（三）人工智能与其他技术形态的比较
由于各种新技术层出不穷，与AI结合应用，而相应的科普和比较并不多，因此我们将简要地对AI和其他一些技术形态进行比较和分析。
1.人工智能与物联网（IoT）
2.人工智能与虚拟现实/增强现实/混合现实（VR/AR/MR）
3.人工智能与机器人技术（robotics）
4.人工智能与第五代移动通信技术（5G）
作为最新一代移动通信技术，5G网络的主要优势是数据传输速率远高于以前的蜂窝网络，最高可达10Gbit/s，比先前的4GLTE蜂窝网络快100倍（Nordrum和Clark，2017）。因为AI的研发非常需要云计算与大数据的支持，所以其发展会受到数据传输速率的限制。而5G的高速度、大容量和低延时，将在很大程度上突破网络带宽和传输速率的局限，促进AI的跨越式进步。
1.拟人化理论
拟人化（anthropomorphism）是一种将类人的特征、动机、意图或情感赋予真实或想象的非人实体的倾向（Epley等，2007）。Tussyadiah和Park（2018）发现，人们会用人类的特征来评价AI，但人们对担任不同工作的AI的评价受拟人化程度的影响不同。例如，对于负责登记入住的AI的评价比较容易受拟人化的影响，而对于负责客房递送的AI的评价则不容易受拟人化的影响。虽然拟人化和AI并不能等同，但是营销研究者可以进一步探索AI拟人化的积极和消极影响，并研究如何适当地利用AI的拟人化特征。
2.恐怖谷效应
当一个人与一个类人机器人（非常像人但实际上却不是人）接触时，他对机器人的反应会突然从同理心转变为反感，这种陷入诡异感的状态被称为“恐怖谷”（uncannyvalley）（Mori等，2012）。类人AI虽然增加了人们对其的感知温暖，但是减少了人们的喜爱（Mathur和Reichling，2016；Kim等，2019）。许多AI研究的理论背景源于恐怖谷效应。这部分理论并没有与营销实践直接挂钩，而拟人化理论是对恐怖谷理论的延伸。基于此，现有研究主要探讨了类人AI令人不安的原因。
3.社会存在理论
4.社会认知理论
5.心理所有权理论
6.个性化服务理论
个性化服务是指在服务交互过程中发生的旨在个性化顾客和服务体验的任何行为（Lee等，2012）。由此衍生的社交机器人研究可以分为三类：第一类研究增加了交互系统的友好性或社交性，使交互具有社会性和私人性；第二类研究包括设计符合用户偏好的交互系统，并允许用户自定义这些系统；第三类研究通过重复的人机交互来达到交互个性化（Lee等，2012）。在人机交互中，AI能够保留交互记忆，这保持了交互的连续性，提高了个性化服务的准确性和效率，从而提升了顾客参与度和满意度。现有研究主要探究了具有个性化特征的AI如何影响人机关系。例如，个性化社交AI会增强人机关系（消费者参与度、配合度、满意度）或交互结果（用户报告的准确性）（Pfeifer和Bickmore，2011；Lee等，2012）。未来可以着重进行第三类研究，即考察在重复的人机交互过程中实现的个性化服务对消费者评价的影响。
7.人—代理信任理论
人—代理信任（human-agenttrust）理论主要包括两类相反的假说。其中，媒介方程假说认为，人与人的信任和人与自动化的信任是由相同的底层结构控制的，模仿人类的自动化设计将引发与人类社会习俗一致的互动（Nass等，1994）。但独特代理假说却认为，人与人之间的信任和人与机器之间的信任本质上是不同的，人们对与代理机器人的互动有一个特殊的信任模型（Hoff和Bashir，2015）。在人与代理AI之间的信任问题方面，DeVisser等（2016）认为，代理AI的拟人化增强了信任恢复力（即抗信任崩溃的能力），信任崩溃后可通过拟人化来帮助恢复。这是对拟人化理论和人际信任理论的延伸。未来的研究可以考虑AI对其他关系变量的影响，例如密切关系（rapport）。
