○ 王海忠 謝 濤 詹純玉

引言

在傳統(tǒng)電子商務(wù)中，企業(yè)大量使用人工客服來解決“信息過載”和“缺乏人際互動”等問題，隨之產(chǎn)生巨額的人工成本。隨著智能技術(shù)的成熟，企業(yè)越來越多地使用智能客服系統(tǒng)。線上智能客服能夠展現(xiàn)出鮮活的視覺形象、敏捷的人機對話能力，[1,2]可將真實客服近似地映射到線上平臺。例如，中國工商銀行的“工小智”、中國銀行的“優(yōu)優(yōu)”等智能客服，通過擬人化的外表，樹立真人客服形象。淘寶的“阿里小蜜”、京東的“小咚”等智能客服，通過社交化的語言，改善顧客的聊天體驗。智能客服在服務(wù)領(lǐng)域展現(xiàn)出巨大市場潛力。從機器屬性上看，智能客服在處理客觀性和程序性任務(wù)上具備明顯的效率優(yōu)勢。[3,4]例如，中國工商銀行的“工小智”語義識別準確率達到98%，兩年內(nèi)處理顧客業(yè)務(wù)達4 億筆，這是人工客服無法企及的。但當(dāng)智能客服與顧客的對話出現(xiàn)主觀性和獨特性內(nèi)容時，智能客服不善于回答此類看似簡單、實則“超綱”的問題，[3,4]會產(chǎn)生無法理解的低級失誤，導(dǎo)致顧客的抱怨和棄用。例如，宜家（IKEA）率先使用智能客服（取名Anna）。Anna 以高度擬人化且有吸引力的女性形象出現(xiàn)，模擬自然語言進行對話。但在2016年，宜家突然停止使用Anna。原因是Anna的語言風(fēng)格和視覺形式都過于像人，導(dǎo)致顧客經(jīng)常談及與購物不相關(guān)的話題，偏離了智能客服的基本功能，Anna自然不能很好地解答這些不相關(guān)的問題。[5]

以上案例說明，盡管智能客服的效率優(yōu)勢明顯，但無法回答最簡單的主觀性問題。這樣的低級失誤嚴重違背顧客預(yù)期，激發(fā)厭惡情緒，加劇負面態(tài)度。既然服務(wù)失敗在所難免，如何設(shè)計智能客服的形式和行為，創(chuàng)造積極的顧客體驗，變得非常重要。

在以往智能客服的研究中，擬人化受到大量關(guān)注。一是形式擬人化，將人類外觀特征（面孔、肢體等）賦予非人類個體。二是行為擬人化，將人類行為特征（聲音、溝通風(fēng)格等）賦予非人類個體。已有研究發(fā)現(xiàn)，高形式擬人化的智能客服能激發(fā)積極反應(yīng)。[1]高行為擬人化也具有正面效果。線上智能客服融入語音、對話后，網(wǎng)站的社交性增強，顧客的瀏覽意愿提高。[2]智能客服的對話內(nèi)容與風(fēng)格甚至可以幫助新客戶適應(yīng)專業(yè)性金融服務(wù)。[6]

但以往研究還存在很多有待改進的空間。第一，過于破碎化的概念不能洞察現(xiàn)象背后的本質(zhì)，更不能為智能客服的設(shè)計與應(yīng)用提供理論指導(dǎo)?，F(xiàn)有的相關(guān)研究使用了“擬人化客服”“聊天機器人”“語言助手”等多種術(shù)語，但僅聚焦在智能客服的某一類線索上。在當(dāng)前營銷實踐中，智能客服化身的形式與行為紛繁復(fù)雜。世界領(lǐng)先企業(yè)雖然在智能客服的形式和行為設(shè)計上進行了探討和嘗試，但還缺乏理論指導(dǎo)。能否引入一個新的概念，涵蓋智能客服化身的各種形式與行為特征，以揭示智能客服擬人化現(xiàn)象背后的理論，這是本文要解決的第一個問題。第二，已有研究以服務(wù)成功為前提，很少探索服務(wù)失敗情況下智能客服擬人化的影響及其機制?；谏鐣磻?yīng)理論（Social Response Theory）、社交臨場感理論（Social Presence Theor y）等，以往研究發(fā)現(xiàn)智能客服的高擬人化會帶來積極反應(yīng)。[1,2]但這種積極效應(yīng)在很多情景下未能得到證實，如涉及敏感信息的廣告和體驗類游戲。[7,8]當(dāng)顧客與智能客服互動時，開源性的對話過程極易導(dǎo)致智能客服犯錯。那么，智能客服擬人化會帶來哪些負面效果？如何規(guī)避或弱化這種負面效果？這是本文第二個研究問題。

一、理論構(gòu)建與假設(shè)推演

1.智能客服化身

“化身”（Avatar）源于梵語，指“神的力量在人間的顯現(xiàn)”。[9]在智能時代，化身是由計算機控制的具有擬人化形象的數(shù)字代表。[9]它廣泛應(yīng)用在社會心理學(xué)、人機互動、教育學(xué)等領(lǐng)域。其形式在智能時代得到不斷豐富，包括“名稱、圖案、聲音、真人”等。[11]在社會心理學(xué)和人機互動領(lǐng)域，化身具備兩方面的基本特性。一方面，化身與主體之間具有代理關(guān)系（Agency）。[12]主體可以賦予并控制化身的形式和行為，化身的形式和行為也反映了主體的意志?；硎乾F(xiàn)實主體與虛擬世界互動的媒介，能對其他主體產(chǎn)生社會影響。另一方面，化身具有可塑性（Transformed）。[13]主體可以在不同的媒介環(huán)境中塑造不同的化身，可以是“現(xiàn)實自我”，也可以是“理想自我”?；碓诒磉_自我的同時，也會影響現(xiàn)實中的自我。[14]隨著營銷活動越來越多地發(fā)生在以計算機為媒介的環(huán)境中，[15]企業(yè)和消費者將自身投射到數(shù)字世界里，構(gòu)建一個延伸的自我（Extended Self）。[16]

化身與自我之間的關(guān)系（Self-avatar Relationship）已經(jīng)得到商業(yè)應(yīng)用?！盎頎I銷”（Avatar-based Marketing）一詞最早出現(xiàn)于《哈佛商業(yè)評論》，提出企業(yè)在虛擬世界中的營銷策略應(yīng)該定位于消費者的另一個“線上自我”（Online Alter Egos）。[17]化身與其他主體（如企業(yè)）之間的關(guān)系（Other-avatar Relationship）也受到廣泛關(guān)注。企業(yè)使用人格化的虛擬客服，增強在線購物的社交性。[1]“擬人化客服”“聊天機器人”“語言助手”等都屬于企業(yè)化身的具體表現(xiàn)。“形式—行為相似性”框架揭示出化身的作用。[9]形式與行為之間存在一定的互補關(guān)系，行為相似性可以彌補形式相似性的不足（如語音助手）。但是，形式相似性與行為相似性不一致時，化身的作用會被減弱，甚至產(chǎn)生負面作用。例如，仿真機器人具有高度的形式相似性，但其行為與人有明顯的不同，從而導(dǎo)致“恐怖谷”效應(yīng)，使人感到厭惡。

本文聚焦企業(yè)的智能客服化身，將智能客服化身界定為“由智能算法控制的企業(yè)客服的數(shù)字代表”。企業(yè)為智能客服化身賦予不同的社交線索（視覺形式、溝通風(fēng)格等），反映了企業(yè)在數(shù)字世界中映射的客戶服務(wù)和客戶關(guān)系。

