工商管理硕士论文 人工智能客服拟人化特征对消费者接受意愿的影响研究 ——基于技术可供性中介作用

摘 要

伴随着自然语言处理、机器学习、计算机视觉识别和人工智能等新兴技术快速发展，人工智能客服成为企业和消费者沟通的重要载体。越来越多企业采用拟人化设计的人工智能客服以弥补其在处理复杂情境和情感交互方面不足。如何应用人工智能客服拟人化设计以增强消费者便捷感和接受度是企业关注重要现实智能服务管理问题。现有研究对人工智能客服、拟人化营销、消费者接受意愿等问题展开探讨，但对人工智能客服拟人化设计如何影响消费者行为的作用机制探讨尚不充分。基于上述研究背景，文章围绕三个研究问题进行探讨：（1）人工智能客服拟人化特征如何影响消费者接受意愿？（2）技术可供性能否影响人工智能客服拟人化特征和消费者接受意愿之间关系？（3）服务便利能否在其中起到调节作用？文章基于拟人化营销与技术可供性理论视角，采用扎根理论研究方法和实证研究方法，系统探讨人工智能客服拟人化特征、技术可供性、服务便利及消费者接受意愿之间的关系。文章在相关文献研究基础上，通过深度访谈与网络文本数据进行扎根理论分析，探究人工智能客服消费者接受意愿影响机理；借助SmartPLS 4.0数据分析软件，通过对428份有效问卷数据分析，实证研究人工智能客服拟人化特征对消费者接受意愿的直接影响，检验技术可供性的中介作用和服务便利的调节作用。研究结果表明：第一，人工智能客服拟人化特征显著正向影响消费者接受意愿。第二，交互可供性和生成可供性在人工智能客服拟人化特征与消费者接受意愿之间发挥了显著的中介作用。第三，服务便利性在人工智能客服拟人化特征与交互可供性间有显著的负向调节作用。文章探析人工智能客服拟人化特征对消费者接受意愿影响机理，明晰技术可供性和服务便利在其中的作用机制。文章研究结论一方面丰富了人工智能客服拟人化营销内在机制理论解释，深化人工智能服务中消费者接受意愿相关研究，拓展技术可供性理论应用研究领域，为后续相关研究提供了新的理论视角和方向。另一方面，研究结论为人工智能客服系统设计提供了理论依据，为企业优化人工智能客服系统以提升智能服务绩效提供了实践指导。

Abstract

With the rapid advancement of emerging technologies such as natural languageprocessing, machine learning, computer vision, and artificial intelligence, AI-poweredcustomer service has become a crucial medium for communication betweenbusinesses and consumers. Increasingly, companies are adopting anthropomorphicdesigns for AI customer service systems to address their limitations in handlingcomplex scenarios and emotional interactions. How to leverage anthropomorphicdesign in AI customer service to enhance consumer convenience and acceptance hasbecome a significant and practical issue in intelligent service management. Althoughexisting research has explored topics such as AI customer service, anthropomorphicmarketing, and consumer acceptance intentions, the mechanisms through whichanthropomorphic design in AI customer service influences consumer behavior remainunderexplored.Based on the research context, this study addresses three core questions: (1) Howdo the anthropomorphic features of AI customer service influence consumers ’acceptance intentions? (2) Can technological affordances mediate the relationshipbetween the anthropomorphic features of AI customer service and consumers ’acceptance intentions? (3) Does service convenience serve as a moderating factor inthis relationship? Grounded in the theoretical perspectives of anthropomorphicmarketing and technological affordances, this study adopts a combined methodologyof grounded theory and empirical analysis to systematically investigate therelationships among the anthropomorphic features of AI customer service,technological affordances, service convenience, and consumers’ acceptanceintentions.Drawing on a comprehensive review of existing literature, the studyemploys grounded theory analysis based on in-depth interviews and online text data toexplore the mechanisms by which consumers’ acceptance intentions are influenced byAI customer service. Using SmartPLS 4.0 for data analysis, the study further analyzes428 valid survey responses to empirically examine the direct effects of AI customerservice’s anthropomorphic features on consumers’ acceptance intentions. It also teststhe mediating role of technological affordances and the moderating role of serviceconvenience.

