超越速度与专业性:关于人工智能教练偏好离散选择实验的证据

《Journal of Retailing and Consumer Services》:Beyond speed and professionalism: Evidence from a discrete choice experiment on AI coach preferences

【字体: 大 中 小 】 时间:2026年07月02日 来源:Journal of Retailing and Consumer Services 13.7

编辑推荐:

  孙悦|侯正豪韩国庆尚省延南大学体育管理系摘要在全球数字健康市场中,AI教练作为一种新兴的服务概念正快速发展。优化AI教练的服务设计是使其成为可持续的健康消费方式的关键。本研究探讨了在服务零售背景下,消费者对AI教练各项属性的偏好情况。我们通过离散选择实验来估算中国消费者对各项属性

  
孙悦|侯正豪
韩国庆尚省延南大学体育管理系

摘要

在全球数字健康市场中,AI教练作为一种新兴的服务概念正快速发展。优化AI教练的服务设计是使其成为可持续的健康消费方式的关键。本研究探讨了在服务零售背景下,消费者对AI教练各项属性的偏好情况。我们通过离散选择实验来估算中国消费者对各项属性的偏好程度及支付意愿,同时根据家庭消费决策角色、婚姻状况和教育水平来分析偏好差异。研究结果表明,消费者的偏好并非主要由内容生成速度或专业性决定,而多模态呈现和多目标整合能显著提升效用,并带来正的支付意愿。此外,女性参与决策会增强消费者对核心功能属性的需求。已婚、受教育程度高但缺乏经验的消费者更重视功能属性。这些发现表明,要想实现可持续的数字健康消费,降低认知和执行成本以及支持长期的多目标行为路径,比单纯提升技术性能指标更为重要。这些研究结果为优化生成式AI服务管理、应用零售技术以及考虑消费者对AI发展的不同阶段认知提供了实用建议。

引言

近年来,生成式AI在服务领域的应用不断扩展。作为一种具备内容生成、情境理解及个性化反馈能力的智能技术,生成式AI正在从传统的工具型系统发展为具有服务属性的智能体,并已被广泛应用于教育、健康管理、公共服务等多个领域(Chong等,2021;Patel等,2025;Storey等,2025)。凭借其强大的数据处理能力和实时响应机制,生成式AI在提升服务效率、扩大服务可及性以及降低服务边际成本方面展现出巨大优势,因此成为推动数字服务模式转型的重要技术基础。在此背景下,以生成式AI为核心的新型智能辅导服务——AI教练逐渐出现,代表了智能服务发展的重要方向。
AI教练的发展经历了从以技术供给为导向,到以使用场景为导向,再到以互动陪伴为导向的阶段(Barger,2025;Chaturvedi等,2023;Terblanche,2024)。随着生成式AI和自然语言交互技术的进步,AI教练已逐步进入互动式自适应智能阶段(Graβmann和Schermuly,2021)。与人类教练相比,AI教练在成本、时间效率和可及性方面具有明显优势,被视为推动智能体育系统和国家健身事业发展的关键技术路径(Luo等,2021)。从可持续的生产和消费视角来看,一个关键问题是:能否以更低的资源消耗大规模生产和提供数字辅导服务,同时帮助消费者长期保持健康行为(Song等,2022)。
然而,生成式AI在服务场景中的应用并非始终有益,其效果存在明显的双重性。现有研究表明,虽然AI服务能够提升效率并降低成本,但由于反馈不稳定、解释不足、用户信任度低或与用户目标不匹配,这些服务也可能削弱实际应用效果,甚至带来潜在风险(Visser等,2025)。在高度依赖身体安全、持续行为投入和长期目标管理的健身训练领域,这些问题尤为突出。一方面,由于模型幻觉、数据偏差或对情境理解不足,AI教练生成的训练建议可能不准确或不合适(Mehrabi等,2022);另一方面,用户在训练过程中往往面临时间、设备和身体状况等方面的实际限制(Yu等,2025)。如果AI教练无法提供稳定、可靠且能适应情境的反馈,就会降低用户体验,阻碍持续使用,甚至增加受伤风险(Glikson和Woolley,2020;Ji等,2023)。因此,AI教练的有效性不仅取决于模型能力的提升,还取决于其服务属性是否与消费者的需求、约束条件及目标结构相匹配(Huang和Rust,2021;Lu和Zhang,2025)。正是由于这种双重性,了解消费者在真实选择场景中对AI教练不同服务属性的偏好及权衡逻辑,就成了让AI教练从技术上可用走向持续可靠且实际有效的关键前提(Hsu和Lin,2023)。
基于此,本研究采用离散选择实验方法,从多属性选择的视角探讨中国消费者对AI教练的偏好结构。研究聚焦于生成速度、专业性、多模态呈现和多目标整合等关键服务属性,通过模拟真实选择场景,确定这些属性在消费者决策过程中的相对重要性(Wang和Lo,2025;El-Bassal等,2025;Zhan等,2023;Zheng和Wang,2022),并分析这些属性是否能转化为实际的支付意愿。与以往研究不同,本研究并未预先设定消费者偏好的方向,而是通过分析消费者在预算约束下的权衡决策,实证检验“效率优先”和“专业性至上”等隐含假设,从而揭示影响AI教练选择的底层价值判断逻辑。在此基础上,研究进一步从社会结构角度分析偏好差异,系统识别出女性地位、婚姻结构和教育阶层这三个维度上的不同偏好模式。研究结果表明,消费者在时间敏感性、功能需求和价值判断方面的差异并非随机产生,而是深深植根于性别角色分工、家庭背景和认知资源结构之中。
总之,为弥补AI健身教练市场中缺乏需求端偏好证据的问题,本研究构建并验证了一个基于离散选择实验的分析框架(见图1)。该框架以兰卡斯特的消费者特征理论和随机效用理论为基础,将AI教练的服务属性映射到预算约束下的多属性权衡决策过程中,识别偏好结构,通过离散选择实验估算支付意愿,并通过差异性分析揭示不同性别、婚姻状况和教育水平群体之间的差异。由此,本研究不仅为理解智能服务场景下用户的决策行为提供了新的实证依据,还为未来关于AI教练及其他AI驱动的服务偏好的研究提供了可复制且可扩展的方法论框架。

