Влияние изображений, созданных с применением технологий искусственного интеллекта, на формирование потребительского поведения в категории декоративной косметики на маркетплейсах

Введение

Цифровизация торговли и ускоренное развитие платформенной экономики радикально изменили условия формирования потребительского выбора. В российской рознице электронная коммерция остается одним из наиболее динамичных сегментов: за 2019–2024 гг. рынок вырос более чем в 7,5 раза — с 1,7 до 12,6 трлн руб., а доля маркетплейсов увеличилась с 23% до 64% [19]. В этих условиях маркетплейсы перестают быть лишь каналом продаж и превращаются в среду, в которой одновременно происходят информирование потребителя, сравнение альтернатив и стимулирование покупки [8].

Одновременно меняется и сама технологическая основа маркетинга. Как показывают исследования, искусственный интеллект уже встроен во все стадии маркетингового цикла: от сбора и анализа данных до стратегических и тактических решений [1, 14]. Особенно значимым становится его использование в маркетинговых действиях, где он обеспечивает персонализацию контента и адаптацию взаимодействия к особенностям потребителя [13]. Российские исследования также подтверждают, что технологии искусственного интеллекта активно применяются для создания контента, персонализации коммуникаций и повышения конверсии [3].

На этом фоне контент карточки товара приобретает особое значение. В среде маркетплейса именно он становится одним из ключевых инструментов влияния на восприятие товара в условиях ограниченного контакта с покупателем. Это особенно важно потому, что путь пользователя в электронной коммерции носит нелинейный характер: потребитель сравнивает альтернативы, переключается между площадками и обращает внимание на незнакомые товары и магазины, а отрицательные отзывы, негатив в адрес продавца и недостаток информации о товаре способны напрямую снижать вероятность покупки [20]. Следовательно, содержание и характеристики контента в карточке товара становятся значимыми элементами снижения неопределенности и формирования доверия.

Дополнительную актуальность данной проблематике придает распространение генеративных технологий искусственного интеллекта. Как показывают исследования, автоматическая генерация текстового и визуального контента уже входит в число наиболее востребованных направлений применения этих технологий в маркетинге, поскольку позволяет существенно снижать временные и финансовые затраты на создание материалов [4]. Однако вопрос об эффективности такого контента остается дискуссионным: в одних случаях он демонстрирует более высокие результаты по сравнению с традиционными решениями, в других уступает им [4]. Таким образом, возникает противоречие между возможностью масштабирования контента и недостаточной изученностью его влияния на поведение потребителей.

Для косметической индустрии данный вопрос представляет особую значимость. Во-первых, данная категория относится к числу высоковизуальных: потребитель оценивает внешний вид продукта, оттенок, текстуру и ожидаемый эффект применения. Во-вторых, сегмент косметической продукции демонстрирует активный рост в онлайн-канале и все более интегрируется в цифровую торговую среду [19]. В-третьих, усиление конкуренции в электронной коммерции повышает значимость визуального представления товара и бренда как ключевого фактора дифференциации.

При этом современная научная литература пока не дает однозначного ответа на вопрос о том, как именно потребитель реагирует не только на содержание визуального контента, но и на способ его создания. С одной стороны, развитие технологий искусственного интеллекта усиливает влияние на восприятие потребительской ценности, поведение и выбор, а также актуализирует вопросы доверия и цифровой этики [2]. С другой стороны, исследования в области маркетинга отмечают недостаточную разработанность вопросов, связанных с практическим извлечением маркетингового эффекта от использования искусственного интеллекта [14]. Таким образом, формируется исследовательский разрыв, заключающийся в недостаточной изученности влияния визуального контента, созданного с применением технологий искусственного интеллекта, на потребительское поведение в среде маркетплейсов.

В этой связи целью настоящего исследования является оценка влияния изображений, созданных с применением технологий искусственного интеллекта, на формирование потребительского поведения в категории декоративной косметики на маркетплейсах.