The findings reveal three key insights: First, the anthropomorphic features of AIcustomer service significantly and positively influence consumers ’ acceptanceintentions. Second, interactive affordance and generative affordance serve assignificant mediators in the relationship between anthropomorphic features andconsumers ’ acceptance intentions. Third, service convenience exerts a significantnegative moderating effect on the relationship between anthropomorphic features andinteractive affordance.This study explores the mechanism by which anthropomorphic features of AIcustomer service influence consumer acceptance intentions, clarifying the roles oftechnological affordance and service convenience within this process. The findingscontribute to the theoretical understanding of the internal mechanisms underlyinganthropomorphic marketing in AI customer service, deepen research on consumeracceptance in intelligent services, and expand the application scope of technologicalaffordance theory, offering new theoretical perspectives and directions for futurestudies. Additionally, the research provides theoretical foundations for designing AIcustomer service systems and offers practical guidance for enterprises seeking tooptimize such systems to enhance the performance of intelligent 。

目录

摘要

Abstract

第1章 绪论

第2章 理论基础与文献综述

第3章 基于扎根理论的人工智能客服消费者接受意愿探索性研究

第4章 研究模型与研究假设

第5章 问卷设计与数据收集

第6章 数据分析与假设检验

第7章 研究结论与展望

参考文献

附录1 访谈提纲

附录2 人工智能客服拟人化特征对

第 1 章 绪论

1.1 研究背景与研究意义

 2024 年中国用户使用智能客服场景分布图

1.1.1 研究背景伴随着自然语言处理、机器学习、计算机视觉识别和人工智能等新兴技术快速发展，人工智能客服成为企业和消费者沟通的重要载体，被广泛应用于各类服务场景。比如：金融企业应用智能客服开展投资顾问服务；酒店推出人工智能客服回复顾客投诉；网络购物平台使用人工智能客服帮助消费者推荐商品等。《新一代人工智能发展规划》明确指出，2030 年我国将成为全球主要人工智能创新中心，并推动人工智能技术在服务业中的广泛应用，为消费者和企业提供高效、智能的服务解决方案。目前，人工智能客服已逐渐替代传统人工客服，成为全球众多行业提高服务效率和降低服务成本的关键手段。人工智能客服行业市场规模迅速增长。艾媒咨询研究数据显示，2024 年中国用户使用智能客服场景中，办理话费查询、套餐更换等手机业务的场景以 53.21%的占比位列第一；电商平台购物位列第二；占比为 43.59%；物流信息查询（40.81%）、办理银行业务（40.60%）和办理违章等交通业务（34.83%）紧随其后。人工智能客服是一种新兴的智能化客户服务系统。人工智能客服基于人工智能、自然语言处理、机器学习和语音识别等技术，以自动化的方式与用户互动并提供问题解决方案（De Keyser 等, 2019；Chen 等, 2021）。人工智能客服与传统人工客服主要有三个方面不同之处。第一，人工智能客服能够 24 小时全天候运行，不受工作时长的限制，相较于人工客服更适用于处理大量的标准化、重复性任务。第二，人工智能客服通过机器学习和大数据分析客户的购买历史、浏览记录和过往对话内容，可以在一定程度上为客户提供个性化的服务，例如推荐产品、提供服务或定制化解决方案，但无法像人工客服一样做到真正意义上的创造性思维和情境判断。第三，人工智能客服无法像人工客服一样在处理复杂问题时具有更高的灵活应变能力。为弥补人工智能客服的不足，人工智能客服的拟人化设计逐渐受到关注和重视。