1. 引言
随着人工智能技术近年来的快速发展，智能客服凭借成本低、全天在线、高效稳定的优势在企业服务领域得到了广泛应用，逐渐成为消费者和企业互动的重要渠道[1]，有效降低了运营成本，提升了服务效率。然而在服务业中，用户诉求差异化显著，且网络虚拟性、强交互性等特征，使智能客服的服务失败高频率发生[2]，存在回答机械、重复循环、答非所问等问题。如果无法提供预期的交互服务体验，用户会因此产生不满、感知欺骗等负面情绪并且采取降低复购意愿、抵制、投诉、负面评价传播等消极行为[3]，甚至弃用智能客服[4]，对企业品牌声誉造成不利影响。
由于服务失败在企业的经营活动中一直存在，因此需要在服务失败后采取补救措施，帮助企业挽回顾客，包括精神上和物质上的补救[5]。服务补救可以由人工或机器人完成，在智能客服导致服务失败的情景下，应该由智能客服进行补救，因为用户容易将失败责任归因于机器本身[6]。受限于计算机的程序性，智能客服只能通过回复某些内容来补救，难以实施除语言外的其他补救措施。因此，回复合适的内容是智能客服进行服务补救的重要方式[7]，后续有研究发现，机器人道歉在用户看来比人工道歉真诚性低[8]。
由于面对的大多是带有负面情绪的用户，智能客服不仅要处理具体的业务问题，还需要处理相关情绪问题，有效的沟通基本法则是，优先提供情绪价值，再处理实际业务问题[9]。近年来，不少企业通过提供情绪价值、唤起情感共鸣等方式来进行服务失败补救，进而扭转品牌印象，减小服务失败的消极效应，提升客户满意度[10]。有研究表明，机器人的共情响应有一定的补救效果，可以有效拉近与用户的距离，提高用户持续使用意愿[11]。
服务补救的研究主要基于沟通方式、用户特质和场景维度。在沟通方式维度的研究中，学者们发现，高共情沟通比低共情沟通更易取得用户信任，用户对智能客服使用意愿更大[12]。高共情沟通还会影响用户心理，通过感官交互刺激，有效提升用户的宽容意愿[13]。此外，相比任务导向的沟通风格，社交导向的沟通风格更能缓解用户的负面情绪[14]。智能客服的可爱形象和可爱的沟通风格可以有效提升用户对服务失败的容忍度[15]。在用户个人特质维度方面，学者们发现，用户对服务失败的认知存在显著的群体差异。在面对犯错时，实体论者比渐变论者更易产生负面评价[4]。在场景维度方面，服务失败的严重性会对机器人共情的积极效应产生影响，在机器人服务失败严重性较高的情景下，机器人共情的积极效应会消失[16]。
因此，本研究主要探讨智能客服在服务失败的情形下如何通过沟通策略为用户提供情绪价值进行补救，从而消除或减轻用户的负面情绪，使其在经历服务失败后仍能保持对人机交互的积极性。
2. 理论基础与研究假设
2.1. 自嘲式沟通
自嘲是通过幽默诙谐的方式主动指出自身的缺陷，将过失以一种轻松欢快的方式表达出来，从而缓解尴尬处境，拉近双方的距离，并修复彼此的关系[17]，并不是严肃的自我批评反省行为。自嘲有两个主要特征：幽默与自我贬低，二者的交互作用能够有效改善负面态度[18]。在企业经营过程中，用自嘲来进行服务补救能够有效缓解用户的负面情绪[19]。相关研究主要聚焦于人际交互领域，在智能客服的服务补救场景下，自嘲式沟通是否会比正常沟通获得更高的用户宽容意愿仍待探讨。
幽默的表达方式能使用户产生愉悦的情绪，进而触发一系列正反馈，比如由于智能客服幽默的沟通，用户产生心情愉悦的感觉，有效缓解了之前服务失败产生的负面情绪，从而更容易原谅智能客服的行为[20]。正常贬低指一方对另一方的贬低行为，通常发生于双方主体，而自我贬低是发生于单主体中，即个体对自身的贬低行为，当自我贬低发生时，在旁观者看来，是站在对方立场并对自身进行贬低行为。智能客服在应对失败时使用自我贬低，可以使用户感知到智能客服是站在他的角度意识到问题，从而降低了距离感。
因此，本文提出：
H1：在服务失败情形下，相比于正常沟通，用户在面对智能客服自嘲式沟通时，能够产生更高的宽容意愿。
2.2. 感知真诚的中介作用
感知真诚是人们对对方所传达信息真实、真心的感知。虽然道歉是获得宽容的方式之一，但是道歉能否取得对方的宽容，主要取决于是否能使对方产生感知真诚，它让接收者相信，道歉不是为了逃避惩罚，而是源于道歉者真正的悔恨和对他们感受的尊重。此外，真诚是双方获取信任的重要因素，真诚的道歉可以向接收者证明“虽然这次犯错了，但我是值得再次信任的”，人们也会对自己信任的人产生更多的宽容[21]。如果缺乏感知真诚，任何修复信任的尝试都会被视作操纵，从而加剧不信任。因此，在智能客服服务失败的情景中，服务补救措施需要让用户感受到诚意，进而缓解用户的负面情绪，增强用户宽容意愿，对回应内容产生正向认知，最终对智能客服和企业产生正向反馈。
