1. 引言
随着自然语言处理和大数据技术的飞速发展，人工智能已被广泛应用于服务领域，其中，客服岗位由于具备标准化流程和强互动性的特点，成为重要应用场景[1]。如今，智能客服已从简单的关键词匹配工具，发展成能够进行多轮对话、理解用户意图并提供精准服务的智能化系统，深刻改变了企业与用户交互的模式。凭借全天候小时在线、即时响应和低成本运营的优势，智能客服在电商零售、金融理财，政务服务、旅行出行等领域得到了广泛应用，成为企业降本增效和数字化转型的关键环节。
虽然智能客服已取得了技术进步并被企业广泛使用，但用户对其接受度并未同步提升。不少用户抱怨智能客服机械冷漠、重复循环、答非所问，无法理解用户的情绪，沟通体验不如真人客服，部分用户还对与机器人的沟通交流存在恐惧[2]，此外，用户可能由于朴素信念、隐私担忧和算法错误厌恶和排斥智能客服[3]。这种“机器感”所引发的沟通障碍与情感隔阂，导致部分用户对智能客服产生不满甚至抵触情绪[4]，互动积极性大大降低，不仅影响解决问题的效率，损害用户体验，还削弱了用户对企业的满意度和忠诚度。
因此，如何提升用户对智能客服的接受度和使用意愿，成为一个亟待解决的研究问题。有学者研究发现，用户对智能客服的使用意愿与其对人工智能的社会性认知有很大关系[5]，当智能客服表现出与人类相似的外观和行为时，用户对机器人的恐惧心理会得到缓解[6]，此外，智能客服类似人类员工的高情商表现能够有效降低用户的排斥程度[7]。对智能客服进行拟人化处理，能够拉近人机之间的心理距离，营造更温暖的沟通氛围，从而满足用户的情感与社会互动需求。
本研究主要探讨智能客服拟人化沟通能否对用户使用意愿产生影响，以及相应的作用机制和边界条件。研究内容能够丰富和拓展人机交互理论，并为企业设计和优化智能客服系统提供建议，从而增强用户粘性，构建和谐的客户关系，帮助企业在激烈的市场竞争中赢得持续优势。
2. 理论基础与研究假设
2.1. 拟人化沟通
拟人化是赋予非人类事物人类的特征，包括外貌、声音、表达方式等[8]，从而与人类进行交流互动，当人们观察到非人类实体上有人类特征时，会产生更亲近的认识与感知，以满足个体的社交需求[9]。研究发现，拟人化在许多商业情景下具有积极作用：高拟人化广告更能吸引顾客的注意并促使其产生积极的态度[8]，提升顾客对品牌的喜爱度[10]，拟人化沟通[11]和产品外观的拟人化程度[12]还能够显著提升用户对新产品的接受度。
在人工智能拟人化方面，现有研究主要集中于外观和语言两个维度。学者们发现，人工智能拟人化的外在特征能够增加亲切感，从而改善用户对其的态度[13]，语言方面的拟人化能够更好地构建人机之间的情感联结，进而提高用户的接受度[14]。在智能客服领域，拟人化的操作主要体现在语言方面，高拟人化的沟通方式可以使用户感受到更强的社交归属感，降低人机之间疏远隔阂的感知。
因此，本文提出：
H1：在开启人机交互前，相比于正常沟通，用户在面对智能客服拟人化沟通时，能够产生更高的使用意愿。
2.2. 心理距离的中介作用
心理距离是人们以自身为参照物，对周围人或事物在不同维度上距离的感知[15]，包括空间距离、时间距离、概率距离和社会距离四个维度。本研究主要关注的是在社会关系层面距离的感知。研究发现，外界的刺激会影响人对心理距离的感知，而企业与用户之间的心理距离对用户的行为决策具有影响[16]，当用户感知到与企业的心理距离更近时，会产生更多的亲切感，进而更加信任这家企业的商品与服务。
在人机交互领域，当智能客服没有采取拟人化操作时，用户会认为自己只是在和一个物品交流，产生更多的疏离感、不信任感以及对算法的厌恶感，进而抗拒和规避使用智能客服[17]。当智能客服表现出类似人的特征时，用户会感知到自己与智能客服具有较高的相似度，交流更像是人际沟通，有利于产生更多的情感联结，减少隔阂，提升使用意愿。
因此，本文提出：
H2：在开启人机交互前，智能客服拟人化沟通通过心理距离的中介作用影响用户使用意愿。
2.3. 商品类型的调节作用
Figure 1. Conceptual model
图1. 研究模型
享乐型商品是为人们带来情绪价值，供人们享受、愉悦心情的商品，实用型商品是为满足实际需求，具有一定功能的商品[18]。面对不同类型的商品，人们会产生不同的心理表征，进而对决策产生一定的影响[19]，因为面对同一事物，当人们的心理距离不同时，会从不同的视角去看待它，因此产生的观点也会有差异[20]。