赋予人工智能客服类人特征，不仅能够增强用户体验，还在一定程度上缓解消费者面对机械化技术服务时的排斥情绪。人工智能客服拟人化设计能否为企业创造实用价值，关键在于消费者对其接受程度。越来越多的企业在智能服务场景中逐渐引入拟人化设计的人工智能客服，期望通过优化消费者的交互体验来提高其接受意愿。如何应用拟人化设计以增强消费者便捷感和接受意愿，已成为企业在智能服务管理中亟需解决的重要现实问题。现有研究对于人工智能客服拟人化特征对消费者服务消费者接受意愿的影响探讨尚不充分。目前，关于人工智能客服研究集中在技术应用及其优化（Chaturvedi，2023；刘汝萍等，2024；周明升和张雯，2024)，而对消费者与具有拟人化特征的人工智能客服互动过程中的心理及行为意向研究较为不足。虽然有少数研究指出，消费者在面对具有拟人化特征的人工智能客服时，会产生更强信任感和更高互动意愿(Katja，2021；邓士昌等，2022)，但对于不同类型消费者接受程度以及拟人化设计具体特征如何影响消费者决策过程，还缺乏深入研究。此外，现有研究多聚焦于人工智能客服的技术能力设计，如自然语言处理、机器学习等（Sharma，2021），而较少关注消费者如何感知和评估这些技术带来的服务体验。关于拟人化设计对消费者情感体验和服务消费者接受意愿的具体影响机制尚未得到充分解释。因此，深入研究人工智能客服拟人化特征对消费者接受意愿影响机制，能够为企业优化客服系统以提升消费者体验提供重要的理论支持。拟人化营销理论强调通过赋予产品或服务类似人类的特征，能够增强消费者的情感认同感和互动意愿，从而提升其对品牌的信任和忠诚度（汪涛等，2014；Huang 等，2022；王宇翔，2024）。人工智能客服拟人化设计通过自然的语言表达、语气调整以及情感共鸣等方式，与消费者建立情感连接，从而有效减少用户的陌生感和排斥心理，提升消费者对系统的接受度和信任感（Go 和 Sundar，2019； Wang 等，2021）。可供性理论为研究人工智能客服消费者接受意愿提供了新的视角，可弥补现有研究视角单一的缺陷。人工智能客服具有较高程度的人机交互性（De 等，2019）。在研究人工智能客服消费者接受意愿时，需要考虑消费者在人机交互过程中对技术可供性产生的感知。可供性理论被 Norman（1988）和 Zammuto等（2007）扩展至技术研究领域[88][125]。技术可供性理论能够揭示人工智能客服的技术特性如何通过技术机制驱动消费者的接受行为，深化对人工智能客服拟人化特征影响消费者接受意愿路径的理解（Zammuto 等，2007; Huang 和 Benbasat,2021）。因此，技术可供性可以弥补以往研究从技术感知易用性视角出发进行研究的不足。基于上述现实背景和理论研究缺口，本研究围绕如下三个问题深入探讨人工智能客服拟人化特征对消费者接受意愿影响机制。（1）人工智能客服拟人化特征如何影响消费者接受意愿？（2）技术可供性能否影响人工智能客服拟人化特征和消费者接受意愿之间关系？（3）服务便利能否在其中起到调节作用？1.1.2 研究意义1.理论意义第一，深化了对人工智能客服相关问题的研究。目前，国内外关于人工智能客 服 的 研 究 主 要 集 中 在 技 术 能 力 提 升 、 用 户 体 验 优 化 和 情 感 交 互 等 领 域（Diederich 等, 2022; 刘汝萍等，2024），但缺乏针对具体拟人化特征的实证研究。本研究基于拟人化营销理论，深入探讨了人工智能客服行为拟人化、沟通拟人化、角色拟人化特征如何提升消费者接受意愿，为人工智能客服管理提供理论支持。第二，拓展了技术可供性理论在人工智能领域的应用研究。技术可供性理论已被广泛应用于信息系统和数字技术领域（Markus 和 Silver, 2008；马鸿佳，2024），用于解释技术特性与用户行为之间的关系（Niskanen 等，2023）。然而，技术可供性在人工智能情境下的应用研究仍然不足。本研究结合人工智能客服情境，分析了拟人化特征影响交互可供性和生成可供性，从而拓展了技术可供性理论在智能服务领域的应用研究。第三，丰富了人工智能服务消费者接受意愿的相关研究。现有研究主要关注人工智能技术如何增强消费者体验和满意度（Huang 和 Rust, 2018; Adam 等,2021；吴继飞等，2022），而针对人工智能客服消费者接受意愿的具体影响机制探讨较少。本研究以拟人化特征为切入点，揭示了人工智能客服在消费者接受意愿形成过程中的关键作用，为相关理论研究提供了新的视角。第四，揭示了服务便利性在人工智能客服消费者接受意愿中的作用方式。服务便利性在传统服务场景中已被证实是影响用户体验的重要因素（杨强和庄屹，2012；仇立，2020），但在人工智能服务场景中的调节作用尚未得到充分研究。本研究通过实证分析，明确了服务便利性如何影响人工智能客服拟人化设计对消费者接受意愿的作用，拓展服务便利相关理论研究。2.实践意义第一，本研究有助于企业掌握实施人工智能客服拟人化营销策略要诀。通过分析拟人化特征如何影响消费者的心理接受度与互动意愿，使企业能够掌握人工智能客服拟人化营销的关键。第二，本研究有助于帮助企业做好人工智能客服拟人化设计提升服务体验和服务便利。明确不同拟人化特征如何影响消费者的接受意愿，以帮助企业根据消费者需求定制个性化人工智能客服体验。第三，本研究有助于企业经营管理者理解人工智能客服技术可供性重要性。企业需要关注如何通过技术优化提高人工智能客服系统的响应能力、任务处理能力以及交互质量，从而使消费者感受到更高的便捷性。

