论文精读丨消费者对 AI 生成式旅游文创产品设计的购买意愿影响因素研究

DOI://link.cnki.net/urlid/50.1094.TB.20251204.1830.002（点击文末「阅读原文」）

本研究基于刺激-机体-反应（SOR）理论框架，系统探讨了消费者对AI生成式旅游文创产品设计的购买意愿影响机制。研究聚焦于人工智能技术在文创产品设计中的应用，通过构建"产品特征-消费者感知-购买意愿"的理论模型，揭示了美观性、创新性、文化性与功能性四大产品特征对消费者感知新奇与感知价值的驱动作用，以及消费者创新性在其中的调节效应。研究采用结构方程模型（SEM）对298份有效问卷数据进行实证分析，验证了产品特征通过双元感知路径影响购买意愿的核心逻辑，发现功能性与美观性为关键驱动因素，消费者创新性显著增强产品特征对感知新奇和购买意愿的影响。研究采用Midjourney与ChatGPT-4o生成山海关景区文创设计样本，通过李克特5级量表设计问卷，最终构建了包含8个变量的理论模型，为AI生成式文创产品设计提供了理论支撑与实践指引。研究结果表明，AI生成文创产品的文化性与功能性对感知新奇的影响系数分别为0.189和0.313，功能性对购买意愿的直接影响系数达0.219，消费者创新性调节作用显著（如美观性影响感知新奇的调节效应系数达0.174）。研究为旅游文创产业数字化转型提供了科学依据，揭示了技术特性、产品属性与消费者特征的交互作用机制。

模型：

图1 研究假设模型

假设：

H1a: AI 生成旅游文创美观性与感知新奇呈正相关。

H1b: AI 生成旅游文创创新性与感知新奇呈正相关。

H1c: AI 生成旅游文创文化性与感知新奇呈正相关。

H1d: AI 生成旅游文创功能性与感知新奇呈正相关。

H2a: AI 生成旅游文创美观性与感知价值呈正相关。

H2b: AI 生成旅游文创创新性与感知价值呈正相关。

H2c: AI 生成旅游文创文化性与感知价值呈正相关。

H2d: AI 生成旅游文创功能性与感知价值呈正相关。

H3: 感知新奇与购买意愿呈正相关。

H4: 感知价值与购买意愿呈正相关。

H5a: AI 生成旅游文创美观性与购买意愿呈正相关。

H5b: AI 生成旅游文创创新性与购买意愿呈正相关。

H5c: AI 生成旅游文创文化性与购买意愿呈正相关。

H5d: AI 生成旅游文创功能性与购买意愿呈正相关。

H6: 消费者创新性水平越高，AI 生成旅游文创特征对感知新奇的积极影响越显著。

H7: 消费者创新性水平越高，AI 生成旅游文创特征对感知价值的积极影响越显著。

H8: 消费者创新性水平越高，AI 生成旅游文创特征对购买意愿的积极影响越显著。

数据收集：

本研究将具有购买文创产品经历的个体作为调查对象，经由在线渠道完成问卷投放后，共回收有效样本 298 份，采集了受访者的基础人口学信息，包括性别、年龄、受教育程度及 文创类商品的消费频次等变量。本研究将具有购买文创产品经历的个体作为调查对象，经由在线渠道完成问卷投放后，共回收有效样本 298 份，采集了受访者的基础人口学信息，包括性别、年龄、受教育程度及文创类商品的消费频次等变量。此外，为了更全面了解受访者对人工智能生成文创产品的初步感知态度，为模型结果提供补充，问卷在展示人工智能生成文创设计样本后，设置了受访者对人工智能生成文创产品的总体态度、感知优势、潜在顾虑等问题。

统计分析：

本研究采用 SPSS 软件对信度和效度进行检验，问卷的测量条目均参考既有研究成果设计，且在预调研阶段进行了测试，因而内容效度具有有效保障。进一步使用 SPSS 软件验证结构效度，利用 SPSS 软件中的 Process 插件进行调节效应检验。同时借助 AMOS 进行结构方程建模以评估模型的整体拟合情况。

