智能机器人服务效应与顾客使用意愿的匹配策略
——基于纵向跟踪调查的实证研究

李 纲,张 铎

(华北水利水电大学 管理与经济学院,河南 郑州 450046)

一、问题的提出

随着人工智能的飞速发展,具备拟人化特征的智能机器人在酒店服务中的应用日益广泛。智能机器人的拟人化特征主要分为功能型和情感型两类(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.。功能型智能机器人强调提升效率,降低成本,致力于提高顾客服务质量。例如,日本的Henn-na机器人可以承担酒店中70%的工作,包括搬运行李、引导顾客、打扫房间等,成功地将智能机器人融入酒店运营(2)周璇:《机器人帮倒忙》,《中国会展(中国会议)》,2018年第22期。。情感型智能机器人则侧重通过自然对话、准确理解情感需求等方式来丰富顾客体验。又如,JW万豪酒店推出的虚拟语音助手Alexa能够根据顾客需求,提供个性化服务,辅助行程安排等。

智能机器人拟人化特征的差异会分化顾客的使用态度。现有研究表明,智能机器人的拟人化特征会影响顾客行为,进而影响顾客使用智能机器人的意愿(3)林子筠,吴琼琳,才凤艳:《营销领域人工智能研究综述》,《外国经济与管理》,2021年第3期。。此外,学者们还指出,智能机器人的有用性、社交能力和外观等拟人化特征能够影响顾客的接受度(4)杨增茂,王长峰,杨洪军:《人工智能拟人化对顾客持续使用意愿的影响:基于心理距离的中介作用》,《财经论丛》,2023年第8期。。然而,目前国内外针对智能机器人的服务效应,尤其是有用性和温暖对顾客使用意愿的影响的研究还不多见。因此,本文将基于社会认知理论、恐怖谷理论和情绪一致性理论,重点探讨智能机器人的有用性和温暖对顾客使用意愿的影响。

二、文献回顾与研究假设

(一) 社会认知理论

社会认知理论强调了人、周围环境与行为之间的相互作用。个体的期望、目标和心态等因素会影响甚至决定人们的行为方式;同时,行为的内在反馈和外界结果又会反过来决定个人的思维、信念以及情感反应等。Fiske等认为,在相互交往时,人类寻求确定对方是“朋友还是敌人”(情感维度),并能够根据其友好或敌对意图采取行动(能力维度),情感和能力是社会认知的普遍维度(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.。随着社会认知理论被拓展到了智能机器人领域,具备情感和能力的智能机器人能够激活交互者的社会认知机制,从而影响交互者根据智能机器人的能力(有用性)和情感(温暖)做出是否使用智能机器人的判断(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)智能机器人服务效应的匹配策略对顾客使用意愿的影响

人机交互的感知和接受度并不会随着拟人化程度的增加而提高,事实上,存在一个特定的阈值。越过这个界限,人们可能会对机器人产生生理上的不适和情感上的反感,导致整体的人机交互体验明显下降,这就是所谓的“恐怖谷效应”。当智能机器人的拟人化程度达到一定水平时,顾客的态度和接受度会急剧下降,引发一种恐惧和厌恶的情绪。这是由于智能机器人与人类之间的差异被放大,顾客感觉到一种不自然和不协调。智能机器人的拟人化特征可以从有用性和温暖两个维度进行评估。当智能机器人在这两个维度都达到了与人类相近的水平,但又不完全一致时,更有可能触发人们的恐怖谷效应,多项研究证实了这一现象(7)张仪,王永贵:《服务机器人拟人化对消费者使用意愿的影响机理研究:社会阶层的调节作用》,《外国经济与管理》,2022年第3期。。Mathur和Reichling通过研究发现,人们更倾向于接触拟人化程度较低的机器人,而对拟人化程度较高的机器人表现出抗拒的态度,进一步验证了恐怖谷效应的存在。综上所述,本文认为智能机器人有用性和温暖的不匹配策略会提升顾客的使用意愿。基于此,本文提出假说1——

研究假说1a:以智能机器人有用性为中心的不匹配策略对顾客使用意愿存在正向作用。

研究假说1b:以智能机器人温暖为中心的不匹配策略对顾客使用意愿存在正向作用。

(三)顾客技术焦虑的调节作用

高技术焦虑会降低顾客使用智能机器人的意愿和可能性。当顾客对智能机器人的操作不够熟练时,可能会产生较高程度的技术焦虑和紧张不安情绪,从而避免与智能机器人的互动,进而削弱对智能机器人的使用意愿(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,当顾客的技术焦虑水平较低时,他们在使用智能机器人的过程中会感到放松和自信,从而产生热情并增强对智能机器人的使用意愿(9)Cai J, Zhao Y, Sun J: Factors Influencing Fitness App Users’ Behavior in China, International Journal of Human-Computer Interaction, Issue 1, 2022.。同时,情绪一致性理论研究表明,人们会根据自己的情绪状态来判断某种情境的好坏、正负和风险程度等,并依据这些判断做出相应的决策和行为。顾客的目标分析会受到附带感受的影响,糟糕的体验感知会产生消费评价偏差。根据上述讨论,当个体处于高技术焦虑时,容易引发个体的消极情绪。因此,当顾客技术焦虑增高时,以智能机器人有用性为中心的不匹配策略对顾客使用意愿的正向作用可能会减弱。因此,本文提出假说2——

