引言

我们正处在一个从互联网到生成式人工智能（Generative AI）驱动的范式转移时代。根据麦肯锡（McKinsey & Company）2023年发布的研究报告，生成式人工智能（GAI）的影响力可能为全球经济增加数万亿美元的价值，并且其价值约75%落在四个领域：营销、客户运营、软件工程与研发。相关研究也证明，AI生成的营销图像在质量、美观度和真实感等维度均表现得更加优异，点击率（CTR）比人类制作的图像高出50%。

然而，现有研究多聚焦于AIGC广告的内容质量、真实性或拟人化效果，或集中于由AI主导的个性化推荐广告。对于由用户参与共创的互动性AIGC广告如何影响消费者心理与行为，及其内在机制尚缺乏深入的实证探讨。本文旨在探讨这些问题，为AIGC在互动广告中的优化与应用提供理论与实践参考。

一、文献综述

（一）广告与互动广告

广告具有将产品信息广而告之的作用，是吸引消费者了解品牌和产品信息的有效工具。在互联网时代，通过社交媒体渠道投放的广告也不仅仅发挥信息传播作用，而是更贴近消费者的价值观和生活方式展开。

广告在帮助消费者获取信息并做出购买决策时，消费者的心理、情感和行为因素在购买决策过程中也起着重要作用。随着互动广告在数字和社交媒体日渐普及，广告的互动性成为影响广告效果的关键要素，互动广告使得消费者不仅仅是被动的观看广告，而是能参与其中与广告和品牌互动。研究指出，互动性广告是一种允许观众或用户参与并与广告内容进行互动的广告形式，在数字媒体环境下的互动广告中，区别于单向传播的传统广告，是将主动权交给受众，让他们选择是否规避、了解甚至主动传播广告内容。当广告具有互动性特征时，不仅能吸引消费者注意力，还能增强其参与与投入，从而转化为广告内容和品牌的分享与传播。

（二）AIGC与AIGC互动广告

AIGC又叫人工智能生成内容，即通过人工智能技术生成文本、图像、音视频等内容。“Human-AI interaction”（人智交互）和“Human-AI collaboration”（人智协作）概念自2018年起就被提出，并且有研究表示，在使用AI工具方面，更强的认知临场感和掌控感能产生更好的用户体验。因此，AIGC人机交互过程中的用户体验离不开“交互”与“共创”。

AIGC技术的发展也驱动着AIGC互动广告这一新范式的兴起，例如AI驱动的聊天机器人广告允许消费者与之互动交流，并通过推荐满足需求的产品辅助购买决策，提升广告互动性与购买意愿。然而，当前对AIGC互动广告的讨论仍停留在“AI能否替代人类”，缺乏对人类与AI如何有效协作进行深入理解，且缺乏对消费者心里路径的探究，而GAI的核心价值之一是将消费者互动从静态、单向传播转变为更加动态、双向且互动性强的沟通机制。因此，关注AIGC互动广告共创特性与消费者心理路径对于广告营销尤为重要。

二、理论基础与研究假设

（一）理论基础

1.价值共创理论

价值共创理论在21世纪初不断涌现并完善。该理论认为，价值不再只由企业创造，而是通过消费者与企业间的个性化互动共同创造价值。其中基于消费者体验的价值共创理论指出，通过消费者与企业的高质量互动能够共同创造独特体验，进而产生价值共创，并构建了企业与消费者之间共同创造体验的四维互动模块：对话、访问、风险收益和透明度（DART），为企业与消费者共创互动体验提供战略框架。

2. 扎根理论

扎根理论是一种经典的质性研究方法，其核心是直接对原始数据进行归纳分析，并从中直接生成理论。本文采用程序化扎根理论，按照开放式编码、主轴编码和选择性编码三步骤对原始材料进行分析，逐步归纳出更概念化、范畴化的结论。

本文主要从基于消费者体验的价值共创视角展开，根据DART模型明确变量分析维度从广告互动、广告权限、广告透明度和广告风险展开，但仍需进一步明确AIGC互动广告不同维度的具体观测变量，因此后续采用程序化扎根理论进行深度访谈，明确各维度具体观测指标并构建研究模型。

（二）深度访谈法

1.访谈背景

在AI技术席卷营销领域的浪潮下，各大品牌纷纷利用生成式AI进行赋能，美妆品牌3ce凭借其前沿时尚嗅觉和庞大的年轻用户群体，积极拥抱生成式AI技术，并推出了“春日AI花神妆”互动营销广告，通过AIGC与春日美妆主题的创意结合，吸引大量消费者进行参与体验。