图表解读

Mehrabian 与 Russell 于 1974 年最早提出的 S–O–R（Stimulus–Organism–Response）框架源于环境心理学，强调外部情境刺激经由个体内部心理状态影响可观测行为。与传统“刺激—反应”模型不同，SOR 将机体（Organism）作为心理过程的承载体，使研究者能够把外部刺激的效应拆解为知觉、情感、评估等中间机制，再连接至行为反应[3]。随着理论的发展，该结构性优势，使 SOR 被广泛用于消费者情境中，构建了“产品特征-消费者感知-购买意愿”的理论模型。尤其在解释产品感知、技术接受等场景中展现出较强的适配性。学者们通过拓展刺激维度、细化机体心理过程进一步丰富了理论的应用场景。SOR 模型在文创产品消费场景中已被广泛应用和深化。学者们将 SOR 框架与文创的文化属性和体验特性相结合，形成了系列适配性模型：高涛等[4]基于 SOR 理论，从产品特性出发分析了文创产品的购买意愿；田甜[5]将产品价值设为刺激维度，探讨其对购买决策的影响；李芳轩和彭程[6]引入愉悦感和品牌信任作为链式中介变量，探究了数字文旅产品的溢价支付意愿。 这些研究充分证实了 SOR 理论在解释文创产品刺激与消费者行为之间关系时的高度适 用性。本研究在此基础上进行拓展与深化：将研究对象聚焦于新兴的 AI 生成式旅游文创产品。这不仅能延续 SOR 理论在文创领域的应用，更能够创新性地探究“AI 生成”这一独特属性的产品特征（S）如何通过影响消费者的双元感知（O），最终传导至其购买意愿（R），为该新兴领域的理论应用与实践发展提供新的见解，见图 2。

图 2 SOR 理论模型

基于 S–O–R 框架，产品设计要素作为外部刺激（Stimulus）会影响个体的内部心理状态（Organism），进而作用于购买意愿等行为反应（Response）。在旅游文创情境中，既有研究围绕文创产品应当具备哪些设计属性给出了多样化而非完全一致的划分方案。例如Torabian 和 Arai 指出原真性、审美性和功能性是影响旅游文创产品购买的关键因素[7]；田甜将文创产品特征划分为享乐价值（主观情感体验）与实用价值（理性功能评价），并证实二者均与购买意愿呈正相关[5]；唐靖雯等学者进一步细化出功能特征、情感特征、社交特征、文化特征、审美特征和成本特征，其中文化特征和情感特征的影响最为显著[8]。这些工作共同表明，文创产品特征的理论刻画具有一定异质性，不同研究依情境与研究目标而采用不同维度体系。在充分回顾相关文献并结合 AI 生成式产品的技术介入属性后，本文出于情境契合与测量可操作性的考虑，提出一套两域四维的设计特征框架，用以描述 AI 生成旅游文创产品的关键刺激线索，见图 3。该框架是对现有成果的整合与情境化重述，其中美观性衡量产品的视觉吸引力和审美能力；创新性是产品在设计和功能上的独特性；文化性突显了文创产品在传承和表达地方文化方面的能力；功能性强调文创产品的实用价值，涉及产品的实用性、多功能性、品质优良性和用户交互性。上述四个指标覆盖了文献中反复被验证的审美、文化、创新和功能要素，同时能够体现 AI 介入带来的技术与文化复合特征。作为 S–O–R 中的刺激维度，它们为后续对感知新奇与感知价值的影响路径的理论建模与测量提供了可操作的维度化基础。

结构方程模型（SEM）是一种综合性多变量分析工具，能够同时处理观测变量与潜在变量之间的关系。Anderson 等学者提出，SEM 分析通常包括数据预处理、探索性因子分析（exploratory factor analysis, EFA）识别潜在结构，并通过验证性因子分析（confirmatory factor analysis, CFA）检验测量模型的稳定性和准确性，随后进行路径分析，判断模型拟合效果，探索各变量间的因果关系，为研究模型提供系统性的验证框架与统计依据。本研究基于 SOR 理论与相关文献构建消费者对人工生成文创购买意愿的影响因素模型，采用结构方程模型（SEM）验证人工智能生成文创产品特征、感知新奇、感知价值与消费者购买意愿的相关关 系，验证消费者创新性在购买决策过程中的调节作用。最后，根据结果为人工智能生成文创产品的设计、营销策略提出有针对性的管理建议，具体研究流程见图 4。

