新产品脱销归因影响消费者补偿消费的机制研究

作  者:

作者简介:
刘建新,西南大学经济管理学院副教授,管理学博士,复旦大学管理学院在站博士后,研究方向为消费者行为学等,E-mail:Liujianxin2002@163.com(重庆 400715);范秀成,复旦大学管理学院教授,经济学博士,研究方向为服务营销等,E-mail:xcfan@fudan.edu.cn(上海 200433);张成虎,中国传媒大学经济与管理学院副教授,管理学博士,研究方向为消费者行为学等,E-mail:Zhangchenghu_nk@126.com(北京 100024)。

原文出处:
管理科学

内容提要:

近年来随着机器学习、深度学习、ChatGPT等人工智能技术的广泛应用,新产品缺货或脱销的概率大为下降,但依然无法从根本上消除新产品脱销及其所造成的各种影响。尽管已有关于产品脱销和补偿消费各自的研究均较为丰富,但鲜有研究探索新产品脱销归因对消费者补偿消费的影响,尤其是深入比较算法失误归因与人工失误归因对消费者补偿消费的影响差异。相关研究的匮乏不仅影响了新产品脱销和消费者补偿消费等理论体系的发展,而且在一定程度上影响了厂商、消费者和监管机构等的实践。  基于控制感理论和阴谋论理论,通过构建一个有调节的中介模型,深入探寻新产品脱销归因影响消费者补偿消费的内在机理和边界条件,并通过调查法和实验法进行实证检验。以田野调查检验新产品脱销归因影响消费者补偿消费的直接效应,通过实验1检验新产品脱销归因影响消费者补偿消费直接效应的稳健性和中介效应,通过实验2进一步检验中介机制的边界条件,以及排除可能存在的潜在替代性解释,通过实验3进一步证明所发现中介机制和边界条件的稳健性及其他潜在解释的有效排除。  研究结果表明:①新产品脱销归因影响消费者的补偿消费,其中算法失误归因比人工失误归因更容易诱发消费者补偿消费;②控制感缺失和阴谋论信念共同中介新产品脱销归因对消费者补偿消费的影响;③消费者情境性说服或特质性说服知识不仅分别调节新产品脱销归因对控制感缺失和阴谋论信念的影响,还调节了中介效应的占优结构,即更高说服知识者更容易让控制感缺失中介效应占优,更低说服知识者更容易让阴谋论信念中介效应占优。无论是心理嫉妒感与任务完成性还是心理厌恶与预期后悔均未成为有效的潜在替代性解释。  研究结果不仅对深化和丰富新产品脱销理论和消费者补偿消费理论以及控制感理论、阴谋论理论和说服知识理论等有重要的意义,而且对厂商的新产品脱销运营、消费者的新产品脱销应对和监管机构的市场管理等具有重要的管理启示。


期刊代号:F513
分类名称:市场营销(理论版)
复印期号:2026 年 03 期

字号:

  引言

  产品预售、直播带货和购物狂欢节等新型营销模式的广泛盛行经常诱发新产品脱销,这不仅会影响消费者的购物决策或消费行为,而且会损害厂商的销售收益或品牌形象等[1]。为了减少或规避损失,厂商经常采用周期性需求下多级库存缺货控制模型、缺货厌恶下的供应链收益共享契约模型和带有缺货惩罚的报童模型等模型或策略予以优化[2],虽有所减缓但痼疾难除。随着机器学习、深度学习、ChatGPT等人工智能技术的迅猛发展,越来越多的厂商开始采用各种算法计算最优订货量或销售量[3],APPLE、TESLA、TOYOTA等都在推出新产品时纷纷采用长短期记忆神经网络算法、粒子群优化算法和拍卖机制设计算法等测算销量或储备货品,偏差或错误仍然时有发生[4],导致新产品脱销问题依然突出。面对不同原因导致的新产品脱销,消费者会产生不同的评价和反应,如替代性购买还是放弃购买等[5],然而目前却鲜有研究,尤其是探究算法失误归因和人工失误归因导致的新产品脱销对消费者补偿消费的影响差异、影响机制和治理措施等。这些问题不仅影响新产品脱销和消费者补偿消费等理论体系的深入发展,而且更严重的是影响厂商、消费者和监管机构等的实践应用。为此,本研究基于控制感理论和阴谋论理论深入探究新产品脱销归因影响消费者补偿消费的内在机理和边界条件,即新产品脱销是否、如何以及何时影响消费者补偿消费。

