàn)和當(dāng)前流行趨勢(shì)，為您提供蜜月之旅建議，幫助您做出更好的蜜月決策。

(3)AI蜜月設(shè)計(jì)助手。親愛(ài)的顧客，您好！我是您的AI蜜月設(shè)計(jì)助手。我會(huì)根據(jù)您的偏好、以往顧客蜜月體驗(yàn)和當(dāng)前流行趨勢(shì)，為您提供蜜月之旅建議，幫助您做出更好的蜜月決策。

被試在閱讀完實(shí)驗(yàn)情景后，填寫(xiě)消費(fèi)者采納意愿、勝任感、產(chǎn)品推薦任務(wù)的屬性、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)等問(wèn)卷。最后請(qǐng)被試填寫(xiě)人口統(tǒng)計(jì)信息。

5.3 變量測(cè)量

本研究主要測(cè)量消費(fèi)者采納意愿、勝任感、人工智能擬人化、產(chǎn)品推薦任務(wù)屬性。測(cè)量消費(fèi)者采納意愿的量表改編自FRIDIN et al.[58]的研究，采用Likert 7點(diǎn)評(píng)分法，題項(xiàng)為：“在上述實(shí)驗(yàn)情景中，你多大程度上遵從人類(lèi)/AI算法/AI助手的建議？”，1為一點(diǎn)兒也不愿意遵從，7為非常愿意遵從；“在上述實(shí)驗(yàn)情景中，你多大程度上接受人類(lèi)/AI算法/AI助手推薦的產(chǎn)品”，1為一點(diǎn)兒也不愿意接受，7為非常愿意接受。本研究中這兩個(gè)題項(xiàng)的相關(guān)系數(shù)為0.760。勝任感和人工智能擬人化的測(cè)量與預(yù)實(shí)驗(yàn)相同，其Cronbach′sα值分別為0.889和0.853；產(chǎn)品推薦任務(wù)屬性、消費(fèi)者創(chuàng)新性和專(zhuān)業(yè)知識(shí)的測(cè)量與實(shí)驗(yàn)1相同，消費(fèi)者創(chuàng)新性的Cronbach′sα值為0.876，專(zhuān)業(yè)知識(shí)的Cronbach′sα值為0.837。

5.4 研究結(jié)果

(1)操控檢驗(yàn)。單因素方差分析結(jié)果表明，與AI算法相比，AI助手能夠誘發(fā)被試對(duì)AI算法產(chǎn)生更高的擬人化感知，MAI助手=4.082，MAI算法=3.078，F(xiàn)=17.994，p<0.001；對(duì)于性別的檢驗(yàn)，β=0.204，t=0.781，p>0.050；對(duì)于年齡的檢驗(yàn)，β=-0.013，t=-0.133，p>0.050。性別和年齡對(duì)擬人化感知沒(méi)有顯著影響，因此，人工智能擬人化操控成功。

(2)人工智能推薦對(duì)消費(fèi)者采納意愿的影響。本研究采用單因素方差分析檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響，結(jié)果見(jiàn)圖6。對(duì)于高創(chuàng)造性的蜜月旅游推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦情景下消費(fèi)者采納意愿更低，M人類(lèi)=4.796，MAI算法=4.108，F(xiàn)=8.518，p<0.010，H1再次得到驗(yàn)證。

(3)人工智能擬人化對(duì)勝任感中介作用的調(diào)節(jié)效應(yīng)。為了檢驗(yàn)人工智能擬人化對(duì)人工智能推薦與消費(fèi)者采納意愿之間關(guān)系的影響，本研究采用方差分析，分析結(jié)果見(jiàn)圖6。由圖6可知，與AI算法相比，AI助手能夠誘發(fā)消費(fèi)者產(chǎn)生更高的采納意愿，MAI助手=4.694，MAI算法=4.108，F(xiàn)=7.216，p<0.010；對(duì)于勝任感的檢驗(yàn)，MAI助手=4.898，MAI算法=4.216，F(xiàn)=9.679，p<0.010。 AI助手與人類(lèi)推薦對(duì)于消費(fèi)者采納意愿和勝任感沒(méi)有顯著差異，消費(fèi)者采納意愿：MAI助手=4.694，M人類(lèi)=4.796，F(xiàn)=0.210，p>0.050；勝任感：MAI助手=4.898，M人類(lèi)=5.041，F(xiàn)=0.478，p>0.050。H3得到初步驗(yàn)證。

