AI模特图营销的真实性争议与信任重构研究——以服装电商为例
Research on Authenticity Controversy and Trust Reconstruction of AI Model Image Marketing—Taking Clothing E-Commerce as an Example
摘要: AI技术在电商领域的应用日益广泛,以各大头部电商平台的服装营销为例,基于人工智能技术生成的虚拟试衣模特形象正逐渐替代真人模特服装商拍。这一在线服装产品展示方式的转变虽然为商家实现了降本增效的成果,但“货不对板”引发的真实性争议导致了消费者信任危机,同时也挑战了法律与伦理的底线,由此对电商行业的健康发展构成潜在威胁。本研究从技术、商业动机、用户心理和平台责任等多个角度,深入探讨AI模特图营销引发的真实性争议背后的原因,以及在揭示AI模特图营销真实性争议风险的基础上,提出通过社会多方主体协同治理的路径实现电商信任生态的重构。
Abstract: The application of AI technology in the e-commerce sector is becoming increasingly widespread. Taking the clothing marketing of major leading e-commerce platforms as an example, virtual fitting model images generated based on AI technology are gradually replacing real-life model clothing photography. Although this shift in online clothing product display has achieved cost reduction and efficiency improvement for merchants, the authenticity controversy caused by “goods not matching the description” has led to a consumer trust crisis. It also challenges the legal and ethical bottom line, posing a potential threat to the healthy development of the e-commerce industry. This study delves into the reasons behind the authenticity controversy caused by AI model image marketing from multiple perspectives, including technology, business motivation, user psychology, and platform responsibility. Based on revealing the risks of authenticity controversy in AI model image marketing, it proposes a path to reconstruct the e-commerce trust ecosystem through collaborative governance by multiple social entities.
文章引用:周雪. AI模特图营销的真实性争议与信任重构研究——以服装电商为例[J]. 电子商务评论, 2025, 14(4): 933-938. https://doi.org/10.12677/ecl.2025.144970

1. 引言

人工智能技术发展的热潮正在深刻改变电商行业的运营模式,为商家提供了低成本、高效率的营销策略。在服装电商领域中通过生成式人工智能技术,能够快速生成逼真的虚拟模特图展示商品。例如,在2024年“双十一”等大型促销活动中,AI模特图成为电商营销中的重要工具,头部电商平台广泛用其代替传统真人模特拍摄,通过生成虚拟模特形象图提升了商品的视觉吸引力。但商家在技术便利性的满足下却忽略了对消费者信任的管理和维护。首先,AI生成的虚拟模特图在细节上与实物存在较大差异,例如服装的版型、材质、颜色偏差等问题,导致“货不对板”的声音频繁出现;其次,虚构场景的打造和过度美化的渲染进一步加剧了所谓“完美形象”产品的失真,以上现象严重影响了品牌忠诚度和电商行业信任生态。

“信任”被普遍认为是除物质资本和人力资本之外决定一个国家经济增长和社会进步的主要社会资本[1],其涉及到一个社会的基本秩序,是进行合作、交易的基础,也是激发购买行为发生的关键变量,成为营销学的经典问题[2],在电子商务中,不可置否,信任也是消费者与商家之间交易的核心基础。随着生产力的飞速发展,社会转型过程中产生的不确定性因素会引发相应的信任问题。在服装电商领域,技术局限和商业动机驱使AI模特图营销方式引发真实性争议,激发用户购买行为前后的心理链式反应加剧信任危机,而平台责任缺失则进一步放大了问题的严重性。要解决这一问题,需要从媒体培育公众媒介素养、商家透明化信息披露、平台加强审核与追责多方面入手,推动电商行业对AI模特图技术的规范化应用,进而重构电商信任生态。

2. AI模特图营销真实性争议的产生机制

2.1. 技术局限:虚拟美学的失真

AI模特图是生成式人工智能技术应用图像领域的产物,具体表现为识别并模拟真人模特的姿态,能够将服装的风格、纹理和颜色与虚拟模特的图像进行融合并生成逼真的虚拟模特图。生成式人工智能指通过人工智能相关技术,自动化生成文本、图像、视频、音频等多类型内容,可以实现较好的内容生成效果,并在多个领域逐步开始提供专业化与个性化内容生成服务[3]。尽管生成式人工智能技术能够生成仿真的图像,但在细节呈现上仍存在显著局限。一方面是难以呈现商品的布料质感、花纹细节和褶皱效果,材质的展示多为柔和平滑为主,另一方面是尺寸与人的适配性存在差异,图片中的虚拟模特多为小脸、腰细和大长腿的形象,总体上服装产品细节的展示呈现出过度美化的失真现象。技术的双刃剑效应在于,尽管它提供了前所未有的逼真体验,其背后的生成机制却是基于概率推断而非确切逻辑,有可能导致人们对真实性的认识模糊[4]。因此,服装电商商家在商品详情所提供的AI模特参考图掩盖了产品的真实缺陷,形成“符号化欺骗”,导致消费者无法通过图片准确判断商品的实际质量。