1.2 研究目的与研究内容

1.2.1 研究目的本研究旨在系统探讨人工智能客服拟人化特征对消费者接受意愿的影响机制，具体研究目的包括以下三个方面：第一，探究技术可供性对人工智能客服接受意愿影响作用。以往有关消费者接受意愿的研究大多基于技术接受模型、计划行为理论等框架进行探讨（Venkatesh 和 Davis，2000；Verhagen 等，2014）。技术接受模型认为感知有用性、感知易用性及行为控制感能够较好地解释消费者的接受意愿（鲁耀斌和徐红梅，2006）。现有研究虽已使用可供性理论对人机交互领域的相关问题进行研究(Dong 和 Wang，2018；Lin 等； 2019)，主要关注技术设计问题（Koroleva 和Kane, 2017)。以往研究中的可供性并不一定能够适用于人工智能客服服务场景。本研究通过访谈数据、网络文本数据进行扎根理论分析，识别出人工智能客服服务场景中的技术可供性影响作用，为有关人工智能客服服务场景中的研究提供了一个新的视角，为后续相关研究提供启发。第二，探究人工智能客服拟人化特征维度。本研究通过梳理拟人化营销理论观点和现有相关文献。应用扎根理论方法揭示人工智能客服拟人化特征的结构维度。拟人化营销理论认为，通过赋予人工智能系统人类化的特征，可以提升消费者对系统的情感认同和互动意愿（Sundar, 2008）。拟人化设计能够通过情感化的交流与反应增强用户对人工智能系统的信任和参与感（Bickmore 和 Picard,2005）。但是，现有研究多集中于拟人化特征对用户体验的广泛影响，缺乏对其具体构成要素的系统探讨，本研究进一步细化了拟人化特征的具体维度，揭示其在人工智能客服服务中的具体表现和作用机制。第三，探究人工智能客服拟人化特征对消费者接受意愿的影响机理。本研究探讨人工智能客服拟人化特征如何影响消费者接受意愿，并识别技术可供性在其中的中介作用以及服务便利性的调节作用。拟人化特征被广泛认为能够提升消费者的情感认同和行为意图（Leonardi 等, 2013；刘欣等，2021），但多数研究停留在对拟人化特征直接影响消费者行为意图的作用分析上（Sundar, 2008），忽视了人工智能客服技术特性为用户提供的行动可能性。本研究探讨拟人化特征通过交互可供性与生成可供性影响消费者接受意愿的中介路径，填补了拟人化设计与技术应用之间作用机理研究的空白。服务便利性是影响消费者感知价值和行为决策的重要因素（Berry，2002；吴永春，2020），但研究背景仍属于传统服务场景，并不完全适用于人工智能客服服务场景。通过构建模型与假设检验，本研究明确技术可供性与服务便利性在提升消费者接受意愿中的协同效应，深化对消费者行为影响机制的理解。

