本文档是Ashok Kumar Kaliyamurthy和Hope Jensen Schau发表在*Journal of Consumer Research*期刊上的一项原创性实证研究。这项研究旨在揭示算法如何系统地限制消费者体验，并构建了一个包含核心作用机制和影响路径的理论框架。
本研究的主要作者是Ashok Kumar Kaliyamurthy（通讯作者，现任职于俄勒冈州立大学商学院）和Hope Jensen Schau（加州大学欧文分校保罗·梅拉吉商学院）。研究基于Kaliyamurthy在亚利桑那大学完成的博士论文，并获得了包括Melanie Wallendorf在内的多位学者的指导。该研究于2025年3月31日在*Journal of Consumer Research*期刊上在线提前发表。
本研究隶属于消费者行为研究与信息系统科学的交叉领域。随着物联网、人工智能和自助服务技术的普及，算法在日常消费中无处不在。尽管现有文献关注算法对消费者体验的影响，但存在三个主要局限：1) 未能解释算法施加的互动限制背后的系统性机制；2) 采用了一种被动的、以情绪为中心的消费者体验观，忽略了消费者为应对算法限制所付出的努力；3) 未将这种影响分解到消费者体验的不同维度上。
具体而言，现有研究多关注算法使用带来的隐私担忧、歧视感知、委托焦虑等情感反应，却忽视了像文首案例中Linda那样的消费者——她因健身应用算法未考虑其孕期语境而误判其健康指标，导致保险折扣被拒，最终不得不通过医生介入才解决问题。这种为适应算法局限而付出的“工作”未被纳入消费者体验的考量。
因此，本研究旨在回答一个核心问题：算法如何系统地限制消费者体验？ 并将其分解为两个子问题：1) 消费者使用算法时需要应对哪些互动机制？ 2) 这些机制如何影响消费者体验构建的各个维度？研究试图通过整合信息系统科学中关于信息技术构成性属性的理论，来弥补消费者研究领域的上述空白。
本研究采用了一种多方法的民族志研究设计，以深入了解消费者与算法互动的日常实践。研究对象是使用健身追踪软件（如Fitbit, Strava, Apple Watch等）的消费者。研究流程主要包含以下几个阶段：
第一阶段：广泛的田野调查与参与式观察（数据收集） 研究者在2018年至2023年间，在美国西部一个中等城市开展了深入的田野工作。数据收集方式多样，旨在多角度捕捉消费者与健身追踪器的互动： 1. 参与式观察：进行了93小时的面对面健身活动观察，期间研究者与消费者一同锻炼并使用健身应用；通过应用内视频流功能进行了35小时的在线观察；此外，还通过应用与其他用户同步锻炼并互动，积累了445小时的经验。这些观察产生了185页的田野笔记。 2. 深度访谈：通过滚雪球抽样和目的性抽样，招募了36名访谈对象。样本考虑了年龄、性别、运动强度、是否参与竞赛事件、使用应用类型及参与度等因素。每位参与者进行了21至90分钟的半结构化访谈（平均54分钟），总计1975分钟的录音被转录成文本。访谈问题涵盖使用动机、功能使用方式、整合过程、使用时长、中断原因、面临的挑战及克服方法等。 3. 线上用户生成内容分析：为了更广泛地了解算法限制的普遍性和消费者的应对方式，研究者理论性抽样收集了大量线上数据。包括从独立用户论坛、厂商支持论坛、社交媒体和博客收集的3368条在线帖子（这些帖子获得了总计约5.6万次用户“赞同”）；从YouTube收集的关于产品特性与故障的558分钟视频内容；以及来自主流媒体和健身爱好者媒体的121篇相关文章。 4. 软件界面分析与个人使用反思：两位研究者自身也持续使用多种健身追踪应用超过三年。在此过程中，他们采用“应用走查”方法，有意识地分析软件界面如何引导或抑制特定行为，并将反思记录在26页的田野笔记中。