2.2. 商业动机:降本增效的驱动

电商服装品牌方和个体商家采用AI模特图的主要动机在于追求效率和利润最大化,传统真人模特拍摄需要高昂的成本和较长的时间周期。而AI渗入电商领域后,推动商家转变商品营销方式,简而言之,以低门槛和低成本的方式提升商品价值。据报道称国内首个AI商拍应用WeShop唯象的总经理吴海波表示,利用AI生成模特图可以显著缩短商家的上新周期,并大幅降低成本[5]。其次伴随着商家对AI模特“试衣”图制作的需要,生成AI模特“试衣”图的服务也正在成为产业[6],依据商家的需求提供多元化AI模特图生成服务,逐渐为商家运用AI模特图营销提供了温床。两者之间的互利模式直接推动了服装电商应用AI模特图进行营销的趋势,但相比过去传统真人模特展示衣服细节包括材质、颜色、衣服尺寸的形式,这一营销方式导致服装电商商家一定程度上减少了对品牌忠诚度的维护。

2.3. 用户心理:“期待产生–现实落差–不满退货”的心理链式反应

在电商购物过程中,用户的心理体验通常直接影响其购买的决策和后续行为。商品展示从“真实”向“虚拟”的迁移,AI模特图作为“超真实”符号异化消费者认知,进而容易产生冲动消费行为。人们是把鲜活的自我带进了商品的消费,通过消费来显示或象征其自我概念,消费行为成为身份转换过程中自我概念转变的佐证[7]。AI模特图通过逼真的虚拟形象和精心设计的场景渲染,营造出一种理想化的商品效果,激发消费欲望,视觉冲击产生美的期待。但在人工智能技术发展迅猛的同时,数字鸿沟逐渐发展为智能鸿沟,需要考虑到AI模特图初步应用于服装产品营销时,消费者与商家两者处于信息不对称的关系,用户在商家提供的商品展示详情页中难以识别产品是否由AI合成。信任在商品购销活动中往往发挥重要作用,对交易各方而言,信任的重要作用在于能提供稳定的心理预期[8]。而消费者在产生美的期待后通过比较的形式判断出实物与图片不符,产生现实与期待之间的落差,打破原本的心理预期,迅速引发不满和失望情绪,最终选择退货并产生信任崩塌现象。

2.4. 平台:监管责任缺失

目前电商平台在规制和管理方面存在明显责任缺失,网络平台是组织生产力的新型主体,在数字经济时代承担着维护网络市场秩序、保障用户权益的公共职能[9]。首先平台对商家使用AI模特图缺乏明确的标注要求,导致消费者难以区分虚拟图像与真实商品,增加了“货不对板”的风险。其次平台对商家过度美化AI模特图的行为缺乏有效监管,使得虚假宣传问题频发,进一步损害了消费者的信任。电商平台作为连接商家和消费者的开放性生态系统,其监管角色的缺失不仅影响个体交易,还可能对整个电商生态的健康发展造成不利影响。虚假宣传和消费者信任危机的蔓延可能导致用户流失、品牌声誉受损,甚至引发行业整体的信任崩塌。

3. AI模特图营销真实性争议的风险

本文运用专业网络爬虫工具Octoparse 8.7.7,在先后被国内外媒体评为“社区社交之王”的小红书上[10],搜索AI模特营销争议相关话题,并对收集到的2230条数据进行了预处理。数据处理包括首先去除重复评论、无效符号、表情和文本,其次对研究数据进行去除停用词和分词处理,最后呈现词频排名前90的关键词并由此制作可视化词云图,如图1所示。在词云图中关键词出现频次越多,则字体越大,可以看出消费者对服装电商使用AI模特图进行营销的态度较为消极。随着社交网络的日益普及和日常化,对社交消费中信任及持久信任关系承诺的影响机制研究便具有了重要价值[11],通过“货不对板”“退货”“离谱”“举报”等关键词可知,服装电商领域关于AI模特图营销存在消费信任问题,并一定程度上触及电商信任生态。

Figure 1. Visualization of the top 90 most frequent words in comments regarding the authenticity controversy of AI model image clothing marketing on the Xiaohongshu platform.

