呂興洋 楊玉帆 許雙玉 劉小燕

[摘? ? 要]在人工智能（AI）開始廣泛應(yīng)用于酒店、餐飲和在線旅行商等服務(wù)企業(yè)的背景下，AI不可避免地會(huì)發(fā)生服務(wù)失敗。如何通過自身能力進(jìn)行服務(wù)補(bǔ)救以實(shí)現(xiàn)保留顧客的目標(biāo)，成為AI服務(wù)過程中不可忽視的問題。文章聚焦于AI服務(wù)補(bǔ)救，轉(zhuǎn)換傳統(tǒng)的“智商”提升思路，從“情商”角度探索共情回復(fù)的補(bǔ)救效果。研究采用4個(gè)情景實(shí)驗(yàn)進(jìn)行假設(shè)檢驗(yàn)：實(shí)驗(yàn)1A首先驗(yàn)證主效應(yīng);實(shí)驗(yàn)1B采用了不同的AI與顧客的交互方式和服務(wù)失敗類型的組合情境，并在更廣泛的群體中驗(yàn)證主效應(yīng)的穩(wěn)健性;實(shí)驗(yàn)2進(jìn)一步更換情境，以檢驗(yàn)信任度與創(chuàng)新感知的中介作用;最后，實(shí)驗(yàn)3考慮顧客特征，比較兩種中介機(jī)制發(fā)揮作用的群體差異。實(shí)驗(yàn)結(jié)果證明：在AI服務(wù)補(bǔ)救中，高共情回復(fù)可提高顧客對(duì)AI的持續(xù)使用意愿，且信任度與創(chuàng)新感知共同起到完全中介作用。此外，面對(duì)AI高共情回復(fù)，越偏向促進(jìn)焦點(diǎn)（相比偏向防御焦點(diǎn)）的顧客，具有越高的信任度和創(chuàng)新感知，進(jìn)而具有越強(qiáng)的持續(xù)使用意愿;而面對(duì)AI低共情回復(fù)，兩類顧客間則無顯著差異。研究結(jié)論不僅完善了AI服務(wù)推廣及應(yīng)用的研究體系，還為技術(shù)研發(fā)人員及酒店經(jīng)營(yíng)者提供了具體的實(shí)踐建議。

[關(guān)鍵詞]人工智能;人工智能情商;服務(wù)補(bǔ)救;共情;持續(xù)使用意愿

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2021）08-0086-15

Doi： 10.19765/j.cnki.1002-5006.2021.08.012

引言

人工智能（artificial intelligence， AI）是指通過機(jī)器展現(xiàn)出來的人類智能，現(xiàn)已廣泛應(yīng)用于醫(yī)療、教育、住房等多個(gè)領(lǐng)域[1]。由于其具有提升企業(yè)效率、優(yōu)化服務(wù)和降低人力成本等優(yōu)點(diǎn)，酒店、餐飲和在線旅行商等服務(wù)企業(yè)也開始積極引入AI（包括實(shí)體AI機(jī)器人與虛擬AI助手服務(wù)），酒店服務(wù)智能化成為新的發(fā)展方向，甚至已經(jīng)出現(xiàn)了全面使用AI進(jìn)行服務(wù)的智能酒店。例如，2018年底，阿里巴巴首家無人智能酒店“FlyZoo Hotel”于杭州正式開業(yè)，其全流程無人化智能服務(wù)模式令人耳目一新，并引發(fā)業(yè)界紛紛效仿;華住集團(tuán)于2020年2月2日在其旗下5700多家酒店內(nèi)強(qiáng)化推行AI服務(wù)，加快了AI服務(wù)在酒店中全面鋪開的進(jìn)程。在這種人機(jī)交互服務(wù)模式開始廣泛應(yīng)用、AI滲透率不斷提升的情況下，AI替代人工獨(dú)立完成工作并解決問題成為未來的發(fā)展趨勢(shì)，AI成為酒店服務(wù)質(zhì)量的關(guān)鍵因素之一。

傳統(tǒng)的AI技術(shù)開發(fā)商一直致力于通過提高AI“智商”水平以提升服務(wù)質(zhì)量，降低服務(wù)失敗率[1]。但縱然AI“智商”再高，也難以避免服務(wù)失敗的出現(xiàn)，譬如得到吉尼斯世界紀(jì)錄認(rèn)證的世界第一家AI服務(wù)酒店——日本海茵娜怪異酒店，就因AI難以很好地自主應(yīng)對(duì)服務(wù)失敗而收到大量顧客投訴，導(dǎo)致顧客流失[2]。因此，對(duì)AI的研究需要關(guān)注服務(wù)失敗后的補(bǔ)救與顧客保持。特別是酒店、餐飲和在線旅行商等旅游企業(yè)具有顧客群體差異性大、非慣常環(huán)境中顧客需求異質(zhì)化程度高[3]等特點(diǎn)，更是增加了AI服務(wù)失敗的概率。為防止AI服務(wù)失敗導(dǎo)致顧客放棄使用[4]、將不滿上升至酒店、傳播負(fù)面口碑[5]等一系列嚴(yán)重后果，同時(shí)出于節(jié)約成本、解放人力以及人工難以即時(shí)處理AI服務(wù)失敗問題等現(xiàn)實(shí)考慮，AI必須獨(dú)立及時(shí)地進(jìn)行恰當(dāng)?shù)姆?wù)補(bǔ)救[6]。

技術(shù)開發(fā)商試圖通過提升AI“智商”實(shí)現(xiàn)服務(wù)補(bǔ)救，但“智商”的提升不能一蹴而就[1]。受限于當(dāng)前的智能水平，AI很難像人工一樣因人、因地制宜，進(jìn)行靈活的差異化、組合化補(bǔ)救，所以在實(shí)踐中普遍只能采用“道歉”這一通用且在技術(shù)上易于實(shí)現(xiàn)的補(bǔ)救措施[7]。然而其補(bǔ)救效果難以令人滿意，針對(duì)此，需要另辟蹊徑，尋找“智商”以外的其他方法提高AI補(bǔ)救的效果。相關(guān)研究證明，顧客負(fù)面情緒消除是服務(wù)補(bǔ)救成功的直接、關(guān)鍵性途徑[8]，而理解顧客情緒、立場(chǎng)，從顧客角度思考并做出反應(yīng)的共情能力能夠安慰顧客、消除顧客因服務(wù)失敗產(chǎn)生的消極情緒[9-10]。根據(jù)社會(huì)交換理論，這種作用的產(chǎn)生源于AI共情可以為顧客帶來足夠的（即時(shí)或預(yù)期）報(bào)酬，包括外部的工具性服務(wù)（顧客對(duì)AI后續(xù)服務(wù)水平的期望）以及內(nèi)部的積極心理體驗(yàn)（顧客由于AI共情引發(fā)的愉悅、新奇等感受）[11]。由此，本文研究在AI現(xiàn)有“智商”水平下，從顧客情感出發(fā)，通過非技術(shù)手段解決AI服務(wù)失敗問題的可能性。即AI可以嘗試通過共情回復(fù)這一“情商”方式改善服務(wù)補(bǔ)救效果，維持顧客的持續(xù)使用意愿（continuance intention）。研究通過4個(gè)實(shí)驗(yàn)檢驗(yàn)服務(wù)失敗情況下AI共情回復(fù)這一“情商”補(bǔ)救策略的效果與作用機(jī)制，從使用階段上擴(kuò)展了AI服務(wù)的研究，協(xié)助酒店以及其他服務(wù)企業(yè)應(yīng)對(duì)AI推廣過程中遇到的問題。

1 相關(guān)研究綜述

1.1 服務(wù)業(yè)的AI應(yīng)用研究

AI作為服務(wù)創(chuàng)新的革命性技術(shù)，在服務(wù)接待業(yè)的應(yīng)用愈發(fā)廣泛[12]。早期研究主要從AI技術(shù)層面出發(fā)關(guān)注其市場(chǎng)推廣問題，研究?jī)?nèi)容集中在顧客的接受度、滿意度評(píng)價(jià)等方面。大量研究基于顧客視角，在技術(shù)接受模型（technology acceptance model，TAM）、任務(wù)-技術(shù)適配理論（task-technology fit，TTF）、整合技術(shù)接受擴(kuò)展理論（unified theory of acceptance and use of technology，UTAUT）等傳統(tǒng)理論模型指導(dǎo)下分析AI技術(shù)特征、任務(wù)與技術(shù)關(guān)系匹配，以及顧客所處環(huán)境等因素對(duì)顧客使用意愿的影響及其作用機(jī)制，集中論證了顧客對(duì)AI服務(wù)的感知有用性、感知易用性與AI技術(shù)績(jī)效和能力期望相關(guān)變量的中介作用[13]。而隨著對(duì)AI服務(wù)認(rèn)識(shí)的加深，部分研究者開始意識(shí)到，與以往的新技術(shù)不同，顧客期望AI能夠提供與服務(wù)人員相同甚至更高水平的服務(wù)[13]，并基于此結(jié)合AI技術(shù)在服務(wù)情境中的實(shí)際應(yīng)用總結(jié)出了諸如AI形象特征（擬人化[14]、可愛[15]等）、動(dòng)作特征（側(cè)頭[16]、微笑[17]等）等大量外在特征。Lu等、Gursoy等還把擬人化這一最受關(guān)注的外在特征納入了傳統(tǒng)理論模型，加入享樂動(dòng)機(jī)、社會(huì)影響和情緒等因素，構(gòu)建出了AI服務(wù)使用接受模型（model of artificially intelligent device use acceptance，AIDUA）[13，18]，并基于此開發(fā)出新的AI使用意愿量表[13]，驗(yàn)證了績(jī)效期望以外的重要感性心理機(jī)制。

總體而言，上述技術(shù)接受視角下AI推廣問題的研究主要聚焦于提升潛在顧客的接受和使用意愿，但此后的顧客保持也同樣重要，提高顧客持續(xù)使用意愿成為服務(wù)業(yè)AI技術(shù)推廣過程中必須關(guān)注和解決的另一個(gè)問題[19]。針對(duì)此，研究者們相繼發(fā)展出基于期望確認(rèn)模型的信息系統(tǒng)持續(xù)使用模型（expectation-confirmation model of information system continuance，ECM-ISC）與信息系統(tǒng)成功模型（information system success model，ISSM）。這些模型證明顧客持續(xù)使用意愿會(huì)受其初次使用后的感知、期望滿足以及質(zhì)量評(píng)價(jià)的影響，這些因素形成的顧客滿意對(duì)提高其持續(xù)使用意愿起著主導(dǎo)作用[20]。但復(fù)雜的服務(wù)環(huán)境決定了AI不可避免地會(huì)發(fā)生服務(wù)失敗，致使顧客評(píng)價(jià)降低、產(chǎn)生不滿，并進(jìn)一步削弱其持續(xù)使用意愿，甚至令其產(chǎn)生轉(zhuǎn)換意圖[3-6]。故要實(shí)現(xiàn)顧客保持，AI就需要通過恰當(dāng)?shù)姆?wù)補(bǔ)救應(yīng)對(duì)服務(wù)失敗。

通過以上文獻(xiàn)回顧發(fā)現(xiàn)：首先，目前AI服務(wù)的相關(guān)研究還主要集中于顧客的接受度、滿意度評(píng)價(jià)等技術(shù)推廣及初次使用方面，對(duì)AI的持續(xù)使用問題，尤其是不可避免的服務(wù)失敗發(fā)生后的持續(xù)使用問題關(guān)注不足。其次，現(xiàn)有關(guān)于AI使用意愿研究所探討的心理機(jī)制更多著眼于顧客對(duì)AI技術(shù)層面的感知有用性、易用性，對(duì)其他層面心理機(jī)制的挖掘不足。更為重要的是，顧客在AI服務(wù)補(bǔ)救后的心理機(jī)制和初次使用意愿的心理機(jī)制完全不同，需要進(jìn)一步探究。故本文基于AI的機(jī)器屬性，探究其服務(wù)失敗后的持續(xù)使用問題，期望尋找到最適合AI使用的服務(wù)補(bǔ)救手段，并揭示這一手段發(fā)揮作用的心理機(jī)制。

