增强现实体验下的创新与文化:消费者虚拟服装购买意愿研究
2024-12-09林儒凡仇乐恺余逸涵夏帆
摘要： 在全球数字时尚迅速扩张之际，各大品牌纷纷推出各具特色的虚拟服装，成为国内外时尚界研究的热点，但对于消费者购买AR虚拟服装动机的探索仍显不足。为了促进消费者的期望与市场及时尚设计的发展相一致，文章基于创新扩散理论、SOR模型，通过对文献的梳理，构建了包含相对优势性、兼容性、复杂性、传统文化元素的真实性、感知价值、满意度、购买意向七个潜在变量的理论模型，并对325份调查数据进行了有效分析。结果表明，相对优势性、传统文化元素的真实性、感知价值、满意度对消费者的购买意愿产生显著的直接影响，而复杂性产生显著负面影响，兼容性则不对购买意愿产生显著影响。其中，感知价值和满意度发挥中介作用，总体来说感知价值的中介效应较强。研究揭示了虚拟服装的AR体验如何影响消费者的购买决策，强调了理解消费者购买动机在虚拟服装市场的重要性，为虚拟服装的设计师和品牌运营者提供了参考。
关键词： 创新扩散;传统文化元素的真实性;AR虚拟服装;购买意愿;刺激—机体—反应（SOR）
中图分类号： TS941.1
文献标志码： A
文章编号： 10017003（2024）12期数0117起始页码10篇页数
DOI： 10.3969/j.issn.1001-7003.2024.12期数.012（篇序）
数字时尚的发展在虚拟世界中开辟了新视野，Sayem［1］将其内容划分为四大部分：数字原型设计、数字市场营销、虚拟个体和元宇宙空间、虚拟服装和智能技术。其中，虚拟服装是只存在于社交网络、游戏或元宇宙等虚拟在线环境中的服装，在数字时尚中占据显著位置。近年来，虚拟服装成为国内外时尚界的研究热点之一，主要集中在虚拟服装的起源、影响和新范式方面：Makryniotis［2］研究发现，虚拟服装起源于电子竞技;Koneva［3］提出数字时尚是一种有意识和定向的身份话语，在本质上改变了设计师及时尚传播和视觉的策略，创造了时尚设计的新范式。也有研究针对虚拟服装的购买意愿方面：谭孝勤等［4］研究发现，虚拟服装的场景特性对购买意愿有显著的积极影响;王周吉子等［5］发现，虚拟服装的感知审美、娱乐价值会对品牌认知产生显著正向作用。虽然目前关于虚拟服装的研究日新月异，但鲜有研究将虚拟服装AR体验与购买意愿产生联系。通过虚拟服装AR体验，消费者能够以全新的方式探索和试穿服装。Pizzi等［6］认为，虚拟现实（VR）、增强现实（AR）技术会影响人们的感知感受，并改善他们的购物体验。Pleyers等［7］进一步指出，顾客体验受到其认知、情绪、感知等心理因素的影响。
许多因素会影响消费者对数字产品的兴趣和购买决策。创新扩散理论（Innovation diffusion theory）是探索新兴技术下消费者行为的经典理论，在解释多个学科的消费者接受程度方面获得了大量的实证支持，并且已经被运用在虚拟购物的研究中。Zeithaml［8］的研究表明，消费者的购买意愿直接受到感知价值的作用。Oliver［9］认为，满意度也可用于评估无形的服务。
近些年各大博物馆纷纷推出带有传统文化元素的虚拟服装数字藏品，旨在推进中华优秀传统文化创造性转化、创新性发展，如2023年中国丝绸博物馆发布的“宋韵”数字时装作品及上海纺织博物馆推出的“复美·旗元”旗袍数字藏品。Fu等［10］的研究表明，传统文化元素的真实性会积极显著影响数字游戏皮肤的购买意愿。因此，为了推动中国传统文化的创新发展，本文将传统文化元素真实性纳入本次研究设计的考量，探讨传统文化元素对虚拟服装购买意愿的影响。
综上所述，本文构建了一个新模型，将创新扩散理论与传统文化元素的真实性融合，深入分析其与感知价值及满意度的关联，以及这些元素如何影响消费者的购买意愿。基于AR体验虚拟服装，本文对325份有效数据进行分析，探索并验证影响消费者购买意愿的多种因素之间的作用机理，从而为基于AR体验的虚拟服装购买行为提供理论支持，为市场营销和时尚设计领域提供新的洞察。
1 理论框架与研究假设
1.1 增强现实（AR）体验
增强现实（Augmented reality，AR）是一种交互式工具，将真实世界和虚拟世界结合起来。虚拟服装的设计、制作和展示需要先进的技术支持，如3D建模、虚拟现实（VR）、增强现实（AR）等，这些技术增强了视觉效果、真实感和交互性。多个国内外虚拟服装购买平台已经引入了这一功能，如ZERO10允许用户通过手机APP就能够AR试穿虚拟服装。当前AR技术已广泛应用于电子消费和移动应用中，并且已经被运用在虚拟零售和时尚领域的研究中［11］。因此，本文建立在AR体验虚拟服装基础之上展开研究和分析。
