消費者如何回應AI廣告：基于BERTopic模型的小紅書用戶評論分析

摘要

工智能正在重塑廣告內容創作模式。本文以中國社交媒體平臺小紅書為研究場域，運用BERTopic主題模型、情感分析和關鍵詞共現網絡等計算文本分析方法，對2023年至2025年間與AI廣告相關的7979條用戶評論進行分析。研究結果揭示了消費者討論的五個核心主題，包括AI廣告識別、AI廣告可見性、廣告視覺評價、品牌形象評價以及行業沖擊與倫理爭議。研究表明，消費者對AI廣告的情感反應復雜且以負面情緒為主導。其中，“厭惡”和“憤怒”語調合計占比超過45%。本研究為理解消費者對AI廣告的反應提供了來自中國本土社交平臺的實證依據，同時也為推動更透明、負責任的AI廣告實踐提供了數據支持與管理啟示。

關鍵詞

AI廣告 小紅書 BERTopic模型 消費者評論

Abstract

Artificial intelligence is reshaping the advertising content creation model. This study analyzes 7,979 user comments related to AI advertising on the Chinese social media platform Rednote from 2023 to 2025. It uses computational text analysis methods, including topic modeling based on BERTopic, sentiment analysis, and keyword co-occurrence networks, to identify key themes in consumer discussion. The findings reveal five core topics: AI advertising recognition, AI advertising visibility, ad visual evaluation, brand image evaluation, and industry impact and ethical concerns. The study shows that consumers’ emotional responses to AI advertising are complex but predominantly negative, with “disgust” and “anger” tones accounting for over 45% of comments. This research offers empirical evidence from a local Chinese social platform to help understand consumer reactions to AI advertising. It also provides data support and practical insights for the industry to develop more transparent and responsible AI advertising practices.

Keywords

AI advertising Rednote BERTopic Model Consumer Comments

1 引言

人工智能技術正在深刻重塑全球廣告業格局，其應用已從側重自動化、替代重復性勞動，逐步擴展為在更高層面輔助決策、提升客戶參與度，并催生新的商業模式。據Grand View Research預測，2025年全球人工智能市場規模將達3910億美元。[1]Gartner的調研顯示，到2026年，超過80%的企業將在生產環境中使用生成式人工智能或部署支持生成式人工智能的應用程序。[2]在中國，人工智能產業同樣蓬勃發展。艾瑞咨詢報告顯示，預計2025年至2029年中國人工智能產業將保持32.1%的年均復合增長率，2029年有望突破1萬億市場規模。[3]

在廣告營銷領域，人工智能的應用日益深入，在消費者定位、個性化推薦、內容創作和廣告優化等方面展現出巨大潛力。[4]其中，內容創作環節因其產出直接面向消費者，成為最易感知的人工智能應用場景之一，也是人工智能在廣告實踐中應用較為活躍的領域。[5]早在2018年，雷克薩斯使用了由人工智能撰寫腳本的廣告，開啟了人工智能參與廣告創作的先河。[6]隨著生成式對抗網絡和擴散模型技術的成熟，文生圖、文生視頻等跨模態生成技術得以實現，算法能夠在極短時間內進行自動化內容創建，生成高度逼真的現實場景，大大提升了內容生產效率。僅2023年上半年，就涌現出了諸如可口可樂的視頻廣告《Masterpiece》、麥當勞“青銅漢堡”等廣泛傳播的人工智能廣告作品（以下簡稱AI廣告）。[7]這些成功案例印證了人工智能在激發創意和降低制作成本方面的巨大價值。在營銷實踐中，越來越多的營銷人員認識到人工智能為營銷活動帶來的價值。Influencer Marketing Hub的調研數據顯示，高達69.1%的營銷人員已將人工智能納入其營銷策略，[8]而在我國，據央視市場研究（CTR）發布的《2025中國廣告主營銷趨勢調查報告》，超半數的廣告主表示已在創意內容中使用了人工智能生成技術，[9]這意味著人工智能生成技術已成為營銷創新的重要驅動力。