Теоретические основания и гипотезы исследования

Формирование потребительского поведения в условиях цифровой среды традиционно рассматривается в рамках теории информационной асимметрии и теории сигналов, согласно которым потребители вынуждены опираться на доступные наблюдаемые характеристики товара при принятии решения в условиях неопределенности. В данной логике ключевую роль приобретают те атрибуты, которые позволяют определить качество продукта и снизить риск отказа от покупки. В электронной коммерции эта проблема проявляется особенно остро, поскольку покупатель не может гарантированно проверить качество товара и надежность продавца до совершения сделки, а потому вынужден опираться на сигналы, размещенные в цифровой среде; при этом более надежными оказываются сигналы, сопряженные с издержками и трудные для имитации [16].

В этих условиях карточка товара выступает как ключевой носитель сигналов, формирующих восприятие продукта. Исследования показывают, что она представляет собой многомерную систему, включающую визуальные, информационные и социальные элементы, совместно влияющие на потребительский выбор [11]. Визуальный контент традиционно рассматривается как значимый элемент данной системы, поскольку он частично компенсирует отсутствие сенсорного опыта и влияет на оценку качества, эстетической привлекательности и функциональных характеристик товара. В рамках клиентского пути визуальные элементы играют ключевую роль на ранних этапах взаимодействия, обеспечивая привлечение внимания и формирование первичного восприятия альтернатив [15]. Данные выводы находят подтверждение в эмпирических исследованиях, согласно которым визуальные характеристики способны направлять внимание потребителя и участвовать в формировании первоначального выбора в условиях ограниченной информации [9]. Однако с позиции теории сигналов данный тип информации обладает ограниченной надежностью, поскольку характеризуется относительно низкими издержками создания, что снижает его способность выступать достоверным индикатором качества по сравнению с экономическими и социальными сигналами.

Дальнейшие исследования показывают, что визуальный контент функционирует не изолированно, а в системе взаимосвязанных факторов. Существенную роль играют социальные сигналы, такие как рейтинг и количество отзывов, позволяющие потребителю опираться на агрегированный опыт других пользователей и тем самым снижать неопределенность [6, 17]. При этом доверие к таким сигналам определяется их согласованностью и воспринимаемой достоверностью [18]. Наряду с этим цена выступает не только экономическим параметром, но и сигналом качества, формируя ожидания относительно ценности продукта [12]. Исследования также показывают, что потребитель интерпретирует данные факторы в совокупности, формируя целостную оценку предложения [5].

Таким образом, визуальный контент, с одной стороны, выступает значимым элементом формирования восприятия, с другой – его влияние оказывается встроенным в более сложную систему сигналов, в которой доминирующее значение могут приобретать экономические и социальные характеристики. Это указывает на необходимость анализа его роли не изолированно, а в контексте всей структуры факторов потребительского выбора. Появление генеративных технологий искусственного интеллекта снижает издержки производства визуальных материалов и делает возможной их масштабируемую имитацию. В терминах теории сигналов это означает снижение различительной способности визуального сигнала и его информативной ценности для потребителя. Данный эффект усиливается особенностями работы генеративных моделей, которые, опираясь на обучающие выборки, склонны воспроизводить усредненные и повторяющиеся визуальные паттерны, что может приводить к снижению уникальности и дифференцирующей способности визуального контента [7].

С точки зрения теории доверия значимым становится не только содержание сообщения, но и представление о его источнике. Исследования показывают, что раскрытие информации в цифровой среде может как снижать неопределенность, так и усиливать скептицизм в зависимости от интерпретации пользователем [10, 12]. В контексте искусственного интеллекта это проявляется в амбивалентности восприятия: использование алгоритмически сгенерированного контента может одновременно восприниматься как признак технологичности и как фактор снижения аутентичности [2]. При этом данный когнитивный эффект не обязательно трансформируется в изменение поведенческих намерений. Одновременно исследования поведения потребителей на маркетплейсах показывают, что ключевыми драйверами выбора остаются цена и репутационные характеристики товаров, что отражает доминирование экономических и социальных сигналов в цифровой среде [8]. Это позволяет предположить, что влияние характеристик визуального контента, включая его происхождение, может носить ограниченный характер.

