2025年11月27日14:00，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11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由许乐研读文章《Talking with Your Hands: How Hand Gestures Influence Communication》。

　　一、研究背景

　　在营销与市场沟通的各类场景中，销售人员、创业者、政客以及网红等市场参与者在表达时往往会借助手部动作辅助沟通，这类动作已成为人际交流中不可或缺的组成部分——对2000余场演讲的分析数据显示，演讲者在超80%的表达时间里都会做出手部动作(Clarke, Cornelissen, and Healey 2019; McNeill 1992; Zhou et al. 2021)。现有研究证实，非语言沟通的影响力甚至可能超过语言本身，这一特征在市场互动中同样具备潜在的关键作用(Mehrabian 1971; Michail 2020)。

　　尽管非语言沟通在实际场景中出现频率高且影响力显著，但营销领域对其的研究却相对滞后。目前已有相关研究多聚焦于面部表情等非语言沟通形式，手部动作这一重要的非语言沟通类型，几乎完全未被纳入营销研究的视野(Zhang et al. 2025)。这一研究空白使得市场参与者在实践中无法依据理论，通过优化手部动作提升沟通的说服效果，也让营销学对非语言沟通的理解存在明显短板。

　　探究手部动作的沟通效应还面临着两大方法论层面的挑战：其一，难以客观且大规模地测量手部动作，这一难题直接阻碍了针对手部动作与市场关键结果变量之间关系的实地研究开展(Li, Shi, and Wang 2019);其二，手部动作与语言表达存在紧密的关联，若要真正厘清手部动作的作用机制，必须深入分析二者的互动关系，而这一分析要求对多模态数据进行整合处理，进一步提升了研究的技术难度(Li, Shi, and Wang 2019)。为解决这些问题，本文研究团队采用多方法研究设计，结合自动化视频分析、大型多模态模型与预注册对照实验，系统性探究手部动作的沟通效果(Cascio Rizzo, Berger, and Zhou 2025)。

　　基于上述研究背景中的现实需求与理论空白，本研究提出三个核心问题：

　　第一，说话时的手部动作是否能够提升沟通的说服力?

　　第二，若手部动作确实能提升说服力，哪一类手部动作的效果更为显著?

　　第三，手部动作影响沟通说服力的内在作用机制是什么?

　　这三个问题层层递进，既关注手部动作的整体效应，也聚焦于不同类型动作的差异，同时试图揭示效应背后的理论逻辑，旨在填补营销领域对非语言沟通中手部动作研究的空白。

　　二、文献综述和理论推导

　　1.口头沟通

　　口头沟通是市场互动的核心载体，语言通过塑造认知、建立联结和影响决策，贯穿于销售、服务、营销传播等各类场景(Berger et al. 2020; Packard and Berger 2024)。现有研究已从多个维度证实语言表达对消费者态度与行为的显著影响，具体可分为三类：

　　(1)人称代词的影响：服务场景中，当服务人员使用第一人称 “我”(而非复数 “我们”)与顾客沟通时，顾客满意度会显著提升。这一现象的核心机制是 “个性化关注感知”——“我” 的使用让顾客感受到服务人员的专属投入与责任感，而非群体化的敷衍(Packard, Moore, and McFerran 2018)。

　　(2)感官词汇的作用：在网红营销场景中，包含感官体验的词汇(如描述味觉的 “美味的”、触觉的 “柔软的”)能显著增强帖子的说服力与影响力。这类词汇的优势在于 “真实性信号传递”，让受众默认网红已实际使用过产品并体验其特性，进而提升对推荐内容的信任度(Cascio Rizzo et al. 2023)。

　　(3)拒绝方式的差异：在说服他人接受 “拒绝” 或传递负面信息时，语言表达的选择会影响效果。例如，用 “我不做某事”(I don’t)而非 “我不能做某事”(I can’t)表达拒绝，能减少受众的抵触情绪，甚至提升说服力。前者传递的是主动选择的立场，后者则暗示外部限制，前者更易让受众感知到沟通者的自主性与坚定性(Patrick and Hagtvedt 2012)。

　　2.非语言沟通

　　非语言沟通(包括声音特征、肢体姿势、面部表情等)与口头沟通共同构成完整的沟通体系，但营销领域对非语言沟通的研究起步较晚，且聚焦范围相对有限，现有成果主要集中于三个方向：

　　(1)声音特征的影响：声音的物理属性(音调、语速、音量等)会影响受众对信息的感知与接受度。例如，广告中使用较低音调的旁白时，受众会主观认为广告产品的 “尺寸更大” 或 “重量更重”，这一关联源于人类对 “低频声音 - 厚重物体” 的先天认知联结(Lowe and Haws 2017);此外，传递信息时若采用 “专注” 或 “情绪稳定” 的语调(如语速平稳、无明显音量波动)，能提升受众的信任度，进而增强说服力，因为稳定的语调被视为沟通者自信与可靠的信号(Wang et al. 2021)。

　　(2)肢体姿势的作用：肢体姿势通过传递 “权力感知” 影响沟通效果。当演讲者或沟通者采用挺直的站姿(如肩膀后展、脊柱直立)时，受众会认为其更具 “权力” 或 “领导力”，这种感知会正向迁移到对沟通内容的评价上——受众更倾向于相信 “有权力的人” 传递的信息(Briñol et al. 2017)。

　　(3)面部表情的价值：面部表情是情感传递的核心载体，其中 “微笑” 是研究最广泛的表情类型。沟通者的微笑能让受众感知到 “合群性” 与 “温暖感”，这种积极情感会降低受众的心理防御，提升对沟通内容的接受度。例如，销售人员的微笑能显著提升顾客的购买意愿，网红视频中的微笑表情能增加观众的点赞与评论概率(Wang et al. 2017; Zhang et al. 2025)。

　　尽管非语言沟通的研究已覆盖声音、姿势、面部表情，但作为日常沟通中最频繁的非语言行为之一——手部动作，却几乎未被营销领域的研究关注，成为明显的研究空白。

　　3.手部动作

　　手部动作是人类沟通的本能行为，早在语言形成前，手部动作就已成为信息传递的工具。现有关于手部动作的研究主要分散于心理学、教育学、传播学等领域，可分为 “对使用者自身的影响”“对观察者的影响”两大维度，且存在显著的研究局限。

　　手部动作对使用者自身的作用：

　　(1)思维组织与表达辅助：无论是自我思考(如独自规划任务)还是向他人解释(如教学、汇报)，手部动作都能帮助使用者梳理思路、清晰表达。例如，当人们尝试描述一个复杂的流程时，会不自觉地用手比划步骤顺序;这种动作并非单纯的 “表演”，而是通过视觉化的方式帮助大脑整合信息，减少认知负荷(Burgoon, Manusov, and Guerrero 2021; Goldin-Meadow and Beilock 2010)。Goldin-Meadow(1999)的经典研究进一步指出，手部动作能 “外化” 内在思维——当人们无法用语言准确表达想法时，手部动作会补充传递关键信息，甚至帮助使用者自身理清未明确的思路。

　　(2)记忆提取辅助：手部动作能激活与记忆相关的神经通路，提升记忆提取效率。例如，人们回忆购物清单时会用手指计数，回忆路线时会用手比划方向，这种 “动作-记忆” 的联结能显著降低遗忘概率。这一机制的核心是 “多模态记忆编码”——手部动作让记忆不仅存储于语言系统，还关联到运动系统，形成双重编码，提升提取成功率(Goldin-Meadow and Beilock 2010)。

　　(3)学习效果提升：在教育场景中，手部动作能促进学习者对知识的理解与掌握，且这一效果在多个学科领域得到验证。例如，儿童学习新词汇时，伴随手部动作(如用手比划 “大象” 的体型)能显著提升词汇记忆的长期留存率(McGregor et al. 2009);解决数学问题时，用手比划几何图形或运算步骤，能帮助学习者理解抽象概念(如 “面积”“方程”)，提升解题正确率(Beilock and Goldin-Meadow 2010);甚至在成人学习中，手部动作也能促进数学知识的吸收，如用手模拟 “数轴” 能帮助理解负数概念(Alibali and DiRusso 1999)。

　　手部动作对观察者的潜在影响

　　(1)手部动作不仅影响使用者自身，也会通过 “视觉感知” 作用于观察者，但现有研究主要集中于 “欺骗识别”与 “记忆促进” 两大方向，未涉及营销场景中的 “说服力” 问题。

　　(2)手部动作与欺骗识别：传播学与心理学研究发现，手部动作的特征(如动作类型、频率)能为观察者判断 “沟通者是否说谎” 提供线索。具体包括：说真话的人更倾向于 “指向实际存在的物体”(如指着桌上的文件说 “这是证据”)，而说谎者更可能做出无明确指向的 “空泛动作”(Caso et al. 2006);从动作多样性来看，诚实的沟通者会表现出更多种类的手部动作，而说谎者因需掩盖谎言，动作会更单一、僵硬(Burgoon, Schuetzler, and Wilson 2015);此外，特定手部动作会传递 “诚实信号”，如将手放在胸口的动作会让观察者主观认为沟通者更真诚，这一关联源于文化中 “胸口 - 内心” 的象征意义(Parzuchowski and Wojciszke 2014)。更关键的是，Ekman and Friesen(1974)的研究指出，观察者从 “肢体动作”(包括手部)中推断他人是否说谎的准确性，显著高于从 “面部表情” 中推断的准确性——因为人们更擅长控制面部表情掩盖谎言，但难以完全控制肢体动作的细微差异。

　　(3)手部动作与记忆促进：教育学研究证实，观察者观看带有手部动作的沟通内容时，记忆效果会显著优于仅听语言内容的情况，这一效果被称为 “动作增强记忆效应”，且在不同记忆类型中均成立：在空间记忆方面，观看演讲者用手比划路线(如 “左转再直行”)的观察者，对路线的回忆准确率比仅听描述的观察者高 30%以上(Austin, Sweller, and Van Bergen 2018);在语义记忆方面，观看教师用手比划数学公式(如用手模拟 “根号” 形状)的学生，对公式的记忆留存时间比仅听讲解的学生长 2 倍(Cook et al. 2017);在语言记忆方面，学习外语词汇时，观看母语者用手比划词汇含义(如用手模拟 “飞翔”)的学习者，词汇记忆的正确率比仅听发音的学习者高 25%(Gluhareva and Prieto 2017)。Hotstetter(2011)与Dargue, Sweller, and Jones(2019)的综述研究进一步总结：手部动作对观察者记忆的促进作用，本质是“多模态信息加工”——语言信息与视觉动作信息同时进入大脑，形成互补，降低认知负荷，提升记忆编码效率。

　　4.研究不足

　　尽管其他领域的研究发现手势与诚实性或记忆有关，但很少有研究探讨其在营销情境下的说服效果。主要研究空白包括：(1)缺乏对手势如何影响消费者行为的研究;(2)不清楚哪些类型的手势更有效;(3)方法局限：多数研究依赖人工编码，难以大规模应用。

　　5.研究机制

　　研究基于现有文献，推导出手部动作提升沟通说服力的三大核心机制，具体如下：

　　(1)提升内容理解度，塑造演讲者的能力感知

　　手部动作能将口头内容视觉化、具象化，厘清沟通的含义，例如演讲者说 “商业模式是分层的” 时，用手做出堆叠的动作能让听众更直观地理解其含义。这种可视化表达能提升听众的学习效果，而清晰的表达会让演讲者显得更有能力——因为只有对内容有深刻理解，才能用易懂的方式阐释，这一能力感知会进一步提升说服力。

　　(2)吸引听众注意力，增强参与度

　　动作天然具有吸引注意力的作用，手部动作能引导听众将注意力聚焦于关键信息，提升听众的参与度，而更高的参与度会促进说服力的提升。

　　(3)展现外向性与情感投入，引发积极回应

　　外向的人会做出更多手部动作，手部动作也能传递情感投入(如兴奋时的跳跃、自豪时的握拳)。听众感知到演讲者的情感投入后，会产生更积极的回应，进而提升沟通的说服力。

　　三、研究假设与框架

　　研究构建了 “手部动作类型→中介变量(内容可理解性、能力感知)→结果变量(说服力、消费者评价/购买意愿)”的逻辑框架。

　　核心假设：手部动作能显著提升沟通的说服力，具体表现为提升听众对演讲的评价、增加购买兴趣等;其中，说明性手势(illustrators) 的效果尤为显著。

　　机制假设：说明性手势通过提升内容的可理解性，让演讲者被感知为更有能力，进而增强说服力(可理解性与能力感知为中介变量)。

　　四、实验设计

　　1.实验1：手部动作总体影响的实地调查

　　(1)研究设计与方法论：

　　本研究采用TED演讲作为研究背景，选取了2006年6月至2017年9月期间上传的2,184个单人TED演讲视频(涉及1,857位演讲者)。选择TED演讲是因为其格式统一、观众反应可量化(例如YouTube点赞数)，且主题和演讲者背景多元，这确保了研究结果具有普适性。

　　为客观地、大规模地测量手部动作，本研究采用了自动化视频分析技术：

　　①帧分割：使用OpenCV库将视频按帧分割，分割速率根据视频元数据确定。

　　②手部关键点检测：采用谷歌的MediaPipe Hands模块识别每只手上的21个关键骨骼点(如指尖、指关节等)，其关键点检测的平均精确度达到95.7%。

　　③运动量化：通过计算连续帧之间手部关键点的欧几里得距离来测量空间运动，并采用尺度因子对运动量进行标准化处理，以消除摄像机距离/变焦变化带来的影响。研究计算了每帧的平均运动量，该测量指标与人工评分结果呈现高度相关性(r =0 .74)，从而验证了其有效性。

　　将消费者反应操作化为经过对数转换的YouTube点赞数(该指标与销量和观众共鸣度具有关联性)。采用普通最小二乘法(OLS)回归分析手部运动与点赞量之间的关系，并控制了一系列变量，包括：演讲者特征(性别、年龄、职业)，内容特征(语言情感强度、具体性)，声音属性(语速、音高)，面部表情特征，视频美学要素(时长、亮度、清晰度)。

　　(2)研究结果

　　手部运动的主要效应：使用更多手部动作的演讲获得了明显更积极的评价(在无模型分析中，b = .262，SE = .034，p < .001)。即使在控制了数十个变量后，该效应依然显著(b = .028，SE = .008，p < .001)。具体而言，手部运动量增加一倍与点赞数增加5.18%相关(平均增加798个点赞)。

　　二次效应检验：未发现显著的二次关系(b = .001，SE = .004，t = .04，p = .682)。这意味着即使手部动作频率较高，增加手部动作也并未产生负面效果(即不存在"倒U型"关系)。

　　稳健性检验：研究结果在不同测量指标(如YouTube评论积极情感分析，b = .069，SE = .018，t = 3.94，p < .001)、建模方法(Lasso惩罚回归、负二项回归)及统计调整( Speaker 层面的聚类标准误)中均保持稳定，从而排除了其他竞争性解释对观测效应的可能影响。

　　(3)研究结论

　　研究一的结果表明，手势通常能提升沟通效果，但并非所有类型的手势都具有同等效益。因此，本节将进一步探讨不同类型的手势是否会产生差异化效果。若是如此，哪些类型更具说服力?

　　①手势分类框架：

　　本研究基于McNeill(1992)的手势功能分类体系及Dargue、Sweller和Jones(2019)的元分析，将手部动作划分为三类：

　　图示性手势：通过视觉化方式呈现言语语义内容的手部动作(例如在说"销量稳步增长"时用手做出上升线条)。这类手势能创造言语内容的视觉意象，并与语音内容形成语义整合(Ekman和Friesen 1972; McNeill 1992)。

　　强调性手势：用于强化言语内容或引导注意力的非图示性动作(例如手持水瓶说"这个水瓶"，或表达激动时振奋举拳)。这类动作通过空间定位或节律性动起来实现强调功能。

　　无关动作：无沟通意图的随意手部运动(如说话时搔痒或调整眼镜)，这类动作与言语内容不存在语义关联。

　　②手势分类的方法论

　　为实现大规模手势分类，本研究采用了谷歌Gemini 1.5 Pro这一尖端多模态模型(LMM)，该模型具备整合视觉与文本输入的能力。分析流程包含七个步骤：制定明确的手势类型编码指南，包含定义及示例;培训七名研究助理对130个视频中的1,518个手势进行人工编码(经过四周一致性训练);向Gemini模型输入编码指南及人工标注样本的少量示例;通过迭代反馈循环优化编码规则，最终实现0.803的分类准确率(精确率=0.841，召回率=0.803，F1分数=0.813);在独立标注样本上测试Gemini模型性能;部署Gemini对191,548段10秒视频片段(配合实时转录文本以关联手势与语音)进行分类，识别出图示性手势(占总数6.5%)、强调性手势、无关动作及无动作状态;通过人工评分员验证Gemini分类结果(准确率82%，编码员间一致性科恩κ系数=0.74)。

　　③核心结果

　　回归分析显示，仅有图示性手势与更积极的观众反馈显著相关(b = 0.023, SE = 0.010, p = 0.015)。而强调性手势(b = 0.008, SE = 0.012, p = 0.512)、无关动作(b = 0.002, SE = 0.014, p = 0.885)及无手势状态(b = -0.013, SE = 0.011, p = 0.247)均未产生显著积极影响。

　　通过对130个视频的人工编码分析，这一结论得到进一步验证：图示性手势保持显著正向影响(b = 0.290, SE = 0.094, t = 3.07, p = 0.006)，而其他手势类型均未呈现显著性(ps > 0.29)，从而强化了图示性手势具有独特沟通价值的结论。

　　2.实验2a：预注册实验——检验因果关系与机制

　　(1)实验设计

　　为确立手势类型与说服力之间的因果关系，本研究采用4(手势类型：图示性手势 vs. 强调性手势 vs. 无关动作 vs. 无动作)× 受试者间设计，通过Prolific平台招募685名参与者。参与者观看一段创业者推介新护肤品的短视频，唯一变量是演讲者使用的手势类型(由经过培训的研究助理演示，在各条件下保持声音、面部表情和录制时长一致)。

　　(2)测量指标

　　说服力指数：综合测量指标，整合参与者对演讲者的喜爱度、产品好感度与购买意愿的评分(α = 0.86)，所有题项均负载于单一主成分(因子载荷 > 0.88);

　　可理解性：对理解演讲者信息的难易程度评分(1=非常困难，7=非常容易);

　　感知能力：两个题项测量演讲者的能力与知识水平(r = 0.73;引用Thompson与Ince 2013年研究);

　　替代解释：通过动作典型性测量(α = 0.90)检验图示性手势的效果是否源于熟悉度而非其沟通功能。

　　(3)数据结果

　　说服力：方差分析显示手势类型对说服力存在显著主效应(F(3, 681) = 3.67, p = 0.012)。事后比较表明，图示性手势(M = 4.22)比强调性手势(M = 3.82, b = 0.42, SE = 0.14, t = 2.94, p = 0.003)、无关动作(M = 3.92, b = 0.33, SE = 0.15, t = 2.24, p = 0.025)及无动作条件(M = 3.87, b = 0.38, SE = 0.14, t = 2.74, p = 0.006)均能显著提升说服力。

　　可理解性：图示性手势使内容更易理解(M = 6.37)，显著优于强调性手势(M = 6.02, b = 0.34, SE = 0.13, t = 2.65, p = 0.008)、无关动作(M = 5.75, b = 0.61, SE = 0.13, t = 4.72, p < 0.001)和无动作条件(M = 5.79, b = 0.57, SE = 0.12, t = 4.61, p < 0.001)(F(3, 681) = 9.78, p < 0.001)。

　　感知能力：使用图示性手势的演讲者能力评分更高(M = 5.34)，显著优于使用强调性手势(M = 4.94, b = 0.37, SE = 0.13, t = 2.81, p = 0.005)、无关动作(M = 4.84, b = 0.46, SE = 0.13, t = 3.50, p < 0.001)及无动作条件(M = 4.79, b = 0.54, SE = 0.13, t = 4.27, p < 0.001)(F(3, 681) = 6.95, p < 0.001)。

　　中介机制：序列中介分析(5,000次Bootstrap重抽样)证实，可理解性与感知能力构成序列中介路径，共同解释图示性手势对说服力的影响(例如：vs. 强调性手势：间接效应 = 0.13, 95% CI = [0.03, 0.22])。图示性手势通过提升内容可理解性，进而增强受众对演讲者能力的感知，最终提高说服效果——在纳入这些中介变量后，图示性手势的直接效应变得不显著(95% CI = [-0.05, 0.40])。

　　排除替代解释：各组在动作典型性评价上无显著差异(F(3, 681) = 1.40, p = 0.243)，表明图示性手势的效果并非源于其感知常见度。

　　探索性分析：图示性手势使口头内容更具体生动，而受众对产品的专业知识水平并未调节上述效应。

　　3.实验2b：稳健性检验

　　(1)实验目的

　　本研究旨在通过三个关键层面检验研究2a结果的稳健性：验证研究结果在不同刺激材料(多种产品推介及手势变体)中是否成立，探究图示性手势说服效应背后是否存在其他中介机制(除可理解性与能力感知外，如外向性、真诚度及注意力)，并通过采用新的能力测量指标、新增结果变量(口碑传播意愿)及检验动作典型性作用来全面评估效应稳健性。

　　(2)实验方法

　　延续研究2a的实验范式(随机分配至四种手势条件：图示性手势/强调性手势/无关动作/无动作)，研究2b将刺激材料扩展至涵盖护肤霜、语言学习应用和净水系统的产品推介。参与者需完成对说服力、口碑传播意愿、可理解性、能力感知及替代性解释变量(关怀度、外向性、真诚度、注意力、心理模拟、动作吸引度、动作典型性)的测评。

　　(3)研究结论

　　与先前研究一致，图示性手势相比其他手势类型显著提升了说服效果：相较于强调性手势(M_图示=4.92 vs M_强调=4.60, b=0.32, SE=0.13, t=2.38, p=0.017);相较于无关动作(M_图示=4.92 vs M_无关=4.60, b=0.32, SE=0.14, t=2.32, p=0.020)：相较于无动作条件(M_图示=4.92 vs M_无动作=4.56, b=0.36, SE=0.13, t=2.73, p=0.006)

　　可理解性与感知能力构成序列中介路径，完整解释了图示性手势的说服效应：对强调性手势与无关动作组呈现边缘显著中介效应，对无动作条件组达到完全显著中介，该“可理解性→能力感知”通路在所有三组对照中均成立。

　　图示性手势还显著提升了：注意力集中度(相较于无关动作/无动作条件);感知关怀度(相较于强调性手势)。通过手势类型×产品组合的交互作用检验，发现所有交互项均不显著，证实图示性手势的积极效果在不同产品类型间保持稳定。

　　4.基于调节机制的分析：对实验1的再考察

　　(1)研究目的

　　为深入验证"可理解性→能力感知"的核心机制，本研究通过考察语言复杂性的调节作用，检验以下理论假设：当演讲内容本身已易于理解时，图示性手势的增强作用将会减弱。

　　(2)研究方法

　　采用SMOG指数(文本可读性指标)量化语言复杂性，并对指标进行标准化处理。通过遮罩分析法系统检验图示性手势与语言复杂性之间的交互效应。

　　(3)研究结果

　　发现显著的图示性手势×语言复杂性交互效应(b=0.018, SE=0.009, t=2.09, p=0.037)。遮罩分析显示，当语言复杂性较低时(SMOG<-0.25)，图示性手势的积极效果确实如预期那样被削弱——这一发现与"可理解性"机制高度吻合。使用其他复杂性指标(Flesh-Kincaid)进行分析亦得出一致结论。

　　通过引入语言复杂性这一调节变量，本研究为图示性手势通过提升"可理解性"来增强说服力的机制提供了因果性证据，证实当语言本身已足够清晰时(低复杂性条件)，手势的补充解释作用便会减弱，呈现出典型的天花板效应。

　　五、研究启示

　　1.研究发现

　　本研究表明，沟通中的手部动作(特别是图示性手势)能显著提升评价效果与说服力。主要发现包括：

　　(1)手部动作的影响效应

　　对数千场演讲的自动化视频分析表明，更多手部动作(尤其是图示性手势)能带来更积极评价，该效应在控制演讲者特征、内容属性与视频参数后依然显著，通过实验操纵证实了图示性手势对说服力(演讲者评价与购买意愿)的因果作用。

　　(2)核心作用机制

　　图示性手势通过提升内容可理解性，进而增强受众对演讲者能力素养的感知——这一链式中介路径构成其说服效果的核心驱动机制。

　　(3)调节因素

　　当内容本身简单(低语言复杂度)或存在其他能力线索(如确定性表达语言)时，图示性手势的增强效果会减弱。

　　(4)效应普适性

　　研究结论在数百种产品/创意、不同手势变体、多维度结果测量(演讲者好感度、产品喜好度、购买意愿)及多元场景(专家讲座、创业路演)中均保持稳定。

　　2.理论贡献

　　(1)身体语言与消费者行为

　　本研究揭示了手部动作在塑造消费者反应中的关键作用，弥补了现有研究主要关注语言与声音线索而忽视身体语言的学术空白。

　　(2)多模态沟通整合

　　通过探索语言(口语)与视觉(手势)沟通的交互机制，突破了传统单一模态的分析局限，为理解社交媒体视频等多模态内容的传播效果提供了理论支撑。

　　3.方法论贡献

　　(1)自动化视频分析技术

　　开创性地将计算机视觉与自动化视频分析引入营销研究领域，突破了该学科传统上偏重文本自然语言处理的技术路径。

　　(2)多模态大模型应用范式

　　针对AI模型"黑箱"问题，建立了使用Gemini等大模型进行手势分类与语音-动作关联的系统流程，成为首篇运用多模态人工智能研究文本-视觉关系的营销学术论文。

　　至此，本次Seminar文章研读完毕。

　　之后，由贺光耀、黄嘉慧、廖佐江分享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11次Seminar圆满结束。

　　文字 / 裴珈悦

　　排版 / 裴珈悦

　　审核 / 左翎