Artificial Intelligence in Online Shopping and its Impact on Customer Loyalty: An Integration of TAM and TPB

技術要約：オンラインショッピングにおける人工知能（AI）とその顧客ロイヤルティへの影響

問題提起と研究のギャップ
レコメンデーションエンジン、対話型エージェント、予測分析に及ぶ、オンライン小売業への人工知能（AI）の急速な統合は、消費者行動を再定義している。しかし、既存の文献は、特にインドのような新興市場において、AIの使用がどのような具体的なメカニズムを通じて長期的な顧客ロイヤルティへと転換されるのかという点に関して、理論的に断片的なままである。既存の研究は、技術受容（TAM構成要素に焦点を当てたもの）か、あるいは一般的なロイヤルティの先行要因のいずれかに偏る傾向があり、AI特有の知覚（知能、パーソナライゼーション、インタラクティビティ、信頼）を統一された構造モデルへと統合できていない。さらに、知覚された有用性、態度、購入意図を介して、AIの知覚からロイヤルティへと至る逐次的な「認知―態度―意志」の経路は、これまで実証的に検証されてこなかった。本研究は、インドのeコマースの文脈において、統合された技術受容モデル（TAM）および計画的行動理論（TPB）の枠組みを開発・検証することで、これらのギャップに対処するものである。

研究手法
本研究は、ポスト・ポジティビズム（後実証主義）の哲学的立場に基づいた、演繹的かつ横断的な調査設計を採用している。

• データ収集: 一次データは、2025年2月から4月にかけて、電子調査（Google Forms）を通じて収集された。対象集団は、過去3ヶ月間にAIベースの機能（レコメンデーション、チャットボット、仮想アシスタント）を少なくとも2回使用した経験を持つ、インドの都市部および非都市部の成人（18歳以上）とした。
• サンプリング: 都市レベルおよび性別に関して、層化有意抽出法を用いた。当初の641件の回答から、共分散構造分析（CB-SEM）の要件を満たす512件の有効回答を抽出した。
• 測定尺度: 本研究では、検証済みの既存ツールに基づいた多項目リフレクティブ尺度を使用し、7段階のリッカート尺度で測定した。この調査票は、6名の学者による専門的な評価と、パイロットスタディ（n=48）を経て作成された。
• 分析: データ分析にはIBM AMOS 26を使用した。分析戦略は、以下の2段階のプロトコルに従った。(1) 信頼性、収束妥当性（AVE > 0.50）、および判別妥当性（HTMT < 0.85）を評価するための確認的因子分析（CFA）、(2) 逐次的な間接効果を検証するための、ブートストラップ・メディエーション分析（5,000回の再サンプリング）を用いた構造モデル推定。共通メソッドバイアスは、ハーマンの単一因子テストおよび潜在因子アプローチによって評価した。

主要な結果
構造モデルは優れた適合度指数（CFI = 0.945, TLI = 0.940, RMSEA = 0.042）を示し、顧客ロイヤルティを直接的に34.3%説明し、統合モデルはロイヤルティ構成概念全体の分散の68.3%を説明した。

• 知覚された有用性の先行要因: 「知覚された知能」が知覚された有用性の最強の予測因子（$\beta$ = 0.217）として浮上し、次いでAI駆動型の信頼とパーソナライゼーションの質が続いた。これは、消費者がAIの機能的な有用性を、文脈を理解し好みを学習する認知能力に基づいて評価していることを示唆している。
• 態度の先行要因: パーソナライゼーションの質、知覚されたインタラクティビティ、AI駆動型の信頼、および知覚された有用性のすべてが、AIショッピングに対する態度に有意に影響を与えた。特に、AI駆動型の信頼は態度の強力な予測因子であり、システムの完全性に対する確信が肯定的な感情的傾向を形成するために極めて重要であることを示している。
• 意図とロイヤルティの予測因子: AIショッピングへの態度は、購入意図（$\beta$ = 0.163）の最強の予測因子であり、顧客ロイヤルティ（$\beta$ = 0.335）の強力な直接的予測因子であった。また、購入意図もロイヤルティに有意な影響を与えた。
• 逐次的媒介効果: ブートストラップ分析により、想定された逐次的媒介連鎖（AI先行要因 $\rightarrow$ 知覚された有用性 $\rightarrow$ AIショッピングへの態度 $\rightarrow$ 購入意図 $\rightarrow$ 顧客ロイヤルティ）が確認された。具体的には、「知覚された知能 $\rightarrow$ 知覚された有用性 $\rightarrow$ 態度 $\rightarrow$ 意図 $\rightarrow$ ロイヤルティ」といった経路が統計的に有意であった。本研究は、知覚された有用性と態度が、孤立した要因としてではなく、必要不可欠な逐次的媒介変数として機能することを検証している。

主要な貢献
本論文は、主に4つの理論的貢献を主張している。

1. 多次元先行要因モデル: 従来のTAMの二項対立（有用性／容易性）を拡張し、小売における相互作用に特化した4次元のAI先行要因モデル（知覚された知能、パーソナライゼーションの質、知覚されたインタラクティビティ、およびAI駆動型の信頼）を導入し、検証した。
2. 逐次的TAM-TPBアーキテクチャ: AIを介した小売の文脈において、最初の逐次的媒介アーキテクチャの実証的テストを提供し、ロイヤルティ形成における認知的な媒介変数（有用性）と感情的な媒介変数（態度）の順序に関する曖昧さを解消した。
3. 態度の決定的な役割: 「AIショッピングへの態度」を決定的な媒介変数として特定し、それが知覚された有用性や購入意図よりもロイヤルティ形成に対してより近接していることを示した。
4. 文脈への感受性: モデルをインドに位置づけることで、欧米や東アジアのサンプルに支配されていた文献に対し、文脈に即した知識を寄与し、高不確実性、モバイルファースト、価格に敏感な新興市場におけるAIとロイヤルティのメカニズムを記録した。

意義と主張
著者らは、本研究が多様な文化的設定における将来のAIロイヤルティ研究のための、検証された理論的基礎を提供するものであると断言している。実務的には、プラットフォームの開発者やマーケターは、顧客ロイヤルティを育むために、AIの「認知的な洗練度」（知覚された有用性を高めるため）と、相互作用の「関係性の質」（透明性、説明可能性、およびインタラクティビティ）への投資を優先すべきであることを示唆している。本論文は、AIを介した文脈においては、顧客ロイヤルティは取引上のインセンティブのみによってではなく、主にAI体験の質から派生する認知的および感情的な要因によって形成されると結論付けている。本研究は、横断的な設計（因果推論を妨げる）、潜在的な共通メソッドバイアス、および都市部・高学歴層への偏りといった限界を控えめに認め、今後の縦断的研究および農村部に焦点を当てた研究の必要性を提示している。