盡管業界對人工智能在廣告內容創作中的應用熱情高漲，但消費者對這類廣告內容的認知與反應尚不明確，亟待深入研究。現有研究顯示出復雜的消費者反應：尼爾森智庫對2000名美國消費者的調查顯示，消費者能夠本能地識別出大部分人工智能生成的廣告，并認為它們比傳統廣告更缺乏吸引力，甚至感到“煩人”“無聊”與“令人困惑”。[10]此外，Civicscience的調查表明，消費者對使用人工智能的品牌也存在負面認知，約五分之二的美國成年消費者對這類品牌持負面態度。[11]然而，盡管已有研究探討了廣告訴求類型[12]、慈善廣告[13]、AI披露[14]等因素對消費者反應的影響，但此類研究多基于實驗情境，缺乏在真實社交環境中對消費者反應的觀察。

在此背景下，本研究旨在拓寬研究視野，通過計算文本分析方法，探究真實情境下消費者對AI廣告的反應。本研究選取中國新興社交媒體平臺小紅書作為分析場域。得益于其獨特的“種草”文化和以UGC內容為主的圖文生態，該平臺提供了探究用戶在真實情境下對AI廣告反應的獨特窗口。[15]本研究引入了BERTopic主題建模技術，對小紅書2023年至2025年間AI廣告相關帖子下的用戶評論進行分析，旨在揭示消費者在面對AI廣告時所討論的核心主題，為廣告主和相關行業實踐者提供參考。

2 文獻綜述

隨著人工智能技術的飛速發展，其在廣告領域的應用已成為學界與業界的共同焦點。現有研究指出，人工智能是指能夠表現出智能行為的程序、算法、系統或機器，[16]其功能依托于機器學習、自然語言處理、基于規則的專家系統、神經網絡、深度學習與機器人流程自動化等關鍵技術。[17]在營銷領域，人工智能通過改進營銷決策（例如，定價促銷、產品推薦、增強客戶參與度等），或實現客戶服務和市場交易的自動化，從而實現企業降本增效的目標。[18]在此基礎上，生成式人工智能逐漸成為廣告內容生產的重要技術路徑。目前，由于AI廣告仍處于快速發展階段，學界對AI廣告的定義尚未形成統一共識。李海容將AI廣告界定為以消費者為中心、數據驅動、算法介導的品牌傳播，突出了人工智能通過數據與算法介入并驅動品牌傳播系統的特征；[19]Rodgers從功能屬性和傳播目標角度切入，提出AI廣告是“利用一系列機器功能進行的品牌傳播，這些機器功能可以通過學習執行任務，意圖通過人類、機器或人機協同輸入來實現說服”。[20]秦雪冰和姜智彬則聚焦廣告運作流程，認為人工智能對傳統廣告流程進行了重組和升級，新的廣告流程由以算法為核心的數據平臺提供支持，具有工具性、同步性和高效性[21]，體現了人工智能對廣告流程的重構。

與上述從系統、功能或流程層面出發的AI廣告定義相比，Campbell提出的“合成廣告”（synthetic advertising）更聚焦于廣告內容形態本身，指在深度偽造和生成式對抗網絡等人工智能技術的支持下，通過對數據進行自動生成與修改而形成的廣告內容。這被視為當前廣告操縱中最為復雜的形式之一。[22]綜合以上觀點，現有的AI廣告定義主要涵蓋了品牌傳播系統和廣告運作流程中應用人工智能技術的多重實踐。而本文所關注的AI廣告更加聚焦于人工智能參與廣告內容生成的過程及結果，屬于狹義范疇，更接近Campbell所界定的“合成廣告”。基于此，本文將AI廣告界定為部分或全部由人工智能自動生成的廣告。

