5
0研究一：算法如何通过"曝光设计"改写你的消费偏好
核心发现（详细版）
• 平台通过"数据设计"系统性地操控消费者偏好学习过程
• 消费数据的结构（展示什么、以什么顺序展示）直接塑造消费者偏好认知
• "捆绑销售"创造相关性曝光：在你脑子里建立本来不存在的消费关联
• "效用惊喜的传播"：算法设计出"惊喜"，让你在不知不觉中扩大消费范围
关键证据
• 两种曝光设计策略对比：
◦ 流行度偏见捆绑：推荐热门商品，减慢偏好学习速度
◦ 打破相关性捆绑：推荐非常规组合，加速偏好发现
专业术语
• 数据设计（Data Design）：通过操控消费数据结构来影响偏好形成的理论框架
• 效用惊喜传播（Utility Surprise Propagation）：算法通过产品组合创造出消费者预期之外的满足感
营销启示
1. 新品推广难的核心原因：平台算法不会把新品推给可能感兴趣的人
2. 监管方向：需要直接干预曝光结构本身
3. 反向利用：可通过更聪明的捆绑策略让品牌成为"被推荐"选项
可执行建议
• 在设计产品组合时，主动思考如何利用平台的曝光推荐逻辑
• 评估品牌在平台推荐算法中的"能见度"策略
研究二：十分之一的消费者正在和AI谈恋爱
核心发现（详细版）
• 10%的全球消费者表示曾与AI聊天机器人有过恋爱关系
• 62%的AI伴侣用户更倾向向AI寻求个人事务建议，而非向人类朋友求助
• 核心驱动因素：孤独感普遍化 + "无摩擦互动"需求
专业术语
• AI伴侣经济：将AI聊天机器人作为情感寄托和恋爱对象的经济现象
• 无摩擦互动：指没有任何社会压力、时间限制或情感负担的交互体验
营销启示
1. 品牌AI助手应承担更多"情感陪伴"功能
2. 消费者信任AI的方式：因AI"懂我"而信任，而非因AI"专业"
3. AI交互设计需从功能导向转向情感导向
4. 风险警示：涉及年轻用户或弱势群体时需极度谨慎，避免放大不健康的依赖模式
可执行建议
• 重新审视品牌AI助手的定位：从"服务工具"升级为"情感伙伴"
• 在AI交互设计中融入个性化情感识别能力
• 对情感敏感场景建立AI使用边界和伦理准则
研究三：消费者真心想要可持续消费吗？
核心发现（详细版）
• 主动搜索环保信息确实能提高消费者对道德因素的重视程度
• 关键机制：不是"搜索"本身，而是"认识到自己的知识差距"
• 意识到"不知道"的参与者：更愿意搜索相关信息、调整未来购买决策
• 原有知识丰富的参与者反而改变不大：因为觉得自己已经足够"明智"
关键证据
• "部分信息问题"：可持续消费本质是信息问题——消费者不知道自己不知道什么
• 一旦意识到知识盲区，改变就更容易发生
专业术语
• 部分信息问题（Partial Information Problem）：消费者想做负责任消费，但往往存在系统性认知盲区
• 良心消费主义：一种追求道德消费的意识形态，但实际行动往往滞后于意图
营销启示
1. 消费者需要被"提醒"不知道什么，而不是被"教育"该怎么做
2. 错误的策略："你应该买我们的产品，因为它更环保"——会引发抵触情绪
3. 正确的策略：帮消费者"发现"知识盲区，而非告知"正确答案"
4. 可持续营销的悖论：很多绿色标签本身就是消费陷阱
可执行建议
• 通过产品溯源信息让消费者自己看到生产过程的问题
• 品牌角色定位：提供自我探索工具，而非道德权威
• 避免高高在上的说教式绿色营销