研究假说2:顾客技术焦虑越高,以智能机器人的有用性为中心的不匹配策略对顾客使用意愿的正向作用越弱。

(四)顾客外向性的调节作用

高外向性有助于提高顾客对智能机器人的使用意愿。具有显著外向特征的人注重谈话的质量和沟通频率,并且更喜欢与人交谈,而内向的人倾向于保持社交距离,支持与机器人构建独立交流环境。具体来说,当智能机器人展现出人性化、友好和关心的温暖特征时,高外向性顾客更容易与智能机器人产生情感上的共鸣,从而提升其对智能机器人的使用意愿。因此,当顾客外向性越高时,以智能机器人的温暖为中心的不匹配策略对顾客使用意愿正向作用可能会增强。由此,本文提出假说3——

研究假说3:顾客外向性越高,以智能机器人的温暖为中心的不匹配策略对顾客使用意愿正向作用越强。

三、研究设计

(一)样本和过程

本文旨在深入探讨智能机器人有用性和温暖的不匹配策略如何影响顾客使用意愿。为了确保研究的针对性和深度,选择了酒店行业中使用过各类智能机器人的顾客作为调查对象,这些机器人主要包括迎宾机器人、送餐机器人、行李搬运机器人和客房服务机器人等。

本文采用纵向跟踪调查,对同一批被调查者展开两个时间点的调查,调查时间为2022年8-12月份。采用纵向跟踪调查可以提升调查的针对性,提高问卷调查的真实性和质量。纵向跟踪调查分为两个时间点,第一批调查对象的调查内容包括被调查者的基本信息和前因变量(智能机器人的有用性和温暖),一周后再次以第一批被调查者为对象,调查内容包括结果变量(顾客使用意愿)和调节变量(顾客技术焦虑和顾客外向性),最终依据两次调查中被调查者的基本信息,将同一位调查对象的问卷数据进行合并,得出最终的调查数据。最后,本文经由两次调查对比,剔除只填写一次调查问卷的被调查者数据,保留参与两次调查的被调查者数据,剔除一份18岁以下的被调查者数据,最终保留263份有效数据。

(二)变量测量

核心变量的测量均采用先前研究中的多题项量表并进行了适应性的改编。为了评估各种独立的概念,采用了7分的Likert量表进行评分,被调查者的得分范围从1分(表示强烈反对)到7分(表示强烈同意),以表达其对题项中陈述的同意程度。

通过改编Song等的五项量表来测量智能机器人的有用性(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.。而为了评估智能机器人的温暖特征,本文参考了Hu等的五项量表来测量,该量表表明温暖特征对智能助手的使用意愿有积极影响(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.。顾客技术焦虑通过改编Meuter的九项量表,该量表关注顾客在技术使用时的行为和态度(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.。顾客外向性改编自Krey的三项量表,该量表揭示了顾客的外向性对使用智能设备的影响(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.。顾客使用意愿通过改编Lee的三项量表来评估,该量表涉及顾客的感知通信质量和满意度对使用意愿的影响程度(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,为了更全面地探讨各种因素对顾客使用智能机器人意愿的影响,本文还将顾客的性别、年龄和学历作为重要的控制变量,以确保研究的深度和广度。

(三)分析方法

在计算两个构念之间匹配与否的影响时,以往研究习惯于采用差异分数。然而,这种方法会造成模糊和混淆的结果、虚假和过于简单化的相关性以及方差限制等问题。作为替代方案,多项式回归弥补了以往方法论的不足(15)陶厚永,曹伟:《多项式回归与响应面分析的原理及应用》,《统计与决策》,2020年第8期。。方程(1)即为多项式回归方程表达式,其中,X1和X2为探究匹配性问题的两个变量,Y为结果变量,b0为截距项,b1- b5为各项系数,εY为误差项。

Y=b0+b1X1+b2X2+b3X12+b4X1X2+b5X22+εY

(1)

基于比较视角,多项式回归能够探究两个变量间的复杂关系。 X1与X2的比较包含三种情形:一是反映匹配性问题,即X1、X2的匹配性程度与结果变量 Y间的关系;二是X1与X2同方向变化(同时低或同时高)与 Y 的关系;三是 X1与X2反方向变化(二者一高一低)和Y的关系。在运用多项式回归检验两个变量的比较情形时,通常需要借助响应面分析来辅助观察不同情形的变化情况。这种方法适合本文的研究背景,即酒店行业智能机器人服务效应与顾客使用意愿的匹配策略。

