AI个性化推荐下消费者感知个性化对其点击意愿的影响

人工智能的发展为个性化推荐带来新的挑战,基于人工智能的个性化推荐系统自主学习能力更强,对数据的处理速度更快,可以实时地跨平台处理数据,给消费者推送最让其感兴趣的产品和服务。而消费者对人工智能个性化推荐的反应如何,影响机制是什么,是否个性化越强的推荐消费者的点击意愿越高,有哪些因素会调节点击意愿,这些都尚无定论。基于隐私计算理论,探究人工智能个性化推荐对消费者点击意愿的影响机制,通过情景模拟法,以大学生为实验对象开展3个实验进行实证研究。对国内外关于个性化推荐的相关研究进行梳理,结合当代消费者心理,探讨感知利益的中介效应以及个性化推荐对点击意愿影响机制的边界条件。实验1选取电影购票服务,探究个性化推荐对消费者点击意愿的影响,发现当感知个性化程度越高时,消费者的点击意愿越强。实验2选取高等数学参考书这一产品,探究感知利益这一中介变量的作用,研究结果表明消费者在看到高的个性化推荐时,会因为感知利益高而有更强的点击意愿。实验3选取情景敏感度高的金融情景和敏感度低的旅游情景,探讨情景敏感度和隐私担忧的调节作用,发现当消费情景的敏感度高时,相对于个性化低的推荐,消费者对高个性化水平的推荐点击意愿反而更弱;而当隐私担忧高时,个性化程度对点击意愿的正向影响被削弱。基于以上结果,针对人工智能在未来个性化推荐中的运用提出发展建议,帮助企业和平台提升个性化推荐的效果,针对不同类型的场景和消费者调整个性化推荐策略,并且探讨了未来可能的研究方向。