文献：Ma, J., Zhang, D., Chen, C., & Du, H. S. (2026). Matching generative AI word-of-mouth with product type: Impact on consumer adoption and trust. Journal of Retailing and Consumer Services, 90, Article 104615. DOI 10.1016/j.jretconser.2025.104615。JRCS（Elsevier），官网当前 JIF 13.1；Asta 引用快照 9（2026-09-03）。

研究问题：平台开始用生成式 AI 自动撰写商品口碑/评论（如 AI 总结的买家评价、AI 生成的产品种草文）。消费者天然会怀疑“AI 写的评价算不算数”。但口碑的效果高度依赖产品类型：搜索型产品（参数、规格、客观属性可核实，如电子产品）与体验型产品（靠主观感受，如香水、餐厅）的信息需求截然不同。论文要回答：AI 生成的口碑在什么产品类型下更有效？AI 口碑与产品类型匹配，是否、以及如何影响消费者的采纳与信任？

论证思路：研究的核心概念是“匹配（matching）”——AI 口碑的效力取决于它与产品信息需求是否对口。作者通过实验/多研究设计，操纵 AI 口碑的内容特征与产品类型，测量消费者对 AI 口碑的采纳（是否据此决策）与信任（是否相信其真实有用）。理论框架围绕信息诊断性与消费者归因展开：当 AI 口碑提供的信息正好是消费者判断该类产品所需要的（搜索型产品的客观细节 vs 体验型产品的感受描述），其诊断价值最高，消费者也更容易把 AI 口碑归因为“有用的信息”而非“平台操纵的营销话术”。

一、核心发现：匹配决定效果

• AI 口碑并非一概有效：其说服力存在边界条件——只有当口碑内容与产品类型的信息需求匹配时，消费者才更可能采纳并信任 AI 生成的口碑。对需要客观属性信息的搜索型产品，若 AI 口碑泛泛而谈主观感受，效果大打折扣；反之亦然。
• 匹配通过信任起作用：匹配的口碑提升消费者信任，信任进而促进采纳与购买决策；不匹配时，消费者更可能把 AI 口碑视为“AI 生成的低质内容”而打折扣。
• 对平台与卖家的含义：不要用一套 AI 文案模板打所有品类——应根据产品类型定制 AI 口碑的侧重点（客观参数 vs 主观体验），并考虑在 AI 生成内容上做适当标识，管理消费者的来源预期。

二、研究价值与边界

• 研究价值：把“内容生成”与“信息经济学/诊断性”结合，避免了对“AI 口碑有效吗”的一刀切回答，提示研究者与从业者关注产品类型的调节作用。
• 局限：摘要未披露样本与场景全貌（实验环境 vs 真实平台），外部效度需结合原文评估；“采纳”与“信任”的测量方式、效应量大小需回原文核对；AI 口碑标识策略（是否披露 AI 生成）可能改变结果，原文是否纳入需确认。

启示一句话

AI 口碑的威力在“对口”：搜索型产品讲参数、体验型产品讲感受——用对类型，AI 口碑才是口碑；用错类型，它就只是“AI 生成内容”。

---

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。