Данное противоречие формирует исследовательский разрыв, заключающийся в недостаточной изученности того, выступает ли происхождение визуального контента самостоятельным фактором, влияющим на потребительское поведение в условиях маркетплейсов, или его значение нивелируется другими сигналами. Указанный разрыв определяет постановку следующих гипотез исследования:

H1 — потребители категории декоративной косметики не демонстрируют статистически значимых различий в способности идентифицировать изображения, созданные с применением технологий искусственного интеллекта, и традиционные фотографии.

H2 — использование изображений, созданных с применением технологий искусственного интеллекта, влияет на уровень доверия к бренду, что отражается на намерении покупки. H2a — при раскрытии информации об использовании технологий искусственного интеллекта уровень доверия к бренду снижается.

H3 — при условии снижения цены товара за счёт оптимизации затрат на создание визуального контента использование изображений, созданных с применением технологий искусственного интеллекта, не оказывает статистически значимого негативного влияния на намерение покупки.

Эмпирическая база и методы исследования

Для проверки выдвинутых гипотез в исследовании использован комбинированный дизайн, объединяющий экспериментальный и поведенческий подходы, что позволяет сопоставить декларируемые оценки потребителей с их фактическими действиями на платформе маркетплейса.

Первый этап исследования носил экспериментальный характер и был реализован в формате стандартизированного онлайн-опроса с использованием специализированной исследовательской платформы Fastuna. Формирование выборки осуществлялось с привлечением панели респондентов, соответствующих заданным критериям целевой аудитории. В качестве генеральной совокупности рассматривались покупательницы категории декоративной косметики: женщины в возрасте от 18 до 60 лет, проживающие на территории Российской Федерации. Для обеспечения репрезентативности результатов были заданы квоты по возрастным группам и географическому распределению респондентов, что позволило обеспечить сопоставимость структуры выборки с характеристиками генеральной совокупности, а также провести последующий анализ в разрезе возрастных и региональных кластеров. Итоговый объем выборки составил 420 респондентов.

Анкета исследования была структурирована в три логически взаимосвязанных блока. В первом блоке респондентам предъявлялись карточки товаров, используемые на маркетплейсе Wildberries, после чего им предлагалось определить способ создания изображения (с применением технологий искусственного интеллекта или традиционная фотография). Второй блок включал вопросы, направленные на оценку отношения респондентов к использованию технологий искусственного интеллекта в визуальном контенте, а также на измерение уровня доверия к бренду и намерения покупки. В третьем блоке с использованием шкалы Лайкерта респонденты оценивали значимость ключевых факторов, влияющих на принятие решения о покупке декоративной косметики, включая цену, рейтинг продавца, рейтинг товара, количество отзывов, скорость доставки, бренд и визуальный контент.

В качестве стимульного материала использовались 35 карточек товаров 7 брендов декоративной косметики (L’Oréal Paris, Shik, Pusy, Nrav, To My Skin, L’Avant, Semily), представляющих различные ценовые сегменты и уровни узнаваемости. В выборку были включены продукты из семи подкатегорий: тушь для ресниц, гель и карандаш для бровей, консилер, пудра, румяна и масло-блеск для губ. Из общего числа карточек 20 содержали изображения, созданные с применением технологий искусственного интеллекта, и 15 были сделаны с использованием фотографий реальных моделей. Отбор карточек осуществлялся поэтапно: на первом этапе определялись бренды, на втором конкретные товарные позиции, после чего тип визуального контента верифицировался через представителей брендов.