研究流程图

1.2.2 研究内容

本研究在对国内外相关研究文献梳理总结基础上，依据拟人化营销理论和技术可供性理论，采用扎根理论研究方法和实证研究方法，构建人工智能客服消费者接受意愿理论研究模型，探究人工智能客服拟人化特征对消费者接受意愿影响内在机理和边界条件。本研究主要围绕三个方面内容展开探讨：第一，识别人工智能客服拟人化特征结构维度，为后续研究提供理论基础。第二，探究人工智能客服拟人化特征对消费者接受意愿的直接效应，实证检验人工智能客服拟人化特征对消费者接受意愿的直接影响。第三，探究技术可供性和服务便利在其中的具体影响作用。本研究具体内容如下：第一章，绪论。根据目前人工智能客服应用的现实背景和理论背景，本章提出人工智能客服的拟人化特征对消费者接受意愿作用机制的研究问题，明确研究目的与研究意义，并进一步阐述清楚本文的主要研究内容以及在研究过程中将要采用的研究方法。第二章，理论基础与文献综述。本章对人工智能客服、拟人化特征及消费者接受意愿等相关研究进行回顾与评述，对拟人化营销理论和技术可供性理论主要观点进行阐述，为后续的研究提供思考方向和理论支撑。第三章，基于扎根理论的人工智能客服消费者接受意愿探索性分析。本章运用扎根理论的研究方法探索人工智能拟人化特征、技术可供性、服务便利以及对消费者接受意愿的影响机理。通过扎根理论分析，挖掘关键人工智能拟人化特征与消费者接受意愿的内在逻辑关系，为理论构建和实证研究提供基础支持。第四章，研究模型与假设构建。基于现有文献研究和扎根理论探索性研究，确定研究假设，构建人工智能客服拟人化特征对消费者接受意愿影响的研究模型，以揭示人工智能客服消费者接受意愿具体影响路径。第五章，问卷设计与数据收集。基于既有文献的研究成果，结合人工智能客服的实际应用场景，本章设计了涵盖人工智能客服拟人化特征、技术可供性、服务便利性和消费者接受意愿等研究变量的测量题项，并采用李克特 7 级量表进行量化测量。通过预调研收集数据并检测研究量表测量题项的合理性，形成正式的调研问卷，为后续的实证分析奠定基础。第六章，数据分析与假设检验。本章首先通过描述性统计分析了解有效调查样本的基本特征，并进行信度和效度检验，以确保数据的可靠性和测量工具的科学性。随后，运用 SmartPLS 4.0 数据分析软件对研究数据进行分析，探讨人工智能客服拟人化特征对消费者接受意愿的直接效应，检验技术可供性在其中的中介效应和服务便利性在不同路径上的调节效应，为假设验证提供了充分的实证支持。第七章，研究结论与展望。本章对本文研究的主要结论进行概括和总结，进而归纳和阐述研究在理论层面的贡献。此外，本章还对本文研究中的局限性进行说明，并对未来相关研究做出展望。

1.3 研究思路与研究方法

1.3.1 研究思路本研究基于“提出问题-分析问题-解决问题”的研究思路，围绕人工智能客服如何影响消费者接受意愿的问题展开探讨（如图 1-2 所示）。首先，结合现实背景和理论背景，明确人工智能客服拟人化特征对消费者接受意愿影响机制研究问题及其内容。接着，通过文献综述、相关理论分析、扎根理论研究以及理论模型的构建和假设推导，对研究问题进行系统分析；随后，进行调研设计、数据收集与统计分析，并对研究假设进行检验；最后，结合研究结果，总结理论贡献和实践启示，并指出研究局限及未来发展方向。

1.3.2 研究方法、

本研究综合运用文献研究法、扎根理论分析法、问卷调查法等研究方法，确保研究具有科学性和严谨性。1.文献研究法首先，本研究通过文献研究法梳理了拟人化营销理论和可供性理论，为本研究的理论框架提供了支撑。随后，回顾了国内外关于人工智能客服、拟人化设计、消费者接受意愿等主题的相关文献。在中国知网与 Web of Science 中以“人工智能客服”为关键词检索近几年相关研究文献，并探讨该领域的最新动态和发展趋势。其次，在文献梳理分析的基础上总结了当前人工智能服务领域的研究现状与不足之处，明确本研究的重点方向。2.扎根理论分析法扎根理论分析法是一种自下而上的质性研究方法，旨在通过系统化的数据收集和分析，从实际数据中归纳出理论或概念。本研究采用扎根理论分析法，对人工智能客服消费者接受意愿进行探索性分析。在扎根理论分析过程中，前期调研阶段面向人工智能客服用户进行半结构化访谈，并搜集消费者对人工智能客服的网络评论，获取消费者对人工智能客服拟人化特征的真实感知。研究后期将收集到数据遵循经典扎根理论的研究流程进行开放式编码、主轴编码、选择性编码与理论饱和度检验，归纳出人工智能客服拟人化特征、消费者接受意愿、技术可供性、服务便利的核心要素，为后续量表设计提供理论支持。3.问卷调查法为获取消费者对人工智能客服的真实感知与态度，本研究采用问卷调查法进行数据收集。问卷设计基于既有文献的研究成果，结合人工智能客服的实际应用场景，涵盖拟人化特征、服务便利性、交互可供性以及消费者接受意愿等研究变量。问卷通过线上与线下相结合的方式发放，线上问卷通过社交媒体和专业调研平台分发，线下问卷则在消费者接触人工智能客服的场景中收集。为了确保样本的多样性和代表性，本研究在不同年龄、职业及教育背景的群体中进行广泛调查。最终收集的数据经过整理与筛选后，用于后续的描述性统计分析与假设检验。4.实证分析法采用 SPSS 26.0 与 SmartPLS 4.0 统计分析工具对预调研与正式调研的数据进行系统分析。首先，使用 SPSS 26.0 进行描述性统计分析，并进行信度分析，确保问卷数据的内部一致性，随后进行共同方法偏差（CMV）检验，以确保数据的可靠性。运用 SmartPLS4.0 进行结构模型分析，分析信度和效度，利用路径分析验证研究假设，探讨直接效应、中介效应和调节效应。通过实证分析，本研究确保了数据处理的科学性和结果的稳健性。