8.思想感知理论
思想感知（mindperception）理论认为，思想是沿着能动性（agency）和感受性（experience）这两个维度来感知的（Gray等，2007）。其中，能动性指的是思考、推理、计划和实现个人意图的能力，而感受性指的是感受情感和感觉的能力（例如，疼痛和恐惧）（Gray等，2012）。这两个维度对于做出道德决策和解释对机器道德决策的潜在厌恶可能都很重要（Bigman和Gray，2018）。这类研究主要考察思想感知在人们对AI的外表和行为决策结果的反应中所起的中介作用，解释人们对AI感到不安或厌恶的原因（Gray和Wegner，2012；Bigman和Gray，2018），从一个最为本源的思想层面对事物进行解释，具有很强的理论可迁移性。
9.社会网络价值共创理论
10.感知行为控制理论
感知行为控制（perceivedbehavioralcontrol）是指人们对自己能够做或能够控制某一特定行为程度的感知（Fishbein和Ajzen，2010）。感知行为控制的增强会提升人们对自助服务技术的使用意愿、满意度和感知价值（Collier和Sherrell，2010），它也是人机交互结果中责任归因的一个重要影响因素（Jrling等，2019）。可能出现的情况是，当个体认为结果源于自己的选择时，他们会更积极地评价结果；而当个体认为他们的选择受到环境条件的限制时，他们对结果的评价就会变差（Festinger，1962）。已有研究发现，消费者感知行为控制的降低是导致负面服务评价（责任归因、态度）的重要原因（Reinders等，2008；Jrling等，2019）。未来的研究可以继续探讨经典中介变量对创新的人机交互结果的解释力。
11.补偿性消费理论
12.韦纳社会行为理论
综上可见，营销领域的AI研究涉及多方理论，已有许多学者基于上述一种或多种理论进行了研究。可以预见的是，在营销领域，这一趋势在未来会随着AI研究的增多而愈加明显。
（二）主题
1.服务交互
第一类AI应用的功能较单一，只能起到协助作用。相对来说，较为传统的AI技术主要被用于协助管理人员或营销工作者的实践。例如，在服装和造型服务公司StitchFix工作的造型师会使用AI来识别哪些服装款式最适合特定的客户群体（Davenport等，2020）。
2.产品设计
第一类研究是将AI技术制造为实际的产品。例如，Doering等（2015）描述了一款以用户为中心的类人移动购物机器人的设计与评估过程，该机器人为家居卖场的顾客提供帮助。在具体的零售市场中，Zibafar等（2019）使用一个时尚的社交机器人进行了最先进的视觉营销，探究了在设计一个机器人时使用的重要标准，用以开发机器人，提升时尚行业的顾客吸引力。
第二类研究是利用AI技术来帮助进行实际产品的开发、设计和完善。产品设计的传统方式是由产品设计师、工程师和营销人员分别完成情感设计、工程设计和营销工作。随着AI技术的深入应用，Kumar等（2019）提出了一个综合框架以理解AI在个性化营销中的应用：企业能够利用这一技术分析消费者信息，提供个性化的产品和服务；在这个过程中，AI可以不断学习，帮助管理人员改进针对客户的价值主张；通过这种方式设计和策划产品，可以增加产品对消费者的价值，从而形成可持续竞争优势。
3.争议性问题
在逐步实现技术替代的过程中，营销领域的学者也对AI的应用可能引发的四类争议性问题进行了研究。