1.2 刺激—机体—反应（SOR）
研究以刺激—机体—反应（SOR）模型为理论基础，该理论由Mehrabian等［12］提出。在此理论构架下，消费者行为被划分为三个环节：刺激（S）、机体（O）、反应（R）。“刺激”指的是外部因素对个体行为的影响，“机体”指个体的心理状态，“反应”指由刺激与机体状态互动触发的行动或行为意向;刺激通常被视为自变量，机体作为中介变量，反应则是因变量。基于环境心理学的刺激—机体—反应理论表明，产品特性和营销行为作为刺激（S）影响消费者对产品和购买过程的情感反应（O），最终引发消费者的购买意愿（R），刺激因素包括产品属性和产品购买环境属性［13］。对应到本文中，刺激可以包括产品的文化属性，也包括AR体验虚拟服装产品的技术属性。
1.3 创新扩散理论
在20世纪60年代，埃弗雷特·罗杰斯首次阐述了“创新扩散理论”。罗杰斯认为，创新的传播过程是通过特定渠道，在一定时间内，在某一社会群体中逐渐普及的活动。对于创新的扩散而言，存在五个关键维度：相对优势、兼容性、复杂性、可试验性、可观察性。目前创新扩散理论已经被广泛运用在新技术、新产品的用户接受层面，如VR购物［14］、数字藏品［15］。本文的虚拟服装虽属于近些年的创新产品，但在运用该理论时需要针对虚拟产品和AR体验的特殊性进行相应考量。Lin等［16］的研究结果表明，创新扩散中的相对优势、兼容性和复杂性将显著影响新技术的采用。Tornatzky等［17］通过对75篇涉及创新扩散理论的文献进行系统的Meta分析，揭示了仅有相对优势、兼容性及复杂性三者与创新采纳显著相关。据此，本文选取了创新扩散理论中的三个维度——相对优势性、兼容性与复杂性，作为评估虚拟服装AR技术特性影响的关键因素。
1.3.1 相对优势性
创新扩散理论中的相对优势指该创新相较于所代替的旧方法或事物所具有的优势。目前多数虚拟服装的购买不涉及实际穿戴，用户需提交一张穿着紧身服的照片。设计师在此基础上进行建模和渲染，最终用户会收到一张自己穿着虚拟服装的照片，这一系列的步骤需要耗费大量时间成本。而AR虚拟试穿是当今电子商务的一个优势特性［18］，相较于传统的人工“P图”试穿虚拟服装，AR技术提供的体验更加沉浸和即时。AR试穿允许用户迅速预览衣服的样式、颜色及上身效果，大大减少消费者购买、转让等操作所需付出的成本［19］。因此，本文提出以下假设：
H1：AR虚拟服装体验的相对优势性将积极影响消费者的感知价值。
H2：AR虚拟服装体验的相对优势性将积极影响消费者的满意度。
H3：AR虚拟服装体验的相对优势性将积极影响消费者的购买意愿。
1.3.2 兼容性
兼容性涉及到创新技术与用户价值观、之前的使用体验及未被满足的需求之间的匹配程度。当创新与这些因素高度匹配时，用户更容易认识到产品的价值，依托于先前的经验迅速掌握新技术，且寻求通过此项创新解决其潜在的问题。这种情况下，用户对新技术的采纳愿望会增强，从而加速创新的接受过程。相反，如果匹配程度低，创新的采纳过程则可能显著减慢［20］。郭全中等［21］的研究认为，数字藏品对区块链这一创新技术的应用及其创新外观，和当下年轻人的审美观、消费习惯和社交需求相符。郭峰［15］的研究结果表明，兼容性对用户满意度有影响并且直接影响用户的享乐感。因此，本文提出以下假设：
H4：AR虚拟服装体验的兼容性将积极影响消费者的感知价值。
H5：AR虚拟服装体验的兼容性将积极影响消费者的满意度。
H6：AR虚拟服装体验的兼容性将积极影响消费者的购买意愿。
1.3.3 复杂性
复杂性已被广泛应用于新兴技术服务或产品的讨论中。Jamshidi等［22］的研究发现，使用创新技术或服务的复杂性会损害用户满意度。Kaur等［23］发现，复杂性损害了用户对移动技术的采用，降低了向亲戚和朋友推荐上述移动技术的意图。操作信息系统的复杂性对用户产生了负面影响，影响了用户的采用意愿。因此，本文提出以下假设：
H7：AR虚拟服装体验的复杂性将消极影响消费者的感知价值。
H8：AR虚拟服装体验的复杂性将消极影响消费者的满意度。
H9：AR虚拟服装体验的复杂性将消极影响消费者的购买意愿。
1.4 传统文化元素的真实性
Laroche等［24］首先提出了“文化元素真实性”一词，并将文化元素的真实性定义为源自原始文化、由完整性和审美特征组成的文化独特性。王玲［25］指出，消费者的文化背景影响着他们的购买决策、偏好和购物行为，他们倾向于选择与自身文化价值观相符的服装，以表达个人身份和文化认同。Lee等［26］研究发现，中国消费者更注重文化产品的文化、历史完整性和审美属性，两者都对他们的购买意愿产生积极影响。因此，本文提出以下假设：