由于人们往往倾向于听到对自身的赞美和夸奖，因此自嘲中的自我贬低特征可以体现出个体真诚地认识到自身的不足，同时具有承认不足的勇气[22]。此外，智能客服用自我贬低的方式对服务失败做出回应，可以使用户感觉自己与智能客服处于同一阵营，都是对犯错的人工智能进行批判，从而在情绪上实现与用户的共情，激发用户的信任，最终能够使用户产生感知真诚[23]。
因此，本文提出：
H2：在服务失败情形下，智能客服自嘲式沟通通过用户感知真诚的中介作用影响用户宽容意愿。
2.3. 失败类型的调节作用
用户对于不同严重程度服务失败的反应有很大差异。服务失败越严重，用户的不满程度越高，宽容意愿就越低。此外，服务失败的严重程度也会影响用户对服务补救的满意度，通常情况下，失败越严重，用户的损失越大，对补救的预期越高，企业的补救措施越难达到预期水平[16]，用户对服务补救的满意度也就越低。智能客服的服务失败可以分成服务接触失败与核心服务失败两类[24]。本研究将服务失败类型划分为过程失败与结果失败，过程失败是指服务人员在服务过程中有不足，比如态度不好，但最终目的有达成；结果失败是指服务没有达成最终目的，比如提供错误信息。
不同服务失败类型对用户的影响不同，用户对补救的核心诉求不同，对不同情况应选择恰当的补救措施。过程失败一般引发用户在情感体验层面上的损失，以消除负面情绪为主，比如采用幽默的沟通使用户感到愉悦，或采用亲切的沟通使用户感到温暖。结果失败往往是用户的核心诉求无法得到满足，此时用户不希望仅仅得到情绪上的安抚，更倾向于企业拿出具体有效的补救行动。
幽默的使用应该在适当的时机和场合，否则可能会起反作用。在过程失败发生时，用户仅仅是情感层面存在缺失，因此自嘲式沟通中的幽默元素可以使用户感到愉悦，缓解不满。在结果失败的情景下，智能客服无法满足用户核心诉求，幽默的积极效应减弱，甚至可能使用户感受到被冒犯，不被尊重，进而影响企业形象。由此推断，在不同的服务失败类型中，自嘲式沟通的效果存在差异。
因此，本文提出：
H3：失败类型调节感知真诚在智能客服自嘲式沟通对用户宽容意愿的影响的中介效应，且相比于结果失败的情景，当发生过程失败时，感知真诚的中介作用更显著。
根据上述假设，本文的研究模型见图1。
Figure 1. Research model
图1. 研究模型
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。
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. 自嘲式沟通的主效应及感知真诚的中介效应
(1) 预实验
为了检验被试是否能感知到实验材料中自嘲式沟通包含的幽默与自我贬低特征，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。共招募了80名被试参与，被试随机分为两组，分别浏览智能客服的自嘲式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，本研究设想了一个智能客服服务失败的情景，在回答问题前，被试需要阅读一段文字：假设您买到的衣服有色差，正在和智能客服抱怨并寻求解决办法，智能客服没有回应您的需求，答非所问，您向它表达了不满，此时智能客服向您说了一段话。在实验组中，智能客服的回答是：非常抱歉，我还以为自己多厉害，结果根本经不住检验，真是一点也不智能；控制组中，智能客服的回答是：很抱歉无法解决您的问题，希望下次可以帮助到您。阅读完上述文字，被试需要反馈自己对智能客服自嘲式沟通的感知，在问卷中询问被试：“这个智能客服通过自嘲的方式承认了自己的缺点”、“这个智能客服通过自我贬低的方式展现了幽默感”[25]。对此设置Likert 7级量表(1-非常不同意，7-非常同意)。
所有被试都完成了预实验，得到80份有效样本。结果见表1，实验组的自嘲式感知显著高于控制组，说明预实验对自嘲式沟通的控制是有效的，可以用于正式实验。
Table 1. Results of the independent-samples t-test for communication strategies
表1. 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 |
自嘲式沟通 |
40 |
3.863 |
1.405 |
3.501 |
<0.001 |
正常沟通 |
40 |
2.838 |
1.206 |
(2) 正式实验