研究结论与展望7.1 研究结论本研究以拟人化营销理论、技术可供性理论为理论基础，从技术可供性的视角出发，通过扎根理论与实证分析构建并验证了研究模型，系统探讨了人工智能客服拟人化特征影响消费者接受意愿的作用机制。本研究探讨了人工智能客服拟人化特征、技术可供性、服务便利与消费者接受意愿之间关系，提出研究假设并通过实证检验结果得出以下研究结论：第一，人工智能客服拟人化特征包括角色拟人化、沟通拟人化和行为拟人化三个特征。其中，人工智能客服角色拟人化通过情感回应和问题理解增强了用户的情感体验，人工智能客服沟通拟人化通过自然语言和友好的音色拉近了人与技术的距离，而人工智能客服行为拟人化则在个性化推荐和帮助提供方面显著提升了消费者对服务的认同感。这些拟人化特征通过改善服务的互动性和流畅性，使消费者在与人工智能客服互动时获得更高的满意度和接受意愿。第二，人工智能客服拟人化特征对消费者接受意愿具有显著的直接正向影响。人工智能客服拟人化特征能够显著增强了消费者接受意愿。角色拟人化、沟通拟人化以及行为拟人化使消费者感受到更加贴近人类的互动体验，显著增强了消费者对人工智能客服的接受意愿。这一研究结论验证了拟人化设计在塑造积极消费者行为中的重要作用。第三，交互可供性与生成可供性在人工智能客服拟人化特征与消费者接受意愿之间的中介作用。人工智能客服拟人化特征显著正向影响了交互可供性和生成可供性，这两种可供性在人工智能客服拟人化特征与消费者接受意愿之间起到了中介作用。一方面，人工智能客服拟人化特征通过提升交互流畅性和直观性，使消费者能够更加自然地使用人工智能客服，增强了技术对消费者需求的适配性；另一方面，生成可供性则通过提升服务生成效率与解决方案精准性，进一步强化了消费者对人工智能客服接受意愿。人工智能客服拟人化特征能够通过技术可供性增强消费者接受意愿。第四，服务便利在人工智能客服拟人化特征对交互可供性影响中起到了显著的负向调节作用；而在人工智能客服拟人化特征对生成可供性的关系中，服务便利性未表现出显著的调节作用。在人工智能服务情境中，过高的便利可能削弱消费者对拟人化特征在交互流畅性与直观性提升方面的感知。消费者在决策过于便利的环境中可能忽略了拟人化特征所赋予的深度交互体验；同时，这种简化可能降低消费者对人工智能客服拟人化特征的感知程度。

