DOI: https://doi.org/10.1108/bfj-05-2025-0657
تاريخ النشر: 2026-01-02
المؤلف: Miguel Guinalíu وآخرون
الموضوع الرئيسي: سلوك المستهلك وتأثير التسويق
نظرة عامة
تؤكد هذه القسم على أهمية جودة اللغة الإنجليزية في الكتابة الأكاديمية، مشددة على الحاجة لمعالجة مختلف القضايا المتعلقة بالكتابة، بما في ذلك القواعد، والوضوح، والأسلوب. وتقترح أن تحسين هذه الجوانب أمر حاسم للتواصل الفعال لنتائج البحث. من خلال التركيز على هذه العناصر، يمكن للمؤلفين تعزيز قابلية قراءة وتأثير عملهم بشكل عام، مما يضمن أن مساهماتهم مفهومة بوضوح من قبل الجمهور المستهدف.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على مختلف الصناعات، وخاصة في التسويق والعلامات التجارية. مع استثمار الشركات بشكل متزايد في تقنيات الذكاء الاصطناعي، يظهر التسويق كوظيفة رائدة لتطبيق الذكاء الاصطناعي، مما يعزز العمليات مثل تخصيص المحتوى وتفاعل العملاء. لقد مكنت زيادة الذكاء الاصطناعي التوليدي (GenAI)، خاصة من خلال نماذج اللغة الكبيرة (LLMs)، الشركات من إنشاء عروض مخصصة بكفاءة، حيث تظهر أدوات مثل ChatGPT وMidJourney إمكانيات الذكاء الاصطناعي في إنتاج محتوى بصري عالي الجودة. ومع ذلك، فإن دمج الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي يثير تساؤلات حاسمة بشأن تأثيرها على هوية العلامة التجارية البصرية وإدراك المستهلكين، خاصة فيما يتعلق بالأصالة والاتصال العاطفي.
تشير الورقة إلى ردود فعل مختلطة من المستهلكين تجاه الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي، حيث تشير الاستطلاعات إلى أن جزءًا كبيرًا من المستهلكين يشعر بعدم الارتياح لاستخدامها في الإعلانات. قد ينبع هذا الانزعاج من عدم الشعور بالأصالة والارتباط العاطفي المرتبط بصور الذكاء الاصطناعي، مما يمكن أن يعطل الأنماط الثابتة للعلامة التجارية. يؤكد المؤلفون على الحاجة إلى مزيد من البحث لاستكشاف كيفية استخدام العلامات التجارية للصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي بشكل فعال دون المساس بثقة المستهلك والقيمة المدركة، خاصة في قطاع الأغذية، حيث تعتبر التمثيلات البصرية حاسمة لنقل الجاذبية الحسية والأصالة. تهدف الدراسة إلى التحقيق في التوازن بين فوائد الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي والمخاطر المرتبطة بها، مقترحة أسئلة بحث تركز على توقعات متعة المستهلك وإدراك المخاطر المتعلقة بصور الطعام التي تم إنشاؤها بواسطة الذكاء الاصطناعي.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مجموعة من الطرق الكمية والنوعية، مما يضمن تحليلًا شاملاً للبيانات. شملت جمع البيانات استطلاعات وتجارب، حيث تم اختيار المشاركين من خلال العينة العشوائية الطبقية لتعزيز تمثيل العينة.
تم إجراء تحليلات إحصائية باستخدام أدوات البرمجيات لتقييم العلاقات بين المتغيرات، مع استخدام تقنيات مثل تحليل الانحدار وANOVA. تم تفسير النتائج في سياق الأدبيات الحالية، مما يسمح بمناقشة قوية للنتائج. بشكل عام، تم تصميم المنهجية لضمان الموثوقية والصلاحية، مما يوفر أساسًا قويًا للاستنتاجات المستخلصة في الدراسة.
النتائج
في قسم النتائج، تم تقييم النموذج المقترح باستخدام تحليل المربعات الصغرى الجزئية (PLS) عبر SmartPLS4، مع استخدام إجراء البوتستراب مع 10,000 عينة فرعية لتحديد دلالة المعاملات. أظهر النموذج الهيكلي ملاءمة جيدة بشكل عام، كما يتضح من جذر متوسط المربعات القياسي (SRMR) البالغ 0.046، وهو أقل من العتبة المقبولة البالغة 0.08 (هو وبنتلر، 1998).
