人工智能客服对消费者绿色产品购买意愿的影响研究
The Influence of AI Customer Service on Consumers’ Green Product Purchase Intention
摘要: 本研究基于刺激–机体–反应(SOR)模型,探究了人工智能客服对消费者绿色购买意愿的影响机制。结果表明:1) 人工智能客服的拟人化设计、交互响应能力以及信息质量均显著正向影响消费者的感知信任与感知价值,其中交互响应能力对这两方面的驱动效应更为突出。2) 感知信任和感知价值进一步正向促进消费者的绿色购买意愿,且感知信任对购买意愿的促进作用高于感知价值。基于此,本研究建议电商企业优化人工智能客服的交互响应能力,深化拟人化设计,并整合权威环保认证以提升信息透明度,从而构建可信赖的绿色消费智能顾问体系,为可持续消费市场的发展提供坚实的技术支撑。
Abstract: This study employs the Stimulus-Organism-Response (SOR) framework to examine how AI customer service influences consumers’ green purchase intention. Results demonstrate that anthropo-morphic design, interactive responsiveness, and information quality of AI customer service significantly enhance consumers’ perceived trust and perceived value, with interactive responsiveness exhibiting the most substantial impact. Furthermore, both perceived trust and perceived value positively drive green purchase intention, though the effect of trust is markedly stronger than that of perceived value. The findings suggest that e-commerce enterprises should optimize AI response capabilities, advance anthropomorphic features, and integrate authoritative eco-certifications to build credible intelligent advisory systems for green consumption. These strategies provide critical technological support for sustainable market development.
文章引用:丁书娟. 人工智能客服对消费者绿色产品购买意愿的影响研究[J]. 电子商务评论, 2025, 14(9): 794-803. https://doi.org/10.12677/ecl.2025.1492979

1. 引言

经济快速发展加剧了生态失衡与资源消耗,环境问题严峻。在此背景下,政府和环保部门积极倡导绿色消费理念,鼓励消费者选择环境影响更小的绿色产品[1]。然而,尽管绿色消费兼具经济与环境双重效益,目前其市场表现却不尽如人意。研究表明,这是由于绿色产品市场存在显著的信息不对称问题[2],以及部分企业的“漂绿行为”[3]导致消费者信任缺失,进而制约了绿色产品的市场推广。有学者指出,线上销售是推动绿色消费的重要途径[4]

近年来,会话式商务作为强化在线沟通的关键方式日益普及,智能客服系统因此成为在线企业提升服务效率、快速响应顾客诉求、降低运营成本的重要工具。但相较于生成式人工智能,当前的智能客服在实际应用中常因回答模式化、响应僵化、答非所问等缺陷而被诟病[5],难以提供良好的体验,容易引发负面情绪阻碍决策。

现有文献多聚焦于服务失败后的补救措施及其影响,鲜有以智能客服本身为核心的研究。同时,相关研究大多局限于常规消费场景,在绿色消费这一特定领域,尤其是考察智能客服属性特征如何影响消费者绿色购买意愿的研究,尚存在空白。因此,本研究将基于刺激–机体–反应(SOR)模型,系统考察智能客服的关键属性特征对消费者绿色产品购买意愿的作用机制,以弥补现有研究的不足。

2. 理论分析与研究假设

2.1. 拟人化与感知信任和感知价值

在绿色消费决策中,消费者面临诸多“不确定性”,容易产生认知负荷和信任焦虑。在此情境下,拟人化通过类人的社会线索(如自然对话、情感表达),营造出一种真实自然的社交存在感[6],有效建立情感连接。这种连接传递出关怀与理解的社会信号,可以缓解消费者在信息模糊环境中的孤立感与焦虑感[7]。当消费者感知到智能客服如同一位富有同理心的“伙伴”而非冰冷的程序时,会激发其对智能客服的认同感[8],从而增强感知信任。

同时,智能客服的拟人化属性,特别是通过个性化的响应和情感化的互动方式,能够丰富用户的交互体验。这种体验不仅限于功能层面,更触及情感层面,从而有效提升用户对其服务实用价值和情感价值的整体感知,即提升感知价值[9]。基于此,本文提出:

