機器人餐廳顧客體驗的感知、滿意與行為意向研究※

王建玲 曾國軍

(1.廣東碧桂園職業學院,廣東 清遠 511500;2.中山大學旅游學院,廣東 珠海 519000)

基于人工智能和“互聯網+”的迅速發展,機器人餐廳的出現是傳統餐飲業轉型升級的革新需求[1-2]。2019年新冠肺炎疫情加劇了人們對傳統餐飲安全的關注,餐飲機器人能有效避免“人—人、人—食”接觸,重構了疫情時代餐飲生態[3]。人工智能與酒店餐飲業已深度融合[4]?；谙M者視角下對機器人餐廳的服務環境、基礎設施的研究將有助于形成“反饋—優化”閉環改進措施[5]。

消費者視域下的傳統餐飲業研究較為成熟[6],然而研究多數局限在傳統餐廳語境中。伴隨著機器人餐廳業態的迅速發展,人機交互改變了消費者的消費模式,故有必要重新審視機器人餐廳消費者行為的影響因素及其機制。因此,本文基于網絡評論提煉適用于機器人餐廳情境的感知評價維度,遵循“感知—態度—行為”研究邏輯,采用結構方程模型驗證機器人餐廳消費者行為意向及其驅動機制,以期為機器人餐廳提高顧客滿意度和推動人工智能餐廳可持續發展提供借鑒。

1 機器人餐廳服務感知

高度智能的機器人餐廳近年方興未艾,學界對機器人餐廳消費者滿意度或行為意向的研究逐漸增多。有研究表明,智能化環境、智能化食物和智能化服務是評價機器人餐廳服務感知的主要維度。

1.1 智能化食物質量感知

智能化食物烹飪調節系統起源于20世紀末,依賴于機器和網絡智能化使食材加工精準化和標準化[7]。與傳統餐廳相比,機器人餐廳智能化烹飪系統實現了味道和口味的標準化,保留了食物原真性[8],也降低了社會、文化因素對食物加工口味變遷的影響[9]。研究發現,智能化食物烹飪系統會提高餐廳顧客滿意度,顧客對智能食物的新奇性是影響其行為的主要因素。智能化烹飪系統長期標準化運作會損失口味隨機性和多樣性,進而影響顧客二次選擇。

1.2 智能化協同服務感知

智能化協同服務主要集中體現在人機交互維度,人機智能化協同服務質量評價等。人機協同是機器人餐廳區別于傳統餐廳的一個關鍵特征。研究表明,智能化協同服務會通過“認知判斷—情感歸屬—行為選擇”路徑提升顧客滿意度。智能送餐系統是聯系食物運輸和顧客飲食的“橋梁”。然而,人機服務協同程度不足或過高均會影響顧客心理和行為,不足體現在時間長或效率低而降低服務質量;過高往往體現在刻板、機械化使顧客飲食感知缺乏“人情味”。目前,機器人餐廳中的智能化協同因素的系統深化研究仍較為缺乏。

1.3 智能化環境設計感知

機器人餐廳的布局衛生直接影響顧客消費心理,合理的布局和良好的衛生會增加消費者舒適度,提升滿意度。餐廳中總體的智能化環境設計給消費者呈現出“軟—硬”的消費感知,根據其功能特點可分為功能性環境布局(如交通、停車、廁位等)和感知性環境設計(如科技、裝修色調、音樂、溫度控制等)?；谌斯ぶ悄芎蜋C器人技術快速發展,就餐大環境的智能化和餐位小環境的個體化設計可能是未來機器人餐廳持續發展的方向。

2 概念模型與研究假設

機器人餐廳顧客感知研究方法主要是工程方法,少部分采用實地或實驗法,但調查和訪談法日益增多。顧客感知價值即顧客對所得和所失的感知,盡管學者們對感知價值的界定有爭論,但普遍認為感知價值和滿意度更能準確預測顧客的重復購買意向。機器人餐廳就餐體驗是一個多維概念,決定顧客感知的屬性分為三大類:環境、食物和服務,這些屬性被視為餐廳體驗質量的成熟指標。

機器人餐廳滿意度是消費者對產品或服務的實際感知與預先期望的差異[10],目前學界一致認為用顧客感知來測量顧客滿意是合理的。根據機器人餐廳技術特點,餐廳機器人可以服務、烹飪、招待客人等;機器人廚師可以準備面條、漢堡、咖啡。經全球1000多名受訪者的抽樣調查發現,顧客最滿意機器人餐廳的如下活動:清潔桌子、提供菜單信息和點菜;最不滿意的活動是烹飪食物[7]。因此,針對影響顧客滿意度的變量進行定量研究,尋找哪些因素能促進機器人餐廳顧客滿意度將具有現實指導意義。