1.2 服務(wù)補(bǔ)救與AI服務(wù)補(bǔ)救措施

以往服務(wù)補(bǔ)救的研究提供了廣泛的補(bǔ)救措施，總體可以概括為精神補(bǔ)救（道歉、共情、公平解決、承諾等）與物質(zhì)補(bǔ)救（賠款、折扣、額外補(bǔ)償?shù)龋﹥纱箢怺21-22]。這些補(bǔ)救措施需要依據(jù)服務(wù)失敗情境[23-24]、服務(wù)失敗程度和顧客對(duì)于服務(wù)補(bǔ)救的期待水平[25-26]等具體因素，按照恰當(dāng)?shù)难a(bǔ)救流程進(jìn)行應(yīng)用。為得到更好的補(bǔ)救效果，精神補(bǔ)救與物質(zhì)補(bǔ)救常常被組合使用[27-28]。但受制于服務(wù)AI現(xiàn)有的程序化、模式化和機(jī)械化等特性，以往人-人互動(dòng)下的補(bǔ)救方式，尤其是組合補(bǔ)救變得難以施行，因此，需要尋找符合AI特征的服務(wù)補(bǔ)救方式。針對(duì)AI的機(jī)器性和科技性，傳統(tǒng)技術(shù)層面的補(bǔ)救思路致力于提升AI分析能力以提高“智商”[1]，期望在失敗后重新傳遞服務(wù)并提高成功率。但這種“高智低情”的技術(shù)思維忽略了服務(wù)業(yè)本質(zhì)上是以顧客為核心的、有溫度的行業(yè)，服務(wù)失敗后顧客所需要的并不只是服務(wù)傳遞過程的重新完成，還需要服務(wù)提供者關(guān)注并安撫其消極情緒。

顧客情緒是指顧客在產(chǎn)品使用或消費(fèi)過程中產(chǎn)生的一系列情感反應(yīng)[29]。當(dāng)前，服務(wù)補(bǔ)救研究也已意識(shí)到顧客情緒的重要性[8]。顧客情緒的改變貫穿服務(wù)補(bǔ)救全過程，且直接影響顧客關(guān)系持續(xù)[8]：顧客的積極情緒能夠降低其不滿水平[30]，對(duì)其重購(gòu)意愿、口碑傳播和滿意度等行為意向產(chǎn)生積極影響，從而正向影響顧客關(guān)系持續(xù);消極情緒則起著相反作用[31]。特別是在高交互、高沖突的情境下，顧客情緒的作用甚至?xí)紦?jù)主導(dǎo)地位[8]。故酒店、餐飲和在線旅行商等高交互服務(wù)企業(yè)在補(bǔ)救中尤其需要考慮具有情緒調(diào)節(jié)作用的補(bǔ)救方式，以此提升補(bǔ)救效果。

綜合上述AI特性及酒店服務(wù)特征，AI服務(wù)補(bǔ)救不能僅依賴“智商”，還應(yīng)當(dāng)從顧客情緒需要出發(fā)，尋求可以促使AI服務(wù)補(bǔ)救效用最大化的補(bǔ)救方法。而在所有的補(bǔ)救手段中，共情作為“情商”的重要組成部分和突出表現(xiàn)形式在人際互動(dòng)中被證明對(duì)消除顧客消極情緒起著突出的積極效果[10]。但在人機(jī)交互的服務(wù)情境中，AI共情這一“情商”手段能否改善AI服務(wù)補(bǔ)救效果、增強(qiáng)顧客持續(xù)使用意愿還有待證明。

1.3 AI共情及其重要作用

共情是一種包含認(rèn)知、情感和行為等多個(gè)維度的個(gè)體“情商”能力[9]。而AI共情則是指AI感知、理解和回應(yīng)人類想法、感受、行為和經(jīng)驗(yàn)的能力，是AI社會(huì)性的體現(xiàn)[32]。因此，AI共情不僅被視為是實(shí)現(xiàn)人機(jī)成功互動(dòng)的高級(jí)技能[33]，更被看作是提高AI服務(wù)水平的重要途徑[1]。通常來說，AI共情與人類共情相同，可通過口語(yǔ)表達(dá)、觸摸安撫、行為鏡像等語(yǔ)言和非語(yǔ)言行為共同完成[9]。但在實(shí)際應(yīng)用過程中，受制于AI應(yīng)用形式（面板、擬人實(shí)體或虛擬助手等）、服務(wù)場(chǎng)景和企業(yè)應(yīng)用成本等因素，AI無法將所有的共情手段都投入服務(wù)實(shí)踐。共情回復(fù)（empathic response）這一補(bǔ)救手段不受AI形態(tài)限制，可用于語(yǔ)音、文字和表情等多種交互方式，成為當(dāng)前AI共情的主要呈現(xiàn)方式[34]。

作為服務(wù)質(zhì)量評(píng)估模型的五維度（可靠性、保證性、有形性、共情性和響應(yīng)性）之一，共情高度影響顧客的情緒水平和服務(wù)質(zhì)量感知[35]。已有研究證明，具有高共情能力的AI在與用戶互動(dòng)時(shí)會(huì)表現(xiàn)出高度的關(guān)懷、支持和對(duì)其利益的關(guān)心[36]。這有助于增強(qiáng)用戶信任度[37]、舒適感[38]以及與AI互動(dòng)的契合度[39]等積極情感，緩解其焦慮和壓力[40]等負(fù)面情緒，進(jìn)而可提升AI的接受度和滿意度[34]，推動(dòng)AI與用戶間建立并保持積極關(guān)系[41]。上述研究均是在交互成功假設(shè)下證明AI共情的價(jià)值。然而，在酒店、餐飲和在線旅行商等高交互、高沖突的特殊服務(wù)情境[42]中，交互失敗不可避免。此時(shí)，考慮到實(shí)際應(yīng)用情境，共情回復(fù)作為一種AI技術(shù)的服務(wù)補(bǔ)救工具的積極作用還需驗(yàn)證。具體而言，當(dāng)AI共情方式具體為共情回復(fù)時(shí)，其是否足以幫助AI更好地應(yīng)對(duì)服務(wù)失敗問題;相比于以往人-人互動(dòng)的服務(wù)補(bǔ)救其作用機(jī)制有何不同、對(duì)不同類型顧客的影響是否存在差異等問題，還需要在充分考慮AI機(jī)器屬性的基礎(chǔ)上進(jìn)一步探索。

2 研究假設(shè)

本文在刺激-機(jī)體-反應(yīng)（stimulus-organism-response，S-O-R）框架下，利用社會(huì)交換理論（social exchange theory，SET）構(gòu)建理論模型。社會(huì)交換理論認(rèn)為，交換是社交關(guān)系的最基本形式，個(gè)體的交換行為取決于做出這一行為所能獲得的報(bào)酬。當(dāng)個(gè)體期望自身可以得到即時(shí)或預(yù)期報(bào)酬時(shí)，就會(huì)參與到社會(huì)交換活動(dòng)中。由于社會(huì)交換理論的基本原則之一是隨著時(shí)間的推移，關(guān)系會(huì)演變?yōu)樾湃?、忠誠(chéng)和相互承諾[43]，而隨著信息技術(shù)的發(fā)展，服務(wù)業(yè)中的人機(jī)互動(dòng)逐漸增多，人機(jī)關(guān)系日益密切，因此，社會(huì)交換理論開始廣泛應(yīng)用于技術(shù)采納及持續(xù)使用研究[44]。

根據(jù)社會(huì)交換理論，AI服務(wù)失敗后做出的補(bǔ)救能否為顧客帶來足夠的報(bào)酬，是影響顧客持續(xù)使用意愿的關(guān)鍵。這種報(bào)酬可以分為外在和內(nèi)在兩種類型。外在報(bào)酬是指物質(zhì)性財(cái)富或工具性服務(wù)，如金錢、產(chǎn)品、幫助、服從等[11]。在AI服務(wù)失敗后，顧客會(huì)對(duì)其能否解決問題、重新完成任務(wù)以及提供高水平服務(wù)等外在報(bào)酬進(jìn)行評(píng)估和判斷。顧客只有在認(rèn)為自己能夠得到這些外在報(bào)酬時(shí)才會(huì)愿意繼續(xù)使用。顧客對(duì)AI的信任度（trust）是指顧客在風(fēng)險(xiǎn)情境下對(duì)AI履行承諾、以積極方式幫助其維護(hù)利益程度的信心[45]，代表了顧客在AI服務(wù)補(bǔ)救中對(duì)AI所能帶來的外在報(bào)酬的期望和評(píng)價(jià)。內(nèi)在報(bào)酬則是指從社交關(guān)系本身獲得的心理上的積極體驗(yàn)，如樂趣、贊同、新奇、愉悅等[11]。而創(chuàng)新感知（perceived innovativeness）作為顧客對(duì)產(chǎn)品創(chuàng)新性的主觀評(píng)價(jià)，包括創(chuàng)意新穎性感知、技術(shù)新穎性感知和相對(duì)優(yōu)勢(shì)感知，本身就代表了顧客通過產(chǎn)品創(chuàng)新性能夠得到的新鮮感、新穎感和獨(dú)特感等積極愉悅的內(nèi)在心理體驗(yàn)，因而成為顧客可以通過AI共情回復(fù)獲得的重要內(nèi)在報(bào)酬，將高度影響顧客態(tài)度和行為[46]。故結(jié)合SOR模型與社會(huì)交換理論，本文將顧客的信任度與感知?jiǎng)?chuàng)新作為AI共情回復(fù)這一外在刺激與持續(xù)使用意愿這一反應(yīng)結(jié)果間的心理機(jī)制，構(gòu)建出本文的理論模型（圖1）。

2.1 服務(wù)補(bǔ)救中AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響

AI服務(wù)失敗使顧客產(chǎn)生AI服務(wù)能力不足的消極感知，引發(fā)顧客不滿情緒，進(jìn)而導(dǎo)致顧客流失[47]。解決這一問題并提升顧客持續(xù)使用意愿的重點(diǎn)就在于解決顧客的不滿情緒。AI采用高水平的共情回復(fù)進(jìn)行服務(wù)補(bǔ)救能對(duì)處于消極情緒中的顧客進(jìn)行情感回應(yīng)，充分向顧客傳遞其理解、照顧顧客情緒并始終以顧客利益為核心等有效信息[48]。這種情感回應(yīng)與顧客在服務(wù)失敗后尋求問題解決和情感彌補(bǔ)的目標(biāo)和價(jià)值一致，將使顧客對(duì)AI本身產(chǎn)生正面評(píng)價(jià)，誘發(fā)顧客滿意、愉快等積極情緒[49]。從而達(dá)成消除由AI服務(wù)失敗產(chǎn)生的負(fù)面情緒及其負(fù)面影響[50]，保持顧客對(duì)AI的持續(xù)使用意愿，最終實(shí)現(xiàn)成功的服務(wù)補(bǔ)救的目的。由此，本文提出如下假設(shè)：

H1：在AI服務(wù)補(bǔ)救中，相較于低共情回復(fù)，高共情回復(fù)可提高顧客對(duì)AI的持續(xù)使用意愿

2.2 信任度和創(chuàng)新感知的中介作用

以往研究發(fā)現(xiàn)，在人機(jī)交互過程中，當(dāng)感受到AI回應(yīng)表現(xiàn)出技術(shù)的腳本化、程序化特征時(shí)，顧客更缺乏耐心和溝通意愿[51]，加劇顧客消極感知。故AI服務(wù)失敗以后，AI若采用低共情甚至是機(jī)械化的重復(fù)報(bào)錯(cuò)、提示重新操作和道歉等方式回應(yīng)將加劇顧客對(duì)AI能力的負(fù)面認(rèn)知，降低對(duì)AI的信任度[39]，進(jìn)而降低持續(xù)使用意愿。相較而言，AI高共情回復(fù)則避免了人機(jī)交互中機(jī)器帶給顧客的死板和冰冷感，展現(xiàn)出更貼心的、更類似人-人互動(dòng)的反饋。這種以顧客需求為核心并致力于彌補(bǔ)顧客情感損失的補(bǔ)救方式不僅回應(yīng)了顧客的問題解決訴求，更滿足了顧客對(duì)服務(wù)AI的情感反應(yīng)能力的期望[52]，傳遞出了更高水平的關(guān)心、幫助和支持[39]。由此提高了顧客對(duì)于AI能在面對(duì)風(fēng)險(xiǎn)或失敗時(shí)關(guān)心幫助自己，并維護(hù)自己利益等外部報(bào)酬的正面感知——即顧客對(duì)AI的信任水平得以提升。顧客的高度信任可以降低顧客的轉(zhuǎn)換意圖和流失率[53]。即若顧客信任AI，則在顧客眼中，與AI服務(wù)的關(guān)系持續(xù)是有價(jià)值的，從而不會(huì)放棄使用AI。因此，在遭遇服務(wù)失敗時(shí)，顧客會(huì)因高度信任而擁有更高的持續(xù)使用意愿。據(jù)此，本文做出以下假設(shè)：

