牟宇鵬 ，丁 剛 ，張 輝

（1.中國礦業(yè)大學(xué) 管理學(xué)院，江蘇 徐州，221116；2.湖北工程學(xué)院 經(jīng)濟(jì)與管理學(xué)院，湖北 孝感 432000）

一、引言

隨著Web3.0浪潮的到來，全球互聯(lián)網(wǎng)行業(yè)即將迎來又一次大的革新風(fēng)暴，人工智能正在邁上一個新的臺階，人機(jī)對話成為人工智能進(jìn)一步發(fā)展需要突破的重要端口。人工智能是基礎(chǔ)互聯(lián)網(wǎng)應(yīng)用，使用率僅次于即時通信；擬人化的搜索引擎在手機(jī)互聯(lián)網(wǎng)應(yīng)用中位列第三，使用率僅低于手機(jī)即時通信和手機(jī)網(wǎng)絡(luò)新聞。同時，作為基礎(chǔ)互聯(lián)網(wǎng)應(yīng)用的人工智能，它的發(fā)展也在逐漸加快，從傳統(tǒng)的百度、谷歌到新興的360搜索、搜狗搜索等人工智能，再到以手機(jī)助理為角色的百度度秘、Google now、Siri、微軟的小娜（Contona），持續(xù)的技術(shù)創(chuàng)新及人工智能技術(shù)不斷成熟正在助推人工智能進(jìn)入一個全新的時代：人工智能擬人化。

人工智能能夠提供精準(zhǔn)的用戶需求信息，而在與用戶的互動溝通中，如何提升用戶的使用體驗是人工智能迫切需要解決的問題。擬人化人工智能成為解決用戶體驗的重要突破口，人工智能擬人化是未來發(fā)展的必然趨勢。那么擬人化的人工智能具有哪些特征？這些特征又對用戶體驗有什么影響？研究這些問題，可以幫助我們更好地找到提升人工智能用戶體驗的突破口，這將有助于企業(yè)有針對性地結(jié)合人工智能技術(shù)，順應(yīng)時代發(fā)展的方向，以用戶的用戶體驗為核心設(shè)計改善人工智能。

二、理論背景

（一）擬人化

擬人化的內(nèi)涵與作用這個問題已經(jīng)被許多早期的研究者所關(guān)注到。從他們的研究來看，對于普通用戶來說，某些產(chǎn)品能夠同人一般擁有意識、靈魂、人格甚至是人際關(guān)系，而這種傾向則被以往的研究者們稱為“擬人傾向”（Anthropomorphism）[1]。

隨著擬人的元素開始被更多的企業(yè)加入到品牌或產(chǎn)品中，研究者們開始關(guān)注到擬人化所具備的獨(dú)特優(yōu)勢。在Kim et al.[2]的研究中，研究人員將賭博機(jī)作為擬人的載體，從而發(fā)現(xiàn)了擬人化能夠從一定程度上影響用戶對風(fēng)險的感知，進(jìn)而影響其一系列的消費(fèi)行為。根據(jù)Epiey et al.[3]關(guān)于擬人化機(jī)制的討論，用戶因為擬人化感知將一些不了解的對象同人類進(jìn)行對比，獲得更好的感知流暢性，從而在感知層面上得到提升。此外，擬人化在滿足用戶認(rèn)知世界需求的基礎(chǔ)上也為其提供了社會聯(lián)系的可能。用戶能夠從擬人化中獲得“伙伴感”以及交流的愉悅感，從而形成品牌或產(chǎn)品和顧客間的情感紐帶，強(qiáng)化用戶與該品牌之間的關(guān)系。對企業(yè)而言，通過經(jīng)營擬人化的品牌或產(chǎn)品，通過與用戶進(jìn)行互動，有助于發(fā)展企業(yè)和顧客間的信任關(guān)系。