圖6 人工智能擬人化的調(diào)節(jié)效應(yīng)分析結(jié)果Figure 6 Moderation Effect Analysis Results for AI Anthropomorphism

關(guān)于人工智能擬人化對(duì)勝任感中介作用的調(diào)節(jié)效應(yīng)，本研究使用Spss軟件的Process插件進(jìn)行分析[61]，選擇簡(jiǎn)單中介分析模型4，采用5 000次重復(fù)抽樣。相關(guān)變量設(shè)定如下：自變量為人工智能推薦，AI助手編碼為1，AI算法編碼為0；因變量為消費(fèi)者采納意愿；中介變量為勝任感；控制變量包括性別、年齡、產(chǎn)品推薦任務(wù)屬性、消費(fèi)者創(chuàng)新性和消費(fèi)者專(zhuān)業(yè)知識(shí)。分析結(jié)果表明，AI助手推薦和AI算法推薦對(duì)消費(fèi)者采納意愿的直接效應(yīng)不顯著，置信區(qū)間為[-0.231,0.089]，包含0；AI助手推薦和AI算法推薦通過(guò)勝任感對(duì)消費(fèi)者采納意愿的中介效應(yīng)顯著，置信區(qū)間為[0.253,1.092]，不包含0，且效應(yīng)值為0.659，表明與AI算法相比，AI助手能夠提高消費(fèi)者對(duì)人工智能的勝任感，進(jìn)而提升消費(fèi)者對(duì)人工智能擬人化推薦的采納意愿，H3得到驗(yàn)證。

(4)結(jié)果討論。實(shí)驗(yàn)3驗(yàn)證了人工智能擬人化能夠調(diào)節(jié)人工智能推薦對(duì)消費(fèi)者采納意愿影響的中介效應(yīng)，與人工智能非擬人化相比，人工智能擬人化可以有效地提升消費(fèi)者對(duì)人工智能從事高創(chuàng)造性產(chǎn)品推薦任務(wù)的采納意愿，這是因?yàn)槿斯ぶ悄軘M人化提升了人工智能的勝任感，進(jìn)而增加消費(fèi)者的采納意愿。

6 結(jié)論

6.1 研究結(jié)果和理論貢獻(xiàn)

本研究從產(chǎn)品推薦任務(wù)視角出發(fā)，通過(guò)3項(xiàng)實(shí)驗(yàn)研究檢驗(yàn)人工智能推薦對(duì)消費(fèi)者采納意愿的影響及其中介效應(yīng)和中介效應(yīng)的調(diào)節(jié)作用，結(jié)果表明，人工智能推薦對(duì)消費(fèi)者采納意愿具有顯著的影響，這種影響受到勝任感的中介作用，勝任感的中介效應(yīng)受到人工智能擬人化的調(diào)節(jié)作用。具體如下。

①人工智能推薦對(duì)消費(fèi)者采納意愿的影響表現(xiàn)出了差異效應(yīng)。對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能被認(rèn)為缺乏靈活性和創(chuàng)造性，導(dǎo)致消費(fèi)者對(duì)人工智能推薦更低的采納意愿；而對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦擁有比較完善的運(yùn)算規(guī)則，能夠更好地滿(mǎn)足消費(fèi)者對(duì)產(chǎn)品屬性的偏好和需求，導(dǎo)致消費(fèi)者對(duì)人工智能推薦更高的采納意愿。②勝任感中介了人工智能推薦對(duì)消費(fèi)者采納意愿影響的差異效應(yīng)。在高創(chuàng)造性產(chǎn)品推薦任務(wù)的決策過(guò)程中，消費(fèi)者能夠感知到人工智能比人類(lèi)推薦擁有更低的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能推薦更低的采納意愿；在低創(chuàng)造性產(chǎn)品推薦任務(wù)的決策過(guò)程中，消費(fèi)者能夠感知到人工智能推薦比人類(lèi)推薦擁有更高的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能推薦更高的采納意愿。③人工智能擬人化調(diào)節(jié)了勝任感在人工智能推薦與消費(fèi)者采納意愿之間的中介效應(yīng)。與非擬人化人工智能相比，擬人化人工智能被賦予了與人類(lèi)相似的靈活性和創(chuàng)造性，能夠提升消費(fèi)者對(duì)人工智能執(zhí)行高創(chuàng)造性產(chǎn)品推薦任務(wù)的勝任感，進(jìn)而增加消費(fèi)者對(duì)人工智能推薦的高創(chuàng)造性產(chǎn)品的采納意愿。

