實現(xiàn)AI“自主研究”！他們提出消費研究新范式

“數(shù)智創(chuàng)新與管理”

ZJUSOM

在數(shù)字經(jīng)濟成為國家重要戰(zhàn)略支撐、消費作為經(jīng)濟增長核心動力的時代背景下，我國超大規(guī)模市場的商貿(mào)供需精準匹配需求日益迫切，消費者綠色健康消費行為的全面重塑推動產(chǎn)業(yè)結構升級，消費安全保障與恐慌情緒科學干預關乎市場穩(wěn)定運行，這些核心議題共同構成數(shù)智化消費時代的重要命題，直接關聯(lián)國家消費提質(zhì)擴容戰(zhàn)略落地與經(jīng)濟高質(zhì)量發(fā)展大局。

然而，在數(shù)智化消費環(huán)境下，消費者從被動對象變?yōu)閾碛袕碗s反饋、多重身份和動態(tài)行為的行動者，傳統(tǒng)靜態(tài)畫像與經(jīng)驗歸納在把握當前消費行為復雜性上面臨顯著局限，以往依靠問卷調(diào)研、實驗數(shù)據(jù)或交易記錄建模的研究范式，開始變得難以充分適配當下消費者行為多模態(tài)表達和復雜動態(tài)變演化，在全面可解釋與精準預測上可以有較大提升空間。消費研究，亟需一場范式革新。

圖片來源：?千庫網(wǎng)

AI的出現(xiàn)，為這場革新提供了新的思路。AI作為工具，不僅能通過模擬再現(xiàn)消費者決策過程，還能幫助研究者識別消費者的隱性偏好與動態(tài)行為模式，優(yōu)化營銷策略，比如用大模型生成個性化推薦路徑，以提高預測精度。

但更進一步的問題是：能否將AI從工具轉為研究主體，把它視為可以替代或補充人類的研究代理？近年來，生成式AI（Generative AI）及其背后的基礎大模型（Foundation Models）的突破，正推動消費研究從“數(shù)據(jù)驅動解釋”邁向“語義理解、行為模擬與策略演化”的新階段。那么，如何構建動態(tài)建模和策略演化系統(tǒng)，實現(xiàn)對消費者的“自主研究”？近日，浙江大學管理學院教授王小毅、“百人計劃”研究員鄧萬江在《中國科學基金》發(fā)表研究，系統(tǒng)提出AI大模型與智能體驅動的消費研究“三階段”新范式，將演進路徑清晰地劃分為三個層次：消費感知、類腦模擬與自主演化。

*《中國科學基金》是國家自然科學基金委員會主管、主辦的綜合性學術期刊。主要宣傳黨和國家的科技方針政策、國家自然科學基金的發(fā)展戰(zhàn)略和資助政策，報道中國基礎研究的最新進展，傳播優(yōu)秀創(chuàng)新成果，交流科學基金管理經(jīng)驗，弘揚科學家精神，促進人才培養(yǎng)，為支撐國家基礎研究戰(zhàn)略決策，推動國家科技自立自強提供有力保障。

這一范式重構了數(shù)智時代的消費研究邏輯，不僅為破解行為異質(zhì)性預測、營銷策略動態(tài)優(yōu)化等難題提供了方法論革新，更推動消費研究從“被動洞察”邁向“主動演化”。

學者簡介

王小毅，浙江大學管理學院教授、博士生導師，浙大管院院長助理，浙江數(shù)字化發(fā)展與治理研究中心副主任、浙江大學神經(jīng)管理學實驗室副主任。研究領域：零售大模型與消費流通算法。

學者簡介

鄧萬江，浙江大學管理學院“百人計劃”研究員、博士生導師。研究方向：基于大數(shù)據(jù)的數(shù)字營銷和平臺經(jīng)濟等領域，與信息管理和運營管理有交叉研究。

本期【數(shù)智創(chuàng)新與管理】，一起來看他們?nèi)绾螢?strong>人機協(xié)同下的可持續(xù)消費實踐與營銷科學創(chuàng)新探索新方向。

傳統(tǒng)消費研究為何

難以跟上數(shù)智時代？

Part.1

消費研究作為市場營銷與微觀經(jīng)濟學的核心，早已形成從行為主義、認知信息加工到社會文化解釋的多元理論體系。但在數(shù)智時代，傳統(tǒng)研究范式的局限性愈發(fā)明顯。