擬人化究竟具有哪些特征，傳統(tǒng)的平面廣告設(shè)計再到某些早期的文獻(xiàn)，擬人化體現(xiàn)的形式都曾被涉及到，擬人化外表[4]、語言[5]以及情緒等方面都可以促進(jìn)用戶的擬人化感知。心理學(xué)的研究發(fā)現(xiàn)，個體在認(rèn)知和判斷的過程中，對方是否感知到自身的情緒，并對不同的情緒做出不同的反應(yīng)，這種共情感知是個體判斷擬人化的基礎(chǔ)[6]。這種共情感知又可細(xì)分為認(rèn)知共情和情感共情，其中，認(rèn)知共情是共情的主要組成部分，是指識別他人情緒，理解他人觀點(diǎn)的能力；而在理解他人情緒的同時，還必須對他人的情緒感受產(chǎn)生共鳴，即情感共情[7]。針對擬人化的人工智能，除了共情性外，人工智能所表現(xiàn)出的幽默性和不確定性也在用戶的擬人化感知中扮演了重要的作用，例如Siri針對用戶問答偶爾表現(xiàn)出的調(diào)侃或者模棱兩可的答案，雖然在精準(zhǔn)性上遠(yuǎn)離了人工智能的初衷，卻在一定程度上增強(qiáng)了用戶的使用體驗。從用戶對信息處理的視角，人工智能的共情性特征體現(xiàn)了用戶對信息處理的中央路徑，幽默性和不確定性則體現(xiàn)了用戶對人工智能信息處理的邊緣路徑[8]。因此，縱觀以往的文獻(xiàn)，對人工智能擬人化的認(rèn)知，可以細(xì)分為以下四個維度：認(rèn)知共情、情感共情、幽默性和不確定性。

（二）心理抗拒理論

心理抗拒理論（Psychological Reactance Theory）是指個體相信對自己行為擁有控制權(quán)，而當(dāng)這種控制權(quán)受到限制時，個體通常會采取對抗的方式，從而保護(hù)自己的自由。這種心理抗拒被美國心理學(xué)家布林在其專著《心理感應(yīng)抗拒理論》中首次提出。他認(rèn)為，心理抗拒的強(qiáng)度主要是由以下因素所決定的：（1）對自由的期望。個體對自由期望越高，心理抗拒力量也就越大。（2）對自由剝奪的威脅。個體一旦受到威脅，就會產(chǎn)生心理抗拒。（3）自由的重要程度。該項自由對個體越重要，當(dāng)其被剝奪時，個體產(chǎn)生的心理抗拒也就越大[9]。個體在面臨選擇時，可能將外界影響視為對自己自由的威脅[9]。因此當(dāng)用戶一旦感知到未來繼續(xù)與產(chǎn)品之間的互動將會影響到自己自由選擇的話，便會引發(fā)抗拒心理。

三、研究假設(shè)

人工智能的擬人化特征對用戶使用體驗的影響在于降低了用戶的心理抗拒感知，進(jìn)而提升了用戶的使用體驗[10]。在本研究中主要以人工智能的擬人化特征：共情性（認(rèn)知共情、情感共情）、幽默性和不確定性作為自變量，心理抗拒程度作為中介變量，探討人工智能的擬人化特征對用戶使用體驗的影響。

（一）人工智能擬人化特征的影響

1.認(rèn)知共情。所謂的認(rèn)知共情，即人工智能擁有人類一般的“學(xué)習(xí)”與“思考”的能力，支撐這一特性的是人工智能強(qiáng)大的后臺資源和不斷更新交替的用戶信息，當(dāng)用戶提出一個問題的時候，人工智能會根據(jù)用戶的輸入信息進(jìn)行匹配搜索，并輸出給用戶個性化的搜索結(jié)果。

一些學(xué)者也提出了可以通過SEO（Search Engine Optimization）和UEO（User Experience Optimization）提升用戶體驗，這些都是針對傳統(tǒng)人工智能提出的改進(jìn)建議。對于擬人化人工智能，其認(rèn)知共情特征對用戶體驗的影響在于擬人化人工智能能夠識別用戶的情緒，進(jìn)而改善與用戶的互動溝通。

用戶對于人工智能的選擇最開始大都基于人工智能的后臺資源量。比如當(dāng)用戶選擇一款人工智能產(chǎn)品時，無論該人工智能產(chǎn)品可視界面的友好程度有多高，還是使用操作有多簡易，一旦其后臺資源不足以滿足用戶的需求時，其他的要素也很難影響用戶的選擇。