第一类是信息安全和隐私问题。大数据环境中消费者的隐私安全很难保证。在通常情况下，AI提供了增加收入和降低成本的潜力：通过改进营销决策（例如，定价、促销、产品推荐、提高客户参与度）可以增加收入；通过简单营销任务、客户服务和（结构化）市场交易的自动化等能够降低成本（Davenport等，2020）。然而，为了取得更加精准的结果，降低更多成本，增加更多收入，AI技术对信息的获取量和使用量显著提高，对消费者的个人信息安全和隐私产生了威胁。Redmond（2002）认为，由于未来人工购物代理可能会极大地扩展消费者的搜索和评价能力来改变电子商务市场，因此消费者依赖人工购物代理进行购物决策的前景，已引起人们对消费者福利和市场稳定方面可能受到的负面影响的担忧。
第二类是消费者幸福感问题。由于AI系统通常需要和使用者（企业员工和消费者）接触，因此产生了使用者对AI的接受度问题。André等（2018）认为，AI在服务领域的推广一定程度上促进了精准营销，让消费者的选择更简单有效，但也存在负面作用：容易引起使用者的紧张情绪。基于消费者幸福感的视角，AI的介入可能会破坏消费者感知的自主性，而自主性的缺失可能会损害消费者的幸福感（André等，2018）。
第三类是关于AI技术影响人类工作机会的恐慌。例如，客户机器人是人类的有用补充还是最终替代品（Xiao和Kumar，2019）。针对这个问题，Davenport等（2020）认为，如果AI能协助（而非取代）人类管理人员，它将更有效。虽然以强烈的同理心需求为特征的职业（例如，教师、心理学家、社会工作者）、需要开发原创的创造性解决方案的职业（例如，设计师、工程师）以及需要高水平的社会智力的职业（例如，管理职位）被AI技术所取代的风险较小（vanDoorn等，2017），但是那些易被AI所取代的低智能工作机会将越来越少（Wright和Schultz，2018）。
第四类是责任承担方问题。AI代理（例如，保险评估、疾病诊断）所涉及的风险由哪一方来承担尚待讨论。
4.数据分析
第三，AI技术有助于为营销人员提供综合的营销解决方案。已有研究介绍了如何通过AI在计算机程序中模拟解决问题的过程，来帮助营销经理解决面临的问题，以取代传统上营销经理通过主观经验和判断做决策的方式。Stalidis等（2015）整合高级数据分析、神经网络和知识表示技术构建起旅游目的地营销的智能信息系统，并通过对希腊塞萨洛尼基旅游业的初步调研验证了其可行性。
（三）方法论
AI在营销中的作用日益凸显，但当前的研究尚处于起步阶段，且对理论、主题、方法论等仍缺乏系统性分析。因此，不论是从理论还是应用角度出发，均有必要进行更为深入的研究。
（一）主题展望
1.在不同营销环节或不同服务结果中加入AI的影响
在基本实现技术过渡之后，我们应该将目光投向更为细化的营销环节。AI技术可以在销售前和销售后吸引和维持客户，也有可能在不同的环节发挥不同的作用。对于将AI加入具体哪个营销环节的选择，Wirtz等（2018）通过对比服务机器人与一线员工的特征和能力，为机器人将主导哪些类型的服务任务、人类将主导哪些任务等问题提供了解答。同时，AI技术可能在不同服务结果中产生不同的影响。Giebelhausen等（2014）则认为，鼓励员工和客户发展融洽关系的举措与将技术引入一线服务交流的举措之间存在不兼容性：当交流过程中存在融洽关系时，技术的使用就像一个人际障碍，会阻止客户以同样的方式回应员工建立友好关系的努力，从而会降低服务结果评价；然而，如果员工没有参与建立融洽关系，那么技术作为一种人际障碍，使客户可能从相对不愉快的服务交互中退出，从而能够提升服务接触评价。
未来可以进一步探讨如下问题：（1）AI技术是否可以在不同的营销环节产生不同的影响？（2）AI技术是否可以对营销活动参与者的服务结果感知产生不同的影响？