在购买实用型商品的情景中，用户会更关注商品的功能是否能满足实用需求，智能客服对用户来说就是一个算法机器，用户对智能客服是否使用拟人化反应较不敏感，因此拟人化通过心理距离对使用意愿产生影响的作用较小；在购买享乐型商品的情景中，用户会注重服务带来的情感满足等主观体验，被拟人化影响的可能性较大，进而通过心理距离影响使用意愿。
因此，本文提出：
H3：商品类型调节心理距离在智能客服拟人化沟通对用户使用意愿的影响的中介效应，且相比于购买实用型商品的情景，当用户购买享乐型商品时，心理距离的中介作用更显著。
综上，研究的概念模型见图1。
3. 实验设计与实验结果
本研究主要探讨智能客服不同的沟通策略对用户态度的影响，需要进行情境设置并检测用户感知来设计对比实验。企业的智能客服系统虽然能够高效地记录和管理服务过程中的数据，但对于用户态度等主观感受的数据缺乏记录，而这些主观数据对于深入理解用户心理感受非常重要，因此本研究采用文字情景刺激和问卷量表测量结合的方式来获取用户感受和态度相关的数据[21]。
基于调研需求，本研究采用问卷星平台作为问卷数据采集工具，其在分组设置、题目逻辑跳转、移动端适配性等方面具有优势，在科研领域有较高的使用率。此外，由于线上女装行业服装个性化、多样化的特点，以及线上购物无法直接试穿衣物等原因，消费者与智能客服的交互更加频繁复杂，因此本研究的智能客服使用情景以线上女装行业为背景，选择女性消费者为被试样本。
3.1. 拟人化沟通的主效应即心理距离的中介效应
3.1.1. 预实验
为了检验被试能否感知到实验材料中的拟人化特征，从而区别于正常沟通，本研究在正式实验之前先设置了预实验。共招募80名被试参与，被试随机分为两组，分别浏览智能客服的拟人化沟通和正常沟通两种回复，并对自己的感受做出反馈。
在情景设置上，本研究设想了一个人机对话开启的情景，在回答问题前，被试需要阅读一段文字，设想一下您正在电商平台选购女装商品，看中了一件衣服，点击咨询客服进入对话框，此时店家的智能客服向您发送了一段话，在实验组中，这段话的内容是：“您好，我是您的客服助手小美，您有任何尺码、面料、洗涤方式等服装相关问题我都可以为您解答。”控制组中，这段话的内容是：“您好，欢迎使用智能客服系统，系统可以解答任何尺码、面料、洗涤方式等服装相关问题。”阅读完上述文字，被试需要反馈自己对智能客服拟人化沟通的感知，对此设置Likert 7级量表，在问卷中询问被试：“该智能客服有类似人的意识和思维方式”、“该智能客服与真人客服的相似程度”[22]，对应的分数是“1–非常不同意，7–非常同意”，“1–非常不相似，7–非常相似”。
所有被试都完成了预实验，得到80份有效样本。实验结果见表1，实验组的拟人化感知显著高于控制组，说明预实验对拟人化沟通的控制是有效的，可以用于正式实验。
Table 1. Independent-samples t-test results for pre-experiment communication strategies
表1. 预实验沟通策略独立样本t检验结果
沟通策略 |
样本数 |
平均值 |
标准差 |
t |
p |
拟人化沟通 |
40 |
3.59 |
1.463 |
2.251 |
0.027 |
正常沟通 |
40 |
2.94 |
1.093 |
|
|
3.1.2. 正式实验
在正式实验中，测量变量包括拟人化感知、心理距离和使用意愿。本研究的问卷题项参考已有研究中的成熟量表，均采用Likert 7级量表。实验目的在于验证当人机交互开启时，智能客服拟人化沟通对用户使用意愿的影响和作用机制。本研究对拟人化沟通组和正常沟通组的用户反馈进行对比，来验证假设1和假设2，通过问卷星平台对被试进行有偿招募，由于实验的应用场景是线上女装，所以选择女性作为被试，共获得380份有效样本。
所有被试被随机分配到拟人化沟通组和正常沟通组，在回答问题前让被试阅读一段话进行人机交互开启前的情景设置：设想一下您正在电商平台选购女装商品，看中了一件衣服，点击咨询客服进入对话框，此时店家的智能客服向您发送了一段话，在实验组中，这段话的内容是：“您好，我是您的客服助手小美，您有任何尺码、面料、洗涤方式等服装相关问题我都可以为您解答。”控制组中，这段话的内容是：“您好，欢迎使用智能客服系统，系统可以解答任何尺码、面料、洗涤方式等服装相关问题。”和预实验相似，被试在阅读完上述文字后需要反馈自己对智能客服拟人化沟通的感知，同样询问被试“该智能客服有类似人的意识和思维方式”、“该智能客服与真人客服的相似程度”，接着，询问被试心理距离的感知：“智能客服的话拉近了我们之间的距离”、“智能客服的话让我的内心向它靠近”[23]，最后，询问被试的使用意愿：“我愿意使用该智能客服”、“未来我会保持甚至增加使用的频率”[24]对每一个问题都设置7级量表，1为非常不同意，7为非常同意，收集被试反馈结果。