كشفت التحليلات عن نتائج مختلطة بشأن التأثيرات التعديلية. بشكل ملحوظ، قلل تجربة الذكاء الاصطناعي (AI) بشكل كبير من تأثير نوع الصورة على المتعة، مع معامل قدره $\beta = 0.298$ وقيمة p أقل من 0.05. وهذا يشير إلى أنه مع اكتساب الأفراد مزيدًا من الخبرة مع الذكاء الاصطناعي، تقل الفجوة في المتعة المتوقعة بين أنواع الصور المختلفة. على العكس، لم تؤثر تجربة الذكاء الاصطناعي على العلاقة بين نوع الصورة وإدراك المخاطر. بالإضافة إلى ذلك، وُجد أن التأثيرات التعديلية للعمر والجنس على العلاقة بين نوع الصورة وكلا من المتعة والمخاطر كانت غير دالة.
المناقشة
تبحث الدراسة في تأثير الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي على إدراك المستهلكين للقيمة والكلمة السلبية (WOM) في سياق العلامات التجارية وتسويق الطعام. تختبر تجريبيًا كيف تؤثر الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي على ردود فعل المستهلكين مقارنة بالصور الحقيقية، مقترحة إطارًا يدمج نظرية التأثير العاطفي ونظرية القرار. تشير النتائج إلى أن الصور الحقيقية تثير متعة متوقعة أكبر، مما يقلل من إدراك المخاطر، بينما تميل الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي إلى زيادة إدراك المخاطر وتقليل القيمة المدركة. تسلط الدراسة الضوء على أن ردود الفعل العاطفية للمستهلكين تجاه المحفزات البصرية تشكل بشكل كبير تقييماتهم، حيث تُعتبر الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي غالبًا تفتقر إلى الأصالة والارتباط العاطفي، مما يؤدي إلى زيادة نوايا الكلمة السلبية.
بالإضافة إلى ذلك، تحدد الدراسة الفروق الفردية، مثل الخبرة السابقة مع الذكاء الاصطناعي، والعمر، والجنس، كعوامل تعديل تؤثر على ردود فعل المستهلكين تجاه الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي. تؤكد النتائج على الحاجة إلى أن يأخذ المسوقون بعين الاعتبار بعناية الآثار المترتبة على استخدام الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي، مع تحقيق توازن بين الفوائد المحتملة والمخاطر المرتبطة بتقليل ثقة المستهلك وإدراك القيمة. مع اعتماد قطاع الأغذية الزراعية بشكل متزايد لتقنيات الذكاء الاصطناعي، فإن فهم هذه الديناميكيات أمر حاسم لاستراتيجيات التسويق الفعالة والحفاظ على سمعة العلامة التجارية.
القيود
تسلط قيود هذه الدراسة الضوء على الطبيعة المنضبطة للبحث، الذي شمل مشاركين كانوا على علم بأن الصور المعروضة كانت من إنتاج الذكاء الاصطناعي. يعزز هذا التصميم الصلاحية الداخلية ولكنه قد لا يمثل بدقة السيناريوهات الواقعية حيث غالبًا ما يفتقر المستهلكون إلى المعرفة حول أصول الصور. يجب على الأبحاث المستقبلية التحقيق في ردود فعل المستهلكين في الحالات التي يكون فيها مصدر الصورة – سواء كانت من إنتاج الذكاء الاصطناعي أو حقيقية – غامضًا أو مُنسبًا بشكل خاطئ.
بالإضافة إلى ذلك، يثير تركيز الدراسة على المستهلكين الإسبان تساؤلات حول تأثير العوامل الثقافية والسياقية على إدراك الذكاء الاصطناعي في إعلانات الطعام. قد يوفر توسيع البحث ليشمل سياقات ثقافية متنوعة وجماهير مستهدفة مختلفة، مثل العملاء ذوي مستويات ولاء العلامة التجارية المختلفة، فهمًا أكثر شمولاً لقبول الذكاء الاصطناعي في التسويق. يمكن أن تتضمن الدراسات المستقبلية أيضًا منهجيات تجريبية تستخدم مقاييس فسيولوجية أو سلوكية، مثل تتبع العين أو التعرف على الوجه، لاستكشاف الاستجابات السلبية غير الواعية التي قد يكون لدى المستهلكين تجاه الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي.
DOI: https://doi.org/10.1108/bfj-05-2025-0657
Publication Date: 2026-01-02
Author(s): Miguel Guinalíu et al.
Primary Topic: Consumer Behavior and Marketing Influence
Overview
The section emphasizes the importance of English language quality in academic writing, highlighting the need to address various writing-related issues, including grammar, clarity, and style. It suggests that improving these aspects is crucial for effective communication of research findings. By focusing on these elements, authors can enhance the readability and overall impact of their work, ensuring that their contributions are clearly understood by the intended audience.
