專業設計、用戶設計還是AI設計？設計源效應的心理機制

吳波 張傲杰 曹菲

摘 ?要 ?設計源效應是指企業產品設計來源信息對消費者產品偏好和企業態度的影響。目前， 專業設計師、用戶和AI是三種常見的產品設計源。這三種產品設計源通過不同的作用機制對消費者心理和行為產生積極或消極的影響。其中， 能力是專業設計源效應產生的作用機制， 能力、權力和心理距離是用戶設計源效應產生的作用機制， 而價值和信息是AI設計源效應產生的作用機制。同時， 設計源效應是有作用條件的， 會受到消費者、產品、企業因素的約束。未來研究可以深入探討消費者對混合設計源的反應、進一步探討設計源效應的作用機制和作用條件。

關鍵詞 ?設計源效應， 產品設計溝通， 專業設計， 用戶設計， 人工智能設計

分類號 ?B849; F713.55

1 ?引言

產品設計是企業競爭優勢的重要來源（Jindal et al.， 2016）。不僅產品設計本身會影響企業的市場地位， 如何有效地與消費者溝通產品設計對企業的成敗同樣至關重要（Sample et al.， 2024）。“產品是由誰設計的”這一產品設計來源信息作為產品設計溝通的一部分正在得到廣泛關注（Fuchs et al， 2013; Song et al.， 2021; Xu & Mehta， 2022; Zhang et al.， 2022）。目前， 除了專業設計師外， 用戶和AI也開始在公司價值創造中扮演產品設計者這一角色（Schreier et al.， 2012; Zhang et al.， 2022）。例如， 用戶通過在小米社區、美的美創、海爾HOPE等開放式創新平臺上表達產品需求或分享設計方案參與新產品設計; 嵐圖汽車秉持用戶共創共享的理念， 鼓勵用戶深度參與汽車研發過程; 雪花啤酒和伊利等品牌推出AI設計的產品外包裝吸引消費者; 小米手機官方賬號在小紅書上發布小米手環8腕帶設計大賽， 支持用戶借助AI進行設

計。與此同時， 一些企業積極宣傳產品設計源。比如， 愛馬仕、路易威登、宜家等眾多品牌在產品宣傳時會強調產品是由某位知名設計師設計; Threadless在T恤商標上印有用戶設計者姓名; 樂高在產品設計包裝上印有“樂高粉絲設計”的標簽; 鐘薛糕在產品發布會上積極宣傳新產品“Sa'Saa”的名稱、包裝及口味都是由AI主導設計。企業向消費者推廣新產品時試圖將產品設計來源作為營銷賣點， 那么消費者對于不同設計源的反應如何、企業是否應該宣傳產品設計源是一個值得研究的問題。

現有產品設計的研究主要關注產品設計包含哪些維度（Homburg et al.， 2015; Jindal et al.， 2016; Mishra， 2016）以及特定產品設計維度對消費者產品偏好的影響（Caprioli et al.， 2023; Heitmann et al.， 2020; Liu et al.， 2017; Simonov et al.， 2023）。而關于產品設計來源信息如何影響消費者產品偏好或企業態度的研究尚處于起步階段。以往關于設計源效應的研究主要比較了消費者對用戶設計和專業設計的反應差異（王海忠， 閆怡， 2018; Dahl et al.， 2015; Fuchs et al.， 2013; Liljedal， 2016）， AI設計與專業設計的反應差異（Xu & Mehta， 2022; Zhang et al.， 2022）， 以及在什么情況下消費者更可能偏好用戶

設計（宋曉兵 等， 2017; Paharia & Swaminathan， 2019; Song et al.， 2021）， 什么情況下更可能偏好AI設計（Zhang et al.， 2022）。

然而， 以往關于設計源效應的研究較為分散， 主要體現在以下四個方面：首先， 設計源概念操縱不一致， 一些研究在企業層面操縱設計源（Dahl et al.， 2015; Fuchs & Schreier， 2011; Zhang et al.， 2022）， 一些研究在產品層面操縱設計源（Fuchs et al.， 2013; Nishikawa et al.， 2017; Schreier et al.， 2012）; 其次， 比較對象不同， 既有將用戶與專業設計師進行比較的情況（王海忠 等， 2017; Nishikawa et al.， 2017; Schreier et al.， 2012）， 又有將AI與專業設計師進行比較的情況（Xu & Mehta， 2022; Zhang et al.， 2022）， 還有將AI與人類設計師進行比較的情況（Granulo et al.， 2021）; 再次， 作用機制和作用條件研究較為零散， 比如， 采用用戶設計的企業為什么比采用專業設計的企業更受歡迎的作用機制有很多不同觀點， 有研究發現消費者認為采用用戶設計的企業更加顧客導向（Fuchs & Schreier， 2011）， 有研究發現消費者認為采用用戶設計的企業創新能力更強（Schreier et al.， 2012）， 而有研究發現消費者對采用用戶設計的企業認同度更高（Dahl et al.， 2015）; 最后， 設計產品涉及不同種類， 既有時裝（Fuchs et al.， 2013; Xu & Mehta， 2022）、T恤（Dahl et al.， 2015; Schreier et al.， 2012; Zhang et al.， 2022）、海報（Granulo et al.， 2021）這樣以美學設計為主的產品， 也有筆記本電腦（Liljedal， 2016）、手機（王海忠 等， 2017; 王海忠， 閆怡， 2018）、自行車（Fuchs & Schreier， 2011）這樣以功能設計為主的產品。

鑒于設計源效應相關研究的復雜性， 本文聚焦“專業設計師”、“用戶”和“AI”這三種常見設計源， 探討消費者對這三種設計源的心理和行為反應及其作用機制和作用條件。對設計源效應現有文獻進行總結和評述具有一定的理論意義：一方面可以明確設計源效應的定義， 將三種設計源對消費者心理和行為的影響進行比較， 對不同設計源效應的作用機制和作用條件進行歸類和總結; 另一方面可以發現現有研究中的不足和空白點， 以及當前研究是否存在結論不一致的問題， 為后續研究指明方向。此外， 對該領域文獻進行系統梳理也具有實踐價值， 可以為企業應該在何種情況下宣傳產品設計來源信息提供指導。

2 ?設計源效應的內涵

2.1 ?設計源效應的概念

新產品開發主要包括設計和生產兩個階段， 前者將用戶體驗的感知缺口轉化成方案， 后者將方案轉化成產品。設計是為了解決用戶體驗的感知缺口而形成產品方案的信息處理活動（Ulrich， 2011）。設計始于用戶體驗到的當前狀態與目標狀態之間的感知缺口， 并基于此構思和形成新產品方案， 是用創新方法解決問題的活動（Verganti et al.， 2020）。設計可以根據設計來源不同進行分類， 目前按設計來源可將設計大致分為專業設計、用戶設計和AI設計三種類型。由于雇傭專業設計師更有助于企業管理創新活動、形成競爭優勢和戰略適配， 專業設計在企業實踐中依然是主流設計方式（Poetz & Schreier， 2012）。不過隨著互聯網技術的發展和普及， 用戶設計和AI設計也越來越常見（Haefner et al.， 2021; Song et al.， 2021）。

企業生產的產品是由專業設計師、用戶還是AI設計的這一產品設計源信息可能會影響消費者的產品評價或企業態度。產品設計源是一種邊緣線索， 簡化決策的啟發式。設計源效應既可以發生在企業層面也可以發生在產品層面。在企業層面， 一家企業由于被描述為不同新產品設計來源導致消費者對該企業態度和行為的變化視為設計源效應。在產品層面， 同一產品的不同設計來源描述對消費者產品偏好的影響也是設計源效應。設計源效應不是為了說明實際上哪一種設計方式能產生更受消費者歡迎的產品， 而更多探求的是消費者對不同設計源信息在心理感知上的差異。總的來說， 設計源效應是由于一家企業或一個產品被描述為采用不同設計源從而導致消費者對該企業或產品反應的不同。探討設計源效應可以為企業在什么情況下向消費者宣傳其產品設計源信息提供指導。