图 4 研究流程

本研究旨在探究消费者对人工智能（AI）生成旅游文创产品的购买意愿，而科学有效的调研依赖于贴近真实场景的设计样本。为此，需模拟实际产品开发流程生成合格样本，为购买意愿调查提供可靠研究载体。山海关景区作为明长城东部起点与世界文化遗产，文化价值独特且辨识度高。作为 “天下第一关”，山海关承载了长城文化、军事防御文化与民俗文化的多元内涵，城楼、城墙、八卦阵等物质遗存与“边郡之咽喉，京师之保障”的历史叙事形成鲜明文化标识，为 AI 模型学习提供了清晰的文化元素锚点。其二，场景元素丰富且系统性强。景区涵盖城楼、城门、城墙、寺庙、古街等多元空间形态，文化符号既包含建筑形制、纹饰图案等视觉元素，也涉及历史典故、民俗传说等精神内核，适合 AI 进行风格迁移与创意重构。此外，山海关景区市场认知基础扎实。作为国内外知名的文化旅游目的地，消费者对山海关文化具有普遍认知基础，以此生成的文创样本能减少调研中的认知偏差，提升研究结论的外部效度。基于此本文选择山海关景区作为人工智能生产文创产品设计的研究案例。样本生成分为图像采集与设计优化两个阶段。在图像样本采集阶段，研究团队系统性筛选并采集山海关景区典型文化元素影像资料，重点涵盖城楼（如天下第一关城楼）、城墙（含垛口、马面等构造）、城门（如镇东楼门洞）及寺庙（如孟姜女庙）等标志性空间元素，通过结构化数据清洗构建标准化图像数据集，为 AI 模型精准捕捉地域文化特征奠定数据基础。在设计生成阶段，为确保生成的文创产品样本能有效承载本研究理论模型中的核心特征，研究采用 Midjourney 图像生成平台，并基于美观性、创新性、文化性与功能性四个维度，系统性地构建了生成提示词策略（见表 1）。通过组合相关要素，形成如“一个融合明长城元素与山海关意象的金属冰箱贴，8K 高清，线条简约精致，细腻金属质感，干净明亮的背景”等综合性提示词，引导人工智能模型进行文化元素的风格迁移与形式重构。经过多轮生成迭代与人工筛选优化后，进一步引入 ChatGPT-4o 对方案进行细节调校，重点优化背景层次感、视觉精度及光影渲染效果，最终生成用于消费者调研的并系统反映理论特征的完整设计样本，见图 5。

表 1 AI 生成旅游文创产品提示词策略

图 5 研究人员使用人工智能生成的旅游文创产品设计

本研究在已有的文献基础上，根据人工智能生成的旅游文创产品特征，分别为美观性、创新性、文化性、功能性、感知新奇、感知价值、消费者创新性、购买意愿共 8 个潜在变量。每个潜在变量均为无法直接测量的抽象概念，需通过其对应的观测变量进行间接测量。为此，本研究为每个潜在变量设计了多个观测变量（详见表 2），以获取每个变量的用户行为数据。在数据收集之前，我们与了解旅游文创产品和人工智能的参与者进行了试点测试，以确保调查问卷的有效性和清晰度。根据试点测试期间收到的反馈，对模棱两可的问题进行了修改。所有变量测量采取李克特 5 级量表进行打分，其中，范围从 1（很不同意）到 5（很同意）。用来评估的所有指标都是积极的形容词。