擬人化人工智能的認(rèn)知共情性不僅僅表現(xiàn)在后臺資源量大這一方面，更為重要的是具備思考和學(xué)習(xí)的能力。當(dāng)用戶在不同時期、情境向人工智能拋出同一個問題時，用戶往往會得到越來越精確和滿意的答案，仿佛是跟著用戶共同進(jìn)步和成長[11]。由此本研究提出假設(shè)：

H1：人工智能的認(rèn)知共情性特征正向影響用戶的使用體驗。

2.情感共情。所謂情感共情，指的是人工智能能感知用戶的情緒，并且通過用戶輸入的信息或指令判斷用戶的情緒并給予相應(yīng)的回復(fù)，具有人類相似的感知能力[7]。Kahneman et al.[12]指出，人的決策系統(tǒng)分為理性和感性決策，由于理性決策需要耗費(fèi)大量的認(rèn)知資源，感性路徑常常成為用戶日常生活中的主要決策方式。因此，強(qiáng)化人工智能的情感共情性特征，增加人工智能邊緣路徑的決策權(quán)重，成為提升人工智能用戶體驗的重要途徑[13]。

以Siri為例，Siri不僅僅擁有強(qiáng)大的聽說功能，能通過語音交互幫助用戶完成一系列任務(wù)，更難能可貴的是當(dāng)用戶在搜索一些信息、表達(dá)出需求時，Siri能準(zhǔn)確地感知用戶的情緒，并做出相應(yīng)的反饋。很多蘋果用戶在與Siri聊天的過程中會表現(xiàn)出開心或者不開心的情緒，此時Siri就會根據(jù)用戶的語音輸入判斷用戶的情緒并給出相應(yīng)的回復(fù)，比如向Siri說“我很傷心”時，Siri就會回復(fù)“如果我有肩膀肯定借你大哭一場”等類似的回答。這種看似與人工智能極不相關(guān)的搜索結(jié)果，卻形成了用戶與人工智能的情感依戀，大大增強(qiáng)了用戶的使用體驗。因此，提出假設(shè)：

H2：人工智能的情感共情性特征正向影響用戶的使用體驗。

3.幽默性?！缎睦韺W(xué)大辭典》中將幽默性定義為通過象征、諷喻、雙關(guān)等修辭手法，揭露生活中的矛盾、乖戾不通情理之處，使人情不自禁發(fā)笑的機(jī)智言語或行為的現(xiàn)象。幽默被作為人類獨(dú)特的特征，是一種常用的廣告溝通策略，能夠吸引注意力，娛樂受眾和刺激分享行為等[14]。研究發(fā)現(xiàn)，人們更傾向于參與有幽默邀請的社交活動[15]，更愿意分享幽默的內(nèi)容[16]。幽默能夠融合新奇性、復(fù)雜性和不一致性，導(dǎo)致一種愉悅喚醒，以此強(qiáng)化用戶的態(tài)度[17]。

比如，Siri對于用戶的提問所給出的回復(fù)具有幽默的特征，這是與傳統(tǒng)人工智能的最大區(qū)別之處。用戶不僅可以通過Siri搜索信息和發(fā)出手機(jī)控制指令，而且可以與Siri閑聊，就像在跟一個真實的人說話一樣，并且時不時地還會給用戶“講講冷笑話”，給予用戶類似真實的社交體驗。擬人化的人工智能在呈現(xiàn)搜索結(jié)果時常常帶有幽默的特征，這也給用戶帶來一定的愉悅感。基于此提出下列假設(shè)：

H3：人工智能的幽默性特征正向影響用戶的使用體驗。

4.不確定性。傳統(tǒng)機(jī)器語言系統(tǒng)中，搜索結(jié)果的精準(zhǔn)性是用戶評價人工智能最為重要的指標(biāo)。然而Web2.0乃至Web3.0時代，基于最新語言處理技術(shù)的人工智能中，用戶使用體驗將變成更為重要的評價指標(biāo)。面對傳統(tǒng)人工智能可能出現(xiàn)的無法給出準(zhǔn)確搜索結(jié)果的情形，基于語音系統(tǒng)的人工智能（Siri）提供了更為多樣性的結(jié)果。雖然很多時候這些搜索結(jié)果有些莫名其妙（例如提問Siri，誰是世界上最漂亮的女人），且很少有完全重復(fù)的答案，用戶對這樣不確定性的答復(fù)卻形成了強(qiáng)烈的好奇心。另一方面，用戶因為不確定性而引發(fā)的高卷入度也有助于降低用戶對人工智能的心理抗拒。尤其是面對一些看似怪異的搜索請求，相對于傳統(tǒng)機(jī)器語言系統(tǒng)，擬人化的人工智能無疑具有更為強(qiáng)大的處理技巧，因此，提出假設(shè)：