2.2 ?專業設計、用戶設計和AI設計的差異

專業設計的設計源是特定產品種類設計領域的專家。設計領域的專家擁有高效率、高質量完成大多數設計任務的技能和能力（Ulrich， 2011）。用戶設計是指企業依靠用戶社區產生新產品設計創意， 并將生成的產品推向更廣泛的消費者市場（Dahl et al.， 2015; Fuchs et al.， 2013; Schreier et al.， 2012）， 是一種提高新產品成功率的創新方法（Liljedal， 2016）。在專業設計中， 用戶往往只提供需求信息， 專業設計師提供解決方案。與此不同， 在用戶設計中， 用戶既提供需求信息又提供解決方案（Allen et al.， 2018; Bayus， 2013; Lilien et al.， 2002）。AI指任何使用算法或統計模型來執行感知、認知和對話這些典型人類思維功能的機器（Longoni et al.， 2019）。AI包括數據收集和存儲、統計與計算技術、輸出系統三個要素（Puntoni et al.， 2021）。目前為止， 產品設計和開發一直是人類設計師的強項（Xu & Mehta， 2022）， 但AI的出現和發展， 逐漸影響了人類的生產方式。通過大數據處理、機器學習和深度學習等技術， AI逐漸成為產品設計的重要來源（Zhang et al.， 2022）。

產品設計質量取決于設計者對消費者需求的了解程度和設計者提供產品設計解決方案的能力兩個方面。而專業設計師、用戶和AI三種設計源在對消費者需求了解程度和提供產品設計解決方案能力這兩個維度上存在差異。在對消費者需求了解程度上， 相比于專業設計師， 與消費者屬于同一群體的用戶更具優勢， 用戶通常擁有更準確詳細的消費者需求模型（Moreau & Herd， 2010; Randall et al.， 2007）。AI數據處理能力和學習能力高于用戶， 在獲得大量消費者文本數據的基礎上， AI可以通過分析這些數據了解群體消費者的需求和偏好， 識別趨勢（Kakatkar et al.， 2020; Libai et al.， 2020; Verganti et al.， 2020）。而用戶對消費者需求的理解更多基于的是個體或少數人的經驗， 因此， 在可以獲得大量有效的消費者文本數據的前提下， AI在了解消費者群體需求上是比用戶更具優勢的。但是由于AI缺乏與人類一樣的對事物的感知能力， 也缺乏與人類一樣的情感， 因此AI可能會忽略某些消費者的隱含需求和感性訴求。

在提供產品設計解決方案能力上， 與用戶相比， 專業設計師擁有較高的專業知識（Ulrich， 2011）， 因此在提供設計方案上更具優勢（Moreau & Herd， 2010; Randall et al.， 2007; Von Hippel， 1998）。AI突破了人類信息處理規模、范圍和能力的限制， 能快速生成大量設計方案， 提高設計效率（Haefner et al.， 2021; Verganti et al.， 2020）。因此， 對于設計復雜度較低的產品， 不需要太多專業知識就能提供產品設計解決方案的情況下， 用戶可以借助自身對消費者需求的深刻理解和洞察提出獨特和有價值的產品設計方案（Kristensson et al.， 2004; Nishikawa et al.， 2013; Poetz & Schreier， 2012）。而對于設計復雜度較高的產品， 專業設計師和AI可以利用強大的提供解決方案的能力， 提出更切實可行的產品設計方案（Kristensson et al.， 2004; Poetz & Schreier， 2012; Verganti et al.， 2020）。當產品設計復雜度達到一定程度后， AI處理復雜信息能力的優勢會變得更為明顯， 在產品設計上的表現可能會超過專業設計師。

2.3 ?消費者對產品設計源的反應

2.3.1 ?消費者對用戶設計的反應

相對于專業設計， 消費者對用戶設計既存在積極反應又存在消極反應， 具體體現在產品偏好和企業態度兩個方面， 如表1所示。

在產品偏好這一維度上， 消費者的積極反應體現在對用戶設計的產品有更高的購買意愿、支付意愿以及標明“用戶設計”的產品有更好的市場表現。Schreier等人（2012）通過同時在產品層面和企業層面操縱設計源揭示了消費者對不同設計源產品的支付意愿差異。在實驗中， 實驗人員向所有參與者提供相同的企業背景和產品信息后， 將參與者隨機分配到“用戶設計組”和“專業設計組”。“用戶設計組”的參與者被告知早餐麥片是由用戶設計的， 并且該企業新產品都是由企業用戶社區成員設計的。“專業設計組”的參與者被告知早餐麥片是由企業專業設計師設計的， 并且該企業新產品都是由企業專業設計師設計的。隨后通過拍賣程序測量消費者愿意為麥片支付的最大金額。結果發現參與者對用戶設計的產品有更高的支付意愿。Dahl等人（2015）通過在企業層面操縱設計源發現消費者對采用不同設計源企業產品的購買意愿存在差異。首先， 研究人員將參與者隨機分為兩組， 告知一組參與者A公司的產品是由用戶設計的， B公司的產品是由內部設計師設計的; 告知另一組參與者A公司的產品是由內部設計師設計的， B公司的產品是由用戶設計的。隨后向所有參與者展示兩件不一樣的中性T恤， 一件來自A公司， 另一件來自B公司， 并詢問參與者如果需要一件T恤更想要購買哪件。結果發現消費者更想要購買采用用戶設計企業的產品。Nishikawa等人（2017）通過兩項現場實驗檢驗標明“用戶設計”的產品是否有更好的市場表現。研究人員先對日本46家無印良品的安全蜂鳴器這一電子產品開展了為期67天的研究， 隨機選擇部分商店， 在其銷售的安全蜂鳴器的標簽上顯示該產品是基于用戶想法設計的， 而剩余商店的安全蜂鳴器的標簽不顯示設計來源， 結果發現在標簽上顯示用戶設計的商店銷售了更多的安全蜂鳴器。隨后研究人員在日本194家無印良品的椒鹽卷餅上利用不同的實驗設計開展了一項為期16天的研究， 進一步檢驗用戶設計的標簽效應。研究結果再次表明， 與沒有呈現用戶設計標簽的情況相比， 呈現用戶設計標簽的情況下產品的市場表現更好。另外， 在一項在線實驗和一項實驗室實驗中， Nishikawa等人（2017）通過在產品層面操縱設計源發現：與沒有顯示用戶設計的情況相比， 消費者對顯示用戶設計產品購買意愿更高; 與顯示企業設計師設計的產品相比， 消費者對顯示用戶設計產品購買意愿更高， 無論這個產品是否真的是由用戶設計的， 該結論都成立。

在企業態度這一維度上， 消費者的積極反應具體體現在消費者對采用用戶設計的企業有更好的態度、更積極的行為意向、更高的認同感以及品牌社群成員得知下一代新產品構思來源于品牌社群用戶會讓他們對品牌有更強的自我品牌聯結和品牌依戀。Fuchs和Schreier （2011）通過對T恤、家具和自行車的多產品類別研究揭示了設計源對消費者企業態度的影響。以T恤這一產品類別為例， 所有參與者均被告知現有A、B、C、D四家初創企業以不同的設計方式設計T恤， 其中A企業采用零授權戰略， 由企業開發并選擇產品設計方案; B和C企業采用部分授權戰略， 用戶只開發產品設計方案或只對產品設計方案進行選擇; D企業采用完全授權戰略， 由用戶開發并選擇產品設計方案。閱讀完企業信息后， 參與者會看到相應企業的部分產品。研究人員通過前測確定四個吸引力相同的產品集， 隨機與四家企業進行匹配。企業和產品信息呈現完， 參與者需要完成企業態度的測量。隨后參與者需要在四家企業之間進行選擇用于測量消費者的行為意向。結果發現：與零授權戰略相比， 部分授權戰略和完全授權戰略均對消費者的企業態度和行為意向產生了正向影響， 家具和自行車領域的研究也有類似結果。在兩項關于早餐麥片和一項關于T恤的實驗中， Schreier等人（2012）通過同時在產品層面和企業層面操縱設計源發現：消費者更愿意購買采用用戶設計企業的產品， 更愿意把采用用戶設計的企業推薦給他人， 更愿意把用戶設計企業的產品推薦給他人。Dahl等人（2015）通過在企業層面操縱設計源發現：參與者對采用用戶設計的企業的認同感更高。此外， 王海忠等人（2017）、王海忠和閆怡（2018）通過多項實驗發現：如果手機品牌社群成員被告知下一代新產品構思來源于品牌社群中的用戶而不是企業內部產品開發人員會增加品牌社群成員的自我品牌聯結和品牌依戀。