本研究将具有购买文创产品经历的个体作为调查对象，经由在线渠道完成问卷投放后，共回收有效样本 298 份，采集了受访者的基础人口学信息，包括性别、年龄、受教育程度及文创类商品的消费频次等变量。此外，为了更全面了解受访者对人工智能生成文创产品的初步感知态度，为模型结果提供补充，问卷在展示人工智能生成文创设计样本后，设置了受访者对人工智能生成文创产品的总体态度、感知优势、潜在顾虑等问题，最终结果见图 6。受访者中男性占 47%，女性占 53%，性别比例相对均衡。在学历分布方面，高中及以下占 19.5%，本科为 64.1%，硕士及博士占比 16.4%，虽然样本的学历结构可能受到问卷发布及传播者社交圈层影响，但整体样本依然具备较强的代表性与适用性。从年龄特征看，20 岁以下、20-30 岁、31-40 岁、41-50 岁、51-60 岁和 60 岁以上年龄组分别占样本的12.8%、22.8%、24.5%、19.5%、10.7%和 9.7%，说明调查在年龄层面涵盖面较广。同时，在每年购买文创产品的频率中，每年购买 4-6 次和 7 次及以上文创产品的样本比例分别为 40.3%和26.2%，说明大部分调查对象有较为频繁的购买行为。在对于 AI 生成的旅游文创产品的总体态度方面，选择“非常喜欢”、“比较感兴趣”和“可接受”的调查对象占比分别为 9.4%、42.3%和 25.2%，有 23.1%的对象表示“不太喜欢”或“明确反感”，在大部分被调查者对于人工智能生成旅游文创持较积极或开放态度的同时，仍有一部分调查对象对 AI 生成的文创产品持保留或负面态度。在感知优势方面，受访者认为 AI 生成旅游文创产品最显著的优势在于个性化定制、成本与价格竞争力以及创新体验。这说明消费者普遍看好 AI 文创产品在个性化体验、设计效率和技术应用层面的潜力。相比之下，只有少数受访者认为其“无明显优势”，显示出整体态度偏积极。在潜在顾虑方面，受访者最主要的顾虑集中在文化准确性和情感缺失两个方面，表明其对 AI 是否能够深度理解和表达文化意涵表示担忧。同时，对 AI 可能冲击传统设计行业的替代性担忧也占据了较高比例。仅有 12 个受访者表示没有担忧，说明尽管AI 生成文创产品的优势明显，但要被广泛接受仍需解决其在文化表达、情感传递和技术信任方面的短板。

首先对所获得的有效样本进行信度与效度检验。信度评估用于衡量数据的一致性与稳定性，效度测试旨在判断研究结果能否与真实结果吻合。本研究采用 SPSS 软件对信度和效度进行检验。在信度检验中，AE、IN、CU、FU、PN、PV、PI 和 CI 的克隆巴赫系数值(Cronbach’s α)分别为 0.895、0.826、0.831、0.822、0.808、0.898、0.844、0.864，并且整体数据的 Cronbach’s α 为 0.896，均大于 0.7，说明数据整体可靠性较强。本研究问卷的测量条目均参考既有研究成果设计，且在预调研阶段进行了测试，因而内容效度具有有效保障。进一步使用 SPSS 软件验证结构效度，结果显示 KMO 值为 0.882（>0.7），并且通过了 Bartlett 球形检验，近似卡方值为 5041.166，且显著性无限接近于 0，小于 0.05，说明数据结构效度理想。按照因子载荷系数需高于 0.5 的判定标准，识别出 28 个测量指标有效归属于 8 个潜在维度。各因子载荷系数值、组合信度（CR）和平均方差提取量（AVE）见表 3，结果表明，所有维度的组合信度（CR）均超过 0.7，同时平均方差提取量（AVE）均超过 0.5 的标准，结果显示量表的内部可靠性较高且聚合效度已达要求。判别效度的检验见表 4，各潜变量的 AVE 平方根均高于其与其余变量之间的相关系数，据此可判断本研究所用量表的判别效度充分。

