——基于CAB模型与产品类型的调节效应分析

唐滋岭， 喻寅昀（通信作者）， 吴思诗

（重庆交通大学经济与管理学院，重庆 400000）

摘要：数智技术正驱动直播电商生态深度重构。在AI数字人与真人主播并存的格局下，消费者购买意愿已成为优化主播服务供给、直播电商高质量发展的核心判断标准。本研究创新性地引入认知-情感-行为（全称，CAB）模型与顾客满意度理论，系统构建覆盖消费者直播购物全场景的构建“感知能力—感知交互质量—感知温暖”三维分析框架，系统探究影响消费者购买意愿的认知维度。基于400余份问卷调查数据，分析不同主播类型下各维度的作用机制，实证结果旨在揭示购买意愿的多维影响机制，助力直播电商高质量发展。

关键词：AI数字人主播；真人主播；CAB模型；购买意愿

一、引言

在数字技术与电子商务深度融合的背景下，直播电商已成为驱动消费增长与产业创新的重要引擎。习近平总书记明确指出“推动数字经济和实体经济深度融合”。《“十四五”电子商务发展规划》强调要推动直播电商规范健康发展；《“十四五”数字经济发展规划》进一步将“直播电商”列为数字经济新业态新模式；《关于推动直播电商高质量发展的指导意见（2024-2027年）》更将“培育数字人主播等新型业态”列为重点任务，支持虚拟主播技术迭代与场景应用。随着人工智能、虚拟现实等技术加速演进，直播形态从真人主导向虚拟数字人主播拓展。虚拟数字人直播具备形象可控、交互精准、持续在线等技术优势，被视为提升运营效率与用户体验的新路径。然而，虚拟主播在情感传递、真实感与信任构建等方面仍显不足，其与真人主播在心理影响机制及效应上的差异尚未得到系统探讨。

围绕主播影响机制的研究，逐渐从单一视角拓展至认知、情感与行为三大维度。在认知维度，孟陆等基于信息源特性理论，对主播“专业性”与“互动性”对购买意愿的差异化影响进行了讨论^[1]；张盈研究发现主播可信度与专业性的交互效应受产品类型调节^[2]。在情感维度，赵瑜和李孟倩^[3]基于叙事理论验证了虚拟主播拟人化设计的情感唤起作用；Huang等发现主播温暖特质通过情感共鸣提升消费者满意度与忠诚度^[4]。在行为维度，Gao等通过对社交媒体 influencers 的实证研究，揭示了互动性通过准社会互动与品牌信任影响购买意愿的中介机制^[5]；Liu等发现虚拟主播的交互类型需与产品涉入度及情境因素协同作用，才能有效提升购买意向^[6]。

认知、情感与行为并非独立维度，进一步的研究揭示了维度间具体的互动关系。Zhao等^[7]的研究表明，消费者认知评价通过情感反应影响行为意向的CAB路径受主播类型显著调节。Chen等^[8]从用户接受视角发现，感知有用性与感知易用性对购买意愿的因果关系是动态演变的，受到技术焦虑与隐私担忧的影响。官奕聪、吕欣^[9]则指出，虚拟主播的技术实现必须依托于拟人化设计与情感计算能力的配套升级，方能真正提升用户接受度。这些研究共同指向一个核心观点：直播电商的成效及购买意愿的提升，依赖于“认知-情感-行为”三者的整体适配与协同演进。Fiske等^[10]对社会认知的研究表明，只有将能力感知与温暖感知二者融合，才能有效提升整体评价实效。Oliver^[11]基于期望确认理论发现，满意度在认知与行为之间的中介效应若缺乏情感因素的协同，其绩效表现将大打折扣，这恰恰说明了多维协同的必要性。