AIGC互动广告的推出，让3ce品牌广告内容在社交媒体和私域流量中的传播突破新高。笔者统计了社交媒体平台的用户话题讨论度，截至2025年9月，小红书“春日AI花神妆”话题浏览量11.5万，话题讨论度突破500；微博“春日AI花神妆”话题相关内容的点赞评论量超3.8万，转发量超1.5万。说明AIGC互动广告已在各大平台掀起一阵生成式AI互动热度，广告内容的分享传播出现破圈效应。因此，本次访谈选取3ce的“春日AI花神妆”作为访谈情景，主要考虑到该品牌广告在国内知名度较高、传播范围较广且有显著效果，具有代表性。

2. 正式访谈

本研究采用半结构化访谈方式，通过目的性抽样、滚雪球抽样和理论性抽样选定14位受访者参与访谈，并对其性别、年龄、学历、行业和所在地信息进行收集。访谈采用线上线下相结合的方式，时长为30分钟以上，通过录音和语音转文本等方式记录访谈内容，收集获得访谈资料。

通过对访谈资料进行开放式编码、主轴编码和选择性编码，并进行理论饱和度检验后，通过类属分析归纳出9个主范畴，分别是互动成本、互动控制度、实用功能、个性化功能、技术认知、隐私安全、生成内容质量、心理所有权、分享意愿，并且明确了本研究的故事线：“在当前美妆品牌市场竞争激烈，AIGC技术崛起为品牌广告提供新的营销方式，很多品牌采用AIGC技术赋能广告。当消费者接触到AIGC互动广告时，如果消费者对AIGC技术有一定的了解和认知，并且参与广告后能以低互动成本获取高质量生成内容，在互动过程中拥有较高控制度，广告还能满足消费者的实用功能需求和个性化展示需求的情况下，消费者更容易对广告内容产生心理所有权感知，甚至产生分享意愿。”

（三）变量描述与假设提出

1. AIGC互动广告特征选取

（1）广告互动

互动控制度：即消费者对AIGC广告互动过程及结果的控制感知。控制感是心理所有权的核心特征，在人机交互与赋能策略研究中被证实能激发用户的拥有感与传播意愿。访谈发现，这种控制感体现在消费者再参与互动时“渴望被赋予更多参与权力”以及创作过程“偏好自由输入而非既定选项”，当输出符合预期时产生惊喜与分享欲。由此提出假设：

H1a：互动控制度正向影响分享意愿

H1b：互动控制度正向影响心理所有权

互动成本：指用户对互动操作难易与效率的感知，涵盖感知易用性与效率感知效率。技术接受模型指出，感知易用性显著影响使用态度。访谈发现，用户高度重视操作易用性（“操作简单便捷且有提示词引导”）与效率感知（“生成等待时间短，能实时反馈”），因此提出假设：

H2a：互动成本正向影响分享意愿

H2b：互动成本正向影响心理所有权

（2）广告权限

实用功能：指功能的工具属性及与产品信息的自然融合。技术接受模型指出，感知有用性是使用意愿的关键驱动。访谈中，受访者表示了对功能实用性的偏好，如“AI试衣间比单纯娱乐功能更好”。因此，提出假设：

H3a：实用功能正向影响分享意愿

H3b：实用功能正向影响心理所有权

个性化功能：广告生成体现用户个人特质的内容，满足自我表达与符号价值需求。访谈结果显示，受访者重视定制化过程中“一步步打造我想看的内容”与结果的辨识度“希望风格更突出自己的特征”，故提出假设：

H4a：个性化功能正向影响分享意愿

H4b：个性化功能正向影响心理所有权

（3）广告透明度

技术透明度：指广告对所用AIGC技术的披露。根据信号理论，高成本、可观测的信号能提升品牌态度、购买意向等。访谈中，受访者将AIGC技术视为积极信号，认为其代表了“前沿科技，很想拥有”。故提出假设：

H5a：技术透明度正向影响分享意愿

H5b：技术透明度正向影响心理所有权

隐私安全：表示对消费者数据与生成内容权属的清晰保障。权力-责任均衡理论表明，负责任的隐私实践能降低用户担忧。访谈结果显示，消费者十分重视对个人隐私的安全保障，因此提出假设：

H6a：隐私安全正向影响分享意愿

H6b：隐私安全正向影响心理所有权

（4）广告风险

生成内容质量：即输出内容的准确度、自然度与视觉效果。期望确认理论指出，当实际体验符合或超越预期时，用户满意度更高。在访谈中，用户高度重视内容的准确自然与视觉精美，高质量内容是获得良好体验并愿意传播的前提。故提出假设：