已有研究梳理發現,構建以顧客感知理論為基礎探索影響顧客感知的相關因素,建立顧客感知中介變量,基于食物、環境和服務對顧客感知價值正向影響的結構方程模型,對證實“影響因素—顧客感知—體驗價值”的理論路徑將具有重要意義。綜上,環境、服務和食物三個因素共同作為顧客行為意向的刺激因素,據此得出以下假設。

H1:智能化環境設計對顧客感知價值有正向影響。

H3:智能化協同服務對機器人餐廳顧客感知價值有正向影響。

H5:智能化食物控制對機器人餐廳顧客感知價值有正向影響。

顧客行為意向是顧客未來要采取某種行動的傾向。國內學者普遍將顧客行為意向劃分為三類:重購意向、口碑宣傳、溢價購買。目前,對機器人餐廳顧客行為研究主要有三類:(1)從顧客體驗、情感、以人為本的感知來衡量服務機器人提供的安全感和體驗;(2)機器人和酒店客人之間互動的持續時間和有效性;(3)定量指標對顧客行為的影響,如服務機器人可持續發展的六個關鍵維度:績效效能、內在動機、擬人性、社會條件、便利性和情緒。人工智能和機器人技術將提高餐廳效率和生產力,加快服務速度和簡化企業與客人間互動,提高識別率,增強個性化,為客人提供娛樂,最終影響顧客行為。因此,得出機器人餐廳顧客滿意度的假設H2、H4、H6。

H2:智能化環境設計對顧客滿意度的影響有正向影響。

H4:智能化協同服務對機器人餐廳顧客滿意度的影響有正向影響。

H6:智能化食物控制對機器人餐廳顧客滿意度有正向影響。

機器人餐廳顧客體驗研究主要集中于兩大板塊:餐廳機器人的設計、開發、服務,機器人與員工的人機交互和價值共創,機器人餐廳消費創新、體驗、技術接受度、人工智能應用程度等。但對機器人餐廳新業態下顧客感知、滿意、行為的研究較缺乏。本研究以傳統顧客滿意度測評模型為基礎,結合文獻和顧客評論,重構智能機器人餐廳顧客感知、滿意與行為的測評模型,再通過問卷調查和SEM模型檢驗模型的應用效果并加以修正,推動機器人餐廳顧客消費體驗的可持續發展。故提出假設H7、H8、H9。

H7:機器人餐廳顧客感知價值對顧客滿意度有正向影響。

H8:機器人餐廳顧客感知價值對顧客行為意向有正向影響。

H9:機器人餐廳顧客滿意度對顧客行為意向有正向影響。

本研究以碧桂園機器人餐廳作為案例對象,發現顧客選擇機器人餐廳的主要原因是食物口味、設計科技感、新奇感、人機服務、性價比等26個指標,故把環境設計、人機服務、食物質量控制納入測量維度,將機器人餐廳顧客消費體驗提煉為:智能化環境設計、智能化協同服務、智能化食物控制三個概念,在一個綜合模型中全面檢驗變量間的邏輯關系。根據以上假設,形成了本研究的概念模型圖(見圖1)。

圖1 研究概念模型

3 研究對象與研究過程

3.1 案例選擇

本文選取佛山順德FOODOM天降美食王國機器人餐廳作為案例地,它是碧桂園千璽機器人餐廳的旗艦店。餐廳面積約2000m2,共有20余種、40余臺餐飲機器人廚師集中“上崗”,如前臺接待機器人、煲仔飯機器人、天降美食機器人等,集中餐、快餐、火鍋多業態為一體,可同時為近600客人提供服務。這家機器人餐廳的服務員占40%,機器人占60%;餐廳以年輕消費人群為主,人均客單價85元左右;菜品口味豐富,煲仔飯、秘制叉燒、干炒牛河、鴨血毛肚等菜品是其主要受歡迎餐食;回頭客占30%左右,與全國其他機器人餐廳相比該餐廳的人機配置、消費方式、食物設計均具有一定代表性。