本研究借助 AMOS 进行结构方程建模以评估模型的整体拟合情况，模型标准化系数路径分析见图 7。具体参数如表 5 所示，一般习惯根据 CMIN/DF、RMSEA、GFI、IFI、CFI、TLI、NFI 这几个指数检验模型拟合度是否达标。计算后得到模型的 CMIN/DF 值为 1.783（<3），RMSEA 值为 0.051（<0.08）、GFI 值为 0.902(>0.9)、IFI 值为 0.956（>0.9）、CFI值为0.956（>0.9）、TLI 值为 0.947（>0.9）、NFI 值为 0.906（>0.9），各拟合度指标均在可接受范围内，表明该研究模型拟合度较好。

图 7 标准化系数路径图

表 5 模型拟合度测试结果

路径系数表示出变量间的作用方向与强度。表 6 列出了分析所得的标准化路径系数及其显著性检验的具体数值，根据 P 值可判断原假设是否成立。通常认为，若 P 值低于0.001(***)，则原假设成立，且具有极高的显著性水平；P 值小于 0.01(**)表明原假设成立，并具备良好的显著性；P 值小于 0.05(*)时，原假设成立，其显著性可接受。基于上述标准，本研究提出的假设 H1a、H1c、H1d、H2a、H2b、H2c、H2d、H3、H4、H5b、H5c 和 H5d 均成立，H1b 和 H5a 不成立。不成立的原因可能在于：人工智能生成的旅游文创在形式和内容上可能呈现出与传统产品不同的风格，但产品的创新性表达可能与用户期待之间产生错位，从而削弱用户的新奇感知，同时，人工智能生成产品的可能有效提升旅游文创产品的视觉美感，但人工智能生成的美观性未必能满足消费者对于产品情感联结或手工质感的需求，从而使消费者在实际购买决策中对这种美观感知缺乏敏感性，因此两者之间未必呈现稳定的正相关关系。

本研究以消费者创新性为调节变量，研究其对人工智能生成文创四项特征对消费者感知新奇、感知价值和购买意愿影响的调节作用。利用 SPSS 软件中的 Process 插件进行调节应检验。根据表 7 的调节效应分析结果，消费者的创新性显著增强了产品美观性、文化性与功能性对感知新奇及购买意图的正向作用，对应的回归系数分别为 0.174、0.246、0.264、0.183 和 0.162，且置信区间均不包含 0。这表明，当消费者具备较高的创新倾向时，具有较强美学吸引力、文化表达力与实用价值的 AI 生成旅游文创产品更容易激发其新奇体验。同时，文化性与功能性越突出的产品，越能引发此类消费者更高的购买意愿。因此，消费者创新性具有调节效应。同时，调节效应的结果也揭示了消费者创新性作用的边界条件。首先，在感知价值维度，所有调节路径均不显著。这一结果与先前关于其他类别创新产品的研究结论不同，这也从另一方面证实了人工智能内容消费情境的特殊性。当人工智能介入文创产品设计时，消费者的价值判断受到额外认知过程影响。无论创新性水平高低，消费者可能会优先考虑与人工智能属性相关的可信度维度，例如算法生成带来的价值评估偏差与真实性、合规性疑虑等，从而削弱消费者创新性这一个体差异在影响价值感知形成路径上的调节效应。其次，产品创新性对感知新奇的调节作用不显著，这可能源于人工智能生成文创产品本身已具备强烈的新颖性标签，其创新属性作为该类别产品的固有特征，对所有消费者均构成了较高水平的外部刺激，因此淡化了消费者高创新性在此维度上的额外增益。

这篇研究基于SOR（刺激-机体-反应）理论，通过结构方程模型（SEM）实证分析了消费者对AI生成式旅游文创产品的购买意愿影响机制，研究结论如下：

1.产品的美观性、文化性与功能性均显著正向影响消费者的感知新奇，其中美观性的影响最为显著。

2.产品的美观性、创新性、文化性与功能性均显著正向提升消费者的感知价值，其中功能性和美观性的影响较为突出。

3.感知新奇与感知价值均显著正向影响购买意愿，其中感知新奇的影响力更强。

4.产品的创新性、文化性与功能性对购买意愿存在显著的正向直接影响，其中功能性的影响最为显著。

5.消费者创新性在多条路径中发挥了显著的调节作用。

往期推荐