人工智能设计何时有益何时有害?——时尚零售业中品牌定位与同质化及趋势相关性的双重效应
《Journal of Retailing and Consumer Services》:When does AI design help or hurt? Brand positioning and the dual effects of homogeneity and trend relevance in fashion retailing
【字体:
大
中
小
】
时间:2026年09月24日
来源:Journal of Retailing and Consumer Services 13.7
编辑推荐:
# 摘要
人工智能(AI)正越来越多地应用于时尚设计领域,以生成产品美学和预测趋势。虽然以往的研究分别探讨了算法同质化风险或效率提升效应,但消费者如何同时处理这些相互对立的信号,以及这种处理过程与人类生成设计之间是否存在差异,仍不清楚。本研究调查了将设计归因于人工智能(与人
# 摘要
人工智能(AI)正越来越多地应用于时尚设计领域,以生成产品美学和预测趋势。虽然以往的研究分别探讨了算法同质化风险或效率提升效应,但消费者如何同时处理这些相互对立的信号,以及这种处理过程与人类生成设计之间是否存在差异,仍不清楚。本研究调查了将设计归因于人工智能(与人类相比)如何通过双重路径——感知同质性和趋势相关性——影响消费者评价,并探讨了品牌定位作为边界条件的作用。一项针对412名消费者的组间实验,采用2(设计来源:AI与人类)× 2(品牌定位:前卫与主流)设计,揭示出归因于AI的设计同时提升了这两种感知。多组分析表明,这些感知通过感知操纵意图发挥作用,这是AI归因设计所特有的显著机制,其强度远高于人类归因设计。这两条路径对品牌真诚度和购买意向产生相反的影响。品牌定位以非对称的方式调节了这些效应:负面同质性路径在前卫品牌中得到放大,而正面趋势相关性路径在主流品牌中得到加强。这些发现确定了感知操纵意图作为将AI设计归因转化为消费者反应的核心机制,并表明将AI采用与品牌定位相结合既可以促进也可以损害品牌真诚度。对于时尚零售商而言,启示明确:应将AI使用传达为创造价值的行为,而非削减成本的措施,并根据品牌定位调整AI战略——前卫品牌应强调人机协作,而主流品牌应利用AI的趋势感知能力,同时防范风格趋同问题。
# 引言
人工智能生成内容(AIGC)正在深刻重塑时尚设计的创作范式。从Dior利用AI生成虚拟时装秀,到Zara借助算法预测趋势,再到Stitch Fix采用AI驱动的个性化服装推荐,AI生成的设计已从辅助工具演变为创意生产中的主导力量。Harreis等人(2023)的估计表明,在未来三年内,生成式AI可能为时尚行业带来1500亿至2750亿美元的不等值增量,其中设计自动化和趋势预测被认定为最具颠覆性的应用场景。然而,在这场技术变革的表象之下,存在一个根本性问题:当品牌将审美表达托付给基于海量数据集训练的算法时,消费者对设计的AI归因实际上如何影响其品牌评价?这种影响与消费者将设计归因于人类创造力时所产生的效应是否有本质区别?