Второй этап исследования основан на анализе поведенческих данных пользователей маркетплейса Wildberries по тем же 35 карточкам товаров, что обеспечило сопоставимость результатов двух этапов. Период наблюдения составил с 7 февраля по 8 марта 2026 года как один из наиболее активных периодов спроса в категории декоративной косметики. Для каждой карточки были зафиксированы показатели, отражающие этапы потребительской воронки: количество просмотров, кликов, добавлений в корзину и заказов. В качестве зависимых переменных использовались коэффициент кликабельности (CTR), конверсия в добавление в корзину и конверсия в покупку.

В качестве объясняющих переменных были использованы характеристики карточки товара: тип изображения, цена с учетом скидки постоянного покупателя, рейтинг и количество отзывов. Тип изображения кодировался как бинарная переменная, где значение 1 соответствовало изображениям, созданным с применением технологий искусственного интеллекта, а значение 0 – фотографиям реальных моделей. Для оценки влияния указанных факторов на поведение пользователей был применен множественный линейный регрессионный анализ, позволяющий выделить самостоятельный эффект типа визуального контента при контроле сопутствующих характеристик карточки товара. Для переменных цены и количества отзывов использовалось логарифмическое преобразование, что обусловлено их асимметричным распределением и нелинейным характером влияния на поведение пользователей. Спецификация модели имела следующий вид:

где – значение соответствующей поведенческой метрики для i-й карточки товара; – бинарная переменная, отражающая тип изображения; – логарифм цены товара; – рейтинг товара; – логарифм количества отзывов; – случайная ошибка модели.

Оценка модели проводилась отдельно для каждой зависимой переменной, что позволило проанализировать влияние факторов на разных этапах потребительской воронки.

Результаты исследования

Полученные результаты позволяют последовательно проанализировать роль визуального контента, созданного с применением технологий искусственного интеллекта, на различных уровнях потребительского поведения: от восприятия и установок до фактических действий пользователей на маркетплейсе. Логика анализа выстроена в соответствии с этапами формирования потребительского выбора: от когнитивной оценки визуального материала к интерпретации его влияния на доверие, а затем к сопоставлению с реальными поведенческими метриками.

1. Способность идентификации визуального контента

Анализ ответов на вопрос о способе получения изображения модели показывает, что респонденты не демонстрируют устойчивой способности различать изображения, созданные с применением технологий искусственного интеллекта, и традиционные фотографии. Доля корректных ответов в среднем по выборке составляет 48,2%, при этом доля ошибочных ответов достигает 43,0%, а 8,7% респондентов затруднились с определением типа контента (рис. 1)

Рисунок 1. Результаты идентификации способа получения изображения модели по когортам. Источник: составлено автором на основе опроса.

Анализ результатов в разрезе социально-демографических характеристик не выявляет статистически значимых различий. Независимо от возраста и типа населенного пункта доля корректных ответов остается в сопоставимом диапазоне, а соотношение правильных и ошибочных ответов сохраняется устойчивым. Наибольшая доля корректных ответов наблюдается в группе 18–24 лет (55,2%), что может быть связано с более высокой цифровой насмотренностью и опытом взаимодействия с визуальным контентом. При этом в старшей возрастной группе (45–60 лет) фиксируется наименьшая доля корректных ответов (44,1%) и одновременно наибольшая доля затруднившихся с ответом (13,3%).

Таким образом, уже на уровне восприятия фиксируется ключевая особенность: различие между типами визуального контента оказывается размытым и не формирует устойчивого когнитивного сигнала для потребителей.

2. Отношение к использованию изображений, созданных с помощью ИИ

На следующем этапе анализа была рассмотрена оценка респондентами допустимости использования ИИ-изображений в карточках товара. Полученные результаты показывают, что восприятие данного инструмента носит неоднозначный, но в целом нейтрально-позитивный характер. Доминирующей является нейтральная позиция 42,6%, в то время как совокупная доля позитивных оценок составляет 37,7%, а негативных 19,8% (рис. 2). Это свидетельствует о том, что использование технологий искусственного интеллекта не вызывает выраженного отторжения, но и не формирует устойчивого позитивного отношения.