7.2 理论贡献与启示

7.2.1 理论贡献本研究主要对人工智能客服拟人化特征影响消费者接受意愿这一问题进行探究，为丰富人工智能客服相关理论做出如下贡献：第一，本研究验证了人工智能客服拟人化特征结构维度包括角色拟人化、沟通拟人化和行为拟人化。这一研究拓展了汪涛（2014）关于品牌拟人化特征维度研究，进一步佐证了拟人化设计在人工智能客服场景下的重要性。本研究不仅丰富了拟人化理论的应用领域，还为未来研究提供了更精细的分类框架，以探索不同类型的拟人化设计在消费者决策过程中的作用机制。第二，本研究检验了技术可供性在人工智能客服服务场景中的中介作用。本研究扩展了 Hassanein 和 Head（2007）关于技术功能与用户感知结合对信任和依赖的促进作用的观点，验证了技术可供性在人工智能客服服务场景中的中介作用。其中，交互可供性提升了消费者的使用便捷度和交互体验，而生成可供性则增强了用户对客服系统的信任和依赖，表明技术功能与用户感知的结合是提升用户信任和依赖的核心路径（Hassanein 和 Head, 2007）。本研究采用可供性理论代替传统技术接受模型（Venkatesh，2003），并通过实证分析验证了可供性理论在智能服务领域的适用性，为技术可供性理论在智能服务领域的应用提供了支持。第三，本研究验证了服务便利在人工智能拟人化特征与交互可供性关系中的调节作用。本研究发现服务便利性在交互可供性路径上具有显著的负向调节效应，而在生成可供性路径尚未达到显著水平。这揭示了不同便利情境下人工智能客服拟人化特征与技术可供性的交互影响，为丰富智能服务便利相关研究做出一定贡献。7.2.2 实践启示第一，人工智能客服拟人化特征对消费者接受意愿具有显著的正向影响，这为企业优化人工智能客服设计提供了重要参考。首先，在角色拟人化方面，企业可以赋予人工智能客服独特的人格特征，设计高度逼真的客服虚拟形象，增强拟人化效果。企业可以采用 Transformer-based 多模态模型，实现智能客服从用户输入的语音语调、表情识别等多种信号中提取意图，生成更自然的回应（杨斌，2024）。其次，在沟通拟人化方面，采用神经网络语音合成模型生成拟人化语音，并在语音输出中增加情感识别组件，增强用户体验（潘孝勤等，2021）。最后，在行为拟人化方面，建议融合推荐系统中的协同过滤与深度学习推荐模型，动态调整客服的推荐内容，实现智能客服的个性化推荐，提升服务的相关性与用户满意度。第二，交互可供性和生成可供性在人工智能客服拟人化特征与消费者接受意愿之间发挥了中介作用。在交互可供性方面，企业应注重对人工智能客服的多轮对话管理能力进行优化，通过构建对话生成模型，确保连续对话的上下文语义理解能力，以实现对复杂用户语境的动态捕捉和语义联想。在生成可供性方面，企业可通过建立基于动态知识图谱的数据管理系统，实时更新与用户需求相关的信息，提升客服的知识可扩展性和响应准确性。第三，服务便利性对人工智能客服拟人化特征与交互可供性关系具有显著的负向调节作用，而在生成可供性上的调节效应不显著。这表明企业在不同智能服务便利情境下，应采取差异化的设计策略。在低服务便利情境下，企业应优先优化人工智能客服多模态情感分析模型识别用户的情感状态，并实时调整语言、语气和回复策略（潘烨等，2025）。在角色拟人化方面，人工智能客服可以通过模拟人类的情绪反应和个性化互动；在沟通拟人化方面，可优化语言表达的亲和力与自然性；在行为拟人化方面，人工智能客服应更加主动地预测消费者需求。在低拟人化情境下，应用低延迟对话生成模型，以提高客服响应速度和对话流畅性，增强对复杂问题的理解与解决能力，整合任务分配算法，优化客服资源动态调度，在多任务处理场景下为消费者提供快速、简洁的解决方案。

7.3 研究不足与展望

尽管本研究严格遵循现有的学术规范，力求确保研究的科学性和严谨性，但由于个人研究水平及多方面的客观限制，研究仍存在一些不足，未来的研究可以在以下几个方面进行深入探讨：第一，本研究数据采集主要针对人工智能客服在网购、电话客服和语音助手等场景中的使用情况，分析其拟人化特征的应用。但除电商平台外，许多其他行业如酒店、旅游业也在广泛应用人工智能客服。未来的研究可以扩展研究范围，探讨不同行业中的人工智能客服拟人化设计对消费者接受意愿的影响差异，分析这些差异是否会影响消费者的行为决策，从而进一步丰富研究结论。第二，本研究主要探讨了人工智能客服拟人化特征对消费者接受意愿的正面影响，而对于拟人化水平差异可能引发的恐怖谷效应及其对消费者接受意愿的负面影响探讨缺乏探讨。后续研究可以进一步探讨人工智能客服拟人化水平的高低对接受意愿的影响机制。第三，本研究主要采用问卷调查法，尽管能够较为高效地收集数据，但在动态情境中的因果关系探讨方面有所不足。未来可引入情景实验法，通过模拟真实交互场景，进一步验证人工智能客服拟人化水平和生成可供性在不同情境中的具体影响，增强研究结论的情境适用性和解释力。

