摘要：随人機互動和服務機器人的普及與廣泛應用，服務機器人逐漸滲透到服務業的各個場景中，本文以AI-自我連結為中介變量，研究了服務機器人的互動方式對使用意願的影響，同時分析了使用場景、感覺的智能化程度在此過程中的調節作用。
研究發現：1）相比圖文點觸互動，在語音互動下，消費者對服務機器人的使用意願顯著更強，且在此過程中，AI-自我連結的中介效應成立；2）私人和公共場景均會正向調節互動方式對使用意願的影響，在私人場景下，互動方式對使用意願的影響更強；3）感覺到的智能化程度會正向調節互動方式對使用意願的影響，接受高智能化程度機器人服務時，互動方式對使用意願的影響更強。
01、研究假設
1.1、服務機器人的定義
國際标準化組織将智能服務機器人定義為在非結構環境下為人類提供必要服務的多種高技術內建的智能化裝備。服務機器人一般由資訊傳感器和效應器共同構成的，其中資訊傳感器用于實作機器人的智能認知和感覺，效應器則是機器人作用于周圍環境的手段，資訊傳感器和效應器是機器人和人、機器人和環境進行互動的基礎，人與機器人協作互動的方式包括自然語言、視覺和觸覺等。
1.2、互動方式與使用意願
人機互動方式（Human Robot Interaction, HRI）是指人與機器人之間傳遞、交換資訊的媒介和對話接口。人機互動的表現形式多樣，目前并廣泛運用的是圖文點觸和語音2種。早期關于互動方式的研究中，國内學者大都聚焦于不同系統互動方式和UI設計對使用意願的影響。
例如潘瀾（2016）曾驗證使用者對于旅遊APP的互動感覺有用性和滿意度的體驗會正向影響其使用意願，而感覺易用性和感覺趣味性的體驗對使用意願則沒有影響。國外學者則從不同角度探讨了互動方式和使用意願間的關系。
首先Garrett（2003）從線上網站的使用者體驗出發，認為企業可根據使用者的潛在互動需求和使用意願間的關系指導網站互動設計。Thüring和Mahlke（2007）則認為服務機器人的使用意願可從情感和認知兩個層面來歸因，認知層面是依賴于系統本身具有的客觀特征而産生的，情感層面則主要指個人對系統的情感反應，這兩個因素均會具體影響使用者的産品使用行為和偏好。
同時針對醫療服務機器人和養老機器人的互動方式與使用意願、治療意願相關的研究也在國外廣泛興起。如A. I. Adiba（2012）就語音、點觸和眼動等不同的互動方式所産生的使用意願的差異展開進一步研究，發現語音互動相比于圖文點觸一定程度上能增強使用者的使用意願。同時也有一些學者（Hilken, T，2020）研究人機互動方式對服務機器人使用意願的影響，發現在控制顯示内容相同時，語音互動時消費者使用服務機器人的意願更強，因而本文在此提出：
假設1：相比圖文互動，AI服務機器人采用語音互動時，消費者使用意願更高
1.3、AI-自我連結的中介作用
從品牌自我連結推演到AI-自我連結---使用者與AI間建立起的情感連結：在品牌-自我連結的話題下，相關研究（Belk, 1988;2013; Fournier, 1998; Groom, 2009）表明，人傾向于與各種物體建立聯系，甚至将自我延伸到各種物體中，例如财産、品牌、自然，甚至是機器人。
Gonzalez (2018) 等學者的最新研究則認為品牌-自我連結理論可以擴充到服務行業中使用的AI推薦系統和AI服務機器人上，消費者在逐漸意識到AI系統收集并使用他們的行為資料以提供個性化解決方案，因而與财産和品牌一樣，消費者在使用服務機器人的過程中會感覺到服務機器人的價值，且AI機器人的行為有可能使消費者将智能機器人視為“虛拟自我”(即認為AI機器人折射了部分的自我形象)，這會使得他們與AI的聯系更加緊密并與AI系統間建立一種自我連接配接。