Рисунок 2. Распределение отношения к использованию изображений, созданных с применением технологий искусственного интеллекта. Источник: составлено автором на основе опроса.

Анализ в разрезе социально-демографических характеристик демонстрирует умеренную вариативность восприятия: более молодые потребители чаще демонстрируют принятие технологий, тогда как в старших возрастных группах усиливается доля нейтральных оценок. Однако выявленные различия не приводят к изменению общей структуры восприятия.

В совокупности полученные результаты указывают на то, что использование ИИ-изображений воспринимается как допустимая практика, не оказывающая самостоятельного влияния на отношение к товару.

3. Влияние знания об использовании ИИ на доверие и покупку

Для более глубокого анализа был рассмотрен эффект раскрытия информации об использовании технологий искусственного интеллекта при создании карточек товара. В отличие от предыдущего блока, данный этап позволяет зафиксировать не только формализованные оценки, но и содержательные интерпретации респондентов за счет использования формата открытого вопроса. Полученные ответы были сгруппированы и количественно обработаны (табл. 1).

Таблица 1

Распределение ответов на открытый вопрос о влиянии использования изображений, созданных ИИ, на доверие к бренду и решение о покупке

Источник: составлено автором на основе опроса.

Результаты анализа показывают, что доминирующей реакцией является отсутствие влияния данного факта на доверие и решение о покупке (56% респондентов). Дополнительно 15% демонстрируют позитивное восприятие, интерпретируя использование ИИ как часть технологического прогресса. Таким образом, для подавляющего большинства опрошенных использование ИИ не выступает фактором, ухудшающим отношение к бренду. В то же время фиксируется сегмент умеренно негативного восприятия (24%), связанный с ассоциациями ненатуральности и снижением доверия. Однако данные реакции носят преимущественно когнитивный характер и лишь в ограниченном числе случаев трансформируются в поведенческое намерение отказаться от покупки (2%).

Таким образом, раскрытие информации об использовании ИИ формирует неоднородную реакцию, но не приводит к системному снижению доверия и не оказывает значимого влияния на намерение покупки.

4. Влияние ценового фактора в контексте использования ИИ

Дополнительный анализ показал, что включение ценового фактора существенно меняет восприятие использования ИИ. Более половины респондентов (56,2%) отмечают отсутствие влияния снижения цены на отношение к товару, однако значительная доля (35,7%) демонстрирует положительную реакцию на снижение стоимости (рис. 3). При этом доля негативных оценок остается минимальной (8,1%), а выявленные закономерности сохраняются во всех социально-демографических группах.

Рисунок 3. Влияние снижения цены на отношение к использованию ИИ в карточках товар. Источник: составлено автором на основе опроса.

Данный результат позволяет сделать важное уточнение: потенциальные негативные эффекты, связанные с восприятием ИИ-контента, могут быть нивелированы экономическими выгодами, что указывает на доминирование рациональных критериев оценки.

5. Значимость факторов при выборе товаров

Переходя от оценки отдельных аспектов восприятия к структуре факторов выбора, следует отметить, что полученные результаты демонстрируют устойчивую иерархию критериев принятия решения (рис. 4). Наибольшую значимость имеет цена (среднее значение 4,63; доля оценок 4–5 94%), выступающая базовым параметром отбора альтернатив. Сопоставимые позиции занимают рейтинг товара (4,32; 85%) и количество отзывов (4,24; 80%), выполняющие функцию социального доказательства. При этом именно количество отзывов демонстрирует более устойчивую значимость в различных группах, что позволяет интерпретировать его как более надежный индикатор востребованности товара по сравнению с агрегированным рейтингом. Факторы, связанные с характеристиками продавца и логистики, занимают промежуточное положение, тогда как контент демонстрирует более низкие значения (3,95; 69%) и не входит в число ключевых детерминантов выбора.