现有研究尚未对此达成共识。部分学者关注AI生成设计的负面效应,指出算法输出的趋同可能导致感知设计同质性,进而引发消费者对品牌原创性和真诚度的质疑(Doshi和Hauser, 2024)。Doshi和Hauser(2024)的实证研究表明,虽然生成式AI提升了个体的创意产出,但同时降低了创意内容的集体多样性——这一发现得到了业界评论的呼应,后者警告称AI从现有数据中学习,可能导致设计仅仅模仿流行趋势而非提供新颖的创新理念。其他学者则强调其正面价值,认为AI能够快速捕捉和综合全球时尚数据,从而提升感知趋势相关性,使品牌能够更敏捷地响应市场需求(Zhu等人, 2026)。然而,这些研究表现出明显的片面性:大多数研究要么关注威胁,要么突出工具价值,很少有研究在单一框架内系统考察这两种效应。更为关键的是,以往研究大多将AI生成设计视为直接产生这些感知的刺激因素,而没有考虑到相同的表面感知——同质性和趋势相关性——可能根据消费者将其归因于AI还是人类创造力而被根本不同地解读。
在时尚行业中,来自Zara和UR等主流品牌的人类设计产品已被广泛地认知为高度同质化和趋势跟随的,因为快速趋势复制和风格趋同是行业固有特征。这种归因差异得到了最新研究发现的进一步支持:消费者对人机协作设计的反应关键取决于任务在人与AI之间的分配方式——当AI被分配于结果导向型活动(如最终设计决策)时,消费者推断企业是出于成本削减而非质量改善的动机,导致态度更为不利(Tao和Cheng, 2026)。相反,当AI被限制在流程导向型辅助而人类保留结果控制权时,消费者感知到质量提升的动机——这一模式与本研究关于相同AI生成的设计可能根据归因框架而被不同解读的论点相一致。这些发现表明,消费者并非简单地支持或反对AI,而是对AI是否被视为支持还是取代人类创造力极为敏感。
因此,本研究所考察的感知同质性和趋势相关性的双重效应并非AI生成设计所独有。真正区分AI生成设计与人类生成设计的,是消费者将这些感知归因于什么来源。当消费者在人类设计的产品中感知到同质性时,他们通常将其归因于竞争模仿、市场趋同或策略性复制——这是一种市场层面的解释,暗示着设计师或品牌方的有意选择。相比之下,当消费者将同质性归因于AI时,他们推断这是一种技术缺陷——算法固有的模式识别依赖、训练数据趋同和现有风格复制(Kim, 2026)。这种技术归因触发了关于品牌动机的另一套推断,具体通过感知操纵意图的视角(Friestad和Wright, 1994)。同样,尽管人类设计和AI设计都可能被感知为趋势相关的,但解读框架有所不同:消费者可能将人类设计师的趋势响应视为直觉性远见或创意洞察,而AI的趋势敏感性则被归因于计算数据处理和算法预测。这些不同的归因——技术性与人类性——导致消费者对品牌行为是出于真诚还是机会主义得出不同的结论。
越来越多的研究表明,消费者对AI在设计中使用方式的反应根本上取决于他们对品牌动机的推断,而非AI本身。从信号理论的角度来看,AI的使用作为一种模糊信号,其含义取决于消费者的解读——它可以被解读为创新和科技先进的提示,也可以被解读为成本削减和人为努力减少的信号(Brown等人, 2026)。这种解读灵活性至关重要:消费者可能根据情境框架的不同,将相同的AI生成设计感知为前沿或虚假(Ekart和Ahtik, 2026)。此外,实证证据表明,消费者对人机协作设计中的任务分配敏感——他们偏好人类设计师被分配于结果导向型任务而AI从事流程导向型辅助的设计。这表明消费者接受程度取决于AI是否被视为支持而非取代人类创造力,而非AI的介入本身。
因此,本研究的独特贡献不在于记录AI设计可能具有同质性和趋势相关性(这在人类时尚中已经是可观察到的现象),而在于揭示AI引发的感知转化为消费者评价的独特归因路径,并展示品牌定位如何调节这些归因过程,使其可能不同于人类设计情境。在时尚行业中,最关键的情境变量可能是品牌定位。前卫设计师品牌和主流快时尚品牌遵循根本不同的价值逻辑:前者以独特性、原创性和艺术表达为中心(Bourdieu, 1993);后者则优先考量可及性、时效性和大众吸引力(Thompson和Arsel, 2004)。当AI生成设计进入消费者认知领域时,品牌定位很可能充当消费者解读AI归因意义的认知框架。对于前卫品牌而言,AI归因引发的同质性可能与品牌承诺根本冲突。然而,对于主流品牌,AI归因带来的趋势相关性可能与品牌期望高度契合。
