AI 生成圖片還是實拍：顧客怎麼看服務廣告

1. 基本資訊

這篇文章由 Daniel Belanche、Sergio Ibáñez-Sánchez、Pau Jordán 與 Sergio Matas 發表於 2025 年的 International Journal of Information Management，題目是〈Customer reactions to generative AI vs. real images in high-involvement and hedonic services〉，DOI 為 10.1016/j.ijinfomgt.2025.102954。文章聚焦一個很實際的問題：公司若用 generative AI 產生的圖片來做商業宣傳，消費者到底會不會買單，還是反而降低對服務的使用與推薦意圖。

2. 研究問題

作者主要問三件事。第一，消費者對使用 AI-generated images 的服務廣告，是否比對使用 real images 的廣告反應更差。第二，這種差異是否會因服務是 hedonic 還是 utilitarian，以及消費者是高還是低 involvement 而改變。第三，當顧客看到公司使用 AI 生成圖片時，心中究竟會浮現哪些推論與疑慮。

3. 理論基礎

本文建立在 Processing Fluency Theory 上。核心觀點是：當刺激容易被處理、容易被理解與信任時，人們會產生較正向的評價。作者認為，真實圖片因為更有 authenticity、更容易讓人想像實際服務體驗，所以更有 processing fluency；相反地，AI-generated images 可能帶來不自然感、失真感或「這是不是在騙我」的疑慮，因而降低 fluency，導致更批判、更保留的判斷。

4. 研究架構

整體架構可概括成：image type (AI-generated vs. real) → behavioral intentions，其中 service type (hedonic vs. utilitarian) 與 consumer involvement (high vs. low) 是兩個核心邊界條件。作者還進一步探索三階交互作用，檢驗是否只有在特定條件組合下，AI-generated images 才不會明顯傷害商業效果。

5. 假設邏輯

作者的邏輯很清楚。若服務本身偏 hedonic，消費者更在意情緒共鳴、真實感與想像力，因此 AI-generated images 的不真實感會更傷。若服務偏 utilitarian，消費者主要在意功能與效率，對圖像真實性的敏感度相對較低。另一方面，高 involvement 決策會讓消費者更仔細檢查圖像與資訊，因此更容易察覺 AI 圖像可能帶來的不可信與不專業訊號；低 involvement 情境則相對寬鬆。於是，AI-generated images 最容易在 high-involvement、hedonic 服務中產生反效果。

6. 方法

研究採 mixed-methods。第一部分用實驗法比較 AI-generated vs. real images 對服務使用與推薦意圖的影響，並操弄服務的 hedonic / utilitarian 性質與 involvement 高低。第二部分用質性研究蒐集消費者對這類圖片的開放式看法，以理解他們為何會排斥或不信任 AI-generated images。整體設計不只檢驗效果，也補上背後原因。

7. 結果

結果相當明確。第一，整體上消費者更偏好用 real images 宣傳的服務，而不是用 AI-generated images 的服務。第二，AI-generated images 對 intentions to use 與 recommend 的負面影響，在 hedonic 服務中比在 utilitarian 服務中更強。第三，這種負面影響在 high-involvement 顧客身上也更強，因為他們會更仔細處理與檢查訊息。第四，post-hoc 分析還發現三階交互作用：若是 low-involvement 的 utilitarian 服務，AI-generated images 的傷害相對最小；反之，只要是 high-involvement 或偏 hedonic 的情境，AI 圖像就更容易帶來負面效果。第五，質性研究顯示，消費者會把使用 AI-generated images 的公司看成較 impersonal、較不專業、較缺乏 credibility，甚至有誤導嫌疑，因為這些圖片妨礙他們想像真實體驗。

8. 理論貢獻

這篇最重要的理論貢獻，是把 generative AI 圖像的商業效果放回 processing fluency 與 boundary condition 架構來看。第一，它釐清了文獻中對 AI-generated images 效果的分歧，不是單純說 AI 圖好或不好，而是要看服務類型與 involvement。第二，它把 image authenticity 與 fluency 機制明確接回 consumer behavior，補上 generative AI 行銷文獻目前較缺的理論層次。第三，它透過質性資料補強了實驗結果，指出消費者對 AI 圖的抗拒，不只是審美問題，而是會進一步推論到專業性、可信度與企業意圖。

9. 實務意涵

對行銷與服務設計者來說，這篇的訊息非常直接。若你推的是 hedonic 服務，像旅遊、休閒、住宿體驗，最好優先使用 real images，因為顧客很在意真實感與可想像性。若服務屬 utilitarian 且 involvement 較低，AI-generated images 才比較有機會成為成本較低、效率較高的替代方案。換句話說，企業不該把 AI-generated images 視為普遍可替代真實圖片的方案，而應把它視為一個在特定條件下才相對安全的工具。

10. 研究限制

限制方面，第一，研究主要透過實驗情境模擬消費決策，與真實市場場景仍有距離。第二，研究聚焦在圖片，不代表影片、文字或其他 generative AI 內容會有完全相同效果。第三，文化脈絡可能影響 authenticity 與 hedonic guilt 的感受，但本文未大幅展開跨文化差異。第四，研究假設受試者能辨識或被告知圖像是否由 AI 生成，未完全處理未揭露情境下的反應。

11. 對我研究的啟發

這篇對我很有價值，因為它把我前面已讀的 anthropomorphism、privacy、control、consumer-AI interaction 線，往 visual communication 與 marketing cue 的方向延伸。我如果後面要研究 human-GenAI collaboration 或 AI-enabled communication，可以直接借它的邏輯去問：AI 生成內容不只是成本工具，它還會改變我對真實性、可控性與信任的判斷。另一個很可重用的點，是 service type × involvement 這組邊界條件，很適合我後續拿來設計更細的情境比較。

12. 整體評價

我認為這篇很值得優先讀，因為它把一個現在企業非常想用、但學術上仍有分歧的問題做得很乾淨：AI-generated images 不是一定有效，而是大多數情況下不如真實圖，只有在低涉入、偏功能型的情境下才較不傷。它的強項是理論線清楚、邊界條件明確、而且質性結果把消費者的真實疑慮講得很透。若要挑剔，主要是對真實市場行為的外推仍需後續驗證；但作為我文獻池裡處理 generative AI visual content 的代表文，我認為很實用。