在產品偏好這一維度上， 消費者對用戶設計的消極反應體現在消費者對用戶設計的奢侈品購買意愿較低。Fuchs等人（2013）在產品層面操縱設計源檢驗奢侈品用戶設計的負面效應。在一項實驗中， 研究者先通過一項前測選擇了三個被調查者最先想到的比較喜歡的奢侈品牌：古馳、愛馬仕和阿瑪尼， 再通過另一項前測讓每個品牌形成兩個喜愛度相似的時裝產品系列：時裝產品系列A和時裝產品系列B。在正式實驗中， 實驗參與者被隨機分配到“產品系列A是用戶設計而產品系列B是企業設計組”和“產品系列A是企業設計而產品系列B是用戶設計組”。呈現每個品牌兩個產品系列信息后立即詢問參與者， 如果想要從這個品牌中購買一個產品會從哪個產品系列中購買。三個品牌呈現順序是隨機的。結果發現：在三個奢侈品牌中， 同一個產品系列如果被描述成用戶設計， 其被選擇的頻率就會下降。

在企業態度這一維度上， 消費者對用戶設計的消極反應體現在消費者對采用用戶設計復雜產品的陌生品牌有較差的態度。Liljedal （2016）通過在產品層面操縱設計源研究對于戴爾筆記本電腦和耐克跑鞋這類復雜產品消費者對不同設計源的反應。首先， 將參與者隨機分配到熟悉品牌和陌生品牌兩種條件下， 熟悉品牌的條件下向參與者展示的產品圖片帶有品牌信息， 陌生品牌的條件下向參與者展示的產品圖片不帶有品牌信息。隨后通過品牌的產品廣告將這兩組參與者隨機分配到用戶設計和企業內部設計師設計兩種情況下。最后， 通過7分量表來衡量參與者的品牌態度。結果發現消費者對采用用戶設計復雜產品的陌生品牌有較差的態度。

2.3.2 ?消費者對AI設計的反應

關于消費者對AI偏好的研究有很多， 但消費者對AI設計源反應的文獻有限， AI與產品設計融合是一個新興的趨勢。以往關于消費者對AI設計反應的研究結論并不一致， 既有研究表明AI設計能增加消費者的支付意愿， 也有研究表明AI設計會降低消費者的購買意愿和奢侈品態度。

其一， AI設計能提高消費者的支付意愿。Zhang等人（2022）通過在企業層面上操縱設計源考察消費者對采用AI設計企業產品的支付意愿。研究人員選擇T恤這一常見的產品進行實驗， 將參與者隨機分配到“AI設計組”和“專業設計組”。“AI設計組”的參與者被告知企業的產品創意和設計是由AI設計者開發的; “專業設計組”的參與者被告知企業的產品創意和設計是由企業雇傭的專業人士開發的。然后， 向這兩組參與者展示了相同的T恤圖片， 并通過“您愿意在該企業的這件T恤上花費多少金錢”這一問題衡量參與者的支付意愿。結果發現：與專業設計相比， 消費者對采用AI設計企業的產品支付意愿更高。

其二， AI設計能降低消費者的購買意愿。Granulo等人（2021）通過在產品層面上操縱設計源檢驗， 相對于人類設計產品， 消費者對AI設計產品的購買意愿。研究者將參與者隨機分配到高象征價值下人類設計產品、高象征價值下AI設計產品、低象征價值下人類設計產品和低象征價值下AI設計產品四種條件下， 并要求參與者想象自己是一名醫生， 需要一張顱骨海報。在高象征價值消費場景下， 海報是用來裝飾辦公室的; 在低象征價值消費場景下， 海報是用來向患者科普的。然后， 向參與者展示相鄰的兩張顱骨海報， 在人類設計的條件下， 右邊海報由人類設計， 左邊海報由AI設計; 在AI設計的條件下， 右邊海報由AI設計， 左邊海報由人類設計。最后， 詢問參與者更可能購買哪一張海報。結果發現：無論在哪種象征價值下， 消費者對AI設計產品的購買意愿均較低， 但是在低象征價值條件下， 這種負面效應會減弱。

其三， AI設計能減弱消費者對奢侈品的態度。Xu和Mehta （2022）在實驗中通過在產品層面上操縱設計源發現：相對于專業設計師設計的奢侈品， 消費者對采用AI設計的奢侈品持有負面態度。首先， 他們選擇路易威登作為奢侈品牌、蓋璞作為非奢侈品牌。然后， 將參與者隨機分配到路易威登使用AI設計新產品、路易威登使用專業設計師設計新產品、蓋璞使用AI設計新產品和蓋璞使用專業設計師設計新產品四種條件下。根據實驗條件， 參與者被告知路易威登或蓋璞要推出的新時裝產品系列是由AI或首席設計師設計的。最后， 使用7分量表詢問參與者對將要推出的新時裝產品系列的態度。結果發現：與專業設計相比， AI設計顯著降低了參與者對路易威登新產品的態度， 但并不顯著影響參與者對蓋璞新產品的態度。

通過以上研究可以看出， 對于設計復雜度較低的產品， 無論是在企業層面、產品層面， 還是同時在企業和產品層面上操縱設計源， 消費者對用戶設計都有更為積極的反應。這種積極反應的一種表現為， 消費者對采用用戶設計的企業有更積極的態度和行為意向; 另一種表現為， 消費者對采用用戶設計企業的產品或標明“用戶設計”的產品有更高的購買意愿。而對于設計復雜度較高的產品， 品牌社群成員得知新產品通過品牌社群中的用戶設計會拉進他們與品牌的關系， 讓他們對品牌產生更為強烈的情感依戀。但是， 這不意味著消費者對用戶設計的反應總是積極的， 對于采用用戶設計的奢侈品和在復雜產品上使用用戶設計的陌生品牌， 消費者的反應較為消極。而消費者對于AI設計反應的文獻結論并不一致。在企業層面操縱設計源的研究結果表明， 相比于專業設計， 消費者對采用AI設計企業產品的支付意愿更高， 但在產品層面操縱設計源的研究結果表明， 相比于人類設計， 消費者對AI設計產品購買意愿較低。在高象征價值產品和奢侈品情況下AI設計的負面效應尤為明顯。消費者對AI設計反應不一致可能由多種原因造成， 一個可能的原因是涉及的產品不同， 產生積極效應研究中的產品是比較常見的T恤和馬克杯， 產生消極效應研究中的產品是比較專業的顱骨海報。另一個可能的原因是決策性質， 產生積極效應研究中的決策是普通消費者的日常購買選擇， 而產生消極效應研究中的決策是普通消費者想象專業人士的購買選擇。未來可以探討消費情境的專業性或消費者本身專業性是否會調節消費者對AI設計的反應。

3 ?設計源效應的心理機制

3.1 ?專業設計影響效應的心理機制

消費者對專業設計積極反應的心理機制可以概括為能力機制， 其中感知產品質量和企業信任作為具體的心理機制影響著消費者對專業設計的產品偏好和企業態度。

專業設計師意味著專業性和權威。Moreau和Herd （2010）指出“在知識、訓練和經驗方面， 專業人員通常比消費者具有顯著優勢， 這種優勢可能是真實存在的， 也可能是一種主觀感知”。專業設計更容易受到高權力距離信念消費者的青睞。高權力距離信念的消費者期望和接受權力分配不平等的程度高， 認為處于高權力地位的人更有能力做決策。因此高權力距離信念的消費者會更尊重專業設計師的知識和權威， 從而提高他們對采用專業設計企業的企業信任和感知產品質量， 進一步增加他們對專業設計企業產品的偏好（Paharia & Swaminathan， 2019; Song et al.， 2021）。

3.2 ?用戶設計影響效應的心理機制

消費者對用戶設計積極或消極反應的心理機制可以概括為能力機制、權力機制和心理距離機制三個層面。

3.2.1 ?能力機制

從能力機制的視角出發， 感知創新能力、感知顧客導向和感知產品質量作為具體的用戶設計心理機制發揮著作用。首先， 對于生產設計復雜性較低產品的企業， 由于用戶設計有著用戶數量多、用戶與消費者屬于同一群體、用戶受限少以及用戶具有多樣性的特點， 因此消費者認為用戶更有能力提出新穎有用的想法， 增強了消費者對采用用戶設計企業創新能力的感知， 從而提高消費者對采用用戶設計企業的功能性和美觀性產品的購買意愿、支付意愿以及向他人推薦的意愿（Schreier et al.， 2012）。其次， 消費者認為采用用戶設計的企業把顧客擺在非常重要的位置， 更有能力響應和滿足顧客需求， 因此增加了他們對采用用戶設計企業的感知顧客導向， 使其對采用用戶設計企業的產品產生更大的偏好（Dahl et al.， 2015; Fuchs & Schreier， 2011）。最后， 在食品和電子產品領域， 消費者認為用戶設計能有效地滿足他們的需求， 重塑他們感知的產品質量， 對產品購買意愿產生積極影響（Nishikawa et al.， 2017）。但是在奢侈品領域， 消費者認為用戶專業知識較少， 不具有設計高質量奢侈品的能力， 因此消費者感知用戶設計的奢侈品產品質量較差， 從而降低了消費者對用戶設計奢侈品的需求（Fuchs et al.， 2013）。