Groom等人（2009）将此稱為AI-自我連結，并認為與真人員工相比，消費者與智能機器人間可以建立起更緊密的個人聯系。同時人機互動的研究者也在不斷提供證據證明人可以将實體機器人和虛拟機器人都融入自我概念中。例如，Groom等人（2009）發現，在實驗中，當被試自己參與到非人形機器人的制作過程中時，他們會覺得機器人更像自己，并且認為自己親手制作的機器人與個人之間表現出更大的人格特質重疊。當和與自己相似的機器人互動時，使用者會覺得機器人是自己的一部分（Kervenoael R D, 2020）。
當使用虛拟機器人時，使用者是在分享身體和行為相似性（例如身體形象，性别）時，尤其是當這些和機器人接觸的方式是與自我更相關的聲音和情感時，消費者會感覺更個人化，與機器人之間的情感連結更強（Ducheneaut,2009; Ratan＆Dawson, 2016）。
總之，過去的發現表明，消費者可以感覺到自己與各種對象之間的聯系，從使用的品牌到與之互動的實體機器人和虛拟化身。當這些對象反映并代表單個消費者的個人特征和身份時，這種影響就會放大。AI機器人服務時，消費者與AI共享其個人資料，以獲得個性化的解決方案和建議，這種行為有可能潛在的使消費者将AI視為“虛拟自我”（即與數字形式某個消費領域有關的自我表示）。
為了證明消費者與AI之間可能存在的情感聯系，Bo Huang & Matthew Philp（2020）的研究中引用了關于品牌關系和人機互動的研究。他們的研究認為相比人工服務，部分消費者可以和AI機器人建立更緊密的個人情感聯系并将此稱為AI-自我連結。此外當消費者的AI-自我連結更強時，消費者會把發表AI系統相關的負面評價當作描繪負面的自我形象。
而消費者通常不願意負面評價自我，因而相比人工服務，他們更不願意對AI系統發表負面評價。因而本文在此基礎上将AI-自我連結定義為機器人與使用者間建立的一種情感連結，這種情感連結既包括基于AI個性化推薦獲得的認知和價值自我建構感和自我映射，也包括使用者将AI機器人當成部分自我而獲得的社會性關系。
互動方式通過AI-自我連結影響使用意願間的相關研究：随AI在服務行業中的廣泛應用，消費者與智能機器人的互動成為許多學者的關注焦點，如Eduardo（2015）在酒店環境中對迎賓機器人的使用意願展開測試，發現提供語音問候的迎賓機器人會顯著提高使用者的使用時長、參與意願和舒适性，而使用意願的提升源自于消費者在與AI推薦系統進行互動時，會感覺到自己與AI服務之間的個人聯系（即AI-自我連結）。
并且這種連結可能進一步影響消費者的使用意願，Cañamero（2016）和Thimmesch-Gill Z（2017）等人進一步提出，在緊急服務和醫療康養等高風險和高壓領域，使用者對于服務機器人的使用意願可能與互動方式相關，并且這一過程可能受到使用者對機器人的價值感覺和情感連結的影響。使用者對于社會情感輔助機器人的不同互動方式接受度不同，對機器人的實體姿勢的情感認知更好，接受度更高。
這些研究一方面反映了使用者自我建構的過程，即使用者在和機器人互動的過程中不斷反映折射個體性和社會性的自我，也是使用者不斷感覺AI機器人上價值、疊代對服務機器人認知，與服務機器人通過互動建立情感連結的過程，這種情感連結即為AI-自我連結。
以上的研究證明這種人與機器人之間的情感連結和自我反射會影響到消費者對機器人的使用意願，并且在使用者和機器人互動的過程中，互動方式可能會通過AI-自我連結這一變量來影響使用者的使用意願，因而本文在前人相關研究的基礎上提出：
假設2：互動方式會通過AI自我連結這一中介變量影響服務機器人的使用意願
1.4、使用場景
本文将服務機器人的使用場景歸類為公共和私人兩種使用場景。早前學者的理論研究中認為人和服務機器人在這兩種不同的使用場景下和機器人之間可能會建立起不同程度的情感聯結，進而引起消費者對服務機器人使用意願的差異。
Scheeff M（2002）探讨了私人和公共環境中的人機互動。研究發現使用者喜歡和社交型服務機器人互動并将其視為一種生物，相比公共場景，兒童在私人場景中對機器人的使用意願更高。