AI的应用将很快成为一种新常态。人们已经认识到，与机器人技术的相互作用存在长期的影响（Sung等，2010）。当前研究主要捕捉了人类与AI第一次相遇的服务交互，此时人们往往存在新奇感和抵触心理；而当技术发展到替代人类的阶段，人们的抵触情绪减弱，更多的研究集中于AI技术带给人们的正面感知一致性和负面补偿性反应。例如，Iio等（2020）使用主动讲解展品的类人引导机器人在一个科学博物馆进行了实地研究，游客的反应很积极：首次造访的游客平均与机器人互动约9分钟，94.74%的人表示希望未来能再次与机器人互动；回头客注意到了机器人建立关系的能力，并认为与它的关系更加密切。
3.挖掘AI产品设计中情感需求的实现
在技术发展的进程中，AI技术逐渐从包含简单的数据处理和协助分析进化到能够确定需求自主地设计产品和服务，一步步地整合成为综合营销方案。vanDoorn等（2017）预测，在2025年的市场中，技术将被融合到大量的服务体验中。AI研究的发展大致是从机械到分析、从直觉到移情的过程（Huang和Rust，2018）。在这个过程中，AI将从单纯地强调分析、直觉和同理心到未来能够取代人类智能，从而产生“情感经济”（Huang等，2019）。因此，消费者和服务提供者的心理和行为反应仍是未来的一大研究重点。
4.影响消费者对AI产品或服务接受程度的因素
算法厌恶（algorithmaversion）是AI进入市场后可能面临的负面反馈，Castelo等（2019）的研究探索了在什么时候、什么情况下，消费者愿意使用算法，以及营销人员应该如何更顺利地推进算法的使用：一方面，在主观性任务中算法受信任的程度比在客观性任务中低，不过提高任务的感知客观性可以增强消费者对算法的信任和使用意愿；另一方面，由于消费者错误地认为算法缺乏执行主观性任务的能力，因此提高被试感知到的算法的拟人程度也可以有效增强他们使用算法的意愿。
在具有不同特征的应用场景中，影响人们对AI接受程度的因素可能各有不同。Longoni等（2019）认为，与同类的AI服务相比，消费者可能更不愿意使用AI提供者提供的医疗服务，因为AI技术在医疗服务情境中更可能引发关于个性特征、环境和症状被忽视的担忧。而在销售行业，未公开身份的聊天机器人与熟练的员工一样高效，甚至在吸引客户购买方面的效率是没有经验员工的四倍（Luo等，2019）。
5.探讨如何在不影响消费者福利的情况下获得AI技术红利
6.探究对AI的技术需求和对决策方案的权衡
通过分析AI技术在数据分析方面的主要作用可以发现，不论是基于营销过程的哪个阶段，AI技术的应用都逐渐趋于整合化，即从小的数据分析需求出发，越来越成为包含尽可能多功能的集大成者。在此基础上，AI的出发点是向理性决策者的角度看齐，这在技术实现的趋势上足以体现。Syam和Sharma（2018）认为，迄今为止，AI对销售的主要影响仍限于那些常规的、标准的和可重复的活动；但从长远来看，AI在销售策略中的作用集中在理解消费者的行为、设计高度定制化的产品和服务方面；因此，未来AI将作为积极的决策推动者，甚至在某些情况下成为决策者，可以与销售人员密切协作，以增强后者的有效性。
未来有待进一步研究的问题如下：（1）未来还有哪些营销数据的获取需要AI技术的帮助？（2）如何进一步提高利用AI分析数据的准确性？（3）在营销的各个阶段，如何将利用AI技术手段获得的数据分析成果更好地结合起来？（4）当数据分析结果与管理者的判断存在偏差时，应当如何权衡？
（二）方法论展望
1.未来的AI研究可以规范化常用的测量工具和变量
2.未来的AI研究可以进一步深化分析方法
在现有的实证研究中，可能由于目前的研究模型还比较简单，因此尽管在当前的审查标准下能够验证假设，但多数研究的数据分析部分仅依赖于描述性统计和方差分析。另外，一些文献通过理论推导，提出了一些尚未验证的命题。为了能够验证比较复杂的议题，未来的AI研究应该提高分析的深度，以更为严谨准确地验证假设。