假设1a:智能客服的拟人化水平正向影响感知信任。

假设1b:智能客服的拟人化水平正向影响感知价值。

2.2. 交互性与感知信任和感知价值

绿色产品的环保属性往往复杂且专业,使得消费者在决策时面临高认知负荷,而具备强交互性的智能客服能够即时响应用户关于对绿色产品的疑问,为用户创造高度沉浸的参与体验,有效减少信息不对称问题[10]。通过提供清晰、及时、相关的解答,用户得以更准确地评估信息的可靠性和产品的真实性,从而显著增强对智能客服可靠性的判断,即提升感知信任[11]

此外,深度、自然、多轮的沟通过程本身营造出一种被高度关注的感觉,并能通过情感化的表达引发用户的情感共鸣[12]。这种积极的交互体验,不仅让用户感受到服务的实用价值,还能强化其情感价值,从而整体提升消费者的感知价值。基于此,本文提出:

假设2a:智能客服的交互性水平正向影响感知信任。

假设2b:智能客服的交互性水平正向影响感知价值。

2.3. 信息质量与感知信任和感知价值

在充斥着信息不对称和“漂绿”风险的绿色市场,消费者决策的核心依赖是信息的真实性与可靠性,信息质量是构建可信赖服务的基石。鉴于人类信息处理能力有限,面对绿色产品复杂的环保属性、认证标准及供应链信息时,消费者极易产生认知负荷并遗漏关键决策信息[13]。智能客服提供的高质量信息能够有效降低用户在绿色消费决策中的不确定性及信息搜索成本[14]。通过提供可信赖的信息依据,从而显著增强对智能客服可靠性的判断,即提升感知信任。

从价值角度看,精准匹配消费者核心信息需求的高质量内容,极大地提升了服务的实用价值。它帮助消费者在海量或模糊信息中快速锁定关键事实,高效做出符合自身环保诉求的购买判断,省去了繁琐的信息甄别成本[14]。这种高效、省心且目标明确的决策辅助体验,是用户感知价值的重要组成部分。基于此,本文提出:

假设3a:智能客服的信息质量正向影响感知信任。

假设3b:智能客服的信息质量正向影响感知价值。

2.4. 感知信任和绿色购买意愿

在“漂绿”行为侵蚀市场信任的背景下,感知信任的提升对于驱动绿色消费行为至关重要。消费者对绿色产品的购买意愿高度依赖于其对产品环保属性的销售方诚信的信任程度[15]。当消费者信任智能客服提供的信息真实可靠、推荐动机公正无偏时,这种信任感会有效消解其对“漂绿”陷阱的担忧和对产品实际环保效果的疑虑[16]。信任显著降低了绿色消费决策中的感知风险和心理障碍。基于此信任,消费者更愿意采纳智能客服的绿色产品推荐,并相信该推荐符合其环保价值观。这种对信息源和推荐可靠性的信任,直接转化为消费者选择并购买该绿色产品的意愿强度。基于此,本文提出:

假设4:感知信任对绿色购买意愿存在显著的正向影响。

2.5. 感知价值和绿色购买意愿

感知价值是消费者在购买产品时,对产品或服务所能提供的整体效用与所需付出的成本进行权衡后形成的综合评价[17]。在绿色消费情境下,消费者对价值的感知尤为重要,因为其不仅包含功能性利益,更融合了深层次的环保价值认同。当消费者通过人工智能客服的交互,获得源于提供的高效信息支持所带来的实用价值与来自情感交互带来的情感价值而进一步获得较高的整体感知价值时,这种积极的价值体验会显著提升其购买绿色产品的动力。基于此,本文提出:

假设5:感知价值对绿色购买意愿存在显著的正向影响。

本研究理论模型如图1所示。

Figure 1. Conceptual framework

1. 理论模型

3. 研究设计

3.1. 数据来源

本研究通过问卷星收集数据。为确保样本代表性与研究主题相关性,设定招募标准为:过去三个月内有网购经历的消费者。问卷发放采用分层配额抽样方法,旨在平衡性别比例并覆盖主要年龄层。问卷正式投放前进行了小范围预测试(N = 50),根据反馈调整了部分表述以确保清晰易懂。最终回收问卷452份,经过严格筛选(剔除作答时间过短以及未通过注意力检测题的无效问卷),获得有效问卷431份,有效回收率为95.3%。

3.2. 测量工具

为确保问卷的可靠性,本研究所有量表题项均基于成熟量表进行情境化改编,以适应中文语境下的绿色消费与智能客服交互场景。

拟人化题项主要基于Guo等人[18]的量表,保留了核心维度(自然对话、类人理解、灵活回应),但题项表述聚焦于绿色产品咨询场景(如“智能客服能像真人导购一样,灵活理解我对绿色产品的需求”)。