在正式实验中，测量变量包括自嘲感知、感知真诚和宽容意愿。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发生服务失败时，智能客服自嘲式沟通对用户宽容意愿的影响和作用机制。本研究对自嘲式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自嘲式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服务失败的情景设置：假设您买到的衣服有色差，正在和智能客服抱怨并寻求解决办法，智能客服没有回应您的需求，答非所问，您向它表达了不满，此时智能客服向您说了一段话。在实验组中，这句话的内容是：非常抱歉，我还以为自己多厉害，结果根本经不住检验，真是一点也不智能；在控制组中，智能客服的回复是：很抱歉无法解决您的问题，希望下次可以帮助到您。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自嘲式沟通的感知，同样询问被试：“这个智能客服通过自嘲的方式承认了自己的缺点”、“这个智能客服通过自我贬低的方式展现了幽默感”，接着，询问被试对真诚的感知：“我认为对方的道歉很真诚”、“我认为对方承认了错误”[26]，最后，询问被试的宽容意愿：“我认为智能客服的道歉是可以接受的”、“我认为智能客服的道歉达到了我的预期”[27]。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
被试的基本资料统计结果见表2。可以看到，被试的年龄集中于22~35岁，占比超过60%，正是网购的主力军。本科以上学历的占比达76.3%，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35.53%，其次是企业员工，占比达28.42%。人口特征的分布合适，样本具有代表性。
Table 2. Demographic characteristics of the participants 1
表2. 被试人口特征统计表1
变量 |
选项 |
数量 |
百分比 |
年龄 |
22岁以下 |
53 |
13.95% |
22~27岁 |
117 |
30.79% |
28~35岁 |
135 |
35.53% |
35岁以上 |
75 |
19.74% |
学历 |
大专及以下 |
90 |
23.68% |
本科 |
162 |
42.63% |
硕士及以上 |
128 |
33.68% |
职业 |
学生 |
65 |
17.11% |
企业员工 |
108 |
28.42% |
公务员和事业单位人员 |
72 |
18.95% |
自由职业者 |
135 |
35.53% |
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0.926。各题项的信效度检验结果见表3，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，实验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 analysis 1
表3. 信效度检验结果1
潜变量 |
观察变量 |
标准负荷 |
克朗巴赫系数 |
CR |
AVE |
自嘲感知 |
A1 |
0.657 |
0.843 |
0.833 |
0.606 |
A2 |
0.870 |
感知真诚 |
B1 |
0.829 |
0.809 |
0.745 |
0.595 |
B2 |
0.709 |
宽容意愿 |
C1 |
0.618 |
0.784 |
0.711 |
0.558 |
C2 |
0.856 |
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，对自嘲感知的检验结果见表4，实验组的自嘲感知(M自嘲 = 4.72，SD = 1.724)显著高于控制组(M控制 = 3.95，SD = 1.865)，t = 4.143, p < 0.001。对宽容意愿的检验结果见表5，实验组的用户宽容意愿(M自嘲 = 4.84，SD = 1.727)显著高于控制组(M控制 = 4.14，SD = 1.794)，t = 3.890, p < 0.001。实验组和控制组的宽容意愿对比见图2。假设1得到了验证。
Table 4. Perception check of self-deprecating communication 1
表4. 自嘲式沟通感知检验结果1
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
190 |
4.72 |
1.724 |
4.143 |
<0.001 |
