1. 引言

个性化推荐系统已成为当今数字经济时代电子商务平台不可或缺的一部分，不仅可以帮助用户在海量信息中准确找到感兴趣的商品，还可以帮助平台在激烈的市场竞争中创造优势。近年来，在人工智能技术迅猛发展的背景下，依托自然语言处理和机器学习，一种新的推荐方式应运而生——AI虚拟助手(Virtual Assistant)推荐购物。相比传统的推荐方式，AI虚拟助手推荐通过语音或文字输入来与用户进行交互，建立类似人际对话的场景，其不仅考虑了用户的历史行为，还能够在一定程度上理解用户当前的情感和意图，生成更加智能和人性化的推荐内容。众多企业开始尝试利用虚拟助手向顾客提供产品信息和购买建议，例如亚马逊2024年推出了基于生成式AI的购物辅助工具Rufus。

目前学术界和业界对于这种新兴的推荐方式如何影响人们的购物体验以及其推荐效果仍处在探索阶段。计算机是社会行为者(Computers Are Social Actors, CASA)范式认为，人类有一种自动倾向，即对计算机做出社会化反应，就好像它们正在与其他真实人类互动一样[1]。CASA中社会反应的一个主要解释机制是拟人化。拟人化是一种人们将类似人类的特征、动机、意图和情感归因于非人类行为者的心理状态[2]。在人机交互中，拟人化可以理解为人类对机器的自然反应[1]。目前拟人化已被广泛用于解释人机交互中用户的感知、反应和体验[3]。例如，计纬等的研究揭示了智能助手的社会角色作为拟人化的一种表现形式，如何影响消费者的人机信任感及推荐接受意愿[4]；杨增茂等研究表明人工智能的拟人化水平正向影响用户的持续使用意愿[5]。根据拟人化三因素理论，具有更多人类特征的非人类主体可能会引发更多关于人类的知识，从而引导感知者在更大程度上将人类的心理状态归因于主体[2]。传统算法推荐和AI虚拟助手推荐的一个主要区别在于后者更多类似人类的交互性。因此，相比传统算法推荐，AI虚拟助手推荐可能引发用户更高的拟人化倾向。

我们想进一步探索AI虚拟助手推荐方式触发的拟人化将如何影响推荐效果，以及不同推荐方式对用户采纳意愿影响的作用机制。有研究表明，拟人化的直接感知结果是社会临场感(Social Presence)，它被定义为一种心理状态，在这种状态下，个人将人造物体(例如计算机)视为一个智能生物，他们可能会感觉自己在与一个聪明的存在互动[6]。市场营销领域研究证明，社会临场感能够对消费者行为态度产生积极影响。例如，刘承林等的研究表明，高电商主播信息源活跃度相比低电商主播信息源活跃度将通过引发社会临场感和心流体验促进消费者的购买意愿[7]；Hill等通过场景实验证明了聊天机器人的拟人化线索增强了通过社会临场感介导的品牌态度[8]。因此，本文希望探索在AI虚拟助手推荐的场景下，拟人化和社会临场感是否解释用户采纳意愿的作用机制。

本文基于拟人化三因素理论和社会化反应理论引入拟人化和社会临场感变量，主要回答以下问题：1) AI虚拟助手推荐和传统算法推荐下用户的采纳意愿是否相同？2) 相比传统算法推荐，AI虚拟助手推荐是否引发了用户更强的拟人化倾向？拟人化是否在推荐方式和采纳意愿间起中介作用？3) 社会临场感是否中介了推荐方式和用户采纳意愿间的关系？4) 拟人化、社会临场感是否在推荐方式和采纳意愿间起链式中介作用？