此外，在方法设计方面，研究呈现出从理论探讨向实证检验、从单一方法向混合方法融合的转变。Zhang等^[12]运用结构方程模型对主播真实性影响冲动购买行为进行检验，通过中介效应分析清晰识别了信任与情感唤起的作用路径；De Wulf等^[13]同样采用跨行业比较方法对关系投资与满意度进行实证测评，为资源配置优化提供了依据；Meyvis等^[14]则在品牌延伸研究中综合运用了可及性模型与实验法。此外，Bootstrap中介检验、配对t检验、Kruskal-Wallis检验等方法被广泛用于揭示变量间复杂的因果关系与作用路径，研究设计日趋科学化与精细化。

基于以上分析，现有研究不仅从理论层面构建了主播影响机制分析框架，还从方法层面给出了复合式测量指标与方法。但聚焦于“AI数字人主播与真人主播比较”这一特定情境，现有研究仍存在以下不足：（1）多数研究虽涉及多个维度，但缺乏将“感知能力、感知交互质量、感知温暖”三者置于统一分析框架中，未能定量揭示三维度对购买意愿的独立贡献及交互作用机制；（2）在方法论上，尽管CAB模型与满意度理论在消费者行为领域应用成熟，但将其系统性地应用于评价直播电商“认知-情感-行为”全链条主播影响质量的实证研究仍较为少见；（3）现有研究对“产品类型”在主播感知与满意度关系中的调节作用关注不足，尤其缺乏针对高复杂度与低复杂度产品情境下主播配置策略的差异化研究。

二、理论基础与研究假设

（一）认知-情感-行为模型

认知-情感-行为（CAB）模型遵循“认知评估→情感反应→行为意向”的因果路径，系统阐释个体态度与行为形成机制的经典理论框架，为理解多元情境下的消费者决策提供了稳健范式。在直播电商等数字交互场景中，该模型展现出持续解释力。从实际情境来看，消费者对主播的感知能力、互动质量等认知评价，能够激发积极的情感反应（如满意度），进而提升其购买意愿；此外，弹幕、点赞、分享等即时互动行为实时呈现于屏幕，高度还原线下购物对话场景，使消费者在信息获取与心理体验中获得专业感、信任感与愉悦性，从而显著增强购买意愿。然而，现有研究多聚焦单一主播类型或情感路径，尚未系统比较AI数字人与真人主播在多维认知体验（感知能力、交互质量、温暖）上的差异如何通过情感机制影响购买行为，也较少探讨产品类型的调节作用。为此，本研究基于CAB模型构建整合框架，旨在揭示并比较两类主播的影响机制与边界条件。

1.研究模型与直接效应假设

消费者对主播的认知感知主要体现在三个维度：感知能力、感知交互质量与感知温暖。这些认知评价共同构成了直播体验的关键前因，并通过顾客满意度这一核心情感变量，最终影响购买意愿。基于此，构建本研究理论模型如图1所示。

基于社会认知理论及相关研究^[2][10]，主播类型是影响消费者初始认知的关键因素。真人主播凭借其亲和力、互动意识与专业形象，通过富有感染力的直播方式营造轻松氛围，激发消费者的愉悦情感。相较于AI数字人主播，真人主播在专业知识、可信度及人性化特质方面更具优势。据此提出以下假设：

假设H1：消费者对真人主播的认知感知水平高于对AI数字人主播的认知感知水平。

同时，积极的认知评价是形成满意情感的基础。根据期望确认与关系营销理论^[11][13]，消费者对主播能力、互动质量及温暖特质的正面感知，将直接提升其对直播体验的整体满意度。张盈^[2](2023)发现，在直播电商情境下，主播可信度与专业性的交互效应显著影响消费者满意度。由此可假设：

