生成式AI激发大众体育消费潜力的理论逻辑与实践路径

学术 2024-11-01 23:00 北京

点击上方蓝色字体，关注中国体育科学学会

李荣日¹赵泓羽²

1. 华东理工大学体育经济理论研究所；

2. 华东理工大学商学院

摘要把握新发展阶段下“扩大内需”战略基点所带来的关键契机，运用前沿数字技术，充分挖掘和释放我国体育消费潜力，是推进我国体育消费高质量发展的当务之急和长远之需。研究在分析大众体育消费需求演进历程的基础上，对生成式AI赋能大众体育消费需求表达的内在机理与场景应用进行解构，发现生成式AI赋能大众体育消费需求表达存在的问题主要有认知图式限制体育消费“微粒化”需求表达，数字素养差异掣肘体育消费长尾需求挖掘，技术固有缺陷削弱体育消费需求表达灵感生成，信息收集异化限制体育消费需求众创内容生产。研究认为，在生成式AI赋能大众体育消费需求表达过程中，应持续优化体育消费AI交互算法，精准突破个体认知图式局限；充分释放数字技术普惠红利，提升个体体育消费需求表达规模；深化生成式AI技术多组态应用，触发个体体育消费需求创意灵感；优化数据隐私保护与信息收集机制，夯实个体体育需求表达信任基础。

关键词 生成式人工智能；体育消费；消费潜力

从大众实际体育需求出发，以市场供给为载体挖掘大众体育消费潜力是促进我国体育消费高质量发展的重要一环。在推进体育消费高质量发展进程中，“以人为本”的发展理念旨在把个体的体育消费需求放在首位，以体育消费需求侧为导向带动体育消费供给侧联动发展。在此背景下，亟待把握新兴体育消费需求背后的核心诉求和基本规律，积极推进大众体育消费需求表达，构建需求牵引供给、供给创造需求的高水平体育消费动态平衡机制（赵胜国等，2023）。

然而，审视我国体育消费高质量发展现状，一方面大众参与体育消费的比重长期偏低；另一方面，我国总人口超过14亿，城乡家庭户近5亿，拥有世界最大规模的中等收入群体，在扩大体育消费方面尚存巨大的开发空间（蔡朋龙等，2024）。但在数字化技术蓬勃发展的背景下，体育消费领域内各类数据信息逐渐呈现孤岛化、碎片化特征，大众体育消费表达仅能实现粗放式匹配。其中，生成式AI所具备的即时反馈、稳定环境以及创新内容生产等优势，能够显著弥补传统媒体推送等体育消费营销模式下消费者需求表达内敛、模糊等问题。生成式AI不仅是释放大众体育消费需求的金钥匙，也是推进体育消费供需双侧动态适配的关键技术工具。此外，纵观目前学界有关人工智能与体育消费的相关研究，大多聚焦于宏观产业层面，如人工智能赋能体育产业发展、人工智能推动场馆智慧化转型等，鲜有研究聚焦于微观体育消费者心理与行为层面，探讨生成式AI与体育消费的关系问题（陈雯雯等，2022；滕姗姗等，2023）。据此，本研究立足于大众体育消费需求的演进历程，梳理生成式AI激发大众体育消费潜力的理论逻辑、场景应用和存在的问题，在此基础上提出针对性的实践路径，以期为推动我国体育消费高质量发展提供参考。

1 大众体育消费需求的演进历程

我国的大众体育消费体系是在经济体制与体育体制双重变革的推动下逐步发展并形成的，其核心内涵、表现形式、功能特性随着市场的逐步孕育、成长、成熟的过程而持续演变，经历了初步萌芽、持续探索和深化发展3个关键阶段（图1）。

图1 大众体育消费需求的演进历程

Figure 1 Evolution of Public Sports Consumption Demand Expression

1.1 萌芽阶段：体育消费参与意识的初步形成

20世纪70至—80年代，我国正处于改革开放初期，社会经济结构发生深刻变革。随着生活水平的提升，大众对生活质量的追求日益增长，体育消费意识开始初步形成并逐渐加强。这一时期，大众闲暇时间增多且愈发关注自身健康和娱乐需求，体育运动也因其独特的健身和娱乐功能，逐渐受到大众的青睐。人们开始意识到参与体育运动不仅能增强体质、预防疾病，还能愉悦身心。随着体育消费意识的觉醒，大众开始通过购买体育用品、参与健身活动等方式表达对健康生活的不懈追求，运动鞋、运动服装等体育用品逐渐成为大众日常生活的必需品。与此同时，信息媒介的快速发展也推动了大众体育消费意识的初步形成。电视、广播等媒体的普及，为大众了解、观赏体育赛事提供了便利，使大众进一步感受到体育运动的多元魅力与正向效益。然而，受传统节俭观念的影响，大众在日常消费方面偏向保守，对非必需的体育消费持谨慎态度。同时，当时体育消费市场尚处于初级发展阶段，体育用品种类较少且质量参差不齐，难以满足大众日益多样化的体育消费需求。值得注意的是，尽管大众健康意识有所提高，但整体上对体育运动的重视程度尚显不足。在大部分人的观念中，体育运动仍被视为一种娱乐或休闲活动，而非日常生活中必不可少的重要组成部分。此外，“重文轻武”的传统思想也导致部分群体更倾向于将资源和时间投入到文化教育方面，而忽视体育运动的重要性，在一定程度上限制了大众体育消费需求的进一步增长。