2. 理论模型与研究假设

2.1. 理论基础

2.1.1. 拟人化三因素理论

Epley等提出了拟人化三因素理论，用来解释个体何时可能会对非人类实体产生拟人化认知。确定了驱动拟人化过程的两个动机因素和一个认知机制，两个动机为感知者建立社会联系的动机和理解或解释他人(想象或实际)行为的动机，认知机制为被感知主体所引发的人类中心知识的获取、激活和应用[2]。目前拟人化三因素理论已广泛用于人机交互领域研究[9]。例如，邓俊等通过研究表明，当智能体具备拟人化特征时，用户更容易在交互时感受到社会临场感[10]；Zhou等研究发现，拟人化可以对缓解孤独感和增强感知有用性产生积极影响，进而增强消费者的持续使用意愿[11]。因此，本文基于拟人化三因素理论中确定的认知机制解释AI虚拟助手推荐相比传统算法推荐对用户认知的影响。

2.1.2. 社会化反应理论

社会化反应理论(Social Response Theory)源自“计算机是社会行为者”的范式，该范式假设当计算机具有与人类相似的社会属性时，人们会无意识地将与人际互动相关的社会启发法应用于人机互动[1]。社会化反应理论表明，一旦人们赋予计算机人格，在人机交互过程中就会不自觉地运用社会规范，并表现出类似人与人之间交流的行为[1]。因此，根据社会化反应理论，当人们与拟人化的非人类主体交互时，也可能被说服或产生信任、持续交互意愿等社会反应[12]。

人机交互领域的研究表明，社会临场感往往是社会化反应的前因，在刺激与行为结果间起中介作用。例如，毕达天等的研究表明，用户的感知公平性和感知可问责性通过增强用户的社会临场感进而对用户的跨平台信息推荐接受意愿产生正向影响[16]；Liu和Wei的研究表明，在线行为定位算法透明度较高时，降低了用户的社会临场感，从而损害了在线行为定位算法的有效性[6]。因此，社会临场感是人机交互中的关键中介变量，影响着用户对推荐的感知和接受意愿。

2.2. 研究模型与假设

Figure 1. Research hypothesis model

图1. 研究假设模型

本文根据拟人化三因素理论和社会反应理论提出拟人化和社会临场感中间变量，建立假设模型，如图1所示。

2.2.1. 推荐方式与采纳意愿

AI虚拟助手是一种借助自然语言处理与机器学习技术，实现对用户需求进行接收、理解并做出回应功能的软件代理[14]，属于近些年来人工智能应用领域中发展速度极为迅猛的一个。AI虚拟助手的主要优势在于其拟人化设计，包括外表和心智行为特征，这些设计能提升用户的积极评价和行为[15]。根据拟人化三因素理论，AI虚拟助手的拟人化设计使得用户更容易利用关于人类的知识和经验来理解和预测AI助手的行为，从而使用户更倾向于将信任和满意等情感赋予AI虚拟助手。AI虚拟助手在推荐时展现出智能引导的特点，这种智能引导过程基于认知引导理论，帮助用户在复杂的选择空间中理清思路，让用户感受到推荐是经过深思熟虑且符合自身利益的，从而提高采纳意愿。根据社会化反应理论，在AI虚拟助手的推荐过程中，用户不仅接收信息，还感受到被理解和关注，这种社会化的反应增强了用户对推荐内容的认同感和采纳意愿。对比而言，传统算法推荐按照固定的模式运行，如基于协同过滤算法，主要关注用户与其他相似用户的行为匹配，这种模式容易陷入群体偏好的局限，忽视用户个体的特殊需求和创新需求。而且，传统算法缺乏主动引导用户探索新领域的能力，只是被动地根据已有的数据模式进行推荐，使得推荐内容较为常规和缺乏新意，难以激发用户的积极采纳意愿。由此可得，不同推荐方式下用户的采纳意愿可能存在差异。基于此，本文提出假设：

