2025年10月10日下午17：30，中国营销工程与创新研究中心 (以下简称“MEI”) 2025-2026年第一学期第5次研讨会 (以下简称“Seminar”) 在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由左翎研读文章《Augmented Reality in Retail and Its Impact on Sales》。

　　一、研究背景

　　(一)AR 技术与现实难题​

　　增强现实(AR)技术通过将虚拟物体叠加在真实环境中，让用户在现实场景里直观体验虚拟产品。当前，消费者在网购过程中面临无法实物试用的困境，导致购买不确定性较高。而 AR 技术的核心研究价值在于，能帮助顾客更好地评估产品的合适度与特点，进而提高购买决策的信心。​

　　(二)现有研究缺口​

　　尽管 AR 在零售领域潜力显著，但现有研究仍存在两大关键缺口：​

　　缺口 1(Gap1)：现实中关于 AR 技术对销售实际影响的研究有限，这使得企业在是否引入 AR 技术时仍持犹豫态度，由此提出核心问题 Q1：AR 在帮助顾客进行产品评估时，如何影响产品销量?​

　　缺口 2(Gap2)：尚不清楚 AR 对不同产品或顾客群体的影响差异，即 “何时及何情境下部署 AR 最合适”，进而衍生两个问题：Q2：AR 的销售效果在不同产品特征(品牌、吸引力、评分、价格)下有何差异?Q3：顾客的网购经验与产品使用经验如何调节 AR 的销售效果?

　　二、理论基础

　　(一)AR 技术的核心原理​

　　增强现实技术(Augmented Reality Technology)借助便携式设备的摄像头等传感器及物体识别功能，能够识别物理环境特征，将虚拟对象(二维 / 三维图像、动画、文本、声音等)叠加在实时视图之上。消费者使用 AR 时，既能体验虚拟元素，又不会丧失对现实世界的视野。​

　　(二)AR 在零售的四大应用场景​

　　AR 为营销者提供了全新的互动与品牌体验转型机会，在零售场景中对应消费者 “认知 - 兴趣 - 考虑 - 购买 - 消费” 全旅程，主要有四大用途：​

　　l  娱乐(Entertain)：创造新颖有趣的体验，提升品牌兴趣与参与度，吸引顾客前往实体店铺。例如，沃尔玛与 DC 漫画、漫威合作，在部分门店推出超级英雄主题 AR 体验。​

　　l  教育(Educate)：以视觉化方式传递信息，帮助顾客理解复杂产品机制与品牌价值。例如，现代汽车通过 AR 展示新车型的关键特征与创新技术。​

　　l  评估(Evaluate)：助力顾客在实际使用情境中可视化产品，在无实物情况下提升购买决策信心。例如，宜家通过软件帮助顾客判断家具是否适配家居装饰，欧莱雅 “虚拟试妆”、丝芙兰 AR 化妆展示则能呈现产品上脸效果。

　　l  强化(Enhance)：在产品使用或消费过程中传递附加信息，提供全新购后体验。例如，乐高 Hidden Side 系列可通过 AR 应用实现互动游玩。

　　三、研究假设

　　(一)网购不确定性与 AR 的缓解作用​

　　网购中的产品不确定性(Product Uncertainty in Online Retail)：与传统零售不同，网购消费者无法在购买前实物检验产品，其中 “适配不确定性” 在服装、美容等体验属性产品中尤为显著(消费者难以确定产品是否符合预期)。现有研究提出通过 “诊断性描述” 或 “信誉背书” 降低性能不确定性，但无法提供直接试用体验。​

　　AR 对不确定性的缓解(Augmented Reality and Product Uncertainty)：AR 通过生动图像与模拟控制权，能有效缓解线上购物不确定性;其可视化技术提升了决策过程的轻松感，进而推动积极购买行为。

　　基于此，提出假设H1：增强现实技术（AR）的使用对销售额具有正向影响。​(二)产品特征的调节效应​

　　顾客购买决策中的不确定性水平，受产品特征多维度影响，据此提出四大调节假设：​

　　品牌知名度(Brand Popularity)：网购时消费者无法直接检视产品，品牌信号尤为重要;但 AR 提升信息可获得性后，消费者对品牌信号的依赖降低，对知名度较低的品牌更有利。

　　提出假设H2a：AR使用对销售额的影响在较不流行品牌中更为显著。​

　　产品吸引力(Product Appeal)：吸引力低的产品服务于特定利基市场，与一般消费者偏好契合度低，适配不确定性更高，但更受益于 AR 带来的信息可得性。例如，知名品牌的蓝色口红虽品牌知名度高，但属性吸引力较低。

