《Journal of Theoretical and Applied Electronic Commerce Research》：Technology Acceptance of AI-Pre-Filled Carts in Online Grocery Retailing: Testing TAM Paths and Their Link to Objective Performance
编辑推荐：
在线杂货零售仍然费力，因为消费者必须协调众多单品级决策，使得购物篮构建和修正成为更频繁使用的关键障碍。本研究检验了研究人员在奥地利在线杂货零售中对AI预填充购物篮的接受，并将技术接受模型（TAM）机制与客观互动绩效联系起来。采用现场接近的单组前后设计，参与者在
在线杂货零售仍然费力，因为消费者必须协调众多单品级决策，使得购物篮构建和修正成为更频繁使用的关键障碍。本研究检验了研究人员在奥地利在线杂货零售中对AI预填充购物篮的接受，并将技术接受模型（TAM）机制与客观互动绩效联系起来。采用现场接近的单组前后设计，参与者在标准化在线商店中编辑AI预填充购物篮，并使用0-100滑块量表完成前后任务调查；日志数据捕捉了处理时间和编辑操作。分析基于n=297个有效案例。结果显示，在AI购物篮互动后，在线杂货使用意向出现了显著且统计显著的个体内增长，从39.17上升到59.78。TAM结果支持核心机制：感知易用性与感知有用性正相关，感知有用性强烈预测行为意向，而易用性对意向的直接效应未获支持。将感知与日志数据关联显示，接受与修正需求的相关性强于与处理时间的相关性。AI购物篮接受更依赖于减少返工同时保留用户控制，而非速度；因此，零售商应将AI购物篮设计为可控、可编辑、低返工的系统，而非以速度为导向的自动化工具。
**研究背景与问题**
在线杂货零售虽已成为数字零售的固定组成部分，但其日常使用仍受品类特定障碍限制。与传统电商不同，杂货购物要求消费者在一次购物场景中协调重复、多品类且常为家庭专属的决策，导致购物篮构建与修正成为高频使用的核心瓶颈。现有研究指出，在线杂货的接受度与消费者对数字购物体验的主观评价（如感知有用性和感知易用性）紧密相关，但技术推荐系统研究多聚焦于预测性能、模型架构等系统导向指标，缺乏对消费者在真实购买过程中如何接受自动化、委托式购物支持的实证证据。为此，本研究聚焦于AI预填充购物篮这一特殊辅助功能：系统不单推荐单品，而是提供可修改的完整购物提案。该功能能否被接受，关键取决于消费者是否将其视为便利提升还是控制权丧失。研究旨在通过整合技术接受模型（TAM）与客观互动绩效，填补主观接受评价与客观系统表现之间的研究空白。
**研究开展与结论**
研究人员在奥地利多座城市的实体杂货店附近进行现场拦截招募，共纳入297个有效案例。采用单组前后设计：参与者在标准化在线商店中编辑AI预填充购物篮，完成前后问卷调查（0-100滑块量表）并记录日志数据（处理时间与编辑动作）。主要结论包括：（1）互动后在线杂货使用意向显著上升（从39.17升至59.78）；（2）TAM核心机制成立：感知易用性正向关联感知有用性，感知有用性强预测行为意向，但感知易用性对意向的直接效应不显著；（3）主观接受与客观绩效的关联主要由编辑努力（修正需求）驱动，而非处理时间。研究表明，AI购物篮的接受取决于减少返工同时保留用户控制，应设计为可控、可编辑、低返工的系统，而非追求速度的自动化工具。该论文发表在《Journal of Theoretical and Applied Electronic Commerce Research》。
**主要关键技术方法**
采用现场接近的单组前后设计，通过标准化在线商店提供AI预填充购物篮；使用0-100滑块量表收集前后任务调查数据；借助日志系统捕获处理时间（秒）和编辑动作（添加/删除/替换次数）；构建绩效指数（对时间和编辑指标进行对数转换、z标准化后求负均值）；运用配对样本t检验、线性回归模型和皮尔逊相关性进行假设检验。样本来源于奥地利多个城市实体杂货店附近拦截招募的297名有效参与者。
**研究结果**
**4.1 样本与数据清洗**：在剔除了违反预设合理性标准（如极端处理时间或编辑值）的案例后，最终分析基于n=297个有效案例。人口统计特征（年龄、性别、家庭规模、居住区位）与核心接受和绩效指标无显著关联。
**4.2 描述性结果与相关性结构**：多条目量表内部一致性良好（感知易用性α=0.826，感知有用性α=0.811，行为意向α=0.871；使用意向前后测量分别为α=0.739和0.806）。相关性矩阵显示：感知易用性与感知有用性正相关（r=0.243），感知有用性与行为意向强正相关（r=0.528），但感知易用性与行为意向无显著相关（r=-0.045）。客观绩效指标中，编辑努力（log(E10)）与行为意向（r=-0.429）、感知有用性（r=-0.244）及使用意向（r=-0.377）负相关，而处理时间（log(T10)）与接受构念的关联较弱。
**4.3 假设检验**
**H1（接受/使用意向提升）**：配对样本t检验表明，AI购物篮互动后在线杂货使用意向显著高于互动前（均值从39.17升至59.78），支持H1。多元回归进一步显示，行为意向和感知有用性正向预测后测意向，编辑努力负向预测后测意向。
**H2（感知易用性→感知有用性）**：双变量线性回归显示，感知易用性对感知有用性有显著正向效应（b≈0.44，p<0.001，R2≈0.06），支持H2。
**H3（感知有用性→行为意向）**：感知有用性对行为意向有显著正向效应（b≈0.44，p<0.001，R2≈0.28），支持H3。
**H4（感知易用性→行为意向）**：感知易用性对行为意向的直接效应不显著（b≈-0.039，p=0.436），H4未获支持。
**H5（客观绩效→感知有用性）**：绩效指数与感知有用性显著正相关（b=0.201，p=0.006）；分解后编辑努力负向关联感知有用性（b=-0.257，p<0.001），时间无独立效应。支持H5。
**H6（客观绩效→感知易用性）**：模型整体边缘显著（F(2,294)=2.72，p=0.068），编辑努力显著负向关联感知易用性（b=-0.136，p=0.022），时间无独立效应。H6部分支持。
**H7（客观绩效→行为意向）**：模型显著（R2=0.189，p<0.001），编辑努力强负向预测行为意向（b=-0.446，p<0.001），时间无独立效应。支持H7。
**总结讨论与结论翻译**
讨论部分指出，研究揭示了AI预填充购物篮带来的短期使用意向提升，该提升源于初始摩擦减少与经验性有用性的结合。TAM机制中感知有用性主导意向形成，感知易用性通过有用性间接作用。客观绩效与接受间的选择性耦合表明，编辑努力（返工需求）比处理时间更关键，符合任务-技术匹配与算法厌恶理论：用户通过修正量推断系统质量和自身控制感。结论部分翻译如下：
总之，研究结果表明，AI预填充购物篮不应仅被视为技术推荐工具，而应理解为面向消费者的决策支持系统，其接受取决于感知有用性、可控性和低修正需求。因此，核心实践信息明确：AI杂货购物篮应设计为可控、可编辑、低返工的系统，而非以速度为导向的自动化工具。