四、结果与分析

(一)信效度检验

为确保研究的可靠性和有效性,本文根据随机抽样数据对量表进行了信效度检验。表1为变量的信效度检验结果,结果显示Cronbach’s α 系数均大于或接近0.7,且组合信度均大于0.7,表明题项具有较高的一致性。另外,各变量的AVE值均大于0.5,表明量表的收敛及区分效度满足要求。

表1 测量量表

(二)描述性统计和相关性检验

为评估模型中多题项结构的可靠性和有效性,进行了验证性因素分析。拟合指数为χ2=281.103,df=160,RMSEA=0.054,CFI=0.939,TLI=0.928,拟合良好。本文通过比较个体结构的AVE平方根与所有变量之间的相关性来测量判别有效性。如表2所示,每个构造的AVE的平方根大于所有变量之间的最高相关性,表明判别有效性令人满意。

表2 描述统计与相关分析表

变量间的多重共线性可能影响到模型的回归结果。在本文中,通过Harman单因子检验发现:(1)特征根大于1的因子有5个,超过1个;(2)第一个因子的方差贡献率为28.428%,低于30%。据此,本文不存在严重的共同方法偏差。

(三)多项式回归分析

如表3中的模型1所示,不匹配线的斜率不显著(斜率=-0.006,95%CI=[-0.184,0.151]),表明两种形式的不匹配策略(即,智能机器人的有用性是否高于温暖)对顾客使用意愿的影响没有显著差异。图1进一步通过在曲线两端呈现等效的顾客使用意愿来验证结果。此外,不匹配线的曲率为正且显著(曲率=0.526,95%CI=[0.242,0.797]),表明随着机器人的有用性和温暖之间的差异增加(即不匹配程度向X轴两端移动),顾客对机器人的使用意愿将会得到增强。从另一个角度来看,正曲率表明,顾客的使用意愿随着智能机器人的有用性和温暖之间的差异减小而降低(即不匹配程度向X轴的中心点移动)。如图1所示,匹配的机器人策略(X1=X2),可能会导致顾客使用意愿的降低。因此,研究假说1a和研究假说1b均得到支持。

表3 多项式回归结果

研究假说2涉及顾客技术焦虑的调节效应。如表3中的模型2所示,当顾客技术焦虑较低时,不匹配线的斜率并不显著(斜率=0.133,95%CI=[-0.078,0.341]),表明当顾客技术焦虑较低时,两种形式的不匹配策略(即机器人的有用性是否高于温暖)对顾客使用意愿的影响均不显著。图3还通过在曲线两端呈现等效的顾客使用意愿水平来验证结果。此外,不匹配线的曲率为正且显著(曲率=0.700,95%CI=[0.217,1.103]),表明随着机器人的有用性和温暖之间的差异增加(即不匹配程度向X轴两端移动),顾客使用意愿也会随之增加。当顾客技术焦虑较高时,不匹配线曲率降低(曲率=0.482,95%CI=[0.109,0.864]),表明随着顾客技术焦虑升高,两种不匹配策略对于顾客使用意愿的影响会降低。如图3所示,研究假说2通过检验。

研究假说3涉及顾客外向性的调节效应。如表3模型3所示,当顾客的外向性较低时,不匹配线的斜率不显著(斜率=0.033,95%CI=[-0.339,0.364]),不匹配曲线的曲率为正且显著(曲率=0.679,95%CI=[0.313,0.679]。如图3所示,当顾客的外向性较低时,随着机器人的有用性和温暖之间的差异增加(即不匹配程度向X轴两端移动),顾客使用意愿会提升。然而,伴随着顾客的外向性升高,不匹配线的斜率(斜率=0.010,95%CI=[-0.244,0.242])和曲率(曲率=0.105,95%CI=[-0.501,0.705])均不显著,表明随着顾客外向性升高,以温暖为中心的智能机器人不匹配策略对顾客使用意愿的影响会降低。研究假说3未通过检验。就此而言,高外向性的顾客更倾向于与真实的人进行交互而非与机器人交流。他们可能会在人际互动中寻找更丰富、更真实的情感体验,这是智能机器人难以完全提供的。

五、结论与启示

本文立足AI服务战略布局,深入探讨了智能机器人有用性和温暖的匹配策略对顾客使用意愿的作用机制。同时,引入顾客技术焦虑和顾客外向性两种顾客特征作为边界条件,构建了相应的理论模型。通过对酒店业使用过智能机器人的顾客进行调研,收集了263份有效问卷,并对这些数据进行了实证分析。主要结论如下:第一,不匹配的智能机器人策略(即追求有用性或温暖)比匹配的智能机器人策略更有利于提高顾客对智能机器人的使用意愿。第二,顾客技术焦虑具有负向调节效应,以有用性为中心的智能机器人策略更适用于技术焦虑较低的顾客。第三,顾客外向性具有负向调节效应,以温暖为中心的智能机器人策略更适用于外向性较低的顾客。因此,酒店管理者应该评估顾客特征,并将智能机器人策略与之相匹配。