H10：AR虚拟服装体验的传统文化元素真实性将积极影响消费者的感知价值。
H11：AR虚拟服装体验的传统文化元素真实性将积极影响消费者的满意度。
H12：AR虚拟服装体验的传统文化元素真实性将积极影响消费者的购买意愿。
1.5 感知价值
感知价值被视为用户购买欲望的核心要素。起初，感知
价值的观点源于公平理论中的心理学视角，旨在探讨用户投入与企业所提供价值之间的对比，现在已经运用于数字产品等方面的研究。Kim等［27］的研究发现，服装的感知价值对于衡量用户持续参与数字时尚领域的意愿具有关键作用。在虚拟产品购买过程中，消费者的感知价值不仅体现在对产品及购物环境的评估上，它还标志着数字技术在影响消费者认知的起始阶段［28］。因此，本文提出以下假设：
H13：AR虚拟服装体验的感知价值将积极影响消费者的购买意愿。
1.6 满意度
满意度为用户在体验产品或服务后，与其初期预期相比产生的情感反应程度。通常，当感知到的产品或服务品质满足或超越顾客的初始预期，顾客会展现出正面的情绪反应及高满意度［29］。研究表明，满意度是影响用户态度和行为意图的重要指标之一［30］。Zhu等［31］通过刺激—机体—反应（SOR）框架的应用发现，满意度正面影响购买意愿。因此，本文提出以下假设：
H14：AR虚拟服装体验的满意度将积极影响消费者的购买意愿。
根据以上假设，本文构建了研究的模型，如图1所示。
2 研究方法
2.1 数据收集
本文的研究数据收集包含两个步骤：第一步线下邀请受访者AR试穿虚拟服装;第二步再进行问卷填写。选取ZERO10虚拟服装商城作为试穿的平台，里面包含了大量在线售卖的虚拟服装（图2），该商城通过增强现实（AR）技术来进行虚拟试穿。依据SOR模型，本文邀请受访者浏览虚拟服装商店ZERO10并通过AR技术进行虚拟试穿（S），同时鼓励
他们分享试穿体验的照片至社交媒体，以此加深他们对虚拟服装的认知和情感体验。在这个过程中，虚拟服装的设计和AR试穿体验作为外部刺激，影响受访者的内在状态（O），诸如情绪、认识及态度，并最终转化成具体的行动反应（R），本文中特指问卷调查的回应。其中，两位受访者试穿AR虚拟服装如图3所示。
本文的调查周期为2023年6月—2024年3月，最后共收集了325份有效纸质调查问卷，样本统计特征信息如表1所示。
2.2 变量测量
本文涉及7个测量项目，即相对优势性（RA）、兼容性（CB）、复杂性（CL）、文化元素真实性（CEA）、感知价值（PV）、满意度（SA）、购买意愿（PI）。问卷主要借鉴创新扩散理论、虚拟服装、虚拟现实购物等相关研究的成熟量表，最终问卷及参考文献如表2所示。题项测量采纳了Likert五级量表法，1～5表示从“非常不同意”到“非常同意”五个不同态度等级。
3 实证分析与假设检验结果
本文采用偏最小二乘法（Partial least squares，PLS）分析样本数据，利用Smart PLS 4.1来进行数据分析。采用PLS理由在于：对预测的高适应性［34］;能够在最大程度上解释数据的方差［35］。Fornell等［36］建议采用两步法进行PLS分析，先是分析测量模型，然后是分析结构模型。
3.1 测量模型
本文所有测量题目均由同一被调查者填写，容易引发共同方法变异（CMV）的问题。根据Podsakoff等［37］的建议，在设计问卷阶段，实施了两轮的预测试，以确保问卷的准确性，并根据参与者的反馈调整了问卷的措辞。调查期间，保证参与者信息的匿名处理。在进行数据分析之前，借助Harman的单因子方法对共同方法变异（CMV）进行评估，发现由单因子解释的方差总量为32.826%，未超过50%的标准。此外，本文计算了所有潜在结构的方差膨胀因子（VIF）来检验多重共线性的风险，所有这些因素都低于警惕性值2.0。以上结果均表明，偏倚作为常用方法对分析结果无显著影响。
为了检验模型的有效性与可靠性，本文按照Fornell等［36］的建议进行验证性因子分析，其指出反映型测量模型应保持内部一致性，即Cronbach’s Alpha需超过0.700，题目的可靠性则通过因子载荷值超过0.700且胜过交叉因子载荷值来验证。收敛效度的判断标准是平均方差提取量AVE超过0.500。根据表3的数据，本文所采用的测量模型在内部一致性、题目可靠性及收敛效度上均满足上述标准。在判别效度方面，本文遵循了Fornell等［36］的例子，其中AVE的平方根应该超越其与不同结构中的项目的最高相关性（表4中相关矩阵的对角线元素）。此外，本文评估了异性状—单性状（HTMT）比值，以检验量表的判别效度，样本的最大HTMT比值为0.546，小于0.85的阈值［38］。此外，所有项目对变量的交叉加载结果也表明，该量表具有良好的鉴别效度。