1.2 探索阶段：体育消费需求外显化，实物型体育消费占主导地位

在市场营销学研究中，消费者需求被划分为内隐化需求和外显化需求。内隐化需求即消费者难以清晰表达或尚未意识到的需求，与个人的情感和价值观相关，具有个性化特征，需通过深入的市场调研和消费者行为分析对其进行挖掘，难以通过传统方法准确测量。外显化需求即消费者能够清晰表达的需求，与产品的外观、性能相关，易受社会认同和模仿效应以及广告、促销策略的影响，能够产生较强口碑效应，如服装和手机的款式、品牌、功能等。

20世纪90年代—21世纪初期，得益于经济的快速发展，大众收入水平显著提升，为促进体育消费需求的增长提供了坚实的物质基础。同时，“全民健身”“体育强国”等的提出，推动了大众体育活动参与向多元化、个性化方向发展，为体育消费市场的扩大创造了机会。这一时期，大众体育消费的动机更为明确，无论是为了健康还是为了娱乐，大众均倾向于将资源和时间投入到体育消费活动中。在此阶段，体育消费水平不断提升，实物型体育消费仍占主导地位，同时观赏型、体验型体育消费也逐渐受到重视（郑和明等，2019）。从体育消费的商品属性角度看，实物型体育消费，如体育服饰和器材，属于消费者可直接感知的商品，具有社会展示功能且能够激发消费者的购买欲望。然而，大众观赏型、体验型体育消费需求仍处于内隐化状态，尚未被充分释放和激发。除了受经济发展水平影响外，原因之一是当时互联网技术尚处于发展初期，网络基础设施不完善，尽管有部分平台尝试提供在线直播服务，但受限于技术和设备性能导致直播质量不佳，制约了在线观看体育赛事直播等观赏型体育消费的普及推广。此外，虽然全民健身运动已开始推行，但相关赛事活动体系尚不成熟，业余赛事活动较少，未能充分激发大众对体验型体育消费的需求。

1.3 深化阶段：体育消费升级趋势确立，数字要素驱动内隐化需求上浮

2014年，《国务院关于加快发展体育产业促进体育消费的若干意见》印发，体育产业作为国民支柱产业的地位日益凸显，体育消费升级趋势愈发明确。我国体育消费供给市场随之丰富。在数字经济浪潮的推动下，实物型体育消费的精细化供给特征愈发显著。借助大数据分析和人工智能等数字技术，体育用品制造商能够更加精准地预测市场趋势和消费者需求，优化库存管理和生产计划并减少资源浪费，以提高市场响应速度，使产品更符合消费者的期望。同时，数字平台在推动个性化体育用品定制方面发挥了重要作用，通过分析消费者的浏览和购买记录，能够进一步挖掘其潜在需求，推送更符合其内隐化需求的实物型体育消费产品。观赏型体育消费在带动大众体育消费主观参与能动性方面的作用日益显现。高清直播技术的普及显著提升观众的观感体验，不仅满足了观众的“外显化”观赏需求，还通过提升画面细节和音效等元素触发非体育运动爱好者的情感共鸣和潜在兴趣。同时，社交媒体成为观赏型体育消费的重要传播渠道，通过分享、评论和互动等方式扩大体育赛事影响力以满足观众的社交需求，进一步挖掘观众对体育赛事的潜在热情。在体验型体育消费方面，VR与AR等先进技术为消费者提供了虚拟的运动体验，不仅满足消费者对新颖、刺激体验的外显化需求，更在无形中激发其内隐化需求。此外，在线体育课程和培训逐渐成为传统体育培训产品的新型衍生形式，进一步满足消费者“探索自我、实现自我”的内在需求。

2 生成式AI激发大众体育消费潜力的内在机理

某种意义上来说，激发大众体育消费潜力的核心在于促进大众体育消费需求的表达，即如何将内隐化的消费需求转变为外显化的消费行为。因此，首先需明晰传统决策分析式AI与生成式AI的特征差异。传统决策分析式AI，是人工智能领域中一种重要的应用模式，侧重于利用计算机技术模拟人类逻辑思维与决策过程。传统决策分析式AI主要基于预设规则、算法以及大数据分析，对输入信息进行深入剖析，并通过逻辑推理、模式识别等高级技术，为各种复杂问题提供决策支持或结果预测。具体而言，传统决策分析式AI的核心优势在于能够处理海量数据，挖掘隐藏在其中的价值信息，进而辅助个体进行决策。在实际应用中，传统决策分析式AI已渗透到众多行业，如金融、医疗、教育等。生成式AI突破传统决策分析式AI分析的决策界限，深入到创造性思维领域，即生成式AI不仅能理解和学习现有数据和信息，更能在此基础上生成全新、富有创意的内容。无论需要产出的内容形式是文字、图像，还是音频或视频，生成式AI均能够最大程度按照要求完成。具体而言，生成式AI的核心机制在于深度学习技术的巧妙运用，尤其是生成对抗网络等先进模型的引入，驱动生成式AI能够模拟人类个体创作过程，展现出巨大的应用潜力和价值。