H7a：生成内容质量正向影响分享意愿

H7b：生成内容质量正向影响心理所有权

2. 心理所有权与分享意愿

心理所有权指个体将目标物视为“我的”的心理状态。研究表明，这种状态能激发个体对“所有物”的维护与推荐意愿。在营销情境中，心理所有权被证实是促进品牌互动与知识分享行为的关键机制。因此，本研究提出：

H8：心理所有权正向影响分享意愿。

3. 心理所有权的中介作用

根据心理所有权理论，当个体对事物拥有控制感、投入并与之间建立亲密了解时，便会产生心理上的占有感，进而驱动其后续行为。在互动广告情境中，广告的互动性、功能性、透明性及内容质量等特征，均可通过增强用户的控制感、参与感与认同感，进而提升其心理所有权，并影响分享意愿。因此，本研究提出中介假设：

H9a：心理所有权在互动控制度与分享意愿之间起中介作用

H9b：心理所有权在互动成本与分享意愿之间起中介作用

H9c：心理所有权在实用功能与分享意愿之间起中介作用

H9d：心理所有权在个性化功能与分享意愿之间起中介作用

H9e：心理所有权在技术透明度与分享意愿之间起中介作用

H9f：心理所有权在隐私安全与分享意愿之间起中介作用

H9g：心理所有权在生成内容质量与分享意愿之间起中介作用。

（四）正式实验与分析

1. 描述性统计分析

本研究共回收有效问卷327份。样本的人口统计学特征如下：女性占64.2%，男性占35.8%；年龄在30岁以下的受访者占65.7%，其中18-30岁群体占55.7%；在学历方面，本科生占17.4%，研究生占53.5%；月收入在8000元以上的受访者合计占45.6%。样本结构显示，本研究受访者主要为年轻、高学历且具有一定消费能力的群体，这与AIGC互动广告及彩妆品类的主要受众特征基本相符。

2. 信效度检验

（1）信度分析

本研究使用SPSS26.0对样本数据进行信度检验，结果如表1所示。由表可知，各变量量表的Cronbach’s α系数均大于0.8，说明问卷效度较好，测量结果具有较高的稳定性、可靠性和一致性。

（2）效度分析

结构效度：本文使用AMOS26.0对整体模型进行验证性因子分析(CFA)。由表4可知，模型的χ2/df(卡方自由度比)为1.611<3，GFI、CFI、NFI、IFI、TLI均大于0.8，RMSEA(近似方差均方根)为0.043<0.08，均在可接受范围。因此，模型的拟合度较好。

χ2/df	GFI	CFI	NFI	IFI	TLI	RMSEA
1.611	0.898	0.966	0.917	0.967	0.959	0.043

聚合效度：在本次总体量表的聚合效度检验中，由表5可知，各个维度的AVE值均大于0.5，CR值均大于0.8，说明相同维度的不同题项之间的测量结果具有内部一致性，即本研究具有较好的聚合效度。

区分效度：由表6可知，互动控制度、互动成本、实用功能、个性化功能、技术透明度、隐私安全、生成内容质量、心理所有权和分享意愿两两之间的标准化相关系数都小于对应AVE值的算术平方根，说明各个维度具有独特的意义和价值。

3. 回归分析

（1）控制变量对分享意愿回归分析

模型调整后R²仅为0.020，拟合优度差；性别、年龄、学历、职业及月均收入的显著性水平均大于0.05，影响不显著。因此，后续分析将排除这些控制变量的影响。

（2）自变量与分享意愿的回归分析

对AIGC互动广告主要要素特征与分享意愿进行回归分析，结果见表2。模型调整后R²为0.467，F值为41.759（p<0.001），模型整体显著。所有自变量的VIF值均小于10，不存在多重共线性。结果显示，互动控制度（β=0.148，p=0.002）、互动成本（β=0.140，p=0.015）、实用功能（β=0.174，p=0.001）、个性化功能（β=0.187，p<0.001）、技术透明度（β=0.120，p=0.017）和隐私安全（β=0.108，p=0.028）均显著正向影响分享意愿，假设H1a、H2a、H3a、H4a、H5a、H6a成立。生成内容质量的影响不显著（β=0.094，p=0.075），假设H7a不成立。