H2a：在AI服務(wù)補(bǔ)救中，相較于低共情回復(fù)，顧客對(duì)高共情回復(fù)的AI擁有更高的信任度

H2b：信任度在AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響中起到中介作用

早期的人機(jī)交互設(shè)計(jì)中，為提升機(jī)器功能水平，技術(shù)人員常常有意略去共情并減少相關(guān)反應(yīng)[54]，但隨著顧客需求水平的提高和技術(shù)的進(jìn)步，服務(wù)AI研發(fā)開始探索提升其共情能力，從而滿足顧客情感需求，共情回復(fù)就是其表現(xiàn)形式之一[34]。在服務(wù)AI發(fā)展的4階段（機(jī)械A(chǔ)I、分析AI、直覺AI和共情AI[1]）中，共情AI被認(rèn)為是服務(wù)AI發(fā)展的高級(jí)階段，需要更先進(jìn)、更復(fù)雜和更創(chuàng)新的技術(shù)投入[1]。因此，相較于AI的低共情回復(fù)，高共情回復(fù)將使顧客感覺更有創(chuàng)意、更新穎，由此提高了顧客的創(chuàng)新感知這種內(nèi)在報(bào)酬水平。這種內(nèi)在報(bào)酬還可以進(jìn)一步誘發(fā)顧客喜愛[55]等正面情緒，幫助其消除因服務(wù)失敗產(chǎn)生的不滿情緒，促使顧客著眼于當(dāng)前的愉悅體驗(yàn)，從而對(duì)AI此前的失敗呈現(xiàn)出更為寬容的態(tài)度，提升顧客持續(xù)使用意愿。故AI高共情回復(fù)可以通過提高顧客的創(chuàng)新感知水平來提升其持續(xù)使用意愿。據(jù)此，本文做出以下假設(shè)：

H3a：在AI服務(wù)補(bǔ)救中，相較于低共情回復(fù)，顧客對(duì)高共情回復(fù)的AI擁有更高的創(chuàng)新感知

H3b：創(chuàng)新感知在AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響中起到中介作用

2.3 特質(zhì)性調(diào)節(jié)焦點(diǎn)的調(diào)節(jié)作用

服務(wù)補(bǔ)救后的顧客決策除了考慮服務(wù)提供者的補(bǔ)救措施影響外，還需要考慮顧客的個(gè)體特征。顧客的特質(zhì)性調(diào)節(jié)焦點(diǎn)（chronic regulatory focus）這一個(gè)體特征是指?jìng)€(gè)體在追求期望狀態(tài)的過程中存在的促進(jìn)焦點(diǎn)（promotion focus）和防御焦點(diǎn)（prevention focus）兩種自我調(diào)節(jié)傾向[56]，會(huì)影響顧客的行為意向[57]。促進(jìn)焦點(diǎn)出于成就需求引導(dǎo)個(gè)體采取積極趨近策略達(dá)到期望狀態(tài)，通常對(duì)外部刺激產(chǎn)生更為積極的認(rèn)知[58]。而防御焦點(diǎn)總是尋求那些更加安全和信任的因素[59]，趨向關(guān)注失敗和風(fēng)險(xiǎn)，并最終采取回避策略[60]。兩種調(diào)節(jié)焦點(diǎn)可以同時(shí)存在，但具體哪種調(diào)節(jié)焦點(diǎn)占據(jù)主導(dǎo)地位取決于個(gè)人的特質(zhì)傾向[61]。

AI服務(wù)失敗下的共情回復(fù)既包含了AI服務(wù)失敗中的消極因素，也有AI共情回復(fù)所表現(xiàn)出的關(guān)注顧客需求、維護(hù)顧客利益以及技術(shù)創(chuàng)新等積極信息。促進(jìn)焦點(diǎn)傾向的顧客會(huì)更多關(guān)注AI共情回復(fù)中呈現(xiàn)的積極信息[62]，并愿意為了達(dá)成目標(biāo)承擔(dān)可能再次失敗的風(fēng)險(xiǎn)，故面對(duì)AI共情回復(fù)會(huì)產(chǎn)生高水平的信任度和創(chuàng)新感知，進(jìn)而提升持續(xù)使用意愿。相對(duì)而言，越傾向防御焦點(diǎn)的顧客，出于安全和保障的動(dòng)機(jī)[63]會(huì)更加關(guān)注補(bǔ)救前的AI失敗及由此產(chǎn)生的不確定性并強(qiáng)化不滿，削弱了共情回復(fù)帶來的積極效果，采取回避策略[64]，從而更不容易因AI共情回復(fù)產(chǎn)生高水平的信任度和創(chuàng)新感知，持續(xù)使用的意愿也更低。由此，本文做出以下假設(shè)：

H4a：在AI服務(wù)失敗情境下，越偏向促進(jìn)焦點(diǎn)（相比偏向防御焦點(diǎn)）的顧客，面對(duì)AI高共情回復(fù)，具有越高的信任度，進(jìn)而具有越強(qiáng)的持續(xù)使用意愿;而面對(duì)AI低共情回復(fù)，兩類顧客間無顯著差異

H4b：在AI服務(wù)失敗情境下，越偏向促進(jìn)焦點(diǎn)（相比偏向防御焦點(diǎn)）的顧客，面對(duì)AI高共情回復(fù)，具有越高的創(chuàng)新感知，進(jìn)而具有越強(qiáng)的持續(xù)使用意愿;而面對(duì)AI低共情回復(fù)，兩類顧客間無顯著差異

2.4 研究框架

本文共設(shè)計(jì)了4個(gè)實(shí)驗(yàn)（表1），首先，在年輕群體中檢驗(yàn)AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的提升作用（實(shí)驗(yàn)1A）;其次，在更廣泛的群體中驗(yàn)證實(shí)驗(yàn)1A結(jié)果的穩(wěn)健性（實(shí)驗(yàn)1B）;此后，進(jìn)一步檢驗(yàn)信任度與創(chuàng)新感知的中介作用（實(shí)驗(yàn)2）;最后，比較兩種中介機(jī)制發(fā)揮作用的群體差異（實(shí)驗(yàn)3）。

3 實(shí)驗(yàn)1A

3.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)1A采用單因素組間實(shí)驗(yàn)設(shè)計(jì)（共情回復(fù)：高vs.低），檢驗(yàn)服務(wù)補(bǔ)救中AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響。由于服務(wù)失敗分為過程失敗與結(jié)果失敗兩類[64]。實(shí)驗(yàn)1A首先選擇過程失敗，即發(fā)生在服務(wù)傳遞過程中，由服務(wù)傳遞的流程、方法、習(xí)慣或服務(wù)人員態(tài)度而導(dǎo)致的服務(wù)失敗情景，并采用文字這一常見的人機(jī)交互形式。此外，對(duì)于AI服務(wù)這種新型高科技服務(wù)形式，年輕群體接觸得更多、更為熟悉，所以選擇先在年輕群體中進(jìn)行驗(yàn)證。

3.2 實(shí)驗(yàn)前測(cè)

為確保自變量操縱的有效性，在正式實(shí)驗(yàn)前，對(duì)AI共情回復(fù)的實(shí)驗(yàn)材料進(jìn)行前測(cè)。兩組實(shí)驗(yàn)材料除服務(wù)失敗后的回復(fù)表述不同外，無任何差別，具體如下。

假設(shè)你在一家擁有AI服務(wù)系統(tǒng)的酒店預(yù)訂了房間，到達(dá)酒店后，你選擇使用大堂中的AI自助辦理入住。你點(diǎn)擊屏幕喚醒AI，此時(shí)屏幕上出現(xiàn)“您好，歡迎光臨，接下來由我為您服務(wù)”的字樣。你繼續(xù)點(diǎn)擊屏幕上的“辦理入住”選項(xiàng)，接著AI顯示屏顯示“請(qǐng)將ID卡放在指定位置”，你將ID卡放在指定位置進(jìn)行身份驗(yàn)證。稍后，AI顯示屏顯示：

低共情回復(fù)組：驗(yàn)證失敗，請(qǐng)您重新放置ID卡。

高共情回復(fù)組：驗(yàn)證失敗，不要擔(dān)心，請(qǐng)您重新放置ID卡。

你進(jìn)行第二次驗(yàn)證，之后AI顯示屏仍顯示：

低共情回復(fù)組：驗(yàn)證失敗，請(qǐng)您重新放置ID卡。

高共情回復(fù)組：還是沒有成功，雖然心累，但我們?cè)僭囈淮魏脝帷?/p>

屏幕上提示你再次嘗試。第三次驗(yàn)證后，AI顯示屏顯示：

低共情回復(fù)組：驗(yàn)證成功，歡迎您入住本酒店。

高共情回復(fù)組：驗(yàn)證成功，我會(huì)更努力以勝任您的智能管家，歡迎您入住本酒店。

前測(cè)有償招募60名參與者（男性51.7%;M年齡=20.37，SD=2.54），隨機(jī)分組閱讀上述實(shí)驗(yàn)材料，之后評(píng)估回復(fù)內(nèi)容的共情水平。測(cè)量題項(xiàng)參考Ronan等[42]的成熟量表，并根據(jù)本研究情景做出修改，具體包括3個(gè)題項(xiàng)：“我感覺這個(gè)AI在回復(fù)我時(shí)考慮到我的感受” “我感覺這個(gè)AI在回復(fù)時(shí)是以我為中心的”“我感覺這個(gè)AI在回復(fù)我時(shí)是站在我的角度來思考問題的”（Likert 7級(jí)量表，1=非常不贊同，7=非常贊同）。單因素方差分析結(jié)果顯示，對(duì)于共情水平（α=0.91），高共情回復(fù)組顯著高于低共情回復(fù)組（M低共情=4.18，M高共情=5.70，F(xiàn)（1，58）=22.18，p<0.001），實(shí)驗(yàn)材料符合實(shí)驗(yàn)操控要求。

3.3 正式實(shí)驗(yàn)

為了排除參與者實(shí)驗(yàn)前情緒對(duì)顧客持續(xù)使用意愿[66]的影響，首先詢問其當(dāng)前情緒，之后請(qǐng)參與者閱讀實(shí)驗(yàn)刺激材料（與前測(cè)相同），并填寫問卷。問卷包括服務(wù)失敗嚴(yán)重程度、共情水平、持續(xù)使用意愿及人口統(tǒng)計(jì)信息（性別和年齡）。情緒測(cè)量題項(xiàng)源于Townsend和Sood[67]、Nenkov和Scott[68]、Watson等[69]的研究，包括悲傷-快樂，壞心情-好心情，易怒-滿意，抑郁-開朗（1代表偏向左側(cè)消極情緒，7代表偏向右側(cè)積極情緒）;對(duì)失敗嚴(yán)重程度的評(píng)價(jià)采用Hess[70]使用過的單項(xiàng)測(cè)量問項(xiàng)目：“您認(rèn)為這個(gè)AI服務(wù)失敗的嚴(yán)重程度為……”（Likert 7級(jí)量表，1=非常不嚴(yán)重，7=非常嚴(yán)重）。共情水平測(cè)量題項(xiàng)與實(shí)驗(yàn)前測(cè)相同，持續(xù)使用意愿的測(cè)量采用Bhattacherjee[20]的信息系統(tǒng)持續(xù)使用意愿量表，并根據(jù)情景做出修改，包括以下3個(gè)題項(xiàng)：“我會(huì)再次嘗試使用這個(gè)AI而不是停止使用它”“我會(huì)繼續(xù)使用這個(gè)AI而不是呼叫服務(wù)人員”“即使可以選擇停止，我也不會(huì)停止使用這個(gè)AI”（Likert 7級(jí)量表，1=完全不贊同，7=非常贊同）。正式實(shí)驗(yàn)在某大學(xué)內(nèi)有償招募具有酒店住宿經(jīng)驗(yàn)的本科高年級(jí)學(xué)生。實(shí)驗(yàn)設(shè)計(jì)了注意力驗(yàn)證、連續(xù)極值/連續(xù)同值排除的篩選規(guī)則（后續(xù)實(shí)驗(yàn)問卷均設(shè)置此規(guī)則以獲取有效樣本），最終獲得有效樣本83份（男性51.8%;M年齡=20.71，SD=1.77）。