3.2 問卷設計

鑒于尚缺少量表測量機器人餐廳語境中的服務感知,本文遵循了Churchill(1979)的量表開發流程。首先,基于智能化食物質量、智能化協同服務、智能化環境設計三個維度設計問卷。其次,收集定性數據以生成機器人餐廳服務感知的具體題項,定性數據采用了能客觀反映顧客關注和感受的網絡評論。研究選取大眾點評網和美團網作為數據來源,將碧桂園天降美食王國機器人餐廳的752條顧客評論(美團346條+大眾點評306條)整理歸納提煉有效數據后,運用ROST CM6.0內容挖掘系統進行文本分析,選取文本中出現頻次大于50的詞語進行匯總,得出高頻詞表,見表1?；赪ordlt軟件將高頻詞匯形成詞云圖,見圖2。

表1 機器人餐廳顧客評論高頻詞表

圖2 機器人餐廳線上顧客評論詞云

將文本中高頻詞匯按照降冪排列,整理歸納分類,按頻次可劃分為食物質量(菜品口味、種類、衛生、分量、新穎、賣相、質量標準化),環境質量(科技感、新奇感、時尚感、空間、人流量、區域感、餐位廁位)和服務質量(人機服務、上菜速度、排隊時間、機器人可愛、就餐方便)三個維度。正式問卷由三個部分組成:(1)采集人口統計學特征(性別、年齡、受教育程度、月收入和消費次數等);(2)機器人餐廳服務感知題項,包括3個維度23個題項;(3)感知價值、滿意度和行為意向。各變量的具體測量指標如表2所示。所有題項均采用李克特7級量表進行測量,7分代表非常同意,1分代表非常不同意,分數越高表明顧客對該題項的同意程度越高。

表2 機器人餐廳各維度的具體測量指標

3.3 問卷預發放、數據收集與樣本概況

首先發放45份預調研問卷以檢驗數據的有效性,根據結果確定問卷,其中預調研對象為在碧桂園的機器人餐廳用過餐的顧客。之后,筆者分不同時段分別向餐廳內就餐結束的顧客發放正式問卷380份,共回收380份,篩選掉81份無效問卷(剔除原因為問卷答案高度相似或未達到規定填寫時間),實際有效問卷299份,有效率78.68%,樣本概況見表3。

表3 樣本概況

4 研究結果

研究使用SPSS 23和Amos 23統計軟件完成實證分析,計算各個變量指標的平均值和標準差,樣本均值大于4,說明顧客對機器人餐廳的體驗感是認可的。其中智能化環境設計的平均分高于5,說明顧客對餐廳的環境設計的科技感較認可。

4.1 數據的信度和效度分析

變量的可靠性采用內部一致性系數(Cronbach’s值,即α值)測量,結果顯示所有隱變量的α值均﹥0.8(0.860～0.983),可認為本研究的數據信度合格。因子對變量的α值都﹥0.8(最高為0.983)。KMO和Bartlett球形檢驗的值為:KMO檢驗系數遠大于0.7(=0.925),基于此可進一步進行因子分析。通過探索性因子分析,可提取出6個維度,P值﹤0.05;Sig.值﹤0.05,累計方差貢獻率為77.477%,超過50%,說明本研究提取的9個因子比較合理,所得數據具有較高的一致性和有效性,具體見表4。

表4 數據信度分析結果

極大似然估計程序仍然采用Amos 23軟件分析,對模型中9個概念進行驗證性因子分析,結果顯示:擬合優度(AGFI)=0.915﹥0.90,近似均方差殘根(RMSEA)=0.063≤0.08;卡方值與自由度之比x2/df=2.17﹤3.00;P﹤0.01,GFI=0.929,CFI=0.94,IFI=0.94,TLI=0.934,結果均大于0.9,結果適配良好,表明計量模型與數據的擬合程度較好。進一步分析每個變量指標,各指標的因子載荷都在0.72以上,且大部分因子載荷都大于0.80,同時所有因子載荷都高度顯著(t值在12.456～29.232),說明概念指標的會聚效度較高,各個潛變量對應所屬題目具有很高的代表性。研究采用將各概念的解釋方差與它們和其他概念形成的協方差對比法,結果顯示AVE>0.5(協方差),且均小于所對應的AVE的平方根,證明數據間的關聯程度低,不同概念區別很大,區別效度理想,具體見表5。