Introduction
The introduction of the research paper highlights the transformative impact of artificial intelligence (AI) on various industries, particularly in marketing and branding. As companies increasingly invest in AI technologies, marketing emerges as the leading function for AI application, enhancing processes such as content personalization and customer engagement. The rise of generative AI (GenAI), especially through Large Language Models (LLMs), has enabled firms to create personalized offerings efficiently, with tools like ChatGPT and MidJourney demonstrating the potential of AI in generating high-quality visual content. However, the integration of AI-generated imagery raises critical questions regarding its effect on visual brand identity and consumer perceptions, particularly concerning authenticity and emotional connection.
The paper notes mixed consumer reactions to AI-generated images, with surveys indicating a significant portion of consumers feeling uncomfortable with their use in advertising. This discomfort may stem from the perceived lack of authenticity and emotional resonance associated with AI imagery, which can disrupt established brand schemas. The authors emphasize the need for further research to explore how brands can effectively utilize AI-generated images without compromising consumer trust and perceived value, particularly in the food sector, where visual representation is crucial for conveying sensory appeal and authenticity. The study aims to investigate the balance between the benefits of AI-generated imagery and the associated risks, proposing research questions focused on consumer pleasure expectations and risk perceptions related to AI-generated food images.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, ensuring a comprehensive analysis of the data. Data collection involved surveys and experiments, with participants selected through stratified random sampling to enhance the representativeness of the sample.
Statistical analyses were conducted using software tools to evaluate the relationships between variables, employing techniques such as regression analysis and ANOVA. The results were interpreted in the context of existing literature, allowing for a robust discussion of the findings. Overall, the methodology was designed to ensure reliability and validity, providing a solid foundation for the conclusions drawn in the study.
Results
In the results section, the proposed model was evaluated using Partial Least Squares (PLS) analysis via SmartPLS4, employing a bootstrapping procedure with 10,000 sub-samples to determine the significance of the coefficients. The structural model demonstrated a good overall fit, indicated by a standardized root mean square residual (SRMR) of 0.046, which is below the acceptable threshold of 0.08 (Hu and Bentler, 1998).
The analysis revealed mixed results regarding moderating effects. Notably, the experience of artificial intelligence (AI) significantly diminished the impact of image type on pleasure, with a coefficient of $\beta = 0.298$ and a p-value less than 0.05. This suggests that as individuals gain more experience with AI, the disparity in expected pleasure between different image types decreases. Conversely, AI experience did not influence the relationship between image type and perceived risk. Additionally, the moderating effects of age and gender on the relationship between image type and both pleasure and risk were found to be non-significant.
Discussion
The research investigates the impact of AI-generated images on consumer perceptions of value and negative word-of-mouth (WOM) in the context of branding and food marketing. It empirically tests how AI-generated imagery influences consumer responses compared to real images, proposing a framework that integrates affect heuristic theory and decision theory. The findings suggest that real images elicit greater expected pleasure, which reduces perceived risk, while AI-generated images tend to increase perceived risk and diminish perceived value. The study highlights that consumers’ emotional responses to visual stimuli significantly shape their evaluations, with AI-generated images often perceived as lacking authenticity and emotional resonance, leading to increased negative WOM intentions.
Additionally, the research identifies individual differences, such as prior experience with AI, age, and gender, as moderating factors that influence consumer reactions to AI-generated imagery. The results emphasize the need for marketers to carefully consider the implications of using AI-generated images, balancing potential benefits against the risks of diminished consumer trust and value perception. As the agri-food sector increasingly adopts AI technologies, understanding these dynamics is crucial for effective marketing strategies and maintaining brand reputation.
Limitations
The limitations of this research highlight the controlled nature of the study, which involved participants who were aware that the images presented were AI-generated. This design enhances internal validity but may not accurately represent real-world scenarios where consumers often lack knowledge about the origins of images. Future research should investigate consumer reactions in situations where the source of an image—whether AI-generated or real—is ambiguous or misattributed.
Additionally, the study’s focus on Spanish consumers raises questions about the influence of cultural and contextual factors on perceptions of AI in food advertising. Expanding the research to include diverse cultural contexts and varying target audiences, such as customers with different brand loyalty tiers, could provide a more comprehensive understanding of AI acceptance in marketing. Future studies could also incorporate experimental methodologies that utilize physiological or behavioral metrics, such as eye tracking or facial recognition, to explore the subconscious negative responses consumers may have towards AI-generated images.