3.4 實(shí)驗(yàn)結(jié)果

操縱檢驗(yàn)：?jiǎn)我蛩胤讲罘治鼋Y(jié)果顯示，組間情緒（α=0.85）差異不顯著（M低共情=4.74，M高共情=5.26，F(xiàn)（1，81）=3.02，p=0.086），參與者實(shí)驗(yàn)前情緒的潛在影響得以排除。對(duì)服務(wù)失敗嚴(yán)重程度的感知組間差異不顯著（M低共情=4.90，M高共情=4.83，F(xiàn)（1，81）=0.10，p=0.757）。對(duì)于共情水平（α=0.90），高共情回復(fù)組顯著高于低共情回復(fù)組（M低共情=4.46，M高共情=5.34，F(xiàn)（1，81）=10.44，p=0.002），實(shí)驗(yàn)操縱成功。此外，本文在4個(gè)實(shí)驗(yàn)中均測(cè)量了樣本的性別與年齡，實(shí)驗(yàn)結(jié)果表明，二者對(duì)參與者關(guān)于共情水平的感知均沒有顯著影響。

因變量檢驗(yàn)：對(duì)因變量持續(xù)使用意愿（α=0.91）的分析結(jié)果顯示，在服務(wù)失敗場(chǎng)景下，AI高共情回復(fù)組的持續(xù)使用意愿顯著高于低共情回復(fù)組（M低共情=4.30，M高共情=5.58，F(xiàn)（1，81）=31.03，p<0.001）。

接下來，本文通過協(xié)方差分析來測(cè)試在控制了參與者的年齡和性別時(shí)共情回復(fù)對(duì)持續(xù)使用意愿的影響，結(jié)果與單因素方差分析保持一致。具體而言，在服務(wù)失敗時(shí)，AI高共情回復(fù)組的持續(xù)使用意愿顯著高于低共情回復(fù)組（M低共情=4.27，M高共情=5.61，F(xiàn)（1，79）=30.42，p<0.001）。年齡（F（1，79）=0.10，p=0.754）和性別（F（1，79）=0.48，p=0.490）均對(duì)持續(xù)使用意愿無顯著影響。至此，H1得到初步驗(yàn)證。后續(xù)實(shí)驗(yàn)均控制了樣本的性別與年齡，分析結(jié)果表明，影響均不顯著。

3.5 討論

實(shí)驗(yàn)1A在過程失敗情景下初步驗(yàn)證了共情回復(fù)對(duì)持續(xù)使用意愿的影響。但實(shí)驗(yàn)1A仍存在以下局限：首先，文字僅是AI與顧客交互的一種方式，對(duì)于其他人機(jī)交互方式（如語(yǔ)音），共情回復(fù)是否仍然有效，還需進(jìn)一步驗(yàn)證。其次，實(shí)驗(yàn)1A僅考察了過程失敗情景，還應(yīng)在結(jié)果失敗情景下對(duì)假設(shè)進(jìn)行驗(yàn)證。最后，本研究?jī)H選取了對(duì)AI服務(wù)接受度相對(duì)較高的青年群體，還應(yīng)在更廣泛的群體中進(jìn)行檢驗(yàn)，以擴(kuò)展研究的外部效度。針對(duì)此，實(shí)驗(yàn)1B利用更廣泛的社會(huì)樣本進(jìn)一步檢驗(yàn)結(jié)果失敗情景下，AI語(yǔ)音共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響。

4 實(shí)驗(yàn)1B

4.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)1B采用單因素組間實(shí)驗(yàn)設(shè)計(jì)（共情回復(fù)：高vs.低vs.無）進(jìn)一步檢驗(yàn)實(shí)驗(yàn)1A結(jié)論的穩(wěn)健性。實(shí)驗(yàn)采用另一種常見的人機(jī)交互形式——語(yǔ)音，并選擇結(jié)果失敗，即那些沒有能夠完成顧客預(yù)期的基本服務(wù)內(nèi)容或未能執(zhí)行核心服務(wù)的失敗情景[65]作為研究背景。同時(shí)，實(shí)驗(yàn)1B改為選用社會(huì)樣本，并加入一組無任何回復(fù)的控制組，以進(jìn)一步排除“回復(fù)”這一行為本身的影響。

4.2 實(shí)驗(yàn)前測(cè)

實(shí)驗(yàn)組材料所用語(yǔ)音回復(fù)（共情回復(fù)：高vs.低）均由小米MIUI系統(tǒng)中的AI“小愛同學(xué)”完成。除服務(wù)失敗后AI的回復(fù)表述不同外，無任何差別。具體如下。

假設(shè)你外出旅行時(shí)入住在一家擁有智能服務(wù)系統(tǒng)的酒店。入住酒店后，你覺得智能服務(wù)系統(tǒng)給你設(shè)定的空調(diào)溫度偏低，同時(shí)，你想要關(guān)上窗簾換上睡衣，于是對(duì)智能服務(wù)系統(tǒng)發(fā)出如下指令：“把空調(diào)溫度調(diào)節(jié)至28℃，并且關(guān)上窗簾”。此時(shí)智能服務(wù)系統(tǒng)語(yǔ)音回復(fù)：

低共情回復(fù)組：我暫不支持同時(shí)執(zhí)行多個(gè)操作，請(qǐng)您分別嘗試。

高共情回復(fù)組：我理解您希望很多事齊頭并進(jìn)，但為保證百分百完成您的每一要求，我暫不支持同時(shí)執(zhí)行多個(gè)操作，請(qǐng)您分別嘗試。

前測(cè)有償招募61名參與者（男性52.5%;M年齡=31.07，SD=7.47），隨機(jī)分組閱讀實(shí)驗(yàn)材料，之后，回答共情水平的測(cè)量題項(xiàng)，題項(xiàng)與實(shí)驗(yàn)1A相同。單因素方差分析結(jié)果顯示，對(duì)于共情水平（α=0.83），高共情回復(fù)組顯著高于低共情回復(fù)組（M低共情=4.85，M高共情=5.68，F(xiàn)（1，59）=9.22，p=0.004），實(shí)驗(yàn)材料符合實(shí)驗(yàn)操控要求。

4.3 正式實(shí)驗(yàn)

實(shí)驗(yàn)1B有償招募140名參與者分別進(jìn)入一個(gè)模擬客房場(chǎng)景。參與者首先填寫情緒測(cè)量問項(xiàng)，之后，對(duì)實(shí)驗(yàn)提供的智能AI設(shè)備發(fā)出如前測(cè)材料中的指令，并隨機(jī)得到回復(fù)（低共情回復(fù)vs.高共情回復(fù)vs.無回復(fù)）。其中，高、低共情回復(fù)內(nèi)容同前測(cè)，無回復(fù)組“十幾秒后空調(diào)溫度與窗簾均無任何變化，智能服務(wù)系統(tǒng)也沒有給你任何回應(yīng)”。之后，參與者填寫實(shí)驗(yàn)問卷。問卷內(nèi)容同實(shí)驗(yàn)1A，無回復(fù)組不對(duì)其共情水平進(jìn)行測(cè)量。最終獲得有效樣本130份（男性46.9%;M年齡=30.51，SD=8.63）。

4.4 實(shí)驗(yàn)結(jié)果

操縱檢驗(yàn)：?jiǎn)我蛩胤讲罘治鼋M間結(jié)果顯示，情緒（α=0.86，M低共情=5.13，M高共情=5.26，M無回復(fù)=5.04，F(xiàn)（2，127）=0.27，p=0.752）及對(duì)服務(wù)失敗嚴(yán)重程度感知（M低共情=5.09，M高共情=4.90，M無回復(fù)=4.78，F(xiàn)（2，127）=0.99，p=0.373）組間差異均不顯著，且兩兩比較均不顯著。參與者對(duì)于共情水平（α=0.81）的感知組間差異顯著（M低共情=4.88，M高共情=5.52，F(xiàn)（1，83）=7.41，p=0.008），實(shí)驗(yàn)操縱成功。

因變量檢驗(yàn)：對(duì)因變量持續(xù)使用意愿（α=0.83）的分析結(jié)果顯示，在服務(wù)失敗場(chǎng)景下，AI高共情回復(fù)組的顧客持續(xù)使用意愿顯著高于低共情回復(fù)組（M低共情=5.09，M高共情=5.76，F(xiàn)（1，83）=11.23，p=0.001），同時(shí)，顯著高于無回復(fù)組（M高共情=5.76，M無回復(fù)=4.79，F(xiàn)（1，84）=20.49，p<0.001），但AI低共情回復(fù)組的顧客持續(xù)使用意愿與無回復(fù)組無顯著差異（M低共情=5.09，M無回復(fù)=4.79，F(xiàn)（1，87）=1.49，p=0.226）。H1再次得到驗(yàn)證。

4.5 討論

實(shí)驗(yàn)1B證明，在AI服務(wù)失敗后，相對(duì)于無回復(fù)，低共情回復(fù)的服務(wù)補(bǔ)救效果十分有限，只有高共情回復(fù)才能顯現(xiàn)出足夠明顯的補(bǔ)救作用。實(shí)驗(yàn)1A和實(shí)驗(yàn)1B共同證明，對(duì)于不同類型的服務(wù)失敗情境，不同人機(jī)交互形式（文字和語(yǔ)音）中的共情回復(fù)均顯著影響持續(xù)使用意愿（H1）。

5 實(shí)驗(yàn)2

5.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)2采用單因素組間實(shí)驗(yàn)設(shè)計(jì)（共情回復(fù)：高vs.低），更換實(shí)驗(yàn)材料為過程失敗下的語(yǔ)音交互形式復(fù)驗(yàn)AI共情回復(fù)的影響，并進(jìn)一步檢驗(yàn)共情回復(fù)的中介機(jī)制。

5.2 實(shí)驗(yàn)前測(cè)

實(shí)驗(yàn)所用語(yǔ)音同樣由MIUI系統(tǒng)的AI“小愛同學(xué)”完成。材料中除服務(wù)失敗后AI的回復(fù)表述不同外，無任何差別，具體如下。

假設(shè)你外出旅游時(shí)入住在一家擁有智能服務(wù)系統(tǒng)的酒店，您在入住酒店充分休息后決定前往酒店餐廳用餐，由于不清楚餐廳的具體位置，你喚醒客房?jī)?nèi)的智能系統(tǒng)詢問：“酒店哪兒可以吃飯”。

此時(shí)AI為您播放了以下內(nèi)容：

“本酒店的餐飲設(shè)施包含中餐廳，200人散客座位，240人團(tuán)客座位，包含設(shè)施如下……”

你趕快打斷它，繼續(xù)詢問：“我是問你吃飯的地方在哪里”。

此時(shí)AI回復(fù)：

低共情回復(fù)組：很抱歉我沒有聽清，請(qǐng)重復(fù)一遍您的問題。

高共情回復(fù)組：很抱歉我沒有聽清，我理解您現(xiàn)在可能已經(jīng)有點(diǎn)不耐煩了，但請(qǐng)?jiān)俳o我一次為您效勞的機(jī)會(huì)吧。