	B	Beta	t	p
(常量)	-0.043		-0.243	0.808
互动控制度	0.153	0.148	3.071	0.002
互动成本	0.136	0.140	2.438	0.015
实用功能	0.183	0.174	3.378	0.001
个性化功能	0.189	0.187	3.729	0.000
技术透明度	0.127	0.120	2.398	0.017
隐私安全	0.114	0.108	2.210	0.028
生成内容质量	0.101	0.094	1.787	0.075
R2		0.478a
调整后的R2		0.467
F		41.759
显著性		0.000b

注：a.预测变量：(常量), 性别，年龄，学历，职业，月均收入；b. 因变量：分享意愿。

（3）自变量与心理所有权回归分析

对主要要素特征与心理所有权的回归分析结果见表3。模型调整后R²为0.368，F值为28.140（p<0.001），整体显著，且无多重共线性问题。互动控制度（β=0.110，p=0.036）、互动成本（β=0.137，p=0.028）、实用功能（β=0.146，p=0.010）、个性化功能（β=0.132，p=0.016）、技术透明度（β=0.144，p=0.008）和生成内容质量（β=0.130，p=0.025）均显著正向影响心理所有权，假设H1b、H2b、H3b、H4b、H5b、H7b成立。隐私安全的影响不显著（β=0.060，p=0.259），假设H6b不成立。

	B	Beta	t	p
(常量)	0.598		3.387	0.001
互动控制度	0.105	0.110	2.105	0.036
互动成本	0.122	0.137	2.204	0.028
实用功能	0.140	0.146	2.601	0.010
个性化功能	0.123	0.132	2.422	0.016
技术透明度	0.140	0.144	2.653	0.008
隐私安全	0.058	0.060	1.131	0.259
生成内容质量	0.126	0.130	2.256	0.025
R2		0.382a
调整后的R2		0.368
F		28.140
显著性		0.000b

注：a.预测变量：(常量)、互动控制度、互动成本、实用功能、个性化功能、技术透明度、隐私安全、生成内容质量；b. 因变量：心理所有权。

（4）心理所有权与分享意愿回归分析

心理所有权与分享意愿的回归分析结果见表4。模型调整后R²为0.238，F值为103.084（p<0.001）。心理所有权对分享意愿具有显著正向影响（B=0.537，β=0.491，p<0.001），假设H8成立。

	B	Beta	t	p
(常量)	1.250		7.583	0.000
生成内容质量	0.537	0.491	10.153	0.000
R2		0.241a
调整后的R2		0.238
F		103.084
显著性		0.000b

（5）中介效应分析

为进一步检验心理所有权的中介作用，采用Bootstrap法（重复抽样5000次）对间接效应进行估计。如表11所示，所有七条中介路径的间接效应值其95% Bootstrap置信区间均不包含0。结合此前回归分析中已确认的显著总效应与直接效应，表明心理所有权在各自变量与分享意愿之间均起到显著的部分中介作用。因此，假设H9a、H9b、H9c、H9d、H9e、H9f、H9g全部成立。

四、讨论

（一）研究结论

本研究通过实证检验发现，心理所有权是AIGC互动广告特征影响分享意愿的关键中介变量。互动控制度、低互动成本、实用功能、个性化功能以及技术透明度均能增强心理所有权，进而促进分享行为，其中个性化功能作用尤为显著。隐私安全主要作为分享的基础保障，对心理所有权影响有限；生成内容质量对分享意愿无直接效应，表明社交分享更重视内容独特性而非绝对质量。品牌应通过提升互动控制、强化个性化表达、增强技术透明度等方式，塑造用户的“拥有感”，从而有效激发其分享行为。

（二）营销启示

1. 优化互动与功能设计：优先提升广告的互动控制度与个性化功能，赋予用户创作自主权，同时简化操作流程、提升生成效率，并将产品体验自然融入互动，提供实用价值。

2. 强化所有权整合传播：在广告界面、生成结果与分享引导中，通过“你的创作”等话术与视觉设计持续强化用户所有权感知，并可借助个性化分享模板与激励机制，推动形成“体验—拥有—分享”的传播闭环。

