虚拟网红披露降低非粉丝感知真实性与购买意愿：基于期望不一致理论的实验研究

对于通过算法推荐首次接触“看似真人”的虚拟网红的非粉丝用户而言，明确披露其AI生成身份会显著降低感知真实性，进而引发负面期望不一致，最终削弱互动与购买意愿。Journal of Product & Brand Management 发表的研究指出，这种负面影响在初次接触阶段尤为关键，因为用户缺乏既往经验，其评价标准主要源于对“人类网红”这一类别的固有预期。

该研究通过两项针对美国非粉丝用户的在线实验（样本量分别为303人和316人），验证了上述机制。结果显示，在所有实验组中，虚拟网红身份的披露均导致感知真实性下降，并产生更强烈的负面期望不一致感，从而减少互动意向。在第二项实验中，这一连锁反应进一步延伸至购买意向的降低。研究采用SmartPLS 4进行验证性因子分析以确保测量效度，并利用PROCESS串行中介分析检验假设，证实了从披露到真实性、再到期望不一致、最后影响行为意向的串行间接效应显著存在。

品牌方在使用呈现为真人的虚拟网红面向陌生受众时，应将披露视为一种期望管理策略，即在初始曝光阶段就清晰标识其AI或虚拟身份。管理者需认识到，虽然透明化是必要的，但披露本身可能会因打破用户对“真实人类”的预期而损害感知真实性，进而抑制参与度和转化效果。这项研究拓展了期望不一致理论的应用边界，揭示了在无先前体验的情况下，类别基线预期如何成为评估新信息的关键参照点，感知真实性则是连接新信息与期望落差的核心评价机制。