現有研究普遍認為，生成式人工智能在內容生成領域的潛力尤為突出。Davenport和Mittal指出，生成式人工智能有可能在內容生成、內容多樣性、內容質量和個性化內容四個方面深刻改變商業與市場營銷，其中在內容生成和多樣性方面已有顯著進展。[23]但對于營銷應用來說，內容質量至關重要。[24]因此，在營銷領域中采用生成式人工智能仍需保持審慎態度。麥肯錫研報顯示，在營銷和銷售領域采用生成式人工智能可以產生最大的價值，但同時也會帶來相關的管理風險，包括數據管理風險（如數據隱私、偏見或知識產權侵權）和模型管理風險，往往集中在輸出不準確或缺乏可解釋性上。[25]也有相關研究指出，在營銷活動中披露人工智能的使用，可能會影響消費者的信任感。[26]例如，當消費活動以消費者的身份為核心，[27]或當消費者認為人工智能對他們的隱私構成威脅時，[28]其對品牌的信任水平及購買意愿可能下降。此外，當消費者與人工智能互動時，可能處于低層次的解釋心態，懷疑人工智能是否能夠“理解”某些消費行為的重要性。[29]任務特征也會影響消費者對人工智能的接受程度，尤其是當任務涉及情感、直覺，人們認為人工智能缺乏此類任務需要的情感能力和同理心，[30]甚至會感到不安。[31]綜上所述，生成式人工智能一方面為廣告內容創作帶來了前所未有的效率與多樣性，另一方面也在數據管理、隱私保護與消費者信任等方面引發了一系列新的營銷管理難題。尤其是在廣告情境中，消費者對人工智能的態度很可能影響其對AI廣告的解讀與反應。因而有必要在具體的廣告應用場景中，從消費者角度出發，考察其如何評價并回應AI廣告。

現有從消費者視角出發探討AI廣告的研究整體仍處于探索階段，且存在一定的局限性。早期研究主要關注消費者對AI廣告的整體感知與評價，多采用問卷調查法[32]、訪談法[33]等方法測量消費者對AI廣告的總體態度；也有部分研究關注人工智能生成廣告文案的效果，[34]以及品牌文案中披露人工智能作為來源對品牌產生的影響。[35]但這些研究關注的技術停留在人工智能技術誕生的早期形態，研究對象主要集中在廣告文案和廣播廣告等非視覺形式。隨著生成式人工智能技術擴展至圖像等多模態內容，相關研究開始更多運用實驗法，通過操縱特定變量以檢驗其對消費者態度的影響。研究表明，消費者對AI廣告的反應受到多重因素調節，包括是否披露AI參與[36]、任務特征[37]、感知創意程度[38]等。然而，這些研究多數仍局限于受控實驗環境，對真實社交媒體場景中自然發生的消費者討論關注不足。

基于此，本研究擬采用計算文本分析方法，對中國社交媒體平臺小紅書中有關AI生成平面廣告的用戶評論開展分析。研究引入BERTopic主題建模技術，以從大量用戶評論中提取消費者討論的話題特征與情感傾向，從而揭示其在真實社交語境下對AI廣告的認知與態度。

在此基礎上，本研究擬聚焦以下研究問題：

RQ1：消費者在小紅書平臺針對AI廣告所發表的評論中，主要聚焦于哪些主題？

RQ2：消費者在AI廣告相關評論中呈現出怎樣的情感傾向？

RQ3：關鍵詞共現網絡揭示了消費者討論的核心概念及其關聯關系是什么？

3 研究方法

3.1研究思路

本文主要采用BERTopic對小紅書用戶在AI廣告帖子的評論數據進行主題挖掘。研究的開展包括三個關鍵步驟。首先，在數據收集與預處理階段，利用Python自定義爬蟲程序獲取小紅書平臺相關貼文，并進行清洗、分詞及停用詞處理。其次，考慮到傳統LDA方法對短文本分析效果不理想，[39]BERTopic基于預訓練深度學習語言模型，能更好地理解和捕捉較少詞匯中的深層含義，在可解釋性、應用場景廣泛性和配置靈活性方面更具優勢。[40]因此本文采用BERTopic進行主題建模，在此基礎上進一步分析各個主題內部的情感分布。最后，研究嘗試使用關鍵詞共線網絡分析，以呈現評論中核心概念之間的關聯關系。具體研究流程如圖 1所示。

圖 1 研究框架

3.2數據來源

本文擬以小紅書平臺作為研究場域，旨在探究小紅書平臺上的用戶對AI廣告的看法與情緒態度。截至2025年4月，小紅書平臺擁有3億月活用戶，內容分享者超1億，平臺的用戶群體呈現出較高的數字素養。[41]小紅書平臺以圖文筆記為主要的內容形式，且用戶活躍度與互動性較強，為觀察與分析消費者對AI廣告的真實反應提供了適宜場域。