章节节选

AI教练服务的技术基础:功能形式与服务质量

随着生成式人工智能、机器学习算法和可穿戴传感技术的不断发展,AI教练逐渐成为数字体育和健身服务中不可或缺的组成部分(Ong等,2024;An等,2024)。目前,AI教练主要以移动应用程序或平台服务的形式存在,被广泛用于健身指导、训练计划制定、运动反馈、行为激励等相关场景。

选择实验

离散选择实验方法源于兰卡斯特的消费者特征理论(Lancaster,1966),该理论已从传统的消费者行为研究扩展到公共服务和数字服务需求的分析中。这种方法被广泛用于识别决策者对多属性服务特征的偏好结构及支付意愿(Ortega等,2014;Owusu Coffie等,2016)。在离散选择实验中,受访者需要

基础模型

表4展示了条件Logit模型(模型1,第2列)和随机参数Logit模型(模型2,第3列和第4列)的系数估计结果。比较两个模型的信息准则(AIC、BIC)和对数似然值可知:模型2的对数似然值(?1285.573)远高于模型1(?1360.860),且模型2的AIC值(2607.147)和BIC值(2727.115)也显著低于模型1。这表明随机参数Logit

讨论

现有关于AI驱动的辅导服务的研究普遍认为,效率的提升和专业水平的提高能增强消费者价值。而我们的离散选择实验结果则挑战了“技术性能是提升消费者价值的主要动力”这一传统观点,因为研究显示,内容生成速度和内容专业性并未显著影响消费者偏好,而多模态呈现和多目标整合才是提升消费者效用和支付意愿的关键因素。

结论与启示

本研究结果表明,消费者将AI教练服务视为一种基于体验、类似零售产品的服务,其价值并非主要来自技术性能的提升,而是体现在服务在多大程度上降低了消费者的努力成本,并有助于其实现目标一致的行为。通过采用带有退出选项的离散选择框架,我们发现,消费者的选择并非主要由内容生成速度或内容专业性决定,而是更多受到多模态呈现等因素的影响。

资金支持

本研究未获得公共部门、商业机构或非营利组织提供的任何特定资助。

CRediT作者贡献说明

孙悦:数据整理、资金获取、研究调查、资源协调、可视化处理、初稿撰写、审稿与修改。侯正豪:概念构思、正式分析、方法设计、软件应用、研究监督、初稿撰写、审稿与修改。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

作者感谢匿名审稿人提出的宝贵意见和建议。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号