生成式AI相较于传统决策分析式AI展现出多方面优势。1）创造性和创新能力。生成式AI能够通过学习大量数据和知识，模拟人类智能行为和决策过程，在此基础上生成全新的文本、图像和音乐等内容，是传统决策分析式AI所不具备的核心功能。2）高效数据处理能力。生成式AI可通过自我学习生成处理程序和模型，从而快速准确地处理和分析大量数据，为决策者提供有力的支持。此外，生成式AI还能够持续优化和改进模型，提高预测和决策的准确性。3）灵活定制化能力。不同于传统分析式AI基于预设规则和算法进行决策，生成式AI能够通过可配置的模型和算法，根据个体需求进行定制化开发，以满足不同个体的个性化需求。4）跨学科应用能力。生成式AI能够跨越艺术、科研、教育、娱乐和商业等多个领域，通过多领域知识共享和融合，形成价值共创和资源共享的创新生态系统。

消费者需求是指消费者在购买商品或服务时所追求的基本需要和欲望。消费者需求表达则是将消费者内心需求以明确、具体的方式呈现出来，通常涉及将抽象需求转化为语言、文字、图像或其他形式，以便更为高效地与产品市场进行沟通，即通过明确、具体的需求表达，消费者可将自身对于消费产品的期望和要求传达至市场，在这个过程中消费者的需求表达在消费者与产品市场的良性互动中起到沟通和协调的驱动作用，成为两者之间的“黏合剂”（喻国明等，2024）。就体育消费而言，由于存在个体差异，如个人身体素质、体育运动经历以及对待体育活动的认知与态度等，体育消费需求本身存在一定的内隐性，难以通过肉眼直接进行观测。

可见，推动大众体育消费需求表达，需要通过一定的手段与途径实现大众体育消费需求由内隐化向外显化转变。然而，体育消费需求由内心产生至语言、行为表达并不是“直线连接”，即大众的体育消费需求在转化为实际购买行为的过程中可能会“大打折扣”。究其缘由，受限于语言能力以及身心素质、教育经历、体育运动经历以及对待体育活动认知与态度等个体差异，体育消费者对于实物型、观赏型与体验型体育消费商品需求的认知水平、联想能力各不相同。具体而言，当个体需要表达体育消费需求时，首先会通过不同渠道接收到各种与体育相关的信息，如广告宣传、社交媒体推荐、朋友建议、个人体验等，此类信息可能包括体育用品购买、运动场地预约、培训课程安排、赛事门票预订等。在信息输入后，个体会根据自身体育消费认知结构进行信息匹配（图2）。若个体的体育消费认知图式丰富，那么输入的信息就能迅速找到与之相匹配的知识与经验。此时，个体联想能力将发挥作用，通过联想激活已有体育消费知识与经验，进而帮助个体更准确地理解和评估此类信息。然后，个体将根据自身在体育消费方面的需求与偏好，在已有体育消费认知图式中筛选出最符合自身需求的相关信息，涉及对体育用品功能、价格、品牌、质量等方面的综合考量，以及对运动场地、培训课程、赛事适用性和时间安排的权衡等。一旦个体确定自身体育消费需求后，就需要通过语言来表达需求，这个过程涉及编码和解码两个环节。在编码环节，个体会将自身体育消费需求转化为具体语言和文字，比如向销售员描述自身想要的体育用品特征、向教练咨询适合自身的培训课程等；在解码环节，个体会接收和理解来自他人的反馈信息，如销售员推荐的商品信息、教练给出的建议等，并根据此类信息调整自身的体育消费需求及表达形式。经过上述步骤后，个体能够较为准确地表达自身的体育消费需求，如最终选择购买某种体育用品、预约某个运动场地、报名参加某个培训课程或购买赛事门票等，也会根据自身的预算和时间安排等因素做出衍生决策，确保自身的体育消费需求得到充分满足。