在數據獲取方面，研究使用Python工具對小紅書帖子下的用戶評論進行爬取。首先，檢索關鍵詞設定為“AI廣告”和“AI生成廣告”。為盡可能保證評論的真實性與用戶視角，研究排除由品牌官方賬號或MCN機構發布的內容，經人工甄別后僅保留由個人用戶自主發布的帖子，主要集中于用戶分享其在日常生活中接觸到的AI廣告案例。考慮到AI圖像生成工具（如Midjourney、DALL·E等）極大推動了AI廣告的普及，本文將樣本時間范圍限定為2023年1月1日至2025年7月1日（檢索時間）。最終，初步獲得13篇評論量超過450條的相關帖子，共計收集13783條原始評論。

3.2.1數據預處理

為確保后續分析的準確性，本文對原始評論數據進行了系統的清洗與預處理。首先，使用Python中的Pandas庫導入原始CSV文件，并保留數據備份。隨后，通過自定義清洗函數對評論文本執行多輪文本規整處理，具體包括：去除重復數據、HTML標簽、URL鏈接、用戶@標識符、常見表情文本（如[笑哭R]）、emoji符號以及非中英文字符與多余空格；刪除停用詞和不相關內容（如評論區推廣信息）；增加專用詞典（如“AI廣告”等），并結合Python中的Jieba中文分詞庫進行分詞。上述步驟顯著提升了語料的可讀性與一致性。

3.2.2 BERTopic主題建模與參數調整

BERTopic是一種三階段式基于Bert詞向量進行主題建模的方法，靈活性較強。[42]其原理主要包含三個部分：（1）嵌入文檔與降維。BERTopic運用預訓練的Transformer模型將文檔轉換為高維度的向量，這些高維度向量可以成功捕獲詞語在上下文的語義信息。為提升數據集的語義信息質量，在此步驟對評論文本的字符數量進行了篩選，剔除了不足10字的評論，最終形成包含7979條用戶評論的數據集。為了保持后續聚類的效率，BERTopic使用UMAP技術對高維向量進行降維。UMAP可在降維的同時最大限度地保留原有的數據布局和結構，為后續聚類的有效性打下基礎。（2）文檔聚類。高維向量被降維后，可選擇相關聚類算法對文檔進行聚類。本文選擇使用默認的HDBSCAN算法，因為該算法不需要預先指定主題數量，可以自動識別出不同密度的聚類類型，并將不屬于任何主題的噪聲數據排除在外。[43]（3）主題表示。完成聚類后，BERTopic使用c-TF-IDF的方法為每個聚類創建直觀、具有代表性的關鍵詞，從而使其成為一個可解釋的主題。BERTopic的各種算法組合使其在處理短文本和捕捉細微語義方面遠優于傳統主題模型。

BERTopic的相關模塊詳細參數設置如下：（1）嵌入文檔。本文選擇的是“Bert-base-Chinese”作為文本嵌入模型，該模型由Google開發，基于BERT的基礎架構，使用了大量中文語料進行訓練，在文本分類等任務中表現出色。[44]（2）初始化UMAP，根據BERTopic官方文檔建議，將UMAP類設置參數如下：投影后維度數（n_components）設置為15，點之間最小距離（min_dist）調整為0.0，使嵌入點更加集中；隨機狀態（random_state）設置為固定值42，減少結果隨機性。（3）初始化HDBSCAN。最小聚類規模（min_cluster_size）設置為50，即每一類中至少包含50句樣本評論；最小樣本（min_sample)設置為1，以最大化囊括評論內容，減少離群值。

提取出具體的主題后，本研究使用Hugging face庫中預訓練好的微調模型進行情感分析。使用基于“xlm-roberta-large-xnli”模型針對中文語境進行微調后的“Chinese-Emotion”模型完成情感分析，該模型專門針對中文文本情感分析，可識別包括中性語調、快樂語調、憤怒語調、厭惡語調等八種情緒標簽。[45]