3.2 结构模型和检验假设
本文使用Smart PLS进行引导重采样技术，随机生成5 000个样本来测试结构模型。在模型的预测能力方面，评估了路径系数、结构模型主要影响的显著性、r平方值和Q平方值，如图4和表5所示。PLS算法的结果得到了三个内生变量的r平方值：购买意愿（0.411）、感知价值（0.292）和满意度（0.302），均超过0.20，表明具有较大的解释能力。例如，购买意愿的R2为0.411，说明购买意愿的因变量中有41%左右的方差可以用预测变量去解释。Sarstedt等［39］认为结构模型的预测相关性Q2应该大于0，本文的预测相关性Q2为购买意愿（0.289）、感知价值（0.199）和满意度（0.217）均大于可接受的0阈值。
感知价值（β=0.204，p<0.01）对购买意愿的直接影响最大，其次是文化元素的真实性（β=0.193，p<0.01）和满意度（β=0.173，p<0.01），相对优势性影响较小（β=0.155，p<001），兼容性无显著影响（β=0.089，p>0.05）。在感知价值方面，兼容性（β=0.218，p<0.001）影响最大，其次是文化真实性（β=0.180，p<0.01）和相对优势性（β=0.175，p<001）。满意度方面，文化真实性（β=0.263，p<0.001）影响最大，相对优势性和兼容性影响较弱（β=0.160和β=0.161，p<0.01）。复杂性对购买意愿（β=-0.164）、感知价值（β=-0.272）和满意度（β=-0.265）均有显著负面影响（p<0001）。综上，大部分假设（H1，H2，H3，H4，H5，H7，H8，H9，H10，H11）成立，仅H6不成立。
3.3 中介效应检验
通过以上分析，本文发现感知价值和满意度在虚拟服装的相对优势性、兼容性、复杂性、传统文化元素真实性与购买意愿之间存在中介作用。95%置信区间不含零，即为中介效应存在。本文利用自助重采样法来验证感知价值和满意度的中介作用效应，抽取5 000个引导样本检验，结果如表6所示。
结果显示，感知价值和满意度在相对优势性对购买意愿的中介作用中，bootstrap 95%置信区间分别为（0.009，0.072）和（0.006，0.055），均不包含0，表明相对优势性可以通过感知价值和满意度间接预测购买意愿，中介效应值分别为0.036和0028。兼容性对购买意愿的中介作用中，感知价值和满意度的置信区间为（0.014，0.085）和（0.005，0.060），中介效应值分别为0.044和0.028。复杂性对购买意愿的中介作用中，感知价值和满意度的置信区间为（-0.098，-0.019）和（-0.083，-0.016），中介效应值为-0.056和-0.046。文化元素的真实性对购买意愿的中介作用中，感知价值和满意度的置信区间为（0.009，0.082）和（0.017，0.088），中介效应值为0.037和0.045。
4 研究的贡献及不足
4.1 理论贡献
本文将创新扩散理论引入AR虚拟服装购买意愿的研究中，丰富了该理论在数字时尚领域的应用。运用刺激—机体—反应（SOR）模型，分析了AR体验对虚拟服装的心理状态和购买意愿的影响，并加强了该模型在研究虚拟商品消费行为中的理论价值。此外，本文探讨了传统文化元素的真实性在促进虚拟服装购买中的作用，为虚拟服装设计提供了文化维度，也支持了传统文化融入数字产品设计的理论。
首先，基于AR体验虚拟服装的相对优势性会对消费者的感知价值、满意度、购买意愿产生显著的直接积极影响，兼容性也会显著积极影响消费者的感知价值和满意度，但不会显著积极影响购买意愿，这与之前的相关研究不一致。笔者推测，这是由于在填写问卷之前，受访者在实际体验了AR试穿之后，更加注重虚拟服装的视觉效果、个性化体验和文化元素的真实性，而不是兼容性本身。这表明在虚拟服装的购买决策过程中，体验和内容的质量可能比技术兼容性更为重要。复杂性会显著消极影响消费者的感知价值、满意度、购买意愿，这与之前的研究结论相一致。加拿大学者麦克卢汉认为，技术进步实质上扩展了人类的感官能力。当消费者利用AR技术尝试虚拟服装，如果面对一个复杂的操作环境，这种感官的扩展可能会变得自我挫败，进而负面影响用户的体验。