控制组 |
190 |
3.95 |
1.865 |
Table 5. Results for forgiveness willingness 1
表5. 宽容意愿检验结果1
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
190 |
4.84 |
1.727 |
3.890 |
<0.001 |
控制组 |
190 |
4.14 |
1.794 |
Figure 2. Differences in user forgiveness willingness under different AI customer service communication strategies
图2. 智能客服不同沟通策略下的用户宽容意愿
④ 中介效应检验
本研究采用SPSS分析模块中的process 4.1插件，选择model 4，设置置信水平为95%，以智能客服的沟通策略为自变量，感知真诚为中介变量，用户的宽容意愿为因变量，输入模型，进而检验沟通策略对用户宽容的影响中，感知真诚是否存在中介效应。回归结果见表6，自嘲感知对感知真诚的回归系数
Table 6. Regression analysis for the mediating effect of perceived sincerity
表6. 感知真诚中介效应回归分析检验
变量 |
感知真诚 |
宽容意愿 |
系数值 |
标准误 |
t |
系数值 |
标准误 |
t |
截距项 |
1.393*** |
0.165 |
8.432 |
0.526*** |
0.137 |
3.843 |
自嘲感知 |
0.724*** |
0.035 |
20.607 |
0.291*** |
0.039 |
7.466 |
感知真诚 |
|
|
|
0.597*** |
0.039 |
15.254 |
R2 |
0.529 |
0.719 |
F |
424.644 |
|
说明：*、** 和***分别表示10%、5%和1%显著性水平。
显著，自嘲感知和感知真诚对宽容意愿的回归系数也显著，效应值检验结果见表7，置信区间为[0.371, 0.498],不包含0，因此感知真诚中介效应显著，效应值为0.432，假设2得到了验证。
Table 7. Results for the perceived sincerity mediation effect size
表7. 感知真诚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 |
自嘲式沟通 -> 感知真诚 -> 宽容意愿 |
0.432 |
0.033 |
0.372 |
0.498 |
3.2. 失败类型的调节效应
为验证假设3，本研究通过进一步实验继续探究验证失败类型通过感知真诚对沟通策略和用户宽容意愿之间的调节效应。在实验中使用2 (自嘲式沟通vs正常沟通) * 2 (过程失败vs结果失败)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。
(1) 预实验
为了检验过程失败与结果失败的操纵是否有效，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，分别浏览过程失败和结果失败两种智能客服的服务失败情景，并对自己的感受做出反馈。在回答问题前，过程失败组的被试需要阅读以下文字：由于色差问题，您想申请退货退款，智能客服显示了几次：我不太清楚您的需求，请您重新表述一下，您认真更改了表述之后，它解决了您的问题，您向它表达了不满。结果失败组的被试需要阅读的内容是：由于色差问题，您想申请退货退款，智能客服识别错了您的需求，直接弹出产品推荐的链接，您向它表达了不满。紧接着，被试需要回答一个问题：您认为上述智能客服的服务属于过程失败还是结果失败？问卷的题项是7级量表，(1-过程失败，7-结果失败)。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，预实验对失败类型的控制是有效的，可以用于正式实验。
Table 8. Independent-samples t-test by failure type
表8. 失败类型独立样本t检验结果
失败类型 |
样本数 |
均值 |
标准差 |
t |
p |
过程失败 |
40 |
2.25 |
1.149 |
−6.333 |
<0.001 |
结果失败 |
40 |
4.20 |
1.572 |