交互性参考了Joo等[19]的量表,强调即时响应、用户控制、需求理解和记忆延续四个维度在绿色产品决策中的关键作用(如“智能客服能记住我提过的产品要求、绿色偏好等,不用重复说明”)。

信息质量改编自Le [20]的量表,着重测量绿色消费决策中至关重要的信息真实性、完整性、时效性、客观性和一致性(如“智能客服在推荐环保产品时,能保持中立客观,不会偏向某个品牌”)。

感知信任和感知价值分别参考Pitardi等[21]和Zhang等[22]的量表,并整合了部分情境化表述。感知信任题项强调对智能客服在绿色产品信息可靠性、推荐诚信度及整体可信赖性的判断(如“我相信智能客服提供的关于产品节能、可回收等信息是真实的”)。感知价值题项则涵盖功能性价值、情感性价值及整体决策满意度(如“使用智能客服辅助购买绿色产品,让我对自己的消费决策更满意”)。

绿色购买意愿基于Zameer [23]的量表。题项明确指向由智能客服互动引发的优先选择意愿、支付溢价意愿、未来使用倾向及意愿增强(如“在可接受的范围内,我愿意为智能客服筛选的绿色产品支付更高价格”)。

所有测量均采用7点李克特量表(1 = “完全不同意”,7 = “完全同意”)。

4. 实证结果分析

4.1. 描述性分析

Table 1. Sample basic information

1. 样本基本情况

频率

百分比%

平均值

标准偏差

性别

194

45

1.55

0.4998

237

55

年龄

18岁以下

19

4.4

3.25

1.431

18~25

139

32.3

26~30

126

29.2

31~40

62

14.4

41~50

48

11.1

51~60

22

5.1

60岁以上

15

3.5

学历

初中及以下

25

5.8

3.57

1.089

高中/中专

50

11.6

大学专科

87

20.2

大学本科

192

44.5

研究生及以上

77

17.9

表1所示,在431份样本中,参与调查研究中的男性有194人,女性有237人,男女比例接近1:1,受访者年龄大多在18~30岁,且学历为本科的占比最大。

4.2. 信效度检验

为确保测量模型的质量,本研究对量表的信度和效度进行了严格检验。具体检验指标包括:克隆巴赫系数(Cronbach’s α)用于评估内部一致性信度,组合信度(CR)和平均提取方差值(AVE)用于评估收敛效度。此外,采用Fornell-Lcrcker准则评估区分效度。

表2所示,所有潜变量的Cronbach’s α系数介于0.837至0.890之间,大于0.7的可接受标准,表明各量表具有良好的内部一致性信度。因子载荷范围为0.741至0.810,高于0.5的临界值;组合信度(CR)范围为0.856至0.914,高于0.7的临界值;平均方差提取量(AVE)范围为0.602至0.665,高于0.5的临界值,这表明本研究量表具有良好的收敛效度和组合信度。

采用Fornell-Larcker准则评估区分效度。表3显示每个变量的AVE值的平方根均高于该变量与其他变量的相关系数,表明数据具有良好的区分效度。

4.3. 结构模型检验

在完成测量模型检验后,本研究对结构模型进行了评估。结果显示,结构模型的拟合指数在可接受范围内:卡方值(χ2)为400.959,自由度(df)为288,卡方自由度比(χ2/d)为1.392,比较拟合指数(CFI)为0.981,规范拟合指数(NFI)为0.936,相对拟合指数(RFI)为0.928,增量拟合指数(IFI)为0.981,非规范拟合指数(TLI)为0.979,近似误差均方根(RMSEA)为0.030。