3.2.2 ?權力機制

從權力機制的視角出發， 被授權感、企業認同和自主需要作為具體的用戶設計心理機制發揮著作用。首先， 基于社會認同理論， 消費者將用戶看作與他們相同的群體， 用戶設計讓用戶有權力設計企業產品， 消費者產生了被間接授權的感覺， 對企業有更強烈的認同， 進而提高他們對采用用戶設計企業產品的偏好（Dahl et al.， 2015）。此外， 采用用戶設計企業更能使低權力距離信念的消費者產生被授權感和企業認同。具體來說， 低權力距離信念的人期望和接受權力分配不平等的程度低， 更渴望平等， 而用戶設計能賦予他們權力， 驅動他們對企業的認同， 正向影響低權力距離信念的消費者對采用用戶設計企業產品的偏好（Paharia & Swaminathan， 2019; Song et al.， 2021）。其次， 采用用戶設計企業的產品更可能滿足獨立自我建構消費者的自主需要。當用戶可以參與產品設計時， 消費者感覺自己也能夠按照個人意愿與興趣自主決定企業所生產的產品， 滿足了獨立自我消費者的自主需要， 因此增加了他們對采用用戶設計企業產品的偏好（宋曉兵 等， 2017; Dahl et al.， 2015）。

3.2.3 ?心理距離機制

從心理距離機制的視角出發， 優越感、自我相關的心理模擬和自我品牌聯結作為具體的用戶設計心理機制發揮著作用。首先， 在奢侈品領域， 消費者看重專業設計師的專業性和地位（Moreau et al.， 2020）。相比于擁有地位和財富的杰出設計專家， 消費者與用戶之間的心理距離更近， 因此用戶設計的奢侈品降低了消費者感知的產品地位象征， 不能讓消費者在社會比較中獲得優越感， 從而降低消費者對用戶設計奢侈品的購買意愿（Fuchs et al.， 2013）。其次， 對于企業品牌社群成員而言， 用戶參與設計會拉近品牌社群成員和企業的心理情感距離。通過自我相關的心理模擬過程， 品牌社群用戶參與新產品設計的信息加強了品牌社群成員獨特、符合自我形象的心理聯結， 因而增強了品牌社群成員的自我品牌聯結， 從而進一步提高了品牌社群成員的品牌依戀（王海忠 等， 2017; 王海忠， 閆怡， 2018）。

3.3 ?AI設計影響效應的心理機制

消費者對AI設計積極或消極反應的心理機制可以概括為價值機制和信息機制兩個層面。

3.3.1 ?價值機制

從價值機制的視角出發， 獨特性價值和情感價值的缺失作為具體的AI設計心理機制發揮作用。AI的非人特征一方面使得消費者認為AI設計產品在高象征價值消費環境下缺乏獨特性價值， 另一方面使消費者認為AI設計奢侈品缺乏情感價值。首先， 在高象征價值的消費環境中， 消費者想要通過消費特定產品來傳遞自己的價值觀、能力、所屬群體等信息。在這種情況下， 消費者認為獨特的產品更能表達自我， 而AI設計的產品比人類設計的產品缺乏獨特性， 從而減少了消費者對AI設計產品的偏好（Granulo et al.， 2021）。其次， 奢侈品往往具有情感和功能雙重價值， 但是對于不同奢侈品牌情感價值重要性不同。對于那些品牌本質主要來源于情感價值的奢侈品牌， 由于首席設計師可以幫助奢侈品牌創造情感價值， 包括為消費者提供更多的體驗價值和象征價值， 而AI缺乏理解人類情感的能力（Huang et al.， 2019）， 因此消費者認為AI設計的產品比專業設計師設計的產品缺乏情感價值。在這種情況下， AI設計對消費者感知的奢侈品品牌本質產生負面影響， 導致消費者產生消極的品牌態度（Xu & Mehta， 2022）。

3.3.2 ?信息機制

從信息機制的視角出發， 好奇心作為具體的AI設計心理機制發揮著作用。相對于專業設計而言， 消費者不熟悉AI設計及其設計過程的相關信息， 所以他們將新穎性與AI設計聯系起來， 激發他們對AI設計的好奇心。而好奇心會激勵消費者尋求AI設計的相關信息， 甚至購買AI設計的產品， 進一步增加他們對AI設計產品的支付意愿（Zhang et al.， 2022）。

通過以上研究可以看出， 首先， 消費者對專業設計的積極反應主要通過能力機制發揮作用。消費者對專業設計的偏好主要是因為專業設計師具備專業性和權威性， 對于尊重權威的高權力距離信念消費者來說， 專業設計讓消費者有更高的產品質量感知和企業信任。其次， 消費者對用戶設計的偏好主要有三方面原因：第一， 用戶在能力層面上的表現。用戶群體數量多、領域廣、了解消費者需求、受限少這些特征導致消費者對用戶設計企業創新能力、顧客導向和產品質量感知的提升， 但是用戶專業知識較少讓消費者對用戶設計奢侈品有較低的感知質量; 第二， 用戶設計讓消費者感受到擁有更多權力。用戶設計意味著企業授予用戶更多權力， 從而增加消費者的被授權感， 提高消費者對企業的認同， 滿足獨立自我消費者的自主需要; 第三， 用戶與消費者屬于同一群體， 有更近的心理距離。對于品牌社群成員來說， 用戶設計拉近了他們與品牌的距離， 提高了他們的品牌依戀。但是， 對奢侈品來說， 更近的心理距離會導致消費者無法從用戶設計的奢侈品中體驗到優越感， 從而產生消極影響。最后， 消費者對AI設計的積極反應來自于消費者對AI設計的好奇心這一信息機制。消費者對AI設計的消極反應來自于AI設計無法傳遞某些價值。消費者認為AI設計缺乏獨特性價值和情感價值， 使得消費者在高象征價值消費場景中對AI設計產品有較低偏好或對采用AI設計的品牌本質主要來源于情感價值的奢侈品牌產生消極態度。

4 ?設計源效應的作用條件

設計源效應是否會出現、設計源效應的表現形式以及設計源效應的強度會受到消費者、產品和企業三個層面因素的影響， 如圖1所示。

4.1 ?消費者因素

消費者因素可進一步劃分為個體特征、認知水平和消費者與參與用戶之間的感知心理距離三個方面。

4.1.1 ?個體特征

自我建構對消費者的用戶設計偏好產生影響。與依存自我的消費者相比， 獨立自我的消費者具有更強的自主需要。而用戶設計的產品能滿足消費者的自主需要， 所以與依存自我的消費者相比， 獨立自我的消費者更偏好采用用戶設計企業的產品（宋曉兵 等， 2017）。

權力距離信念影響消費者的設計源偏好。對于追求平等的低權力距離信念消費者來說， 用戶

設計能夠給予他們被授權感， 滿足他們對平等的追求， 進而驅動他們對企業的認同， 從而導致他們對用戶設計產品的偏好高于對專業設計產品的偏好（Paharia & Swaminathan， 2019; Song et al.， 2021）。不過， 當消費者的權力距離信念較高時， 這種影響會減弱， 甚至逆轉， 因為他們認為處于高權力地位的人更具有決策能力， 專業設計能增加他們對企業的信任， 他們對專業設計產品有更高的偏好（Paharia & Swaminathan， 2019; Song et al.， 2021）。

獨特性需求會調節消費環境象征價值對消費者設計源偏好的影響。Granulo等人（2021）發現：對于獨特性需求高的消費者來說， 高象征價值的消費環境增強消費者對人類設計產品的偏好; 對于獨特性需求低的消費者來說， 增強效應不顯著。這是因為消費者認為人類設計具有獨特性， AI設計具有同質性， 所以在高象征價值的消費環境下， 獨特性需求高的消費者對人類設計產品的偏好更強。

4.1.2 ?認知水平

用戶創新熟悉度低的消費者會弱化用戶設計的積極效應。與用戶創新熟悉度低的消費者相比， 用戶創新熟悉度高的消費者改進產品的想法多，了解用戶創新的程度高。Schreier等人（2012）發現：用戶創新熟悉度高的消費者面對用戶設計時， 他們會將自身能力或特征投射到參與設計的其他用戶， 認為用戶在設計上具有較高的專業性， 增加消費者對用戶設計企業的創新能力感知; 而用戶創新熟悉度低的消費者不太可能做出這種歸因， 他們不會認為用戶設計企業有更高的創新能力。