表5 變量的相關系數、各隱變量解釋的方差、各隱變量與其他變量的協方差

4.2 概念模型檢驗

研究使用Amos 23軟件的極大似然估計程序,把各因變量指標的相關性系數矩陣作為輸入矩陣來檢驗概念模型。模型與數據的擬合程度、結構方程模型分析結果和假設檢驗結果見表6,擬合程度指標均較好,說明模型與數據的擬合程度較高。

表6 概念模型擬合程度指標

樣本待估系數的標準化估算值見表7,列出了隱變量之間各路徑的標準化路徑系數,共9條路徑,其中x1和x4是不顯著的,即RD對PV、SA沒有顯著影響,其余路徑全部顯著。

表7 標準化估算值

中介效應檢驗見表8,從RD出來的三條路徑是不顯著的,下限值和上限值之間包含了0,其余6條路徑的中介效應都是顯著的,如感知價值和滿意度對智能化食品控制和行為意向之間起到顯著地中介作用。

表8 中介效應檢驗

研究結果表明:智能化環境設計(RD)對感知價值和滿意度的影響不顯著,智能化食物控制和智能化協同服務對感知和滿意度的影響比較顯著,這可能是由于機器人餐廳剝離掉科技感、智能化的外殼,其原真內核還是一個以提供食物為主的主題餐廳,智能化菜品的口味、溫度、種類、新鮮等要素持續影響顧客感受。雖然顧客對智能化環境設計的認可度也較高,但智能化環境設計對顧客的感知和滿意度影響不顯著。而智能化食物控制和智能化協同服務對機器人餐廳顧客感知價值和滿意度的影響顯著。因此,結構方程模型分析結果能夠支持H3、H4、H5、H6、H7、H8、H9這幾個假設,不支持H1、H2這幾個假設,擬合后的結構方程模型見圖3。

圖3 結構方程模型的擬合效果

5 研究結論與討論

本文首先構建了基于機器人餐廳情境的消費者服務感知維度,包含智能化食物控制、智能化環境設計、智能化協同服務三個變量。其次發現機器人餐廳的智能化食物控制對顧客感知價值和滿意度的影響最大,且對滿意度的影響高于感知價值。最后驗證發現:機器人餐廳的智能化協同服務正向顯著影響顧客感知和滿意度,且對感知價值的影響高于滿意度,但機器人餐廳的智能化環境設計對顧客的感知價值和滿意感影響較小。

5.1 理論貢獻

理論貢獻可以從如下三點展開:第一,目前對機器人餐廳語境下的服務感知缺乏科學的評價工具,本文遵循嚴格的量表開發程序,識別了機器人餐廳服務感知的具體維度,進一步拓展了餐飲業服務評價的情境。第二,圍繞“感知—態度—行為”的研究框架,構建了機器人餐廳消費者行為概念模型,不僅驗證了本文開發的機器人餐廳服務感知量表的預測效度,也對機器人餐廳語境中消費者行為的影響路徑做了初步的探索。第三,智能化食物對顧客滿意度的影響路徑最顯著,其次是顧客滿意度對行為意向的影響路徑較顯著,與以往的研究相符。

5.2 管理建議

機器人餐廳顧客的持續滿意直接影響機器人餐廳的經營效益和可持續發展,智能餐廳經營者要始終關注顧客的食物需求和服務體驗,而不是過度關注環境設計,如此才不會讓其在餐飲市場上曇花一現。落到實處來說,第一,機器人餐廳門店在通過智能編程前端,持續研發設計新菜品,堅守食物標準化的同時,需提升菜品的口感、溫度、新鮮度、豐富度、更新速度,以滿足消費者就餐的多樣性,讓食物口味多樣化。第二,通過顧客試菜和反饋,滾動式改良機器人食物的預定、支付、制作、運送、取餐、就餐等環節的服務質量,減少顧客等待和排隊時間,提升服務效率,讓服務更智能。第三,通過加強員工與機器人的協同程度和共事能力,預警機器人的常見易發多發故障,及時做好隱患排查和維護保養,尤其是減少就餐高峰期機器人的高頻率運轉出錯,提升顧客與機器人的友好互動,讓環境更智能。

鑒于消費者服務感知是一個動態變化的過程,未來的研究將會擴大樣本范圍,采用縱向數據捕捉消費者的感知變化,為智能餐飲行業提供可持續的管理建議;同時,由于現有對機器人餐廳的研究大多關注服務終端的消費者體驗感知,未來研究可以更多關注員工與機器人餐廳的人機協同,以提升服務效率和餐廳收益。