2.服務(wù)失敗情境下智能客服化身擬人化水平對顧客態(tài)度的負面影響

服務(wù)接觸失敗是指一線服務(wù)人員與顧客互動時的失誤，比如不禮貌、不及時等。[18]服務(wù)接觸失敗有三種類型：（1）對顧客需求和偏好的錯誤反應(yīng)，如未處理顧客獨特需求。（2）對核心服務(wù)失敗的錯誤反應(yīng)，如未對服務(wù)延遲進行解釋。（3）服務(wù)人員的不當(dāng)行為，如對顧客不予理睬。[19]智能客服代替一線服務(wù)人員與顧客進行互動，極有可能出現(xiàn)前兩種服務(wù)接觸失敗。算法雖然可以高效地處理客觀性和程序性任務(wù)，但卻不善于解決主觀性和獨特性問題。[3,4]因此，智能客服的服務(wù)接觸失敗有以下特殊性：（1）面對獨特需求，智能客服經(jīng)常會出現(xiàn)低級失誤。顧客的很多獨特需求對于人工客服來說可能十分簡單（比如修改訂單），但智能客服對信息邊界以外的問題往往“答非所問”。（2）面對核心服務(wù)失敗，智能客服無法進行主觀性的事后補救。很多主觀性的事后補救措施對人工客服來說可能十分容易（如解釋原因和安撫情緒），但智能客服無法在算法中預(yù)設(shè)事后補救措施，對于如何事后補救往往顯得“啞口無言”。這些服務(wù)接觸失敗在人工客服中幾乎不可能出現(xiàn)。基于人類屬性的服務(wù)補救措施大多是事后補救，需要人類獨有的主觀能動性和情感體驗?zāi)芰Α20]但智能客服尚不具備這些能力，無法實施傳統(tǒng)的服務(wù)補救措施。

人機互動領(lǐng)域的研究表明，人們會無意識地將社交規(guī)則應(yīng)用于具備社交線索（外表、聲音、語言等）的計算機，包括禮貌、互惠等規(guī)則。[21]化身擬人化即將社交線索賦予智能客服。

擬人化程度越高的化身越能激發(fā)人類圖式，使人們認為化身具備理性的想法和有意識的行動，進而對其產(chǎn)生類似人類的情緒和態(tài)度。[22]一方面，當(dāng)面對高形式擬人化的智能客服化身時（如真人頭像），顧客會無意識地將人際互動的準則應(yīng)用到與人機互動中。具體而言，當(dāng)智能客服出現(xiàn)低級失誤時，相比低形式擬人化，高形式擬人化的化身會讓智能客服承擔(dān)更多的責(zé)任，導(dǎo)致顧客更加難以容忍失誤。另一方面，高形式擬人化會提高顧客對智能客服的預(yù)期，與低級失誤的行為產(chǎn)生不一致。具體而言，當(dāng)智能客服出現(xiàn)低級失誤時，相對于低形式擬人化，高形式擬人化的智能客服化身會嚴重違背顧客預(yù)期，使顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度。綜上，本文提出如下假設(shè)：

H1：在服務(wù)失敗情境下，相對于低形式擬人化，高形式擬人化的智能客服化身會讓顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度

3.智能客服化身擬人化負面效應(yīng)的心理機制：厭惡感的中介作用

厭惡感屬于人類基本情緒之一。它包括由食物、動物等引起的生理厭惡，也包括違背道德認知導(dǎo)致的社會道德厭惡。[23]生理厭惡感作為一種適應(yīng)功能，會使人們對于引起生理不適的物體采取排斥和規(guī)避行為。同理，道德厭惡感使人們對不符合道德預(yù)期的行為產(chǎn)生反感，甚至抵制。在營銷領(lǐng)域，顧客在面對不確定性、企業(yè)社會責(zé)任缺失、欺騙行為時都會產(chǎn)生厭惡感，導(dǎo)致抵制、排斥、規(guī)避等行為。[24]在真實的服務(wù)失敗情境中，顧客會對服務(wù)人員的重復(fù)性錯誤產(chǎn)生厭惡感，直接對服務(wù)人員表示不滿，甚至終止服務(wù)關(guān)系。[25]除了厭惡情緒外，失敗體驗還有可能產(chǎn)生其他兩種情緒：憤怒和輕視。[26]憤怒側(cè)重于懲罰，輕視側(cè)重于偏見，厭惡感側(cè)重于遠離和規(guī)避。[26]高形式擬人化（相對于低形式擬人化）的智能客服化身會讓顧客更傾向于以人際互動的規(guī)則來衡量人機互動，形成更高的預(yù)期。當(dāng)智能客服出現(xiàn)低級失誤時，高形式擬人化與失誤行為之間產(chǎn)生不一致，違背了顧客的預(yù)期，從而讓顧客產(chǎn)生厭惡感，即“恐怖谷效應(yīng)”。[10]已有研究也表明，當(dāng)用戶發(fā)現(xiàn)智能算法的錯誤后，會產(chǎn)生“算法厭惡”（即使算法具備更好的表現(xiàn)，用戶依然會放棄使用算法，繼續(xù)選擇人工）。[27]可以看出，在面對“陌生”的智能技術(shù)時，消費者表現(xiàn)出遠離的傾向。強烈的厭惡感會使顧客更加難以容忍或原諒智能客服的失誤，甚至采取排斥和規(guī)避行為。因此，本文提出如下假設(shè)：

H2：在服務(wù)失敗的情境下，高形式擬人化的智能客服化身對顧客態(tài)度的負面效應(yīng)受到厭惡感的中介。即相對于低形式擬人化，高形式擬人化的智能客服化身會引起更強的厭惡感，使顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度

4.溝通風(fēng)格的調(diào)節(jié)作用

在服務(wù)失敗的情境下，智能客服化身的高形式擬人化與失誤行為之間的不一致性引起了顧客的厭惡。根據(jù)“形式—行為相似性”框架，如果能夠彌補形式與行為的不一致性，則可以有效抑制化身的負面影響。調(diào)整智能客服的溝通風(fēng)格可能是緩解顧客厭惡感的途徑之一。以往研究表明，線下客服的溝通風(fēng)格能夠影響顧客的信任和忠誠。[28]還有研究也發(fā)現(xiàn)，在線客服的溝通風(fēng)格同樣影響顧客與在線客服之間的關(guān)系。[29]在互動過程中，顧客會對線上智能客服的溝通風(fēng)格做出反應(yīng)或判斷?？傮w上，智能客服的溝通風(fēng)格可分為兩類：社交導(dǎo)向和任務(wù)導(dǎo)向。社交導(dǎo)向的溝通風(fēng)格以建立客戶人際關(guān)系為目的，滿足客戶的情感需求，進行個性化互動；而任務(wù)導(dǎo)向旨在提高任務(wù)效率，實現(xiàn)任務(wù)目標及將溝通成本最小化。與任務(wù)導(dǎo)向的溝通風(fēng)格相比，社交導(dǎo)向的溝通風(fēng)格會增強擬人化的正面效應(yīng)。[29]

社交導(dǎo)向的溝通風(fēng)格會增強智能客服與顧客之間的心理聯(lián)結(jié)，使智能客服更具有社會情感，與顧客之間的人際關(guān)系更加緊密。因此，社交導(dǎo)向的溝通風(fēng)格會抵消高擬人化形式與失誤行為之間的不一致性，進而減弱厭惡感。具體而言，當(dāng)智能客服出現(xiàn)低級失誤時，高擬人化形式與失誤行為之間產(chǎn)生不一致，嚴重違反了顧客的預(yù)期，使其產(chǎn)生厭惡情緒。但社交導(dǎo)向的溝通風(fēng)格增強了智能客服的社交情感，一定程度上滿足了人際互動的準則，緩解了顧客的厭惡感。但是，任務(wù)導(dǎo)向的溝通風(fēng)格無法滿足人際互動的準則，對厭惡感沒有減弱的作用。綜上，本文提出以下假設(shè)：

