智能機器人服務效應與顧客使用意愿的匹配策略
——基于縱向跟蹤調查的實證研究

李 綱,張 鐸

(華北水利水電大學 管理與經濟學院,河南 鄭州 450046)

一、問題的提出

隨著人工智能的飛速發展,具備擬人化特征的智能機器人在酒店服務中的應用日益廣泛。智能機器人的擬人化特征主要分為功能型和情感型兩類(1)Mende M,Scott M L,van Doorn J,et al.Service Robots Rising:How Humanoid Robots Influence Service Experiences and Elicit Compensatory Consumer Responses,Journal of Marketing Research,Issue 4,2019.。功能型智能機器人強調提升效率,降低成本,致力于提高顧客服務質量。例如,日本的Henn-na機器人可以承擔酒店中70%的工作,包括搬運行李、引導顧客、打掃房間等,成功地將智能機器人融入酒店運營(2)周璇:《機器人幫倒忙》,《中國會展(中國會議)》,2018年第22期。。情感型智能機器人則側重通過自然對話、準確理解情感需求等方式來豐富顧客體驗。又如,JW萬豪酒店推出的虛擬語音助手Alexa能夠根據顧客需求,提供個性化服務,輔助行程安排等。

智能機器人擬人化特征的差異會分化顧客的使用態度?，F有研究表明,智能機器人的擬人化特征會影響顧客行為,進而影響顧客使用智能機器人的意愿(3)林子筠,吳瓊琳,才鳳艷:《營銷領域人工智能研究綜述》,《外國經濟與管理》,2021年第3期。。此外,學者們還指出,智能機器人的有用性、社交能力和外觀等擬人化特征能夠影響顧客的接受度(4)楊增茂,王長峰,楊洪軍:《人工智能擬人化對顧客持續使用意愿的影響:基于心理距離的中介作用》,《財經論叢》,2023年第8期。。然而,目前國內外針對智能機器人的服務效應,尤其是有用性和溫暖對顧客使用意愿的影響的研究還不多見。因此,本文將基于社會認知理論、恐怖谷理論和情緒一致性理論,重點探討智能機器人的有用性和溫暖對顧客使用意愿的影響。

二、文獻回顧與研究假設

(一) 社會認知理論

社會認知理論強調了人、周圍環境與行為之間的相互作用。個體的期望、目標和心態等因素會影響甚至決定人們的行為方式;同時,行為的內在反饋和外界結果又會反過來決定個人的思維、信念以及情感反應等。Fiske等認為,在相互交往時,人類尋求確定對方是“朋友還是敵人”(情感維度),并能夠根據其友好或敵對意圖采取行動(能力維度),情感和能力是社會認知的普遍維度(5)Fiske S T,Cuddy A J C,Glick P:Universal Dimensions of Social Cognition:Warmth and Competence,Trends in Cognitive Sciences,Issue 2,2007.。隨著社會認知理論被拓展到了智能機器人領域,具備情感和能力的智能機器人能夠激活交互者的社會認知機制,從而影響交互者根據智能機器人的能力(有用性)和情感(溫暖)做出是否使用智能機器人的判斷(6)Wykowska A,Chaminade T,Cheng G:Embodied Artificial Agents for Understanding Human Social Cognition,Philosophical Transactions of the Royal Society B:Biological Sciences,Issue 1693,2016.。

(二)智能機器人服務效應的匹配策略對顧客使用意愿的影響

人機交互的感知和接受度并不會隨著擬人化程度的增加而提高,事實上,存在一個特定的閾值。越過這個界限,人們可能會對機器人產生生理上的不適和情感上的反感,導致整體的人機交互體驗明顯下降,這就是所謂的“恐怖谷效應”。當智能機器人的擬人化程度達到一定水平時,顧客的態度和接受度會急劇下降,引發一種恐懼和厭惡的情緒。這是由于智能機器人與人類之間的差異被放大,顧客感覺到一種不自然和不協調。智能機器人的擬人化特征可以從有用性和溫暖兩個維度進行評估。當智能機器人在這兩個維度都達到了與人類相近的水平,但又不完全一致時,更有可能觸發人們的恐怖谷效應,多項研究證實了這一現象(7)張儀,王永貴:《服務機器人擬人化對消費者使用意愿的影響機理研究:社會階層的調節作用》,《外國經濟與管理》,2022年第3期。。Mathur和Reichling通過研究發現,人們更傾向于接觸擬人化程度較低的機器人,而對擬人化程度較高的機器人表現出抗拒的態度,進一步驗證了恐怖谷效應的存在。綜上所述,本文認為智能機器人有用性和溫暖的不匹配策略會提升顧客的使用意愿?；诖?本文提出假說1——

