新文速递|生成式的AI目的地营销:隐私担忧与正当化重要吗?
仅用于学术交流，原文版权归原作者和原发刊所有
期刊：Journal of Travel Research
时间：2025年
作者：Yerin Yhee (Kyung Hee University),
Joo Young Kim (Kyung Hee University)
Jungkeun Kim (Texas A&M University),
Chulmo Koo (Kyung Hee University)
摘要
本研究探讨生成式AI驱动的旅游推荐图像中，社交存在感与隐私担忧对潜在游客感知的交互影响。基于社交存在感理论与隐私问题文献，通过五项实验研究，发现：虽然传统上高社交存在感（含人物图像）能提升正面感知，但在生成式AI推荐情境下，这种效应会因隐私担忧而被削弱甚至逆转。尤其当推荐来源为AI而非官方网站时，高隐私担忧的个体对含人物图像的满意度与目的地整体形象评价显著降低。研究进一步验证，隐私正当化（如知识共享许可或隐私政策说明）能够缓解这种负面调节效应。研究为目的地营销组织如何平衡AI技术创新与隐私保护提供了理论与实践启示。
研究背景
生成式AI（如ChatGPT、Gemini）在旅游推荐内容创作中快速普及，大幅提升了图像生成的效率与个性化水平。传统目的地营销强调含人物图像（高社交存在感）能增强情感连接与目的地吸引力。然而，生成式AI的算法特性与数据依赖引发了用户对隐私安全的担忧。消费者普遍对AI是否具备伦理判断能力、是否滥用个人数据存在疑虑。目前，学术界对“高社交存在感+AI生成”这一组合如何影响游客感知尚缺乏系统实证研究，尤其是在隐私担忧与隐私正当化调节机制方面存在理论空白。
研究内容
本研究围绕四个递进的核心问题展开，并据此提出四项假设（H1–H4），构建了一个包含推荐来源、社交存在感、隐私担忧和隐私正当化的有条件中介/调节模型。
核心研究问题
社交存在感对游客感知的影响是否依赖于推荐来源（官方网站 vs. 生成式AI）？
传统营销理论认为高社交存在感（含人物图像）总带来正向效果。本研究质疑其在AI生成情境下的普适性。
在高社交存在感条件下，推荐来源与个体隐私担忧如何交互影响满意度？
探究AI推荐是否会放大高隐私担忧者的负面反应。
在纯AI推荐情境中，社交存在感与隐私担忧如何共同影响目的地整体形象？
检验高社交存在感是否因隐私担忧而逆转效应。
隐私正当化措施（如知识共享许可、隐私政策）能否缓解上述负面效应？
验证透明度与用户控制能否作为“修复机制”恢复高社交存在感的有效性。
研究假设
H1：推荐来源调节社交存在感与游客感知的关系。AI推荐下，高社交存在感降低正面感知；官方网站推荐下，高社交存在感提升正面感知。
H2：高社交存在感下，推荐来源调节隐私担忧与满意度的关系。AI推荐时，高隐私担忧者满意度更低。
H3：AI推荐下，社交存在感与隐私担忧对目的地形象有交互效应。高隐私担忧者更偏好低社交存在感。
H4：AI推荐下，隐私正当化调节社交存在感与隐私担忧的交互效应。提供隐私正当化可削弱隐私担忧的负面作用。
研究设计
一、样本与数据
总样本量：1,398名美国成年人（Cloud Research + Amazon MTurk）
研究时间：2023年9月至12月
实验设计：五项独立实验（Study 1–4b），均为组间设计，采用G*Power确定样本量（每组≥160）
二、变量与测量
自变量：社交存在感（含人物 vs. 不含人物）、推荐来源（官方网站 vs. 生成式AI）、隐私正当化（有 vs. 无）
因变量：推荐满意度、目的地整体形象
调节变量：隐私担忧（4项量表）
操纵检验：推荐来源、社交存在感、隐私正当化
控制变量：感知真实性、人口统计变量
三、实验刺激
目的地：首尔（Study 1, 2）、伦敦（Study 3, 4a, 4b）
AI图像生成工具：Google Bard（现Gemini）
隐私正当化操作：Study 4a使用知识共享许可标签；Study 4b提供隐私政策文本
四、分析方法
方差分析（ANOVA）
计划对比（Planned Contrast）
PROCESS宏（Model 1, Model 3，5,000次Bootstrap）
结论
一、主要发现
H1（支持）：推荐来源显著调节社交存在感对满意度的影响。在AI推荐下，含人物图像的满意度低于不含人物图像；在官方网站推荐下则相反。
H2（支持）：在高社交存在感条件下，推荐来源与隐私担忧交互作用显著。AI推荐中高隐私担忧者满意度更低。
H3（支持）：在AI推荐情境下，社交存在感与隐私担忧对目的地整体形象存在交互作用。高隐私担忧者更偏爱不含人物的AI图像。
H4（部分支持）：隐私正当化（知识共享许可/隐私政策）显著减弱了隐私担忧的负面调节效应，使高社交存在感在AI推荐中也能被高隐私担忧者接受（Study 4a边际显著，Study 4b稳健验证）。
二、理论贡献
拓展社交存在感到生成式AI情境：首次证明传统“高社交存在感正向效应”在AI推荐中可能反转，提出“隐私-存在感悖论”。
实证检验AI隐私担忧的因果机制：从概念层面推进到实验验证，揭示隐私担忧如何削弱AI营销效果。
引入隐私正当化作为认知修复机制：证明透明度声明不仅是信息披露，更能缓解用户对AI推荐的情感抵抗，恢复信任。
三、实践启示
DMOs在使用生成式AI生成含人物图像时，应同步提供清晰的隐私正当化信息（如数据用途声明、知识共享许可）。
建议在AI推荐界面嵌入可交互的隐私设置与用户控制选项，减少“黑箱”感知。
旅游平台（如Trip.com）可将隐私透明度作为AI推荐系统的核心设计原则，以提升用户接受度。
政策制定者可参考欧盟GDPR精神，在AI营销场景中强制执行数据使用正当化标准。
四、研究局限与未来方向
外部效度：样本为美国成年人，未来可拓展至不同文化背景（如集体主义/个人主义对比）。
刺激材料：仅使用静态图像，未来可测试动态视频或交互式AI推荐。
长期效应：仅测量即时感知，未来可采用纵向设计考察隐私正当化对信任与忠诚的持续影响。
机制拓展：可引入中介变量（如感知透明度、伦理信任）进一步揭示因果链条。
生态效度：建议结合眼动追踪、皮肤电等生理指标，捕捉隐私担忧引发的无意识反应。
原文引用：
Yhee Y, Kim J Y, Kim J, et al. Generative AI-Destination Marketing: Do Privacy Concerns and Justification Matter?[J]. Journal of Travel Research, 2025, DOI: 10.1177/00472875251349235
【长按二维码自动识别】查看摘要或原文