Table 2. Reliability and convergent validity test results

2. 信度与收敛效度检验结果

潜在变量

因子载荷

Cronbach’s α

CR

AVE

拟人化

0.837

0.856

0.665

PA1

0.788

PA2

0.785

PA3

0.810

交互性

0.863

0.892

0.624

PI1

0.776

PI2

0.794

PI3

0.772

PI4

0.785

信息质量

0.876

0.908

0.618

IQ1

0.741

IQ2

0.760

IQ3

0.767

IQ4

0.754

IQ5

0.801

感知信任

0.890

0.914

0.632

PT1

0.797

PT2

0.799

PT3

0.772

PT4

0.762

PT5

0.794

感知价值

0.883

0.901

0.602

PV1

0.747

PV2

0.774

PV3

0.760

PV4

0.785

PV5

0.804

绿色购买意愿

0.864

0.887

0.613

GPI1

0.779

GPI2

0.746

GPI3

0.799

GPI4

0.793

Table 3. Discriminant validity test results

3. 区分效度检验结果

拟人化

交互性

信息质量

感知信任

感知价值

绿色购买意愿

拟人化

0.816

交互性

0.414

0.790

信息质量

0.491

0.485

0.786

感知信任

0.468

0.497

0.498

0.795

感知价值

0.459

0.514

0.489

0.372

0.776

绿色购买意愿

0.402

0.396

0.386

0.540

0.533

0.783

与预期相符,拟人化对感知信任(β = 0.229, p < 0.001)和感知价值(β = 0.216, p < 0.001)均存在显著正向影响,假设1a和假设1b成立。交互性对感知信任(β = 0.281, p < 0.001)和感知价值(β = 0.313, p < 0.001)均有正向影响,假设2a和假设2b成立。信息质量对感知信任(β = 0.249, p < 0.001)和感知价值(β = 0.232, p < 0.001)均具有显著正向影响,假设3a和假设3b成立。其中,感知交互性对两个中介变量的驱动效应均为最强。

感知信任(β = 0.397, p < 0.001)和感知价值(β = 0.386, p < 0.001)进一步正向影响绿色购买意愿,假设4和假设5成立。且感知信任对绿色购买意愿的直接效应略高于感知价值。汇总检验结果如表4所示。

Table 4. SEM Results: Standardized path coefficients and hypothesis testing

4. 结构方程模型(SEM)标准化路径系数及假设检验结果

变量关系

标准化路径系数

P值

假设检验结果

假设1a:拟人化→绿色信任

0.229

<0.001

成立

假设1b:拟人化→感知价值

0.216

<0.001

成立

假设2a:交互性→绿色信任

0.281

<0.001

成立

假设2b:交互性→感知价值

0.313

<0.001

成立

假设3a:信息质量→绿色信任

0.249

<0.001

成立

假设3b:信息质量→感知价值

0.232

<0.001

成立

假设4:感知信任→绿色购买意愿

0.397

<0.001

成立

假设5:感知价值→绿色购买意愿

0.386

<0.001

成立

5. 结论与启示

5.1. 研究结论与讨论

本研究基于SOR框架,实证检验了智能客服的拟人化、交互性与信息质量三大属性,通过感知信任与感知价值的中介作用影响消费者绿色购买意愿的机制。研究发现六条路径均显著成立,其中交互响应能力对感知信任与价值的驱动效应最为突出,是影响消费者心理反应的关键因素。这揭示了在信息敏感、信任门槛高的绿色消费决策中,客服的实时响应与深度沟通能力具有不可替代的价值。交互性能即时澄清消费者对产品复杂属性的疑虑,缓解信息不对称的认知负荷,其双向对话不仅提升信息获取效率,更营造被重视感,从而有力驱动信任与价值感知形成。

研究同时证实感知信任与价值均显著提升绿色购买意愿,且信任路径效应略强。这一发现具重要理论与实践意义。理论上,在当前企业“漂绿”行为引发信任危机的背景下,凸显了建立信息可靠性保障是推动绿色消费的前提。相比价值感知,消费者在绿色购买决策中更优先考量信息真实性与服务可信度。感知信任有效降低了市场不透明带来的感知风险与心理障碍,为价值判断与购买决策铺平道路。实践上,这警示企业单纯强调产品价值属性效果有限,必须首先解决信息真实性与可信度这一核心痛点以激活市场潜力。

5.2. 研究启示

5.2.1. 理论贡献

本研究的理论贡献主要体现在三方面:首先,拓展了SOR框架的应用场景,将人工智能客服的关键属性明确纳入SOR框架的“刺激”范畴,系统揭示了其在绿色消费场景中通过“机体”层面影响“反应”的内在机制,揭示了“智能客服属性特征→心理机制→行为意愿”的链式路径,深化了智能技术驱动可持续消费的理论认知。其次,验证交互性是激发用户信任与价值感知的最强驱动力,这为会话商务研究提供了新证据,表明动态双向沟通在绿色决策中的关键作用超越传统信息传递模式。最后,证实了感知信任在绿色购买决策中的优先性,呼应企业漂绿背景下信任重建的迫切需求。

5.2.2. 研究不足与展望

本研究存在以下局限:

