◼ 这是“神经管理学”第349篇推送
◼ 选文: 张倬闻 终审: 王求真 编辑: 张倬闻
◼ 仅用于学术交流，原文版权归原作者和原发刊所有
原刊及作者
Artificial Intelligence-Powered Digital Streamers in Online Retail: Empirical Insights and Design Strategies from Experiments
Information Systems Research, Aug 2025
Yahui Liu, Lei Wang, Shuai Yang, Yanwen Wang
在直播电商如火如荼的当下，一个新角色正悄然崛起 ——AI 驱动的数字主播。它们凭借 24 小时不间断工作、零人力成本、可高度定制化等优势，被视作未来直播带货的 “潜力股”。据预测，仅中国市场的数字主播规模 2025 年就将达 2697.1 亿元，年增速高达 127.89%。它们通过模仿人类行为，提供24小时不间断的直播服务，具有成本低、可定制化等优势。然而，其在实际销售中的经济价值和设计策略仍需进一步验证。
今天要介绍的这篇发表于Information Systems Reasearch的文章，便聚焦于数字主播在直播电商中的应用，探讨其设计特征（如外观、互动能力）如何影响消费者行为和销售结果。研究结合理论框架（如社会反应理论）和实证数据，分析数字主播的经济价值。
理论框架
社会反应理论（Social Response Theory） 该理论认为，当人们与具有“类人特征”的技术交互时，会像与真人交流一样产生信任、情感与社会回应。研究以社会响应理论为核心，提出：当数字主播具备人类特征时，消费者会下意识用 “人际互动规则” 与之相处，进而影响购买行为。
而数字主播的 “人类特征”，主要通过两大维度实现：
形态仿真度(Form Realism)：聚焦视觉外观，比如是卡通化形象还是接近真人的 3D 建模，是否有自然的面部表情和肢体动作。
行为仿真度(Behavioral Realism)：聚焦互动能力，分为 “语言沟通”（如真人般的语音、自然的话术）和 “人机互动”（如实时答疑、抽奖互动）两类。
研究假设
基于此，研究进一步提出三大假设，试图验证 “仿真度” 与 “销量” 的关系：
H1：提升数字主播的形态仿真度（如更像真人的外观），能提高直播带货销量；
H2：提升行为仿真度（尤其是实时互动）对销量的促进作用，会超过语言沟通的优化；
H3：整体来看，行为仿真度对销量的正向影响，会强于形态仿真度。
实验设计
为系统验证AI数字主播在直播电商中的经济价值与设计优化路径，研究团队开展了两项互补的实证研究，形成了“现状评估—机制拆解—策略优化”的研究逻辑。
图1 实验概述
AI数字主播的基础效应（实验1）
研究团队与天猫某知名运动品牌旗舰店合作，收集了2021年3月至8月间328款产品的交易数据，将产品随机分配到三种直播条件中：人类主播组、AI主播组以及无直播组。其中，AI主播采用低拟真设计，包括卡通化外观、机器合成语音和预设讲解脚本。研究使用广义合成控制法（GSC）识别不同直播类型对销量的因果影响。
拟人化设计策略验证（实验2）
研究团队与天猫某食品零售商合作，进行了为期七周的随机现场实验，2023年7 月10日-8月27日（共7周，49天），每天 20:00-22:00直播，18款产品随机轮播，每组均覆盖所有工作日。
实验共设七种条件，以系统操控AI主播的形式拟真与行为拟真特征：
对照组：卡通外观、机器语音、固定话术、无互动
T1（外观组）：保留其他设计，仅升级为 “真人般外观”
T2（话术组）：保留其他设计，采用人类主播的带货脚本
T3（语音组）：保留其他设计，替换为真人语音
T4（抽奖组）：保留其他设计，新增 “每 20 分钟实时抽奖”
T5（答疑组）：保留其他设计，新增 “人类助理实时 1 对 1 答疑”