H4：擬人化人工智能的不確定性特征正向影響用戶的使用體驗。

（二）心理抗拒的中介作用

目前人工智能主要的贏利模式仍然需要借助相應(yīng)的使用平臺，例如Siri等搜索引擎，這些搜索引擎通過付費(fèi)廣告和競價排名獲取一定的費(fèi)用。如何在不影響用戶評價的基礎(chǔ)上，實現(xiàn)人工智能的贏利，不僅僅是傳統(tǒng)機(jī)器語言系統(tǒng)，也是擬人化人工智能需要關(guān)注的問題。

不論是傳統(tǒng)機(jī)器語言還是基于最新語言處理技術(shù)的擬人化人工智能，為用戶提供精準(zhǔn)的信息都是用戶評價人工智能的重要標(biāo)準(zhǔn)。研究發(fā)現(xiàn)，因為付費(fèi)廣告和競價排名而造成的人工智能搜索結(jié)果個性化偏差甚至謬誤會影響用戶對搜索自由的感知，這會大大降低用戶的搜索體驗。因此，用戶對人工智能商業(yè)性動機(jī)的心理抗拒是影響用戶體驗的關(guān)鍵機(jī)制，用戶的心理抗拒程度直接作用于用戶的使用體驗。

基于心理抗拒的研究也發(fā)現(xiàn)，用戶的心理抗拒程度越高，用戶人工智能的使用體驗也會越差。而擬人化人工智能的共情性、幽默性和不確定性，不論從信息處理的中央路徑視角，還是邊緣路徑視角，都拉近了人工智能與用戶的心理距離，大大降低了用戶使用人工智能的心理抗拒程度，進(jìn)而提升了用戶的用戶體驗。因此，提出以下假設(shè)：

H5：用戶的心理抗拒程度在人工智能擬人化特征對用戶體驗的影響中起中介作用。

四、研究方法

（一）變量定義與測量

研究設(shè)計中所涉及到的變量包括：擬人化人工智能的認(rèn)知共情、情感共情、幽默性、不確定性、用戶心理抗拒程度和用戶體驗。本文利用國內(nèi)外研究成熟量表，采用五級李克特量表對變量進(jìn)行測量。先通過預(yù)調(diào)研測試問卷，然后再修改形成最終問卷。

對擬人化人工智能認(rèn)知共情性的測量，Moreale et al.[17]以Siri為例，Siri起源于史上最大的人工智能項目：CALO（Cognitive Assistant that Learns and Organizes）項目，旨在研究能夠?qū)W習(xí)和組織的認(rèn)知助理，CALO很早之前就開始探索如何把“對話、自然語言理解、視覺、演說、機(jī)器學(xué)習(xí)、制定計劃、理性思考、服務(wù)代表全部融合到一個模仿人類的助理中，幫助人們完成不同的事情。”本文在研究變量中，測量擬人化人工智能的認(rèn)知共情特征分為以下四個方面：全面的（comprehensive）、可更新的（renewable）、準(zhǔn)確的（accuracy）、補(bǔ)充的（complementary）。

對擬人化人工智能情感共情的測量，本文將擬人化人工智能的情感共情定義為擁有聽說讀寫全面功能并且能感知用戶地理位置及情緒的特性。擬人化人工智能的情感共情特性主要涉及：功能全面（Fully functional）、感知重點(diǎn)（Perception on）、感知位置（Location aware）、感知情緒（Perception of emotions）[3]。