H3：在服務(wù)失敗的情境下，智能客服化身的形式擬人化程度對顧客態(tài)度的影響受到溝通風(fēng)格的調(diào)節(jié)

H3a：在服務(wù)失敗的情境下，當(dāng)智能客服使用社交導(dǎo)向的溝通風(fēng)格時，化身的形式擬人化程度（高、低）對顧客態(tài)度沒有顯著影響

H3b：在服務(wù)失敗的情景下，當(dāng)智能客服使用任務(wù)導(dǎo)向的溝通風(fēng)格時，相對于低形式擬人化，高形式擬人化的化身會讓顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度

5.內(nèi)隱人格的調(diào)節(jié)作用

不同人格特質(zhì)的消費者對不確定性的認知不同，對錯誤的態(tài)度也不同。因此，厭惡感也受到消費者人格特質(zhì)的影響。[24]不同的內(nèi)隱人格可能會影響形式與行為不一致性所帶來的厭惡感。內(nèi)隱人格理論探究人們對人格特征的可塑性和固定性的認知。個體在內(nèi)隱人格上表現(xiàn)為實體論和漸變論兩種類型。實體論者認為人的個性特征是靜態(tài)的、固定的，行為具有高度一致性；漸變論者認為人的個性是動態(tài)的、可塑的，行為是根據(jù)情境而變化的。[30]實體論者對他人進行評價，往往根據(jù)其內(nèi)在的特質(zhì)進行推測和判斷；漸變論者認為人的心理是動態(tài)過程，對行為的認知也是暫時性的。他們會根據(jù)接收到的最新信息不斷修正行為判斷。[31]當(dāng)擬人化品牌出現(xiàn)負面行為時，實體論者更容易對品牌的未來進行負面推測。[32]這是因為實體論者會把單次錯誤看作人內(nèi)在負面特質(zhì)的表現(xiàn)，并當(dāng)作未來持續(xù)犯錯的可靠參考。相反，漸變論者認為，人的特質(zhì)是變化的，他們不會因為對方單次負面表現(xiàn)而形成長期固定的負面印象，也不會認為單次錯誤舉動就能預(yù)示未來行為。因此，相比漸變論者，實體論者在面對犯錯時會產(chǎn)生更負面的評價。高形式擬人化的智能客服化身會激活顧客的人類圖式。因此，在服務(wù)失敗情境下，我們認為不同內(nèi)隱人格傾向的顧客對智能客服失誤的厭惡感不同。具體而言，當(dāng)面對高形式擬人化的智能客服化身時，實體論者傾向于將服務(wù)失敗視作穩(wěn)定特征，將單次服務(wù)失敗行為當(dāng)作穩(wěn)定持續(xù)的行為，并以此推斷智能客服未來也有同樣的負面表現(xiàn)，進而加劇厭惡感。而漸變論者不會過多關(guān)注智能客服的外在表現(xiàn)，也不會斷定單次錯誤還會在未來反復(fù)發(fā)生，所以不會加劇厭惡感。因此，在服務(wù)失敗情境下，對于實體論的顧客而言，高形式擬人化（相對于低形式擬人化）的智能客服化身會使顧客對服務(wù)失敗有更加負面的態(tài)度。但是對于漸變論者而言，高形式擬人化（相對于低形式擬人化）的智能客服化身不會影響顧客對服務(wù)失敗的態(tài)度。綜上，本文提出以下假設(shè)：

H4：在服務(wù)失敗的情境下，智能客服化身的形式擬人化程度對顧客態(tài)度的影響受到內(nèi)隱人格的調(diào)節(jié)

H4a：在服務(wù)失敗的情境下，當(dāng)顧客為漸變論者時，智能客服化身的形式擬人化程度（高、低）對顧客態(tài)度沒有顯著影響

H4b：在服務(wù)失敗的情境下，當(dāng)顧客為實體論者時，相對于低形式擬人化，高形式擬人化的智能客服化身會使顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度

二、研究設(shè)計與研究發(fā)現(xiàn)

本文的實證研究由一個預(yù)研究和三個實驗研究構(gòu)成。首先，我們通過預(yù)研究來揭示企業(yè)目前使用智能客服化身的整體輪廓。根據(jù)“形式—行為相似性”框架，在預(yù)研究中，我們對企業(yè)使用的智能客服化身的形式和行為進行了編碼、分類、統(tǒng)計檢驗。結(jié)果發(fā)現(xiàn)，企業(yè)在外表、姓名、溝通風(fēng)格等要素的設(shè)計上尚未呈現(xiàn)規(guī)律性，迫切需要理論指導(dǎo)。其次，我們通過三個實驗，檢驗在服務(wù)失敗情境下，高形式擬人化會對顧客產(chǎn)生負面影響效應(yīng)及其緩解策略。具體而言，研究一操縱智能客服化身的形式擬人化程度（外表與姓名），發(fā)現(xiàn)高形式擬人化會加劇對服務(wù)失敗的負面態(tài)度。厭惡感發(fā)揮中介作用，研究二證明溝通風(fēng)格對厭惡感的抑制作用，研究三發(fā)現(xiàn)負面效應(yīng)的邊界條件。研究一、二、三分別設(shè)計不同的服務(wù)接觸失敗情境，以此避免不同服務(wù)失敗歸因的干擾并增強研究結(jié)論的普適性。

1.預(yù)研究

（1）案例選取與收集

參照案例研究中的理論抽樣原則，本文選取契合理論框架和研究問題的案例。[33]案例選取主要考慮以下因素。①典型性。以算法為支撐的智能客服還屬于新生事物，目前主要由業(yè)務(wù)規(guī)模大、科技實力強、品牌價值高的行業(yè)領(lǐng)先企業(yè)使用。因此，所選案例應(yīng)該來源于領(lǐng)先企業(yè)。②差異性。企業(yè)面對不同顧客群體，其智能客服化身的設(shè)計也存在顯著差異。為此，所選案例能覆蓋目前集中使用智能客服的多個行業(yè)。③可獲得性。案例企業(yè)的智能客服可以被公開訪問，化身的特征對用戶是可見的。根據(jù)這些原則，我們從“2018《財富》世界500強排行榜”中選取前100 名企業(yè)作為分析對象。通過瀏覽企業(yè)的官方網(wǎng)站、社交媒體、APP等，一共收集到50 個智能客服化身的案例，主要來自金融、零售、通信等行業(yè)，分布在美國（28%）、歐洲（38%）、亞洲（34%）等地區(qū)。這些案例在規(guī)模、行業(yè)、地域維度上都具有極強的代表性，代表了全球范圍內(nèi)智能客服化身最前沿的實踐。

（2）案例分析

根據(jù)“形式—行為相似性”框架，我們對智能化身的設(shè)計元素進行編碼和分類。形式相似性主要指視覺線索上的相似，包括姓名、外表、性別、年齡等。行為相似性主要是指對話線索（溝通風(fēng)格）。在編碼過程中，我們發(fā)現(xiàn)聲音線索也被較多的企業(yè)使用，將其歸類為行為相似性。具體分析結(jié)果詳見表1。