本研究結(jié)果豐富了人工智能決策、勝任感和擬人化方面的理論研究。①本研究豐富了人工智能決策的研究。已有研究大多關(guān)注人工智能決策準(zhǔn)確性[33]、成本效益和厭惡現(xiàn)象[16]，本研究結(jié)合認(rèn)知靈活性理論[45]，聚焦于不同創(chuàng)造性產(chǎn)品推薦任務(wù)，發(fā)現(xiàn)了人工智能推薦對(duì)消費(fèi)者采納意愿具有顯著的差異影響效應(yīng)及其機(jī)制，厘清了消費(fèi)者采納人工智能推薦決策的機(jī)制和邊界，不僅豐富了創(chuàng)造性領(lǐng)域的人工智能決策研究，還擴(kuò)展了認(rèn)知靈活性理論的應(yīng)用范圍。同時(shí)，已有人工智能算法厭惡現(xiàn)象的研究大多聚焦于算法主體的作用，而僅有CASTELO et al.[35]的研究探索了決策任務(wù)客觀(guān)性對(duì)算法決策信任的影響，本研究識(shí)別并發(fā)現(xiàn)了決策任務(wù)創(chuàng)造性是人工智能算法厭惡的一個(gè)重要邊界，豐富了人工智能算法厭惡的研究。②本研究豐富了勝任感的理論研究。已有關(guān)于勝任感的形成研究多基于人類(lèi)或生物體的勝任感[48]，本研究將勝任感延伸到日益普及的人工智能主體，發(fā)現(xiàn)人工智能在不同創(chuàng)造性產(chǎn)品推薦任務(wù)中誘發(fā)消費(fèi)者形成不同水平的勝任感，進(jìn)而影響消費(fèi)者采納意愿，豐富了勝任感的前置因素及其理論應(yīng)用場(chǎng)景。③本研究擴(kuò)展了擬人化的應(yīng)用范圍。已有研究認(rèn)為擬人化受到激活主體知識(shí)、勝任動(dòng)機(jī)和社會(huì)動(dòng)機(jī)3個(gè)關(guān)鍵心理因素的影響[54]，被廣泛地應(yīng)用到產(chǎn)品擬人化、品牌擬人化和溝通擬人化[67]，并對(duì)產(chǎn)品評(píng)價(jià)、品牌態(tài)度和偏好具有顯著的影響。本研究將擬人化擴(kuò)展至人工智能領(lǐng)域，揭示了人工智能擬人化對(duì)消費(fèi)者采納意愿的影響，豐富了擬人化理論在人工智能決策領(lǐng)域的應(yīng)用范圍。

6.2 營(yíng)銷(xiāo)啟示

本研究結(jié)果對(duì)于企業(yè)正確運(yùn)用人工智能推薦提升消費(fèi)者采納意愿具有重要的營(yíng)銷(xiāo)啟示。

(1)本研究結(jié)果表明，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦的消費(fèi)者采納意愿更低；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，人工智能推薦的消費(fèi)者采納意愿更高。因此，對(duì)于主營(yíng)高創(chuàng)造性產(chǎn)品的企業(yè)，建議其采用人類(lèi)推薦方法，利用在線(xiàn)網(wǎng)站或?qū)嶓w店提供基于直覺(jué)經(jīng)驗(yàn)的人類(lèi)專(zhuān)家推薦指導(dǎo)，適當(dāng)?shù)剡\(yùn)用人類(lèi)專(zhuān)家的頭像和主觀(guān)經(jīng)驗(yàn)，為消費(fèi)者提供關(guān)于產(chǎn)品的建議，提升消費(fèi)者對(duì)人類(lèi)推薦的采納意愿。而對(duì)于主營(yíng)低創(chuàng)造性產(chǎn)品的企業(yè)，建議其采取人工智能推薦方法，利用在線(xiàn)網(wǎng)站或?qū)嶓w店智能設(shè)備提供基于算法的人工智能推薦，適當(dāng)?shù)貜?qiáng)調(diào)基于算法或統(tǒng)計(jì)模型的推薦決策，幫助消費(fèi)者更好地完成購(gòu)買(mǎi)決策，提高消費(fèi)者對(duì)人工智能推薦的采納意愿。