3.2.3關鍵詞共現分析

為了深入探究小紅書用戶評論中的核心討論結構，本研究采用Gephi軟件進行關鍵詞共現分析。Gephi是一款功能強大的復雜網絡分析工具，其核心優勢在于能夠將抽象的共現數據轉化為直觀的可視化圖譜。通過調整圖譜中的節點大小、連接強度和中心性等關鍵指標，可清晰識別出討論網絡中的核心議題與關聯結構。本研究將分詞后的評論高頻關鍵詞共現矩陣導入Gephi軟件中，生成可視化圖譜。

4 研究結果與分析

4.1主題識別

主題建模過程中，研究者并未手動指定主題數量，而是使用BERTopic模型自動聚類結果，共得到15個消費者關于AI廣告討論的主題，每個主題中包含有經c-TF-IDF算法統計出的具有代表性的關鍵詞作為聚類主題名稱。

為了更好地理解各主題之間的關系，本研究采用分層主題建模方法進行展示。

圖 2分層主題建模結果

分層主題建模方法可以將主題組織為不同抽象層次的結構。在分層主題建模中，每個主題都可以看作是更高層次的主題的一個分支，這些主題可以按照其相關性和抽象程度組織為樹形結構。[46]結果如圖 2所示。

圖 3中通過主題權重排序篩選出了權重排序前八個主題，每個主題中顯示出貢獻度排名前五的關鍵詞，可以直觀、清晰地反映主題內部概況。同時，算法給出 BERTopic模型主題聚類識別后的關鍵詞得分情況，關鍵詞得分越高，其代表性就越高。

圖 3 前8個主題的主題分布與得分

結合上述方法運行結果及人工解讀，匯總得出消費者對AI反應的多個主題，經過進一步整合，共獲得10個二級技術主題，將其整合成5個一級技術主題，具體結果如表 1所示。

表 1 主題分類結果

主題1：AI廣告識別。現有研究表明，消費者對于AI廣告的反應關鍵在于虛假覺知，即意識到廣告所呈現的圖像屬于“被呈現的現實”。[47]消費者的識別路徑主要分為兩類：其一為推理路徑，即基于既有知識和經驗進行判斷；其二為直接路徑，即通過感知圖像異常而察覺其與現實存在偏差。[48]在小紅書平臺的互動語境中，用戶同樣通過兩種路徑來判斷AI來源，且往往傾向于與他人展開討論，探討識別方式及其依據。評論顯示，用戶常通過細節異常（如人物姿態、手部結構等）或標簽披露識別出廣告由AI生成，但同時亦有用戶指出，現階段已難以快速辨別AI生成圖像。該話題典型評論如下：“我看到這個廣告還真挺奇怪，這兩人顏值都挺完美的，竟然沒有標注模特名字，仔細一想可能是AI，還真是AI”（評論1168）；“很明顯的AI人臉，不是畫出來的 還有肢體動態不對 這個不是美術生都能感覺到的不對勁吧”（評論1238）。

主題2：AI廣告可見性。AI廣告在受眾中的高可見性，既與其在北京、深圳、武漢等一二線城市的集中投放策略密切相關，也與小紅書用戶主要分布于大中型城市的用戶結構相契合。部分用戶在日常生活中頻繁接觸并討論其與AI廣告的互動經歷。這一主題的評論表明，AI廣告已通過多樣的媒介載體成功進入公共視野，引發了受眾的高度注意。其主要媒介形式包括地鐵廣告、戶外廣告牌、機場廣告等，體現出較強的曝光性和高度可見性。例如，有評論提到“上海地鐵站里全是AI宣傳圖，地鐵電視里也全是，我還以為大家都麻木了”（評論2180）；“飛機上也出現了AI牙科廣告，疑似偽人”（評論4991）。

主題3：廣告視覺評價。AI廣告的視覺內容引發了消費者兩類截然不同的感知與評價：怪異感知與創意感知。一方面，部分用戶產生典型的“恐怖谷效應”，即因觀察到AI廣告內容中人像不自然的變形或扭曲而產生不適或恐懼感。[49]這類評論常強調AI廣告在視覺上帶來的怪異感與恐懼感，如評論2853“AI偽人看起來特別油膩 笑得也很恐怖 不愿再多看一眼”。另一方面，亦有少數用戶對AI廣告給予積極評價，認為其模特形象或畫面風格較為自然，從而體現出一定的創意價值。例如評論1312“這竟然是AI，我那天在地鐵上看到了，還在想現在的年輕模特都這么完美匹配青春靚麗這幾個字了。”這表明，盡管現有AI圖像生成模型已在視覺呈現上獲得部分受眾的認可，但在更大范圍的應用中仍需審慎考量其可能引發的怪異與不適感受，特別是要關注不同受眾在感知層面的個體差異。

