文献：Yu, X., Xu, D. J., & Li, K. (2026). Effects of AI reviews on consumers’ purchase intention: Influence of product category, review breadth, and consumer review volume. Decision Support Systems, 201, Article 114590. DOI 10.1016/j.dss.2025.114590。DSS（Elsevier），官网当前 JIF 6.8；Asta 引用快照 7（2026-09-03）。

研究问题：AI 评论（由人工智能生成的产品评论）正在渗透社交电商——平台自动汇总、生成评论摘要甚至整段“AI 推荐理由”。但消费者对“机器写的评价”会怎么看？评论效果历来受产品类型（搜索型 vs 体验型）与评论生态（评论广度、其他消费者评论数量）影响，这些调节在 AI 评论语境下是否依然成立？论文要回答：AI 评论能否增强消费者购买意愿？产品类别、AI 评论覆盖广度与消费者评论数量如何共同调节其效果？

论证思路：研究使用中国社交电商平台数据，并采用**工具变量（IV）+ 双重差分（DID）**的方法识别 AI 评论的因果效应——这是本批文献中因果识别策略较强的一篇。产品类型构成核心调节：搜索型产品（信息客观可核实）与体验型产品（依赖主观感受）对“AI 生成的信息”接受度不同。评论广度（AI 评论覆盖的产品/评价面）与消费者评论量（真人评论的多寡）则刻画了“AI 评论在真实评论生态中的位置”——AI 评论不是孤立存在的，它与真人评论的密度相互作用。

一、核心发现：AI 评论“挑产品”，搜索型产品受益

• 搜索型产品显著受益，体验型产品无效：AI 评论能显著增强搜索型产品的购买意愿（客观属性信息可由 AI 高效、一致地呈现），但对体验型产品没有显著效果（主观感受难以由 AI 替代，消费者仍依赖真人体验描述）。产品类别是 AI 评论有效性的第一道分水岭。
• 搜索型产品：广度与真人评论量正向放大：对搜索型产品，AI 评论覆盖范围越广、平台上消费者评论数量越多，AI 评论的效果越强——AI 的“全面客观”与真人评论的“海量佐证”形成互补，共同说服消费者。
• 体验型产品：倒 U 型与反向调节：对体验型产品，AI 评论覆盖广度呈倒 U 型影响（适度广度有利，过宽反而稀释可信度）；而消费者评论数量会削弱 AI 评论效果——真人评论越多，AI 评论越显得“多余甚至可疑”。

二、研究价值与边界

• 价值：把 AI 生成内容的效果研究从“有没有效”推进到“在什么生态条件下有效”，并提供了 IV+DID 的因果证据（优于同批多数问卷研究）；对平台内容策略有直接含义——AI 评论应部署在搜索型品类、并与真人评论生态协同而非替代。
• 边界：单一中国社交电商平台的数据；“AI 评论”的界定与披露方式（消费者是否知情为 AI 生成）是重要边界条件，需回原文确认；工具变量的有效性假设需结合原文稳健性检验评估。

启示一句话

AI 评论不是“放之四海而皆准”：在搜索型产品上做广度、借力真人评论；在体验型产品上慎用、避免与真人评论抢戏——内容生态的协同比 AI 文本本身更重要。

---

收录说明：本文来自“AI 赋能电商研究：近一年高 IF、高被引文献”专题。摘要与发现为中文概述，详细论证请以论文原文为准。