图2 个体体育消费需求表达过程

Figure 2 Process of Individual Sports Consumption Demand Expression

生成式AI促进个体体育消费需求表达的驱动机理主要体现为两方面（图3）。一方面，通过粒度加细和内容创新，深度解析并响应个体体育消费需求的细微差异。生成式AI基于自然语言输入分析技术，以其独特的人类认知模拟机制，能够在一定程度上打破个体自身体育消费认知图式壁垒，实现对复杂结构要素的解构重组、重新生成和重新连接。生成式AI在促进个体体育消费需求表达过程中，能够像人类一样理解个体的心理状态、情感变化和需求层次。如当个体表达出对某项体育运动的浓厚兴趣时，生成式AI不仅能推荐相关课程或活动，还能根据个体情感状态推荐合适的教练或社交群体，推动个体采用熟悉的语言指涉对象、表述逻辑，即个体输入的体育消费需求内容立刻有相关信息可供选用，生成式AI经由联想激活并完成知识匹配，而后实施编码、解码等语言信息处理过程，从而将个体实际体育消费需求与体育产品精细连接。另一方面，驱动个体体育消费需求的内容创新，通过灵感创意生成和众创内容生产，进一步激发个体体育消费需求表达。由于运动项目种类繁多，众多小众或冷门运动项目虽然也拥有一定的爱好者，但在传统体育消费市场中消费者需求往往难以得到满足。生成式AI能够综合考虑个体运动兴趣、运动水平、身体条件等多种个性化因素，通过深度学习算法和大数据分析，对此类因素进行精细化处理和权重分配，促使小众运动项目需爱好者也能获得量身定制的体育消费需求建议。与此同时，依赖于对海量的数据进行分析和处理，生成式AI能够捕捉到体育消费市场中可能忽视的小众或冷门运动项目的需求信号，有利于发现个体趋于隐藏、未通过语言文字表达的体育消费长尾需求。依据日本学者狩野纪昭提出的魅力质量理论，个体需求层次包括必备要素、一维要素、魅力要素与无关要素（孙瑞敏等，2021）。生成式AI允许体育消费者通过多轮会话进行全方面的需求表达，并通过预期监控形式初步确定个体体育消费需求的大致方向，再通过个体后续回答进行持续语义回顾，厘清个体的需求层次，进而明晰其对既定体育消费商品呈现“依赖性”状态还是“期待性”状态，从而促进个体体育消费需求由内隐化向外显化转变。

图3 生成式AI激发大众体育消费潜力的内在机理

Figure 3 The Internal Mechanism of Generative AI in Stimulating the Potential of Public Sports Consumption

生成式AI能够通过内容创新的方式，即促进个体体育消费需求表达过程中的灵感创意生成与众创内容生产，提升其需求表达意愿。生成式AI更聚焦于个体语义，能够更深入地理解个体对体育运动的情感、认知和态度。在“对话交流”式创意内容生成模式下，个体能够更为便捷地获取与体育运动相关的知识和信息，同时在与生成式AI进行深度交流的过程中，生成式AI会进一步聚焦个体体育消费需求语义，帮助消费者发掘和连接自己内生性需求中的个性化要素，激发个体有关自身体育消费需求的灵感创意，从而助力个体潜在体育消费需求的激发与表达。此外，生成式AI能够促进众创式个性化内容生产。通过搭建体育消费交流平台数据库，鼓励个体分享自身运动经验、创意想法等，发挥数据库的社群效应，生成式AI再对上述内容进行整理分析，进而形成新的体育消费内容，并从众创式体育消费个性化内容数据库中调取相关决策信息为其他个体提供体育消费建议，进而填补个体之间无法实时交流体育消费观点的滞后性弊端。与此同时，生成式AI能够在极大程度上降低个体在体育消费需求表达过程中的个性化创新成本。例如，体育消费者起初的需求可能只是想了解某项职业体育赛事的相关资讯并简单咨询赛事部分信息，但与生成式AI“对话”的即时性、沟通环境的稳定性与信息检索的低成本会促进个体产生更多内隐性需求，如希望进一步了解该职业体育赛事的赛程安排、举办地点与举办频次等，即通过与生成式AI的持续沟通促进其更多内隐化体育消费需求外显化，进而深度促进大众体育消费需求表达。

3 生成式AI激发大众体育消费潜力的场景应用

3.1 实物型体育消费：生成式AI助力线下门店迭代升级，精准提升服务供给质效

在实物型体育消费领域中，人工智能技术正通过深度数据分析、个性化推荐、门店布局优化与供应链管理等多维度，革新消费者需求表达与满足方式，重塑实物型体育消费的“人—货—场”链条（任波，2023）。首先，生成式AI能够处理和分析海量实物型体育消费数据，深入理解消费者的购物习惯、偏好和需求。基于此类数据，生成式AI能够在消费者提问或浏览时，推荐符合其切实需求的体育产品，极大程度地提升消费者的购物体验。其次，生成式AI还通过分析体育消费者的社交媒体行为、搜索历史和购买记录，助力体育用品供给方制定高度个性化的营销策略，从而有效吸引消费者的注意并激发其潜在的购买欲望与需求表达。再者，在实物型体育消费门店布局和商品陈列方面，生成式AI也发挥着重要作用，即通过分析消费者的购物路径和停留时间，优化线下体育用品门店的空间布局，确保热门商品和促销产品位于显眼且易于触及的位置。同时，通过实时跟踪商品的销售情况，生成式AI还能帮助商家及时调整商品陈列，以快速满足消费者的即时需求，进而提升实物型体育消费潜力。最后，从对实物型体育消费整体市场而言，生成式AI通过全面分析实物型体育消费客群状况、客流轨迹和商品识别等信息，帮助线下体育用品供给方从“人-货-场”3个维度重构业务模式。