Рисунок 4. Значимость факторов при выборе декоративной косметики на маркетплейсах. Источник: составлено автором на основе опроса.

Таким образом, на уровне декларируемых предпочтений визуальный контент занимает вспомогательную позицию, уступая экономическим и социальным сигналам.

6. Результаты анализа поведенческих метрик

Полученные на предыдущем этапе результаты позволили выявить структуру факторов, формирующих потребительский выбор на уровне восприятия. Было установлено, что цена, рейтинг товара и количество отзывов воспринимаются пользователями как ключевые детерминанты принятия решения, тогда как визуальный контент занимает вторичную позицию. В этой связи возникает исследовательский вопрос о том, в какой степени выявленные закономерности сохраняются на уровне фактического поведения пользователей.

Для проверки данной гипотезы был проведен анализ поведенческих метрик пользователей маркетплейса с применением регрессионного моделирования, что позволило сопоставить декларируемые предпочтения с наблюдаемыми действиями. Сопоставление результатов регрессионного анализа по трем этапам потребительской воронки (кликабельности карточки товара – CTR, добавлению в корзину и оформлению заказа) позволяет выявить устойчивые закономерности влияния факторов и проследить динамику их значимости по мере продвижения пользователя к покупке (табл. 2).

Таблица 2

Результаты регрессионного анализа влияния факторов на поведенческие метрики пользователей на различных этапах воронки

Источник: составлено автором.

Прежде всего, обращает на себя внимание устойчивое отсутствие статистически значимого влияния переменной, отражающей тип визуального контента, на всех этапах воронки. Во всех моделях коэффициент при переменной «Тип контента» остается статистически незначимым (p > 0,05), а его знак не демонстрирует устойчивой направленности. Это свидетельствует о том, что использование изображений, созданных с применением технологий искусственного интеллекта, не оказывает самостоятельного влияния ни на вероятность перехода в карточку товара, ни на последующие поведенческие действия пользователей.

В отличие от визуального контента, влияние ценового фактора демонстрирует четко выраженную и усиливающуюся динамику. На этапе кликабельности цена оказывает положительное и статистически значимое влияние (β = 0,316; p = 0,028), что свидетельствует о том, что более дорогие товары привлекают внимание пользователей как потенциальный сигнал качества. Однако уже на этапе добавления в корзину направление эффекта меняется на отрицательное (β = –0,397; p = 0,001), а на этапе оформления заказа данный эффект становится максимально выраженным (β = –0,988; p < 0,001). Такая трансформация указывает на смену логики восприятия: если на этапе привлечения внимания цена может интерпретироваться как индикатор качества, то по мере приближения к покупке она начинает выполнять функцию ограничения и становится ключевым барьером конверсии.

Фактор пользовательских отзывов, напротив, демонстрирует возрастающее положительное влияние по мере продвижения по воронке. Если на этапе кликабельности его влияние статистически незначимо, то на этапе добавления в корзину он становится значимым (β = 0,0097; p = 0,046), а на этапе оформления заказа усиливается (β = 0,023; p = 0,008). Это подтверждает гипотезу о том, что отзывы выполняют функцию социального доказательства, значимость которого возрастает в условиях принятия более ответственного решения, связанного с фактической покупкой.

Влияние рейтинга товара остается нестабильным и статистически незначимым на всех этапах, за исключением пограничного эффекта на этапе добавления в корзину (p ≈ 0,068). Это указывает на то, что агрегированная оценка уступает по информативности количественным характеристикам пользовательского опыта, таким как объем отзывов.