为了解开这个黑箱,本研究借助说服知识模型(PKM)。该模型认为消费者不会被动接受营销信息;相反,他们会利用自己对营销者说服策略的知识,对品牌的真实动机做出归因推断。当消费者感知到品牌方的操纵意图时,他们会表现出防御性反应,损害品牌态度。本研究提出,AI归因引发的两类认知——同质性和趋势相关性——会导致消费者对品牌使用AI的动机做出根本不同的归因。感知同质性引发"机会主义"动机的推断(成本削减、走捷径),而感知趋势相关性则引发"利他性"解读(满足消费者需求、跟上时代步伐)。这一归因过程最终决定了品牌真诚度和购买意向。此外,品牌定位作为关键的边界条件,进一步调节了这两条路径的相对强度。
基于上述分析,本研究旨在回答以下核心问题:第一,消费者对设计的AI归因(与人类相比)如何通过感知设计同质性和感知趋势相关性这两条相互对立的路径影响其品牌真诚度评价?第二,感知操纵意图作为中介变量在这些路径中扮演什么角色?第三,品牌定位(前卫与主流)如何调节这两条路径的相对强度?为回答这些问题,本研究将说服知识模型与品牌真实性理论相结合,开发了一个有调节的双中介平行模型,并通过一项2(设计来源:AI生成设计与人类)× 2(品牌定位:前卫与主流)的组间实验加以检验。
# 部分片段
## AI生成设计在品牌设计中的应用与影响
AI生成内容(AIGC)在品牌设计中的整合已引起越来越多的学术关注。现有研究既考察了该技术的潜在赋能作用,也考察了其局限性,但研究结果仍略显分散。多项研究调查了AIGC在设计任务和品牌发展中的应用。Wang和Hu(2025)考察了AIGC在品牌IP角色设计中的作用,报告了设计[效果]的改善[此处原文不完整]
## 研究假设
本研究基于说服知识模型和品牌真实性理论构建了一个有调节的链式中介模型。为引导假设的发展,我们首先阐明两个覆盖性的研究问题,这些问题涉及我们理论框架的核心权变条件:
RQ1:品牌定位是否调节感知AI通过感知设计同质性→感知操纵意图路径对品牌真诚度的间接效应?
RQ2:品牌定位是否调节[此处原文不完整]
## 抽样程序与代表性
本研究采用2(设计来源:人类与AIGC)× 2(品牌定位:前卫与主流)的组间实验设计。参与者通过Credamo招募,Credamo是一个在中国消费者研究中广泛使用的专业在线样本平台,拥有超过250万名注册用户组成的全国样本库,并采用严格的质量控制措施,包括注意力检查和IP重复过滤。目标总体定义为18至55岁的成年消费者。
## 总体讨论
本研究旨在解决学术界和从业者意见分歧的一个张力:当消费者遇到AI生成的时尚设计时,他们是拥抱它们作为时尚前沿,还是拒绝它们为公式化?我们的发现表明答案兼而有之,但支撑这些对立反应的心理学机制与以往关于人类生成设计的研究所预测的根本不同。在我们发现的核心是一种归因的基本张力。
# CRediT作者贡献声明
宋晓科:撰写——初稿,软件,调查,形式分析。王敬星:验证,资金获取,形式分析。杨芳超:撰写——审阅与编辑,调查,数据整理。何雨菲:验证,监督,软件。
# 资金来源
本研究未获得公共、商业或非营利部门的任何特定资助机构的具体资助。
# 利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文报告的工作。
在准备本文过程中,作者使用DeepSeek进行句子翻译。在使用该工具/服务后,作者根据需要审阅和编辑了内容,并对已发表文章的内容承担全部责任。
# 致谢
作者无致谢事项声明。
宋晓科 | 王敬星 | 杨芳超 | 何雨菲
生物通微信公众号
生物通新浪微博
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