A. Weiss（2008）研究了從私人場景轉移到公共場景時，使用者對于服務機器人的社會接受度在一定程度上會減少并提出了人機互動接受度的測量方法。Pieska(2012)在設計服務機器人時，進一步提出要對公共和私人使用環境中的機器人做差異化的互動設計以迎合不同消費者的使用需要，并認為在公共（博覽會、餐飲）和私人場景（家庭老人用）下消費者機器人間将産生不同的情感連結，這種情感聯結将會影響消費者的使用。
Ho Seok Ahn et al.（2015）認為老年人對于私人和公共場景下服務機器人的使用意願有不同的偏好。在此研究之上本文基于前人的分類，選取酒店大堂和購物廣場場景作為典型的公共使用場景，選取酒店客房和家居場景作為典型的私人使用場景并做出如下假設：
H3：使用場景會調節人機互動方式對使用意願的影響
H3a：在私人使用場景中，人機互動對消費者的使用意願影響作用會被增強
H3b：在公共使用場景中，人機互動方式使用的影響作用會被減弱
1.5、感覺到的智能化程度
1.5.1 服務機器人智能化程度的定義：
總結前人研究，可從2個不同的視角來定義服務機器人的智能化程度。首先，從服務機器人本身出發，服務機器人的智能化程度可定義為在服務場景下機器人擷取顧客的消費行為和曆史資料，并通過算法和程式處理這些資訊指導機器人做出決策形成判斷的服務能力，這些判斷和決策越準确速度越快，意味着機器人的智能化程度越高。
其次，從消費者感覺的視角出發，則可依據Bartneck 定義的5個次元來測量服務機器人的智能化程度，消費者在這5個次元上的感覺越高，代表服務機器人智能化的程度越高，反之則越弱。
由于本文的研究對象是機器人的智能化程度與消費意願間的關系，故選取Bartneck 的測量方法來确定消費者對服務機器人智能化程度的感覺更為準确，且前人使用基于該問卷的幾項實證研究已驗證該調查問卷的信度和效度名額的可靠性，在本文中同樣使用7級李克特語義差異量表設計問卷來測量消費者感覺到的機器人的智能化程度。
1.5.2 感覺的智能化程度和消費意願間的關系：
服務機器人通過AI-自我連結影響消費者的消費意願：随着大資料、雲計算和深度學習技術的演進，越來越多的AI算法可以針對音樂，電影，美食甚至金融服務等提供個性化推薦。
Lu（2019）通過分析4個具有代表性的服務行業（航空，酒店，餐飲和零售）消費者對服務機器人的使用意願會随機器人智能化程度和推薦精準度的增加而增加，Christian Hildebrand and Anouk Bergner（2019）驗證了相比于自行浏覽網頁，消費者更願意與服務機器人交流，并在聊天機器人的推薦下消費。
同時也有學者就現代服務業中AI推薦服務未能提供令人滿意的結果時消費者将如何做出響應進行了研究。Bo Huang & Matthew Philp（2020）提出在酒店業中，服務機器人和消費者間存在着AI-自我連結，AI會反映折射人的自我性和社會性，因而在服務失敗時，相比真人，AI-自我連結更強的消費者基于自我保護機制，更不願意向機器人發表負面評價。
Hailian Qiu(2019) 認為拟人化或機器人的智能化程度對顧客-機器人融洽關系建構和顧客款待體驗會産生積極影響，Mende M（2019）認為餐飲服務機器人的外形會影響顧客對于食物的消耗等。舒伯陽（2020) 認為服務機器人通過提升服務和營造愉悅氛圍兩條路徑改善顧客體驗。因而本文在前人研究的基礎上提出以下假設：
H4：感覺到的機器人智能化程度會調節人機互動方式對使用意願的影響
H4a：當消費者感覺到的智能化程度高時，人機互動對消費者使用意願的影響作用越強，即智能化程度高能增強互動方式對消費意願的影響；
H4b：當消費者感覺到的智能化程度越低時，人機互動對消費者的使用意願影響會減弱。