Отдельного внимания заслуживает динамика объясняющей способности моделей. Значение коэффициента детерминации последовательно возрастает от этапа кликабельности (R² = 0,175) к добавлению в корзину (R² = 0,447) и достигает максимума на этапе оформления заказа (R² = 0,550). Это свидетельствует о том, что по мере продвижения пользователя по воронке поведение становится более детерминированным наблюдаемыми характеристиками товара, а влияние случайных факторов снижается.

В совокупности полученные результаты позволяют сделать принципиально важный вывод: происхождение визуального контента, связанное с использованием технологий искусственного интеллекта, не обладает самостоятельной объясняющей силой в моделях потребительского поведения ни на одном из этапов взаимодействия с карточкой товара.

Обсуждение результатов

Полученные результаты позволяют соотнести выявленные закономерности с выдвинутыми гипотезами исследования на уровне как когнитивных установок, так и фактического поведения пользователей. В рамках проверки гипотезы H1 установлено, что потребители не демонстрируют статистически значимых различий в способности идентифицировать изображения, созданные с применением технологий искусственного интеллекта, и традиционные фотографии. Распределение ответов близко к случайному, что свидетельствует об отсутствии устойчивого когнитивного различия между типами визуального контента. Таким образом, гипотеза H1 подтверждается.

Анализ гипотез H2 и H2a показывает, что влияние ИИ-контента на доверие к бренду носит ограниченный и неоднородный характер. Хотя часть потребителей демонстрирует снижение доверия при раскрытии информации об использовании ИИ, для большинства данный фактор не оказывает значимого влияния ни на восприятие бренда, ни на намерение покупки. При этом выявленные эффекты преимущественно остаются на уровне установок и не трансформируются в поведенческие изменения. В этой связи гипотеза H2 подтверждается частично, а гипотеза H2a частично подтверждается в части снижения доверия, но без последствий на этапе принятия решения о покупке.

Результаты проверки гипотезы H3 демонстрируют, что снижение цены за счет экономии ресурсов при создании изображений с применением технологий искусственного интеллекта не оказывает значимого влияния на намерение покупки. При этом часть потребителей меняет свое решение, как в позитивном, так и в негативном направлении. Таким образом, гипотеза H3 подтверждается частично.

В совокупности результаты указывают на разрыв между когнитивным восприятием и фактическим поведением: несмотря на наличие отдельных реакций, связанных с доверием к ИИ-контенту, они не влияют на поведенческие метрики.

Заключение

В работе проведена оценка влияния изображений, созданных с применением технологий искусственного интеллекта, на формирование потребительского поведения в категории декоративной косметики на маркетплейсах.

Полученные результаты показывают, что происхождение визуального контента не оказывает статистически значимого влияния на поведение пользователей на всех этапах потребительской воронки. При этом выявлен разрыв между когнитивным восприятием и фактическим поведением: несмотря на наличие отдельных реакций, связанных с доверием к ИИ-контенту, данный фактор не трансформируется в поведенческие эффекты.

Теоретический вклад исследования заключается в уточнении роли визуального контента в рамках теории сигналов применительно к цифровой платформенной среде. Показано, что происхождение визуального контента, связанное с использованием технологий искусственного интеллекта, не воспринимается потребителями как значимый сигнал в условиях маркетплейса и не оказывает влияния на поведенческие метрики. Это уточняет положения теории сигналов применительно к цифровой среде, демонстрируя, что не все характеристики визуального представления товара обладают равной информативной ценностью.

Практическая значимость исследования состоит в том, что использование изображений, созданных с применением технологий искусственного интеллекта, может рассматриваться как инструмент оптимизации затрат на создание контента без риска снижения ключевых поведенческих метрик.

Ограничения исследования связаны с анализом одной товарной категории и одной платформы, что ограничивает возможность обобщения результатов. В качестве направлений дальнейших исследований представляется целесообразным изучение влияния ИИ-контента в других категориях, а также анализ эффектов различного уровня реалистичности изображений и форм раскрытия информации об их происхождении.