文献追踪日报

有效的数字平台策略往往依赖对用户行为的深入理解。在电商领域，通过机器学习分析点击流数据，可将用户按其在线互动特征划分为不同的细分群体。本研究探索大语言模型（LLM）从这些客户细分中提取细粒度洞察的潜力。与传统方法不同，LLM 在揭示用户偏好、需求与动机中潜藏的模式方面可能具备更强的能力。本研究在电商情境下验证了将点击流细分与 LLM 相结合的有效性，可为个性化营销活动、创新产品开发和客户服务改进生成可操作的建议。研究指明了该 LLM 方法的实际应用领域，结果表明此类工具在电商分析中具有巨大潜力，包括理解用户行为与预先确定个性化方向。借助 LLM，企业能够更深入地理解特定领域内的用户行为、识别尚未开发的机会并量身定制产品供给。本研究推进了电商分析方法论，其洞见亦可推广至其他数字平台的用户互动理解，帮助组织优化运营、培育客户忠诚。

生成式人工智能的快速进步正推动各行业创新，大语言模型（LLM）凭借接近人类的语言处理能力不断拓展应用边界。然而现有研究多聚焦于 LLM 模型的定性评价与性能比较，限制了我们客观理解消费者如何评价 LLM 服务并赋予其经济价值。为弥补这一空白，本研究定量评估 LLM 服务的用户体验并分析其经济价值。研究采用离散选择实验，系统考察消费者对价格、响应准确性、响应速度、最大响应长度、内容类型和词汇理解水平等关键属性的偏好。结果显示，响应准确性是最重要的因素，其次是价格、语言理解与内容类型；用户对图像生成功能的支付意愿显著高于文本生成功能。模拟结果进一步表明，取决于定价与功能策略，端侧模型具备与云端模型竞争的明显潜力。通过将 LLM 服务属性划分为行业驱动型与用户中心型因素，本研究为寻求设计以用户为中心且可持续的商业模式的企业提供了可操作的建议。

平台工作者处于AI驱动任务转型的最前沿，这使得将认知、能动性与行为反应同生成式AI使用联系起来变得困难。本研究考察这些张力，聚焦平台工作者如何以及为何重申其能动性。基于认知失调理论与人类能动性回路，本研究模型提出认知失调既制约人类能动性，又与主动重申相关联，揭示了人机交互中的悖论性动态。通过对英国 232 名平台工作者的定量调查，实证检验了与生成式AI工作使用中认知失调相关的四类环境触发因素，这些因素又关联到人类能动性及其主动重申。通过连接环境触发、心理张力与行为反应，本研究推进了生成式AI与人类能动性的信息系统理论，为平台治理提供了可操作的洞见，并为未来工作场景中生成式AI使用研究奠定了基础。

生成式AI已嵌入日常知识工作，但当大语言模型（LLM）的输出进入真实交付物时，工作者如何维护人类能动性，我们知之甚少。基于对两家早期采用该技术的德国科技公司的 15 次访谈以及对工作手册和工作流文档的分析，本研究考察专业人士在 LLM 生成其部分工作时如何保持控制与责任。我们聚焦人们介入的三个阶段：与AI协作起草、精炼其输出以及与他人共同审阅最终成果。由此推导出一份九步清单，明确在何时应用何种实践，使AI辅助文本保持可靠、可追溯与可问责。本研究的贡献在于：(1) 阐释所有权与自主裁量权如何共同为生成式AI工作流中的人类能动性奠定基础；(2) 刻画在起草、精炼与审阅过程中，判断如何在人与 LLM 之间转移；(3) 提出九步监督协议（OP-9），将简单检查嵌入工作流的关键节点。

生成式AI（GenAI）正在改变商业活动，新产品开发（NPD）亦不例外。尽管该技术在 NPD 中的重要性日益增加，管理者仍缺乏将其最佳融入业务活动的具体指导。我们采用“合成队友”的框架，帮助管理者以战略化、结构化的方式在 NPD 中运用 GenAI，使其成为有价值但须被严格管理的团队成员。为促进这一新“合成队友”的有效整合，我们就 GenAI 如何在 NPD 四项关键活动中最佳融入提供指导，包括如何以最有效的方式与其沟通。指导的核心在于确保管理者认识到 GenAI 的优势与局限，并同意在其使用中采取“人本优先”的方式。人类需在 NPD 中保持主导，GenAI 作为合成队友丰富其活动，为企业带来竞争优势。

生成式人工智能（GenAI）在各行业的快速采纳带来了效率、创造力与创新的新机遇，同时也造成了对 GenAI 能力边界、使用方式及其在现有业务结构中定位的困惑。尽管 GenAI 常被视为单一能力，我们认为更恰当的理解是它由多种不同的“智能”构成，这些智能在成熟度与应用方式上各不相同。借鉴加德纳的多元智能理论，本文提出 GenAI 智能的分类体系，并刻画其与当前及新兴用例的关系。基于该分类体系，我们提供实用指导，帮助企业识别 GenAI 今日可创造价值之处以及仍存在局限之处。我们建议企业采取“智能管理”路径，将 GenAI 视为动态演进的协作者而非通用工具。理解不同 AI 智能的具体能力，有助于商业领导者将 GenAI 采纳与战略目标对齐、更清晰地传达其角色，并建立长期竞争优势。