① 人口特征分析
被试的基本资料统计结果如表2所示。可以看到，被试的年龄集中于22~35岁，占比超过64%，正是网购的主力军。本科及以上学历的占比达77.1%，说明被试具备较好的认知。在职业分布上，自由职业者占比最高，达32.63%，其次是企业员工，占比达29.47%。人口特征的分布合适，样本具有代表性。
Table 2. Demographic profile of participants
表2. 被试人口特征统计表
变量 |
选项 |
数量 |
百分比 |
年龄 |
22岁以下 |
51 |
13.42% |
22~27岁 |
115 |
30.26% |
28~35岁 |
131 |
34.47% |
35岁以上 |
83 |
21.84% |
学历 |
大专及以下 |
87 |
22.89% |
本科 |
157 |
41.32% |
硕士及以上 |
136 |
35.79% |
职业 |
学生 |
65 |
17.11% |
企业员工 |
112 |
29.47% |
公务员和事业单位人员 |
79 |
20.79% |
自由职业者 |
124 |
32.63% |
② 信效度分析
实验设计主要涉及3个变量6个题项，整体克朗巴赫系数为0.920。各题项的克朗巴赫值和CR值高于0.7，AVE值高于0.5。由此可见，本实验的量表具有较好的信效度，所得数据可用于接下来的统计分析与假设检验，具体数值可见表3。
Table 3. Reliability and validity test results
表3. 信效度检验结果
潜变量 |
观察变量 |
标准负荷 |
克朗巴赫系数 |
CR |
AVE |
拟人化感知 |
A1 |
0.827 |
0.795 |
0.700 |
0.539 |
A2 |
0.628 |
心理距离 |
B1 |
0.851 |
0.776 |
0.707 |
0.553 |
B2 |
0.618 |
使用意愿 |
C1 |
0.857 |
0.742 |
0.847 |
0.735 |
C2 |
0.858 |
③ 主效应检验
对实验组和控制组沟通方式的感知进行独立样本t检验，实验结果见表4，实验组的拟人化感知(M拟人 = 4.95，SD = 1.667)显著高于控制组(M控制 = 3.75，SD = 1.746)，t = 6.881，p < 0.001。对用户的使用意愿进行独立样本t检验，实验结果见表5和图2，实验组的用户使用意愿(M拟人 = 4.88，SD = 1.559)显著高于控制组(M = 4.03, SD = 1.655)，t = 5.137，p < 0.001。假设1得到了验证。
Table 4. Test results for the perception of anthropomorphic communication
表4. 拟人化沟通感知检验结果
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
190 |
4.95 |
1.667 |
6.881 |
<0.001 |
控制组 |
190 |
3.75 |
1.746 |
Table 5. Test results for usage intention
表5. 使用意愿检验结果
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
190 |
4.88 |
1.559 |
5.137 |
<0.001 |
控制组 |
190 |
4.03 |
1.655 |
Figure 2. User usage intention across different communication strategies
图2. 不同沟通策略下的用户使用意愿
④ 中介效应检验
