How recommendation explanation cues shape consumers’ multistage online behavior: An integrative information-processing framework
摘要: 算法推荐已成为电商平台影响消费者决策的重要信息环境, 但既有研究侧重算法类型、准确性及转化效果, 较少考察推荐解释线索对消费者信息加工与多阶段决策的影响。本文聚焦前端的相似用户型与产品属性型解释线索, 将其视为具有不同心理含义的信息线索, 而非后台算法类型: 前者强调相似他人行为, 后者强调产品属性匹配, 并构建购前搜索—购中选择—购后反馈框架。购前, 产品属性型线索通过降低感知产品差异促进目标导向型搜索; 相似用户型线索通过提高感知产品差异促进探索型搜索。购中, 相似用户型线索借助社会证明降低感知产品不确定性, 提高选择不熟悉产品的可能性, 增强选择信心并提升决策效率。购后, 相似用户型线索形成的推荐来源表征通过增强产品社会联结感, 提高反馈努力与质量, 并可能在后续评价触点中被重新激活。本文揭示推荐解释线索通过差异化信息加工机制影响消费者在线多阶段行为, 为推荐解释设计与消费者信息加工研究提供整合框架。
Authors
- Shen Duan (ORCID: https://orcid.org/0000-0003-4682-9626)
- Zihan ZHANG
Institutions
- Zhongnan University of Economics and Law (CN)
Publication Details
- Journal
- Advances in Psychological Science
- Published
- 2026-11-12
- DOI
- https://doi.org/10.3724/sp.j.1042.2027.0360
- Primary Topic
- Digital Marketing and Social Media
- Type
- article
- Field-Weighted Citation Impact
- 0.00