H1：相比传统算法推荐，AI虚拟助手推荐引起人们更强的采纳意愿。

2.2.2. 拟人化的中介作用

根据拟人化三因素理论，只有当人类中心知识可获得且适用时，个体才会产生拟人化心理状态[2]。AI虚拟助手相比传统算法推荐用户的人类中心知识更易调用。因为AI虚拟助手推荐相比传统算法推荐具有更高的人类认知相似性。认知相似性是指在“对事件、对象、概念等进行分类”时使用与人类“相同或相似的维度”，这是两个交流方相互理解的前提[16]。传统的推荐算法只是通过用户在平台行为数据的低维特征与推荐项目的特征之间的关系进行推荐，人们无法以人类的高维认知理解这种推荐，人类中心知识在此种情况下难以适用。而AI虚拟助手与用户通过文本或语音进行交互，追求与人类用户产生自然的、更易接受的对话，与人类有更多的认知相似性，使得人类中心知识更易被激活和应用，因此人们更易产生拟人化心理。

诸多实证研究证明了拟人化的影响。例如，杨增茂等通过三个实验研究得出，人工智能拟人化水平与顾客持续使用意愿呈正相关，即人工智能的拟人化程度越高，顾客对其持续使用的意愿就越强[5]；Wang等比较了算法推荐、人工智能助手推荐、相似用户推荐和无推荐描述四种推荐框架下用户的拟人化感知和信任表明，推荐系统拟人化程度越高，用户更加信任并有信心根据建议做出选择[3]；Schanke等的研究显示，随着聊天机器人的拟人化水平提升，消费者与其交流的意愿也相应增强[17]。综上所述，拟人化不仅能够提高用户对推荐的信任，而且能产生提高持续使用意愿和交流意愿等积极影响，可见拟人化与用户最终是否采纳推荐意愿息息相关。基于此，本文提出假设：

H2：拟人化在推荐方式和用户采纳意愿间起中介作用。

2.2.3. 社会临场感的中介作用

社会临场感最早由Short等在1976年提出，用于描述人际交互中的显著性，被定义为他人在互动中的显著性程度，及随之而来的社会关系显著程度[18]。随后社会临场感的概念不断拓展，被引入营销、人机交互等领域的研究。本研究中社会临场感指用户在使用AI虚拟助手过程中感受到的“与他人在一起的感觉”，以及在与之互动过程中产生的社会关系的显著程度。

社会临场感在营销和人机交互领域被认为是影响用户态度和决策的关键因素。例如，周俪等研究在电商直播场景下社会临场感在直播服务质量与顾客参与行为中起中介作用[19]；Wang和Wei的研究表明，在数字平台在线行为定位的背景下，可以推断用户个性的“判断”算法促进了用户的社会临场感，进而正向影响用户对品牌的态度和购买意愿[6]；Konya-Baumbach等的研究显示，当聊天机器人被赋予类似于人类的语言社交提示时，社会临场感在促进信任感和购买意愿方面发挥了显著的中介作用[20]；张婕琼等的研究指出，社会临场感与网络直播用户的持续使用和推荐意愿正相关，并且社会临场感通过提高用户承诺正向影响用户持续使用和推荐意愿[21]。因此，社会临场感在不同的营销与人机交互场景中均展现出对消费者态度和行为的重要影响力。

从社会化反应理论角度来看，人类具有社会性的本质，在各种交互过程中会自然地对社会线索做出反应。在推荐场景中，不同的推荐方式会传递出不同的社会线索，从而影响用户的社会临场感体验。而社会临场感作为一种重要的主观体验，会显著影响用户的态度和行为决策。基于此，本文提出假设：