與熟悉品牌相比， 用戶設計對陌生品牌的影響效應更強。Liljedal （2016）發現：品牌和用戶設計都能給消費者傳遞信號， 品牌熟悉度決定誰起作用。針對復雜產品， 當消費者對品牌熟悉時， 聲譽良好的品牌會增加消費者對用戶設計復雜產品的品牌態度和產品購買意愿; 當消費者對品牌陌生時， 消費者認為用戶設計復雜產品的能力弱， 用戶設計降低了消費者對復雜產品的品牌創新能力感知、品牌態度、產品態度和產品購買意愿。針對不復雜產品， 當消費者對品牌熟悉時， 用戶設計對品牌創新能力和產品態度的積極作用不明顯; 當消費者對品牌陌生時， 消費者認為用戶設計不復雜產品的能力強， 用戶設計增加了消費者對不復雜產品的品牌創新能力感知、品牌態度和產品購買意愿。

AI設計知識水平高的消費者會削弱AI設計的積極效應。Zhang等人（2022）發現：當消費者的AI設計知識水平較低時， 相對于專業設計產品， 消費者對AI設計產品的好奇心更強， 從而導致他們對采用AI設計企業產品的支付意愿升高; 然而， 當消費者的AI設計知識水平較高時， 對AI設計的好奇心較弱， 想要進一步探索的欲望降低， 消費者對專業設計和AI設計產品的支付意愿沒有顯著差異。

4.1.3 ?與參與用戶的感知心理距離

對于與參與用戶感知相似性低的消費者， 用戶設計的積極效應會減弱。因為當消費者感知與參與設計用戶的相似性較高時能激活他們對用戶社區的群體認同， 在用戶參與企業產品設計活動中感受到較高的間接被授權感， 從而通過較高的企業認同對用戶設計企業產品偏好產生積極影響; 而當消費者感知與參與設計用戶的相似性較低時， 他們不會產生對用戶社區的群體認同， 企業認同也有所下降， 在這種情況下， 消費者對用戶設計企業和內部設計師設計企業的產品偏好沒有顯著差異（Dahl et al.， 2015）。

類似地， 王海忠和閆怡（2018）發現非品牌社群成員身份會弱化用戶設計的積極效應。對于品牌社群這一內群體而言， 與企業設計產品相比， 品牌社群成員參與用戶設計能啟發他們進行自我相關的心理模擬， 從而提升他們的自我品牌聯結; 但對于非品牌社群的外群體而言， 與企業設計產品相比， 品牌社群成員參與用戶設計啟發他們進行自我相關的心理模擬的作用不顯著， 從而不能促成他們進行自我品牌聯結。

對于主流產品來說， 與參與用戶感知相似性會促進消費者對用戶設計的偏好; 但是對于奢侈品來說， 增加消費者與用戶設計者的社會距離可以緩解用戶設計奢侈品的負面影響。用戶設計的奢侈品讓奢侈品牌與用戶產生了聯系， 與消費者社會距離較近的用戶無法讓消費者從用戶設計的奢侈品中獲得地位維度上的比較優勢， 從而負面影響消費者對用戶設計奢侈品的偏好， 但是將用戶描述為獲得專業設計師認可、藝術家或名人等與消費者存在社會距離的群體， 能減弱用戶設計奢侈品的負面效應（Fuchs et al.， 2013）。

4.2 ?產品因素

產品因素可進一步劃分為產品類別和產品特征兩個方面。

4.2.1 ?產品類別

奢侈品及其所屬產品類別影響消費者的設計源偏好。消費者認為用戶設計奢侈品的能力低、用戶設計的奢侈品缺乏地位象征價值以及AI設計的奢侈品缺乏情感價值， 從而降低了他們對用戶和AI設計奢侈品的偏好（Fuchs et al.， 2013; Xu & Mehta， 2022）。不過這一負面效應會受到奢侈品類別的影響。比如， 相對于皮鞋這一地位相關性高的奢侈品， 運動鞋這一地位相關性低的奢侈品能減弱用戶設計的負面效應， 因為對于地位相關性低的奢侈品來說， 設計源對消費者感知的奢侈品質量及地位象征價值影響不大（Fuchs et al.， 2013）; 相對于路易威登這一情感價值較為重要的奢侈品牌， 寶馬這一功能價值較為重要的奢侈品牌能減弱AI設計的負面效應， 因為消費者認為AI設計產品缺乏情感價值， 具備功能價值（Xu & Mehta， 2022）。

實用和享樂產品類別會影響消費者對AI設計產品的偏好。AI缺乏執行主觀任務所需的情感能力（Castelo et al.， 2019）， 消費者認為AI無法感知他們對享樂型產品的情感依戀， 因此消費者對AI設計產品比專業設計產品的支付意愿低（Zhang et al.， 2022）; 但是面對實用型產品時他們對AI缺乏情感的擔憂就會減少， 并且AI擅長評估與事實、理性和邏輯相關的實用屬性價值（Longoni & Cian， 2022）， 所以突出產品實用價值時， 消費者對AI設計產品比專業設計產品的支付意愿更強（Zhang et al.， 2022）。

4.2.2 ?產品特征

設計復雜性高的產品會削弱用戶設計的積極效應。隨著產品設計復雜性的增加， 對勝任設計任務所需專業知識和技能的要求也會增加（Schreier et al.， 2012）。在這種情況下， 用戶往往缺乏產品設計所必需的專業性， 所以消費者更傾向于依賴專業設計師進行設計以確保設計的完整性和產品體驗的滿意度（Song et al.， 2021）。Schreier等人（2012）發現：對于設計復雜性低的產品， 與內部設計師設計企業相比， 消費者更偏好用戶設計企業的產品; 而對于設計復雜性高的產品， 消費者對用戶設計企業和內部設計師設計企業的產品偏好沒有顯著差異。宋曉兵等人（2017）和Song等人（2021）分別研究產品設計復雜性在自我建構、權力距離信念對用戶設計產品偏好影響中的調節作用時發現：與設計復雜性高的產品類別相比， 在設計復雜性低的產品類別中自我建構和權力距離信念對用戶設計產品偏好的影響會更加顯著。

產品創新度高會減弱用戶設計的積極效應。當產品創新類型是突破性新產品時， 消費者不具備相關產品使用經驗， 無法模擬自己參與設計的場景， 與企業設計相比， 品牌社群用戶這一內群體進行設計不能引發品牌社群成員進行有效的自我相關的心理模擬; 但當產品創新類型是漸進性新產品時， 消費者具有相關產品使用經驗， 與企業設計相比， 品牌社群用戶參與設計能引發品牌社群成員進行自我相關的心理模擬， 從而促成他們的自我品牌聯結， 提高他們對用戶設計品牌的依戀（王海忠 等， 2017; 王海忠， 閆怡， 2018）。此外， 當感知品牌產品創新度高時， 品牌社群成員難以將參與設計的品牌社群用戶看作參照群體， 與企業設計相比， 品牌社群用戶參與設計不能提升消費者的自我品牌聯結; 但當感知品牌產品創新度低時， 消費者的感知參與成本較低， 參照群體效應容易發生， 與企業設計相比， 品牌社群用戶參與設計會對品牌社群成員的自我品牌聯結產生積極影響， 從而提高他們的品牌依戀（王海忠 等， 2017）。

低象征價值產品會弱化AI設計的負面效應。當消費者想要購買表達自我的高象征價值產品時， 他們的獨特性動機較強， 但是AI設計產品缺乏獨特性， 因此消費者不太愿意購買AI設計的產品; 當消費者想要購買具有工具屬性的低象征價值產品時， 他們的獨特性動機減弱， 導致AI設計的負面效應減弱但仍然存在（Granulo et al.， 2021）。

4.3 ?企業因素

選擇開放型用戶設計企業會削弱用戶設計的積極效應。Dahl等人（2015）發現：允許所有用戶參與設計的完全開放型企業更容易激活消費者的用戶身份， 提高他們感受到的被授權水平， 增加他們對企業的認同; 而選擇特定用戶參與設計的選擇開放型企業使消費者不太可能與參與設計的用戶建立聯系， 阻礙他們對企業的認同。因此， 消費者對選擇開放型的用戶設計企業與內部設計師設計企業的產品偏好沒有顯著差異。此外， 消費者對開放程度不同用戶設計企業的偏好受到消費者權力距離信念的影響：低權力距離信念的消費者追求平等， 允許所有用戶參與設計的完全開放型企業會讓他們有更強的被授權感， 因此低權力距離信念的消費者更偏好完全開放型用戶設計企業; 而高權力距離信念的消費者相信權威， 選擇特定用戶參與設計的選擇開放型企業讓他們覺得更專業， 因此高權力距離信念的消費者更偏好選擇開放型用戶設計企業（Paharia & Swaminathan， 2019）。