你再次重申你的問題：“酒店的餐廳在幾樓”。

此時(shí)AI回復(fù)道：

低共情回復(fù)組：親愛的顧客，本酒店的餐廳設(shè)置于二樓，祝您用餐愉快。

高共情回復(fù)組：親愛的顧客，美味佳肴已為您準(zhǔn)備在二樓，希望我的愚鈍沒有破壞您享受美食的心情。

前測(cè)有償招募62名參與者（男性43.5%;M年齡=28.15，SD=6.69），隨機(jī)分組閱讀上述實(shí)驗(yàn)場(chǎng)景后，回答共情水平的測(cè)量題項(xiàng)（同實(shí)驗(yàn)1A）。單因素方差分析結(jié)果顯示，對(duì)于共情水平（α=0.89），高共情回復(fù)組顯著高于低共情回復(fù)組（M低共情=3.90，M高共情=5.63，F(xiàn)（1，60）=34.98，p<0.001），實(shí)驗(yàn)材料符合實(shí)驗(yàn)操控要求。

5.3 正式實(shí)驗(yàn)

實(shí)驗(yàn)2共計(jì)向社會(huì)有償招募90名參與者，在實(shí)驗(yàn)室中進(jìn)行。首先詢問參與者當(dāng)前的情緒;之后閱讀實(shí)驗(yàn)刺激材料（與實(shí)驗(yàn)前測(cè)相同）并完成問卷。問卷包含共情水平、持續(xù)使用意愿、信任度、創(chuàng)新感知及人口統(tǒng)計(jì)信息。信任度測(cè)量題項(xiàng)改編于Flavian等[71]、Siguaw等[72]所使用的成熟量表，包括4個(gè)題項(xiàng)：“我認(rèn)為這個(gè)AI有必要的能力來解決服務(wù)中遇到的問題”“我認(rèn)為這個(gè)AI有足夠的經(jīng)驗(yàn)支持以解決服務(wù)中遇到的問題”“我認(rèn)為這個(gè)AI有必要的資源來解決服務(wù)中遇到的問題”“我認(rèn)為這個(gè)AI背后的大數(shù)據(jù)非常了解用戶所遇到的問題，可以為他們提供他們需要的服務(wù)”。創(chuàng)新感知測(cè)量題項(xiàng)源于Goode等[73]的研究，并根據(jù)情景做出相應(yīng)修改，包括5個(gè)題項(xiàng)：“我覺得這個(gè)人工智能的上述行為是新鮮的”“我覺得這個(gè)人工智能的上述行為很獨(dú)特”“我覺得這個(gè)人工智能的上述行為是很新穎的”“我覺得這個(gè)人工智能的上述行為在人工智能服務(wù)中是首創(chuàng)的”“我覺得這個(gè)人工智能的上述行為在人工智能服務(wù)中是創(chuàng)造性的”。上述題項(xiàng)均采用Likert 7級(jí)量表（1=非常不贊同，7=非常贊同）。其他題項(xiàng)與實(shí)驗(yàn)1A相同。最終獲得有效樣本83份（男性56.6%;M年齡=28.05，SD=6.61）。

5.4 實(shí)驗(yàn)結(jié)果

操縱檢驗(yàn)：?jiǎn)我蛩胤讲罘治鼋M間結(jié)果顯示，組間情緒（α=0.83）差異不顯著（M低共情=4.31，M高共情=4.52，F(xiàn)（1，81）=0.35，p=0.555），排除參與者實(shí)驗(yàn)前情緒的潛在影響。對(duì)服務(wù)失敗嚴(yán)重程度感知的組間差異不顯著（M低共情=4.48，M高共情=4.40，F(xiàn)（1，81）=0.10，p=0.755）。參與者對(duì)于共情水平（α=0.90）的感知組間差異顯著（M低共情=3.87，M高共情=5.51，F(xiàn)（1，81）=50.20，p<0.001），實(shí)驗(yàn)操縱成功。

因變量檢驗(yàn)：對(duì)因變量持續(xù)使用意愿（α=0.86）的分析結(jié)果顯示，高共情回復(fù)組顧客的持續(xù)使用意愿顯著高于低共情回復(fù)組（M低共情=4.34，M高共情=5.60，F(xiàn)（1，81）=31.48，p<0.001）。H1再次得到驗(yàn)證。

中介檢驗(yàn)：?jiǎn)我蛩亟M間方差顯示，信任度（α=0.91）和創(chuàng)新感知（α=0.87）組間差異均顯著。高共情回復(fù)組對(duì)AI的信任度顯著高于低共情回復(fù)組（M低共情=4.26，M高共情=5.52，F(xiàn)（1，81）=35.03，p<0.001），H2a得到驗(yàn)證;高共情回復(fù)組對(duì)創(chuàng)新的感知也顯著高于低共情回復(fù)組（M低共情=4.15，M高共情=5.46，F(xiàn)（1，81）=43.26，p<0.001），H3a也得到證實(shí)。采用Bootstrap方法檢驗(yàn)信任度和創(chuàng)新感知的中介效應(yīng)（PROCESS，Model 4，樣本量5000，置信區(qū)間95%）[74-76]。結(jié)果證明，信任度的中介效應(yīng)顯著（β=0.68，LLCI=0.18，ULCI=1.24，不包含0），創(chuàng)新感知的中介效應(yīng)顯著（β=0.43，LLCI=0.02，ULCI=0.96，不包含0）?？刂浦薪樽兞亢?，共情回復(fù)對(duì)持續(xù)使用意愿的影響不再顯著（LLCI=-0.21，ULCI=0.50，包含0），證明信任度和創(chuàng)新感知共同起到完全中介作用，H2b和H3b得到驗(yàn)證。

5.5 討論

實(shí)驗(yàn)2在過程失敗與語(yǔ)音互動(dòng)的組合情境中再次驗(yàn)證了共情回復(fù)的主效應(yīng)，并驗(yàn)證了信任度和創(chuàng)新感知的中介效應(yīng)。前3個(gè)實(shí)驗(yàn)均從服務(wù)提供者視角檢驗(yàn)補(bǔ)救措施對(duì)顧客決策的影響，實(shí)驗(yàn)3進(jìn)一步增加對(duì)服務(wù)補(bǔ)救的另一方——顧客特征的考慮，檢驗(yàn)特質(zhì)性調(diào)節(jié)焦點(diǎn)這一人格特質(zhì)的調(diào)節(jié)作用。在互動(dòng)形式與服務(wù)失敗類型組合為結(jié)果失敗的文字互動(dòng)情境下，探索共情回復(fù)作用機(jī)制的群體差異。

6 實(shí)驗(yàn)3

6.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)3采用2（共情回復(fù)：高vs.低）×2（特質(zhì)性調(diào)節(jié)焦點(diǎn)：促進(jìn)vs.防御）混合實(shí)驗(yàn)設(shè)計(jì)，檢驗(yàn)特質(zhì)性調(diào)節(jié)焦點(diǎn)這一顧客人格特質(zhì)的調(diào)節(jié)效應(yīng)。實(shí)驗(yàn)采用結(jié)果失敗和文字互動(dòng)情景。

6.2 實(shí)驗(yàn)前測(cè)

兩組實(shí)驗(yàn)材料除服務(wù)失敗后AI的回復(fù)表述不同外，無任何差別。此前3個(gè)實(shí)驗(yàn)均未保證回復(fù)語(yǔ)句長(zhǎng)度一致，為排除這一潛在因素，本實(shí)驗(yàn)回復(fù)語(yǔ)句長(zhǎng)度完全一致，具體如下：

假設(shè)你外出旅行時(shí)入住在一家擁有AI服務(wù)系統(tǒng)的酒店。辦理入住后，你沒有找到客房?jī)?nèi)的毛巾、牙刷和拖鞋，于是你對(duì)客房?jī)?nèi)的AI下達(dá)指令：“我需要一條毛巾，還需要一支牙刷”。停頓了一下后你想起還需要拖鞋，于是繼續(xù)說道：“對(duì)了，再來一雙拖鞋”。過了一會(huì)兒，門鈴響起，智能管家為你送來了物品，但你取出后發(fā)現(xiàn)管家只給你送來了毛巾和牙刷，此時(shí)智能管家界面上出現(xiàn)對(duì)該次服務(wù)的評(píng)價(jià)，你選擇了“未能成功完成本次任務(wù)”。

此時(shí)AI回復(fù)道：

低共情回復(fù)組：尊敬的顧客，很抱歉我未能成功完成本次任務(wù)，請(qǐng)您再次發(fā)出指令！

高共情回復(fù)組：哎呀，我知道您一定覺得我很笨，但請(qǐng)給我一次將功補(bǔ)過的機(jī)會(huì)吧！

前測(cè)有償招募66名參與者（男性47.0%;M年齡=29.26，SD=10.05），隨機(jī)分組閱讀上述實(shí)驗(yàn)材料，之后回答共情水平的測(cè)量題項(xiàng)（同實(shí)驗(yàn)1A）。單因素方差分析結(jié)果顯示，對(duì)于共情水平（α=0.91），高共情回復(fù)組顯著高于低共情回復(fù)組（M低共情=4.30，M高共情=6.04，F(xiàn)（1，64）=41.80，p<0.001），實(shí)驗(yàn)材料符合實(shí)驗(yàn)操控要求。

6.3 正式實(shí)驗(yàn)

正式實(shí)驗(yàn)在某大型商場(chǎng)附近有償招募參與者。參與者首先回答特質(zhì)性調(diào)節(jié)焦點(diǎn)及當(dāng)前情緒問項(xiàng)，特質(zhì)性調(diào)節(jié)焦點(diǎn)的測(cè)量題項(xiàng)為Higgins[77]提出，并經(jīng)國(guó)內(nèi)學(xué)者姚琦等修改為更適合中國(guó)情境的量表[78]，共包含10個(gè)題項(xiàng)，所有題項(xiàng)均采用Likert 7級(jí)量表。之后，隨機(jī)閱讀一份實(shí)驗(yàn)材料（與實(shí)驗(yàn)前測(cè)相同），并完成問卷。問卷內(nèi)容同實(shí)驗(yàn)2。最終獲得有效樣本187份（男性52.4%;M年齡=27.34，SD=9.30）。

6.4 實(shí)驗(yàn)結(jié)果

操縱檢驗(yàn)：?jiǎn)我蛩胤讲罘治鼋M間結(jié)果顯示，組間情緒（α=0.81）差異不顯著（M低共情=4.63，M高共情=4.46，F(xiàn)（1，185）=0.46，p=0.500），排除參與者實(shí)驗(yàn)前情緒的潛在影響。對(duì)服務(wù)失敗嚴(yán)重程度感知的組間差異不顯著（M低共情=4.44，M高共情=4.41，F(xiàn)（1，185）=0.05，p=0.832）。參與者對(duì)于共情水平（α=0.85）的感知組間差異顯著（M低共情=4.68，M高共情=5.51，F(xiàn)（1，185）=25.10，p<0.001），實(shí)驗(yàn)操縱成功。

因變量檢驗(yàn)：本文參考了Haws等[79]于2010年提出的對(duì)特質(zhì)性調(diào)節(jié)焦點(diǎn)的測(cè)量評(píng)估方法，分別計(jì)算題項(xiàng)中防御焦點(diǎn)、促進(jìn)焦點(diǎn)題項(xiàng)的平均分，將二者分?jǐn)?shù)相減后求中位數(shù)，將大于中位數(shù)的被試記為防御焦點(diǎn)組，反之，則記為促進(jìn)焦點(diǎn)組。低共情回復(fù)組91人，其中，防御焦點(diǎn)47人，促進(jìn)焦點(diǎn)44人;高共情回復(fù)組96人，其中，防御焦點(diǎn)50人，促進(jìn)焦點(diǎn)46人。

