消费者对人工智能生成与人工生成的评价摘要的反应：言语概率表达与数字概率表达的调节作用

《Journal of Business Research》：How Consumers Respond to AI- versus Human-Generated Review Summaries: The Moderating Role of Verbal versus Numerical Probability Expressions

　　蔡少伟|常亚萍|王涵
中国武汉工程大学管理学院

摘要
尽管人工智能生成的评论摘要在数字平台上越来越普遍，但它们对消费者行为的影响仍未能得到充分理解。本研究探讨了在两种常见的概率表达格式下（口头概率，如“大多数”；数字概率，如“89%”），人工智能生成的评论摘要为何以及何时会优于人类生成的摘要。通过四项研究，我们发现当摘要使用口头概率表达时，消费者对人工智能生成的摘要反应更为积极。这种效应依次受到感知客观性和消费者信任的影响。然而，当摘要使用数字概率表达时，人工智能的优势就会消失。这些发现表明，人工智能缺乏经验和自主性——这些通常被视为先前提出的缺陷——在不需要主观判断的情境中可以成为其说服力的优势。本研究推进了关于人工智能与人类交流、人工智能采用以及不确定性概率表达的文献，并为 marketer 在分散信息传播中部署人工智能提供了可操作的指导。

引言
正如评论分散性所显示的（He 和 Bond, 2015; Ostinelli 和 Luna, 2022; Sun, 2012），消费者对同一产品的满意度通常各不相同，形成了多样化的意见。鉴于评论在消费者决策过程中的关键作用（Filieri, 2015; Mudambi 和 Schuff, 2010; Zhang 等, 2024），评论分散性可能会增加消费者的产品不确定性（Li, 2018），并促使他们付出更多努力来处理不同的评论内容（Lee 等, 2021; Liu 等, 2024），但这可能会阻碍消费者的购买决策（Song 等, 2022; Wang 等, 2015; Zheng 等, 2023）。

针对这一普遍存在的挑战，人工智能（AI）代理已成为解决分散性的新方法。本质上，总结评论是一项客观的任务，旨在提取和汇总消费者生成的内容。人工智能生成的评论摘要利用 AI 技术执行这一任务，生成简洁的消费者评论摘要（Schermerhorn, 2023），使消费者能够更简洁、更全面地了解产品的各种意见。这种由 AI 驱动的功能可以减少消费者的信息负担（Smilarubavathy & Mohammed, 2024; Stolz 等, 2024），并促进他们的购买决策（Ahmad & Du, 2025; Wang & Wang, 2025）。

然而，尽管人工智能生成的评论摘要在 TripAdvisor、Amazon、Qunar Travel 和 Taobao 等平台上被广泛采用（图 1），但它们对消费者行为的影响仍相对较少被研究，尤其是与人类生成的评论摘要相比（Jia 等, 2025）。鉴于消费者通常对算法在客观任务中的信任度和依赖性更高（Castelo 等, 2019; Logg 等, 2019），我们有理由期望在评论总结这一本质上客观的任务中也会对人工智能有类似的偏好。然而，先前的研究表明，人工智能生成的评论摘要对消费者决策的影响与人类生成的评论摘要没有区别（Merine & Purkayastha, 2022），甚至效果更差（Jia 等, 2025）。解决这种预期的人工智能表现与实际消费者反应之间的矛盾需要及时的研究。

本研究旨在探讨在何种情况下，人工智能生成的评论摘要在影响消费者反应方面比人类生成的摘要更有效。我们认为，解决这一差距需要考察一个关键因素：表达格式。具体来说，我们关注两种主要的交流格式：口头概率表达（例如，大多数用户认为这种洗衣液去污效果很好）与数字概率表达（例如，87% 的用户认为这种洗衣液去污效果很好）（Juanchich & Sirota, 2020a）。在主要的电子商务和旅游平台上（例如，TripAdvisor、Amazon、Agoda、Expedia、Taobao、Qunar Travel、Trip.com 和 JD.com；见附录 F），口头概率表达非常普遍。因此，从实际和理论的角度来看，了解将这种相对主观的表达格式（口头概率）引入本质上客观的任务中，如何影响消费者对人工智能生成与人类生成的评论摘要的反应是非常重要的。为了系统地研究这一点，我们的研究比较了在口头和数字概率格式下，人工智能生成与人类生成的评论摘要的相对有效性。