(2)本研究結(jié)果表明，對(duì)于高創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能推薦具有更低的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能推薦更低的采納意愿；對(duì)于低創(chuàng)造性產(chǎn)品推薦任務(wù)，與人類(lèi)推薦相比，消費(fèi)者認(rèn)為人工智能推薦具有更高的勝任感，進(jìn)而導(dǎo)致消費(fèi)者對(duì)人工智能推薦更高的采納意愿。因此，企業(yè)可以通過(guò)多種營(yíng)銷(xiāo)活動(dòng)，提高消費(fèi)者對(duì)人工智能或人類(lèi)推薦的勝任感，繼而提升消費(fèi)者采納意愿。例如，當(dāng)消費(fèi)者購(gòu)買(mǎi)高創(chuàng)造性產(chǎn)品或?qū)で蟾邉?chuàng)造性產(chǎn)品建議時(shí)，鼓勵(lì)消費(fèi)者與人類(lèi)互動(dòng)(如專(zhuān)業(yè)的產(chǎn)品設(shè)計(jì)人員、導(dǎo)購(gòu)人員)、選擇人類(lèi)推薦的方式，能夠提高他們對(duì)人類(lèi)推薦的勝任感，進(jìn)而做出更滿(mǎn)意的購(gòu)買(mǎi)決策。當(dāng)消費(fèi)者購(gòu)買(mǎi)低創(chuàng)造性產(chǎn)品或?qū)で蟮蛣?chuàng)造性產(chǎn)品建議時(shí)，鼓勵(lì)消費(fèi)者多與基于大數(shù)據(jù)的人工智能互動(dòng)，通過(guò)互動(dòng)過(guò)程有效地傳遞人工智能決策的信息，進(jìn)而提高他們對(duì)人工智能推薦的勝任感，進(jìn)而幫助他們做出更高質(zhì)量的購(gòu)買(mǎi)決策。

(3)本研究發(fā)現(xiàn)，與非擬人化人工智能相比，擬人化人工智能可以有效提升消費(fèi)者對(duì)人工智能執(zhí)行高創(chuàng)造性產(chǎn)品推薦任務(wù)的采納意愿，這是因?yàn)閿M人化增加了人工智能執(zhí)行高創(chuàng)造性產(chǎn)品推薦任務(wù)的勝任感，進(jìn)而增加消費(fèi)者采納意愿。因此，主營(yíng)高創(chuàng)造性產(chǎn)品的企業(yè)，可以通過(guò)多種方式將人工智能擬人化，如人工智能在線(xiàn)推薦界面擬人化、使用擬人化的互動(dòng)語(yǔ)言、實(shí)體店的智能設(shè)備擬人化等，采用多種營(yíng)銷(xiāo)活動(dòng)鼓勵(lì)消費(fèi)者與擬人化人工智能互動(dòng)，增加消費(fèi)者對(duì)人工智能推薦的勝任感，進(jìn)而提升消費(fèi)者采納意愿。

6.3 局限及未來(lái)研究方向

(1)本研究通過(guò)對(duì)約會(huì)對(duì)象、體育彩票、服裝款式、服裝尺寸和蜜月旅行等多種產(chǎn)品推薦任務(wù)的實(shí)驗(yàn)，探究人工智能推薦對(duì)消費(fèi)者采納意愿的影響及其作用機(jī)制。為了提升研究的外部效度，本研究通過(guò)不同產(chǎn)品推薦任務(wù)的實(shí)驗(yàn)操控，采用被試對(duì)產(chǎn)品推薦任務(wù)創(chuàng)造性的總體評(píng)估，研究人工智能推薦對(duì)消費(fèi)者采納意愿的影響。事實(shí)上，創(chuàng)造性還可以細(xì)分為新穎性和實(shí)用性，后續(xù)研究可直接通過(guò)對(duì)創(chuàng)造性的新穎性和實(shí)用性層面進(jìn)行實(shí)驗(yàn)操控，探討其對(duì)人工智能推薦的采納意愿的影響及中介機(jī)制。