假设H2：消费者对主播的认知感知水平正向影响其顾客满意度。

假设H2a：感知能力正向影响顾客满意度。

假设H2b：感知交互质量正向影响顾客满意度。

假设H2c：感知温暖正向影响顾客满意度。

假设H2d：感知能力、感知交互质量、感知温暖三者交互正向影响顾客满意度。

假设H2e：感知交互质量与感知温暖二者交互正向影响顾客满意度。

假设H2f：感知能力与感知交互质量二者交互对顾客满意度影响不显著。

假设H2g：感知温暖与感知能力二者交互对顾客满意度影响不显著。

2.满意度的中介效应假设

依据态度-行为关系理论，满意度作为消费者对体验的整体情感评价，是驱动行为意向最直接且稳定的近端变量^[15][16]。在直播场景中，消费者对主播的认知感知需经由满意度这一情感枢纽，方能有效转化为购买意愿。Oliver^[16]基于期望确认理论指出，满意度在认知与行为之间起关键中介作用。此外，在注意力经济时代，直播间满意度本身成为一种重要的无形资源：高满意度能够为主播带来更多流量，累积直播间热度并提升平台排名，从而吸引更多关注与信任，为购买意愿的形成奠定基础^[7]。研究表明，满意度不仅能延长消费者在直播间的停留时间，还会促使其在短暂退出后多次返回，这些行为均预示着购买意愿的产生^[7]。

根据上述分析，由此可假设：

假设H3：顾客满意度在消费者对主播的认知感知与购买意愿之间起中介作用。

假设H4：顾客满意度正向影响消费者购买意愿。

3.产品类型的调节效应假设

伴随直播电商模式快速更迭，真人直播与数字人直播已形成并行发展态势。产品属性可能调节认知感知对满意度的影响路径，对于高复杂度或功能型产品，消费者决策更依赖专业判断，主播的感知能力尤为关键^[14]。真人直播依托抖音、淘宝、快手等平台，具有真实性强、互动度高的优势，观众能深切感受主播的真实情感与专业知识，促进深度交流与情感共鸣。但高强度工作易导致主播疲劳，营销效果可能随时间衰减。

数字人直播利用3D高精模拟技术生成虚拟形象，通过语音或手势实现智能驱动与实时互动。相较于真人直播，其在成本效益、效率提升、品牌推广等方面具有天然优势。但受限于合成技术，当前多数数字人主播缺乏真实感与亲密性，情感表达不足，语音自然度有限，易导致观众疲劳，难以产生共鸣。研究表明，观看实用型产品直播时，数字人主播互动性对消费者吸引力与消费意愿无显著影响。相比之下，感知交互质量所建立的情感联结与感知温暖所激发的情感共鸣，其作用可能更具普适性，不易受产品具体类型的影响^[13][17]。由此可假设：

假设H5：产品类型正向调节感知能力与顾客满意度的关系，即对于高复杂度/功能型产品，感知能力对满意度的正向影响更强。

假设H6：产品类型在感知交互质量与顾客满意度的关系中的调节作用不显著。

假设H7：产品类型在感知温暖与顾客满意度的关系中的调节作用不显著。

本文模型框架见图1。

图1  模型框架

（二）研究设计

1.问卷设计与收集

问卷设计严格遵循因素来源表（见表1）：在感知能力维度，借鉴Ohanian的信源可信度模型与Hovland的经典说服研究，设置专业性、吸引性、说服力及可信性四个测量题项；感知交互质量维度则整合Kang等关于互动性的前沿研究与Parasuraman的服务质量理论，从互动性、实时性、有趣性、准确性及友好性五个层面捕捉用户交互体验；感知温度维度依据Horton的准社会互动理论与Fiske的社会认知模型，分别测量情感纽带性与热情性；而满意度与购买意愿作为结果变量，分别沿用Oliver的经典满意度量表及Dodds等的购买意愿测量范式。此外，产品类型的调节作用通过Zaichkowsky的涉入度量表加以控制，确保研究设计的理论严谨性与测量工具的信效度。

为确保受访者具有直播观看与消费经验，本研究通过在线问卷平台收集数据。首先要求受访者观看并识别AI数字人主播片段，随后回答与各研究变量相关的问题。共回收问卷404份，剔除无效回答后，获得有效问卷402份，有效回收率为99.5%。