通過以上研究可知， 目標消費群體的權力距離信念較高或者產品是奢侈品的情況下采用專業設計更受消費者歡迎。目標消費群體是獨立自我建構、低權力距離信念、用戶創新熟悉度高、具有品牌社群成員身份、與參與設計用戶相似度高的消費者時， 或在產品設計復雜度較低、產品創新度較低、企業開放度高的情況下， 消費者更可能偏好采用用戶設計企業的產品。目標消費群體不熟悉AI設計或者產品是實用品的情況下， 消費者更可能對采用AI設計的產品感興趣。

5 ?未來研究展望

以往學者們主要圍繞產品設計維度的構成（Homburg et al.， 2015; Jindal et al.， 2016; Mishra， 2016）以及特定產品設計維度如何影響消費者產品偏好（Caprioli et al.， 2023; Heitmann et al.， 2020; Liu et al.， 2017; Simonov et al.， 2023）開展產品設計相關研究， 尚未充分探究產品設計來源信息如何影響消費者產品偏好。雖然產品設計本身是企業競爭優勢的一大來源， 但是如何向消費者溝通企業的產品設計同樣發揮著舉足輕重的作用（Sample et al.， 2024）。因此， 了解產品設計源效應一方面可以豐富產品設計溝通相關的文獻， 另一方面可以為企業在什么情況下向消費者傳遞企業產品設計來源信息更為合適提供建議。

本文聚焦設計源效應相關文獻， 明確了設計源效應的內涵， 分析了專業設計、用戶設計和AI設計的本質區別， 梳理了消費者對專業設計師、用戶和AI三種設計源的積極和消極反應; 歸納了消費者對這三種設計源產生積極或消極反應的心理機制， 將專業設計心理機制概括為能力機制， 用戶設計心理機制總結為能力機制、權力機制和心理距離機制， 將AI設計心理機制歸類為信息機制和價值機制; 從消費者、產品和企業三個方面梳理了這三種設計源產生積極或消極效應的作用條件。雖然現有文獻已經對設計源效應進行了初步探索， 但仍存在很多問題需要進一步解決。具體體現在如下幾個方面。

5.1 ?探究消費者對混合設計源的反應

產品設計主要包括開發產品設計方案和選擇產品設計方案兩個階段（Kakatkar et al.， 2020）。專業設計師、用戶和AI均可以參與到產品設計的不同階段。Fuchs和Schreier （2011）通過實驗發現：與兩個階段均由企業完成相比， 用戶開發產品設計方案而企業專業設計師進行選擇或企業專業設計師開發產品設計方案而用戶進行選擇均能提高消費者的企業態度和行為意愿， 但二者提高的程度不同; 在一些情況下， 與用戶設計而專業設計師選擇相比， 消費者對專業設計師設計而用戶選擇的反應會更好一些。但是該研究沒有對此進行深入探討。由于專業設計師更擅長提供解決方案、用戶掌握更多需求信息（Moreau & Herd， 2010; Randall et al.， 2007）， 消費者比專家更擅長識別出好的產品創意（Kornish & Ulrich， 2014）， 因此對于那些對功能設計要求較高或設計復雜度較高的產品， 專業設計師設計而用戶選擇的混合設計可能比用戶設計而專業設計師選擇的混合設計更受到消費者青睞。未來可以深入探討消費者對這兩種混合設計源偏好差異形成的條件。另外， 專業設計師開發產品設計方案而用戶選擇的混合設計既尊重專業人員的權威又能更好地滿足消費者需求， 可能會緩解用戶設計奢侈品的負面效應; AI開發產品設計方案而用戶選擇的混合設計可能會彌補AI設計的情感缺失， 減弱AI設計的負面效應。未來可以進一步探討如何借助其他設計源來緩解用戶設計和AI設計的負面效應。

實際上， 專業設計師、用戶和AI這三種設計源可以混合參與到開發產品設計方案或選擇產品設計方案中。比如在產品設計方案開發階段， 專業設計師借助AI開發新產品設計方案， 該實踐過程既包含AI利用數據分析消費者需求生成設計方案又體現專業設計師的隱性知識（S?rm?kari & V?nsk?， 2022）; 在產品設計方案選擇階段， AI幫助專業設計師高效篩選大量用戶產品設計方案， 克服用戶或專家選擇產品設計方案的不客觀行為（Bell et al.， 2024）。消費者能否注意到上述混合設計源的優勢從而提高他們對混合設計源的偏好需要進一步的實證檢驗。此外， 還存在不同設計源分別設計新產品不同部分的情況， 比如小米手環8使用專業設計師設計表盤， 號召用戶借助AI設計腕帶， 這種混合設計源將產品復雜部分交給專業設計師， 簡單部分交給用戶或AI， 可能會緩解用戶或AI設計復雜產品的負面效應并發揮用戶設計和AI設計的積極效應。未來可以通過實證數據進一步開展相關研究。

5.2 ?進一步探究設計源效應的作用機制

現有研究從多方面探討了設計源效應的心理機制， 但卻忽視了公平性感知這一可能的心理機制。以往關于算法與公平性感知關系的研究結論并不一致：一些研究認為算法會增加公平性感知， 而一些研究認為算法會降低公平性感知（Bai et al.， 2022; Starke et al.， 2022）。算法是否會增加公平性感知與決策任務本身特征有關（Lee， 2018; Starke et al.， 2022）。比如， Lee （2018）發現：在客觀任務中， 算法具有客觀性， 人類管理者具有權威性， 人們認為算法和人類管理者決策結果一樣公平; 在主觀任務中， 算法缺乏直覺和主觀判斷能力， 人們認為算法決策結果沒有人類管理者決策結果公平。另外， AI決策的正確度高于人類決策（Logg et al.， 2019; Longoni & Cian， 2022）， 而且AI缺乏自私意圖和善意意圖（Garvey et al.， 2023）， 由此會帶來更加公平的結果。因此即使AI執行主觀任務， 可能也會正向影響消費者的公平性感知。與管理決策不同， 產品設計需要兼顧滿足消費者需求和提供創新解決方案， 當AI參與設計工作時是否會提升消費者的公平性感知， 從而影響AI設計產品偏好， 以及這種影響是否會因為產品是與情感體驗相關度高的享樂品而減弱， 或者因為產品是與公平相關度高的公共物品而加強， 未來可以進行深入研究。

無論是用戶設計還是AI設計都通過多種心理機制對消費者偏好產生影響。那么， 產品設計目標是否會影響不同心理機制發揮作用值得進一步研究。產品設計目標可以分成兩種：美學設計目標和功能設計目標（Althuizen & Chen， 2022）。產品設計聚焦于美學設計目標還是功能設計目標一方面取決于產品類別， 另一方面取決于企業產品設計意圖。與美學設計目標不同， 功能設計目標對能力的要求會更高， 用戶設計的能力機制更可能會發揮作用， 而對美學的理解具有很強的社會屬性（LaTour & Deighton， 2019; Liu et al.， 2017）， 用戶設計的權力和心理距離機制更可能發揮作用。功能設計相對客觀， 功能設計目標下AI設計的信息機制更可能發揮作用， 而美學設計目標相對主觀， 美學設計目標下AI設計的價值機制更可能發揮作用。探討設計目標對設計源不同心理機制發揮作用的影響可以進一步了解， 消費者更愿意接受用戶或AI參與美學方面的產品設計還是功能方面的產品設計， 以及在什么情況下對于消費者來說這兩種設計目標與用戶設計或AI設計更為匹配。

5.3 ?進一步探究設計源效應的作用條件

首先， 從消費者角度出發， 考察不確定性規避這一文化價值觀對設計源效應的影響。現有學者已經研究了自我建構和權力距離信念對消費者設計源偏好的影響（宋曉兵 等， 2017; Paharia & Swaminathan， 2019; Song et al.， 2021）， 但沒有從不確定性規避這一文化價值觀進行研究。當消費者具有較高的不確定性規避時， 會避免帶來不確定性或風險的選擇（Guo & Wang， 2024）， 可能會傾向于選擇被普遍認可的專業設計源， 這種趨勢應該在消費者購買貴重商品時更為明顯; 而低不確定性規避的消費者在創新方面更加開放（Kong & Lou， 2023）， 可能會去嘗試較為新穎的用戶或AI設計。未來可以深入研究不確定性規避對消費者設計源偏好的影響， 也可以深度解析自我建構、權力距離信念和不確定性規避等文化價值觀對設計源偏好的交互影響。

