作者：Ahed Al-Haraizah, Bader Ismaeel, Fadi Abdelmumin Abdelfattah, Ahmad Albdour
期刊：Acta Psychologica (2026, Volume 263, 106236)
分区：SSCI 二区（心理学/行为科学领域）
英文标题：The evolution of consumer trends and business performance through AI-Driven marketing: A performance perspective

---

📌 一句话概括

在约旦这个新兴市场，AI应用能显著提升消费者互动、消费者态度和运营效率，但只有“消费者对AI的态度”才是真正把AI投入转化成业务绩效的“开关”。
消费者态度完全中介了AI应用与业务绩效的关系——即使用AI，如果消费者不信任、不接受，绩效也不会提升。
而单纯的消费者互动，反而对业务绩效没有直接显著影响。

---

🧠 研究背景：AI在约旦消费行业，机遇与障碍并存

约旦的消费行业（食品、纺织、制药、化妆品、塑料、橡胶、个人护理、家居护理等）对GDP和就业贡献巨大。AI工具（聊天机器人、推荐系统、预测分析）在全球已被证明能提升客户体验和运营效率。

但在约旦，AI adoption面临文化敏感、数据隐私担忧、基础设施不足、监管障碍等挑战。当地企业开始使用AI，但效果如何？消费者买账吗？
现有文献缺乏针对约旦市场的实证研究。本文首次系统检验：AI应用 → 消费者互动、消费者态度、运营效率 → 业务绩效，并以消费者态度为调节变量。

---

🧩 理论框架：TAM + RBV

• 技术接受模型（TAM, Davis, 1989）：感知有用性和易用性决定技术采用。本文将其扩展，证明消费者态度不仅影响采纳，还影响企业绩效。

• 资源基础观（RBV, Barney, 1991）：AI能力是战略资源，但价值实现依赖于制度、文化、信任等情境因素。

整合模型：AI应用作为资源输入，通过消费者态度（信任、有用性感知）这一“心理过滤器”，转化为业务绩效。

---

🧪 研究假设（H1–H7）

编号	假设内容
H1	AI应用 → 消费者互动（+）
H2	AI应用 → 消费者对AI态度（+）
H3	AI应用 → 运营效率（+）
H4	消费者互动 → 业务绩效（+）
H5	消费者态度 → 业务绩效（+）
H6	运营效率 → 业务绩效（+）
H7	消费者态度 调节 AI应用 → 业务绩效（即态度越正面，AI对绩效的正向影响越强）

概念模型见原文Fig.1。

---

📋 研究方法

📍 研究场景

• 国家：约旦

• 行业：食品、纺织、制药、化学品、化妆品、塑料、橡胶、个人护理、家居护理（共9类消费行业）

• 企业总数：约1000家，取样100家（10%代表性）

📊 数据收集

• 抽样方法：便利抽样（基于可访问性）

• 样本量：384名受访者（企业管理者/决策者）

• 工具：结构化问卷，5点李克特（1=强烈不同意，5=强烈同意）

• 时间：未明确，但为横截面设计

📏 量表来源与测量项（23题）

构念	题项数	来源	示例条目
AI应用	5	Banik et al. (2024); Rane (2023); Almashawreh et al. (2024)	“AI增强和个性化客户体验”“公司用AI预测行为并提供相关解决方案”
消费者互动	4	Whig et al. (2024); Potla (2023)	“AI聊天机器人提供24/7客户支持”“AI加强客户关系”
消费者态度	4	Davis (1989); Abu-AlSondos et al. (2023); Abuhamdeh et al. (2023)	“AI技术帮助分析客户数据获取市场洞察”“数据安全问题是主要制约”
运营效率	4	Çağatay & Lam (2019); Javaid (2024); Astawa & Arsha (2024)	“AI减少错误、简化流程”“AI降低成本和交付时间”
业务绩效	6	DeLone & McLean (2003); Bhuiyan (2024); Almaqtari et al. (2023)	“AI提升盈利能力”“AI增强竞争力和客户忠诚度”

所有量表均经过预测试和内容效度验证。

📊 统计方法

分析	方法	软件/标准
测量模型	因子载荷、CR、AVE	SmartPLS
信度	CR > 0.7	均达标
收敛效度	AVE > 0.5	均达标
区分效度	HTMT < 0.85	通过
多重共线性	VIF < 3.3	通过
共同方法偏差	完全共线性VIF	通过
路径检验	Bootstrapping 5000次	SmartPLS
调节效应	交互项乘积	SmartPLS

模型拟合指标未详细报告，但依据PLS-SEM标准，所有路径均通过了显著性检验。

---

📈 核心结果

✅ 直接效应

路径	β	p值	结论
AI应用 → 消费者互动	0.791	<0.001	H1支持
AI应用 → 消费者态度	0.810	<0.001	H2支持
AI应用 → 运营效率	0.764	<0.001	H3支持
消费者互动 → 业务绩效	0.044	0.496	H4不成立
消费者态度 → 业务绩效	0.533	<0.001	H5支持
运营效率 → 业务绩效	0.210	0.015	H6支持（较弱）

🔥 关键发现：

• AI应用对消费者互动、态度、运营效率都有极强正向影响（β>0.76）

• 但消费者互动对业务绩效无显著影响——说明“互动”本身不直接创造绩效，必须通过态度转化

• 消费者态度是绩效的最强直接预测因子（β=0.533）

🔁 调节效应（H7）

路径	β	p值	结论
AI应用 × 消费者态度 → 业务绩效	0.627	<0.001	H7支持

💡 消费者态度完全中介/调节了AI应用对绩效的影响：
即使企业用了AI，如果消费者对AI持怀疑、不信任态度，绩效也不会提升。
态度是“转换器”——把AI技术投入变成业务成果的关键心理机制。

---

💡 实践启示（给企业、政策制定者）

1️⃣ 别只砸钱买AI工具，先培养消费者态度

• 投资透明化、可解释的AI（告知数据用途、不滥用隐私）

• 通过教育性内容（“AI如何帮你省钱/省时间”）提升有用性感知

2️⃣ 本地化AI解决方案

• 支持阿拉伯语的自然语言处理

• 尊重约旦文化规范（如避免过度激进的个性化推荐）

3️⃣ 互动≠绩效，要追求“有意义的态度转化”

• 聊天机器人不仅要“回答快”，还要“让人觉得可信”

• 收集反馈：定期调查消费者对AI服务的信任度

4️⃣ 政府角色：建立AI伦理框架

• 制定数据保护法规、算法公平性指南

• 支持中小企业AI试点项目，降低采用门槛

---

⚠️ 研究局限 & 未来方向

• 横截面设计：不能因果推断，需纵向追踪

• 便利抽样：可能不代表全体企业，且样本仅100家企业

• 行业合并分析：未区分食品 vs. 制药等行业的差异

• 未测新AI技术：生成式AI、区块链+AI等未涉及

• 文化单一：仅约旦，无法推广到其他中东或西方市场

---

英文文献阅读全流程：从文献如何“搜”到怎么“管”再到“读”的一站式攻略

END

点击关注，发送 “AI Consumer” 即可获取全文PDF