表1  各因素来源表

2.变量测量

本研究采用7点李克特量表进行测量（1=非常不同意，7=非常同意），所有测量题项均借鉴国内外成熟量表。其中，感知能力的测量参考Zhang等^[12]的研究，共8个题项；感知交互质量参考Liu等^[6]的研究，共10个题项；感知温暖参考Huang等^[4]的研究，共4个题项；顾客满意度参考Chen和Zhou^[8]的研究，共3个题项；购买意愿参考Zhao等^[7]的研究，共1个题项。产品类型作为调节变量，通过4个题项测量受访者对直播中所推荐产品的复杂/功能型程度的感知。

3.描述性统计

有效样本的人口统计学特征显示，绝大多数受访者（98.3%）有过直播观看经历，平均观看频率处于中等偏上水平（M=3.099，SD=1.114），表明样本对直播场景具备必要的熟悉度。消费者对主播的感知评价整体积极，其中感知温暖均值最高（M=4.621），感知交互质量（M=4.531）与感知能力（M=4.356）次之。购买意愿（M=4.609）与顾客满意度（M=4.600）均呈正向。产品类型感知具备足够变异（M=4.407，SD=1.293），满足调节效应检验要求。

三、实证分析

（一）信度分析与效度分析

信度检验采用Cronbach’sα系数进行检验，结果显示α=0.884，高于0.7的可接受阈值^[27]，表明内部一致性优良。校正项总计相关性（CITC）均大于0.5，且删除任一题项后α系数未显著提升，各测量项一致性良好。效度检验方面，探索性因子分析显示，KMO值为0.845，Bartlett球形检验显著（χ²=477.268，df=21，p<0.001），适宜因子分析。主成分分析提取两个因子，累积方差解释率为78.22%。各题项因子载荷均高于0.4，共同度均大于0.4，结构效度较好。进一步检验聚合效度与判别效度。各构念平均方差萃取量（AVE）均大于0.5，组合信度（CR）均高于0.7，符合Fornell与Larcker^[28]所提出的标准，聚合效度良好。各构念AVE平方根均大于其与其他构念的相关系数，判别效度满足要求。

（二）自变量总方差分析

通过自变量总方差解释表中可以得出，初始特征值大于1的有六个成分，提取6个因子共解释56.45%的总方差，其中成分1最重要，解释23.14%；成分6最弱（3.01%）。

成分1主要反映真人主播的情感连接与互动体验对消费者满意度和购买意愿的影响，旋转载荷平方和8.79，方差百分比23.14%。项目C9载荷0.731，项目D1载荷0.708，项目D3载荷0.705，项目C5载荷0.648。这些高载荷项目表明，真人主播在情感共鸣、亲切感和互动温度方面的优势是消费者形成直播观看满意度和购买决策的重要因素。

成分2显示AI数字人主播的技术专业性与吸引力，旋转载荷平方和5.43，方差百分比14.28%。项目B3载荷0.740，项目B1载荷0.722，项目B5载荷0.631。上述数据表明，AI数字人主播凭借其技术先进性、专业讲解能力和智能推荐功能，对特定消费者群体具有较强的吸引力。

成分3反映不同商品类型下消费者对AI数字人主播推荐的接受度，旋转载荷平方和3.42，方差百分比8.99%。项目G3载荷0.649，项目G4载荷0.591，项目G2载荷0.587。这些载荷值显示，消费者在不同商品类别购买场景中对AI数字人主播的接受程度存在差异，尤其在科技类产品上表现更为明显。

成分4表明人口统计学特征对直播观看行为的影响，旋转载荷平方和1.39，方差百分比3.67%。项目A3载荷0.754，项目A4载荷0.716，表明不同年龄阶段和职业背景的消费者对AI数字人主播和真人主播的偏好存在显著差异。