H3：社会临场感在推荐方式和用户采纳意愿间起中介作用。

2.2.4. 拟人化和社会临场感的链式中介作用

拟人化是指将人类的特征、认知和情感归因于非人类主体的倾向[2]，社会临场感是“与他人在一起的感觉”，主要强调心理上的亲密感[22]。拟人化直接影响社会临场感，社会临场感是拟人化的结果，两者共同影响用户的态度和行为[6]。例如，Kim等研究发现，品牌在Facebook的粉丝页面可以通过引起拟人化从而引发消费者的社会临场感，进而加强品牌与消费者之间的关系[23]；Munnukka等的研究表明，虚拟服务助理增强了用户的拟人化感知，进而正向影响了用户的社会存在感，最终影响了用户对推荐质量的感知和信任[24]。由此可知，拟人化和社会临场感构成链式关系，共同在模型中发挥作用。基于此，本文提出假设：

H4：拟人化和社会临场感在推荐方式和用户采纳推荐意愿间起链式中介作用。

3. 实验设计与实施

3.1. 实验设计与变量测量

采用单因素组内实验设计，问卷分为情境导入部分和变量测量部分。首先，实验前，被试被告知“您是一个热爱音乐且注重生活品质的年轻人，您计划购买一款百元以内的蓝牙音箱，因此您打开某电商平台挑选合适的商品。”其次，被试通过阅读刺激材料代入情境，实验情境分为AI虚拟助手推荐情境和传统算法推荐情境。

在AI虚拟助手推荐情境下，通过图片向被试展示消费者与AI虚拟助手交流的图文交互过程；AI虚拟助手通过被试的回答和被试以往的购物习惯分析，为被试推荐了一款小巧精致的“品牌X”蓝牙音箱。AI虚拟助手对产品的描述为：它主打重低音效果，能让摇滚音乐的鼓点震撼人心，续航时间长达8小时，足以满足你一整天的音乐享受，而且体积轻便，方便你携带到户外聚会或运动时使用。

在传统算法推荐情境下，通过图片向被试展示消费者通过关键词搜索得到的商品推荐，并提供“根据您的浏览历史为您推荐”的简短文字说明推荐理由，推荐系统通过分析被试以往在平台的行为数据，重点推荐“品牌X”蓝牙音箱，重低音效果、续航能力强、体积轻便等特点通过商品图片下方的简短描述进行展示。

Table 1. Measurement items for each variable

表1. 各变量测量题项

参照以往相关研究，本文通过5点李克特量表对拟人化、社会临场感以及采纳意愿三个变量进行测量(1 = 完全不同意，5 = 完全同意)，具体测量题项及量表参考来源如表1所示。

3.2. 数据收集

通过Credamo见数平台发放调查问卷，共回收调查问卷280份，有效问卷257份，问卷有效率为91.8%。其中样本男性占比47.1%，女性占比52.9%；样本的年龄主要为19~25岁和26~30岁，分别占比38.5%和30.40%；样本的学历主要为本科和硕士，分别占比68.9%和15.2%。样本具体的描述性统计如表2所示。样本的分布具有良好的合理性，适合进行进一步分析。

Table 2. Descriptive statistical analysis of the sample

表2. 样本的描述性统计分析

4. 实证分析

4.1. 信效度检验

拟人化量表(Cronbach’s α = 0.732, CR = 0.732)、社会临场感量表(Cronbach’s α = 0.744, CR = 0.755)和采纳意愿量表(Cronbach’s α = 0.791, CR = 0.804)的Cronbach’s α值均大于0.7，组合信度(CR)均大于0.7，表明整体量表具有较好的信度。量表整体的KMO值为0.849，大于0.6，Bartlett球形检验的显著性为0.000，表明量表具有良好的结构效度。在此基础上，通过AMOS 23.0进行验证性因子分析，各题项在对应潜变量上的标准化载荷均大于0.6且高度显著，拟人化量表(AVE = 0.407)、社会临场感(AVE = 0.510)和采纳意愿量表(AVE = 0.507)的AVE值均大于0.4，表明量表具有良好的收敛效度。综上，量表具有良好的信效度。