表1 智能客服化身案例

總體上，在形式相似性方面，各個企業(yè)在智能客服的外表（χ(3)=2.8，p=0.423）設(shè)計上尚未形成明確的主流實踐，企業(yè)在設(shè)計智能客服的高、低程度擬人化外表、符號式外表（如標識/產(chǎn)品/圖案等）、無任何外表等四個方面沒有顯著差異。此外，有姓名和無姓名的比例分別為48% 和52%，也未呈現(xiàn)出集中的趨勢（χ(1)=0.08，p=0.777）。但在性別上，女性的使用頻率要顯著高于其他類型（χ(2)=19.182，p<0.001）。在年齡上，樣本中的企業(yè)全部使用了年輕化身，集中趨勢非常明顯。這說明，企業(yè)在智能客服化身的性別和年齡設(shè)計上已表現(xiàn)出非常明顯的趨勢，但在外表和姓名的設(shè)計上尚未形成偏好。

對于行為相似性來說，多數(shù)企業(yè)傾向于不使用聲音（χ(1)=5.12，p=0.024），聲音溝通的方式尚未成為主流。在溝通風(fēng)格上，各企業(yè)在智能客服化身設(shè)計上也沒有形成明顯的偏好（χ(1)=0.08，p=0.777）。

（3）結(jié)果討論

總體來說，即使是率先使用智能客服的全球領(lǐng)先企業(yè)，迄今為止在智能客服化身的形式和行為設(shè)計上也尚未形成規(guī)律性的實踐法則?，F(xiàn)有研究結(jié)論也與企業(yè)的實際現(xiàn)狀存在不吻合之處。例如，就形式相似性而言，現(xiàn)有研究表明，高擬人化的外表有正面效應(yīng)，[1,2]但現(xiàn)實是只有26% 的企業(yè)采用了高擬人化的外表設(shè)計，52% 的企業(yè)卻使用了非擬人化或低擬人化的外表。就行為擬人化而言，現(xiàn)有研究表明，社交導(dǎo)向的溝通風(fēng)格有積極作用，[29]但現(xiàn)實中仍然有52% 的企業(yè)使用了任務(wù)導(dǎo)向的風(fēng)格。這些理論和實踐的差異表明，化身的形式和行為設(shè)計存在很多尚未解決的重要問題。為此，在接下來的研究一、二、三中，通過操縱智能客服的形式相似性與行為相似性，探索智能客服化身的規(guī)律性。

2.研究一

（1）被試與設(shè)計

從問卷星平臺招募89 名被試，其中女性74 人，占比83%。為了驗證假設(shè)1 和2，研究一采用單因素（形式擬人化：低vs.高）組間設(shè)計，中介變量為厭惡感，因變量為顧客對服務(wù)失敗的態(tài)度。

（2）擬人化操縱與前測

我們設(shè)計了某餐飲企業(yè)智能客服的初始界面，來操縱智能客服的擬人化程度。高形式擬人化的初始界面包括：真人頭像（沒有表情）、使用第一人稱和姓名的文字介紹。低形式擬人化的初始界面使用耳機作為頭像（具有人臉輪廓），文字介紹中沒有第一人稱和姓名。具體材料略去備索。

為了檢驗擬人化程度操縱的有效性，我們對實驗材料進行了前測。在前測中，45 名參與者被隨機分成兩組，一組瀏覽高形式擬人化的初始界面，另一組瀏覽低形式擬人化的初始界面。然后，兩組參與者先回答對以下陳述的同意程度：“該智能客服似乎有自己的信念和愿望、意識、思維方式”（1=非常不同意，7=非常同意）；再評價智能客服與真實客服的相似程度（1=非常不相似，7=非常相似）。根據(jù)以上四個題項來測量擬人化程度（α=0.87）。結(jié)果表明，高形式擬人化組的擬人化程度（M高擬人化=3.49，SD=1.08）顯著高于低形式擬人化組（M低擬人化=2.81，SD=1.09；t（43）=2.115，p=0.040）。為了排除形式擬人化對情緒的影響，參與者還完成了PANAS情緒測量，[34]測項使用Likert七級量表。正向情緒測項有：愉悅的/感興趣的/驚喜的（α=0.81）；負向情緒測項有：厭惡的/憤怒的/輕視的（α=0.89）。結(jié)果表明，高形式擬人化組與低形式擬人化組沒有顯著差異（正向情緒：M高擬人化=3.55，SD=0.83 vs.M低擬人化=3.03，SD=1.23；t（43）=1.673，p=0.102；負向情緒：M高擬人化=2.65，SD=1.23 vs.M低擬人化=2.33，SD=1.29；t（43）=0.848，p=0.401）。

（3）實驗流程

參與者首先瀏覽某餐飲企業(yè)智能客服的初始界面，再閱讀關(guān)于該智能客服的負面報道。89 名參與者被隨機分成兩組。一組閱讀高擬人化的初始界面和負面報道，另一組閱讀低擬人化的初始界面和負面報道。高擬人化組的初始界面包括真人頭像（沒有表情）、使用第一人稱和姓名的文字介紹。低擬人化組的初始界面使用耳機作為頭像（具備人臉輪廓），文字介紹中沒有第一人稱和姓名。負面報道根據(jù)真實的消費者投訴記錄改編，主要內(nèi)容為：“當(dāng)我在APP 上進行訂餐時，界面上彈出智能客服。我按照提示提交要求之后，智能客服很快為我完成訂餐。但是，當(dāng)我要修改用餐時間時，智能客服卻沒有回應(yīng)。隨后我要求接通人工客服，智能客服又開始回應(yīng)上一個請求，但信息卻是無關(guān)的。智能客服連簡單問題都解決不了，真令人失望?！睘榱伺c初始界面保持一致，在高擬人化組的負面報道中，智能客服使用真人頭像與姓名；在低擬人化組的負面報道中，智能客服使用耳機作為頭像（具備人臉輪廓），不使用姓名。其余內(nèi)容完全一致。具體材料略去備索。

在閱讀上述材料后，我們先測量參與者對服務(wù)失敗的歸因（報道中的服務(wù)失敗主要是由智能客服造成的，1=非常不同意，7=非常同意）。[35]然后，采用兩個題項來測量厭惡感（α=0.87）：“你對該智能客服有多大程度上的厭惡（1=非常不厭惡，7=非常厭惡）”；“你對該智能客服有多大程度上的反感（1=非常不反感，7=非常反感）”。已有研究表明，當(dāng)負面刺激來自外部主體時，消費者會產(chǎn)生厭惡（側(cè)重于躲避）、憤怒（側(cè)重于懲罰）、輕視（側(cè)重于偏見）三種負面情緒。[26]為了排除其他兩種負面情緒的替代性解釋，我們也測量了憤怒（你對該智能客服有多大程度上的憤怒，1=非常不憤怒，7=非常憤怒）、輕視（你對該智能客服有多大程度上的輕視，1=非常不輕視，7=非常輕視）。隨后，我們采用兩個題項來測量顧客對服務(wù)失敗的負面態(tài)度（α=0.7）：“你認為該智能客服失誤的嚴重程度（1=非常不嚴重，7=非常嚴重）”，“你對該智能客服失誤給予原諒的程度（1=完全可以原諒，7=完全不可以原諒）”。[36]最后，我們記錄了人口統(tǒng)計學(xué)變量，包括年齡、性別、學(xué)歷等。

（4）數(shù)據(jù)分析

操縱檢驗。單樣本t 檢驗表明（以7 點量表的中間值4 為臨界值），參與者將負面報道中的服務(wù)失敗歸因于智能客服（M=5.19，SD=1.28；t大于4（88）=8.791，p<0.001）。情境刺激材料有效。