3.2 观赏型体育消费：生成式AI助力赛事内容高速生产，驱动多源数据信息深度解构

观赏型体育消费，即消费者通过观赏体育赛事活动以获得愉悦体验的行为，涉及线上和线下两种类型。万物互联时代，在互联网、VR和AR等技术的加持下，观赏型体育消费逐渐从线下传统消费市场延展到线上消费市场，观赏型体育消费开始高度依赖外部信息、资源、服务等与个体需求的连接，往往基于年龄、地区、运动项目偏好等因素进行产品供给，个体处于被动接受状态。如在线观赛方面，尽管存在众多体育频道和细分运动项目频道，但观赏型体育消费的产品供给方式较为粗放，个体对于具体赛事类型或内容缺乏选择权利。此种“匹配链接”方式仅能从表面上满足个体需求，未能激发个体对深层次需求的思考与表达。在提供优质赛事短视频内容方面，生成式AI利用深度学习算法和图像处理技术，智能识别和提取赛事视频中的关键帧和精彩瞬间，自动生成高质量的短视频集锦，不仅能进一步满足消费者快速获取赛事亮点和精彩瞬间的个体差异性需求，也激发了其对于观赏型体育消费的衍生需求。同时，生成式AI在拓展版权内容价值方面也发挥了重要作用，通过自动化内容生成和个性化推荐，降低内容制作成本并提高生产效率，提升赛事信息传媒版权的附加价值，促进不同消费者的观赏型体育消费需求表达（褚殷超，2023）。在实际应用中，央视频通过引入生成式AI赋能北京冬奥新媒体传播，提炼、创作更符合个体实际需求的赛事短视频作品（央视频，2022）；QuickPlay与谷歌云合作，利用生成式AI技术改善体育流媒体体验，通过AI制作集锦片段和交互式测验等功能，激发观众深入参与和享受体育赛事的意愿（搜狐网，2023）。此外，生成式AI通过构建多元赛事内容生产和运营体系，推送相关的赛事竞猜、评论互动等衍生产品，提供个性化赛事推荐和沉浸式观赛体验，模拟评论员和解说员为观众带来专业全面的赛事分析和解说，不仅能够丰富观赏者的社群互动体验，还能进一步增强其参与感和归属感，推动观赏型体育消费需求表达的粒度细化。

3.3 体验型体育消费：生成式AI赋能个体服务体验细化，增强大众需求表达能力

体验型体育消费的概念外延较为广泛，主要涵盖体育场馆服务、体育健身休闲以及体育教育培训三大核心领域。在体育场馆服务领域，生成式AI借助深度学习和大数据分析的能力，为体育消费者提供个性化服务体验。通过人脸识别技术，AI能够轻松识别并记录经常出入场馆的体育消费者群体，进而深入分析该群体内每个个体的消费偏好和习惯。基于此类数据信息，据生成式AI技术能够根据个体的个性化需求，提供定制化的体育消费服务。例如，部分在线健身平台会利用AI算法，根据个体的身体数据、运动偏好等信息，为其推荐适合的健身教练和课程。这种定制化的服务，使得个体体验得到了极大的提升，同时也能够促进其对于后续个性化体育消费需求的进一步表达（康露等，2024）。与此同时，生成式AI技术还促进了体育消费的社交化分享。例如，生成式AI通过分析用户的运动数据，并生成个性化的运动报告。个体可以将这些报告分享到社交媒体上，与朋友们一起交流运动心得和成果。这种社交化的分享方式，不仅增强了个体之间的互动性，还能够促进个体更好地展示自身的体育消费体验和需求（张梓健等，2024）。在体育教育培训领域，生成式AI以人机交互技术为桥梁，通过实时收集和分析个体的运动数据以生成运动数据报告，帮助教练更为充分地了解个体的训练状态，为个体提供个性化的训练建议和指导。此外，生成式AI还能将个体的运动表现可视化，直观展示其训练成果和不足之处，为个体提供及时的反馈和指导，以发掘其在体验型体育消费其他方面的需求信息（林达，2023）。

4 生成式AI激发大众体育消费潜力的风险识别

4.1 认知图式限制体育消费“微粒化”需求表达

在体育消费领域，个体的认知图式往往基于其过去经验、运动习惯和文化背景而形成。该图式在帮助个体快速理解和处理信息的同时，也在无形中限制其对体育消费新信息、新需求的认知和表达。具体而言，首先，体育消费具有多样性和个性化的特点，每一名消费者均有自身独特的体育消费需求和偏好。然而，由于认知图式的限制，个体在信息检索的过程中往往只能根据已有的知识和经验，使用有限的词汇和表述方式来描述自身需求，难以涵盖复杂和多样的体育消费需求。例如，一名跑步爱好者可能只知道自己需要一双跑鞋，但无法准确描述出对跑鞋材质、重量、缓震性能、透气性、鞋型设计等具体细节的需求，导致其即使在生成式AI辅助下也可能存在难以充分挖掘个体体育消费需求细节的问题。其次，个体的体育消费需求还会受到外部“噪音”的干扰，如舆论环境、文化习俗和意见领袖等。此类外部“噪音”通过影响个体的信息搜集、评估、选择及决策等，进一步增加体育消费需求的复杂性和不确定性。例如，某时期流行的运动项目或明星运动员的代言可能会使个体对某种体育产品产生偏好而忽略自身真正需求。最后，个体如果不了解部分新兴体育项目的具体信息，可能就无法想象其带来的新体验和价值，从而无法借助生成式AI等新技术表达相关需求，依然选择采取启发式搜索策略，依赖有限的信息和过往经验做出决策，这在一定程度上加剧了认知图式对个体消费需求的限制作用。以智能运动装备为例，如果个体不了解其功能和优势，可能就无法意识到此类装备在提升运动体验和效果方面的作用，因此也就无法借助生成式AI等新技术形成对这类产品的购买意愿。