(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的售后环节。自嘲式沟通 + 过程失败组：由于色差问题，您想申请退货退款，智能客服回答：“我不太清楚您的需求，请您重新表述一下”，您认真更改了表述之后，它解决了您的问题，您向它表达了不满，此时智能客服对您说：“非常抱歉，我还以为自己多厉害，结果根本经不住检验，真是一点也不智能。”正常沟通 + 过程失败组：由于色差问题，您想申请退货退款，智能客服回答：“我不太清楚您的需求，请您重新表述一下”，您认真更改了表述之后，它解决了您的问题，您向它表达了不满，此时智能客服对您说：“很抱歉无法解决您的问题，希望下次可以帮助到您。”正常沟通 + 结果失败组：由于色差问题，您想申请退货退款，智能客服识别错了您的需求，直接弹出产品推荐的链接。您向它表达了不满，此时智能客服对您说：“很抱歉无法解决您的问题，希望下次可以帮助到您。”自嘲式沟通 + 结果失败组：由于色差问题，您想申请退货退款，智能客服识别错了您的需求，直接弹出产品推荐的链接，您向它表达了不满，此时智能客服对您说：“非常抱歉，我还以为自己多厉害，结果根本经不住检验，真是一点也不智能。”
在被试阅读完文字后，和实验1类似，需要被试回答对自嘲式感知、感知真诚和宽容意愿的量表问题。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见表9。可以看到，被试的年龄集中于22~35岁，占比超过64%，正是网购的主要群体。大部分被试具有本科学历，本科以上学历的占比达75.8%，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34.8%，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 the participants 2
表9. 被试人口特征统计表2
变量 |
选项 |
数量 |
百分比 |
年龄 |
22岁以下 |
65 |
14.77% |
22~27岁 |
127 |
28.86% |
28~35岁 |
156 |
35.45% |
35岁以上 |
92 |
20.91% |
学历 |
大专及以下 |
106 |
24.09% |
本科 |
178 |
40.45% |
硕士及以上 |
156 |
35.45% |
职业 |
学生 |
73 |
16.59% |
企业员工 |
127 |
28.86% |
公务员和事业单位人员 |
87 |
19.77% |
自由职业者 |
153 |
34.77% |
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0.931。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 analysis 2
表10. 信效度检验结果2
潜变量 |
观察变量 |
标准负荷 |
克朗巴赫系数 |
CR |
AVE |
自嘲感知 |
A1 |
0.697 |
0.787 |
0.760 |
0.616 |
A2 |
0.863 |
感知真诚 |
B1 |
0.862 |
0.789 |
0.816 |
0.689 |
B2 |
0.797 |
宽容意愿 |
C1 |
0.670 |
0.844 |
0.701 |
0.542 |
C2 |
0.796 |
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，对自嘲式沟通感知的检验结果见表11，实验组的自嘲感知(M自嘲 = 4.91，SD = 1.795)显著高于控制组(M控制 = 3.95，SD = 1.773)，t = 5.652，p < 0.001。对宽容意愿的检验结果见表12，实验组的用户宽容意愿(M自嘲 = 4.52，SD = 1.736)显著高于控制组(M控制 = 3.91，SD = 1.629)，t = 3.823，p < 0.001。假设1再次得到了验证。
Table 11. Perception check of self-deprecating communication 2
表11. 自嘲式沟通感知检验结果2
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
220 |
4.91 |
1.795 |
5.652 |
<0.001 |
控制组 |
220 |
3.95 |
1.773 |
Table 12. Results for forgiveness willingness 2
表12. 宽容意愿检验结果2
分组 |
样本数 |
平均值 |
标准差 |
t |
p |