第一,数据收集依赖同一时间点的自我报告问卷,存在共同方法偏差风险,可能影响变量关系估计。第二,样本中18~30岁本科学历群体占比较大,虽反映线上购物主力特征,但限制了结论对更广泛年龄、教育背景或数字素养消费者的普适性,存在样本代表性偏差。

基于此,未来研究可拓展方向:

1) 探索调节变量。考察消费者个体特质(如环境态度强度、绿色知识水平、技术接受度)如何调节智能客服属性对信任和价值的影响,揭示策略的差异化效果(例:高环保主义者对信息质量更敏感?低技术接受者更需拟人化设计?)。

2) 采用纵向设计结合行为数据。利用真实在线交互数据(如咨询时长、问题类型、购买记录),更客观分析智能客服互动如何动态影响信任形成及实际购买行为。

3) 跨文化情境比较。探究不同市场环境(如环保政策严格度、绿色认证成熟度、社会信任文化差异)下消费者对智能客服响应机制的差异,以验证和拓展模型外部效度。

5.3. 管理建议

基于本研究的核心发现,提出以下建议:

首先,优先强化交互响应能力,打造流畅高效的沟通体验。企业应将提升交互能力作为核心要点,着力优化对话的流畅度、自然度和深度。确保客服系统能快速理解并精准解答消费者关于产品环保性能、认证标准、材料来源等复杂关键问题,支持自然多轮对话。避免模式化、答非所问或响应延迟,这些缺陷会直接损害消费者对信息的信任感与交互价值感知。最终目标是让消费者感受到如同与一位专业、耐心的绿色顾问进行顺畅高效的交流。

其次,深化拟人化设计,注重情感联结与个性化服务。在保证信息准确的前提下,精心设计客服的语言风格与互动方式,融入温暖友好的情感化表达,贴近人际沟通体验。结合用户历史偏好与咨询内容,提供个性化的绿色产品推荐与信息服务。这种拟人化应超越表面形象,通过情感共鸣与定制化服务,增强用户被理解与关注感,从而深化情感联结,提升服务价值感与亲和力,巩固信任基础。

最后,构建透明可信的信息体系,整合权威认证消除疑虑。针对绿色消费的信任痛点,客服信息必须具备高透明度与权威性。企业应主动整合并清晰展示产品的权威第三方环保认证详情及来源链接,对关键环保声明提供可验证数据支持或溯源信息。在此基础上,智能客服需能专业解释认证与数据的含义,帮助消费者理解其真实价值。