4.2 数字素养的差异掣肘体育消费长尾需求挖掘

数字时代，体育消费不再局限于传统的现场观赛、体育用品购买等模式，而是借助数字技术延伸至线上观赛、个性化装备定制、虚拟体育体验、社交媒体互动等多个维度，个体对于相对小众、非热门但总数庞大、种类繁多的体育消费长尾需求愈发丰富多元。然而，个体数字素养的差异却逐渐成为生成式AI挖掘体育消费长尾需求的一大制约因素。尽管大数据分析、人工智能推荐系统等为体育消费市场的细分与个性化需求的满足提供了工具支撑，但此类技术的有效应用不仅依赖于技术平台构建，更关键的是体育消费者是否具备与之相匹配的数字素养与运用能力。一方面，由于个体缺乏一定的数字素养，无法意识到生成式AI能够提供众多体育消费选择和个性化服务，导致小众体育消费需求和个性化服务难以被有效挖掘和满足。另一方面，即便缺乏一定数字素养的消费者能够通过生成式AI等工具接触到长尾体育消费资源，也可能因为无法熟练运用生成式AI有效地进行产品的比较、选择和交易。在体育消费这一特定领域，体育消费者通常追求的是精准匹配个人兴趣和需求的消费体验，个体所需的体育消费需求反馈信息量较大。因此，在面对较为复杂的在线定制流程、个性化的健身建议或基于算法的赛事推荐时，数字素养不足的个体可能会感到困惑或不知所措，从而放弃尝试。这种困惑不仅源于技术操作层面的不熟练，更在深层次上触及了体育消费者在处理大量信息和做出决策时的心理阈值，导致其在体育消费中的情感需求和社交动机难以得到有效满足，并产生一定挫败感和排斥感，进而影响其体育消费行为。

4.3 技术固有缺陷削弱体育消费需求表达灵感生成

个体体育消费需求表达灵感生成，不仅关乎个体创新思维，更涉及体育消费者在接触新技术或新产品时，内心深处被激起的体育消费冲动。然而，生成式AI固有的技术缺陷将导致体育消费者在需求表达过程中出现创意瓶颈和体验隔阂。一方面，个体在体育消费中追求的不仅仅是物质上的满足，更多的是精神上的愉悦和灵感上的激发，即渴望通过体育消费寻找新体验、新挑战。然而，在技术层面上，生成式AI知识库构建可能受限于已有数据的广度和深度，难以全面覆盖体育消费数据信息内所包含的诸多细节；在创新逻辑设计上，由于生成式AI缺乏创造性思维，生成的体育消费需求内容往往趋于模式化，缺乏新颖性和独特性；此外，生成式AI训练模式的局限性也可能导致其产出的内容过于依赖训练数据中的常见模式，而忽视个体需求中的个性化元素。另一方面，数字体育消费主要强调沉浸式和互动式体验，其魅力在于能够带给观众身临其境的沉浸感，个体希望通过生成式AI技术深入参与到体育活动中。然而，现有的生成式AI技术受限于模型复杂度、训练数据的质量与多样性以及算法对动态场景理解的深度，在多媒体内容的创作上仍面临一定技术鸿沟，所生成的内容往往在细节纹理、动作连贯性及光影效果等方面不够自然，缺乏真实比赛具有的紧张氛围和流畅观感，难以满足体育消费者对沉浸式和互动式体验的需求。与此同时，AI生成的内容往往缺乏情感色彩和个性化元素，无法与消费者产生情感上的共鸣和个性上的匹配。

4.4 信息收集异化限制体育消费需求众创内容生产

生成式AI在信息收集方面的特殊机制会影响体育消费需求的释放与众创内容生产活力。生成式AI技术在激发个体体育消费需求的过程中，展现出了与传统AI截然不同的信息收集模式。传统AI往往会通过明确的个体协议来确定数据收集范围，要求个体主动放弃部分数据权利以换取服务，这一过程涉及通过个体的聊天记录、账户信息、上网记录等数据聚合构建个体画像。生成式AI则倾向于在使用过程中无形收集个体的数据。具体而言，当个体寻求运动建议、赛事分析或个性化健身计划时，在平台上产生的每一次互动、每一次查询都可能成为生成式AI收集数据的契机，此类数据包括但不限于个体的运动偏好、消费习惯及身体状况。尤为关键的是，生成式AI通常采用“原则＋例外”的采集方式，即默认个体同意在使用过程中被采集数据（除非个体主动向相关机构提出异议），可能导致个体在享受个性化体育消费需求引导服务的同时，无意中透露了大量隐私信息，加剧了个体对隐私数据控制权的担忧。换言之，生成式AI的默认设置往往让消费者感到自己的数据被强制性地收集与利用，这种剥夺感大大降低了个体参与体育消费需求内容众创的意愿与动力。从消费心理学的角度来看，这种数据收集的隐蔽性触发了个体的不安与疑虑，使其开始怀疑基于此类体育消费需求数据生成的众创内容是否真正符合个人需求，还是仅仅服务于算法优化和商业利益。这种信任的破裂不仅削弱个体参与体育消费需求内容众创的积极性，而且个人信息一旦被滥用，将直接干扰个体体育消费需求表达的自主决策过程。