研究假說1a:以智能機器人有用性為中心的不匹配策略對顧客使用意愿存在正向作用。

研究假說1b:以智能機器人溫暖為中心的不匹配策略對顧客使用意愿存在正向作用。

(三)顧客技術焦慮的調節作用

高技術焦慮會降低顧客使用智能機器人的意愿和可能性。當顧客對智能機器人的操作不夠熟練時,可能會產生較高程度的技術焦慮和緊張不安情緒,從而避免與智能機器人的互動,進而削弱對智能機器人的使用意愿(8)Meng F, Guo X, Zhang X, et al: Examining the Role of Technology Anxiety and Health Anxiety on Elderly users’ Continuance Intention for Mobile Health Services Use, 2020.。反之,當顧客的技術焦慮水平較低時,他們在使用智能機器人的過程中會感到放松和自信,從而產生熱情并增強對智能機器人的使用意愿(9)Cai J, Zhao Y, Sun J: Factors Influencing Fitness App Users’ Behavior in China, International Journal of Human-Computer Interaction, Issue 1, 2022.。同時,情緒一致性理論研究表明,人們會根據自己的情緒狀態來判斷某種情境的好壞、正負和風險程度等,并依據這些判斷做出相應的決策和行為。顧客的目標分析會受到附帶感受的影響,糟糕的體驗感知會產生消費評價偏差。根據上述討論,當個體處于高技術焦慮時,容易引發個體的消極情緒。因此,當顧客技術焦慮增高時,以智能機器人有用性為中心的不匹配策略對顧客使用意愿的正向作用可能會減弱。因此,本文提出假說2——

研究假說2:顧客技術焦慮越高,以智能機器人的有用性為中心的不匹配策略對顧客使用意愿的正向作用越弱。

(四)顧客外向性的調節作用

高外向性有助于提高顧客對智能機器人的使用意愿。具有顯著外向特征的人注重談話的質量和溝通頻率,并且更喜歡與人交談,而內向的人傾向于保持社交距離,支持與機器人構建獨立交流環境。具體來說,當智能機器人展現出人性化、友好和關心的溫暖特征時,高外向性顧客更容易與智能機器人產生情感上的共鳴,從而提升其對智能機器人的使用意愿。因此,當顧客外向性越高時,以智能機器人的溫暖為中心的不匹配策略對顧客使用意愿正向作用可能會增強。由此,本文提出假說3——

研究假說3:顧客外向性越高,以智能機器人的溫暖為中心的不匹配策略對顧客使用意愿正向作用越強。

三、研究設計

(一)樣本和過程

本文旨在深入探討智能機器人有用性和溫暖的不匹配策略如何影響顧客使用意愿。為了確保研究的針對性和深度,選擇了酒店行業中使用過各類智能機器人的顧客作為調查對象,這些機器人主要包括迎賓機器人、送餐機器人、行李搬運機器人和客房服務機器人等。

本文采用縱向跟蹤調查,對同一批被調查者展開兩個時間點的調查,調查時間為2022年8-12月份。采用縱向跟蹤調查可以提升調查的針對性,提高問卷調查的真實性和質量?？v向跟蹤調查分為兩個時間點,第一批調查對象的調查內容包括被調查者的基本信息和前因變量(智能機器人的有用性和溫暖),一周后再次以第一批被調查者為對象,調查內容包括結果變量(顧客使用意愿)和調節變量(顧客技術焦慮和顧客外向性),最終依據兩次調查中被調查者的基本信息,將同一位調查對象的問卷數據進行合并,得出最終的調查數據。最后,本文經由兩次調查對比,剔除只填寫一次調查問卷的被調查者數據,保留參與兩次調查的被調查者數據,剔除一份18歲以下的被調查者數據,最終保留263份有效數據。