成分5展示消费者对AI数字人主播的认知识别能力，旋转载荷平方和1.28，方差百分比3.36%。项目A1载荷0.702，项目A5载荷0.640，表明消费者对AI数字人主播的识别能力和直播观看经验会影响其对主播类型的感知和态度形成。

成分6反映直播使用频率与性别因素的影响，旋转载荷平方和1.14，方差百分比3.01%。项目A6载荷0.661，项目A2载荷0.635，表明消费者的直播观看习惯和性别特征也会对其在AI数字人主播与真人主播之间的偏好产生一定影响。

（三）旋转后的成分矩阵分析

旋转后的成分矩阵结果决定每个题项归哪个因子。通过因子载荷分析，将36个题项（A1-G4）分配到该6个成分上。

综上所述，本研究测量工具信效度检验均达标，信度良好，聚合效度与判别效度满足Fornell与Larcker标准，因子结构清晰。该量表可用于后续假设检验。

（四）主效应检验

1.主效应模型

为检验研究假设，本研究构建多元线性回归模型。其中，模型一检验感知能力对顾客满意度的影响（H2a），模型二检验感知交互质量对顾客满意度的影响（H2b），模型三检验感知温暖对顾客满意度的影响（H2c），模型四检验顾客满意度对购买意愿的直接效应（H4）。

主效应检验结果证实了消费者对主播的认知感知各维度对顾客满意度的直接正向影响（H2），以及顾客满意度对购买意愿的直接正向影响（H4）。修正后模型的整体拟合效果良好（F=4.371, p<0.001；调整后R²=0.546），表明该模型能够有效解释超过54.6%的顾客满意度变异。

感知能力、感知交互质量与感知温暖三个维度均对顾客满意度产生显著的正向驱动作用，假设H2成立。分维度路径分析结果显示见表2：感知温暖对满意度的正向影响最为突出（β=0.424, p<0.001），其影响强度最高（0.106）；感知交互质量的影响次之（β=0.384, p<0.001；影响强度0.091）；感知能力的影响虽然显著，但相对较弱（β=0.134, p=0.002；影响强度0.076）。这一结果说明，在直播电商情境下，基于情感联结的“温暖”体验是提升消费者满意度的最关键认知因素。同时，满意度对购买意愿的直接促进效应也得到验证（β=0.307, p<0.001），假设H4成立，进一步明确了“认知→情感→行为”的传导路径。

表2  主效应各因素影响系数检验

（五）正态性检验

对各变量进行 Kolmogorov-Smirnov 与 Shapiro-Wilk 检验。结果显示如表3，“真人主播感知能力”“真人主播感知温暖”及“AI主播感知温暖”的分布显著偏离正态（p< 0.05），其余变量符合正态分布。因此，后续分析将根据分布类型选用相应检验方法。

表3  正态分布检验

（六）感知影响检验

配对 t 检验显示如表4，真人主播感知能力（M = 4.43）显著高于 AI 主播（M = 4.05），（t = 4.157，p = 0.000）结果表明消费者对真人主播的能力评价更高，支持 H1。

配对 t 检验结果如表5显示，两者在感知交互质量上无显著差异（t= 1.898，p= 0.061）。假设 H1 成立。

表4  感知影响配对t检验

由于变量不符合正态分布，采用 Kruskal-Wallis 检验。结果显示两组在感知温暖上均有显著差异（p = 0.000），进一步观察中位数分布，AI 主播在部分分位点表现略优。该结果支持 H1，表明 AI 主播在温暖传递上具有一定优势。