圖1 研究架構
02、研究設計
2.1、前測：檢驗不同場景下感覺的智能化程度不同，确定實驗刺激物
前測主要是為了檢驗2個不同場景下消費者感覺的服務機器人智能化程度的高低，确定高/低智能化程度的刺激物。設定在酒店機器人服務場景中，讓2組被試分别經曆語音/圖文互動的服務過程并在觀看閱讀圖文後完成關于機器人智能化程度高低感覺的問卷調查。
2.2、實驗一：驗證互動方式對消費意願的影響機制及AI-自我連結的中介作用
根據互動方式的不同将被試分為兩組（語音vs圖文），告知被試需要完成一個關于服務機器人體驗滿意度的調查，需要在系統中模拟體驗服務機器人的服務後并填寫問卷。被試首先會被要求觀看關于AI服務機器人在私人場景下，在語音/圖文互動方式下接受服務的說明并想象服務場景。然後對感覺到的AI服務機器人智能化程度進行打分，之後會跳轉到需要被試填寫AI-自我連結、使用意願的問卷，最後被試需要填寫個人資訊項，主要包括性别、年齡、受教育水準等。
2.3、實驗二：驗證使用場景的調節作用
由于使用場景和被感覺的智能化程度間并沒有顯著的互動作用，因而實驗二使用高智能化程度的機器人，并采用互動方式（語音vs圖文）x使用場景（私人vs公共）的2X2組間實驗驗證使用場景的調節作用，告知被試需要完成一個關于服務機器人體驗滿意度的調查，需要在系統中模拟體驗服務機器人的服務後并填寫問卷。被試首先會被要求觀看一個高智能化程度AI服務機器人在私人或公共場景下，在語音或圖文互動方式下接受服務的說明并想象服務場景。然後需要對感覺到的AI服務機器人智能化程度進行打分，之後會跳轉到需要被試填寫AI-自我連結、使用意願的問卷，最後被試需要填寫個人資訊項，主要包括性别、年齡、受教育水準等。
2.4、實驗三：驗證感覺到的智能化程度的調節作用
由于使用場景和被感覺的智能化程度間并沒有顯著的互動作用，因而本次實驗選用私人使用場景，并采用互動方式（語音vs圖文）x被感覺到的智能化程度（高vs低）的2X2組間實驗驗證感覺的智能化程度的調節作用，告知被試需要完成一個關于服務機器人體驗滿意度的調查，需要在系統中模拟體驗服務機器人的服務後并填寫問卷。被試首先會被要求觀看一個高/低智能化程度AI服務機器人在私人場景下，在語音或圖文互動方式下接受服務的說明并想象服務場景。然後需要對感覺到的AI服務機器人智能化程度進行打分，之後會跳轉到需要被試填寫AI-自我連結、使用意願的問卷，最後被試需要填寫個人資訊項，主要包括性别、年齡、受教育水準等。
2.5、實驗變量及其測量
本研究主要采用給被試觀看圖文說明結合場景想象的形式來測量消費者的AI-自我連結、使用意願、感覺到的智能水準。在實驗初始前根據相關文獻對私人場景和公共場景做出了界定，并通過前測操控實驗對消費者感覺到的智能化程度高低進行界定，采用Bartneck（2008) 關于機器人智能化程度的量表，關于AI-自我連結的量表采用了Tan et al. (2018)測量Self-AI Connection的量表，關于使用意願的測量則改用了Dodds等(1991), Kim et al. (2008), and Pham and Ho (2015)等人的量表，以上量表均經過信度效度檢驗，并采用7級李克特量表測量。
03、研究結果
3.1、描述性統計
為完成實驗設計共收集問卷343份，其中有效問卷336份，問卷大部分來源于問卷星付費問卷，小部分來源于筆者手動征集，其中将被試人群随機分為8個實驗組接受問卷調查，其中男性占比39%，女性占比61%；大部分被試年齡集中在18-35歲間，占比74%；同時有289個被試（86%）受過大學及以上的教育，且大部分受訪者生活在高線城市，一線及新一線受訪者數量為219名，占比65%；大部分被試家庭年收入集中在20-100萬之間，中收入人群數量為234個，占比70%。
3.2、前測結果