实验组 |
220 |
4.52 |
1.736 |
3.823 |
<0.001 |
控制组 |
220 |
3.91 |
1.629 |
④ 失败类型的调节效应检验
本研究采用SPSS分析模块中的process 4.1插件，选择model 7，将失败类型设置成分类变量。以沟通策略为自变量，感知真诚为中介变量，用户的宽容意愿为因变量，输入模型，进而检验失败类型是否通过感知真诚在沟通策略对用户宽容的影响中在调节作用。回归结果见表13，沟通策略和失败类型的交互项对用户宽容意愿的影响显著，因此失败类型能够调节沟通策略对用户宽容之间的影响。
进一步检验失败类型对中介路径的调节作用，由表14可知，感知真诚在不同的失败类型情况下，中介作用存在显著差别，在过程失败的情景下，感知真诚的中介效应值比在结果失败情景下更强。不同失败类型下，智能客服不同沟通策略下的用户宽容意愿对比见图3。假设3得到了验证。
Table 13. Regression analysis for the moderating effect of failure type
表13. 失败类型调节效应回归分析
变量 |
宽容意愿 |
系数值 |
标准误 |
t |
截距项 |
0.515*** |
0.175 |
2.942 |
自嘲感知 |
0.778*** |
0.035 |
20.814 |
失败类型 |
0.153** |
0.227 |
2.303 |
自嘲感知 * 失败类型 |
0.174*** |
0.047 |
2.581 |
R2 |
0.727 |
F |
390.015 |
说明：*、** 和***分别表示10%、5%和1%显著性水平。
Table 14. Results of the moderated mediation analysis for failure type
表14. 失败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 |
自嘲式沟通 -> 感知真诚 -> 宽容意愿 |
过程失败 |
0.413 |
0.064 |
0.295 |
0.544 |
结果失败 |
0.324 |
0.058 |
0.213 |
0.444 |
二者差值 |
0.089 |
0.006 |
0.081 |
0.009 |
Figure 3. The interaction effect of failure type and AI customer service communication strategy on user forgiveness willingness
图3. 不同失败类型影响下，智能客服不同沟通策略下的用户宽容意愿
4. 结果讨论与策略选择
本研究探讨在服务失败的情景下，智能客服的自嘲式沟通能否提升用户的宽容意愿，以及相应的作用机制和边界条件，将感知真诚作为中介变量，失败类型作为调节变量。由上述实验可以得出结论：首先，相比于传统的道歉，智能客服的自嘲式沟通可以使用户产生更高的宽容意愿。其次，感知真诚在自嘲式沟通对用户宽容意愿的影响中具有中介作用。最后，失败类型在智能客服沟通策略对用户宽容意愿的影响中起到调节作用，相比于结果失败，发生过程失败时，自嘲式沟通能够产生更高的用户宽容意愿，且感知真诚的中介效应更强。
上述现象产生的原因主要有两点：首先，自嘲式沟通对智能客服之所以特别有效，关键在于它打破了用户对机器冰冷、程序化的刻板印象。当AI表现出一种通常属于人类的情商与自知之明时，用户会感知到一种超出预期的“人性化”特质，从而将其解读为更高的真诚度，这正是驱动用户宽容意愿提升的核心心理机制。其次，失败类型的调节作用源于用户在不同失败情境中核心利益的差异。过程失败主要损害情感体验，自嘲能精准地修复情感关系，而结果失败直接损害了用户的核心功能利益，其首要需求是务实的问题解决方案，此时过度幽默反而会被视为对问题严重性的轻视，从而侵蚀感知真诚。这一对比清晰地界定了该沟通策略有效的边界条件。
从研究结论可以发现，在智能客服引发服务失败后，相比于正常沟通，自嘲式沟通更能促使用户原谅智能客服，保证顺利的服务补救，维护企业和品牌的形象，减小服务失败的消极效应，提升客户满意度和忠诚度。因此，企业在通过智能客服进行服务补救的实践中，可以多采用自嘲式沟通，但需要识别服务失败的类型。当处于过程失败时，可以增加自嘲式沟通的使用频率，使用户感知到情感共鸣并产生愉悦感，从而愿意原谅智能客服产生的服务失败。当处于结果失败时，过度幽默可能使用户认为对方把错误不当回事、嬉皮笑脸、不尊重自己，这时应该减少自嘲式沟通中的幽默元素并增加自我贬低元素，来提高用户对这次道歉的感知真诚。