（七）中介效应

为揭示感知维度影响购买意愿的内在机制，采用Bootstrap法检验顾客满意度的中介作用，结果见表6。结果表明，满意度在感知温度与购买意愿间起完全中介作用（效应值0.13，95% CI [0.029, 0.196]），直接效应不显著，这说明情感温度需经由整体满意才能促进购买。在感知交互质量路径中，满意度起部分中介作用（间接效应值0.118，95% CI [0.023, 0.165]），交互质量仍对购买意愿有显著直接效应，表明高质量互动兼具即时价值与情感转化功能。感知能力通过满意度影响购买意愿的路径不显著，提示专业性认知可能需协同其他情感或情境因素。综上，满意度在“感知→情感→行为”链中扮演关键枢纽角色，尤其在情感温暖与互动体验路径中作用显著，假设H3、H4成立。

表6  满意度的中介效应检验

（八）产品类型的调节效应

产品类型（PT）在感知能力与满意度关系中的调节效应模型如下：S=β0+β1⋅PC+β4⋅PT+β5⋅(PC×PT)+εS=β0+β1⋅PC+β4⋅PT+β5⋅(PC×PT)+ε。交互项系数 β5=0.190（p=0.005），表明产品类型对“感知能力—满意度”路径具有显著正向调节作用。简单斜率分析显示，对于高复杂度产品，感知能力对满意度的正向影响更强（β=0.750）。

本研究检验了产品类型在感知维度与满意度之间的调节作用。结果见表7，产品类型仅显著调节感知能力与满意度的关系。引入交互项后模型解释力显著提升（ΔR² = 0.060，p = 0.005），交互项系数为正且显著（β = 0.190，p < 0.01）。简单斜率分析表明，对于专业性较高的产品，感知能力对满意度的正向影响更强（β = 0.75，p < 0.001）；反之则不显著。产品类型在感知交互质量及感知温度与满意度的路径中无显著调节作用，二者影响在不同产品类型中均保持稳定。这表明，产品特性主要调节认知性能力感知的作用边界，而对情感性互动及温暖感知的影响具有普遍性。

表7  产品类型调节作用检验

四、结论

本研究基于认知-情感-行为整合框架，比较了AI数字人与真人主播对购买意愿的差异化影响机制。结果显示表明，真人主播在感知能力上占优，但AI主播在感知温暖上更佳，二者在感知交互质量上无显著差异，这表明技术赋能已使虚拟主播的互动体验接近真人水平，但在专业权威与情感深度上仍有差距。进一步地，顾客满意度在感知维度与购买意愿之间发挥关键中介作用。其中，感知温暖完全通过满意度影响购买意愿；感知交互质量呈部分中介效应；感知能力的中介路径不显著。产品类型仅调节感知能力与满意度的关系，对情感性路径无显著调节作用，体现了认知路径与情感路径的差异化边界。

研究揭示两类主播在能力与温暖维度的相对优劣势；识别满意度在CAB模型中的完全中介、部分中介与中介不显著三种模式；发现产品类型的路径特异性调节效应，拓展了情境因素在关系营销中的理论内涵。但基于截面数据，因果推断受限，未来可纳入主播特征、消费者特质与平台情境等边界条件进行系统检验。

参考文献：

[1]孟陆,刘凤军,陈斯允,等.我可以唤起你吗——不同类型直播网红信息源特性对消费者购买意愿的影响机制研究[J].心理学报,2020,52(3):371-385.

[2]张盈.电商直播中主播专业性、可信度对消费者购买意愿的影响研究[J].商业经济研究,2023(4):86-89.

[3]赵瑜,李孟倩.从"真人"到"数字人"：直播电商中虚拟主播的叙事逻辑与消费体验变革[J].新闻界,2023(1):37-46.

[4]Huang M,Wang C,Zhang H.The impact of streamer warmth on consumer satisfaction in live streaming commerce[J].Journal of Consumer Behaviour,2021,20(4):789-802.

[5]Gao W,Liu Y,Li X.How do social media influencers affect purchase intention? The mediating role of brand trust and parasocial interaction[J].Journal of Retailing and Consumer Services,2021,63:102746.