首先，傳統(tǒng)的研究邏輯存在明顯的滯后性。傳統(tǒng)方法依賴歷史數(shù)據(jù)和人工調(diào)研，本質(zhì)是“事后解釋”而非“事前預判”。然而，面對直播電商、社交平臺等場景中消費者的實時互動與動態(tài)決策，這種靜態(tài)的研究方式難以捕捉其行為的演化軌跡。其次，數(shù)據(jù)處理面臨嚴峻挑戰(zhàn)。現(xiàn)在的消費數(shù)據(jù)形態(tài)復雜多樣——隨著多模態(tài)數(shù)據(jù)成為主流，文本、圖像、語音、行為軌跡等非結構化數(shù)據(jù)激增，數(shù)據(jù)量龐大且零散，傳統(tǒng)分析方法很難對其進行有效處理。最后，方法論層面存在根本性局限。傳統(tǒng)研究長期分裂為兩大陣營：實證主義取向雖擅長量化預測，卻缺乏深度解釋力；解釋主義取向注重語境洞察，卻難以實現(xiàn)精準量化。這種分野導致研究往往不得不在預測精度與洞察深度之間做出取舍，難以滿足數(shù)智時代消費者行為研究的要求。

圖片來源：?千庫網(wǎng)

正是這些痛點，讓消費研究逐漸與真實市場脫節(jié)。而AI大模型與智能體的出現(xiàn)，恰好為突破這些局限提供了可能——它們不僅是提升研究效率的工具，更正在成為重構研究邏輯的核心載體。

總結三階段模型，

重構消費研究邏輯

Part.2

王小毅團隊提出的新范式，以AI技術與消費行為融合演進為主線，構建了“消費感知—類腦模擬—自主演化”的三階段模型，有望實現(xiàn)從“工具輔助”到“自主研究”的跨越。這三個階段層層遞進，形成了完整的動態(tài)研究閉環(huán)。

圖片來源：論文原文

第一階段：消費感知——從局部數(shù)據(jù)到全局洞察

新范式的第一層，是構建超越傳統(tǒng)方法的感知能力。過去，消費研究的數(shù)據(jù)基礎主要是結構化的交易記錄和問卷數(shù)據(jù)。如今，利用辨別式AI，我們可以整合文本、圖像、語音、行為軌跡等多模態(tài)數(shù)據(jù)，實現(xiàn)對消費者狀態(tài)的全面、實時感知。

其核心價值在于解決兩個關鍵問題。其一，數(shù)據(jù)的高維與稀疏性。在真實的零售場景中，單個顧客與成千上萬商品之間的交互矩陣極其稀疏。Transformer注意力機制與圖神經(jīng)網(wǎng)絡（GNN）等技術，能夠有效捕捉數(shù)據(jù)中復雜的語義和網(wǎng)絡關系，從看似無關的行為中識別出潛在消費模式。其二，消費者洞察的靜態(tài)與滯后性。通過持續(xù)的多模態(tài)數(shù)據(jù)流，系統(tǒng)可以實現(xiàn)對消費者注意、興趣點變化的動態(tài)監(jiān)測，將研究從靜態(tài)的快照分析升級為連續(xù)的動態(tài)刻畫。

圖片來源：?千庫網(wǎng)

比如在實體零售研究中，AI 可同時處理顧客咨詢文本、購物視頻、移動路徑、交易數(shù)據(jù)及天氣、促銷等外部變量，提煉出“哪些場景線索會觸發(fā)購買”的關鍵規(guī)律；在直播電商中，通過融合“用戶停留時長、商品點擊序列、主播話術文本”，有助于精準識別促使用戶下單的核心交互節(jié)點。在這一階段，AI的應用就像給消費研究裝上了“全景雷達”，讓隱性行為顯性化、零散數(shù)據(jù)系統(tǒng)化。

第二階段：類腦模擬——從行為描述到?jīng)Q策過程再現(xiàn)

如果說消費感知是“看行為”，類腦模擬就是“猜心思”。在具備了全局感知能力后，研究的核心問題就轉向了“我們能否理解并再現(xiàn)消費者的決策過程”？這就是新范式的第二層——類腦模擬。

這一階段借助生成式 AI，將消費者建模為具備動機和響應能力的數(shù)字主體，復現(xiàn)其認知決策過程——從環(huán)境刺激感知、購買決策鏈推導，到情感響應、偏好形成，甚至沖動購買、品牌忠誠等行為模擬，都能通過AI實現(xiàn)。

圖片來源：?千庫網(wǎng)