(二)變量測量

核心變量的測量均采用先前研究中的多題項量表并進行了適應性的改編。為了評估各種獨立的概念,采用了7分的Likert量表進行評分,被調查者的得分范圍從1分(表示強烈反對)到7分(表示強烈同意),以表達其對題項中陳述的同意程度。

通過改編Song等的五項量表來測量智能機器人的有用性(10)Song C S, Kim Y K: The Role of the Human-robot Interaction in Consumers’ Acceptance of Humanoid Retail Service Robots, Journal of Business Research, 2022.。而為了評估智能機器人的溫暖特征,本文參考了Hu等的五項量表來測量,該量表表明溫暖特征對智能助手的使用意愿有積極影響(11)Hu Q, Lu Y, Pan Z, et al: Can AI Artifacts Influence Human Cognition? The Effects of Artificial Autonomy in Intelligent Personal Assistants, International Journal of Information Management, 2021.。顧客技術焦慮通過改編Meuter的九項量表,該量表關注顧客在技術使用時的行為和態度(12)Meuter M L, Ostrom A L, Bitner M J, et al: The Influence of Technology Anxiety on Consumer Use and Experiences with Self-service Technologies, Journal of Business Research, Issue 11, 2003.。顧客外向性改編自Krey的三項量表,該量表揭示了顧客的外向性對使用智能設備的影響(13)Krey N, Chuah S H W, Ramayah T, et al: How Functional and Emotional Ads Drive Smart Watch Adoption: The Moderating Role of Consumer Innovativeness and Extraversion, Internet Research, Issue 3, 2019.。顧客使用意愿通過改編Lee的三項量表來評估,該量表涉及顧客的感知通信質量和滿意度對使用意愿的影響程度(14)Lee M, Park J S: Do Parasocial Relationships and the Quality of Communication with AI Shopping Chatbots Determine Middle-aged Women Consumers' Continuance Usage Intentions? Journal of Consumer Behaviour, Issue 4, 2022.。除此之外,為了更全面地探討各種因素對顧客使用智能機器人意愿的影響,本文還將顧客的性別、年齡和學歷作為重要的控制變量,以確保研究的深度和廣度。

(三)分析方法

在計算兩個構念之間匹配與否的影響時,以往研究習慣于采用差異分數。然而,這種方法會造成模糊和混淆的結果、虛假和過于簡單化的相關性以及方差限制等問題。作為替代方案,多項式回歸彌補了以往方法論的不足(15)陶厚永,曹偉:《多項式回歸與響應面分析的原理及應用》,《統計與決策》,2020年第8期。。方程(1)即為多項式回歸方程表達式,其中,X1和X2為探究匹配性問題的兩個變量,Y為結果變量,b0為截距項,b1- b5為各項系數,εY為誤差項。

Y=b0+b1X1+b2X2+b3X12+b4X1X2+b5X22+εY

(1)

基于比較視角,多項式回歸能夠探究兩個變量間的復雜關系。 X1與X2的比較包含三種情形:一是反映匹配性問題,即X1、X2的匹配性程度與結果變量 Y間的關系;二是X1與X2同方向變化(同時低或同時高)與 Y 的關系;三是 X1與X2反方向變化(二者一高一低)和Y的關系。在運用多項式回歸檢驗兩個變量的比較情形時,通常需要借助響應面分析來輔助觀察不同情形的變化情況。這種方法適合本文的研究背景,即酒店行業智能機器人服務效應與顧客使用意愿的匹配策略。

四、結果與分析

(一)信效度檢驗

為確保研究的可靠性和有效性,本文根據隨機抽樣數據對量表進行了信效度檢驗。表1為變量的信效度檢驗結果,結果顯示Cronbach’s α 系數均大于或接近0.7,且組合信度均大于0.7,表明題項具有較高的一致性。另外,各變量的AVE值均大于0.5,表明量表的收斂及區分效度滿足要求。

表1 測量量表

(二)描述性統計和相關性檢驗

為評估模型中多題項結構的可靠性和有效性,進行了驗證性因素分析。擬合指數為χ2=281.103,df=160,RMSEA=0.054,CFI=0.939,TLI=0.928,擬合良好。本文通過比較個體結構的AVE平方根與所有變量之間的相關性來測量判別有效性。如表2所示,每個構造的AVE的平方根大于所有變量之間的最高相關性,表明判別有效性令人滿意。