在四项研究中，我们发现当评论摘要以口头概率呈现时，消费者对人工智能生成的摘要的反应比对人类生成的摘要更积极。相比之下，当评论摘要以数字概率呈现时，人工智能生成摘要与人类生成的摘要之间的消费者反应差异并不显著。这是因为消费者推断，当人类使用口头概率生成评论摘要时，容易做出主观判断并高估以促进消费者的购买行为（Collins 和 Mandel, 2019; Dhami 和 Mandel, 2022）。然而，人工智能代理被认为缺乏类似人类的经验和自主性（Gray 等, 2007; Gray 和 Wegner, 2012），它们的能力仅限于编程赋予的范围。这意味着在执行评论总结任务时，人工智能代理严格提取信息而不涉及主观评估，这与任务的客观性质相符。因此，当使用口头概率生成评论摘要时，消费者认为人工智能完全是算法化的，而非基于判断的。这种假定的主观性的缺失增加了消费者对人工智能生成评论摘要的客观性和信任感，从而引发了更积极的消费者反应。尽管先前的研究表明，由于人工智能缺乏经验和自主性，消费者往往对其持负面态度（Gray 等, 2007; Lim 和 Lee, 2023; Longoni 等, 2019; Muniz 等, 2024; Reich 等, 2023），但我们的发现为这一观点提供了背景。通过将研究定位于一个客观任务中，我们证明了在不需要主观判断的情境下，人工智能在这些能力上的缺陷可以成为促进消费者信任的优势。

本研究在理论和实践方面都有贡献。首先，我们通过展示当摘要以口头概率呈现时，人工智能生成的评论摘要优于人类生成的摘要，丰富了关于人工智能与人类交流的文献。其次，我们的研究强调了总结任务的客观性质与人工智能缺乏经验和自主性（与人类相比）之间的兼容性，增强了消费者对人工智能生成评论摘要的客观性和信任感，从而增加了消费者的购买意向。第三，本研究通过说明说话者的身份在减轻对口头概率表达的负面反应中起着关键作用，推进了关于不确定性概率表达的讨论。当说话者是人工智能（而非人类）代理时，听众可能不太倾向于将口头概率表达视为基于判断的，从而引发更积极的消费者反应。这些见解为 marketer 在评论总结和客户服务互动中部署人工智能提供了实际启示。

**摘要片段**
评论摘要中对评论分散性的描述反映了产品性能的不确定性，主要使用两种交流格式：口头和数字（Holford 等, 2021; Juanchich & Sirota, 2020a; Teigen, 2023）。在各种口头和数字量化词中，最常用的口头不确定性表达是口头概率（例如，“大多数”），而最常见的数字格式是单一的数字百分比（例如，“89%”；Brun）

**研究 1**
研究 1 旨在测试在线洗衣液 2 升瓶装的评论摘要中的 H1a 和 H1b 假设。我们假设当摘要以口头概率呈现时，消费者对人工智能生成的摘要表现出更高的购买意向和支付意愿（WTP），而人类生成的摘要则不然。相反，当摘要以数字概率呈现时，消费者对人工智能生成与人类生成的摘要的反应预计没有显著差异。

**研究 2**
研究 2 旨在探讨在线咖啡机评论摘要中评论摘要来源和交流格式的交互效应。此外，我们还测试了消费者信任的中介作用。我们假设当咖啡机评论摘要以口头概率呈现时，消费者对人工智能生成的摘要比人类生成的摘要更信任，然后表现出更高的购买意向和 WTP。

**研究 3**
我们的研究假设，当评论摘要以口头概率呈现时，消费者倾向于更信任人工智能生成的摘要，因为人工智能被认为缺乏主观意图并且沟通更为客观。为了更好地理解潜在机制，研究 3 检查了感知客观性和消费者信任之间的序列中介作用。此外，该研究引入了一个条件，即人类代理披露他们使用了人工智能工具来协助

**研究 4**
研究 4 旨在扩展在电子商务平台上的客户互动中，以口头概率呈现的人工智能生成的评论摘要的好处。人工智能技术的进步使得企业能够部署人工智能聊天机器人，替代人类互动（Chen 等, 2021; Hollebeek 等, 2021; Mariani 等, 2023）。例如，Amazon 推出了“Rufus”，这是一个基于生成式 AI 的对话式购物助理，经过大量数据的训练。

**一般讨论**
本研究探讨了评论摘要来源（人工智能 vs. 人类）和交流格式（口头概率 vs. 数字概率）对消费者反应的交互效应。在四项研究中，我们发现了一致的交互模式：当评论摘要以口头概率呈现时，人工智能生成的摘要比人类生成的摘要引发了消费者更高的感知客观性和信任感，从而增加了购买意向和 WTP。

**理论贡献**
本研究显著丰富了关于人工智能与人类交流、人工智能采用以及不确定性概率表达的文献。首先，它通过展示在以口头概率呈现评论摘要时，人工智能生成的摘要优于人类生成的摘要，丰富了现有关于人工智能与人类交流的文献。虽然人工智能生成的评论摘要被广泛使用，但先前的研究发现它们与人类生成的摘要相当（Merine 等）。