除了實現(xiàn)機理還原，讓AI模擬特定消費者畫像在給定情境下的完整決策鏈，“類腦模擬”還可以進行低成本試錯。在新產(chǎn)品概念測試或廣告創(chuàng)意評估中，研究者可以先用AI模擬不同細分客群的反饋，進行初步篩選，再針對關鍵問題進行小規(guī)模真人實驗，形成“AI初篩—人類精篩”的高效流程。此外，通過分析AI模擬決策的過程，研究者可能發(fā)現(xiàn)那些消費者自身都難以清晰表述的隱性動機和偏好。

第三階段：自主演化——從個體模擬到群體生態(tài)構建

新范式的最高層是自主演化，這是新范式的核心躍遷：營銷智能體通過與環(huán)境、其他智能體的交互，形成“感知—行動—反饋—優(yōu)化”的閉環(huán)，具備自主學習與策略演化能力。

在此階段，研究的對象不再是孤立的消費者模型，而是由多個AI智能體（代表消費者、商家、意見領袖等）共同構成的動態(tài)市場生態(tài)系統(tǒng)。此時，AI不再只是被動處理數(shù)據(jù)的工具，而是能主動生成假設、檢驗策略的“研究主體”。

圖片來源：?千庫網(wǎng)

斯坦福大學的Smallville虛擬小鎮(zhèn)研究就是典型案例：25個生成智能體在大模型驅動下自主互動，展現(xiàn)出逼真的社交、消費動態(tài)。在消費研究中，多智能體可模擬市場群體效應——比如意見領袖如何影響追隨者，不同品牌競爭如何改變消費偏好；企業(yè)還能通過引入價格調(diào)整、廣告投放等干預措施，觀察智能體反應，預測策略效果。

值得注意的是，自主演化并非 “脫離人類”，而是人機協(xié)同：人類主導理論提煉與倫理考量，AI 負責大規(guī)模模擬與試錯，兩者結合讓研究既具科學性，又能適應復雜市場。

系統(tǒng)整合與未來挑戰(zhàn)

Part.3

為了系統(tǒng)化實現(xiàn)上述三層能力，研究提出了“消費者世界模型”的構建框架。該模型旨在創(chuàng)建一個整合了感知、模擬與演化能力的動態(tài)閉環(huán)系統(tǒng)，其核心是“感知—行動—反饋—演化”的循環(huán)機制，使得研究系統(tǒng)不僅能解釋過去，更能模擬未來的潛在行為與結果，從而具備跨情境的泛化能力和策略預見性。

圖片來源：論文原文

然而，這一新范式也伴隨著嚴峻挑戰(zhàn)。數(shù)據(jù)偏見可能被算法放大，導致對非主流消費群體的不公平輸出；模型在長期自我循環(huán)訓練中可能面臨“崩潰風險”，導致行為多樣性衰減、輸出脫離現(xiàn)實；AI決策的“黑箱”特性也影響著研究結果的可解釋性與最終的應用信任。

應對這些挑戰(zhàn)，需要技術與管理方案的結合，既要建立嚴格的模型檢驗與可解釋性框架，更要堅持“人機協(xié)同”的核心理念，將人類的倫理判斷、理論智慧與領域知識深度嵌入到AI研究系統(tǒng)的設計與運行全過程。

王小毅團隊所提出的“實現(xiàn)對消費者的自主研究”，并非指完全脫離人類研究者的研究過程，而是指借助AI大模型與智能體的能力，使研究系統(tǒng)具備主動學習和自我演化的特征。具體而言，AI既能通過模擬消費者的決 策過程，揭示其隱性偏好與行為模式，從而為研究者提供洞察；也能夠在無需人類實時干預的情況下，與環(huán)境互動、生成并檢驗新的消 費假設，從而推動消費研究從“被動描述”走向“主動演化”。這種轉變意味著，研究者不再僅僅“研究消費者”， 而是構建出能夠“自主研究消費者”的系統(tǒng)，本質(zhì)是消費研究方法從“人力主導的經(jīng)驗性研究”向“人機協(xié)同的智能化研究”的持續(xù)進步。

目前，由浙江大學管理學院研究團隊自研的“孫武AI”正在構建AI驅動消費研究和重大決策輔助的數(shù)智底座。對于管理者與研究而言，理解并參與這一范式演進，意味著為未來“人機協(xié)同”的決策模式做好準備，從而更深刻、更動態(tài)、更前瞻地理解我們所服務的消費者。

（點擊以下標題查看）

*本文改編自王小毅、鄧萬江所撰論文——《AI大模型與智能體驅動的消費研究新范式： 消費感知、類腦模擬與自主演化》。

編輯排版：伍梁永

審核：佟慶、王小毅