《Sage Open》:Extending the Information Adoption Model to Explain Consumer Adoption of AI-Generated Advertising Through Credibility, Relevance, Transparency, Trust, Risk, Experience, and Usefulness
编辑推荐:
先前的信息采纳模型(IAM)研究解释了在线评论、电子口碑(e-WOM)和社交媒体信息的采纳,但在消费者如何采纳由人工智能生成或个性化的广告信息方面提供的证据有限。本研究通过将信息层面评估和人工智能流程评估整合在一个部分中介框架内,扩展了IAM。采用偏最小二乘结
先前的信息采纳模型(IAM)研究解释了在线评论、电子口碑(e-WOM)和社交媒体信息的采纳,但在消费者如何采纳由人工智能生成或个性化的广告信息方面提供的证据有限。本研究通过将信息层面评估和人工智能流程评估整合在一个部分中介框架内,扩展了IAM。采用偏最小二乘结构方程模型(PLS-SEM)分析了来自462名活跃数字消费者的调查数据。该模型解释了感知信息有用性41.2%的方差和采纳意向44.6%的方差。信息相关性与感知信息有用性的关联最强(β = 0.276, p < 0.001),而对AI生成广告的信任与采纳意向的直接关联最强(β = 0.217, p < 0.001)。感知AI风险与感知信息有用性(β = -0.153, p < 0.001)和采纳意向(β = -0.136, p < 0.001)均呈负相关。感知信息有用性与采纳意向也呈正相关(β = 0.304, p < 0.001),且所有特定间接效应均显著。研究结果完善了IAM,表明有用性仍然处于核心地位,而消费者对AI生成广告的采纳还与可信度、相关性、透明度、信任、风险和先前的AI中介体验相关联。
研究背景与现存问题
随着人工智能技术在广告领域的广泛应用,AI生成的广告正在改变消费者评估促销信息的条件。传统的数字广告中,消费者主要评判品牌或平台所传达信息的可信度、相关性和有用性。然而,在AI生成广告的情境下,信息不仅包含品牌主张,还涉及算法化的内容生成、个性化推荐、精准投放和数据使用。这意味着消费者不仅要评估呈现出的信息本身,还要评估其背后的AI中介过程。现有的信息采纳模型(IAM)已被广泛用于解释在线评论、电子口碑和社交媒体信息的采纳机制,其核心逻辑是感知信息有用性连接信息评估与采纳意向。然而,大多数IAM应用场景假设信息来源是人类、组织或社会嵌入的,未能充分捕捉AI生成广告的特殊性。在此背景下,消费者可能无法完全区分广告主张与创造、修改或个性化该主张的算法过程。因此,现有研究的一个关键未解问题并非消费者是否喜欢AI生成广告,而是消费者是否仅仅因为信息有用就采纳它,或者诸如透明度、信任、风险和先前的AI中介经验等AI流程评估是否也与采纳意向直接相关。为解决这一空白,本研究提出了一个IAM的部分中介扩展模型,旨在考察信息层面评估(信息可信度、信息相关性)和AI流程评估(感知AI透明度、对AI生成广告的信任、感知AI风险、AI中介广告经验)如何共同影响感知信息有用性和采纳意向。
研究设计与主要结论
研究人员开展了一项定量横截面调查研究,通过结构化自填问卷收集数据。研究对象为462名活跃的数字消费者,这些消费者均接触过AI生成或AI个性化的广告。数据分析采用偏最小二乘结构方程模型(PLS-SEM)。研究得出以下主要结论:模型解释了感知信息有用性41.2%的方差和采纳意向44.6%的方差。在所有变量中,信息相关性与感知信息有用性的关联最强(β = 0.276, p < 0.001),而对AI生成广告的信任与采纳意向的直接关联最强(β = 0.217, p < 0.001)。感知AI风险与感知信息有用性(β = -0.153, p < 0.001)和采纳意向(β = -0.136, p < 0.001)均呈显著负相关。感知信息有用性作为核心中介机制,其与采纳意向的正向关联也得到证实(β = 0.304, p < 0.001)。此外,所有六个前因变量(信息可信度、信息相关性、感知AI透明度、对AI生成广告的信任、感知AI风险、AI中介广告经验)均表现出显著的直接效应和通过感知信息有用性的间接效应,支持了部分中介的解释。这一发现表明,消费者对AI生成广告信息的采纳并非仅由有用性驱动,信息质量和AI流程的评估同样具有直接的采纳相关性。
关键技术方法
本研究采用的主要技术方法包括:1)基于IAM和AI广告文献开发的概念框架,区分了信息层面评估和AI流程评估两类前因变量;2)采用定量横截面调查设计,通过Google Forms于2026年6月收集数据,样本来源为非概率抽样,通过学术、职业和个人网络分发问卷链接,最终获得462份有效问卷;3)使用偏最小二乘结构方程模型(PLS-SEM)进行数据分析,具体通过SmartPLS 4软件执行,包括测量模型评估(信度、收敛效度、区分效度)、结构模型评估(路径系数、效应量、预测相关性)以及中介效应检验(自助法5,000次重抽样)。