参考文献

[1] 冯文婷, 薛舒允, 汪涛. 拟人的品牌更环保? 拟人化沟通对促进绿色消费倾向的影响[J]. 心理学报, 2025, 57(4): 720-742.
[2] 龚思羽, 盛光华. 产品绿色属性信息对消费者决策的双刃剑效应: 形成机理与边界机制[J]. 心理科学进展, 2023, 31(9): 1611-1625.
[3] Silva, M.E., Sousa-Filho, J.M.d., Yamim, A.P. and Diógenes, A.P. (2020) Exploring Nuances of Green Skepticism in Different Economies. Marketing Intelligence & Planning, 38, 449-463.
https://doi.org/10.1108/mip-10-2018-0435
[4] 梅蕾, 赵子牛. 在线展示与口碑对消费者绿色购买意愿的影响研究——基于绿色感知价值和绿色自我效能感的中介作用分析[J]. 价格理论与实践, 2024(5): 187-192.
[5] 魏瑾瑞, 黄宇航, 徐晓晴. “情绪价值”至上?——智能客服在服务失败情境下的补救策略及其有效性研究[J/OL]. 南开管理评论, 2025: 1-29.
https://link.cnki.net/urlid/12.1288.F.20250704.0841.002, 2025-09-04.
[6] Mourey, J.A., Olson, J.G. and Yoon, C. (2017) Products as Pals: Engaging with Anthropomorphic Products Mitigates the Effects of Social Exclusion. Journal of Consumer Research, 44, 414-431.
https://doi.org/10.1093/jcr/ucx038
[7] Song, C.S. and Kim, Y. (2022) The Role of the Human-Robot Interaction in Consumers’ Acceptance of Humanoid Retail Service Robots. Journal of Business Research, 146, 489-503.
https://doi.org/10.1016/j.jbusres.2022.03.087
[8] Aggarwal, P. and McGill, A.L. (2012) When Brands Seem Human, Do Humans Act Like Brands? Automatic Behavioral Priming Effects of Brand Anthropomorphism. Journal of Consumer Research, 39, 307-323.
https://doi.org/10.1086/662614
[9] Sidlauskiene, J., Joye, Y. and Auruskeviciene, V. (2023) AI-Based Chatbots in Conversational Commerce and Their Effects on Product and Price Perceptions. Electronic Markets, 33, Article No. 24.
https://doi.org/10.1007/s12525-023-00633-8
[10] Yuan, C., Zhang, C. and Wang, S. (2022) Social Anxiety as a Moderator in Consumer Willingness to Accept AI Assistants Based on Utilitarian and Hedonic Values. Journal of Retailing and Consumer Services, 65, Article ID: 102878.
https://doi.org/10.1016/j.jretconser.2021.102878
[11] Sharma, M., Joshi, S., Luthra, S. and Kumar, A. (2022) Impact of Digital Assistant Attributes on Millennials’ Purchasing Intentions: A Multi-Group Analysis Using PLS-SEM, Artificial Neural Network and fsQCA. Information Systems Frontiers, 26, 943-966.
https://doi.org/10.1007/s10796-022-10339-5
[12] Gao, J., Zhang, C., Wang, K. and Ba, S. (2012) Understanding Online Purchase Decision Making: The Effects of Unconscious Thought, Information Quality, and Information Quantity. Decision Support Systems, 53, 772-781.
https://doi.org/10.1016/j.dss.2012.05.011
[13] Li, L., Lee, K.Y., Emokpae, E. and Yang, S. (2021) What Makes You Continuously Use Chatbot Services? Evidence from Chinese Online Travel Agencies. Electronic Markets, 31, 575-599.
https://doi.org/10.1007/s12525-020-00454-z
[14] Li, W., Mao, Y. and Zhou, L. (2021) The Impact of Interactivity on User Satisfaction in Digital Social Reading: Social Presence as a Mediator. International Journal of Human-Computer Interaction, 37, 1636-1647.
https://doi.org/10.1080/10447318.2021.1898850
[15] Kim, S., Yeo, J., Sohn, S.H., Rha, J., Choi, S., Choi, A., et al. (2012) Toward a Composite Measure of Green Consumption: An Exploratory Study Using a Korean Sample. Journal of Family and Economic Issues, 33, 199-214.
https://doi.org/10.1007/s10834-012-9318-z
[16] 解芳, 盛光华, 龚思羽. 全民环境共治背景下参照群体对中国居民绿色购买行为的影响研究[J]. 中国人口·资源与环境, 2019, 29(8): 66-75.
[17] Zeithaml, V.A. (1988) Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence. Journal of Marketing, 52, 2-22.
https://doi.org/10.1177/002224298805200302
[18] Guo, W. and Luo, Q. (2023) Investigating the Impact of Intelligent Personal Assistants on the Purchase Intentions of Generation Z Consumers: The Moderating Role of Brand Credibility. Journal of Retailing and Consumer Services, 73, Article ID: 103353.
https://doi.org/10.1016/j.jretconser.2023.103353
[19] Joo, E. and Yang, J. (2023) How Perceived Interactivity Affects Consumers’ Shopping Intentions in Live Stream Commerce: Roles of Immersion, User Gratification and Product Involvement. Journal of Research in Interactive Marketing, 17, 754-772.
https://doi.org/10.1108/jrim-02-2022-0037
[20] Le, X.C. (2023) Inducing AI-Powered Chatbot Use for Customer Purchase: The Role of Information Value and Innovative Technology. Journal of Systems and Information Technology, 25, 219-241.
https://doi.org/10.1108/jsit-09-2021-0206
[21] Pitardi, V. and Marriott, H.R. (2021) Alexa, She’s Not Human but… Unveiling the Drivers of Consumers’ Trust in Voice‐Based Artificial Intelligence. Psychology & Marketing, 38, 626-642.
https://doi.org/10.1002/mar.21457
[22] Zhang, X., Chen, K. and Li, S. (2024) The Effects of Green Advertising Appeal and Message Type on Purchase Intention. Journal of Retailing and Consumer Services, 81, Article ID: 104007.
https://doi.org/10.1016/j.jretconser.2024.104007
[23] Zameer, H. and Yasmeen, H. (2022) Green Innovation and Environmental Awareness Driven Green Purchase Intentions. Marketing Intelligence & Planning, 40, 624-638.
https://doi.org/10.1108/mip-12-2021-0457