假設(shè)檢驗。獨立樣本t 檢驗表明，相對低擬人化組，高擬人化組對服務(wù)失敗的態(tài)度更加負面（M高擬人化=4.74，SD=1.08 vs.M低擬人化=4.24，SD=0.80；t（87）=2.453，p=0.016），結(jié)果驗證了假設(shè)1。獨立樣本t 檢驗表明，相對于低擬人化組，高擬人化組對服務(wù)失敗有更強的厭惡感（M高擬人化=4.89，SD=1.21 vs.M低擬人化=4.19，SD=1.15；t（87）=2.783，p=0.007）。但憤怒情緒（p=0.375）和輕視情緒（p=0.652）在高擬人化組與低擬人化組之間沒有顯著差異。因此，我們可以排除憤怒情緒和輕視情緒作為中介變量對因果關(guān)系的解釋。我們將擬人化程度作為自變量，顧客態(tài)度作為因變量，使用Bootstrap 程序檢驗厭惡感的中介效應(yīng)，樣本量為5000，模型為4。[37]檢驗結(jié)果顯示，在95% 的置信區(qū)間下，中介效應(yīng)的結(jié)果不包含0（LLCI=0.0971，ULCI=0.6152），且中介效應(yīng)大小為0.3162，說明厭惡感的中介效應(yīng)顯著。結(jié)果支持假設(shè)2。

（5）結(jié)果討論

為了避免不同失敗歸因?qū)σ蚬P(guān)系的干擾，實驗情境有效地將失敗歸因控制在智能客服上。在此前提下，研究一驗證了在服務(wù)失敗的情境下，高形式擬人化會讓顧客對服務(wù)失敗有更加負面的態(tài)度。研究一還為負面效應(yīng)的解釋機制提供了證據(jù)。在服務(wù)失敗的情況下，高形式擬人化會增強厭惡感，進而加劇負面態(tài)度。同時，我們還排除了憤怒情緒和輕視情緒的替代性解釋。研究一采用了智能客服的負面報道作為實驗情境，可以避免行為擬人化對形式擬人化的干擾。但是，研究一中的負面報道來源于第三方，它無法模擬真實的服務(wù)接觸失敗情境。為此，研究二使用對話情境來強化服務(wù)接觸失敗的真實情境。

3.研究二

（1）被試與設(shè)計

從問卷星平臺招募183 名被試，其中女性133 人，占比約72.7%。為了驗證假設(shè)3，研究二采用 2（形式擬人化：低vs.高）×2（溝通風(fēng)格：任務(wù)導(dǎo)向vs.社交導(dǎo)向）組間實驗。在服務(wù)失敗的情境中，研究二將繼續(xù)檢驗高形式擬人化的負面效應(yīng)及其中介機制，驗證溝通風(fēng)格對負面效應(yīng)的調(diào)節(jié)作用。

（2）溝通風(fēng)格操縱與前測

為了操縱溝通風(fēng)格，我們根據(jù)真實的對話記錄，重新設(shè)計了某餐飲企業(yè)智能客服的對話界面，去除了客服的頭像。服務(wù)失敗的情境材料如下：“春節(jié)將至，你準備在APP 上預(yù)訂某餐廳的年夜飯。該餐廳口碑不錯，預(yù)訂十分活躍。所以，公司使用線上智能客服來緩解人工壓力。根據(jù)智能客服的指示，你很快完成預(yù)訂。但在提出修改人數(shù)的請求后，智能客服卻給出了錯誤的回答。雖然最后人工客服解決了修改人數(shù)的問題，但智能客服連簡單問題都解決不了，讓你很失望?！备鶕?jù)該情境，我們設(shè)計了兩種不同溝通風(fēng)格的對話。任務(wù)導(dǎo)向的溝通風(fēng)格側(cè)重于實現(xiàn)目標、有目的地組織對話；社交導(dǎo)向的智能客服側(cè)重于提供服務(wù)支持，表現(xiàn)出同理心和善解人意。[29]具體材料略去備索。

為了檢驗溝通風(fēng)格操縱的有效性，我們對實驗材料進行前測。在前測中，首先讓80 名參與者閱讀服務(wù)失敗的情境材料。然后，我們將80 名參與者隨機分成兩組，一組閱讀社交風(fēng)格的對話，另一組閱讀任務(wù)風(fēng)格的對話。閱讀結(jié)束后，我們對參與者進行溝通風(fēng)格的操縱檢驗。[29]任務(wù)導(dǎo)向采用“遵守服務(wù)流程”“強調(diào)相關(guān)規(guī)定”兩個測項（1=非常不同意，7=非常同意，α=0.7），社交導(dǎo)向采用“親近友善”“熱情親切”兩個測項（1=非常不同意，7=非常同意，α=0.92）。最后，我們對情境卷入度進行測量，采用“投入程度”“專心程度”兩個題項（1=一點也不，7=非常，α=0.81）。單樣本t 檢驗的結(jié)果表明，參與者對情境材料有較高的卷入度（M=5.5，SD=0.95；t大于4（79）=14.103，p<0.001）。獨立樣本t 檢驗的結(jié)果表明：在任務(wù)風(fēng)格的對話條件下，任務(wù)導(dǎo)向的得分顯著高于社交導(dǎo)向（M任務(wù)導(dǎo)向=5.23，SD=1.14 vs.M社交導(dǎo)向=4.35，SD=1.24；t（78）=3.279，p=0.002）；在社交風(fēng)格的對話條件下，社交導(dǎo)向的得分顯著高于任務(wù)導(dǎo)向（M任務(wù)導(dǎo)向=3.34，SD=1.78 vs.M社交導(dǎo)向=4.75，SD=1.25；t（78）=4.116，p<0.001）。溝通風(fēng)格操縱成功。

（3）實驗流程

實驗包括三個部分。第一部分，讓參與者閱讀一段服務(wù)失敗的情境材料。該情境材料與前測中的一致。隨后參與者回答情境卷入度測項（你能想象自己是情境中的主人公嗎？1=完全不能，7=完全能）。第二部分，參與者被隨機分配到四個實驗組，分別閱讀不同的對話。擬人化的操縱參照研究一。高形式擬人化的智能客服使用真人頭像，稱呼上使用姓名“筱奕”和第一人稱。低形式擬人化的智能客服使用耳機作為頭像（具備人臉輪廓），稱呼上使用“系統(tǒng)”來代替。溝通風(fēng)格的操縱沿用前測。任務(wù)導(dǎo)向的溝通風(fēng)格側(cè)重于實現(xiàn)目標、有目的地組織對話。社交導(dǎo)向的智能客服側(cè)重于提供服務(wù)支持，表現(xiàn)出同理心和善解人意。[25]具體材料略去備索。第三部分，在閱讀完所有材料之后，參與者需要回答各變量的測項。服務(wù)失敗歸因的測量沿用研究一。擬人化程度的測量沿用研究一中的四個題項（α=0.86）。厭惡感的測量沿用研究一中的兩個題項（α=0.89）。態(tài)度的測量沿用研究一中的兩個題項（α=0.67）。最后，我們記錄人口統(tǒng)計學(xué)變量，包括年齡、性別、學(xué)歷等。

（4）數(shù)據(jù)分析

操縱檢驗。單樣本t 檢驗表明，參與者能夠較好地融入實驗情境（M=5.56，SD=1.33；t大于4（182）=15.811，p<0.001）；參與者將服務(wù)失敗歸因于智能客服（M=4.57，SD=1.33；t大于4（182）=5.829，p<0.001）。對兩個操縱變量進行獨立樣本t 檢驗，結(jié)果顯示，高形式擬人化組的擬人化程度顯著高于低形式擬人化組的擬人程度（M高擬人化=4.00，SD=1.31 vs.M低擬人化=3.33，SD=1.35；t（181）=3.424，p=0.001），形式擬人化操縱成功。