  1 相关研究评述

  1.1 新产品脱销归因

  新产品更容易因需求不确定性、供应刚性或消费异质性等问题出现暂时性缺货即脱销,频繁的脱销不仅影响厂商的收益或形象,造成盈利降低、成本增加或品牌受损等;而且影响消费者决策和购买,产生势利效应、从众效应或诱饵效应等情境效应[6]。为此,厂商们先后采取员工巡查、定量统计、RFID、视频监控、自主机器人系统等多种措施竭力减少或消除新产品脱销,但即使采用了Faster R-CNN、随机森林算法和基于历史数据的深层管道嵌入卷积架构深度学习算法等也难以完全根除[7]。例如,美国苹果公司、日本索尼公司、中国比亚迪公司等都曾经出现过算法失误导致iPhone手机、PS5游戏机和比亚迪汉新能源汽车出现较长时间的脱销。面对新产品脱销,消费者并非被动盲从,而是会对其进行积极归因,即所谓的新产品脱销归因(attribution of new product out-of-stock,ANPO)。已有研究主要从供应与需求、厂商与自我、暂时与永久等视角探索新产品脱销对消费者产品评价或购买意愿的影响[6],但鲜有研究探究厂商因算法失误或人工失误导致的新产品脱销对消费者补偿消费的影响。

  算法(algorithm)是机器完成特定任务所需要遵循的一系列指令[8],代表用系统的方法描述解决问题的策略机制。尽管算法因其卓越的精确性、高效性和经济性等优势而备受人们的青睐(algorithm appreciation,AAP),但会因为其缺乏温暖感、侵犯隐私、缺乏自主性、交互性较差等不足让人产生算法厌恶(algorithm aversion,AAV)。由于算法本身的缺陷或情境因素的扰动,它有时也会产生失误并造成不良后果[4]。算因型新产品脱销归因(algorithm-attributed out-of-stock of new products,AAO)是指消费者将通过某种算法确定的新产品供应量无法满足消费者需求量而导致暂时性缺货的责任归咎于算法的认知活动;人因型新产品脱销归因(human-attributed out-of-stock of new product,HAO)则是指消费者将通过人工确定的新产品供应量无法满足消费者需求量而导致暂时性缺货的责任归咎于行为人的认知活动。虽然二者都造成了新产品脱销,但由于消费者对算法失误与人工失误的看法存在较大的分歧[9],因此会导致他们产生不同的评价和反应。已有研究表明,算法更具有冷血性,所有的计算过程都是基于某种规则或程序,遵循科学准则,更具有认知性和更少地受到人为因素的干扰影响,同时具有更少的道德感、同理心和担责性[4],因此通常认为算法更具有高效性和公平性;而相对而言,人工更具有温暖感,能够根据情境变化灵活变通,遵循权变准则,更具有情感性和交互性,同时具有更强的道德感、同理心和担责性,因此,通常认为人工更具有情境性和灵活性[10]。LONGONI et al.[11]研究发现消费者更容易因为算法忽略个体差异性而抗拒其推荐;YALCIN et al.[12]研究也发现消费者会因被算法或人工所做的支持性决策更少内部化归因而有更少的积极反应;GARVEY et al.[13]的研究还发现差于预期时采用人工智能算法推送而好于预期时采用人工推送更容易赢得消费者的认同,原因在于前者人工智能算法缺乏自私心理而后者缺乏博爱意识。算因型与人因型新产品脱销归因之间的差异不仅会影响疾病诊断、药物推荐、意见寻求、工作建议、社交闲聊等[14],也影响消费者对新产品脱销的看法,进而影响其消费选择,如补偿消费等。

  1.2 消费者补偿消费

相关文章: