消费者如何回应AI广告：基于BERTopic模型的小红书用户评论分析

摘要

工智能正在重塑广告内容创作模式。本文以中国社交媒体平台小红书为研究场域，运用BERTopic主题模型、情感分析和关键词共现网络等计算文本分析方法，对2023年至2025年间与AI广告相关的7979条用户评论进行分析。研究结果揭示了消费者讨论的五个核心主题，包括AI广告识别、AI广告可见性、广告视觉评价、品牌形象评价以及行业冲击与伦理争议。研究表明，消费者对AI广告的情感反应复杂且以负面情绪为主导。其中，“厌恶”和“愤怒”语调合计占比超过45%。本研究为理解消费者对AI广告的反应提供了来自中国本土社交平台的实证依据，同时也为推动更透明、负责任的AI广告实践提供了数据支持与管理启示。

关键词

AI广告 小红书 BERTopic模型 消费者评论

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

人工智能技术正在深刻重塑全球广告业格局，其应用已从侧重自动化、替代重复性劳动，逐步扩展为在更高层面辅助决策、提升客户参与度，并催生新的商业模式。据Grand View Research预测，2025年全球人工智能市场规模将达3910亿美元。[1]Gartner的调研显示，到2026年，超过80%的企业将在生产环境中使用生成式人工智能或部署支持生成式人工智能的应用程序。[2]在中国，人工智能产业同样蓬勃发展。艾瑞咨询报告显示，预计2025年至2029年中国人工智能产业将保持32.1%的年均复合增长率，2029年有望突破1万亿市场规模。[3]

在广告营销领域，人工智能的应用日益深入，在消费者定位、个性化推荐、内容创作和广告优化等方面展现出巨大潜力。[4]其中，内容创作环节因其产出直接面向消费者，成为最易感知的人工智能应用场景之一，也是人工智能在广告实践中应用较为活跃的领域。[5]早在2018年，雷克萨斯使用了由人工智能撰写脚本的广告，开启了人工智能参与广告创作的先河。[6]随着生成式对抗网络和扩散模型技术的成熟，文生图、文生视频等跨模态生成技术得以实现，算法能够在极短时间内进行自动化内容创建，生成高度逼真的现实场景，大大提升了内容生产效率。仅2023年上半年，就涌现出了诸如可口可乐的视频广告《Masterpiece》、麦当劳“青铜汉堡”等广泛传播的人工智能广告作品（以下简称AI广告）。[7]这些成功案例印证了人工智能在激发创意和降低制作成本方面的巨大价值。在营销实践中，越来越多的营销人员认识到人工智能为营销活动带来的价值。Influencer Marketing Hub的调研数据显示，高达69.1%的营销人员已将人工智能纳入其营销策略，[8]而在我国，据央视市场研究（CTR）发布的《2025中国广告主营销趋势调查报告》，超半数的广告主表示已在创意内容中使用了人工智能生成技术，[9]这意味着人工智能生成技术已成为营销创新的重要驱动力。

尽管业界对人工智能在广告内容创作中的应用热情高涨，但消费者对这类广告内容的认知与反应尚不明确，亟待深入研究。现有研究显示出复杂的消费者反应：尼尔森智库对2000名美国消费者的调查显示，消费者能够本能地识别出大部分人工智能生成的广告，并认为它们比传统广告更缺乏吸引力，甚至感到“烦人”“无聊”与“令人困惑”。[10]此外，Civicscience的调查表明，消费者对使用人工智能的品牌也存在负面认知，约五分之二的美国成年消费者对这类品牌持负面态度。[11]然而，尽管已有研究探讨了广告诉求类型[12]、慈善广告[13]、AI披露[14]等因素对消费者反应的影响，但此类研究多基于实验情境，缺乏在真实社交环境中对消费者反应的观察。

在此背景下，本研究旨在拓宽研究视野，通过计算文本分析方法，探究真实情境下消费者对AI广告的反应。本研究选取中国新兴社交媒体平台小红书作为分析场域。得益于其独特的“种草”文化和以UGC内容为主的图文生态，该平台提供了探究用户在真实情境下对AI广告反应的独特窗口。[15]本研究引入了BERTopic主题建模技术，对小红书2023年至2025年间AI广告相关帖子下的用户评论进行分析，旨在揭示消费者在面对AI广告时所讨论的核心主题，为广告主和相关行业实践者提供参考。

2 文献综述

随着人工智能技术的飞速发展，其在广告领域的应用已成为学界与业界的共同焦点。现有研究指出，人工智能是指能够表现出智能行为的程序、算法、系统或机器，[16]其功能依托于机器学习、自然语言处理、基于规则的专家系统、神经网络、深度学习与机器人流程自动化等关键技术。[17]在营销领域，人工智能通过改进营销决策（例如，定价促销、产品推荐、增强客户参与度等），或实现客户服务和市场交易的自动化，从而实现企业降本增效的目标。[18]在此基础上，生成式人工智能逐渐成为广告内容生产的重要技术路径。目前，由于AI广告仍处于快速发展阶段，学界对AI广告的定义尚未形成统一共识。李海容将AI广告界定为以消费者为中心、数据驱动、算法介导的品牌传播，突出了人工智能通过数据与算法介入并驱动品牌传播系统的特征；[19]Rodgers从功能属性和传播目标角度切入，提出AI广告是“利用一系列机器功能进行的品牌传播，这些机器功能可以通过学习执行任务，意图通过人类、机器或人机协同输入来实现说服”。[20]秦雪冰和姜智彬则聚焦广告运作流程，认为人工智能对传统广告流程进行了重组和升级，新的广告流程由以算法为核心的数据平台提供支持，具有工具性、同步性和高效性[21]，体现了人工智能对广告流程的重构。

与上述从系统、功能或流程层面出发的AI广告定义相比，Campbell提出的“合成广告”（synthetic advertising）更聚焦于广告内容形态本身，指在深度伪造和生成式对抗网络等人工智能技术的支持下，通过对数据进行自动生成与修改而形成的广告内容。这被视为当前广告操纵中最为复杂的形式之一。[22]综合以上观点，现有的AI广告定义主要涵盖了品牌传播系统和广告运作流程中应用人工智能技术的多重实践。而本文所关注的AI广告更加聚焦于人工智能参与广告内容生成的过程及结果，属于狭义范畴，更接近Campbell所界定的“合成广告”。基于此，本文将AI广告界定为部分或全部由人工智能自动生成的广告。

现有研究普遍认为，生成式人工智能在内容生成领域的潜力尤为突出。Davenport和Mittal指出，生成式人工智能有可能在内容生成、内容多样性、内容质量和个性化内容四个方面深刻改变商业与市场营销，其中在内容生成和多样性方面已有显著进展。[23]但对于营销应用来说，内容质量至关重要。[24]因此，在营销领域中采用生成式人工智能仍需保持审慎态度。麦肯锡研报显示，在营销和销售领域采用生成式人工智能可以产生最大的价值，但同时也会带来相关的管理风险，包括数据管理风险（如数据隐私、偏见或知识产权侵权）和模型管理风险，往往集中在输出不准确或缺乏可解释性上。[25]也有相关研究指出，在营销活动中披露人工智能的使用，可能会影响消费者的信任感。[26]例如，当消费活动以消费者的身份为核心，[27]或当消费者认为人工智能对他们的隐私构成威胁时，[28]其对品牌的信任水平及购买意愿可能下降。此外，当消费者与人工智能互动时，可能处于低层次的解释心态，怀疑人工智能是否能够“理解”某些消费行为的重要性。[29]任务特征也会影响消费者对人工智能的接受程度，尤其是当任务涉及情感、直觉，人们认为人工智能缺乏此类任务需要的情感能力和同理心，[30]甚至会感到不安。[31]综上所述，生成式人工智能一方面为广告内容创作带来了前所未有的效率与多样性，另一方面也在数据管理、隐私保护与消费者信任等方面引发了一系列新的营销管理难题。尤其是在广告情境中，消费者对人工智能的态度很可能影响其对AI广告的解读与反应。因而有必要在具体的广告应用场景中，从消费者角度出发，考察其如何评价并回应AI广告。

现有从消费者视角出发探讨AI广告的研究整体仍处于探索阶段，且存在一定的局限性。早期研究主要关注消费者对AI广告的整体感知与评价，多采用问卷调查法[32]、访谈法[33]等方法测量消费者对AI广告的总体态度；也有部分研究关注人工智能生成广告文案的效果，[34]以及品牌文案中披露人工智能作为来源对品牌产生的影响。[35]但这些研究关注的技术停留在人工智能技术诞生的早期形态，研究对象主要集中在广告文案和广播广告等非视觉形式。随着生成式人工智能技术扩展至图像等多模态内容，相关研究开始更多运用实验法，通过操纵特定变量以检验其对消费者态度的影响。研究表明，消费者对AI广告的反应受到多重因素调节，包括是否披露AI参与[36]、任务特征[37]、感知创意程度[38]等。然而，这些研究多数仍局限于受控实验环境，对真实社交媒体场景中自然发生的消费者讨论关注不足。

基于此，本研究拟采用计算文本分析方法，对中国社交媒体平台小红书中有关AI生成平面广告的用户评论开展分析。研究引入BERTopic主题建模技术，以从大量用户评论中提取消费者讨论的话题特征与情感倾向，从而揭示其在真实社交语境下对AI广告的认知与态度。

在此基础上，本研究拟聚焦以下研究问题：

RQ1：消费者在小红书平台针对AI广告所发表的评论中，主要聚焦于哪些主题？

RQ2：消费者在AI广告相关评论中呈现出怎样的情感倾向？

RQ3：关键词共现网络揭示了消费者讨论的核心概念及其关联关系是什么？

3 研究方法

3.1研究思路

本文主要采用BERTopic对小红书用户在AI广告帖子的评论数据进行主题挖掘。研究的开展包括三个关键步骤。首先，在数据收集与预处理阶段，利用Python自定义爬虫程序获取小红书平台相关贴文，并进行清洗、分词及停用词处理。其次，考虑到传统LDA方法对短文本分析效果不理想，[39]BERTopic基于预训练深度学习语言模型，能更好地理解和捕捉较少词汇中的深层含义，在可解释性、应用场景广泛性和配置灵活性方面更具优势。[40]因此本文采用BERTopic进行主题建模，在此基础上进一步分析各个主题内部的情感分布。最后，研究尝试使用关键词共线网络分析，以呈现评论中核心概念之间的关联关系。具体研究流程如图 1所示。

图 1 研究框架

3.2数据来源

本文拟以小红书平台作为研究场域，旨在探究小红书平台上的用户对AI广告的看法与情绪态度。截至2025年4月，小红书平台拥有3亿月活用户，内容分享者超1亿，平台的用户群体呈现出较高的数字素养。[41]小红书平台以图文笔记为主要的内容形式，且用户活跃度与互动性较强，为观察与分析消费者对AI广告的真实反应提供了适宜场域。

在数据获取方面，研究使用Python工具对小红书帖子下的用户评论进行爬取。首先，检索关键词设定为“AI广告”和“AI生成广告”。为尽可能保证评论的真实性与用户视角，研究排除由品牌官方账号或MCN机构发布的内容，经人工甄别后仅保留由个人用户自主发布的帖子，主要集中于用户分享其在日常生活中接触到的AI广告案例。考虑到AI图像生成工具（如Midjourney、DALL·E等）极大推动了AI广告的普及，本文将样本时间范围限定为2023年1月1日至2025年7月1日（检索时间）。最终，初步获得13篇评论量超过450条的相关帖子，共计收集13783条原始评论。

3.2.1数据预处理

为确保后续分析的准确性，本文对原始评论数据进行了系统的清洗与预处理。首先，使用Python中的Pandas库导入原始CSV文件，并保留数据备份。随后，通过自定义清洗函数对评论文本执行多轮文本规整处理，具体包括：去除重复数据、HTML标签、URL链接、用户@标识符、常见表情文本（如[笑哭R]）、emoji符号以及非中英文字符与多余空格；删除停用词和不相关内容（如评论区推广信息）；增加专用词典（如“AI广告”等），并结合Python中的Jieba中文分词库进行分词。上述步骤显著提升了语料的可读性与一致性。

3.2.2 BERTopic主题建模与参数调整

BERTopic是一种三阶段式基于Bert词向量进行主题建模的方法，灵活性较强。[42]其原理主要包含三个部分：（1）嵌入文档与降维。BERTopic运用预训练的Transformer模型将文档转换为高维度的向量，这些高维度向量可以成功捕获词语在上下文的语义信息。为提升数据集的语义信息质量，在此步骤对评论文本的字符数量进行了筛选，剔除了不足10字的评论，最终形成包含7979条用户评论的数据集。为了保持后续聚类的效率，BERTopic使用UMAP技术对高维向量进行降维。UMAP可在降维的同时最大限度地保留原有的数据布局和结构，为后续聚类的有效性打下基础。（2）文档聚类。高维向量被降维后，可选择相关聚类算法对文档进行聚类。本文选择使用默认的HDBSCAN算法，因为该算法不需要预先指定主题数量，可以自动识别出不同密度的聚类类型，并将不属于任何主题的噪声数据排除在外。[43]（3）主题表示。完成聚类后，BERTopic使用c-TF-IDF的方法为每个聚类创建直观、具有代表性的关键词，从而使其成为一个可解释的主题。BERTopic的各种算法组合使其在处理短文本和捕捉细微语义方面远优于传统主题模型。

BERTopic的相关模块详细参数设置如下：（1）嵌入文档。本文选择的是“Bert-base-Chinese”作为文本嵌入模型，该模型由Google开发，基于BERT的基础架构，使用了大量中文语料进行训练，在文本分类等任务中表现出色。[44]（2）初始化UMAP，根据BERTopic官方文档建议，将UMAP类设置参数如下：投影后维度数（n_components）设置为15，点之间最小距离（min_dist）调整为0.0，使嵌入点更加集中；随机状态（random_state）设置为固定值42，减少结果随机性。（3）初始化HDBSCAN。最小聚类规模（min_cluster_size）设置为50，即每一类中至少包含50句样本评论；最小样本（min_sample)设置为1，以最大化囊括评论内容，减少离群值。

提取出具体的主题后，本研究使用Hugging face库中预训练好的微调模型进行情感分析。使用基于“xlm-roberta-large-xnli”模型针对中文语境进行微调后的“Chinese-Emotion”模型完成情感分析，该模型专门针对中文文本情感分析，可识别包括中性语调、快乐语调、愤怒语调、厌恶语调等八种情绪标签。[45]

3.2.3关键词共现分析

为了深入探究小红书用户评论中的核心讨论结构，本研究采用Gephi软件进行关键词共现分析。Gephi是一款功能强大的复杂网络分析工具，其核心优势在于能够将抽象的共现数据转化为直观的可视化图谱。通过调整图谱中的节点大小、连接强度和中心性等关键指标，可清晰识别出讨论网络中的核心议题与关联结构。本研究将分词后的评论高频关键词共现矩阵导入Gephi软件中，生成可视化图谱。

4 研究结果与分析

4.1主题识别

主题建模过程中，研究者并未手动指定主题数量，而是使用BERTopic模型自动聚类结果，共得到15个消费者关于AI广告讨论的主题，每个主题中包含有经c-TF-IDF算法统计出的具有代表性的关键词作为聚类主题名称。

为了更好地理解各主题之间的关系，本研究采用分层主题建模方法进行展示。

图 2分层主题建模结果

分层主题建模方法可以将主题组织为不同抽象层次的结构。在分层主题建模中，每个主题都可以看作是更高层次的主题的一个分支，这些主题可以按照其相关性和抽象程度组织为树形结构。[46]结果如图 2所示。

图 3中通过主题权重排序筛选出了权重排序前八个主题，每个主题中显示出贡献度排名前五的关键词，可以直观、清晰地反映主题内部概况。同时，算法给出 BERTopic模型主题聚类识别后的关键词得分情况，关键词得分越高，其代表性就越高。

图 3 前8个主题的主题分布与得分

结合上述方法运行结果及人工解读，汇总得出消费者对AI反应的多个主题，经过进一步整合，共获得10个二级技术主题，将其整合成5个一级技术主题，具体结果如表 1所示。

表 1 主题分类结果

主题1：AI广告识别。现有研究表明，消费者对于AI广告的反应关键在于虚假觉知，即意识到广告所呈现的图像属于“被呈现的现实”。[47]消费者的识别路径主要分为两类：其一为推理路径，即基于既有知识和经验进行判断；其二为直接路径，即通过感知图像异常而察觉其与现实存在偏差。[48]在小红书平台的互动语境中，用户同样通过两种路径来判断AI来源，且往往倾向于与他人展开讨论，探讨识别方式及其依据。评论显示，用户常通过细节异常（如人物姿态、手部结构等）或标签披露识别出广告由AI生成，但同时亦有用户指出，现阶段已难以快速辨别AI生成图像。该话题典型评论如下：“我看到这个广告还真挺奇怪，这两人颜值都挺完美的，竟然没有标注模特名字，仔细一想可能是AI，还真是AI”（评论1168）；“很明显的AI人脸，不是画出来的 还有肢体动态不对 这个不是美术生都能感觉到的不对劲吧”（评论1238）。

主题2：AI广告可见性。AI广告在受众中的高可见性，既与其在北京、深圳、武汉等一二线城市的集中投放策略密切相关，也与小红书用户主要分布于大中型城市的用户结构相契合。部分用户在日常生活中频繁接触并讨论其与AI广告的互动经历。这一主题的评论表明，AI广告已通过多样的媒介载体成功进入公共视野，引发了受众的高度注意。其主要媒介形式包括地铁广告、户外广告牌、机场广告等，体现出较强的曝光性和高度可见性。例如，有评论提到“上海地铁站里全是AI宣传图，地铁电视里也全是，我还以为大家都麻木了”（评论2180）；“飞机上也出现了AI牙科广告，疑似伪人”（评论4991）。

主题3：广告视觉评价。AI广告的视觉内容引发了消费者两类截然不同的感知与评价：怪异感知与创意感知。一方面，部分用户产生典型的“恐怖谷效应”，即因观察到AI广告内容中人像不自然的变形或扭曲而产生不适或恐惧感。[49]这类评论常强调AI广告在视觉上带来的怪异感与恐惧感，如评论2853“AI伪人看起来特别油腻 笑得也很恐怖 不愿再多看一眼”。另一方面，亦有少数用户对AI广告给予积极评价，认为其模特形象或画面风格较为自然，从而体现出一定的创意价值。例如评论1312“这竟然是AI，我那天在地铁上看到了，还在想现在的年轻模特都这么完美匹配青春靓丽这几个字了。”这表明，尽管现有AI图像生成模型已在视觉呈现上获得部分受众的认可，但在更大范围的应用中仍需审慎考量其可能引发的怪异与不适感受，特别是要关注不同受众在感知层面的个体差异。

主题4：品牌形象评价。AI广告的视觉呈现不仅影响消费者对广告本身的评价，还可能对品牌形象产生影响。此现象可以从信号理论视角进行解释：广告活动中往往存在“信息不对称”的情况，消费者在无法直接判断产品的真实质量时，往往会通过广告投入来判断品牌实力、产品质量和企业可信度等信息。[50][51]该主题的评论表明，消费者倾向于将品牌采用AI广告归因为追求效率、节省成本，并据此将这一行为解读为品牌在产品投入和产品质量下降或“偷工减料”的负面信号，从而降低对品牌的好感度与信任。代表性的评论如：“我看到这种会觉得品牌方很不用心哎 就会避雷这些牌子 不过一般不肯花钱做设计的品牌都不咋好的”（评论1185）。

主题5：行业冲击与伦理争议。该主题揭示了AI广告的大规模应用在职业冲击、版权保护及审美价值方面存在的潜在风险。讨论表明，AI技术的应用正对设计师、画师等相关职业构成冲击，其在追求效率和降低成本的同时，也引发了对就业问题的担忧。此外，在当前缺乏有效维权机制的背景下，由于生成式人工智能挖掘数据与文本的过程涉及复制和改编行为，[52]使得其侵犯既有知识产权的风险显著增加。部分用户还对AI广告的审美价值表达了担忧，如评论796所提及“广泛运用劣质AI图导致国民整体审美降级，越来越不重视创意产业，过度商业化只会带来恶性循环”，反映出AI广告在商业化应用中对社会审美所造成的负面冲击。

4.2情感分析

通过对评论文本进行情感分析，可以观察到消费者在表达对AI广告的态度时呈现出较为复杂的情感分布（见图 4）。总体而言，33%的评论以中性语调为主（2665条），在带有明显情绪色彩的评论中，负面情绪占据主导地位，其中“厌恶语调”和“愤怒语调”合计占比超过45%，表明AI广告在上述话题中引发了强烈的不满与抵触情绪。相较之下，积极情绪的占比明显偏低，如“开心语调”仅599条，显示出AI广告在创意或视觉愉悦方面虽有一定的正向反馈，但整体仍处于次要地位。与此同时，部分用户展现出较为复杂的情绪反应，包括“悲伤语调”（363条）、“惊奇语调”（264条）与“关切语调”（245条），这类情绪通常与对行业发展前景、社会伦理风险或个人价值受损的担忧相关。此外，“疑问语调”（258条）则反映出部分用户在识别和理解AI广告上仍存在不确定性。

图 4 情感分析结果

4.3共现网络分析

在对用户评论进行主题建模和情感分析的基础上，本研究进一步借助了语义共线网络分析揭示了前30个高频词汇之间的潜在逻辑关系，结果如图 5所示。将前30个高频词汇导入Gephi后，系统自动生成了三个语义聚合模块，呈现出三条较为突出的高频链路，部分对应于上述分析的核心主题。第一条链路由“真人”“恶心”“眼睛”“手指”等词汇构成，指向AI广告中常见的局部生成错误，与真人特征产生差异，从而引发消费者的不适感。第二条链路包含“品牌”“省钱”“产品”“成本”“设计”等词汇，反映出消费者对AI广告的总体认知：一方面品牌借助AI提高了广告制作效率，另一方面过低的广告成本使消费者产生被“敷衍”的感受，进而影响其对产品质量的判断。第三条链路集中于“美术”“画师”“人类”“行业”“版权”等词汇，主要体现了消费者对AI生成图像对设计行业冲击、AI技术可能取代人类艺术家的担忧，以及版权保护等问题的思考。

图 5 高频词共现网络关系图

5 结论与讨论

本研究基于小红书平台用户关于AI广告的评论，运用BERTopic模型识别与分类核心讨论主题，并结合情感分析与关键词共现网络分析，旨在探索消费者在真实社交语境下对AI广告的认知与态度。研究结果揭示了消费者对AI广告的复杂反应，这些发现为AI广告的理论研究提供了新的视角，同时也为业界提供了初步的实践建议。

研究首先揭示了消费者围绕AI广告的讨论主要集中于五个一级主题上：AI广告识别、AI广告可见性、广告视觉评价、品牌形象评价以及行业冲击与伦理争议。对评论的情感分析结果表明，AI广告引发了复杂且以负面为主的情绪反应。其中，“厌恶语调”和“愤怒语调”占比超过45%，可能源于AI广告所触发的“恐怖谷效应”，以及由使用AI产生的负面信号引发对品牌的不信任感。具体而言，视觉上的“怪异感知”使得消费者产生生理或心理上的不适感，而将AI广告视为品牌“不用心”“节省成本”的负面信号，则直接影响了对品牌的好感度与信任。这一发现提示，AI广告的影响不仅限于消费者对广告本身的评价，更关乎消费者对品牌行为的深层解读。此外，消费者对AI广告的讨论已扩展到对职业冲击、版权保护和审美价值的担忧。这表明，AI广告的普及正促使公众重新审视技术与人类主体性、商业效率与社会伦理之间的复杂关系，为广告伦理、数字劳动与知识产权保护等议题的研究提供了新的现实案例。

基于以上研究发现，本研究为AI广告的实践应用提出以下建议：首先，广告主和创意人员应特别关注AI生成图像在人物五官、肢体和表情等细节上的瑕疵，因为这些细节可能会引发消费者的“怪异感知”和厌恶情绪，建议通过人工精修或创意性处理来规避风险。其次，面对消费者将AI广告视为“节省成本”的负面认知，品牌方应重新构建AI广告对消费者的价值，强调AI在提升创意、个性化服务或价值共创方面的积极作用，而非仅仅作为降本增效的工具。此外，通过披露AI的使用并辅以真诚的沟通，有助于提升透明度并重建消费者信任。最后，广告主应意识到AI广告不仅是商业行为，也关乎社会责任。在推广AI技术应用时，需关注其对创意行业从业者的影响，积极探索与艺术家的合作模式，并对版权归属等法律问题采取严谨态度，确保广告内容合法合规。

本研究存在以下局限性：首先，研究主要以小红书用户发帖下的评论为分析数据集，而用户评论中往往存在较高的“噪声”，导致主题建模时产生较大的离群值，这可能会影响主题和情感分析的准确性。其次，研究数据主要来源于小红书单一平台，其用户群体的特定属性可能影响结果的普适性。未来的研究可以拓展至更多元的社交媒体平台，如微博、抖音等，以获取更广泛的用户样本。其次，本研究主要聚焦于AI生成平面广告的讨论，对于视频广告、互动式广告等其他形式的AI广告，消费者可能存在不同的认知和情感反应。未来的研究可以采用多模态分析方法，结合视频内容、声音等元素，对消费者在不同形式AI广告下的反应进行更全面的探究。此外，本研究为横断面研究，难以捕捉消费者态度随时间推移的动态变化。未来可进行纵向分析，追踪随着AI技术成熟，消费者观念如何演变。最后，本研究主要通过主题建模揭示了消费者关注的话题，但并未深入探究背后的“为什么”。未来研究可以结合实验法、眼动追踪或神经科学等方法，进一步探究消费者的个体差异等因素如何影响其对AI广告的感知与态度，从而为构建更为精细和负责任的AI营销模型提供更为坚实的理论基础。

作者简介

基金项目：中国传媒大学“智启未来”智能传播前沿研究与学术写作工作坊（项目编号：JG25203012）。

潘诗芸 中国传媒大学广告与品牌学院2023级硕士研究生

注释