环境、社会与治理（ESG）评级的不确定性引发了对可持续性评价可靠性及其对企际关系影响的担忧。尽管已有研究关注 ESG 评级分歧在企业层面的财务后果，但其对买方—供应商交换的影响仍鲜为人知。本研究以社会交换理论为基础，考察供应商 ESG 评级分歧如何影响买方提供的商业信用——供应链中的一种战略性融资机制。研究使用中国上市公司供应商—买方企业—年观测的面板数据，将财务与供应链数据同国际和国内评级机构的 ESG 评估相结合。结果显示，供应商 ESG 评级分歧越大，买方提供商业信用的意愿越低，因为不确定性削弱了信任与互惠。但这一负向效应受情境条件调节：供应商强大的市场势力可制约买方反应，而稳定的买方—供应商关系则通过私有信息与自我执行机制缓解该影响。在 ESG 议题具有财务重要性的高污染行业中，该效应尤为显著。本研究揭示了评级分歧如何在组织间金融中产生关系型风险，推进了 ESG 与可持续供应链文献，并为 ESG 不确定性下的企业、评级机构与监管者提供了实践启示。

生物多样性丧失除生态后果外，已成为一种实质性金融风险。尽管公开金融市场日益对生物多样性风险定价，但其对私人关系型融资、尤其是供应链金融（SCF）的影响仍鲜为人知。本研究采用基于文本的风险度量与中国制造业企业 2008—2023 年数据，考察生物多样性风险如何影响 SCF。我们发现生物多样性风险与 SCF 的显著收缩相关。机制分析表明，这一效应通过财务困境、信息不对称与供应链中断三条路径起作用。气候风险和区域生态约束会放大该负向关联，而强有力的环境治理则可缓解之。这种收缩具有不对称性，集中于上游供应商，并伴随从低成本、关系型信用向更昂贵的工具型融资替代方案的转移。研究识别出生物多样性风险是“替代假说”的边界条件，并为自然相关金融风险的披露框架提供借鉴。

本研究旨在识别构成供应链金融区块链实施障碍的灰色交易行为，探讨这些行为衍生出哪些具体阻碍、进而妨碍区块链实施，并进一步测量相应实施障碍的影响程度。研究主要采用德尔菲法与 DANP 方法。分析识别出三类构成实施障碍的灰色交易行为，即回扣、内外账以及与银行之间的非正式交易关系。此外，这三类障碍衍生出七项具体阻碍，可用以解释它们为何妨碍区块链实施。最后，尽管内外账是主要障碍，但与银行的非正式交易关系可能是关键的潜在障碍，会强化另外两类障碍。本研究填补了供应链金融与区块链交叉领域现有研究的空白，并为从业者重新思考如何在供应链金融情境中成功实施区块链提供了新视角。

在数字经济中，稳健的网络安全治理对企业融资稳定的重要性日益凸显。本研究以 2011—2023 年中国 A 股上市公司为样本，运用 Word2vec 自然语言处理技术构建企业网络安全治理承诺的度量指标，实证检验其对商业信用融资的影响。结果显示，企业对网络安全治理所表达的承诺与其从供应商获得的商业信用正相关。我们发现信息不对称与企业声誉是这一效应发挥作用的关键机制。异质性分析表明，该效应在收到监管问询函的企业、无政治关联的企业、经济政策不确定性较高时期的企业以及位于社会信任水平较低地区的企业中更为显著。此外我们还发现，当企业所宣称的承诺与其实际行动一致时，供应商会通过将更大份额的采购量分配给他们来调整业务关系，从而强化长期供应链信任。本研究为新兴经济体企业加强网络安全治理、优化融资环境提供了有价值的启示。

目前，金融机构已初步将供应链金融作为评估中小企业（SME）信用评级的手段。然而传统技术无法满足此类评估需求，因为金融机构需要从供应链和核心企业的视角、而非仅从中小企业自身视角来评估其信用。本研究提出一种结合定量与定性准则的混合技术，即区间二型模糊集（IT2FS）下基于多阶段质量功能展开（QFD）的 MULTIMOORA 方法，以克服传统技术的缺陷。首先，运用所构建的公式将定量数值转化为 IT2FS；其次，提出多阶段 QFD 模型，通过整合核心企业信用评级矩阵以及中小企业、核心企业与供应链之间的准则关系矩阵，得到 SME 信用评级矩阵；第三，通过同时考虑改进的 Borda 规则与扩展参考点来增强 IT2FS-MULTIMOORA，从而得出最终排序，并基于相关系数提出权重确定技术。最后，将该技术应用于 SME 信用评级评估问题。与其他技术的比较及敏感性分析结果为金融机构向中小企业放贷提供了建议。