本研究采用SPSS分析模块中的process4.1插件，选择model4，设置置信水平为95%，以智能客服的沟通策略为自变量，心理距离为中介变量，用户的使用意愿为因变量，输入模型，进而检验沟通策略对用户使用意愿的影响中，心理距离是否存在中介效应。回归结果见表6，拟人化感知对心理距离的回归系数显著，拟人化感知和心理距离对使用意愿的回归系数也显著，中介效应值检验见表7，置信区间为[0.232, 0.378]，不包含0，因此心理距离中介效应显著，效应值为0.304，假设2得到了验证。
Table 6. Regression analysis for testing the mediating role of psychological distance
表6. 心理距离中介效应回归分析检验
变量 |
心理距离 |
使用意愿 |
系数值 |
标准误 |
t |
系数值 |
标准误 |
t |
截距项 |
0.835*** |
0.136 |
6.136 |
0.860*** |
0.122 |
7.055 |
拟人化感知 |
0.803*** |
0.029 |
27.760 |
0.450*** |
0.043 |
10.466 |
心理距离 |
|
|
|
0.378*** |
0.044 |
8.617 |
R2 |
0.671 |
0.728 |
F |
770.625 |
503.679 |
说明：*、**和***分别表示10%、5%和1%显著性水平。
Table 7. Effect size test for the mediating effect of psychological distance
表7. 心理距离中介效应效应值检验
中介路径 |
效应值 |
标准误 |
95%置信区间 |
下限 |
上限 |
拟人化沟通→心理距离→使用意愿 |
0.304 |
0.037 |
0.232 |
0.378 |
3.2. 商品类型的调节效应
为验证假设3，本研究通过进一步实验继续探究验证商品类型通过心理距离对沟通策略和用户使用意愿之间的调节效应。在实验中使用2 (拟人化沟通vs正常沟通)*2 (享乐型商品vs实用型商品)共4组组间设计，其中沟通策略的设计与上述实验基本相同。
3.2.1. 预实验
为了检验享乐型商品与实用性商品的操纵是否有效，在正式实验之前，本研究设计了预实验，预实验共招募了80名被试参与，被试随机分为两组，分别对连衣裙和保暖内衣两种服装进行商品类型判断，并对自己的感受做出反馈。享乐型商品组被试的问题是：“设想一下您正在电商平台选购连衣裙，您认为这款商品属于享乐型商品还是实用型商品？”实用型商品组被试的问题是：“设想一下您正在电商平台选购保暖内衣，您认为这款商品属于享乐品还是实用品？”问卷的题项是7级量表，(1–享乐型商品，7–实用性商品)。所有被试都完成了预实验，共80份有效样本。实验结果见表8，预实验对商品类型的控制是有效的，可以用于正式实验。
Table 8. Test results for the perception of product types
表8. 商品类型感知检验结果
商品类型 |
样本数 |
平均值 |
标准差 |
t |
p |
享乐型商品 |
40 |
2.55 |
1.853 |
−3.212 |
0.002 |
实用型商品 |
40 |
3.78 |
1.544 |
3.2.2. 正式实验
通过问卷星平台对被试进行有偿招募，由于实验的应用场景是线上女装，所以选择女性作为被试，共获得440份有效样本。所有被试被随机分配到四组中，每组110人。在回答问题前，被试需要阅读一段文字设想自己处于线上女装购物和智能客服开启对话前的环节。拟人化沟通 + 享乐型商品组：设想一下您正在电商平台购买一条连衣裙，此时智能客服向您说了一段话：“您好，我是您的客服助手小美，您有任何尺码、面料、洗涤方式等服装相关问题我都可以为您解答”；正常沟通 + 享乐型商品组：设想一下您正在电商平台购买一条连衣裙，此时智能客服向您说了一段话：“您好，欢迎使用智能客服系统，系统可以解答任何尺码、面料、洗涤方式等服装相关问题”；正常沟通 + 实用型商品组：设想一下您正在电商平台购买保暖内衣，此时智能客服向您说了一段话：“您好，欢迎使用智能客服系统，系统可以解答任何尺码、面料、洗涤方式等服装相关问题”；拟人化沟通 + 实用型商品组：设想一下您正在电商平台购买保暖内衣，此时智能客服向您说了一段话：“您好，我是您的客服助手小美，您有任何尺码、面料、洗涤方式等服装相关问题我都可以为您解答”。
