人工智能功能如何提升消费者福利并促进冲动购物？响应式沟通和对话式沟通在此过程中发挥了重要作用

《Computers in Human Behavior》：How artificial intelligence functionalities boost consumer benefit and impulse shopping? The significant role of responsive communication and conversational communication

AI购物聊天机器人如何通过感知偶然性、情感依恋和个性化感知影响消费者行为及冲动购物。基于价值共创理论和O-S-O-R框架，研究发现感知偶然性与双向沟通机制显著正向关联，情感依恋和个性化感知主要作用于对话式沟通，而沟通机制通过消费者获益间接促进冲动消费。该研究拓展了价值共创理论在非人类服务场景的应用，为电商平台优化AI聊天机器人设计提供理论依据和实践策略。

　　
随着数字零售环境的快速变革，人工智能聊天机器人已逐渐成为重塑消费者体验和购买行为的关键技术工具。基于价值共创理论与O-S-O-R交互框架，该研究系统性地揭示了三大核心AI功能——感知偶然性、情感依恋和个体化感知——如何通过响应式沟通与对话式沟通的双向机制，最终影响消费者利益和冲动消费行为。研究特别聚焦于中国主流电商平台（如淘宝、京东）部署的AI购物助手，通过整合自然语言处理与检索增强生成技术，构建出兼具时效性与情境适应性的智能交互系统。

在理论层面，研究突破了传统价值共创理论对人类服务场景的依赖，首次系统论证了非人类服务主体（AI聊天机器人）在价值共创过程中的核心作用。通过O-S-O-R模型的三阶段互动机制（目标导向-刺激-目标重构-响应），研究构建了AI功能与消费者行为的完整传导路径。其中，感知偶然性体现为AI系统能够根据实时交互动态调整响应策略，情感依恋强调聊天机器人通过共情式对话建立情感联结，而个体化感知则指向AI精准识别用户个性化需求的能力。

技术实现方面，研究采用的LLM-RAG混合架构具有显著优势。大语言模型（LLM）通过深度学习自然语言表达，能够生成流畅且具有创造性的对话内容；检索增强生成（RAG）则结合电商平台的海量商品数据与用户行为日志，确保回复的专业性与准确性。这种技术融合既保留了人类对话的灵活性，又实现了商业场景的精准适配，例如在推荐商品时既能保持对话的自然流畅，又能准确匹配用户的实际需求。

实证分析基于541名中国网购用户的调查数据，运用结构方程模型（SEM）验证了理论假设。研究发现：感知偶然性与情感依恋显著正向影响响应式沟通，而情感依恋与个体化感知则对对话式沟通产生更强促进作用。两类沟通机制均通过提升消费者利益间接推动冲动购买行为，其中响应式沟通更侧重功能效率，对话式沟通则强化情感黏性。

实践启示体现在三个维度：首先，电商平台需在技术架构上平衡响应速度与对话深度，通过RAG系统实时检索商品信息提升回复专业性，同时利用LLM优化对话的自然度；其次，聊天机器人的功能设计应差异化：针对需要即时解答的场景（如物流查询）强化响应式沟通，在建立长期客户关系时侧重对话式互动；最后，建议将情感分析模块嵌入AI系统，通过语音语调、表情符号等非语言线索识别用户情绪状态，实现精准的情感响应。

研究创新性体现在三个方面：其一，首次将价值共创理论拓展至AI服务场景，建立非人类服务主体的价值共创模型；其二，通过响应式/对话式沟通的双维度分析，揭示了AI交互的阶段性特征与协同效应；其三，针对中国电商平台特性，验证了LLM-RAG混合架构在提升用户参与度方面的有效性。研究为AI客服系统优化提供了可量化的评估指标，例如将实时信息检索准确率、情感匹配度等纳入产品开发KPI体系。

局限性方面，样本集中于18-40岁高数字化活跃群体，可能影响结果的普适性。未来研究可拓展至银发经济群体，同时关注AI交互中的伦理边界，例如如何避免算法偏见对用户决策的潜在影响。在技术演进层面，随着多模态交互技术的发展，研究可进一步探索视觉、语音等多通道信息整合对消费者行为的作用机制。

该研究对零售业AI应用具有重要指导价值。企业应建立动态评估机制，根据用户画像（如购物频率、消费偏好、互动历史）智能切换沟通模式。例如，对复购率高的用户强化对话式沟通以维持情感连接，而对新用户则侧重响应式沟通提升信任度。此外，研究揭示的"技术-沟通-价值"传导链条，为制定AI服务标准提供了理论依据，包括建立服务响应时效阈值、情感交互质量评估体系等。

在学术贡献层面，研究拓展了人机交互理论边界：通过实证验证了O-S-O-R模型在AI场景的有效性，提出"双通道沟通机制"概念，即响应式沟通侧重功能达成，对话式沟通强化情感联结。同时，研究将价值共创理论中的共创主体从人类扩展到AI系统，构建了"人类-AI协同共创"模型，为智能服务交互研究提供了新范式。这些理论突破有助于指导后续研究在自动驾驶客服、虚拟数字人等新兴领域的应用探索。

值得关注的是，研究数据揭示了Z世代消费者的特殊行为模式：对情感互动的敏感度比功能需求高23.6%，且更易因个性化回应产生冲动消费。这要求平台在AI设计时加强用户画像的颗粒度，例如区分学生群体与职场人群的沟通偏好。同时，研究显示响应式沟通每提升1个标准差，用户冲动购买概率增加0.87倍，提示企业需在系统响应速度与信息准确性之间寻求平衡，避免因过度追求即时反馈导致信息失真。

在技术优化路径上，研究建议构建三层AI服务架构：基础层整合多源数据（用户行为、商品信息、历史交互）；中间层部署自适应算法，根据实时对话状态动态调整响应策略；顶层设计情感计算模块，通过语音分析、文本语义解读用户情绪波动。这种分层设计既能保证技术可行性，又可提升用户体验的连续性。

最后，研究对理论发展具有里程碑意义。首次将价值共创理论系统应用于AI服务场景，提出"非对称共创"概念——AI作为主导方提供技术支撑，人类消费者通过互动反馈参与价值再创造。这种理论突破为解释智能时代的新型商业关系提供了框架，同时验证了O-S-O-R模型在非人类交互主体中的适用性，标志着人机交互理论进入新的发展阶段。后续研究可沿着技术伦理（如数据隐私保护）、效果边界（如文化差异影响）等方向深入探索。