在数字智能时代，人工智能为企业发展注入新动能，但其在提升品牌管理绩效方面的实效仍是待解的实证问题。本研究以技术可供性实现理论为基础，构建“AI 可供性—消费者价值感知—品牌价值”的研究框架。研究采用机器学习技术构建 AI 可供性词典，分析中国上市公司年报，构建企业层面 AI 自主性与交互性可供性的度量，进而考察 AI 可供性对企业品牌价值的影响及其机制路径。研究发现：(1) AI 可供性对品牌价值具有统计上显著的正向影响，Heckman 两阶段模型与倾向得分匹配分析验证了实证稳健性；(2) 门槛分析表明 AI 可供性对企业品牌价值存在双门槛效应；(3) 中介分析揭示消费者对功能价值、经济价值与情感价值的感知部分中介了 AI 可供性与品牌价值之间的关系；(4) 基于中国上市品牌企业数据的异质性分析表明，AI 可供性的品牌价值提升效应在竞争激烈的市场、地方政府数据开放程度较高的地区、中华老字号企业以及具有政治关联的企业中更为显著。本研究拓展了技术可供性实现理论在 AI 时代的适用性，为借助 AI 放大品牌价值提供了可操作的启示。

研究将创业者叙事真实性识别为独立于品牌真实性的构念，包含三个维度：动机真诚性、经历一致性和情感脆弱性。创业者叙事真实性通过两条平行的中介路径正向驱动消费者的品牌依恋：叙事传输（情感路径，占 58.2%）和自我—品牌联结（认知路径，占 41.8%）。串行中介机制得到验证，即叙事真实性增强叙事传输，进而强化自我—品牌联结，最终提升品牌依恋。消费者营销怀疑负向调节情感路径（第一阶段），产品类型正向调节认知路径（第二阶段）。研究采用混合方法设计（多案例 Gioia 分析结合两项实验），为创始人故事在新消费品牌中的效果提供了严谨的因果证据。

目的：虚拟品牌社区中的用户知识分享是企业洞察消费者需求与推动产品创新的重要来源。为提升用户知识分享的有效性，社区运营需将治理措施与品牌战略有机结合。因此，本研究旨在探讨治理机制与品牌资产对用户知识分享的协同效应。设计与方法：研究使用来自小米、华为和苹果社区的 297 份问卷，采用 fsQCA 方法揭示治理机制与品牌资产对虚拟品牌社区用户知识分享意愿的组态影响。发现：品牌社区用户分享知识的意愿并非仅由治理机制或品牌资产的存在决定，而是取决于其特定的组合模式。共存在三类促进型组合与两类抑制型组合，社区共治与感知质量是核心因素。原创性/价值：监督并不总是有利于用户间的知识分享。品牌资产高的用户在共治模式下更愿意分享，而严格的社区监督会削弱品牌资产低用户的分享意愿。因此，品牌社区应对核心用户群（高品牌参与、高活跃度）采用共治模式，对新增用户群采用减少监督与渐进激励的特殊治理组合。

目的：信息采纳作为描述知识内化的过程，已在购买意愿与消费者决策研究中得到广泛探讨，但消费者如何通过热门话题学习品牌知识仍不清楚。本研究旨在考察当消费者通过热门话题采纳品牌信息时，信息如何被感知为对学习品牌知识有用。设计与方法：研究采用质性方法，考察 30 名曾参与热门话题讨论并采纳品牌信息以获取品牌知识的 Sina Weibo 用户；使用 NVivo 11 对通过半结构化访谈收集的约 72 万字访谈转录文本进行主题分析。发现：对当前任务的优先排序是感知信息有用性的关键策略。对当前任务无即时帮助的品牌信息被感知为低有用性，但仍被认为对未来需求而言具有采纳价值；同时，能同时促进产品绩效与任务绩效的信息被感知为对学习品牌知识有用。实践启示：品牌管理者可从通过热门话题采纳品牌信息的视角，识别消费者对信息有用性的感知，从而管理消费者的品牌知识。原创性/价值：本研究有助于理解品牌信息采纳与品牌知识学习，为组织外信息采纳提供了独特洞见，并拓展了社交媒体情境下的品牌知识管理研究。

在各类奢侈品中，奢侈品美妆相对可负担，多数消费源于消费者体验奢侈品牌的渴望。美妆行业在全球快速增长。由于维系既有客户被证明比获取新客户更有利可图，企业日益采用关系营销策略来建立并维持与消费者的长期关系。本研究将社会交换理论的适用性拓展至奢侈品服务消费情境。结果证实，信心利益、社交利益与特殊待遇利益均对品牌满意具有显著影响。此外，消费者对关系利益的反应并非仅基于功利性交换，也基于情感评价——尤其通过满意度的中介作用，进而强化其品牌忠诚。此外，服务提供者的真实性显著调节信心利益与满意之间的关系，凸显出真实性在增强关系利益效果中的关键作用。总之，本研究不仅对交换理论与奢侈品品牌文献的理论发展有所贡献，也为制定情感驱动的品牌管理策略提供了实践启示。