5 生成式AI激发大众体育消费潜力的实践路径

生成式AI赋能大众体育消费需求表达的过程，实际就是“人机交互”的具体过程，需进一步从个体和机器维度提升生成式AI激发大众体育消费潜力的现实驱动效能（图4）。

图4 生成式AI激发大众体育消费潜力的实践路径

Figure 4 Practical Pathways of Generative AI in Stimulating the Potential of Public Sports Consumption

5.1 持续优化体育消费AI交互算法，精准突破个体认知图式局限

在体育消费需求识别过程中，认知图式虽能帮助个体快速处理信息，但在信息检索时往往只能依赖有限的知识和经验，以狭隘的词汇和表述来描绘广泛而复杂的需求，因而限制对深度需求的探索。为突破这一局限，可通过设计高度智能化的生成式AI交互算法，引导个体进行深入的自我探索，逐步挖掘并明确其潜在的体育消费需求，以此提高个体需求表达的准确性，增强个体的参与感和满意度。例如，利用生成式AI的机器学习算法构建动态化、个性化对话场景，根据个体的回答和反馈，智能调整问题难度和深度，引导个体逐步细化对相关物品、运动或赛事需求的具体细节要求。其次，针对个体的体育消费需求会受到外部“噪音”干扰这一问题，可充分运用生成式AI的自然语言处理技术，深入理解和分析大量的文本数据，识别出文本中的关键词、情感倾向以及潜在的需求点，包括社交媒体上的评论、新闻文章、论坛讨论等。例如，当某种运动或产品成为社交媒体上的热门话题时，生成式AI能够迅速捕捉到这一趋势，并分析其对个体需求的可能影响。此类数据中蕴含丰富的体育消费领域专业知识和文化习俗背景等信息，对个体的体育消费需求将会产生深远的影响。与此同时，可进一步通过优化深度神经网络技术，利用生成式AI学习个体需求背后的潜在因素和动机。例如，个体对某种体育产品的需求可能不仅仅基于功能性和实用性，还可能与其对健康、时尚或社交认同的追求有关，生成式AI能够通过深入分析此类因素，为个体提供更加精准的需求推荐。

5.2 充分释放数字技术普惠红利，提升个体体育消费潜力释放规模

为应对个体数字素养差异化对体育消费长尾需求挖掘的负面影响，可以通过充分释放数字红利的方式，激发普通民众的积极性与创造力，提升其在运用生成式AI过程中的话语表达能力。第一，优化数字基础设施，消除数字接入鸿沟。政府可以与企业携手，加大对数字基础设施的投资与建设力度，研发和推广适合各类人群的低成本智能终端，促使更多群体能够便捷运用数字技术。第二，普及和推广数字体育教育，提升大众数字素养，消减数字体育使用鸿沟。特别是在促进体育消费的长尾需求表述的过程中，更需要体育消费者具备一定的数字素养。因此，政府、地方体育局和体育组织应加大数字体育教育力度，可以通过定制化、易理解的数字体育教育培训，提升大众对数字体育平台、智能体育装备等新型技术的认知与使用能力，提高他们利用数字技术探索体育消费新领域的信心与技能。同时，还应关注数字体育教育中的伦理风险，特别是要保护弱势群体的体育消费权益，以确保技术发展的同时避免加剧数字鸿沟等问题。第三，鼓励技术创新，加大政策支持，关注弱势群体的体育消费诉求。技术创新是挖掘体育消费长尾需求的关键。政府应加大对体育科技企业的扶持力度，鼓励其在智能体育装备、个性化体育服务、虚拟体育赛事等领域进行生成式AI模型创新，开发出更多适合不同人群的生成式AI体育消费需求引导模型。同时，应进一步提升媒体和社交平台支持力度，加强体育消费引导，帮助大众学会利用生成式AI表达自身体育偏好，参与体育话题讨论。