　　提出假设H2b：AR使用对销售的影响在吸引力较窄的产品上更为显著。​

　　产品评分(Ratings)：顾客常依赖网络评分 / 评论缓解质量与适配疑虑，但 AR 提供的第一手虚拟体验可降低对评分的依赖。

　　提出假设H2c：AR使用对销售额的影响在产品评分较低时表现更为显著。

　　产品价格(Price)：产品不确定性高时，顾客因效用不明确低估产品价值，且不愿为高价产品支付溢价(担心不合适导致更大经济损失);AR 可帮助顾客确认产品适配性。

　　提出假设H2d：AR使用对销售额的影响在高价产品中更为显著。​

　　(三)顾客特征的调节效应​

　　顾客对 “减少产品适配不确定性” 的需求存在差异，基于顾客经验提出两大调节假设：​

　　渠道经验(Channel Experience)：熟悉网购的顾客可凭借累积经验在信息有限时评估产品，而新顾客面临更高不确定性，更依赖 AR。

　　提出假设H3a：AR使用对销量的影响在零售商线上渠道的新顾客中更强。

　　品类经验(Category Experience)：熟悉某产品品类的顾客可借助过往经验评估产品，对 AR 依赖性较低;新进入品类的顾客则更需要 AR 辅助。

　　提出假设H3b：AR使用对销量的影响在新进入该产品品类的顾客中更强。

　　四、研究数据与处理

　　(一)数据来源​

　　研究数据来源于一家拥有线上和线下业务的国际美妆零售商，该零售商在其现有移动应用程序中集成了增强现实(AR)功能，可供顾客虚拟试用美妆产品(如眼影、口红)。研究获取了该零售商在亚太地区一个关键市场的两个独立数据集，具体如下：​

　　第一个数据集包含移动应用程序上的浏览活动信息，包括顾客使用 AR 功能试用的特定产品，时间跨度为 2017 年 12 月至 2019 年 6 月，共 19 个月。

　　第二个数据集包含 2017 年 6 月至 2019 年 6 月的交易记录，涵盖移动应用程序、网站和线下门店。研究人员通过顾客的会员卡编号将这两个数据集合并，以在细分层面匹配 AR 使用情况和购买行为。最终数据涉及 160,407 名购物者，他们在 806,029 次会话中浏览了唇部和眼部类别的产品，其中 20.8% 的会话涉及 AR 使用。​

　　(二)研究 1：产品层面分析​

　　样本选择与描述：选取了唇部产品(口红和唇釉)作为研究对象，包含 44,346 个观测值，涉及 2,334 个产品(口红 1,984 个，涵盖 41 个品牌;唇釉 350 个，涵盖 28 个品牌)，时间范围同样为 2017 年 12 月至 2019 年 6 月的 19 个月。​

　　变量操作化：对关键变量进行明确界定，如产品销量为移动应用程序端的产品总销量(单位)，AR 使用量为某国使用 AR 试用该产品的顾客数，品牌知名度为官网品牌总销量(千单位)等，并统计各变量的均值、标准差、最小值、中位数和最大值等描述性统计指标。

　　模型设定：采用零膨胀负二项回归模型，模型表达式为：​

　　识别策略：考虑到 AR 使用可能存在内生性(顾客可能更倾向于使用 AR 试用已感兴趣的产品)，将同一产品在同一月份其他两个国家的 AR 使用量以及 AR 使用量的滞后值作为工具变量。​

　　稳健性分析：通过采用替代的变量操作定义、在模型设定中剔除评分变量，并对所有产品重复进行分析等方式，验证研究结果的稳健性。​

　　实验一分析结果如下：

　　主效应(H1)：AR 使用量系数显著为正(0.006，p<0.01)，表明消费者使用 AR 试用产品对同期产品销量有正向影响，验证 H1 成立。​

　　产品特征调节效应(H2)：​

　　品牌知名度：AR 使用与品牌知名度的交互项系数显著为负(-0.022，p<0.05)，说明 AR 对销量的提升作用在较不流行品牌中更显著，验证 H2a 成立。​

　　产品吸引力：AR 使用与产品吸引力的交互项系数显著为负(-0.001，p<0.01)，表明 AR 对销量的提升作用在吸引力较窄的产品中更显著，验证 H2b 成立。