第二，传统文化元素的真实性会显著积极影响消费者的购买意愿、感知价值、满意度。其中，传统文化元素的真实性对满意度的影响最大，其次是购买意愿和感知价值。带有传统文化元素的虚拟服装可以被认为与社会价值有关［40］。在数字时尚市场中，传统文化元素的真实性提供了一种独特的区分策略，帮助产品在竞争激烈的市场中脱颖而出。消费者可能会因为产品能够提供独一无二的文化体验和故事而感到更加满意，这种独特性增加了产品的吸引力，进而提高了消费者的满意度。
第三，感知价值和满意度都会对购买意愿产生显著的积极影响，其中感知价值比满意度的影响更加强烈。在虚拟服装这一特定领域，感知价值关系到消费者对品牌技术创新和文化元素的评价。此外，虚拟服装作为全球数字时尚的一个重要部分，不仅反映了品牌的创新力，而且还是许多奢侈品牌探索新市场的方式，体现了独特的品牌价值和文化认同。
4.2 实践贡献
本文将AR虚拟服装的设计内容和产品应用内容同时关联探讨，对于虚拟服装市场及其试穿方式具有一定的启示作用。在虚拟服装的设计和应用上，设计师和应用开发者需要重视在虚拟服装中融入传统文化元素，并确保这些设计能够在增加感知价值的同时提高用户满意度。为了实现这一点，设计师和开发者应当深入研究目标市场的文化背景和消费者的文化偏好，从而提高其对产品的满意度。这可能涉及到对传统服饰的现代解读，或者是在设计中巧妙地融入具有文化象征意义的元素。此外，为了进一步增强感知价值，设计师和开发者可以考虑添加一些增值服务，如个性化推荐、虚拟服装的背后故事或文化意义介绍，或者是与真实世界文化活动的联动，从而为消费者提供更加丰富和深入的购买体验。为了提升AR体验虚拟服装相对优势性的积极作用，除了积极采用AR技术外，应确保AR技术具有高稳定性和低延迟，从而提供流畅无缝的试穿体验。使用高质量的图像和动态渲染技术来增强虚拟服装的真实感和吸引力。开发更多互动功能，如即时调整服装尺寸、颜色和样式的选项，允许消费者通过简单的界面操作个性化他们的服装。在兼容性方面，虽然兼容性不会对购买意愿产生显著的直接影响，但感知价值和满意度能在这两者之间发挥一定的中介作用，因此对于设计师和品牌而言，提高产品的兼容性并通过提高消费者的感知价值和满意度来间接影响购买意愿变得尤为重要。这意味着设计师和品牌需要深入了解目标市场的需求和偏好，以及他们的产品如何能够与消费者现有的生活方式、技术生态系统和其他产品相兼容。复杂性会对购买意愿、感知价值、满意度均产生负面影响，因此，为了降低复杂性对购买意愿、感知价值和满意度的负面影响，设计师和品牌应专注于简化AR虚拟服装的选择和试穿流程，提供直观的用户界面和优化的用户体验。通过精简功能、加速加载时间、提供清晰的操作指南，并建立用户反馈机制，可以有效降低用户的认知负担，提升用户满意度，进而增加购买意愿。
4.3 研究的不足及未来发展
本文的局限性主要体现在对不同年龄群体关注不充分，以及研究焦点主要集中在中国浙江地区，这可能限制了研究结果在不同年龄和地理背景下的泛化能力。为了获得更广泛的视角，后续研究可以扩展样本量的范围和研究区域。此外，虽然研究侧重于从技术体验、文化元素设计角度分析购买意向，但并未详细探究AR体验、文化元素层面的具体策略。未来可深入研究具体设计方法，探讨具体哪类文化元素对消费者的购买意愿影响最强及如何将创新扩散理论运用于具体的应用实践，进而详尽分析这些要素如何作用于消费者的认知与行为。
5 结 论
本文通过探讨增强现实（AR）体验下的虚拟服装购买意愿，基于创新扩散理论和刺激—机体—反应（SOR）模型，构建并实证分析了涵盖相对优势性、兼容性、复杂性、传统文化元素的真实性、感知价值、满意度及购买意向的理论模型。通过实际AR试穿虚拟服装收集了325份研究数据，运用SPSS 24.0与Smart PLS 4.1软件工具，对数据进行了深入的分析处理。结果表明：1） 相对优势性、文化元素的真实性、感知价值和满意度对消费者的购买意愿起着显著的积极作用，其中感知价值的影响最为强烈;2） 兼容性虽然不会对购买意愿产生显著的直接影响，但能通过感知价值和满意度的中介效应对购买意愿产生间接的影响;3） 复杂性对感知价值、满意度、购买意愿均存在显著的消极影响。
参考文献：
［1］SAYEM A S M. Digital fashion innovations for the real world and metaverse［J］. International Journal of Fashion Design， Technology and Education， 2022， 15（2）： 139-141.
［2］MAKRYNIOTIS T. Fashion and costume design in electronic entertainment： Bridging the gap between character and fashion design［J］. Fashion Practice， 2018， 10（1）： 99-118.