1. 小红书平台关于AI模特图服装营销真实性争议评论文本词频top 90的词语可视化

3.1. 消费者层面:知情权被侵犯下的信任情感损耗

消费者在购物过程中享有知情权,即有权了解商品的真实情况,AI模特图掩盖了商品的真实细节,模糊了虚拟与真实的边界,如布料质感、颜色偏差、版型问题等。这种知情权的侵犯不仅损害了消费者的合法权益,还引发了信任情感的损耗。一方面是购买行为前,商家与消费者之间信息不对称所导致的信任缺乏干扰消费者做出网购决定[12],另一方面是购买行为后,消费者一旦认为时间被浪费,会从“消费体验”分享制造的幻象中清醒过来[13]。在用户心理“期待产生–现实落差–不满退货”的心理链式反应过程中产生被欺骗的情感,这种信任损耗的累积效应不仅会导致用户流失,还可能对电商平台的市场竞争力造成深远影响。

3.2. 商家层面:短期流量增长与长期品牌信誉的悖论

部分服装电商商家依赖卖图“预售”再紧急加工的盈利模式,即使在短期会获得利益,但忽略消费者真正诉求下所导致的退货,不仅增加了商家的运营成本,还显著降低了品牌忠诚度。此外,当消费者发现AI模特图与现实商品存在显著差异时,可能通过社交媒体和电商平台的评价系统传播商家涉嫌虚假宣传的负面信息。这种负面口碑的传播不仅损害了品牌的信誉,还可能引发法律风险[14]。品牌信誉的建立需要长期积累,但其崩塌可能仅因一次负面事件,尤其是在中小电商逐渐壮大的背景下,口碑已成为推动商业发展的核心动力。一旦品牌因虚假宣传或“货不对板”问题失去消费者的信任,其市场竞争力将大幅下降。

3.3. 行业层面:劣币驱逐良币破坏市场秩序

电商平台与商家个体实际上是利益共同体,AI模特图营销虽然在短期内能够带来竞争优势,但却破坏了行业的公平竞争环境。对于坚持使用真人模特图、注重商品真实性的商家可能因成本较高而失去市场竞争力,最终被迫退出市场或效仿不良行为。这种“劣币驱逐良币”的现象不仅损害了行业的健康发展,还可能导致消费者对整个电商行业的信任度下降。信任通过技术化、中介化的手段推动商业消费,难以避免的会导致技术的异化与信任危机[15],当市场中不合理运用技术手段驱逐优质商品时,消费者会对整个市场失去信心,最终导致市场萎缩。

4. 信任重构的路径:社会多方主体协同治理

4.1. 媒介素养教育:纠正技术偏差

面对人工智能的挑战下的数字鸿沟问题,应高度重视媒介素养的重要性,加强媒介素养教育,发挥媒介素养在纠正技术偏差中的作用[16]。承担社会责任的媒体在提升公众媒介素养方面扮演重要角色,可以弥补消费者个人提升的局限性,通过多种形式的教育活动,可以帮助消费者更好地理解AI技术的应用及其潜在风险。一方面是科普宣传,制作视觉化并易于传播的图文或视频内容,帮助消费者识别AI生成内容,引导用户识别虚拟形象漏洞,减少冲动消费。另一方面是发挥舆论监督的作用,通过深入调查并采取新闻报道的形式对滥用AI模特图技术的商家进行曝光,提高消费者鉴别产品真伪能力,增强其维护自身权益的意识,并同时形成舆论压力,促进电商行业自律。

4.2. 商家:AI生成内容标注“虚拟模特”标识

商家作为卖家应当满足消费者的知情权,其行为直接影响消费者的信任感知。因此商家在享受技术便利的同时,必须承担起透明化信息披露的责任,确保消费者能够清晰了解AI模特图营销下产品的真实性。虽然在《广告法》《消费者权益保护法》等现有法律中缺乏对AI生成内容的标注义务与追责标准,但依据2023年开始实施的《互联网信息服务深度合成管理规定》中第十七条明确,深度合成服务提供者提供人脸生成、人脸替换、人脸操控、姿态操控等人物图像可能导致公众混淆或者误认的,应当在合理位置、区域进行显著标识,向公众提示深度合成情况[17]。商家需对AI生成内容标注“虚拟模特”水印,且标识应醒目和易于识别,避免消费者误以为展示图像为真人拍摄。同时在商品详情页中提供详细的文字说明或补充实物对比图,说明AI模特图与实际商品可能存在的差异,避免误导消费者。这种透明化的信息披露不仅能够减少消费者的误解,还能提升商家自身的诚信形象。