4.2. 假设检验

4.2.1. 主效应检验

本文通过配对样本t检验进行主效应检验。结果显示，不同推荐方式下用户的采纳意愿存在显著差异，t = 3.16，p < 0.05，与传统算法推荐(M = 3.74, SD = 0.807)相比，用户在AI虚拟助手推荐(M = 3.91, SD = 0.743)下采纳意愿更高，具体如表3所示。假设H1得到支持。

Table 3. Paired sample T test significance test results with recommendation method

表3. 推荐方式配对样本T检验显著性检验结果

4.2.2. 拟人化的中介效应检验

使用PROCESS v3.3中的Bootstrap方法检验拟人化的中介效应(Model 4，样本量5000，置信水平95%)。以传统算法推荐为参照水平，结果显示，推荐方式对采纳意愿的影响显著(c1 = 0.171，SE = 0.068，95% CI [0.037, 0.306])，AI虚拟助手推荐(vs.传统算法推荐)会引起用户更强的拟人化倾向(a1 = 0.217, SE = 0.055, 95% CI [0.109, 0.325])，拟人化正向影响用户的采纳意愿(b1 = 0.682, SE = 0.046, 95% CI [0.592, 0.773])，拟人化在推荐方式与采纳意愿间的中介效应显著(a1b1= 0.148, SE = 0.038, 95% CI [0.074, 0.223])，推荐方式对采纳意愿的直接效应不显著(c1′ = 0.023, SE = 0.058, 95% CI [−0.091, 0.138])，表明拟人化在推荐方式与采纳意愿间起完全中介作用，具体如表4所示，假设H2得到支持。

Table 4. The results of anthropomorphism mediation effect test

表4. 拟人化的中介效应检验结果

4.2.3. 社会临场感的中介效应检验

使用PROCESS v3.3中的Bootstrap方法检验社会临场感的中介效应(Model 4，样本量5000，置信水平95%)。以传统算法推荐为参照水平，结果显示，推荐方式对采纳意愿的影响显著(c2 = 0.171, SE = 0.068, 95% CI [0.037, 0.306])，AI虚拟助手推荐(vs.传统算法推荐)会引起用户更强的社会临场感(a2 = 0.073, SE = 0.060, 95% CI [0.052, 0.278])，社会临场感正向影响用户的采纳意愿(b2 = 0.595, SE = 0.046, 95% CI [0.505, 0.685])，社会临场感在推荐方式与采纳意愿间的中介效应显著(a2b2 = 0.098, SE = 0.035, 95% CI [0.030, 0.169])，推荐方式对采纳意愿的直接效应不显著(c2′ = 0.073, SE = 0.060, 95% CI [−0.044, 0.191])，表明社会临场感在推荐方式与采纳意愿间起完全中介作用，具体如表5所示，假设H3得到支持。

Table 5. The results of social presence mediation effect test

表5. 社会临场感的中介效应检验结果

4.2.4. 链式中介效应检验

使用PROCESSv3.3中的Bootstrap方法进行链式中介作用分析(Model 6；样本量5000，置信区间95%)。结果如表6所示，推荐方式通过拟人化影响社会临场感进而影响用户采纳的链式中介作用显著，支持假设H4。

Table 6. Test results of chain mediation effect of anthropomorphism and social presence

表6. 拟人化和社会临场感的链式中介效应检验结果

5. 总结

5.1. 结果讨论

本研究以拟人化三因素理论和社会化反应理论为基础构建理论模型，旨在深入探究AI虚拟助手推荐相比传统算法推荐对采纳意愿影响的内在机制，剖析了拟人化和社会临场感在其中的链式中介作用，主要结论如下。