其次， 從產品角度出發， 探究消費者對不同設計源產品發生產品傷害危機的反應。企業作為專業設計師的雇主， 需要對專業設計師的工作行為承擔責任， 因此消費者可能會將專業設計產品的產品傷害危機責任歸咎于企業， 專業設計產品出現產品傷害危機可能會對企業產生較大的負面影響。但是當用戶或AI設計產品發生產品傷害危機時， 可能會減弱該負面影響。比如， 孫乃娟和李輝（2017）發現產品危機爆發前合作性質的顧客參與對危機爆發后消費者寬恕意愿有正向影響。作為消費者內群體的用戶參與設計能給消費者帶來間接參與的感覺（Dahl et al.， 2015）， 可能會使消費者產生更強的寬恕意愿， 由此減弱產品傷害危機給企業帶來的負面影響。此外， Srinivasan和Sarial-Abi （2021）發現：AI犯錯導致的品牌傷害危機發生后， 由于消費者對AI的能動性心理感知較低， 降低了他們對AI犯錯造成傷害的責任認知， 所以消費者對品牌的反應不那么消極， 由此推斷AI設計產品的產品傷害危機也能給企業帶來較小的負面影響。不過， 消費者更容易對犯錯的AI失去信任， 可能會對企業繼續使用該AI進行產品設計產生抵制行為， 除非AI表現出學習能力（Longoni et al.， 2023; Reich et al.， 2023）。消費者對不同設計源產品出現產品傷害危機后的反應值得深入研究。

最后， 從消費情境出發， 研究贈禮情境下消費者對用戶設計產品或AI設計產品的偏好。與為滿足自身需求購買不同， 贈禮者選擇禮物不僅有滿足收禮者偏好的動機， 更有傳遞關系信號的動機（Liu et al.， 2019）， 而禮物獨特性是表現贈禮者與收禮者關系密切程度的信號（Goodman & Lim， 2018）。AI設計產品缺乏獨特性（Granulo et al.， 2021）， 是否會因此降低贈禮者選擇AI設計產品作為禮物的可能性？此外， 贈禮者還希望確保禮物能向收禮者傳達愛和關心這些情感（Givi et al.， 2023）， 但是AI設計產品可能無法完成向收禮者傳遞情感的任務， 從而負面影響贈禮者的AI設計產品偏好。贈禮讓贈禮者承擔了較高的社會風險， 為了降低這種社會風險， 贈禮者會選擇價格更高、花費更多心思的產品作為禮物（Moreau et al.， 2011; Wang & Van Der Lans， 2018; Yin et al.， 2020）。與專業設計師相比， 用戶不具備設計領域的專業知識和技能， 用戶設計產品不能有效降低贈禮者的社會風險， 可能會因此降低贈禮者對用戶設計產品的偏好。禮物作為非常規意義上的商品， 贈禮者是否會更信任專業設計師的能力， 認為專業設計產品質量更好， 具有地位象征價值， 能更有效地降低社會風險、更好地傳遞關系信號， 從而拒絕購買用戶設計和AI設計產品作為禮物， 值得進一步研究。

參考文獻

宋曉兵， 徐珂欣， 吳育振. （2017）. 用戶設計能否包打天下？——自我建構對用戶設計產品偏好的影響研究. 管理世界， （5）， 119?130.

孫乃娟， 李輝. （2017）. 群發性產品危機后消費者寬恕形成機理研究：顧客參與的動態驅動效應. 中央財經大學學報， （2）， 101?109.

王海忠， 閆怡. （2018）. 顧客參與新產品構思對消費者自我—品牌聯結的正面溢出效應：心理模擬的中介作用. 南開管理評論， 21（1）， 132?145.

王海忠， 閆怡， 何朕鑫. （2017）. 消費者參與新產品構思對線上社群成員自我-品牌聯接和品牌依戀的影響. 管理學報， 14（3）， 400?413.

Allen， B. J.， Chandrasekaran， D.， & Basuroy， S. （2018）. Design crowdsourcing： The impact on new product performance of sourcing design solutions from the “crowd”. Journal of Marketing， 82（2）， 106?123.

Althuizen， N.， & Chen， B. （2022）. Crowdsourcing ideas using product prototypes： The joint effect of prototype enhancement and the product design goal on idea novelty. Management Science， 68（4）， 3008?3025.

Bai， B.， Dai， H.， Zhang， D. J.， Zhang， F.， & Hu， H. （2022）. The impacts of algorithmic work assignment on fairness perceptions and productivity： Evidence from field experiments. Manufacturing & Service Operations Management， 24（6）， 3060?3078.

Bayus， B. L. （2013）. Crowdsourcing new product ideas over time： An analysis of the Dell IdeaStorm community. Management Science， 59（1）， 226?244.

Bell， J. J.， Pescher， C.， Tellis， G. J.， & Füller， J. （2024）. Can AI help in ideation？ A theory-based model for idea screening in crowdsourcing contests. Marketing Science， 43（1）， 54?72.

Caprioli， S.， Fuchs， C.， & Van den Bergh， B. （2023）. On breaking functional fixedness： How the Aha！ moment enhances perceived product creativity and product appeal. Journal of Consumer Research， 50（1）， 48?69.

Castelo， N.， Bos， M. W.， & Lehmann， D. R. （2019）. Task-dependent algorithm aversion. Journal of Marketing Research， 56（5）， 809?825.

Dahl， D. W.， Fuchs， C.， & Schreier， M. （2015）. Why and when consumers prefer products of user-driven firms： A social identification account. Management Science， 61（8）， 1978?1988.

Fuchs， C.， Prandelli， E.， Schreier， M.， & Dahl， D. W. （2013）. All that is users might not be gold： How labeling products as user designed backfires in the context of luxury fashion brands. Journal of Marketing， 77（5）， 75?91.

Fuchs， C.， & Schreier， M. （2011）. Customer empowerment in new product development. Journal of Product Innovation Management， 28（1）， 17?32.

Garvey， A. M.， Kim， T.， & Duhachek， A. （2023）. Bad news？ Send an AI. Good news？ Send a human. Journal of Marketing， 87（1）， 10?25.

Givi， J.， Birg， L.， Lowrey， T. M.， & Galak， J. （2023）. An integrative review of gift‐giving research in consumer behavior and marketing. Journal of Consumer Psychology， 33（3）， 529?545.

Goodman， J. K.， & Lim， S. （2018）. When consumers prefer to give material gifts instead of experiences： The role of social distance. Journal of Consumer Research， 45（2）， 365?382.

Granulo， A.， Fuchs， C.， & Puntoni， S. （2021）. Preference for human （vs. robotic） labor is stronger in symbolic consumption contexts. Journal of Consumer Psychology， 31（1）， 72?80.

Guo， B.， & Wang， D. （2024）. Will online shopping lead to more brand loyalty than offline shopping？ The role of uncertainty avoidance. Journal of Marketing Research， 61（1）， 92?109.

Haefner， N.， Wincent， J.， Parida， V.， & Gassmann， O. （2021）. Artificial intelligence and innovation management： A review， framework， and research agenda. Technological Forecasting and Social Change， 162， Article 120392. https：//doi.org/10.1016/j.techfore.2020.120392

Heitmann， M.， Landwehr， J. R.， Schreiner， T. F.， & van Heerde， H. J. （2020）. Leveraging brand equity for effective visual product design. Journal of Marketing Research， 57（2）， 257?277.

Homburg， C.， Schwemmle， M.， & Kuehnl， C. （2015）. New product design： Concept， measurement， and consequences. Journal of Marketing， 79（3）， 41?56.

Huang， M. H.， Rust， R.， & Maksimovic， V. （2019）. The feeling economy： Managing in the next generation of artificial intelligence （AI）. California Management Review， 61（4）， 43?65.

Jindal， R. P.， Sarangee， K. R.， Echambadi， R.， & Lee， S. （2016）. Designed to succeed： Dimensions of product design and their impact on market share. Journal of Marketing， 80（4）， 72?89.

Kakatkar， C.， Bilgram， V.， & Füller， J. （2020）. Innovation analytics： Leveraging artificial intelligence in the innovation process. Business Horizons， 63（2）， 171?181.

Kong， J.， & Lou， C. （2023）. Do cultural orientations moderate the effect of online review features on review helpfulness？ A case study of online movie reviews. Journal of Retailing and Consumer Services， 73， Article 103374. https：//doi.org/10.1016/j.jretconser.2023.103374

Kornish， L. J.， & Ulrich， K. T. （2014）. The importance of the raw idea in innovation： Testing the sow's ear hypothesis. Journal of Marketing Research， 51（1）， 14?26.