［3］KONEVA A V. Digital post-fashion： Transformation of design paradigm and metamorphoses of identity practices［J］. KnE Social Sciences， 2020， 4（11）： 267-276.
［4］谭孝勤， 李沛. 元宇宙背景下服装场景特性对购买意愿的影响研究： 基于感知价值与临场感的中介效应［J］.丝绸， 2024， 61（1）： 86-95.
TAN X Q， LI P. Research on the influence of clothing scene characteristics on purchase intention in the metaverse： Based on the mediating effect of perceived value and sense of presence［J］. Journal of Silk， 2024， 61（1）： 86-95.
［5］王周吉子， 梁燕， 张南， 等. 虚拟服装的消费者感知价值对购买意愿的影响研究［J］. 毛纺科技， 2023， 51（11）： 76-84.
WANG Z J Z， LIANG Y， ZHANG N， et al. Research on the influence of consumer perceived value of virtual clothing on brand purchase intention［J］. Woolen Textile Journal， 2023， 51（11）： 76-84.
［6］PIZZI G， SCARPI D， PICHIERRI M， et al. Virtual reality， real reactions？ Comparing consumers’ perceptions and shopping orientation across physical and virtual-reality retail stores［J］. Computers in Human Behavior， 2019（96）： 1-12.
［7］PLEYERS G， PONCIN I. Non-immersive virtual reality technologies in real estate： How customer experience drives attitudes toward properties and the service provider［J］. Journal of Retailing and Consumer Services， 2020（57）： 102175.
［8］ZEITHAML V A. Consumer perceptions of price， quality， and value： A means-end model and synthesis of evidence［J］. Journal of Marketing， 1988， 52（3）： 2-22.
［9］OLIVER R L. A cognitive model of the antecedents and consequences of satisfaction decisions［J］. Journal of Marketing Research， 1980， 17（4）： 460-469.
［10］FU Y， LIANG H. Sinicized exploration of sustainable digital fashion： Chinese game players’ intention to purchase traditional costume skins［J］. Sustainability， 2022， 14（13）： 7877.
［11］GABRIEL A， AJRIYA A D， FAHMI C Z N， et al. The influence of augmented reality on e-commerce： A case study on fashion and beauty products［J］. Cogent Business & Management， 2023， 10（2）： 2208716.