在被试阅读完文字后，和实验1类似，需要被试回答对拟人化感知、心理距离和使用意愿的量表问题。对每一个问题都设置7级量表，1为非常不同意，7为非常同意，收集被试的反馈结果。
① 人口特征分析
所有被试的人口特征统计结果如表9所示。可以看到，被试的年龄集中于22~35岁，占比超过65%，正是网购的主要群体。大部分被试具有本科学历，本科以上学历的占比达76.7%，具备较好的认知。职业分布上较全面，其中，自由职业者占比最高，达36.1%，其次是企业员工。人口特征的分布合适，样本具有代表性。
Table 9. Demographic characteristics of participants
表9. 被试人口特征统计表
变量 |
选项 |
数量 |
百分比 |
年龄 |
22岁以下 |
61 |
13.86% |
22~27岁 |
126 |
28.64% |
28~35岁 |
160 |
36.36% |
35岁以上 |
93 |
21.14% |
学历 |
大专及以下 |
102 |
23.18% |
本科 |
185 |
42.05% |
硕士及以上 |
153 |
34.77% |
职业 |
学生 |
71 |
16.14% |
企业员工 |
121 |
27.50% |
公务员和事业单位人员 |
89 |
20.23% |
自由职业者 |
159 |
36.14% |
② 信效度检验
实验设计主要涉及3个变量6个题项，整体克朗巴赫系数为0.937。各题项的克朗巴赫值和CR值高于0.7，AVE值高于0.5。由此可见，本实验的量表具有较好的信效度，所得数据可用于接下来的统计分析与假设检验，具体数值可见表10。
Table 10. Reliability and validity test results
表10. 信效度检验结果
潜变量 |
观察变量 |
标准负荷 |
克朗巴赫系数 |
CR |
AVE |
拟人化感知 |
A1 |
0.794 |
0.813 |
0.922 |
0.648 |
A2 |
0.816 |
心理距离 |
B1 |
0.732 |
0.820 |
0.887 |
0.557 |
B2 |
0.761 |
使用意愿 |
C1 |
0.767 |
0.833 |
0.854 |
0.530 |
C2 |
0.687 |
③ 主效应检验
对实验组和控制组沟通方式的感知进行独立样本t检验，拟人化沟通感知检验结果见表11，结果显示，实验组拟人化感知(M拟人 = 4.98，SD = 1.842)显著高于控制组(M控制 = 4.31，SD = 1.761)，t = 3.876，p < 0.001。使用意愿检验结果见表12，实验组的用户使用意愿(M拟人 = 4.79，SD = 1.851)显著高于控制组(M = 4.33, SD = 1.833)，t = 2.601，p < 0.05。假设1再次得到了验证。
Table 11. Test results for the perception of anthropomorphic communication
表11. 拟人化沟通感知检验结果
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
220 |
4.98 |
1.842 |
3.876 |
<0.001 |
控制组 |
220 |
4.31 |
1.761 |
Table 12. Test results for usage intention
表12. 使用意愿检验结果
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
220 |
4.79 |
1.851 |
2.601 |
0.010 |
控制组 |
220 |
4.33 |
1.833 |
④ 商品类型的调节效应检验
本研究采用SPSS分析模块中的process4.1插件，选择model7，将商品类型设置成分类变量。以沟通策略为自变量，心理为中介变量，用户的使用意愿为因变量，输入模型，进而检验商品类型是否通过心理距离在沟通策略对用户使用的影响中在调节作用。实验结果见表13，沟通策略和商品类型的交互项对用户使用意愿的影响显著，因此商品类型能够调节沟通策略对用户使用意愿之间的影响。