Kristensson， P.， Gustafsson， A.， & Archer， T. （2004）. Harnessing the creative potential among users. Journal of Product Innovation Management， 21（1）， 4?14.

LaTour， K. A.， & Deighton， J. A. （2019）. Learning to become a taste expert. Journal of Consumer Research， 46（1）， 1?19.

Lee， M. K. （2018）. Understanding perception of algorithmic decisions： Fairness， trust， and emotion in response to algorithmic management. Big Data & Society， 5（1）. https：//doi.org/10.1177/2053951718756684

Libai， B.， Bart， Y.， Gensler， S.， Hofacker， C. F.， Kaplan， A.， K?tterheinrich， K.， & Kroll， E. B. （2020）. Brave new world？ On AI and the management of customer relationships. Journal of Interactive Marketing， 51（1）， 44?56.

Lilien， G. L.， Morrison， P. D.， Searls， K.， Sonnack， M.， & von Hippel， E. （2002）. Performance assessment of the lead user idea-generation process for new product development. Management Science， 48（8）， 1042?1059.

Liljedal， K. T. （2016）. The effects of advertising consumer co-created new products： A brand-alliance framework model can predict perceptions about co-created brands and their creators. Journal of Advertising Research， 56（1）， 53?63.

Liu， P. J.， Dallas， S. K.， & Fitzsimons， G. J. （2019）. A framework for understanding consumer choices for others. Journal of Consumer Research， 46（3）， 407?434.

Liu， Y.， Li， K. J.， Chen， H.， & Balachander， S. （2017）. The effects of products aesthetic design on demand and marketing-mix effectiveness： The role of segment prototypicality and brand consistency. Journal of Marketing， 81（1）， 83?102.

Logg， J. M.， Minson， J. A.， & Moore， D. A. （2019）. Algorithm appreciation： People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes， 151（10）， 90?103.

Longoni， C.， Bonezzi， A.， & Morewedge， C. K. （2019）. Resistance to medical artificial intelligence. Journal of Consumer Research， 46（4）， 629?650.

Longoni， C.， & Cian， L. （2022）. Artificial intelligence in utilitarian vs. hedonic contexts： The “word-of-machine” effect. Journal of Marketing， 86（1）， 91?108.

Longoni， C.， Cian， L.， & Kyung， E. J. （2023）. Algorithmic transference： People overgeneralize failures of AI in the government. Journal of Marketing Research， 60（1）， 170?188.

Mishra， A. （2016）. Attribute-based design perceptions and consumer-brand relationship： Role of user expertise. Journal of Business Research， 69（12）， 5983?5992.

Moreau， C. P.， Bonney， L.， & Herd， K. B. （2011）. Its the thought （and the effort） that counts： How customizing for others differs from customizing for oneself. Journal of Marketing， 75（5）， 120?133.

Moreau， C. P.， & Herd， K. B. （2010）. To each his own？ How comparisons with others influence consumers evaluations of their self-designed products. Journal of Consumer Research， 36（5）， 806?819.

Moreau， C. P.， Prandelli， E.， Schreier， M.， & Hieke， S. （2020）. Customization in luxury brands： Can Valentino get personal？ Journal of Marketing Research， 57（5）， 937?947.

Nishikawa， H.， Schreier， M.， Fuchs， C.， & Ogawa， S. （2017）. The value of marketing crowdsourced new products as such： Evidence from two randomized field experiments. Journal of Marketing Research， 54（4）， 525?539.

Nishikawa， H.， Schreier， M.， & Ogawa， S. （2013）. User-generated versus designer-generated products： A performance assessment at Muji. International Journal of Research in Marketing， 30（2）， 160?167.

Paharia， N.， & Swaminathan， V. （2019）. Who is wary of user design？ The role of power-distance beliefs in preference for user-designed products. Journal of Marketing， 83（3）， 91?107.

Poetz， M. K.， & Schreier， M. （2012）. The value of crowdsourcing： Can users really compete with professionals in generating new product ideas？ Journal of Product Innovation Management， 29（2）， 245?256.

Puntoni， S.， Reczek， R. W.， Giesler， M.， & Botti， S. （2021）. Consumers and artificial intelligence： An experiential perspective. Journal of Marketing， 85（1）， 131?151.

Randall， T.， Terwiesch， C.， & Ulrich， K. T. （2007）. User design of customized products. Marketing Science， 26（2）， 268?280.

Reich， T.， Kaju， A.， & Maglio， S. J. （2023）. How to overcome algorithm aversion： Learning from mistakes. Journal of Consumer Psychology， 33（2）， 285?302.

Sample， K. L.， Hulland， J.， Sevilla， J.， & Labrecque， L. I. （2024）. The design communication assessment scale （DCAS）： Assessing and adjusting the effectiveness of product design communications. Journal of Marketing Research， 61（1）， 27?48.

S?rm?kari， N.， & V?nsk?， A. （2022）. ‘Just hit a button！–f ashion 4.0 designers as cyborgs， experimenting and designing with generative algorithms. International Journal of Fashion Design， Technology and Education， 15（2）， 211?220.

Schreier， M.， Fuchs， C.， & Dahl， D. W. （2012）. The innovation effect of user design： Exploring consumers innovation perceptions of firms selling products designed by users. Journal of Marketing， 76（5）， 18?32.

Simonov， A.， Ursu， R. M.， & Zheng， C. （2023）. Suspense and surprise in media product design： Evidence from twitch. Journal of Marketing Research， 60（1）， 1?24.

Song， X.， Jung， J.， & Zhang， Y. （2021）. Consumers preference for user-designed versus designer-designed products： The moderating role of power distance belief. Journal of Marketing Research， 58（1）， 163?181.

Srinivasan， R.， & Sarial-Abi， G. （2021）. When algorithms fail： Consumers responses to brand harm crises caused by algorithm errors. Journal of Marketing， 85（5）， 74?91.

Starke， C.， Baleis， J.， Keller， B.， & Marcinkowski， F. （2022）. Fairness perceptions of algorithmic decision-making： A systematic review of the empirical literature. Big Data & Society， 9（2）. https：//doi.org/10.1177/20539517221115189

Ulrich， K. T. （2011）. Design： Creation of artifacts in society. Philadelphia： University of Pennsylvania Press.

Verganti， R.， Vendraminelli， L.， & Iansiti， M. （2020）. Innovation and design in the age of artificial intelligence. Journal of Product Innovation Management， 37（3）， 212?227.

Von Hippel， E. （1998）. Economics of product development by users： The impact of “sticky” local information. Management Science， 44（5）， 629?644.

Wang， S. S.， & Van Der Lans， R. （2018）. Modeling gift choice： The effect of uncertainty on price sensitivity. Journal of Marketing Research， 55（4）， 524?540.

Xu， L.， & Mehta， R. （2022）. Technology devalues luxury？ Exploring consumer responses to AI-designed luxury products. Journal of the Academy of Marketing Science， 50（6）， 1135?1152.

Yin， J.， Wang， Y.， Pang， J.， & Wang， K. （2020）. Customizing products for self versus close others： The effect of intended recipient on creator perceptions of product uniqueness. Marketing Letters， 31（1）， 73?87.

Zhang， H.， Bai， X.， & Ma， Z. （2022）. Consumer reactions to AI design： Exploring consumer willingness to pay for AI- designed products. Psychology & Marketing， 39（11）， 2171?2183.

Professional design， user design， or AI design？ The psychological

mechanism of the source of design effect

WU Bo， ZHANG Aojie， CAO Fei

（Business School， Tianjin University of Finance and Economics， Tianjin 300222， China）

Abstract： The source of design effect is defined as the manner in which the source information of a firms product design affects consumer product preferences and corporate attitudes. Currently， there are three major sources： professional designers， users， and AI， each exerting either positive or negative influences on consumer preferences through different psychological mechanisms. The source of professional design influences consumer preferences through the perceived competence of expert designers， whereas the source of user design influences consumer preferences through the perceived capabilities of users， empowerment and the psychological distance between users and brands. Furthermore， the source of AI design influences consumer preferences by virtue of the value and information offered by products designed using AI. It is noteworthy that， the source of design effect is moderated by consumer individual differences， product characteristics and the openness of a firms design policy. Future research should delve deeper into consumer reactions to mixed design sources as well as the psychological mechanisms and boundary conditions of the source of design effect.

Keywords： source of design effect， product design communication， professional design， user design， artificial intelligence design