對擬人化人工智能幽默性的測量，擬人化人工智能的幽默性是指，對于用戶的提問，人工智能所給出的回復(fù)具有幽默、引人發(fā)笑的特征，這是與傳統(tǒng)人工智能的最大區(qū)別之一。用戶不僅可以通過擬人化人工智能搜索信息和發(fā)出控制指令，而且可以與人工智能通過語音交互“聊天”，在此過程中用戶可以享受類似真實的社交體驗。本文根據(jù)Chattopadhyay et al.[18]提出的“回答機(jī)智、有趣、引人發(fā)笑、不感到厭煩”來測量幽默性。

對擬人化人工智能不確定性特征的測量，本文主要結(jié)合Tversky et al.[13]對不確定性的描述，通過以下三個方面進(jìn)行測量：“非重復(fù)性、多樣性、隨意性”。

對用戶心理抗拒程度的測量，本文結(jié)合謝志鵬等指出的心理抗拒理論包含著兩個主要的要素：被勸說的程度和自由選擇的程度，并據(jù)此來測量用戶的心理抗拒程度[11]。

對用戶體驗的測量，根據(jù)Keller et al.[19]的研究，可以從以下四個方面進(jìn)行測量：心境體驗（peace of mind）、真實感（moments of truth）、結(jié)果體驗（outcome focus）和產(chǎn)品體驗（product experience）。

（二）問卷設(shè)計與問卷收集

本調(diào)查問卷主要包括三部分：第一部分前言和人工智能擬人化的說明。第二部分首先對用戶是否使用過擬人化人工智能（如Siri或者其他）進(jìn)行區(qū)別，在本研究中只針對曾經(jīng)使用過擬人化人工智能（如Siri或者其他）人群進(jìn)行分析，接下來就是對自變量人工智能的認(rèn)知共情、情感共情、人工智能的幽默性、人工智能的不確定性，用戶使用感受（心理抗拒和用戶體驗）等進(jìn)行測量，了解用戶對擬人化人工智能的相應(yīng)看法。第三部分主要是對用戶基本信息的收集，包括年齡、職業(yè)、用戶的收入水平、學(xué)歷等，以便對研究的人群進(jìn)行區(qū)分。

本研究主要是探討人工智能的擬人化特征對用戶體驗的影響，因此我們在問卷數(shù)據(jù)收集中針對的主要人群為有過傳統(tǒng)機(jī)器語言系統(tǒng)使用經(jīng)歷，并且使用過擬人化人工智能的用戶（如Siri或者其他）。本文主要采用線上和線下發(fā)放問卷。

（三）描述性統(tǒng)計分析

本文通過網(wǎng)絡(luò)調(diào)查和直接調(diào)查得到了249份調(diào)查問卷數(shù)據(jù)。調(diào)查顯示，其中215人使用過擬人化人工智能，如蘋果手機(jī)助理Siri、百度度秘、微軟小冰、小娜、小Hi等，占據(jù)總樣本的86.5%。在調(diào)查樣本中，男性占了46.7%，女性調(diào)查者占了53.3%。在年齡層面上，主要集中在20～25歲的大學(xué)生。具體樣本信息見表1。

（四）數(shù)據(jù)的信度和效度檢驗

表1 樣本人口統(tǒng)計信息（N=215）

對于調(diào)查數(shù)據(jù)信效度檢驗，這里主要采用Cronbach's Alpha系數(shù)法，對于調(diào)查問卷總體，Cronbach's Alpha系數(shù)為0.804 2，說明調(diào)查問卷有較好的信度。從各個潛變量的Cronbach's Alpha系數(shù)來看，認(rèn)知共情、情感共情、幽默性、不確定性以及心理抗拒程度和用戶體驗的系數(shù)均大于0.8，說明這些潛變量的信度符合要求。本文采用Bartlett球體檢驗和KMO樣本測度來對數(shù)據(jù)效度進(jìn)行檢驗，樣本數(shù)據(jù)KMO系數(shù)為0.859。在內(nèi)容效度方面，問卷中所涉及的問項都來源于已有的文獻(xiàn)，并且已經(jīng)被引用多次。為保證該問項的科學(xué)性和準(zhǔn)確性，由三名學(xué)科內(nèi)專家及兩名此領(lǐng)域的博士生對該問項進(jìn)行一系列的論證、修訂。在結(jié)構(gòu)效度方面，同時分析了量表的聚合效度以及區(qū)分效度。聚合效度方面，AMOS22.0驗證性因子分析結(jié)果顯示，所有指標(biāo)的路徑系數(shù)都大于0.6，且遠(yuǎn)超過0.4的平均水平，這表明測量量項的聚合效度符合本研究的要求。在區(qū)分效度的驗證方面，本研究運(yùn)用SPSS22.0進(jìn)行計算，其結(jié)果顯示見表2。各變量的相關(guān)系數(shù)在0.04到0.51之間，變量與變量之間具有顯著的差別，該區(qū)分效度達(dá)到要求。總體看來，本次研究問卷數(shù)據(jù)的信效度較好。