假設(shè)檢驗。以顧客對服務(wù)失敗的負面態(tài)度為因變量，進行方差分析，檢驗假設(shè)1、3a、3b。結(jié)果表明，形式擬人化對負面態(tài)度的主效應(yīng)顯著，高形式擬人化組的負面態(tài)度（M高擬人化=4.18，SD=0.091）顯著高于低形式擬人化組（M低擬人化=3.72，SD=0.093；F(1，179)=12.672，p<0.05）。假設(shè)1 得到驗證。形式擬人化和溝通風(fēng)格對負面態(tài)度的交互效應(yīng)顯著（F(1，179)=4.225，p=0.041）。簡單效應(yīng)分析表明，當(dāng)智能客服使用任務(wù)導(dǎo)向的溝通風(fēng)格時，高形式擬人化組的負面態(tài)度比低擬人化組的負面態(tài)度更高（M高擬人化=4.46，SD=0.84 vs.M低擬人化=3.73，SD=1.03；F(1，179)=15.02，p<0.001）；當(dāng)智能客服使用社交導(dǎo)向的溝通風(fēng)格時，形式擬人化程度（高、低）對態(tài)度沒有顯著影響（M高擬人化=3.91，SD=0.77 vs.M低擬人化=3.71，SD=0.88；F(1，179)=1.19，p=0.277）。具體結(jié)果見圖1。假設(shè)3a、3b 得到支持。對厭惡感做中介效應(yīng)分析，檢驗假設(shè)2。以形式擬人化為自變量，負面態(tài)度為因變量，厭惡感為中介變量，使用Bootstrap 程序，樣本量為5000，模型為4。[37]檢驗結(jié)果顯示，在95%的置信區(qū)間下，中介效應(yīng)的結(jié)果不包含0（LLCI=0.055，ULCI=0.3386），且中介效應(yīng)大小為0.1708，說明厭惡感的中介效應(yīng)顯著。結(jié)果支持假設(shè)2。采用有調(diào)節(jié)的中介分析進一步檢驗假設(shè)3a、3b。以形式擬人化為自變量，態(tài)度為因變量，厭惡感為中介變量，溝通風(fēng)格為調(diào)節(jié)變量，使用Bootstrap程序，樣本量為5000，模型為8。[37]檢驗結(jié)果表明：①有調(diào)節(jié)的中介效應(yīng)判定指數(shù)為-0.2293，95% 的置信區(qū)間不包含0（LLCI=-0.5096，ULCI=-0.0426），有調(diào)節(jié)的中介效應(yīng)顯著。②當(dāng)使用任務(wù)導(dǎo)向的溝通風(fēng)格時，厭惡感的中介效應(yīng)為0.2817，95% 的置信區(qū)間不包含0（LLCI=0.1146，ULCI=0.52），中介效應(yīng)顯著。當(dāng)使用社交導(dǎo)向的溝通風(fēng)格時，厭惡感的中介效應(yīng)為0.0524，95% 的置信區(qū)間包含0（LLCI=-0.0823，ULCI=0.2217），中介效應(yīng)不顯著。假設(shè)3a、3b 進一步得到支持。

圖1 溝通風(fēng)格的調(diào)節(jié)作用

（5）結(jié)果討論

研究二驗證在服務(wù)失敗的情境下，溝通風(fēng)格可以抑制智能客服化身的高形式擬人化帶來的負面效應(yīng)。具體而言，當(dāng)智能客服使用任務(wù)導(dǎo)向的溝通風(fēng)格時，高形式擬人化會引起更加負面的態(tài)度；當(dāng)智能客服使用社交導(dǎo)向的溝通風(fēng)格時，形式擬人化程度（高、低）對態(tài)度沒有顯著影響。

有調(diào)節(jié)的中介分析為理論機制提供了更多證據(jù)。當(dāng)智能客服使用社交導(dǎo)向的溝通風(fēng)格時，厭惡感的中介作用被削弱，抑制了高形式擬人化帶來的負面效應(yīng)。當(dāng)智能客服使用任務(wù)導(dǎo)向的溝通風(fēng)格時，厭惡感的中介作用依然顯著存在，無法抑制高形式擬人化帶來的負面效應(yīng)?？赡艿慕忉屖牵缃粚?dǎo)向的溝通風(fēng)格抵消了形式與行為的不一致性，從而削弱了厭惡感。

研究二選擇“對顧客需求和偏好的錯誤反應(yīng)”作為服務(wù)接觸失敗的情境。該實驗情境發(fā)生在核心服務(wù)之前，顧客可以準確地將服務(wù)失敗歸因于智能客服，從而避免了不同歸因帶來的干擾。研究三將選擇“對核心服務(wù)失敗的錯誤反應(yīng)”作為服務(wù)接觸失敗的情境，再次驗證高形式擬人化的負面效應(yīng)是否穩(wěn)健。與此同時，研究三變換形式擬人化的操縱，驗證在不同人群中高形式擬人化的負面效應(yīng)是否存在邊界條件。

4.研究三

（1）被試與設(shè)計

從問卷星平臺招募138 名被試，其中女性84 人，占比約60.9%。為了驗證假設(shè)4，研究三將參與者隨機分成兩組（形式擬人化：低vs.高），并測量內(nèi)隱人格，用內(nèi)隱人格的測量分值來反映人格特征的差異。在服務(wù)失敗的情境中，研究三將繼續(xù)檢驗高形式擬人化的負面效應(yīng)及其中介機制，驗證內(nèi)隱人格對負面效應(yīng)的調(diào)節(jié)作用。

（2）實驗材料與流程

為了增加實驗的外部效度，研究三使用“智能客服對核心服務(wù)失敗的錯誤反應(yīng)”作為實驗情境。具體來說，我們根據(jù)某電商平臺的在線評論內(nèi)容，撰寫了實驗所需的服務(wù)失敗刺激材料。刺激材料的具體內(nèi)容為：“由于天氣寒冷，你急需購置一臺洗衣機。在某電商平臺下單后，你發(fā)現(xiàn)物流被延遲了，進而去詢問客服。該電商平臺最近采用線上智能客服來提供售后咨詢服務(wù)。在你提出問題之后，智能客服很快就回復(fù)了物流詳情和官方的相關(guān)規(guī)定，但無法解釋延遲的原因和解決方案。你只好去求助人工客服。雖然最后人工客服給出了解釋，但智能客服并沒有為你帶來方便?！备鶕?jù)以上情境，我們設(shè)計了智能客服與顧客之間的對話界面和內(nèi)容。形式擬人化操縱與研究二類似。高形式擬人化的智能客服使用真人頭像，稱呼上使用姓名“筱奕”和第一人稱。低形式擬人化的智能客服使用沒有五官的人形卡通頭像，稱呼上使用“系統(tǒng)”來代替。所有實驗組的對話采用統(tǒng)一的溝通風(fēng)格。具體材料略去備索。