相比传统算法推荐，AI虚拟助手推荐在促进用户采纳意愿上更具优势。研究结果表明，产生这一现象的原因与AI虚拟助手引发的拟人化感知和社会临场感有关。

AI虚拟助手推荐相较于传统算法推荐引起了人们拟人化的心理状态，并进一步促进了社会临场感，拟人化和社会临场感共同作用于用户的推荐采纳意愿。研究发现，AI虚拟助手与用户通过文本或语音对话与用户交互，这一特点触发了用户以人类知识理解和解释机器的行为，从而引发了拟人化的心理；拟人化的心理状态促进了用户的推荐采纳，可能原因是拟人化设计增强了用户与推荐系统的情感连接，提高了用户的参与度。前人研究结果表明，这种拟人化引起的情感连接有助于提升用户的信任感，从而提高用户的推荐接受意愿[4]。另外，研究结果表明，这种拟人化心理能够引发用户的社会临场感，使用户仿佛是在与人交流互动中接收推荐信息。交互型线索是社会临场感产生的重要前因[28]。而交互型线索被认为是重要的拟人化特征[29]。因此，社会临场感受到拟人化的影响。根据社会化反应理论，社会临场感可以使用户对拟人化的非人类主体产生信任、被说服或持续交互意愿等社会反应[1]。已有研究证实，社会临场感能够通过增强用户信任、感知可靠性以及心流体验等对消费者的购买意愿和行为产生积极影响[30]。因此，拟人化和社会临场感的链式中介是AI虚拟助手推荐相比传统算法推荐影响用户采纳意愿的重要内在机制。

5.2. 理论贡献与实践启示

本文融合拟人化三因素理论和社会化反应理论，引入了拟人化和社会临场感中间变量，为理解AI虚拟助手推荐系统提供了新的理论视角。研究揭示了与传统算法推荐相比，AI虚拟助手推荐更能引发用户对AI的拟人化倾向，这一发现丰富了推荐系统相关研究成果。此外，研究还发现拟人化和社会临场感在推荐方式和用户采纳意愿间起到了链式中介作用，为理解用户与AI互动的心理机制提供了理论解释，为进一步探索AI虚拟助手对用户反应与行为影响内在机制的研究奠定了基础。

研究结论为AI虚拟助手推荐和传统算法推荐设计方面提供了科学参考。为了更好地发挥AI虚拟助手的拟人化和社会临场感的作用，提升用户采纳意愿，在设计方面可以进一步增强自然语言处理能力，以便更好地理解和解释人类语言，包括口语和书面语，从而与用户进行流畅的交流。使AI虚拟助手在与用户交流时，使用亲切、个性化的语言风格。可以根据用户的性别、年龄等信息，采用不同的称呼和语气，让用户感受到被关注和重视，建立起情感纽带。同时，可以关注用户情绪状态并给予相应反馈。例如，当用户因商品选择困难而焦虑时，AI虚拟助手可以用温和语气安慰：“别着急，咱们慢慢挑，我帮您分析分析。”这种情感关怀让用户感觉被重视，强化拟人化效果与社会临场感从而提高用户对推荐内容的采纳意愿。

传统算法推荐系统优化可借鉴拟人化机制，呈现形式融入拟人元素，提升用户对算法推荐的接受度和采纳意愿。合理运用这些策略，推荐系统将在提升说服效果上大有进展，提供更人性化高效的数字交互方案。同时，注重AI虚拟助手的推广，确保这些优化措施能够广泛实施，以实现更广泛的用户接受度和市场渗透。

5.3. 研究局限与未来展望

本文虽然揭示了拟人化和社会临场感在推荐方式和推荐效果间的作用，但研究的局限性在于样本量和应用场景的广泛性。未来的研究可以扩大样本量，探索不同文化和行业背景下的推荐方式对用户采纳意愿的影响及其影响机制。此外，随着技术的发展，未来的研究可以探索更多新型的推荐方式，如基于深度学习的推荐系统，以及它们如何与拟人化特征和社会临场感相互作用，影响用户的采纳意愿。从多感官层面提升用户体验与系统效能，从而推动推荐系统向更加智能化、人性化的方向迈进，为推荐系统领域的创新发展注入新的活力与动力。

基金项目

本文系国家社会科学基金项目(项目编号：20BGL284)研究成果之一。

参考文献