雙因素方差分析結(jié)果顯示，共情回復(fù)對(duì)持續(xù)使用意愿（α=0.83）的主效應(yīng)顯著（F（1，183）=32.93，p<0.001），特質(zhì)性調(diào)節(jié)焦點(diǎn)（α=0.88）的主效應(yīng)顯著（F（1，183）=15.98，p<0.001），且兩者的交互效應(yīng)顯著（F（1，183）=8.94，p=0.003）（圖2）。具體來說，在服務(wù)失敗場(chǎng)景下，對(duì)于高共情回復(fù)的AI，促進(jìn)焦點(diǎn)顧客的持續(xù)使用意愿（α=0.83）顯著高于防御焦點(diǎn)的顧客（M防御=5.08，M促進(jìn)=6.13，F(xiàn)（1，94）=22.23，p<0.001）;對(duì)低共情回復(fù)的AI，不同特質(zhì)性調(diào)節(jié)焦點(diǎn)顧客的持續(xù)使用意愿差異不顯著（M防御=4.67，M促進(jìn)=4.82，F(xiàn)（1，89）=0.57，p=0.452）。

中介檢驗(yàn)：對(duì)于中介變量信任度（α=0.81），雙因素方差分析結(jié)果顯示，共情回復(fù)的主效應(yīng)顯著（F（1，183）=24.63，p<0.001），特質(zhì)性調(diào)節(jié)焦點(diǎn)的主效應(yīng)顯著（F（1，183）=9.59，p=0.002），兩者的交互效應(yīng)顯著（F（1，183）=4.49，p=0.035）。在服務(wù)失敗場(chǎng)景下，對(duì)于高共情回復(fù)而言，促進(jìn)焦點(diǎn)顧客對(duì)AI的信任度顯著高于防御焦點(diǎn)的顧客（M防御=5.20，M促進(jìn)=5.96，F(xiàn)（1，94）=12.21，p=0.001）;而對(duì)于低共情回復(fù)而言，不同特質(zhì)性調(diào)節(jié)焦點(diǎn)顧客的信任度水平差異不顯著（M防御=4.78，M促進(jìn)=4.92，F(xiàn)（1，89）=0.55，p=0.460）。

對(duì)于中介變量創(chuàng)新感知（α=0.82），雙因素方差分析結(jié)果顯示，共情回復(fù)的主效應(yīng)顯著（F（1，183）=29.89，p<0.001），特質(zhì)性調(diào)節(jié)焦點(diǎn)的主效應(yīng)顯著（F（1，183）=12.05，p=0.001），兩者的交互效應(yīng)顯著（F（1，183）=10.69，p=0.001）。在服務(wù)失敗場(chǎng)景下，對(duì)于高共情回復(fù)而言，促進(jìn)焦點(diǎn)顧客對(duì)AI的創(chuàng)新感知顯著高于防御焦點(diǎn)的顧客（M防御=5.08，M促進(jìn)=6.06，F(xiàn)（1，94）=20.95，p<0.001）;而對(duì)于低共情回復(fù)而言，不同特質(zhì)性調(diào)節(jié)焦點(diǎn)的顧客的創(chuàng)新感知水平差異不顯著（M防御=4.76，M促進(jìn)=4.79，F(xiàn)（1，89）=0.02，p=0.881）。

本文采用Bootstrap方法檢驗(yàn)共情回復(fù)下信任度和創(chuàng)新感知的中介效應(yīng)（PROCESS，Model 7，樣本量5000，置信區(qū)間95%）[74-76]。結(jié)果顯示，面對(duì)AI服務(wù)失敗，在低共情回復(fù)情境下，信任度的中介效應(yīng)不顯著（β=0.04，LLCI=-0.07，ULCI=0.15，包含0），創(chuàng)新感知的中介效應(yīng)亦不顯著（β=0.02，LLCI=-0.26，ULCI=0.29，包含0）;而在高共情回復(fù)情境下，信任度的中介效應(yīng)顯著（β=0.21，LLCI=0.08，ULCI=0.39，不包含0），創(chuàng)新感知的中介效應(yīng)亦顯著（β=0.70，LLCI=0.40，ULCI=1.02，不包含0）?？刂浦薪樽兞亢?，特質(zhì)性調(diào)節(jié)焦點(diǎn)對(duì)持續(xù)使用意愿的影響不再顯著（LLCI=-0.01，ULCI=0.24，包含0）。綜上，H4a、H4b得到驗(yàn)證。

6.5 討論

實(shí)驗(yàn)3驗(yàn)證了共情回復(fù)對(duì)持續(xù)使用意愿影響的群體差異。結(jié)果與本文假設(shè)一致，在AI服務(wù)失敗情境下，特質(zhì)性調(diào)節(jié)焦點(diǎn)調(diào)節(jié)AI共情回復(fù)與創(chuàng)新感知、信任度的關(guān)系。在AI服務(wù)失敗情境下，面對(duì)AI的高共情回復(fù)，相較于防御焦點(diǎn)，越偏向促進(jìn)焦點(diǎn)的顧客，具有更高的信任度和創(chuàng)新感知，進(jìn)而具有更強(qiáng)的持續(xù)使用意愿。而面對(duì)AI低共情回復(fù)，兩類顧客間無顯著差異。

7 研究結(jié)論與建議

7.1 研究結(jié)論與理論貢獻(xiàn)

酒店服務(wù)情境決定了在其積極引入AI替代人工服務(wù)的過程中，AI服務(wù)失敗不可避免，從而導(dǎo)致顧客放棄繼續(xù)使用，成為酒店AI服務(wù)推廣的巨大潛在風(fēng)險(xiǎn)。為此，需要尋求應(yīng)對(duì)AI服務(wù)失敗、維護(hù)顧客持續(xù)使用意愿的有效手段。本文從AI情商出發(fā)，立足于酒店AI服務(wù)失敗情境下人機(jī)交互的獨(dú)特性，通過4個(gè)情境實(shí)驗(yàn)檢驗(yàn)了AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響，得出以下結(jié)論：（1）AI共情回復(fù)有助于服務(wù)失敗后的顧客保留。AI共情回復(fù)是目前AI在人機(jī)交互中易于實(shí)現(xiàn)的情商表現(xiàn)形式，在服務(wù)失敗情況下，能夠有效提升顧客的持續(xù)使用意愿。以往研究設(shè)想AI與顧客積極關(guān)系的建立將有助于緩解顧客消極情緒[39-40]，本研究不僅支持該設(shè)想，還證明其在服務(wù)補(bǔ)救中能夠促進(jìn)顧客的持續(xù)使用意愿。（2）AI共情回復(fù)的作用機(jī)制包括信任度與創(chuàng)新感知兩條路徑。AI共情回復(fù)所傳遞出的情感關(guān)心和支持，一方面加深了顧客對(duì)AI以顧客利益為核心的正面感知，另一方面則體現(xiàn)出更高的技術(shù)水平和創(chuàng)新程度，令顧客產(chǎn)生更高的信任度和創(chuàng)新感知，最終提升顧客的持續(xù)使用意愿。這一結(jié)論論證了共情能力作為AI高級(jí)能力的重要性[1]，并挖掘出人機(jī)服務(wù)交互不同于人人服務(wù)互動(dòng)的心理機(jī)制。（3）共情回復(fù)的積極作用因顧客特質(zhì)而異。在AI服務(wù)補(bǔ)救中，顧客特征不可忽視。越偏向促進(jìn)焦點(diǎn)的顧客，出于趨近動(dòng)機(jī)，越關(guān)注外部刺激帶來的積極信息，共情回復(fù)的補(bǔ)救效果更佳。然而，越偏向防御焦點(diǎn)的顧客，出于回避動(dòng)機(jī)，越關(guān)注消極因素，導(dǎo)致AI共情回復(fù)效果被削弱。這與特質(zhì)性調(diào)節(jié)焦點(diǎn)理論的核心思想及基本假設(shè)相契合[56-60]，并拓展了其應(yīng)用范圍。

綜上，本文的理論貢獻(xiàn)主要體現(xiàn)在以下4個(gè)方面。

（1）本文探討顧客對(duì)AI服務(wù)的持續(xù)使用意愿，從時(shí)間和使用階段上擴(kuò)展了AI服務(wù)的領(lǐng)域研究。尤其是對(duì)AI服務(wù)失敗后的持續(xù)使用問題的關(guān)注，完善了AI服務(wù)的研究體系。現(xiàn)有技術(shù)接受視角的研究主要關(guān)注潛在顧客對(duì)AI服務(wù)的初次采納意愿[13-18]。然而，顧客對(duì)于AI服務(wù)的使用不是單次的，相比于初次使用和接受，如何實(shí)現(xiàn)顧客的長(zhǎng)期和持續(xù)性使用更為重要[19-20]。本文則注意到，在酒店等服務(wù)行業(yè)中，AI服務(wù)失敗難以避免，顧客容易因此放棄使用并轉(zhuǎn)換回傳統(tǒng)的人工服務(wù)[4]。由此，聚焦AI服務(wù)失敗情境中的持續(xù)使用，探討了AI獨(dú)立、及時(shí)進(jìn)行服務(wù)補(bǔ)救的方法，完善了AI服務(wù)推廣及應(yīng)用的研究體系。

（2）本研究超越了以往AI服務(wù)研究中對(duì)AI智商水平的關(guān)注，將情商引入AI服務(wù)研究中，提出AI服務(wù)補(bǔ)救的新思路?，F(xiàn)有的AI服務(wù)相關(guān)研究主要聚焦于其性能表現(xiàn)（有用性、易用性）對(duì)顧客使用意愿的影響[13]，而本文結(jié)合服務(wù)補(bǔ)救相關(guān)研究，從消除顧客的消極情緒出發(fā)，尋找到了AI情商這一新的維度[10]，拓展了AI服務(wù)補(bǔ)救思路，驗(yàn)證了通過提高AI情商水平來提升服務(wù)補(bǔ)救效果的可行性，豐富了AI服務(wù)補(bǔ)救的研究。

（3）本文基于社會(huì)交換理論，挖掘出由AI科技特點(diǎn)為顧客帶來的內(nèi)在報(bào)酬這一AI共情補(bǔ)救的獨(dú)特路徑。將顧客關(guān)系持續(xù)的重要變量“信任度”（外在報(bào)酬）[45]，與科技產(chǎn)品持續(xù)使用的重要影響因素“顧客感知?jiǎng)?chuàng)新”（內(nèi)在報(bào)酬）[46]整合起來，構(gòu)建了一個(gè)完整的理論模型。不僅驗(yàn)證顧客信任這一傳統(tǒng)情感補(bǔ)救路徑發(fā)揮作用，還從AI的科技性角度出發(fā)，找到創(chuàng)新感知這一代表了顧客內(nèi)在報(bào)酬的獨(dú)特心理機(jī)制，闡釋了AI共情回復(fù)的作用機(jī)理，揭示了其與傳統(tǒng)人工服務(wù)補(bǔ)救作用機(jī)制的差異。

（4）本文將特質(zhì)性調(diào)節(jié)焦點(diǎn)作為調(diào)節(jié)變量，明確了AI共情回復(fù)作用的群體差異，拓展了特質(zhì)性調(diào)節(jié)焦點(diǎn)的應(yīng)用場(chǎng)景和范圍，證明其在人機(jī)交互服務(wù)情境中的適用性。通過引入特質(zhì)性調(diào)節(jié)焦點(diǎn)這一調(diào)節(jié)變量，證明了不同人格特質(zhì)的顧客在面對(duì)AI共情回復(fù)時(shí)其持續(xù)使用意愿會(huì)有顯著差異，一定程度上揭示了人格特質(zhì)對(duì)人機(jī)交互的影響，且將顧客的人格特質(zhì)同其對(duì)AI補(bǔ)救的態(tài)度聯(lián)系起來，拓寬了特質(zhì)性調(diào)節(jié)焦點(diǎn)的適用范圍和應(yīng)用情境。

