《International Journal of Consumer Studies》：Who Is Talking to the AI Assistants? A Consumer Segmentation Analysis
编辑推荐：
本研究针对ChatGPT等对话式AI用户异质性难题，基于TAM3模型对391名北美用户进行聚类分析，识别出Confident Individual Adopters、Hesitant Pragmatists及Socially-Driven Tech Enthusiasts三类典型用户画像，揭示了焦虑、信任与隐私信念的组合差异，为精准设计提供理论支撑。
背景：当AI学会聊天，用户却各不相同
ChatGPT、Claude、Gemini……这些名字如今已不仅是科技热词，更是许多人日常工作和学习中触手可及的“智能伙伴”。数据显示，约70%的客户互动中已出现对话式AI的身影，全球零售支出预计将在2028年飙升至720亿美元。企业端更是热情高涨，近六成公司计划在半年内追加投资。然而，在这片繁荣之下，一个核心问题逐渐浮现：技术虽然在快速普及，但用户真的都以同样的方式接受它吗？
以往的研究多聚焦于“平均用户”的接受度，却忽视了背后的消费者异质性。有的人对AI充满信任，将其视为得力助手；有的人则忧心忡忡，担心隐私泄露或技术失控。这种差异使得“一刀切”的产品设计策略往往收效甚微。为此，发表在International Journal of Consumer Studies上的这项研究，决定不再只看“平均数”，而是利用聚类分析这把手术刀，精准解剖对话式AI用户的不同面孔，回答两个关键问题：用户究竟可以分为哪些截然不同的心理画像？这些画像揭示了怎样的采纳逻辑？
研究方法：用TAM3模型绘制用户心理地图
为了捕捉用户心理的复杂性，研究团队以技术接受模型3（TAM3）为理论骨架，对391名北美参与者进行了深入调查。TAM3模型不仅包含了传统的感知有用性（Perceived Usefulness, PU）和感知易用性（Perceived Ease of Use, PEOU），还整合了计算机焦虑、自我效能、信任、隐私担忧以及口碑影响等关键维度。
研究采用了K-means聚类分析这一数据挖掘技术，旨在从多变量数据中自然浮现出具有相似心理特征的用户群体，而非人为预设分类。通过系统评估，研究最终确定了三个聚类中心，并对其进行了详细的轮廓分析和判别验证，确保分组的稳健性与可解释性。
研究发现：三类截然不同的AI对话者
3.1 自信的个体采纳者 (Confident Individual Adopters)
这是AI时代的“先行者”群体。他们对技术的感知有用性（PU）和感知易用性（PEOU）评价极高，且拥有强大的计算机自我效能感。简单来说，他们不仅觉得AI好用，而且自信能驾驭它。
- •
心理特征：低焦虑、高信任是他们的典型标签。他们不太受他人看法左右，口碑影响和社会规范对其决策作用微弱，其使用动机主要源于对技术价值的独立判断。
- •
行为模式：自主性强，是典型的“工具理性”用户。他们不过分纠结隐私问题，更关注AI能否高效解决实际问题。
3.2 犹豫的实用主义者 (Hesitant Pragmatists)
这是最矛盾、也最具代表性的“摇摆派”。他们能理性认识到AI的高有用性，甚至认为它很有趣味性，但内心却充满顾虑。
- •
心理特征：高焦虑和高隐私担忧是其核心特征。他们担心数据被滥用，对技术的可靠性心存疑虑。这种“既爱又怕”的心理，导致其采纳意愿被负面情绪显著抑制。
- •
行为模式：虽然认可功能价值，但使用行为谨慎、保守。他们需要更强的安全保障和更透明的数据政策，才能转化为活跃用户。
3.3 社交驱动的技术爱好者 (Socially-Driven Tech Enthusiasts)
这是一群“社交动物”。他们的AI使用行为深受周围环境的影响。
- •
心理特征：强烈的口碑效应和社会影响是其驱动力。他们信任朋友和网络的推荐，将使用AI视为一种社交资本和潮流。尽管对易用性的评价不如第一类用户高，但社交动力弥补了这一差距。
- •
行为模式：易受营销和社群氛围影响，是新产品扩散的关键中间人群。他们的隐私担忧处于中等水平，更在意AI带来的社交体验和归属感。
结论与启示：从“一刀切”到“分群治之”
这项研究打破了将用户视为同质整体的传统视角，揭示了对话式AI采纳的心理复杂性。研究证实，感知有用性（PU）虽然是基础，但焦虑、信任、隐私等情感与风险信念的组合，才是区分用户群体的关键。
对于产品设计与营销实践，这意味着策略必须精细化：
- •
对于自信的个体采纳者，只需提供强大的功能和高自由度即可。
- •
对于犹豫的实用主义者，核心是建立信任机制，通过透明的隐私政策和可靠的安全记录消除其顾虑。
- •
对于社交驱动的技术爱好者，则应强化社群运营和口碑营销，利用KOL和社交证明来推动其采纳。
这项研究不仅为学术界提供了基于TAM3的细分框架，也为企业在AI红海中实现精准触达、提升用户满意度提供了科学的“用户地图”。