表2 描述統計與相關分析表

變量間的多重共線性可能影響到模型的回歸結果。在本文中,通過Harman單因子檢驗發現:(1)特征根大于1的因子有5個,超過1個;(2)第一個因子的方差貢獻率為28.428%,低于30%。據此,本文不存在嚴重的共同方法偏差。

(三)多項式回歸分析

如表3中的模型1所示,不匹配線的斜率不顯著(斜率=-0.006,95%CI=[-0.184,0.151]),表明兩種形式的不匹配策略(即,智能機器人的有用性是否高于溫暖)對顧客使用意愿的影響沒有顯著差異。圖1進一步通過在曲線兩端呈現等效的顧客使用意愿來驗證結果。此外,不匹配線的曲率為正且顯著(曲率=0.526,95%CI=[0.242,0.797]),表明隨著機器人的有用性和溫暖之間的差異增加(即不匹配程度向X軸兩端移動),顧客對機器人的使用意愿將會得到增強。從另一個角度來看,正曲率表明,顧客的使用意愿隨著智能機器人的有用性和溫暖之間的差異減小而降低(即不匹配程度向X軸的中心點移動)。如圖1所示,匹配的機器人策略(X1=X2),可能會導致顧客使用意愿的降低。因此,研究假說1a和研究假說1b均得到支持。

表3 多項式回歸結果

研究假說2涉及顧客技術焦慮的調節效應。如表3中的模型2所示,當顧客技術焦慮較低時,不匹配線的斜率并不顯著(斜率=0.133,95%CI=[-0.078,0.341]),表明當顧客技術焦慮較低時,兩種形式的不匹配策略(即機器人的有用性是否高于溫暖)對顧客使用意愿的影響均不顯著。圖3還通過在曲線兩端呈現等效的顧客使用意愿水平來驗證結果。此外,不匹配線的曲率為正且顯著(曲率=0.700,95%CI=[0.217,1.103]),表明隨著機器人的有用性和溫暖之間的差異增加(即不匹配程度向X軸兩端移動),顧客使用意愿也會隨之增加。當顧客技術焦慮較高時,不匹配線曲率降低(曲率=0.482,95%CI=[0.109,0.864]),表明隨著顧客技術焦慮升高,兩種不匹配策略對于顧客使用意愿的影響會降低。如圖3所示,研究假說2通過檢驗。

研究假說3涉及顧客外向性的調節效應。如表3模型3所示,當顧客的外向性較低時,不匹配線的斜率不顯著(斜率=0.033,95%CI=[-0.339,0.364]),不匹配曲線的曲率為正且顯著(曲率=0.679,95%CI=[0.313,0.679]。如圖3所示,當顧客的外向性較低時,隨著機器人的有用性和溫暖之間的差異增加(即不匹配程度向X軸兩端移動),顧客使用意愿會提升。然而,伴隨著顧客的外向性升高,不匹配線的斜率(斜率=0.010,95%CI=[-0.244,0.242])和曲率(曲率=0.105,95%CI=[-0.501,0.705])均不顯著,表明隨著顧客外向性升高,以溫暖為中心的智能機器人不匹配策略對顧客使用意愿的影響會降低。研究假說3未通過檢驗。就此而言,高外向性的顧客更傾向于與真實的人進行交互而非與機器人交流。他們可能會在人際互動中尋找更豐富、更真實的情感體驗,這是智能機器人難以完全提供的。

五、結論與啟示

本文立足AI服務戰略布局,深入探討了智能機器人有用性和溫暖的匹配策略對顧客使用意愿的作用機制。同時,引入顧客技術焦慮和顧客外向性兩種顧客特征作為邊界條件,構建了相應的理論模型。通過對酒店業使用過智能機器人的顧客進行調研,收集了263份有效問卷,并對這些數據進行了實證分析。主要結論如下:第一,不匹配的智能機器人策略(即追求有用性或溫暖)比匹配的智能機器人策略更有利于提高顧客對智能機器人的使用意愿。第二,顧客技術焦慮具有負向調節效應,以有用性為中心的智能機器人策略更適用于技術焦慮較低的顧客。第三,顧客外向性具有負向調節效應,以溫暖為中心的智能機器人策略更適用于外向性較低的顧客。因此,酒店管理者應該評估顧客特征,并將智能機器人策略與之相匹配。