引言人工智能(AI)开始在装饰品、服装和食品等领域承担人类设计师的角色[1-4]，众多企业正尝试在产品设计中部署AI，据统计，到2025年，20％的大型企业将使用生成式AI进行产品设计和开发[5]。然而，尽管企业对AI设计产品抱有极高期待，消费者的市场反应却不尽人意，呈现出评价积极但购买消极的现象。例如，一条2023年3月在社交媒体获赞2.1万次、吸引逾千人询问购买途径的AI设计的小绿裙，上架后的月销量却不足30件。为什么消费者对AI设计的产品表现出积极评价与浓厚兴趣，却在实际购买时望而却步?这种反差给企业带来了巨大的困惑和潜在风险，亟须厘清其深层形成机制，从而引出第一个研究问题：消费者为何对AI设计产品表现出评价和购买决策不一致的行为反应，其背后的机制究竟是什么? 既有研究表明，消费者对AI设计产品的反应存在悖论，虽对AI设计产品给予较人类设计更积极的评价[1，3，6]，购买决策时却截然相反[2，7，8]。然而，这些研究均未对这种不一致反应提供合理解释。值得注意的是，社会学领域同样存在评价与决策相悖的现象，比如，在招聘初筛时黑人申请者所获评价常优于白人，但最终被雇用的却往往是白人。相关学者对此类现象的理论解释为本文提供了重要借鉴。基于此，本文整合标准转移模型(Shifting Standards Model)和地位特征理论(Status Characteristics Theory)来解释评价更积极但购买反而更消极的悖论现象。具体而言，消费者在评价和购买时采用了不同标准，以最低标准进行评价，却以更高的确认标准做出购买决策。消费者对AI(vs.人类)设计产品的低预期，导致他们在评价时对AI设计产品的要求比人类更宽松，而在购买决策时要求却更严格，从而导致了评价更积极而购买更消极的不一致现象。 基于上述矛盾现象，企业也迫切需要寻求有效措施以缓解消费者在购买决策中对AI设计产品的负面反应，进而引出本文的第二个问题：如何有效缓解消费者在购买决策中对AI设计产品的负面反应?本文试图从理论机制出发探索有效的缓解策略，其核心在于通过降低消费者购买决策所使用的标准来缓解其对AI设计产品的负面反应。研究重点聚焦于购前宣传与购后政策两个关键营销环节，探究广告诉求(个人导向型vs.社会导向型)和退货政策(有vs.无)两种干预措施的有效性。 为深入探究消费者对AI设计产品“评价更积极但购买更消极”这一矛盾行为的内在机制和边界条件，本文系统性开展了1项二手数据分析和15项实验研究。在理论层面，丰富了AI产品设计与消费者行为的研究，对作用机制的深入剖析为解释算法厌恶提供了崭新视角，同时将标准转移模型和地位特征理论拓展至消费者行为领域，有效拓宽了其应用边界。在实践层面，研究结论能使企业明晰AI产品设计的收益与风险，识别出能够缓解甚至逆转消费者不利购买反应的干预措施，有助于企业扭转不利局面。 一、理论基础与研究假设 1.相关文献回顾 在产品设计中，AI凭借其高效的数据处理能力，能够识别出市场趋势与模式，进而输出更复杂和新颖的产品设计方案[1，6，8，9]。为此，学者开始关注消费者对AI作为设计来源的反应，一部分学者侧重于消费者对AI设计产品的评价：张初兵等发现消费者对AI(vs.人类)设计的产品持有更积极的态度[1]；Wang等发现与专业设计师相比，AI设计的产品获得的创造力评价更高[3]；Xu等发现消费者对AI设计的产品和品牌态度与人类设计均无显著差异[6]。另一部分研究则聚焦于消费者对AI设计产品的购买决策，研究发现，消费者对AI(vs.人类)设计产品的购买意愿普遍偏低，这主要归因于消费者持有的“AI设计能力不如人类”的认知。具体表现为消费者认为AI在关键能力维度上存在不足，例如：缺乏创造高感知真实性产品的能力[8]；行为和计划能力逊于人类，进而导致其专业性受到质疑[2]；缺乏情感和感受能力[6]、理解消费者独特动机的能力[10]和评估产品享乐属性的能力[4]等。可以发现，消费者在产品评价时对AI设计产品的评价往往优于人类设计或至少持平，然而在购买决策中的购买意愿显著低于后者。这种评价和购买行为间的显著背离现象，尚未得到充分关注与系统解释。本文旨在深入揭示这一矛盾行为的内在机制，并进一步探索能够有效干预消费者行为的措施。 2.理论基础 (1)标准转移模型和地位特征理论 标准转移模型指出，人们对不同社会群体(如基于性别、种族或年龄)的能力等属性存在差异化感知，这种感知作为对群体成员的期望，提供了判断时参照的“比较点”，导致相同行为在不同群体成员身上得到不同评价[11，12]，即对某群体更严格，而对另一群体更宽松[11，13-15]。具体而言，如果评判者对一类群体在特定属性的期望较低，那么在对该群体的成员进行判断时，将成员的属性值与该群体的低参照点对比，自然会获得相对较高的评价[16]，评判者的标准实际上变得更宽松了。事实上，女性运动员在成功击中球后获得更多称赞，持有相同简历的黑人收获更多的积极评价，都根源于对他们所属群体的更低期望或更低参照点[11，13]。对应本文情境，消费者对人类和AI设计能力同样持有不同期望[2，8，17]，这很可能导致消费者进行判断时设置不同的参照点，最终导致评价标准对一方更为宽松，而对另一方更为严格。值得注意的是，将AI视为一个独特的“社会群体”为该模型在本文中的应用提供了合理性支撑，Longoni等指出人们将自己和他人归类为不同群体的社会分类过程，同样适用于人们如何看待人类与非人类代理[18]。与之相呼应，Castelo等明确将算法视为社会群体，并应用基于社会分类的社会认同理论来分析人们对算法的反应[19]。