主題4：品牌形象評價。AI廣告的視覺呈現不僅影響消費者對廣告本身的評價，還可能對品牌形象產生影響。此現象可以從信號理論視角進行解釋：廣告活動中往往存在“信息不對稱”的情況，消費者在無法直接判斷產品的真實質量時，往往會通過廣告投入來判斷品牌實力、產品質量和企業可信度等信息。[50][51]該主題的評論表明，消費者傾向于將品牌采用AI廣告歸因為追求效率、節省成本，并據此將這一行為解讀為品牌在產品投入和產品質量下降或“偷工減料”的負面信號，從而降低對品牌的好感度與信任。代表性的評論如：“我看到這種會覺得品牌方很不用心哎 就會避雷這些牌子 不過一般不肯花錢做設計的品牌都不咋好的”（評論1185）。

主題5：行業沖擊與倫理爭議。該主題揭示了AI廣告的大規模應用在職業沖擊、版權保護及審美價值方面存在的潛在風險。討論表明，AI技術的應用正對設計師、畫師等相關職業構成沖擊，其在追求效率和降低成本的同時，也引發了對就業問題的擔憂。此外，在當前缺乏有效維權機制的背景下，由于生成式人工智能挖掘數據與文本的過程涉及復制和改編行為，[52]使得其侵犯既有知識產權的風險顯著增加。部分用戶還對AI廣告的審美價值表達了擔憂，如評論796所提及“廣泛運用劣質AI圖導致國民整體審美降級，越來越不重視創意產業，過度商業化只會帶來惡性循環”，反映出AI廣告在商業化應用中對社會審美所造成的負面沖擊。

4.2情感分析

通過對評論文本進行情感分析，可以觀察到消費者在表達對AI廣告的態度時呈現出較為復雜的情感分布（見圖 4）。總體而言，33%的評論以中性語調為主（2665條），在帶有明顯情緒色彩的評論中，負面情緒占據主導地位，其中“厭惡語調”和“憤怒語調”合計占比超過45%，表明AI廣告在上述話題中引發了強烈的不滿與抵觸情緒。相較之下，積極情緒的占比明顯偏低，如“開心語調”僅599條，顯示出AI廣告在創意或視覺愉悅方面雖有一定的正向反饋，但整體仍處于次要地位。與此同時，部分用戶展現出較為復雜的情緒反應，包括“悲傷語調”（363條）、“驚奇語調”（264條）與“關切語調”（245條），這類情緒通常與對行業發展前景、社會倫理風險或個人價值受損的擔憂相關。此外，“疑問語調”（258條）則反映出部分用戶在識別和理解AI廣告上仍存在不確定性。

圖 4 情感分析結果

4.3共現網絡分析

在對用戶評論進行主題建模和情感分析的基礎上，本研究進一步借助了語義共線網絡分析揭示了前30個高頻詞匯之間的潛在邏輯關系，結果如圖 5所示。將前30個高頻詞匯導入Gephi后，系統自動生成了三個語義聚合模塊，呈現出三條較為突出的高頻鏈路，部分對應于上述分析的核心主題。第一條鏈路由“真人”“惡心”“眼睛”“手指”等詞匯構成，指向AI廣告中常見的局部生成錯誤，與真人特征產生差異，從而引發消費者的不適感。第二條鏈路包含“品牌”“省錢”“產品”“成本”“設計”等詞匯，反映出消費者對AI廣告的總體認知：一方面品牌借助AI提高了廣告制作效率，另一方面過低的廣告成本使消費者產生被“敷衍”的感受，進而影響其對產品質量的判斷。第三條鏈路集中于“美術”“畫師”“人類”“行業”“版權”等詞匯，主要體現了消費者對AI生成圖像對設計行業沖擊、AI技術可能取代人類藝術家的擔憂，以及版權保護等問題的思考。