研究结果
4.1 受访者画像:462名有效受访者中,男性占53.9%,女性占46.1%;年龄主要集中在23-32岁区间(50.2%);教育水平较高,本科及以上学历者占75.2%;全职工作者占36.6%,学生占29.9%;日均上网时间超过3小时的占83.9%;经常或非常频繁看到在线广告的占66.3%;43.7%的受访者曾因AI生成广告做出购买决策;社交媒体是最常用的数字平台(84.6%)。
4.2 测量模型评估:所有潜变量的Cronbach's α值介于0.879至0.910之间,组合信度(rho_c)介于0.911至0.933之间,平均方差提取量(AVE)介于0.671至0.736之间,均超过推荐阈值,表明具有良好的内部一致性和收敛效度。异质-单质比率(HTMT)均低于保守阈值0.85,福奈尔-拉克准则显示各潜变量的AVE平方根均大于其与其他构念的相关系数,确认了区分效度。全共线性方差膨胀因子(VIF)值介于1.091至1.704之间,低于3.3阈值,表明共同方法偏差不构成严重问题。
4.3 结构模型评估:内模型VIF值均低于常见阈值,无严重多重共线性。模型对感知信息有用性(PIU)的解释力(R2)为41.2%,对采纳意向(ITA)的解释力为44.6%。路径分析结果显示:信息相关性(IR)对PIU的正向影响最强(β=0.276, p<0.001),信息可信度(IC)(β=0.264, p<0.001)、对AI生成广告的信任(TAIGA)(β=0.259, p<0.001)、AI中介广告经验(AIMAE)(β=0.247, p<0.001)和感知AI透明度(PAIT)(β=0.245, p<0.001)均显著正向影响PIU,而感知AI风险(PAIR)显著负向影响PIU(β=-0.153, p<0.001)。PIU对ITA的正向影响显著(β=0.304, p<0.001)。所有六个前因变量对ITA的直接效应均显著,其中TAIGA的直接效应最强(β=0.217, p<0.001),其次是AIMAE(β=0.205, p<0.001)、IR(β=0.166, p<0.001)、PAIR(β=-0.136, p<0.001)、PAIT(β=0.129, p<0.001)和IC(β=0.122, p=0.002)。模型拟合指数SRMR为0.039,NFI为0.894。所有效应量(f2)均为小效应,但预测相关性Q2predict为正值(PIU: 0.392; ITA: 0.371)。
4.4 中介分析:所有通过PIU的特定间接效应均显著。信息相关性(IR)通过PIU对ITA的间接效应最大(β=0.084, p<0.001),其次为IC(β=0.080, p<0.001)、TAIGA(β=0.078, p<0.001)、AIMAE(β=0.075, p<0.001)和PAIT(β=0.074, p<0.001)。PAIR的间接效应为负(β=-0.046, p<0.001)。所有偏差校正置信区间均不包含零,证实了PIU的中介作用。由于直接效应和间接效应同时显著,结果表明为互补性部分中介。
讨论与结论总结
讨论部分指出,本研究的发现表明IAM仍是一个有价值的解释框架,但其传统上侧重于信息评估和感知有用性的观点在AI生成广告情境下是不够的。消费者似乎同时评估广告信息和其背后的AI中介过程条件,这增加了一个涉及透明度、信任、感知风险和先前AI中介经验的流程评估层。研究发现,感知信息有用性(PIU)仍然是采纳意向(ITA)的最强直接预测因子,但所有六个前因变量也都保留了显著的直接和间接效应,支持部分中介而非完全中介的解释。这意味着消费者对AI生成广告信息的采纳并非仅由有用性决定,信息质量(可信度和相关性)和AI流程评估(透明度、信任、风险和经验)也具有独立的采纳相关性。从实践角度看,研究结果建议广告商不应仅依赖自动化或新颖性,而应确保AI生成的广告提供可靠信息、建立消费者信任并提供清晰价值,同时关注信息相关性、可信度、透明度、风险降低和用户体验的综合优化。
研究结论部分翻译如下:本研究通过将信息层面评估和AI流程评估纳入IAM,考察了消费者对AI生成广告信息的采纳。研究发现,PIU仍然是ITA的核心,但它并未完全吸收信息层面和AI流程评估的影响。信息可信度(IC)、信息相关性(IR)、感知AI透明度(PAIT)、对AI生成广告的信任(TAIGA)、感知AI风险(PAIR)和AI中介广告经验(AIMAE)也保留了直接相关性,表明消费者既评估广告信息,也评估其背后的AI中介过程。因此,本研究支持IAM的部分中介扩展。对AI生成广告信息的采纳意向并非仅与有用性相关,还与消费者是否认为信息可信和相关,以及AI中介过程是否透明、值得信赖、低风险且因先前经验而熟悉有关。这些发现支持将AI生成广告视为一个独特的信息采纳情境。本研究的贡献不在于取代IAM,而在于当广告信息是通过AI系统生成、个性化或优化时,IAM基于有用性的逻辑需要扩展。