7.2 實(shí)踐建議

（1）酒店等服務(wù)業(yè)在AI服務(wù)技術(shù)的推廣過程中要關(guān)注服務(wù)失敗及補(bǔ)救問題。現(xiàn)今業(yè)界引入AI主要是關(guān)注其降低成本、提升效率、優(yōu)化服務(wù)等價(jià)值。但由于AI服務(wù)技術(shù)發(fā)展還不夠成熟、顧客對(duì)于AI服務(wù)還比較陌生、顧客的異質(zhì)性等原因，必然會(huì)產(chǎn)生服務(wù)失敗問題。故企業(yè)在引入AI服務(wù)時(shí)需要關(guān)注服務(wù)失敗的補(bǔ)救措施，尋求提升服務(wù)補(bǔ)救水平的方法，避免顧客因AI的服務(wù)失敗而流失。具體而言，酒店在引進(jìn)服務(wù)AI時(shí)應(yīng)優(yōu)先考慮引進(jìn)具有補(bǔ)救程序的AI，而且補(bǔ)救中不僅要保證服務(wù)的重新交付，還需要注重消除顧客因服務(wù)失敗產(chǎn)生的消極情緒。而在現(xiàn)有的AI智商水平下，共情回復(fù)是一個(gè)即時(shí)、簡(jiǎn)便、低成本且被本文證明有效的AI服務(wù)補(bǔ)救手段。故酒店在引進(jìn)AI服務(wù)時(shí)應(yīng)重點(diǎn)關(guān)注其是否具有共情補(bǔ)救功能。

（2）在AI服務(wù)技術(shù)開發(fā)過程中，不僅要重視AI智商水平的提高，還要關(guān)注AI情商的開發(fā)，缺乏情商的AI服務(wù)是不完整的。AI作為智能的科技產(chǎn)品，智商水平是其在服務(wù)市場(chǎng)中得以推廣的基礎(chǔ)，而情商水平則是減緩其推廣阻力、促進(jìn)顧客接受的潤(rùn)滑劑。因此，AI服務(wù)技術(shù)開發(fā)商應(yīng)當(dāng)加強(qiáng)與酒店等AI服務(wù)應(yīng)用企業(yè)的交流與合作，搜集和總結(jié)可能出現(xiàn)的失敗情況。在充分掌握服務(wù)失敗的多樣化情境的基礎(chǔ)上，不斷優(yōu)化AI情商。令A(yù)I的情商補(bǔ)救更貼合具體情境中的顧客心理，從而更好地安撫顧客情緒，提升其持續(xù)使用意愿。

（3）AI服務(wù)補(bǔ)救中需要區(qū)分不同特質(zhì)的顧客，除共情回復(fù)外，還需要考慮留有人工補(bǔ)救渠道。由于不同特質(zhì)的顧客對(duì)于服務(wù)失敗后的補(bǔ)救接受程度不同，在AI服務(wù)推廣過程中要考慮顧客的特質(zhì)差異，逐步推進(jìn)，并在必要時(shí)為防御焦點(diǎn)的顧客提供人工服務(wù)介入的選擇。酒店可以通過顧客的技術(shù)使用偏好，例如使用網(wǎng)絡(luò)預(yù)訂渠道或傳統(tǒng)預(yù)訂渠道初步區(qū)分其人格特質(zhì)，且可進(jìn)一步通過大數(shù)據(jù)的記憶和分析功能準(zhǔn)確識(shí)別防御焦點(diǎn)的人群。此外，由于酒店所處城市風(fēng)格或旅游目的地類型不同，所接待的旅游者類型（冒險(xiǎn)型-保守型）也可能存在差別[80]，酒店可以借此區(qū)分其顧客特質(zhì)。

8 研究局限與展望

首先，受限于技術(shù)發(fā)展，當(dāng)前，酒店AI僅能完成一些簡(jiǎn)單的服務(wù)工作，所以本文實(shí)證研究中檢驗(yàn)的服務(wù)失敗情境都屬于失敗程度較輕的情況，對(duì)于嚴(yán)重的服務(wù)失敗，AI共情回復(fù)是否仍能實(shí)現(xiàn)上述補(bǔ)救效果，需要后續(xù)研究的進(jìn)一步檢驗(yàn)。其次，顧客對(duì)服務(wù)失敗歸因類型的不同將在很大程度上影響顧客的后續(xù)態(tài)度和行為，基于顧客對(duì)服務(wù)失敗的不同歸因，AI共情回復(fù)對(duì)顧客持續(xù)使用意愿的影響是否會(huì)有顯著差異將成為另一研究方向。再次，本文的實(shí)驗(yàn)情境集中于酒店的服務(wù)場(chǎng)景，人機(jī)交互具有很強(qiáng)的場(chǎng)域感，而這種效應(yīng)對(duì)于旅游景區(qū)、餐飲服務(wù)和在線旅行商等其他類型的服務(wù)企業(yè)是否依然成立還需要進(jìn)行檢驗(yàn)。最后，作為一種新興的服務(wù)技術(shù)，除共情回復(fù)外，AI可能存在著更多新的補(bǔ)救形式和方法，例如AI的外形、語(yǔ)音語(yǔ)調(diào)以及其表達(dá)語(yǔ)體的改變是否有助于進(jìn)一步提高服務(wù)補(bǔ)救水平，有待未來研究進(jìn)一步探索。

參考文獻(xiàn)（References）

[1] HUANG M H， RUST R T. Artificial intelligence in service[J]. Journal of Service Research， 2018， 21（2）： 155-172.

[2] EBEN D. Japans robot hotel fires half of its staff and hires good old-fashioned humans instead[EB/OL]. https：//matadornetwork. com/read/japan-robot-hotel-fires-staff-hires-humans/， 2019-01-24.

[3] 呂興洋， 邱瑋， 劉祥艷. 旅游者異質(zhì)性對(duì)目的地績(jī)效的影響研究[J]. 旅游學(xué)刊， 2016， 31（9）： 72-79. [LYU Xingyang， QIU Wei， LIU Xiangyan. The effects of tourist heterogeneity on destination performance[J]. Tourism Tribune， 2016， 31（9）： 72-79.]

[4] ZHU Z， NAKATA C， SIVAKUMAR K， et al. Fix it or leave it？ Customer recovery from self-service technology failures[J]. Journal of Retailing， 2013， 89（1）： 15-29.

[5] NICHOLA R. Self-service technology complaint channel choice， exploring consumers motives[J]. Managing Service Quality， 2012， 22（2）： 145-164.

[6] LV X， LIU Y， LUO J， et al. Does a cute artificial intelligence assistant soften the blow？ The impact of cuteness on customer tolerance of assistant service failure[J]. Annals of Tourism Research， 2021， 87. Doi： 10.1016/j.annals.2020.103114.

[7] HAN T A， MONIZ PEREIRA L， SANTOS F， et al. Emergence of cooperation via intention recognition， commitment and apology—A research summary[J]. AI Communications， 2015， 28（4）： 709-715.

[8] [杜建剛， 范秀成. 服務(wù)補(bǔ)救中情緒對(duì)補(bǔ)救后顧客滿意和行為的影響——基于情緒感染視角的研究[J]. 管理世界， 2007， 11（8）： 85-94.] DU Jiangang， FAN Xiucheng. The effect of emotion on customers satisfaction and behavior in service recovery[J]. Management World， 2007， 11（8）： 85-94.

[9] CLARK M A， ROBERTSON M M， YOUNG S. “I feel your pain”： A critical review of organizational research on empathy[J]. Journal of Organizational Behavior， 2019， 40（2）： 166-192.

[10] GELBRICH K. Anger， frustration and helplessness after service failure： Coping strategies and effective informational support[J]. Journal of the Academy of Marketing Science， 2010， 38（5）： 567-585.

[11] [彼得·M. 布勞. 社會(huì)生活中的交換與權(quán)力[M]. 孫非， 張黎勤， 譯. 北京： 華夏出版社， 1988： 1-396.] BLAU P M. Exchange and Power in Social Life[M]. SUN Fei， ZHANG Liqin， trans. Beijing： Huaxia Publishing House， 1988： 1-396.

[12] KUO C M， CHEN L C， TSENG C Y. Investigating an innovative service with hospitality robots[J]. International Journal of Contemporary Hospitality Management， 2017， 29（5）： 1305-1321.

[13] LU L， CAI R， GURSOY D. Developing and validating a service robot integration willingness scale[J]. International Journal of Hospitality Management， 2019， 80： 36-51.

[14] GOUDEY A， BONNIN G. Must smart objects look human？ Study of the impact of anthropomorphism on the acceptance of companion robots[J]. Recherche Et Applications En Marketing （English Edition）， 2016， 31（2）： 2-20.

[15] SAMANTHA F. If a robot did “the robot”， would it still be called “the robot” or just dancing？ Perceptual and social factors in human-robot interactions[C]//Proceedings of the Human Factors and Ergonomics Society 59th Annual Meeting. Los Angele， 2015： 796-800.

[16] MARA M， APPEL M. Effects of lateral head tilt on user perceptions of humanoid and android robots[J]. Computers in Human Behavior， 2015， 44： 326-334.

[17] YU C E， NGAN H F B. The power of head tilts： Gender and cultural differences of perceived human vs human-like robot smile in service[J]. Tourism Review， 2019， 74（3）： 428-442.

[18] GURSOY D， CHI O H， LU L， et al. Consumers acceptance of artificially intelligent （AI） device use in service delivery[J]. International Journal of Information Management， 2019， 49： 157-169.

[19] [池毛毛， 劉姝君， 盧新元， 等. 共享住宿平臺(tái)上房東持續(xù)參與意愿的影響機(jī)理研究： 平臺(tái)網(wǎng)絡(luò)效應(yīng)的視角[J]. 南開管理評(píng)論， 2019， 22（4）： 101-113] CHI Maomao， LIU Shujun， LU Xinyuan， et al. The influencing mechanism of the re-participation intention of host in the shared accommodation platform： The perspective of platform network effects[J]. Nankai Business Review， 2019， 22（4）： 101-113.

[20] BHATTACHERJEE A. Understanding information systems continuance： An expectation-confirmation model[J]. MIS Quarterly， 2001， 25（3）： 351-370.

[21] BELL C R， ZEMKE R E. Service breakdown： The road to recovery[J]. Management Review， 1987， 115（3）： 32-35.

[22] BITNER M J. Evaluating service encounters： The effects of physical surrounding and employee responses[J]. Journal of Marketing， 1990， 54（2）： 82.

[23] SMITH A K， BOLTON R N， WAGNER J. A model of customer satisfaction with service encounters involving failure recovery[J]. Journal of Marketing Research， 1999， 36（3）： 356-372.

[24] [方淑杰， 黎耀奇， 傅云新. 賠禮還是賠錢？——基于情緒感染理論的旅游景區(qū)服務(wù)補(bǔ)救策略研究[J]. 旅游學(xué)刊， 2019， 34（1）： 44-57.] FANG Shujie， LI Yaoqi， FU Yunxin. Symbolic or utilitarian？ Research on recovery strategies of scenic areas based on emotional contagion theory[J]. Tourism Tribune， 2019， 34（1）： 44-57.

[25] [簡(jiǎn)兆權(quán)， 柯云. 網(wǎng)絡(luò)購(gòu)物服務(wù)失誤、服務(wù)補(bǔ)救與顧客二次滿意及忠誠(chéng)度的關(guān)系研究[J]. 管理評(píng)論， 2017， 29（1）： 175-186.]JIAN Zhaoquan， KE Yun. The impacts of service failure， service recovery on customer satisfaction and loyalty in the context of online shopping[J]. Management Review， 2017， 29（1）： 175-186.

[26] [岳英， 萬(wàn)映紅， 曹小鵬. 顧客感知的“服務(wù)失敗”及其“服務(wù)補(bǔ)償”關(guān)系研究[J]. 管理學(xué)報(bào)， 2014， 11（6）： 876-882.] YUE Ying， WAN Yinghong， CAO Xiaopeng. Customer perceived service failure and compensation expectation： Taking Chinese catering industry as the background[J]. Chinese Journal of Management， 2014， 11（6）： 876-882.

[27] [彭軍鋒， 景奉杰. 關(guān)系品質(zhì)對(duì)服務(wù)補(bǔ)救效果的調(diào)節(jié)作用[J]. 南開管理評(píng)論， 2006， 8（4）： 8-15.] PENG Junfeng， JING Fengjie. The moderating role of relationship quality on service recovery performance[J]. Nankai Business Review， 2006， 8（4）： 8-15.