實驗包括三個部分。第一部分，參與者需要完成內(nèi)隱人格的測量。對內(nèi)隱人格傾向測量采用Levy等編制的量表，[38]最終選定6 個測項，包含3 個正向測項和3個反向測項（1=非常同意，7=非常不同意，α=0.65）。在進行轉(zhuǎn)碼后，6 個測項的平均分作為內(nèi)隱人格傾向的測量指標，得分越高，越傾向于“漸變論”。第二部分，參與者先閱讀情境刺激材料，再測試情境卷入度（你能想象自己是情境中的主人公嗎？1=完全不能，7=完全能）。然后，我們將參與者隨機分配到2 個實驗組（高擬人化vs.低擬人化），閱讀智能客服與顧客之間的對話。第三部分，在閱讀完所有材料之后，參與者需要回答各變量的測項。服務(wù)失敗歸因的測量沿用研究一。擬人化程度的測量沿用研究一中的4 個題項（α=0.896）。厭惡感的測量沿用研究一中的2 個題項（α=0.857）。顧客對服務(wù)失敗的負面態(tài)度沿用研究一中的2 個題項測量（α=0.68）。隨后，我們記錄了人口統(tǒng)計學(xué)變量，包括年齡、性別、學(xué)歷等。最后，參與者被要求猜測實驗?zāi)康摹?/p>

（3）數(shù)據(jù)分析

操縱檢驗。單樣本t 檢驗表明（以7 點量表的中間值4 為臨界值），[17]參與者能夠較好地融入實驗情境（M=5.348，SD=1.28；t大于4（137）=12.402，p<0.001）；參與者將服務(wù)失敗歸因于智能客服（M=4.746，SD=1.5；t大于4（137）=4.746，p<0.001）。對兩個操縱變量進行獨立樣本t 檢驗，結(jié)果顯示，高形式擬人化組的擬人化程度顯著高于低形式擬人化組（M高擬人化=4.22，SD=1.27 vs.M低擬人化=3.33，SD=1.47；t（136）=3.79，p<0.001）。形式擬人化操縱成功。沒有參與者猜測到實驗?zāi)康摹?/p>

假設(shè)檢驗。獨立樣本t 檢驗表明，高形式擬人化組的負面態(tài)度顯著高于低形式擬人化組（M高擬人化=4.25，SD=0.86 vs.M低擬人化=3.81，SD=0.96；t（136）=2.806，p=0.006）。結(jié)果驗證了假設(shè)1。以形式擬人化為自變量，負面態(tài)度為因變量，厭惡感為中介變量，使用Bootstrap程序?qū)拹焊凶髦薪樾?yīng)分析，樣本量為5000，模型為4。[37]檢驗結(jié)果顯示，在95% 的置信區(qū)間下，中介效應(yīng)的結(jié)果不包含0（LLCI=0.1691，ULCI=0.6052），且中介效應(yīng)大小為0.3551，說明厭惡感的中介效應(yīng)顯著。結(jié)果支持假設(shè)2。以形式擬人化為自變量，負面態(tài)度為因變量，內(nèi)隱人格為調(diào)節(jié)變量，使用Bootstrap程序?qū)?nèi)隱人格做調(diào)節(jié)效應(yīng)分析，樣本量為5000，模型為1。結(jié)果顯示，形式擬人化和內(nèi)隱人格的交互項邊緣顯著（β=-0.385，S.E.=0.207，t=-1.859，p=0.065）。對內(nèi)隱人格采用Mean±SD（M=3.5978，SD=0.8236）的方法區(qū)分實體論和漸變論。低于均值一個標準差為實體論，高于均值一個標準差為漸變論。分析結(jié)果表明，對于實體論者，高形式擬人化會增強負面態(tài)度（β=0.8018，S.E.=0.2364，t=3.3918，p<0.001）。對于漸變論者，形式擬人化程度（高、低）對態(tài)度沒有顯著影響（β=0.1678，S.E.=0.2235，t=0.7508，p=0.4541）。具體結(jié)果如圖2所示。假設(shè)4a、4b 得到支持。以形式擬人化為自變量，負面態(tài)度為因變量，厭惡感為中介變量，內(nèi)隱人格為調(diào)節(jié)變量，使用Bootstrap 程序進行有調(diào)節(jié)的中介分析，樣本量為5000，模型為8。[37]檢驗結(jié)果表明：①有調(diào)節(jié)的中介效應(yīng)判定指數(shù)為-0.416，95% 的置信區(qū)間不包含0（LLCI=-0.7563，ULCI=-0.1783）。有調(diào)節(jié)的中介效應(yīng)顯著。②對于實體論者（Mean-1 SD），厭惡感的中介效應(yīng)為0.7299，95% 的置信區(qū)間不包含0（LLCI=0.4286，ULCI=1.1102），中介效應(yīng)顯著。對于漸變論者（Mean+1 SD），厭惡感的中介效應(yīng)為0.0447，95% 的置信區(qū)間包含0（LLCI=-0.2445，ULCI=0.3172），中介效應(yīng)不顯著。假設(shè)4a、4b 進一步得到支持。

圖2 內(nèi)隱人格的調(diào)節(jié)作用

（4）結(jié)果討論

研究三的情境是智能客服對核心服務(wù)失敗出現(xiàn)了錯誤反應(yīng)。分析結(jié)果驗證了高形式擬人化的負面效應(yīng)。即使是在核心服務(wù)發(fā)生失敗后，顧客仍然將服務(wù)接觸失敗歸因于智能客服。研究三改變了服務(wù)接觸失敗的情境，結(jié)果表明，高形式擬人化帶來負面效應(yīng)的結(jié)論得到重復(fù)驗證。與此同時，研究三發(fā)現(xiàn)該負面效應(yīng)的邊界條件，即內(nèi)隱人格會調(diào)節(jié)高形式擬人化的負面效應(yīng)。具體而言，漸變論者不易受高形式擬人化的影響。無論是面對高擬人化的真人頭像還是低擬人化的卡通頭像，厭惡感的中介效應(yīng)不顯著，對服務(wù)失敗的態(tài)度沒有顯著變化。其背后的原因是，漸變論者傾向于把服務(wù)接觸失敗看作偶然事件，因而沒有對高擬人化的智能客服化身產(chǎn)生更強烈的厭惡感。但是，對實體論者而言，高形式擬人化會讓顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度。實體論者通常認為人的失敗由內(nèi)在固有特質(zhì)導(dǎo)致，不易改變。當(dāng)實體論者的人類圖式被高形式擬人化的智能客服激活后，智能客服的失誤也會被認為是難以改變的，進而導(dǎo)致更高的厭惡感，產(chǎn)生更加負面的態(tài)度。

三、研究結(jié)論與啟示

1.研究結(jié)論

本文試圖對智能客服相關(guān)現(xiàn)象與理論進行整合，率先引入“智能客服化身”概念將分散和零亂的研究統(tǒng)一起來。本文由一個預(yù)研究和三個實驗研究構(gòu)成。預(yù)研究分析了2018年《財富》世界500 強中前100 強企業(yè)所使用的智能客服化身，獲得50 個具有代表性的案例。分析結(jié)果發(fā)現(xiàn)，當(dāng)前世界領(lǐng)先企業(yè)在智能客服的外表、姓名、溝通風(fēng)格等要素的設(shè)計上，未形成主導(dǎo)的方法、準則?？梢姡麄€企業(yè)界對智能客服化身還處于探索階段，因而迫切需要進行相關(guān)理論研究。三個實驗研究聚焦智能客服化身的形式擬人化與行為擬人化的作用。研究一驗證了在服務(wù)失敗情境下，高形式擬人化的化身會強化負面態(tài)度。與“恐怖谷效應(yīng)”類似，在服務(wù)失敗的情境下，高形式擬人化會讓顧客對服務(wù)失敗產(chǎn)生更加負面的態(tài)度。研究一還驗證了厭惡感的中介作用，同時排除了其他負面情緒（憤怒、輕視）的替代性解釋。研究二驗證了溝通風(fēng)格的調(diào)節(jié)作用。分析發(fā)現(xiàn)，社交導(dǎo)向的溝通風(fēng)格可以緩和服務(wù)失敗的影響。[29]社交導(dǎo)向的溝通風(fēng)格可以彌補智能客服化身在行為上的不足，削弱形式與行為的不一致性，進而減輕厭惡感。研究三驗證了內(nèi)隱人格的調(diào)節(jié)作用，發(fā)現(xiàn)負面效應(yīng)的邊界條件。分析發(fā)現(xiàn)，在服務(wù)失敗的情境下，當(dāng)顧客屬于實體論者，高形式擬人化會產(chǎn)生負面效應(yīng)，引起厭惡感，加劇負面態(tài)度。但是，對于漸變論的顧客來說，高形式擬人化不會加劇負面態(tài)度。為了拓展實驗研究的外部效度，增強穩(wěn)健性，研究一、二、三分別變換了不同服務(wù)接觸失敗情境，涵蓋了服務(wù)接觸的核心環(huán)節(jié)和外圍環(huán)節(jié)。此外，在三個實驗中，顧客均將服務(wù)失敗歸因于智能客服。這是主效應(yīng)發(fā)生的前提。