(2)本研究采用多項(xiàng)實(shí)驗(yàn)室實(shí)驗(yàn)，實(shí)驗(yàn)樣本主要局限于大學(xué)生被試。對(duì)于實(shí)驗(yàn)3的材料選擇了蜜月旅行，采用了情景模擬實(shí)驗(yàn)設(shè)計(jì)(如想象你計(jì)劃一次蜜月旅行……)，盡管大多數(shù)大學(xué)生被試對(duì)蜜月旅行有過(guò)憧憬，甚至是想象過(guò)自己的蜜月旅行，具有一定的能力進(jìn)行蜜月旅行決策，但現(xiàn)實(shí)決策過(guò)程中仍存在被試樣本與蜜月旅行的匹配度問(wèn)題。因此，后續(xù)研究應(yīng)該選擇非學(xué)生樣本或者使用其他實(shí)驗(yàn)材料，著重提升樣本與實(shí)驗(yàn)材料之間的匹配度，進(jìn)而增強(qiáng)研究結(jié)論的有效性。除了創(chuàng)造性之外，情感也被認(rèn)為是人工智能與人類(lèi)決策的重要差異，后續(xù)研究可繼續(xù)探索消費(fèi)者對(duì)人工智能在情感方面推薦決策的響應(yīng)。

(3)本研究揭示了勝任感對(duì)人工智能推薦與消費(fèi)者采納之間關(guān)系的中介效應(yīng)，主要側(cè)重人工智能推薦誘發(fā)不同的勝任感，進(jìn)而導(dǎo)致不同程度的消費(fèi)者采納意愿。鑒于不同被試的經(jīng)驗(yàn)不同，對(duì)于不同推薦任務(wù)(如服裝款式推薦、約會(huì)對(duì)象推薦)，對(duì)于勝任感的判定能力可能存在差異。雖然本研究的實(shí)驗(yàn)對(duì)被試進(jìn)行了隨機(jī)分配，控制了被試經(jīng)驗(yàn)差異對(duì)勝任感的影響，但本研究認(rèn)為被試經(jīng)驗(yàn)和任務(wù)類(lèi)型對(duì)勝任感判定能力的影響是未來(lái)重要的研究方向。后續(xù)研究可從消費(fèi)者經(jīng)驗(yàn)的角度出發(fā)，將被試區(qū)分為無(wú)經(jīng)驗(yàn)消費(fèi)者或富有經(jīng)驗(yàn)消費(fèi)者，探究消費(fèi)者經(jīng)驗(yàn)類(lèi)型對(duì)人工智能推薦采納意愿的影響及其作用機(jī)制。

(4)本研究嘗試研究人工智能擬人化對(duì)人工智能推薦的影響。實(shí)際上，人工智能擬人化可能還應(yīng)用在人工智能決策的更多方面、發(fā)揮更多的效應(yīng)，以及更多的擬人化形式、擬人化動(dòng)機(jī)等[68]。未來(lái)研究可嘗試將人工智能與擬人化兩個(gè)領(lǐng)域相結(jié)合，探究更多的擬人化形式、擬人化動(dòng)機(jī)對(duì)人工智能其他日益普及的決策領(lǐng)域的影響。此外，本研究側(cè)重探索消費(fèi)者對(duì)人工智能與人類(lèi)推薦的認(rèn)知差異及其對(duì)消費(fèi)者心理和行為的作用，然而目前消費(fèi)者對(duì)人工智能決策的認(rèn)知還存在諸多未知狀態(tài)，因而，關(guān)于人工智能決策原理的透明度和可解釋性對(duì)消費(fèi)者心理和行為的影響將是未來(lái)的一個(gè)探索方向。