进一步检验商品类型对中介路径的调节作用，结果见表14，心理距离在购买不同类型商品的情况下，中介作用存在显著差别，在购买享乐型商品时，心理距离的中介效应值比在购买实用型商品时更强。在购买不同类型商品的背景下，用户对智能客服不同沟通策略产生的使用意愿对比结果见图3，相比于实用型商品，在购买享乐型商品的情景下，智能客服拟人化沟通对用户使用意愿的提升更显著，假设3得到了验证。
Table 13. Regression analysis for the moderating effect of product type
表13. 商品类型调节效应回归分析
变量 |
使用意愿 |
系数值 |
标准误 |
t |
截距项 |
0.595*** |
0.212 |
4.304 |
拟人化感知 |
0.767*** |
0.040 |
19.428 |
商品类型 |
−0.135* |
0.547 |
−1.829 |
拟人化感知*商品类型 |
0.183** |
0.055 |
2.463 |
R2 |
0.695 |
F |
334.978*** |
说明：*、**和***分别表示10%、5%和1%显著性水平。
Table 14. Moderating effect of product type on the mediating effect
表14. 商品类型对中介效应的调节结果
中介路径 |
调节变量 |
效应值 |
标准误 |
95%置信区间 |
下限 |
上限 |
拟人化沟通→心理距离→使用意愿 |
享乐型商品 |
0.567 |
0.084 |
0.407 |
0.729 |
实用型商品 |
0.429 |
0.089 |
0.259 |
0.607 |
二者差值 |
0.138 |
−0.005 |
0.148 |
0.122 |
Figure 3. User usage intention across different intelligent customer service communication strategies under the influence of product type
图3. 不同商品类型影响下，智能客服不同沟通策略下的用户使用意愿
4. 结果讨论与策略选择
本研究探讨在开启人机交互前，智能客服的拟人化沟通能否提升用户的使用意愿，以及相应的作用机制和边界条件，将心理距离作为中介变量，商品类型作为调节变量。由上述实验可以得出结论：首先，智能客服的拟人化沟通可以使用户产生更高的使用意愿。其次，心理距离在拟人化沟通对用户使用意愿的影响中具有中介作用。最后，商品类型在智能客服沟通策略对用户使用意愿的影响中起到调节作用，相比于实用型商品，用户在购买享乐型商品时，拟人化沟通能够产生更高的使用意愿，且心理距离的中介效应更强。
相比于购买享乐型商品，用户在购买实用型商品时，对智能客服的使用意愿更高，原因是用户对实用型商品的需求更大，但用户对智能客服服务水平的感知较不敏感，拟人化的作用较不明显。因此企业可以在用户购买享乐型商品的情景下，更多地让智能客服采取拟人化沟通的策略，拉近用户与智能客服的心理距离，提升用户使用意愿，从而改善企业服务质量，提高用户忠诚度。
5. 研究局限与未来展望
本研究通过设计情景实验和问卷量表，测量了线上女装行业女性用户对智能客服不同沟通策略的态度反应，但受限于研究条件与设计，本研究仍存在一些不足之处，但这些局限也为未来的研究指明了方向。
首先，本研究在样本选择方面存在一定的局限性。被试选取的是经常线上购买服装的女性用户，样本人口统计学特征上同质性较高，虽然有利于在研究的初始阶段控制额外变量，但也限制了研究结论的普适性。未来研究可以进一步将样本拓展至不同年龄段、职业背景、性别以及来自不同文化圈层的群体，同时拓展智能客服的应用场景，以检验当前研究模型在不同群体和应用场景中的稳健性，并探索其他人口特征可能带来的调节作用。
其次，在研究变量的维度与测量上可以进一步深化。本研究将心理距离作为一个整体构念进行测量，然而，根据心理距离理论，其本身包含社会距离、时间距离、空间距离和假设性等多个维度。本研究未能细致区分并检验拟人化对不同维度心理距离的差异化影响。未来的研究可以对此进行更精细的划分，例如，分别探究拟人化是主要通过拉近“社会距离”(如增强亲密感)还是缩短“认知距离”(如提升理解易度)来驱动核心因变量的变化。这种细分将有助于更精确地揭示拟人化影响用户心理与行为的内在机制。