（五）驗證型因子分析

本文通過AMOS 22.0對各變量擬合度進(jìn)行檢驗，檢驗結(jié)果如表3所示，由表3可知，本模型各項擬合指數(shù)均達(dá)到了可以接受的水平，模型與數(shù)據(jù)擬合程度較高。

此外，結(jié)構(gòu)方程模型的路徑系數(shù)和相對應(yīng)的臨界比CR如表4所示。一般認(rèn)為，在結(jié)構(gòu)方程模型中，路徑的CR值大于1.96，p＜0.05，說明該路徑系數(shù)具有統(tǒng)計顯著性。接下來，對中介變量進(jìn)行驗證性因子分析，測量模型及擬合結(jié)果分別如表4所示。

測量模型的擬合結(jié)果表明，χ2/df為1.264，小于2，AGFI 接近 0.9，GFI、CFI、IFI、NFI 和 TLI 都大于0.9，且接近于 l，RMSEA 的值為 0.028，小于 0.05，各路徑系數(shù)均在p＜0.001的水平上具有統(tǒng)計顯著性?？梢?，該模型擬合效果非常好，表4所示的因子結(jié)構(gòu)通過了驗證，即本研究對感知自由程度和心理抗拒程度的測度是有效的，H1、H2、H3、H4通過檢驗。

表2 各變量的均值、方差及Pearson相關(guān)系數(shù)

表3 結(jié)構(gòu)方程模型擬合度指標(biāo)（N=215）

表4 修正后結(jié)構(gòu)方程擬合結(jié)果（N=215）

（六）模型中介效應(yīng)檢驗

為檢驗心里抗拒的中介作用。以用戶體驗作為因變量，人工智能的擬人化特征為自變量，根據(jù)結(jié)構(gòu)方程模型擬合結(jié)果，χ2/df為1.011，小于2，AGFI為0.973，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA 的值為 0.033，R2=0.691 2，認(rèn)知共情、情感共情、幽默性與不確定性與用戶體驗的路徑系數(shù)為 β1=0.404，β2=0.212，β3=0.537，β4=0.146，p＜0.001。加入中介變量用戶的心理抗拒程度后再次擬合，結(jié)果顯示，χ2/df為 1.277，小于 2，AGFI為 0.962，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA的值為0.028，R2=0.842 1，擬合優(yōu)度得到顯著提升。認(rèn)知共情、情感共情、幽默性、不確定性與心理抗拒的路徑系數(shù)為 β1=-0.596，β2=-0.681，β3=-0.687，β4=-0.107，p＜0.001，心理抗拒與用戶體驗的路徑系數(shù)為β5=-0.234，p＜0.001。說明加入變量心理抗拒后，模型擬合優(yōu)度提升，同時用戶的心理抗拒程度在人工智能擬人化特征對用戶體驗的影響中起到中介作用。

五、結(jié)論與啟示

（一）結(jié)論

隨著人工智能技術(shù)的不斷完善，具有擬人化特征的人工智能逐漸受到用戶的關(guān)注并接受。在保證人工智能精準(zhǔn)性特征的基礎(chǔ)上，如何提高人工智能的用戶體驗成為人工智能急需解決的難題。讓人工智能“活起來”，具備擬人化特征成為解決上述問題的重要通道。本研究以人工智能技術(shù)為背景，探討了人工智能的擬人化特征對用戶使用體驗的影響。研究發(fā)現(xiàn)，人工智能的擬人化特征可以分為以下四個方面：認(rèn)知共情、情感共情、幽默性和不確定性，人工智能的擬人化特性有效弱化了用戶對人工智能商業(yè)動機(jī)的懷疑，進(jìn)而降低了用戶對搜索信息結(jié)果的心理抗拒程度，有效提升了用戶的使用體驗。本文的理論貢獻(xiàn)包括以下兩個方面：