圖 5 高頻詞共現網絡關系圖

5 結論與討論

本研究基于小紅書平臺用戶關于AI廣告的評論，運用BERTopic模型識別與分類核心討論主題，并結合情感分析與關鍵詞共現網絡分析，旨在探索消費者在真實社交語境下對AI廣告的認知與態度。研究結果揭示了消費者對AI廣告的復雜反應，這些發現為AI廣告的理論研究提供了新的視角，同時也為業界提供了初步的實踐建議。

研究首先揭示了消費者圍繞AI廣告的討論主要集中于五個一級主題上：AI廣告識別、AI廣告可見性、廣告視覺評價、品牌形象評價以及行業沖擊與倫理爭議。對評論的情感分析結果表明，AI廣告引發了復雜且以負面為主的情緒反應。其中，“厭惡語調”和“憤怒語調”占比超過45%，可能源于AI廣告所觸發的“恐怖谷效應”，以及由使用AI產生的負面信號引發對品牌的不信任感。具體而言，視覺上的“怪異感知”使得消費者產生生理或心理上的不適感，而將AI廣告視為品牌“不用心”“節省成本”的負面信號，則直接影響了對品牌的好感度與信任。這一發現提示，AI廣告的影響不僅限于消費者對廣告本身的評價，更關乎消費者對品牌行為的深層解讀。此外，消費者對AI廣告的討論已擴展到對職業沖擊、版權保護和審美價值的擔憂。這表明，AI廣告的普及正促使公眾重新審視技術與人類主體性、商業效率與社會倫理之間的復雜關系，為廣告倫理、數字勞動與知識產權保護等議題的研究提供了新的現實案例。

基于以上研究發現，本研究為AI廣告的實踐應用提出以下建議：首先，廣告主和創意人員應特別關注AI生成圖像在人物五官、肢體和表情等細節上的瑕疵，因為這些細節可能會引發消費者的“怪異感知”和厭惡情緒，建議通過人工精修或創意性處理來規避風險。其次，面對消費者將AI廣告視為“節省成本”的負面認知，品牌方應重新構建AI廣告對消費者的價值，強調AI在提升創意、個性化服務或價值共創方面的積極作用，而非僅僅作為降本增效的工具。此外，通過披露AI的使用并輔以真誠的溝通，有助于提升透明度并重建消費者信任。最后，廣告主應意識到AI廣告不僅是商業行為，也關乎社會責任。在推廣AI技術應用時，需關注其對創意行業從業者的影響，積極探索與藝術家的合作模式，并對版權歸屬等法律問題采取嚴謹態度，確保廣告內容合法合規。

本研究存在以下局限性：首先，研究主要以小紅書用戶發帖下的評論為分析數據集，而用戶評論中往往存在較高的“噪聲”，導致主題建模時產生較大的離群值，這可能會影響主題和情感分析的準確性。其次，研究數據主要來源于小紅書單一平臺，其用戶群體的特定屬性可能影響結果的普適性。未來的研究可以拓展至更多元的社交媒體平臺，如微博、抖音等，以獲取更廣泛的用戶樣本。其次，本研究主要聚焦于AI生成平面廣告的討論，對于視頻廣告、互動式廣告等其他形式的AI廣告，消費者可能存在不同的認知和情感反應。未來的研究可以采用多模態分析方法，結合視頻內容、聲音等元素，對消費者在不同形式AI廣告下的反應進行更全面的探究。此外，本研究為橫斷面研究，難以捕捉消費者態度隨時間推移的動態變化。未來可進行縱向分析，追蹤隨著AI技術成熟，消費者觀念如何演變。最后，本研究主要通過主題建模揭示了消費者關注的話題，但并未深入探究背后的“為什么”。未來研究可以結合實驗法、眼動追蹤或神經科學等方法，進一步探究消費者的個體差異等因素如何影響其對AI廣告的感知與態度，從而為構建更為精細和負責任的AI營銷模型提供更為堅實的理論基礎。

作者簡介

基金項目：中國傳媒大學“智啟未來”智能傳播前沿研究與學術寫作工作坊（項目編號：JG25203012）。

潘詩蕓 中國傳媒大學廣告與品牌學院2023級碩士研究生

注釋