前測結果表明高智能化程度組感覺到的智能化程度Sa=5.9296，低智能化程度組感覺到的智能化程度Sb=2.555，均值差為3.37371，兩者間存在顯著差異（T=26.688，p=0.000<0.05），說明實驗成功操縱了消費者對AI服務機器人智能化程度的感覺。
3.3、實驗一結果
在前測操縱變量成功的基礎上，對使用意願采用單變量方差分析和Process Model4, Bootstrap法來分别檢驗主效應和AI-自我連結的中介效應，結果顯示，互動方式對使用意願的影響顯著。具體而言，即互動方式對使用意願有影響，消費者在語音互動時，使用意願越高（M =5.9405，F（1, 82）=120.294，p<0.000)；同時回歸系數a（X對M）=2.9762，顯著（p＜0.01），95%CI （2.4176，3.4821），說明自變量互動方式對中介變量AI-自我連結有正向相關作用，假設1和假設2得到驗證。
3.4、實驗二結果
使用Process Model 8來檢驗使用場景在互動方式和AI-自我連結中的調節作用，實驗結果有效驗證了本文的假設H1，H2和部分的H3，即機器人的互動方式會影響消費者的使用意願，并且在語音互動方式下的使用意願強于圖文互動，在此過程中，使用場景是一個顯著的調節變量。與本文假設不符的是，公共使用場景并未負向作用于主效應，無論是私人場景還是公共場景都能夠正向的增強消費者與服務機器人間的AI自我連結程度，進而正向影響使用意願，但在私人場景下的調節程度比公共場景下更高。即在語音互動方式下，私人場景下的使用意願會高于公共場景，圖文場景下反之。
當以使用意願（因變量）作為結果變量的模型檢驗，如下表。可以看到當使用意願作為結果變量時，模型的R值為0.9140，整後的R方為0.8350，P＜0.01，
說明模型有統計學意義，回歸系數c3（X*W，Int_1對Y）=1.1490，顯著（P=0.000＜0.01），95%CI （0.6520，1.6460），說明使用場景作為調節變量對主效應的正向調節作用顯著，回歸系數c2（W對Y的直接作用）=0.1920，顯著（P=0.000＜0.01），95%CI （0.0340，0.4290），說明使用場景作為調節變量對主效應有正向的調節作用。同時偏回歸系數b（M對Y的直接作用）=0.2940，顯著（P=0.0020＜0.01），95%CI（0.1140，0.4740）；偏回歸系數c1 (X對Y的直接作用)=1.7370，顯著（P=0.0000＜0.01），95%CI（1.0500, 2.4240）。a, b, c1, c2, c3等間接效應值的95%區間(BootCI)值不包括數字0，則說明調節效應成立，且主效應成立，進而有效驗證了本文的假設H1, H2和部分的H3。
圖2 關系圖
3.5、實驗三結果
實驗三與實驗二原理基本一緻，同樣使用Process Model 8來檢驗消費者感覺到的服務機器人的智能化程度在互動方式和AI-自我連結中的調節作用，實驗結果有效驗證了本文的假設H1，H2和部分的H4，即感覺到的智能化程度會通過AI-自我連結正向調節互動方式對使用意願的影響，且使用者感覺的智能化程度高時，這種正向調節效應更大。與本文假設不符的是，當使用者感覺的智能化程度低時，智能化程度也并未負向作用于主效應，無論是何種高低智能化程度都能夠正向的增強消費者與服務機器人間的AI自我連結程度，進而正向影響使用意願，但在高智能化程度的調節比低智能化程度更高。