（三）未来展望

本研究仍存在一定局限，未来可从以下方面进一步拓展：

1. 样本普适性：本研究样本以年轻、科技熟悉群体为主，未来可扩大年龄、地域及文化背景覆盖，以验证结论的广泛适用性。

2. 行业适用性：研究聚焦美妆领域，结论在其他行业的适用性有待检验，未来可开展跨行业比较，提供更具针对性的实践指导。

参考文献：

1. [1] Hartmann J, Exner Y, Domdey S. The power of generative marketing: Can generative AI create superhuman visual marketing content?[J].International journal of research in marketing,2025,42(01):13-31.
2. [2] 林升栋,陈瑞,宣长春,等.中国社交媒体广告态度的影响因素研究[J].新闻与传播评论,2022,75(01):76-88.
3. [3] Shareef M A, Mukerji B, Dwivedi Y K. et al. Social media marketing: Comparative effect of advertisement sourcess[J].Journal of retailing and consumer services,2017,46:58-69..
4. [4] Wirtz J G, Sparks J V, Zimbres T M. The effect of exposure to sexual appeals in advertisements on memory, attitude, and purchase intention: a meta-analytic review[J].International journal of advertising,2018,37(02):168-198.
5. [5] Liu-Thompkins Y. A decade of online advertising research: what we learned and what we need to know[J].Journal of advertising,2019,48(01):1-13.
6. [6] Kim J, McMillan S J. Evaluation of internet advertising research: A bibliometric analysis of citations from key sources[J].Journal of advertising,2008,37(01):99-112.
7. [7] Thorbjørnsen H, Supphellen M, Nysveen H, et al. Building brand relationships online: a comparison of two interactive applications[J].Journal of interactive marketing,2002,16(03):17-34.
8. [8] Schumann D W, Artis A, Rivera R. The future of interactive advertising viewed through an IMC lens[J].Journal of interactive advertising,2001,1(02):43-55.
9. [9] Belanche D, Flavián C, Pérez-Rueda A. Consumer empowerment in interactive advertising and eWOM consequences: The PITRE model[J].Journal of marketing communications,2020,26(01):1-20.
10. [10] Iyer R, Li Y, Li H, et al. Transparency and explanation in deep reinforcement learning neural networks[C]//InProceedings of the2018 AAAI/ACM Conference on AI, Ethics, and Society.2018.
11. [11] Wang X, Pang H, Wallace M P, et al. Learners’ perceived AI presences in AI-supported language learning: A study of AI as a humanized agent from community of inquiry[J].Computer assisted language learning,2024,37(04):814-840.
12. [12] Hu P,Lu Y B,Wang B. Experiencing power over AI: The fit effect of perceived power and desire for power on consumers' choice for voice shopping[J].Computers in human behavior,2022,128:107091.
13. [13] Sun Y, Chen J, Sundar S S. Chatbot ads with a human touch: A test of anthropomorphism, interactivity, and narrativity[J].Journal of business research,2024,172:114403.
14. [14] Cui W, Liu M J, Yuan R. Exploring the integration of generative AI in advertising agencies: A co-creative process model for human–AI collaboration[J].Journal of advertising research,2025,65(02):167-189.
15. [15] Prahalad C K, Ramaswamy V. Co-creation experiences: The next practice in value creation[J].Journal of interactive marketing,2004,18(03):5-14.
16. [16] Vargo S L, Lusch R F. Evolving to a new dominant logic for marketing[J].Journal of marketing,2004,68(01):1-17.
17. [17] Glaser B G, Strauss A L, Strutzel E. The discovery of grounded theory; strategies for qualitative research[J].Nursing research,1968,17(04):364.
18. [18] Peck J, Shu S B. The effect of mere touch on perceived ownership[J].Journal of consumer research,200936(03):434-447.
19. [19] Fuchs C, Prandelli E, Schreier M. The psychological effects of empowerment strategies on consumers’ product demand[J].Journal of marketing,2010,74(01):65-79.
20. [20] Davis F D.Perceived usefulness, perceived ease of use, and user acceptance of information technology[J].MIS quarterly,1989,13(03),319-340.
21. [21] Levy S J.Symbols for sale[J].Harvard business review,1959,37(04):117-124.
22. [22] Yang J, Battocchio A F. Effects of transparent brand communication on perceived brand authenticity and consumer responses[J].Journal of product & brand management,2021,30(08):1176-1193.
23. [23] Bandara R, Fernando M, Akter S. Managing consumer privacy concerns and defensive behaviours in the digital marketplace[J].European journal of marketing,2021,55(01):219-246.
24. [24] Bhattacherjee A. Understanding information systems continuance: An expectation-confirmation model[J].MIS quarterly,2001,25(03):351-370.
25. [25] Kumar, J. Psychological ownership towards online brand communities driving brand engagement: a visitors’ perspective[J].Journal of strategic marketing,2022,30(04),355–388.
26. [26] Zhang J, Yang L, Lyu B. Social capital and knowledge sharing among consumers in virtual communities: psychological ownership’s mediating effect[J].Electronic commerce research,2024,24(04):2803-29.
27. [27] Pierce J L, Kostova T, Kurt T D, et al. Toward a theory of psychological ownership in organizations[J].The academy of management review,2001,26(02):298-310.