[28] [胥興安， 張夢(mèng). 國(guó)外旅游者抱怨研究綜述[J]. 人文地理， 2013， 28（2）： 32-37.] XU Xingan， ZHANG Meng. A study review on overseas tourists complaints[J]. Human Geography， 2013， 28（2）： 32-37.

[29] WESTBROOK R A， OLIVER R L. The dimensionality of consumption emotion patterns and consumer satisfaction[J]. Journal of Consumer Research， 1991， 18（1）： 84-91.

[30] SMITH A K， BOLTON R N. The effect of customers emotional responses to service failures on their recovery effort evaluations and satisfaction judgments[J]. Journal of the Academy of Marketing Science， 2002， 30（1）： 5-23.

[31] NOSEWORTHY T J， MURO F D， MURRAY K B. The role of arousal in congruity-based product evaluation[J]. Journal of Consumer Research， 2014， 41（4）： 1108-1126.

[32] MURPHY J， GRETZEL U， PESONEN J. Marketing robot services in hospitality and tourism： The role of anthropomorphism[J]. Journal of Travel & Tourism Marketing， 2019， 36（7）： 784-795.

[33] BIRNBAUM G E， MIZRAHI M， HOFFMAN G， et al. What robots can teach us about intimacy： The reassuring effects of robot responsiveness to human disclosure[J]. Computers in Human Behavior， 2016， 63： 416-423.

[34] HELMUT P， JUNICHIRO M， MITSURU I. Using human physiology to evaluate subtle expressivity of a virtual quizmaster in a mathematical game[J]. International Journal of Human-Computer Studies， 2005， 62（2）： 231-245.

[35] PARASURAMAN A， ZEITHAML V A， BERRY L L. SERVQUAL： A multiply item scale for measuring consumer perceptions of service quality[J]. Journal of Retailing， 1988， 46（1）： 12-40.

[36] PIC?ARRA N， GIGER J C. Predicting intention to work with social robots at anticipation stage： Assessing the role of behavioral desire and anticipated emotions[J]. Computers in Human Behavior， 2018， 86（9）： 129-146.

[37] BRAVE S， NASS C， HUTCHINSON K. Computers that care： Investigating the effects of orientation of emotion exhibited by an embodied computer agent[J]. International Journal of Human Computer Studies， 2005， 62（2）： 161-178.

[38] TIMOTHY B， DANIEL S. Practical approaches to comforting users with relational agents[C] // Extended Abstracts Conference on Human Factors in Computing Systems. San Jose， 2007： 2291-2296.

[39] KLEIN J， MOON Y， PICARD R W. This computer responds to user frustration： Theory， design， and results[J]. Interacting with Computers， 2002， 14（2）： 119-140.

[40] HONE K. Empathic agents to reduce user frustration： The effects of varying agent characteristics[J]. Interacting with Computers， 2006， 18（2）： 227-245.

[41] LEITE I， PEREIRA A， MASCARENHAS S， et al. The influence of empathy in human-robot relations[J]. International Journal of Human-Computer Studies， 2013， 71（3）： 250-260.

[42] RONAN D K， RAJIBUL H， ALEXANDRE S B， et al. Leveraging human-robot interaction in hospitality services： Incorporating the role of perceived value， empathy， and information sharing into visitors intentions to use social robots[J]. Tourism Management， 2020， 78. Doi： 10.1016/j.tourman.2019.104042.

[43] CROPANZANO， R. Social exchange theory： An interdisciplinary review[J]. Journal of Management， 2005， 31（6）： 874-900.

[44] [吳川徽， 黃仕靖， 袁勤儉. 社會(huì)交換理論及其在信息系統(tǒng)領(lǐng)域的應(yīng)用與展望[J]. 情報(bào)理論與實(shí)踐， 2020， 43（8）： 70-76.] WU Chuanhui， HUANG Shijing， YUAN Qinjian. Social exchange theory and its application and prospect in the field of information system research[J]. Information Studies： Theory & Application， 2020， 43（8）： 70-76.

[45] MUNUERA-ALEMAN J L， DELGADO-BALLESTER E， YAGUE-GUILLEN M J. Development and validation of a brand trust scale[J]. International Journal of Market Research， 2003， 45（1）： 1-18.

[46] LOWE B， ALPERT F. Forecasting consumer perception of innovativeness[J]. Technovation， 2015， 45-46： 1-14.

[47] [鄭丹. 服務(wù)補(bǔ)救中顧客情緒對(duì)顧客滿意之影響的實(shí)證研究[J]. 中國(guó)管理科學(xué)， 2011， 19（3）： 166-173.] ZHENG Dan. An empirical research： The impact of customer emotion on customer satisfaction in service recovery[J]. Chinese Journal of Management Science， 2011， 19（3）： 166-173.

[48] DECETY J， SVETLOVA， M. Putting together phylogenetic and ontogenetic perspectives on empathy[J]. Developmental Cognitive Neuroscience， 2012， 2（1）： 1-24.

[49] MA J Y， GAO J， SCOTT N， et al. Customer delight from theme park experiences： The antecedents of delight based on cognitive appraisal theory[J]. Annals of Tourism Research， 2013， 42： 359-381.

[50] FREDRICKSON B L， TUGADE M. The undoing effect of positive emotions[J]. Motivation and Emotion， 2000， 24（4）： 237-258.

[51] SHECHTMAN N， HOROWITZ L M. Media inequality in conversation： How people behave differently when interacting with computers and people[C] // Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. Lauderdale， 2003： 281-288.

[52] NASS C， MOON Y. Machines and mindlessness： Social responses to computers[J]. Journal of Social Issues， 2000， 56（1）： 81-103.

[53] ZHAO Bing， TU Rongting， FU Guoqun. How does service recovery affect consumer switching intentions[J]. Journal of Marketing Science， 2005， 1（2）： 1-11. [趙冰， 涂榮庭， 符國(guó)群. 服務(wù)補(bǔ)救如何影響消費(fèi)者轉(zhuǎn)換意向[J]. 營(yíng)銷科學(xué)學(xué)報(bào)， 2005， 1（2）： 1-11.]

[54] WALTHER J B， LOH T， GRANKA L. Let me count the ways： The interchange of verbal and nonverbal cues in computer-mediated and face-to-face affinity[J]. Journal of Language and Social Psychology， 2005， 24（1）： 36-65.

[55] TRUONG Y， KLINK R R， FORT-RIOCHE L， et al. Consumer response to product form in technology-based industries[J]. Journal of Product Innovation Management， 2013， 31（4）： 867-876.

[56] HIGGINS E T， RONEY C， CROWE E， et al. Ideal versus ought predilections for approach and avoidance： Distinct self-regulatory systems[J]. Journal of Personality and Social Psychology， 1994， 66（2）： 276-286.

[57] ZHANG Guangyu， ZHANG Meng. Goal framing effects on the purchasing decision of tourism services in customization scenarios[J]. Tourism Tribune， 2016， 31（1）： 57-67. [張廣宇， 張夢(mèng). 定制化情境下旅游服務(wù)購(gòu)買決策的目標(biāo)框架效應(yīng)[J]. 旅游學(xué)刊， 2016， 31（1）： 57-67.]

[58] GINO F， MARGOLIS J D. Bringing ethics into focus： How regulatory focus and risk preferences influence （un）ethical behavior[J]. Organizational Behavior and Human Decision Processes， 2011， 115（2）： 145-156.

[59] CESARIO J， GRANT H， HIGGINS E T. Regulatory fit and persuasion： Transfer from “feeling right”[J]. Journal of Personality and Social Psychology， 2004， 86（3）： 388-404.

[60] LOCKWOOD P， JORDAN C H， KUNDA Z. Motivation by positive or negative role models： Regulatory focus determines who will best inspire us[J]. Journal of Personality & Social Psychology， 2002， 83（4）： 854-864.

[61] CROWE E， HIGGINS E T. Regulatory focus and strategic inclinations： Promotion and prevention in decision-making[J]. Organizational Behavior and Human Decision Processes， 1997， 69（2）： 117-132

[62] [田陽(yáng)， 王海忠， 柳武妹. 等. 品牌承諾能抵御負(fù)面信息嗎？——自我調(diào)節(jié)導(dǎo)向的調(diào)節(jié)作用[J]. 心理學(xué)報(bào)， 2014， 46（6）： 864-875.]TIAN Yang， WANG Haizhong， LIU Wumei， et al. Can brand commitment resist negative publicity： The moderate effect of regulatory focus[J]. Acta Psychologica Sinica， 2014， 46（6）： 864-875.

[63] WOLTIN K A， YZERBYT V. Regulatory focus in predictions about others[J]. Personality and Social Psychology Bulletin， 2015， 41（3）： 379-392.

[64] PHAM T M， AVNET T. Ideals and oughts and the reliance on affect versus substance in persuasion[J]. Journal of Consumer Research， 2004， 30 （4）： 503-518.

[65] SMITH A K， BOLTON R N. An experimental investigation of customer reactions to service failure and recovery encounters： Paradox or peril？[J]. Journal of Service Research， 1998， 1（1）： 65-81.

[66] MAGNINI V P， FORD J B， MARKOWSKI E P， et al. The service recovery paradox： Justifiable theory or smoldering myth？[J]. Journal of Services Marketing， 2007， 21（3）： 213-225.

[67] TOWNSEND C， SOOD S. Self-affirmation through the choice of highly aesthetic products[J]. Journal of consumer research， 2012， 39（2）： 415-428.

[68] NENKOV G Y， SCOTT M L. “So cute I could eat it up”： Priming effects of cute products on indulgent consumption[J]. Journal of Consumer Research， 2014， 41（2）： 326-341.

[69] WATSON D， CLARK L A， TELLEGEN A. Development and validation of brief measures of positive and negative affect： The PANAS scales[J]. Journal of Personality and Social Psychology， 1988， 54（6）： 1063-1070.

[70] HESS R L. The impact of firm reputation and failure severity on customers responses to service failures[J]. Journal of Services Marketing， 2008， 22（5）： 385-398.

[71] FLAVIAN C， GUINALIU M， GURREA R. The role played by perceived usability， satisfaction and consumer trust on website loyalty[J]. Information & Management， 2006， 43（1）： 1-14.

[72] SIGUAW J， SIMPSON P， BAKER T. Effects of supplier market orientation on distributor market orientation and the channel relationship： The distributor perspective[J]. Journal of Marketing， 1998， 62（3）： 99-111.

[73] GOODE M R， DAHL D W， MOREAU C P. Innovation aesthetics： The relationship between category cues， categorization certainty， and newness perceptions[J]. Journal of Product Innovation Management， 2013， 30（2）： 192-208.

[74] ZHAO X， LYNCH J G， CHEN Q. Reconsidering Baron and Kenny： Myths and truths about mediation analysis[J]. Journal of Consumer Research， 2010， 37（2）： 197-206.

[75] PREACHER K J， HAYES A F. SPSS and SAS procedures for estimating indirect effects in simple mediation models[J]. Behavior Research Methods Instruments & Computers， 2004， 36（4）： 717-731.

[76] HAYES A F. Introduction to mediation， moderation， and conditional process analysis： A regression-based approach[J]. Journal of Educational Measurement， 2013， 51（3）： 335-337.

[77] HIGGINS E T. Making a good decision： Value from fit[J]. American Psychologist， 2000， 55（3）： 1217-1230.

[78] [姚琦， 樂國(guó)安， 伍程聰， 等. 調(diào)節(jié)定向的測(cè)量維度及其問卷信度和效度檢驗(yàn)[J]. 應(yīng)用心理學(xué)， 2008， 14（4）： 318-323.] YAO Qi， YUE Guoan， WU Chengcong， et al. Measurement of regulatory focus： The reliability and validity of Chinese version of regulatory focus questionnaire[J]. Chinese Journal of Applied Psychology， 2008， 14（4）： 318-323.

[79] HAWS K L， DHOLAKIA U M， BEARDEN W O. An assessment of chronic regulatory focus measures[J]. Journal of Marketing Research， 2010， 47（5）： 967-982.

[80] PLOG S C. Why destination areas rise and fall in popularity[J]. Cornell Hotel and Restaurant Administration Quarterly， 1974， 14（4）： 55-58.