[6]Liu M,Qin M,Zhang J.The differential impact of virtual streamers' interaction type on purchase intention: the moderating role of product involvement[J].Information & Management,2025,62(1):103941.

[7]Zhao Y,Chung M.How virtual streamers shape purchase intention: a comparative study with human streamers[J].Journal of Interactive Marketing,2025,58:1-15.

[8]Chen Y,Zhou L.How virtual streamers affect purchase intention: a comparative study based on cognitive-affective model[J].Journal of Business Research,2022,145:1-12.

[9]官奕聪,吕欣.虚拟主播的兴起、机遇与挑战[J].青年记者,2020(26):91-92.

[10]Fiske S T,Cuddy A J C,Glick P.Universal dimensions of social cognition: warmth and competence[J].Trends in Cognitive Sciences,2007,11(2):77-83.

[11]Oliver R L.A cognitive model of the antecedents and consequences of satisfaction decisions[J].Journal of Marketing Research,1980,17(4):460-469.

[12]Zhang L,Shao Z,Li X,et al.The influence of live streamers' authenticity on consumers' impulse buying behavior: the mediating role of trust and emotional arousal[J].Information Technology & People,2021,35(7):2365-2388.

[13]De Wulf K,Odekerken-Schröder G,Iacobucci D.Investments in consumer relationships: a cross-country and cross-industry exploration[J].Journal of Marketing,2001,65(4):33-50.

[14]Meyvis T,Janiszewski C.When are broader brands stronger brands? An accessibility perspective on the success of brand extensions[J].Journal of Consumer Research,2004,31(2):346-357.

[15]Fishbein M,Ajzen I.Belief,attitude,intention and behavior: An introduction to theory and research[M].Reading,MA:Addison-Wesley,1975.

[16]Oliver R L.Satisfaction: A behavioral perspective on the consumer[M].New York:McGraw-Hill,1997.

[17]Williams L E,Bargh J A.Experiencing physical warmth promotes interpersonal warmth[J].Science,2008,322(5901):606-607.

[18]Ohanian R. Construction and validation of a scale to measure celebrity endorsers' perceived expertise, trustworthiness, and attractiveness[J].Journal of Advertising, 1990, 19(3): 39-52.

[19]Cialdini R B. Influence: The psychology of persuasion[M]. New York: William Morrow and Company, 1984.

[20]Kang K, Wang M, Lu J. From "Risk-Concerning" to "Elation-Seeking": Effects of live influencer-generated content on customer engagement in live-streaming commerce[J]. Journal of Retailing and Consumer Services, 2022, 66: 102929.

[21]Parasuraman A, Zeithaml V A, Berry L L. SERVQUAL: A multiple-item scale for measuring consumer perceptions of service quality[J]. Journal of Retailing, 1988, 64(1): 12-40.

[22]Ha L, James E L. Interactivity reexamined: A baseline analysis of early business web sites[J]. Journal of Broadcasting & Electronic Media, 1998, 42(4): 457-474.

[23]DeLone W H, McLean E R. Information systems success: The quest for the dependent variable[J]. Information Systems Research, 1992, 3(1): 60-95.

[24]Horton D, Wohl R R. Mass communication and para-social interaction: Observations on intimacy at a distance[J]. Psychiatry, 1956, 19(3): 215-229.

[25]Dodds W B, Monroe K B, Grewal D. Effects of price, brand, and store information on buyers' product evaluations[J]. Journal of Marketing Research, 1991, 28(3): 307-319.

[26]Zaichkowsky J L. Measuring the involvement construct[J]. Journal of Consumer Research, 1985, 12(3): 341-352.

[27]Nunnally J C, Bernstein I H. Psychometric theory[M]. 3rd ed. New York: McGraw-Hill, 1994.

[28]Fornell C, Larcker D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research, 1981, 18(1): 39-50.

基金项目：2025年度重庆市大学生创新创业训练计划项目（编号：S202510618022X）；重庆市教育科学规划课题（K24YG2070135）