第二阶段：数据分析与理论构建 数据分析遵循扎根理论和持续比较法。具体分析步骤如下： 1. 初始编码：在访谈转录文本中，识别消费者如何将算法设计中的假设融入其具体使用情境、遇到的摩擦以及他们如何克服这些摩擦。 2. 聚焦主题：从参与式观察和访谈中，“信息技术限制导致失败”这一主题浮现出来。因此，线上数据收集和分析聚焦于广泛理解这些限制及消费者的应对策略。 3. 应用后人类探究启发法：在分析所有数据时，研究者运用了后人类探究的启发式问题引导分析，重点关注：a) 信息技术故障或异常工作的实例；b) 这些故障所体现的设计假设；c) 这些假设揭示了信息技术如何“邀请”用户进行特定的思考和行为。 4. 分类与理论化：对数据进行编码，以理解消费者面临的互动问题类型以及这些问题如何引发不同形式的消费者工作。对这些代码进行分类，最终形成了对限制来源（算法逻辑）及其对消费者体验维度影响的理解。 5. 三角验证与诠释循环：研究者在不同数据源（观察、访谈、线上内容、个人体验）之间进行三角互证，并在诠释新数据时不断回顾先前数据，形成理解上的诠释学循环。
本研究的创新之处在于其多方法民族志设计以及将后人类探究启发法与扎根理论相结合的分析框架。这种方法使研究者能够从“设计者预设的用户”与“真实用户”、“对象中铭刻的世界”与“对象被使用时所处世界”之间的辩证关系入手，深入揭示算法与消费者互动的复杂性。
研究发现，信息技术的构成性属性（即限制输入与输出）导致算法在互动中施加了一个“算法针孔”。这个针孔由三组限制性的根本互动机制构成，它们通过以下算法逻辑来运作： 1. 可读性逻辑：决定哪些现实方面被有选择地登记为有效输入。例如，健身手环可能只将“摆臂”的动作识别为“行走”。 2. 可见性逻辑：决定哪些现实方面被有选择地重新呈现为输出，以及何时、何地、向谁呈现。例如，运动应用可能只显示“移动时间”而忽略休息时间，或者将偶然路过的跑者算法判定为“小组活动”。 3. 合法性逻辑：内嵌于输入输出选择中的规范性承诺。例如，将月经周期限制在10天以内，或者将展示排序基于点赞数（从而隐含地推崇精英表现）。
为了穿过这个狭窄的“算法针孔”，消费者需要进行一系列调适工作，这些工作系统地限制了消费者体验的相应维度：
1. 认知工作限制消费者体验的认知维度 消费者需要付出心智努力来理解算法的运作逻辑。例如，用户Ross在论坛发帖，困惑于为何相同的骑行活动有时被计为1小时锻炼，有时只计为40分钟。他和许多用户一样，不得不通过反复试验、比较设备数据等“临时实验”来揣测算法对“快走强度”的定义。另一位用户Sandra为了管理隐私，发现开启“增强隐私”设置后，仍需调整至少另外三项设置才能真正控制数据可见性，这迫使她进行复杂的认知工作以理解应用的可见性逻辑。当软件更新无声地改变算法规则时（如Gary的经历），这种认知工作甚至需要周期性重复。
2. 实操工作限制消费者体验的实践维度 消费者需要改变自身行为以符合或补偿算法针孔。例如，Rick为了让自己推婴儿车散步的动作被计为“行走”，改用单手推车，另一只手摆动以符合算法对“摆臂”的要求，但这可能带来安全隐患。一些跑者为了避免应用因距离取整而剥夺其“个人最佳”记录，会故意多跑一段距离（即所谓的“Strava税”）。更深刻的例子来自攀岩者Kate，为了避免设备在攀岩间隙因心率下降而判定锻炼结束，她不得不去爬更简单的岩石来维持心率，这干扰了她利用间隙思考路线、提升技能的核心实践。消费者Linda甚至因为瑜伽“不计步”而放弃了对其产后恢复有益的瑜伽练习，以迎合能带来保险折扣的算法逻辑。