2.理論貢獻

第一，本文將化身的相關(guān)理論引入智能客服領(lǐng)域，提出“智能客服化身”概念?！盎怼笔且粋€既簡約又概括的概念。此前使用的“擬人化客服”“聊天機器人”“語音助手”等屬于企業(yè)在數(shù)字世界中的映射，是化身的具體形式。本文引入“化身”概念，將有利于對各種零散的理論概念和實際現(xiàn)象進行整合，能夠促進這一新興學(xué)術(shù)領(lǐng)域的發(fā)展。此外，根據(jù)“形式—行為相似性”框架，化身的作用取決于化身與主體之間的形式相似性和行為相似性。[9]二者之間存在一定的互補關(guān)系。行為相似性可以彌補形式相似性的不足。當(dāng)形式相似性與行為相似性不一致時，化身的作用會被減弱，甚至逆轉(zhuǎn)?，F(xiàn)有研究僅從形式或行為中的某一個維度出發(fā)，容易得出相互矛盾的結(jié)論。本文根據(jù)“形式—行為相似性”框架，發(fā)現(xiàn)服務(wù)接觸失敗情境下，智能客服擬人化外觀（形式）加劇顧客負面態(tài)度，但社交導(dǎo)向的溝通風(fēng)格（行為）能夠起到緩和作用?？梢姡疚膹闹悄芸头淼摹靶问健袨椤眱蓚€視角出發(fā)，能更全面理解化身的作用。這為未來研究開辟了新方向。

第二，本文揭示的服務(wù)失敗情境下智能客服化身高形式擬人化的負面效應(yīng)，有助于推動人工智能與消費行為理論的融合。心理學(xué)研究表明，算法被感知具備與人類相似的認知能力（如邏輯和理性），但缺乏體驗?zāi)芰Γㄈ缰庇X與溫情）。[20]消費行為領(lǐng)域進一步發(fā)現(xiàn)“算法厭惡”，[27]認為算法雖然可以高效地處理客觀性和程序性任務(wù)，但卻不善于解決主觀性和獨特性問題。[3,4]智能客服的服務(wù)失敗不可避免。但目前的研究大多以服務(wù)成功為情境，得出智能客服高形式擬人化對顧客態(tài)度的正面影響。[1,2]當(dāng)服務(wù)接觸出現(xiàn)失敗的情境時，由于此時智能客服的形式（擬人化程度高）與行為（服務(wù)失?。┏霈F(xiàn)了不一致，智能客服化身是否還能給顧客帶來正面影響呢？本文證明，服務(wù)接觸失敗情境下，智能客服高形式擬人化會引起顧客更強的厭惡感，導(dǎo)致更負面的態(tài)度。因此，本文發(fā)現(xiàn)，當(dāng)出現(xiàn)服務(wù)失敗的情境時，企業(yè)的智能客服外表越近似于人，越會給顧客帶來強烈的負面態(tài)度與體驗。這有助于推動數(shù)字空間的消費者—企業(yè)關(guān)系研究。[39]

第三，本文發(fā)現(xiàn)并驗證了厭惡感對負面態(tài)度的中介作用，溝通風(fēng)格、內(nèi)隱人格對負面效應(yīng)的調(diào)節(jié)作用，這將推動人工智能情境下的服務(wù)營銷理論的發(fā)展。智能客服的服務(wù)接觸失敗具有特殊性。過往研究表明，服務(wù)補救效果有賴于人類獨有的主觀能動性和情感體驗?zāi)芰?。[20]目前，智能客服尚不具備這些能力，無法實施傳統(tǒng)的服務(wù)補救措施。[5]但本文的研究結(jié)果表明，社交導(dǎo)向的溝通風(fēng)格仍然可以彌補智能客服化身在形式上高度擬人化產(chǎn)生的負面反應(yīng)。此外，本文還發(fā)現(xiàn)持漸變論的消費者，對擬人化的智能客服的服務(wù)失敗并不會產(chǎn)生更強的厭惡感和負面態(tài)度。本文的研究發(fā)現(xiàn)有助于推動人工智能趨勢下服務(wù)營銷理論的新發(fā)展。

3.營銷啟示

本文研究結(jié)論對企業(yè)構(gòu)建智能客服的設(shè)計框架、制定智能客服失誤的應(yīng)對策略、根據(jù)顧客畫像優(yōu)化智能客服界面等方面具有戰(zhàn)略前瞻意義。

第一，“形式—行為相似性”框架可為處理智能客服失誤提供有效的應(yīng)對策略。與人工客服相比，在面對簡單的主觀性問題時，智能客服也會經(jīng)常出現(xiàn)低級失誤。本研究表明，企業(yè)應(yīng)該從消費者感知出發(fā)，為化身設(shè)置恰當(dāng)?shù)男问胶托袨?。?dāng)企業(yè)出現(xiàn)服務(wù)接觸失敗時，如果智能客服的形式能夠及時從高度擬人化轉(zhuǎn)換為低度擬人化，則有助于緩解負面效應(yīng)。此外，如果高度擬人化的形式配合社交導(dǎo)向的溝通風(fēng)格（避免使用任務(wù)導(dǎo)向的溝通風(fēng)格），也能規(guī)避厭惡感，緩和負面態(tài)度。總之，企業(yè)智能客服的服務(wù)失敗在所難免，但企業(yè)可以從“形式—行為相似性”框架中尋找應(yīng)對方案。

第二，企業(yè)應(yīng)該根據(jù)顧客畫像來設(shè)計不同的智能客服化身。本文研究發(fā)現(xiàn)，不同的內(nèi)隱人格特征對形式擬人化程度的反應(yīng)不同：實體論者面對高形式擬人化智能客服化身會加劇對服務(wù)失敗的厭惡感，但漸變論者沒有顯著的差異化反應(yīng)。為此，企業(yè)應(yīng)該根據(jù)目標顧客的內(nèi)隱人格特征，動態(tài)調(diào)整智能客服的化身。顧客的內(nèi)隱人格可以通過一些人口統(tǒng)計學(xué)特征和文化特征來識別。例如，老年顧客大多屬于實體論者，應(yīng)使用低形式擬人化的化身。個人主義文化下的顧客很有可能是實體論者，也應(yīng)該避免高形式擬人化的化身。為此，企業(yè)可以先設(shè)計智能客服化身的“原型”，再根據(jù)顧客畫像適時調(diào)整化身的形式與行為?？梢?，本文研究結(jié)論有助于智能客服在技術(shù)或方法上達到更成熟的層次。