［12］MEHRABIAN A， RUSSELL J A. The basic emotional impact of environments［J］. Perceptual and Motor Skills， 1974， 38（1）： 283-301.
［13］田甜. 基于S-O-R模型的非遗文创产品消费者购买意愿研究［J］. 统计与信息论坛， 2021， 36（12）： 116-124.
TIAN T. Research on customers’ purchase intention of intangible cultural heritage produets based on S-O-R mode［J］. Journal of Statistics and Information， 2021， 36（12）： 116-124.
［14］LU X J， HSIAO K L. Effects of diffusion of innovations， spatial presence， and flow on virtual reality shopping［J］. Frontiers in Psychology， 2022（13）： 941248.
［15］郭峰. 基于创新扩散视角的国际运动品牌数字藏品购买意愿研究［D］. 上海： 东华大学， 2023.
GUO F. Research on the Purchase Intention of Digital Collections of International Sports Brands from the Perspective of Innovation Diffusion［D］. Shanghai： Donghua University， 2023.
［16］LIN K Y， LU H P. Predicting mobile social network acceptance based on mobile value and social influence［J］. Internet Research， 2015， 25（1）： 107-130.
［17］TORNATZKY L G， KLEIN K J. Innovation characteristics and innovation adoption-implementation： A meta-analysis of findings［J］. IEEE Transactions on Engineering Management， 1982， 29（1）： 28-45.
［18］WHANG J B， SONG J H， CHOI B， et al. The effect of augmented reality on purchase intention of beauty products： The roles of consumers’ control［J］. Journal of Business Research， 2021（133）： 275-284.
［19］顾善琪， 胡连信， 王泽峰， 等. 元宇宙时代下虚拟服装的研究进展［J］. 现代纺织技术， 2024， 32（3）： 129-140.
GU S Q， HU L X， WANG Z F， et al. Research progress of virtual clothing under the background of metaverse［J］. Advanced Textile Technology， 2024， 32（3）： 129-140.
［20］ROGERS E M. Diffusion of Innovations［M］. 4th Edition. New York： Simon and Schuster， 2010.
［21］郭全中， 肖璇. 数字藏品（NFT）发展现状、新价值、风险与未来［J］. 新闻爱好者， 2022（10）： 32-36.
GUO Q Z， XIAO X. Development status， new value， risk and future of digital Collections （NFT）［J］. Journalism Lover， 2022（10）： 32-36.
［22］JAMSHIDI D， KAZEMI F. Innovation diffusion theory and customers’ behavioral intention for Islamic credit card： Implications for awareness and satisfaction［J］. Journal of Islamic Marketing， 2020， 11（6）： 1245-1275.
［23］KAUR P， DHIR A， BODHI R， et al. Why do people use and recommend m-wallets？［J］. Journal of Retailing and Consumer Services， 2020（56）： 102091.
［24］LAROCHE M， LI R， RICHARD M O， SHAO M X， et al. Understanding Chinese consumers’ and Chinese immigrants’ purchase intentions toward global brands with Chinese elements［J］. Journal of Product & Brand Management， 2021， 30（8）： 1077-1093.
［25］王玲. 文化因素对服装设计与消费行为的影响分析［J］. 鞋类工艺与设计， 2023， 3（17）： 9-11.
WANG L. Analysis on the influence of cultural factors on clothing design and consumer behavior［J］. Footwear Craft and Design， 2023， 3（17）： 9-11.
［26］LEE S， KO E， CHAE H， et al. A study of the authenticity of traditional cultural products： Focus on Korean， Chinese， and Japanese consumers［J］. Journal of Global Scholars of Marketing Science， 2017， 27（2）： 93-110.
［27］KIM H W， CHAN H C， GUPTA S. Value-based adoption of mobile internet： An empirical investigation［J］. Decision Support Systems， 2007， 43（1）： 111-126.
［28］MARDON R， BELK R. Materializing digital collecting： An extended view of digital materiality［J］. Marketing Theory， 2018， 18（4）： 543-570.
［29］KACMAZ S R， OZTUREN A， ILKAN M. Emerging realm of 360-degree technology to promote tourism destination［J］. Technology in Society， 2020（63）： 101411.
［30］ESMAEILZADEH P. The role of information technology mindfulness in the postadoption stage of using personal health devices： Cross-sectional questionnaire study in mobile health［J］. JMIR mHealth and uHealth， 2020， 8（10）： e18122.