T6（人类组）：专业人类主播，具备 T1-T5
引入人类化外观以提升形式拟真度，采用仿人类话术脚本和自然语音以增强语言层面的行为拟真，增设实时抽奖和实时问答互动功能以提升交互层面的行为拟真。此外，还设置真人主播组作为参照，以评估AI主播的上限表现。整个实验随机安排各组条件，确保产品曝光、时段与观众数量等因素保持一致，从而排除干扰变量的影响。
图2 不同外观的用户界面
注：出于隐私考虑，无法展示人类主播的界面。但除主播本身外，直播背景及所有组成元素均与当前所示界面一致。（左图）低仿真度外观；（右图）高仿真度外观。
实验结果与研究结论
核心实验结果
1. AI主播基础效应
实验1结果显示，低拟真AI主播对销售量和销售额均无显著提升，而人类主播的加入则显著促进了销售表现（p < 0.001）。这一结果表明，在当前设计条件下，AI主播尚未展现出可观的商业价值，其转化能力明显弱于人类主播。实验1为后续的设计优化研究提供了必要的对照基准。
2. 拟人化设计策略验证
实验2的数据显示，平均而言，人类主播组（T6）的日销量与日销售额最高，紧随其后的是具备增强型实时问答功能的数字主播组（T5）；与之形成对比的是，采用当前低仿真度设计的对照组，其销量与销售额均为最低。这一结果表明，集成了增强型实时问答功能的数字主播，其表现可与人类主播相媲美，且显著优于目前主流的数字主播设计。
加入抽奖功能可使销量提升 17%，销售额提升近 70%。同样，优化语音特征（语言沟通层面）能让销量增长 17%，销售额增长 65%；调整外观特征（视觉外观层面）则会带来 11% 的销量增长与 39% 的销售额增长。值得注意的是，采用专业人类主播的直播脚本（语言沟通层面）并未显著提升直播带货销量。整体而言，行为拟人化的促进效应显著高于形态拟人化，表明提升交互性线索是激发消费者社会反应的关键机制。这一结果印证了社会反应理论的核心观点：在人机交互场景中，“像人”不如“会交流”。
图3 研究 2 中不同实验条件下的销量与销售额对比
核心研究结论
现状警示 当前低仿真数字主播（卡通外观、机器语音、无互动）无实际销售价值，商家盲目引入可能 “白费功夫”；
设计优先级 优先提升行为仿真度，尤其是 “实时互动功能”（实时答疑 > 抽奖），其次优化语音，最后考虑外观；
成本效益 无需追求 “极致外观”，用 “基础外观 + 实时答疑” 的组合，既能控制开发成本，又能让数字主播达到人类主播的带货水平；
未来方向 可探索 “多仿真维度融合”（如实时答疑 + 真人语音），或针对不同人群（如年轻人 vs 老年人）定制数字主播风格，进一步释放价值。
研究小结
这篇研究用扎实的实验数据，打破了 “数字主播 = 流量密码” 的误区，也为商家提供了可落地的优化方案。在 AI 技术飞速发展的今天，数字主播的核心竞争力不在于 “长得像人”，而在于 “能像人一样互动”。对商家而言，与其斥巨资开发 “高仿真外观”，不如先聚焦 “实时答疑、互动抽奖” 等低成本、高回报的功能；对行业而言，随着生成式 AI 的成熟，数字主播或许能进一步降低互动功能的开发成本，真正成为直播电商的 “降本增效利器”。未来，当数字主播既能 24 小时不间断工作，又能像人类主播一样 “懂用户、会互动” 时，直播电商的格局或许将迎来真正的颠覆。
参考文献
Liu, Y., Wang, L., Yang, S., & Wang, Y. (2025). Artificial Intelligence-Powered Digital Streamers in Online Retail: Empirical Insights and Design Strategies from Experiments. Information Systems Research, isre.2023.0024. https://doi.org/10.1287/isre.2023.0024