4.3. 平台:“审核 + 追责 + 补偿”机制

电商平台作为连接商家与消费者的桥梁和电商行业生态的维护者,应建立严格的审核与追责机制,确保AI模特图的使用符合规范。越来越多的个体、商家加入移动社交网络平台开展电子商务活动,但由于缺乏监管和行业规范的引导,消费者感知风险存在,影响消费者交易行为[18]。建立审核机制,打造专业化“人工 + 机器”内容审核团队,对商家上传的AI模特图进行技术检测,识别商品宣传图是否存在AI生成,相应检测结果为使用AI模特图的商品详情页,标明“疑似AI合成”的提醒标识。设置追责机制,因AI模特图导致的“货不对板”问题,平台应建立投诉专区和快速追责机制,根据投诉情况对商家进行扣分、罚款或下架处理。设立补偿机制,因平台审核疏漏或商家违规导致用户受损时,依据诉求提供多元化的经济补偿或补救。“审核 + 追责 + 补偿”机制不仅能够规范商家行为,还能提升平台的整体信任度,但要注意事前和事后的动态监控,避免陷入形式主义。

5. 结语

电商行业的运营模式迎来新的变革,然而技术的飞速发展也伴随着诸多挑战,AI模特营销引发的真实性争议及其带来的风险,本质上是技术工具理性对社会责任的侵蚀。除了商家透明化信息披露,平台科学化设置机制,媒体教育化培养消费者媒介素养外,未来还需要法律的包容性治理推动电商行业可持续健康发展。只有通过社会多方协同努力,才能在人工智能技术快速发展的背景下实现消费者信任与行业发展的平衡。在追求技术创新与广泛应用的同时,如何平衡用户日益增长的审美多元化需求与市场对产品标准化、同质化的倾向,成为商家面临的重要问题。因此,在推动技术进步的同时,还需确保技术进步服务于人类社会的全面发展,而非仅仅作为商业利益的驱动器。未来,只有在科技与人文精神并重的道路上不断探索,我们才能更好地把握这一时代赋予的机遇,推动电商行业乃至整个社会的可持续发展。

参考文献

[1] 张维迎, 柯荣住. 信任及其解释: 来自中国的跨省调查分析[J]. 经济研究, 2002(10): 59-70+96.
[2] 朱虹. 消费信任发生机制探索——一项基于中国本土的实证研究[J]. 南京社会科学, 2011(9): 23-29.
[3] 卢宇, 余京蕾, 陈鹏鹤, 等. 生成式人工智能的教育应用与展望——以ChatGPT系统为例[J]. 中国远程教育, 2023, 43(4): 24-31+51.
[4] 张诗瑶, 沈阳. Sora: 传媒生态镜像进化与认知变革[J]. 编辑之友, 2024(6): 53-60.
[5] 北京日报客户端. AI模特图泛滥, 网购合身的服装更难了[EB/OL].
https://baijiahao.baidu.com/s?id=1815435664632574564&wfr=spider&for=pc, 2024-11-11.
[6] 嘉兴市违法和不良信息举报中心, 不少网店用AI模特试衣? 专家: 应标注以避免损害消费者权益[EB/OL].
http://jiaxing.zjjubao.com/a/html/80085529, 2023-07-31.
[7] 赵元蔚, 鞠惠冰. 鲍德里亚的拟像理论与后现代消费主体[J]. 社会科学战线, 2014(1): 158-162.
[8] 刘凤委, 李琳, 薛云奎. 信任、交易成本与商业信用模式[J]. 经济研究, 2009, 44(8): 60-72.
[9] 刘权. 网络平台的公共性及其实现——以电商平台的法律规制为视角[J]. 法学研究, 2020, 42(2): 42-56.
[10] 段鹏. 社群、场景、情感: 短视频平台中的群体参与和电商发展[J]. 新闻大学, 2022(1): 86-95+123-124.
[11] 周彦莉, 荣梅, 冯群. 社交消费中消费者信任及持久信任关系承诺的影响机制[J]. 中国流通经济, 2020, 34(9): 41-55.
[12] 熊雪, 朱成霞, 朱海波. 农产品电商直播中消费者信任的形成机制: 中介能力视角[J]. 南京农业大学学报(社会科学版), 2021, 21(4): 142-154.
[13] 蒋建国, 陈小雨. 网络“种草”: 社交营销、消费诱导与审美疲劳[J]. 学习与实践, 2019(12): 125-131.
[14] 南方都市报. 网店里的AI模特图: 据衣服照片即可生成, 律师称有侵权风险[EB/OL].
https://baijiahao.baidu.com/s?id=1814987366627333603&wfr=spider&for=pc, 2024-11-06.
[15] 周丽, 范建华. 形塑信任: 网络电商直播的场景框架与情感逻辑[J]. 西南民族大学学报(人文社会科学版), 2021, 42(2): 142-147.
[16] 周慧玲. 人工智能时代媒介素养教育的作用与使命[J]. 出版广角, 2019(3): 79-81.
[17] 互联网信息服务深度合成管理规定[J]. 中华人民共和国国务院公报, 2023(4): 22-25.
[18] 王兴标, 谷斌. 基于信任的移动社交电子商务购买意愿影响因素[J]. 中国流通经济, 2020, 34(4): 21-31.