首先，本研究揭示了人工智能擬人化特征的構(gòu)成維度。產(chǎn)品、品牌的擬人化研究近年來逐漸受到研究人員的關(guān)注，然而當(dāng)前擬人化特征的研究多聚焦于產(chǎn)品、品牌的外觀設(shè)計，圖形設(shè)計或者具體溝通內(nèi)容，但是都缺乏對擬人化特征具體維度的挖掘。本文以人工智能為研究對象，從信息處理的視角將人工智能的擬人化特征分為中央路徑和邊緣路徑。針對中央路徑，又進(jìn)一步細(xì)化為認(rèn)知共情和情感共情；針對邊緣路徑，細(xì)化為幽默性和不確定性。這種對人工智能擬人化特征的細(xì)化，不僅在理論層面豐富了擬人化的研究內(nèi)涵，同時也為企業(yè)完善人工智能的擬人化溝通提供了一定的啟示。

其次，本研究揭示了擬人化人工智能對用戶使用體驗影響的內(nèi)在機(jī)制。付費(fèi)廣告和競價排名為主要贏利模式的傳統(tǒng)機(jī)器語言系統(tǒng)往往難以解決用戶對人工智能商業(yè)動機(jī)的懷疑，對人工智能商業(yè)動機(jī)的抵觸情緒會大大降低用戶的使用體驗。本研究從心理抗拒的視角探討了人工智能的擬人化特性對用戶體驗的影響，實證研究發(fā)現(xiàn)，用戶的心理抗拒程度影響了用戶使用人工智能過程中的感知自由，進(jìn)而影響了用戶的使用體驗，強(qiáng)化人工智能的擬人化特征成為解決上述問題的重要突破口。這也為企業(yè)改善人工智能的擬人化特征提供了重要的理論依據(jù)。

（二）啟示

隨著飛速發(fā)展的工業(yè)制造潮流，人機(jī)對話成為人工智能進(jìn)一步發(fā)展需要突破的重要端口。體驗經(jīng)濟(jì)時代，只有以用戶體驗為核心，客戶滿意為導(dǎo)向發(fā)展企業(yè)的產(chǎn)品和服務(wù)，才能在未來的發(fā)展潮流中走得更高更遠(yuǎn)。

對于中國的互聯(lián)網(wǎng)行業(yè)來說，第四次工業(yè)革命必將成為國內(nèi)經(jīng)濟(jì)發(fā)展的一次重大機(jī)遇。而面對日新月異的互聯(lián)網(wǎng)應(yīng)用，創(chuàng)新服務(wù)是根本。以人工智能產(chǎn)品為例，傳統(tǒng)的人工智能已經(jīng)滿足不了用戶對于個性的追求和用戶體驗層面的需求，企業(yè)應(yīng)加入更多的人性化因素，將產(chǎn)品向擬人化方向引導(dǎo)，貼切服務(wù)用戶的日常生活，改善用戶體驗，獲得更多的用戶的好感，以此來提高產(chǎn)品的市場占有率。

對于在移動互聯(lián)網(wǎng)下成長的九零后、零零后的人群，社交網(wǎng)絡(luò)的不斷深入給移動互聯(lián)網(wǎng)相關(guān)產(chǎn)品的企業(yè)和團(tuán)隊提出了更高的要求。開發(fā)團(tuán)隊要有滿足用戶需求的思維，做好用戶的助手與管家服務(wù)，能夠了解他們的需要、興趣、偏好，并能夠根據(jù)用戶需求精確定制產(chǎn)品與服務(wù)，解決用戶使用中產(chǎn)生的需求。擬人化人工智能與傳統(tǒng)人工智能最大的區(qū)別就在于能進(jìn)行除了基本搜索以外的更多操作和使用，人機(jī)交互模式的創(chuàng)新是其最大突破之一。擬人化人工智能要進(jìn)一步提升用戶體驗，需要不斷加強(qiáng)人工智能的認(rèn)知共情和情感共情，同時適當(dāng)提高人工智能人機(jī)互動中的幽默性和不確定性。