3. 关系工作限制消费者体验的社会维度 由于算法中介并可能扭曲社会互动，消费者需要进行关系维护工作。例如，Karmella因为说话时手势丰富，触发了智能手表的“跌倒检测”功能而误拨电话给丈夫，她不得不预先告知丈夫可能接到此类误报。Charlie的徒步数据因GPS在陡坡上未能精确追踪移动而被严重美化，引来追随者的惊叹，他不得不反复澄清这是算法误报，陷入尴尬。当用户在Strava上误点了“赞”却无法取消时（如Jared），可能需要发帖解释以避免朋友误解为讽刺。这些工作都是为了应对算法可见性逻辑造成的社会性误表征。
4. 情感工作限制消费者体验的情感维度 算法逻辑中的规范性承诺会使消费者感到自身被贬低或不合法，从而需要付出情感努力来应对。例如，高管Ashley的健身单车界面突出显示功率输出，当她某次成绩稍低时，会产生强烈的负面情绪，并需要与自己进行“心理战”，告诫自己年龄增长后 consistency 比竞赛更重要。Brenda则通过认知重评，将设备设定的目标视为“友好的牵手”而非对自身健康的评判，以缓解焦虑。更严重的是，Fitbit的女性健康功能在预测经期的同时，默认推送受孕窗口通知，这让不孕用户Olivia每月都感到被“背后捅刀”。这些例子表明，合法性逻辑要求消费者付出情感工作来承受算法带来的非法化感受。
这些结果层层递进：首先，研究通过丰富的经验数据揭示了算法在互动中具体引发的三类“失败”（可读性、可见性、合法性失败），从而实证了“算法针孔”这一核心机制的存在。接着，研究发现消费者并非被动承受这些失败，而是主动开展四类工作来应对。最后，研究清晰地建立了“算法针孔（机制）→ 调适工作（消费者响应）→ 消费者体验特定维度受限（结果）”的逻辑链条，完整地回答了研究问题。
本研究得出核心结论：算法通过施加一个由可读性、可见性和合法性逻辑构成的“算法针孔”，系统性地限制了消费者体验。这种限制并非仅仅通过引发被动的情感反应实现，而是通过迫使消费者付出认知、实操、关系和情感等调适工作，从而分别约束了消费者体验的认知、实践、社会和情感维度。
本研究的价值体现在理论和实践两个层面： 1. 理论贡献： * 贡献一：提出了“算法针孔”理论框架。该框架明确了算法在互动层面的作用机制（三种逻辑），不仅解释了算法如何限制消费者体验，更广泛地为消费者研究提供了一种系统化分析信息技术能动性的工具。它弥补了现有研究仅笼统讨论“技术能动性”或“可供性”而缺乏操作化细节的不足。 * 贡献二：构建了“调适工作”概念，并纠偏了消费者体验的被动观。研究将消费者工作文献与消费者体验文献连接起来，证明了为适应算法局限而付出的工作是消费者体验的重要组成部分。通过详细分解调适工作对消费者体验各维度的影响，研究提供了对消费者体验更精细、更主动的理解。
研究在讨论部分还进一步阐述了“算法针孔”框架如何与现有其他理论框架（如Hoffman和Novak的消费者-物 assemblage 框架、Verhoef等人的互联体验框架、Parasuraman的服务营销金字塔模型、Puntoni等人关于AI体验的框架）进行对话与补充。例如，指出“算法针孔”可以具体化“技术能动性”的内涵，可以解释信息在互联过程中的“转化”而非单纯“传递”，并扩展了关于数据捕获、委托、社交和分类体验的理解，使其不仅关注情感，也关注工作与互动。这些讨论展现了该研究在学术对话中的深度和广度。