5.3 深化生成式AI技术多组态应用，深度挖掘个体体育消费需求

针对技术固有的局限导致生成式AI在促进个体体育消费需求内容生成上的“创意瓶颈”问题，技术层面的多组态应用尤为关键。第一，需扩展并深化生成式AI体育消费知识库，包括搜集广泛而深入的体育消费相关数据，同时需涵盖不同文化、历史背景及赛事细节，为人机协同过程中创造富有深度的体育消费需求表达内容打下坚实基础。此外，可引入创造性思维的模拟机制，通过结合机器学习与人工智能的最新成果，如变分自编码器、神经网络创意生成等，辅助生成式AI在创新逻辑设计上实现突破，生成既新颖独特又能触动人心的体育消费需求内容。同时，可优化体育消费个性化推荐算法，利用个体行为分析与情感识别技术，精准捕捉消费者的个性化偏好与情感需求，为其量身定制体育消费需求内容。第二，针对生成式AI技术在体育消费场景中引发的体验隔阂问题，可提升生成式AI模型的复杂度与精细度，增加训练数据的多样性与真实性，以便准确捕捉和再现线上虚拟体育消费场景中的细节纹理、动作连贯性以及光影效果。与此同时，应深化算法对动态场景的理解，运用深度学习技术，如时空卷积网络捕捉运动物体的轨迹与速度，从而生成更加自然流畅的虚拟体育消费内容。第三，针对生成式AI技术在体育消费需求引导过程中难以激发情感共鸣和提供个性化体验的问题，技术层面的解决方案需聚焦于增强生成式AI的情感智能与个性化生成能力。体育消费不仅仅是观看比赛或购买商品，更是一种情感表达与个性展现的方式。为此，可对生成式AI进行情感理解方面的训练，通过引入情感分析算法和大规模的情感标注数据，促进生成式AI识别并模拟人类的情感反应，从而在生成体育消费需求内容时融入更多的情感色彩，与消费者产生情感上的共鸣。此外，可加强个性化生成算法的研发，利用深度学习和个体行为分析技术，深度挖掘个体体育消费个性化偏好与消费习惯，为个体生成独一无二的体育消费内容，如定制化的比赛回顾、个性化的运动员故事等，以满足其对体育消费个性化表达的现实需求。

5.4 优化数据隐私保护与信息收集机制，以信任为基石提升个体体育消费体验

针对生成式AI在信息收集方面的机制异化问题，应从加强数据隐私保护、优化信息收集机制两方面着手解决。第一，加强数据隐私保护与个体教育，构建信任基石。生成式AI服务提供商应在个体首次接触服务时，采用明确且通俗易懂的方式，向个体详尽阐述数据收集的具体范围，包括但不限于个体运动习惯、偏好、身体指标以及消费记录等敏感信息。同时需明确说明收集此类数据的目的及用途，如用于优化个性化推荐服务、提升服务质量或进行市场分析等，并确保在获得个体的明确授权后再进行收集。这一步骤对于建立个体与生成式AI服务提供商之间的信任而言至关重要，能够促使个体在充分认知潜在风险的基础上，自愿分享个人信息，为生成式AI后续服务体验奠定信任基础。此外，隐私政策应确保其内容的清晰性、易读性，详细阐述数据从收集到存储、使用乃至分享的每一个环节，保证个体能够轻松理解隐私数据的处理方式。同时，应明确保障个体拥有随时查阅、修改或删除个人体育消费信息的权利，不仅是对个体隐私权的尊重，也是提升个体隐私保护意识的有效途径。从消费心理学角度而言，透明化的数据处理方式能够显著增强个体的信赖感与安全感，进而激发其通过生成式AI参与体育消费需求的众创内容生产的积极性。第二，应优化信息收集机制，力求在隐私保护与服务质量间找到最佳平衡点。个体在表达体育消费需求的过程中，对隐私的关注度极高，任何可能的隐私泄露都将引发其产生不安与反感。因此，生成式AI服务提供商应根据个体的实际反馈和监管机构的最新要求，灵活调整信息收集策略，确保生成式AI服务的合规性，并尽可能减少个体对数据收集的反感情绪。如可为个体提供更为细致、灵活的隐私设置选项，允许个体根据自身实际需求，自主决定是否分享部分敏感信息，如具体位置、健康状况等，从而让个体对自我的隐私信息拥有更多控制权。此外，生成式AI服务提供商应严格遵循最小化收集原则，即仅收集完成核心服务所必需的最少数据，如个体的运动频率、偏好项目、体能状况等，坚决避免对个人信息的过度采集，不仅能有效降低个体隐私泄露的风险，还能减轻服务提供商在数据存储和处理方面的负担，提高整体服务效率。

6 结语

伴随着现代科学技术的不断进步，大众体育消费不断呈现出新的特点。就我国大众体育消费领域而言，生成式AI正日益改变体育消费者的表达范式。研究发现，相较于传统决策分析式AI而言，生成式AI具备的创造能力与灵活定制能力，能够显著提高大众在体育消费需求表达方面的认知能力、语用能力及互动能力，在“对话—交流”式创意内容生成模式下，赋能大众发掘和连接个体内隐化体育消费需求中的个性化要素，从而助力更多潜在体育消费需求的激发与表达。未来研究可进一步围绕生成式AI如何影响实物型、观赏型、体验型体育消费的效果及其作用机制，生成式AI如何作用于体育消费认知、心理与行为等方面展开研究。

想关注《体育科学》内容首发公众号

扫描下方二维码

转载来源：体育总局科研所书刊部

原文制作：金雪
原文校对：丁合高天艾

原文监制：邱剑荣

学会编辑：徐璠奇

http://mp.weixin.qq.com/s?__biz=MjM5ODc4MzgzMA==&mid=2650796387&idx=4&sn=a891284331647ee3d91267ed63f0804a

中国体育科学学会

中国体育科学学会（CHINA SPORT SCIENCE SOCIETY）成立于1980年，是我国成立时间长、运作规范、社会影响较大，集学术性、科普性、公益性于一体的最大规模、最高层次的体育科技学术社会团体。