　　产品价格：AR 使用与产品价格的交互项系数显著为正(0.000，p<0.10)，说明 AR 对销量的提升作用在高价产品中更显著，验证 H2d 成立。​

　　产品评分：AR 使用与产品评分的交互项系数不显著，H2c 未得到明确验证。

　　(三)研究 2：品类层面三重差分分析​

　　实验设计背景：2018 年 3 月中旬，眼影和眼线笔品类上线 AR 功能，以此为干预事件，将其与未上线 AR 功能的其他眼部品类(眉部产品、睫毛膏、眼盘)进行对比，同时对比移动应用程序渠道和网站渠道，采用三重差分法分析 AR 技术上线前后对销量的影响。​

　　样本描述：涵盖 5 个眼部产品品类(眼影、眼线笔、眉部产品、睫毛膏、眼盘)，涉及两个渠道(移动应用程序、网站)，时间跨度为 108 周(AR 上线前 42 周、上线后 66 周)，共 1,080 个观测值。​

　　模型设定：采用负二项回归模型。​

　　稳健性分析：通过剔除与促销活动重合的周数据、将 AR 功能品类拆分为眼影和眼线笔分别进行分析、采用泊松回归模型估计等方式，确保研究结论的可靠性。​

　　实验二结果分析如下：

　　AR 上线主效应系数显著为正(0.611，p<0.05)，初步表明 AR 上线后销量提升;核心三重交互项系数边际显著为正(0.449，p<0.10)，说明 AR 上线后，眼影、眼线笔品类在移动应用渠道的销量显著提升，进一步验证 H1 成立。

　　(三)研究 3：顾客层面分析​

　　样本选择：选取在零售商上线眼部品类 AR 功能后(2018 年 3 月中旬至 2019 年 3 月中旬)12 个月内，浏览过眼影或眼线笔品类产品的 42,493 名活跃顾客作为样本，其中 40.2% 的顾客此前从未在该零售商线上渠道购买过产品(线上渠道新顾客)，43.4% 的顾客此前从未购买过眼影或眼线笔(品类新顾客)。​

　　变量操作化：定义关键变量，如购买行为(顾客在观测期内购买眼部产品为 1，否则为 0)、AR 使用(顾客在观测期内使用 AR 试用眼部产品为 1，否则为 0)、渠道新顾客(观测期前未在该零售商线上渠道购买为 1，否则为 0)等，并统计各变量的描述性统计信息。​

　　模型设定：采用 probit 回归模型。

　　识别策略：将顾客在眼部品类 AR 功能上线前使用唇部产品 AR 的情况作为工具变量，并通过 1,000 次自助抽样(bootstrapped)进行估计;同时采用倾向得分加权法，该方法不依赖工具变量，以进一步验证结果。​

　　稳健性分析：运用倾向得分加权法、采用替代的变量操作定义、使用不同的渠道和品类经验衡量指标等方式，检验研究结果的稳健性。

　　实验三结果分析如下：

　　主效应(H1)：AR 使用系数显著为正(0.046，p<0.05)，表明顾客使用 AR 试用眼部产品会提升其购买眼部产品的概率，再次验证 H1 成立。​

　　顾客特征调节效应(H3)：​

　　渠道经验：AR 使用与渠道新顾客的交互项系数显著为正(0.091，p<0.05)，说明 AR 对购买概率的提升作用在线上渠道新顾客中更强，验证 H3a 成立。​

　　品类经验：AR 使用与品类新顾客的交互项系数边际显著为正(0.082，p<0.10)，表明 AR 对购买概率的提升作用在品类新顾客中更强，验证 H3b 成立。

　　五、研究启示

　　(一)理论贡献

　　最早利用实证检验增强现实(AR)对销售影响及其在不同产品和顾客特征上差异的研究之一 。

　　首次从零售角度扩展了以往在营销领域有关AR 的研究，并为理解 AR 对市场营销者和零售商的影响做出了初步的贡献 。

　　(二)管理意义

　　详细阐述AR技术如何通过多种途径融入品牌的营销策略，从而重塑顾客的零售体验 。

　　聚焦于 AR 技术在购买前产品评估中的应用，以及其对线上零售销量的影响 。

　　鼓励学者进一步开展具有实务价值研究，参考行业专家与营销从业者的意见，提出了一份未来的学界研究提案。

　　至此，本次Seminar文章研读完毕。

　　之后，由贺光耀、鲁欣雨、赵文青、刘雨璐分享研究进展，由裴珈悦分享AI相关研究方法、理论或行业应用，老师与同学们提出了建议，并明确了进一步的研究计划。

　　至此，本学期第5次Seminar圆满结束。

　　文字 / 赵文青

　　排版 / 赵文青

　　审核 / 左翎