當以使用意願（因變量）作為結果變量的模型檢驗，如。可以看到當使用意願作為結果變量時，模型的R值為0.9120，整後的R方為0.8320，P＜0.01，說明模型有統計學意義，回歸系數c3（X*W，Int_1對Y）=0.2850，顯著（P=0.000＜0.01），95%CI （0.1340，0.4360），說明消費者感覺到的服務機器人的智能化程度作為調節變量對主效應的調節作用顯著，回歸系數c2（W對Y的直接作用）=0.3610，顯著（P=0.000＜0.01），95%CI （0.2140，0.5180），說明消費者感覺到的服務機器人的智能化程度作為調節變量對主效應有正向的調節作用。同時偏回歸系數b（M對Y的直接作用）=0.6440，顯著（P=0.0000＜0.01），95%CI（0.5300，0.7490）；
偏回歸系數c1 (X對Y的直接作用)=1.1770，顯著（P=0.0000＜0.01），95%CI（0.7700, 1.6100）。a, b, c1, c2, c3等間接效應值的95%區間(BootCI)值不包括數字0，則說明感覺到的智能化程度在主效應中的調節效應成立，且主效應成立，進而有效驗證了本文的假設H1, H2和部分的H4。
圖3 關系圖
04、結論
4.1、研究結論
本研究的假設均通過3個實驗得到完全或部分證明。首先，互動方式通過AI-自我連結這一中介變量顯著正向影響消費者的使用意願。其次，使用場景和感覺到的智能化程度對使用意願均有顯著影響。私人/公共使用場景正向調節互動方式對使用意願的影響，私人場景下的調節效應更強。消費者感覺的服務機器人智能化程度也顯著正向調節互動方式對使用意願的影響，在高智能化程度下的調節效應更強。
4.2、管理啟示
服務機器人設計中應注重互動方式：在服務機器人的選擇和使用過程中，除普遍受到學術界關注的外形設計外，也應注重互動方式設計，單一、卡頓、非智能的互動體驗是阻礙消費者使用服務機器人的重要原因。同時企業在不同使用場景中，應注意不同的互動方式可能對消費意願産生的潛在差别，靈活選用語音或圖文點觸互動方式。
未來可針對機器人的智能化程度和使用場景進行差異化的互動方式設計：
1）針對不同智能化程度的機器人：對于高智能化程度的機器人，選用語音互動方式能更大程度上激發消費者的使用動機，提高消費者的使用意願，而對于低智能化程度的機器人，則不同的互動方式對使用意願的影響差異并沒有高智能化程度的服務機器人大。
2）針對不同類型的使用場景：在私人化的場景中，采用語音互動方式更能激發消費者的使用意願，而公共場景下語音和圖文互動對使用意願的影響則不如私人場景下顯著。
4.3、研究創新與貢獻
選取AI-自我連結作為中介變量：過往文獻大部分聚焦于服務機器人的拟人化外形對消費者行為帶來的影響，對互動方式的研究較少，尤其是對語音和圖文互動的系統化研究。本文結合國外AI與營銷頂級刊物上的前沿研究，創新性的引入AI-自我連結作為中介變量，研究互動方式對使用意願的影響，是對AI服務機器人的系統性研究。
綜合考慮了使用場景和個體智能化程度感覺對使用意願的影響：随着AI應用範圍的不斷擴充，越來越多的因素會在這個過程中影響消費者的使用意願。企業緻力于為消費者提供智能水準越來越高的AI服務機器人，而不同服務場景以及消費者的個體感覺因素如何影響其對AI産品的使用還需要進一步檢驗。是以，本研究對不同的使用場景和感覺到的服務機器人的智能化程度對消費者使用意願的影響研究将拓展對人工智能産品使用行為的認知，豐富目前文獻。
4.4、研究局限性
雖文獻梳理和實驗過程中力求嚴謹，但仍存在不足。首先，研究對象及其操縱方式有待完善，在3個主實驗中采取了讓被試觀看圖文說明及場景想象的方式操縱，未檢驗使用者和AI服務機器人的真實互動場景，未将圖文和語音互動進行組合實驗。其次，在選擇自變量互動方式時，僅選擇了2種最主流的方式，語音和圖文點觸進行研究，未考慮語音和圖文點觸互動方式中同樣存在多種互動子類，未來可結合語音聲音類型、圖文點觸位置、服務内容跟等多種因素的影響進行細化研究。
（編者注：本論文刊載于《上海管理科學》2022年第5期，為國家自然科學基金面上項目“AI環境下消費者的信任和恐懼”（71972130）階段性研究成果，參考文獻略）