［31］ZHU L L， LI H， WANG F K， et al. How online reviews affect purchase intention： A new model based on the stimulus-organism-response （S-O-R） framework［J］. Aslib Journal of Information Management， 2020， 72（4）： 463-488.
［32］LIU X Y， LIU J Y， LIU Z. A study on the influence of interaction of virtual reality consumption pattern on consumers’ purchase intention under the background of VR technology［J］. Journal of The Korea Society of Computer and Information， 2021， 26（5）： 141-148.
［33］HSU M H， CHIU C M. Predicting electronic service continuance with a decomposed theory of planned behaviour［J］. Behaviour & Information Technology， 2004， 23（5）： 359-373.
［34］CHRISTIAN M R， MARKO S， DETMAR W S. Editor’s comments： A critical look at the use of PLS-SEM in “MIS Quarterly”［J］. MIS Quarterly， 2012， 36（1）： iii-xiv.
［35］TEO H H， WEI K K， BENBASAT I. Predicting intention to adopt interorganizational linkages： An institutional perspective［J］. MIS Quarterly， 2003， 27（1）： 19-49.
［36］FORNELL C， LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error［J］. Journal of Marketing Research， 1981， 18（1）： 39-50.
［37］PODSAKOFF P M， MACKENZIE S B， LEE J Y， et al. Common method biases in behavioral research： A critical review of the literature and recommended remedies［J］. Journal of Applied Psychology， 2003， 88（5）： 879-903.
［38］HENSELER J， RINGLE C M， SARSTEDT M. A new criterion for assessing discriminant validity in variance-based structural equation modeling［J］. Journal of the Academy of Marketing Science， 2015（43）： 115-135.
［39］SARSTEDT M， RINGLE C M， HAIR J F. Partial least squares structural equation modeling［M］//Handbook of Market Research. Cham： Springer International Publishing， 2021： 587-632.
［40］LEHDONVIRTA V. Virtual item sales as a revenue model： Identifying attributes that drive purchase decisions［J］. Electronic Commerce Research， 2009（9）： 97-113.
Innovation and culture in augmented reality experience： Study on consumerpurchase intentions for virtual apparel
ZHANG Chi， WANG Xiangrong
LIN Rufan1a， QIU Lekai2， YU Yihan1b， XIA Fan1a
（1a.School of Fashion Design & Engineering; 1b. Shi Liangcai School of Journalism and Communication， Zhejiang Sci-Tech University，Hangzhou 310018， China; 2.Ontario Institute for Studies in Education， University of Toronto， Toronto ON M5S 1V6， Canada）
Abstract： As digital fashion evolves， virtual apparel has gradually become a hot topic in both the fashion and technology fields. However， there remains a gap in exploring consumer behavior towards purchasing virtual apparel in augmented reality environments. This study， based on the innovation diffusion theory and the Stimulus-Organism-Response （SOR） model， investigates the behavioral mechanisms behind consumer purchases of AR virtual apparel. A theoretical model incorporating seven latent variables—relative advantage， compatibility， complexity， authenticity of cultural elements， perceived value， satisfaction， and purchase intention—was constructed to analyze how these variables influence consumer purchasing decisions. Analysis of 325 valid questionnaire responses revealed that relative advantage， authenticity of cultural elements， perceived value， and satisfaction have a significantly positive impact on purchase intentions， while complexity has a significantly negative effect. These results indicate that the technical features and cultural value of virtual apparel are crucial in promoting consumer buying behavior， whereas overly complex interfaces may hinder consumer acceptance. Additionally， perceived value and satisfaction play important mediator roles between relative advantage， authenticity of cultural elements， and purchase intentions. Specifically， the mediating effect of perceived value is stronger than that of satisfaction， suggesting that the enhanced perceived value， after consumers recognize the advantages and cultural authenticity of virtual apparel， significantly boosts their purchase intentions. This finding underscores the importance of enhancing the perceived value and cultural content in the design and promotion of virtual apparel. The study also explores the impact of compatibility on purchase intentions. Although compatibility does not directly affect purchase intentions， it indirectly fosters them through perceived value and satisfaction， indicating that high compatibility with consumer values and lifestyles can enhance acceptance of virtual apparel. Through the research， the paper deepens the understanding of purchasing behaviors for AR virtual apparel and provides practical strategies for designers and marketers. Moreover， the findings offer new theoretical perspectives and empirical data for the digital fashion field， aiding in the advancement of both academic research and practical applications in this area.
Key words： innovation diffusion; authenticity of traditional cultural elements; AR virtual clothing; willingness to buy; Stimulus-Organism-Response （SOR）