参考文献[1] AAGJA J P, MAMMEN T, SARASWAT A. Validating service convenience scale andprofiling customers: A study in the Indian retail context [J]. Vikalpa, 2011, 36(4): 25-50.[2] AAKER D. Aaker’s brand equity model [J]. European Institute for Brand Management,2009.[3] AGGARWAL P, MCGILL A L. Is that car smiling at me? Schema congruity as a basis for evaluating anthropomorphized products [J]. Journal of consumer research, 2007,34(4): 468-79.[4] ALHAMMADI M. Optimising Customer Service Delivery and Response Time throughAI-Enhanced Chatbots in Facilities Management-A Mixed-Methods Research [J]. American Journal of Smart Technology and Solutions, 2023, 2(2): 43-54.[5] AMEEN N, TARHINI A, REPPEL A, et al. Customer experiences in the age of artificial intelligence [J]. Computers in human behavior, 2021, 114: 106548.[6] ARAUJO T. Living up to the chatbot hype: The influence of anthropomorphic designcues and communicative agency framing on conversational agent and company perceptions [J]. Computers in human behavior, 2018, 85: 183-9.[7] BAO Y, GONG W, YANG K. A literature review of human–AI synergy in decisionmaking: From the perspective of affordance actualization theory [J]. Systems, 2023,11(9): 442.[8] BARNARD Y, BRADLEY M D, HODGSON F, et al. Learning to use new technologies by older adults: Perceived difficulties, experimentation behaviour and usability [J].Computers in Human Behavior, 2013, 29(4): 1715-24.[9] BERRY L L, SEIDERS K, GREWAL D. Understanding Service Convenience [J]. Journal of Marketing, 2002, 66(3): 1-17.[10] BHATTACHERJEE A. Understanding Information Systems Continuance: An Expectation-Confirmation Model [J]. MIS Quarterly, 2001, 25(3): 351-70.[11] BLUT M, WANG C, WÜNDERLICH N V, et al. Understanding anthropomorphism in service provision: a meta-analysis of physical robots, chatbots, and other AI [J]. Journal of the Academy of Marketing Science, 2021, 49: 632-58.[12] BOYLE P J, LATHROP E S, KIM H. Store brand vs. national brand ness to pay≠ willingness to accept [J]. Journal of Global Scholars of Marketing Science, 2021, 31(4): 563-79.[13] BREAZEAL C. Emotion and sociable humanoid robots [J]. International journal of human-computer studies, 2003, 59(1-2): 119-55.[14] CAI Y-J, WANG Y, ZHANG J. Enhancing e-platform business by customer servicesystems: a multi-methodological case study on Ali Wangwang instant message’s impacts on TaoBao [J]. Annals of Operations Research, 2020, 291(1): 59-81.[15] CARR M. Technological Affordance, Social Practice and Learning Narratives in an Early Childhood Setting [J]. International Journal of Technology and Design Education,2000, 10(1): 61-80.[16] CHARMAZ K. Constructing grounded theory: A practical guide through qualitative analysis [M]. sage, 2006.[17] CHATURVEDI R, VERMA S. Opportunities and challenges of AI-driven customer service [J]. Artificial Intelligence in customer service: The next frontier for personalizedengagement, 2023: 33-71.[18] CHEN J, LI M, HAM J. Different dimensions of anthropomorphic design cues: Howvisual appearance and conversational style influence users’ information disclosure tendency towards chatbots [J]. International Journal of Human-Computer Studies, 2024, 190: 103320.[19] CHEN J-S, LE T-T-Y, FLORENCE D. Usability and responsiveness of artificial intelligence chatbot on online customer experience in e-retailing [J]. International Journal of Retail & Distribution Management, 2021, 49(11): 1512-31.[20] CHIANG A-H, TRIMI S, LO Y-J. Emotion and service quality of anthropomorphic robots [J]. Technological Forecasting and Social Change, 2022, 177: 121550.[21] CHUNG M, KO E, JOUNG H, et al. Chatbot e-service and customer satisfaction regarding luxury brands [J]. Journal of Business Research, 2020, 117: 587-95.[22] DAI H, SALAM A F. Does service convenience matter? An empirical assessment ofservice quality, service convenience and exchange relationship in electronic mediatedenvironment [J]. Electronic Markets, 2014, 24(4): 269-84.[23] DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology [J]. MIS quarterly, 1989: 319-40.[24] DELBAERE M, MCQUARRIE E F, PHILLIPS B J. Personification in Advertising[J]. Journal of Advertising, 2011, 40(1): 121-30.[25] DEMIR P, SANDIKÇI M, DEMIR E, et al. The impact of response tnce and spatial compatibility effects in human and object interactions [J]. British Journal of Psychology, 2024, 115(4): 787-808.[26] DONG X, WANG T. Social tie formation in Chinese online social commerce: The role of IT affordances [J]. International Journal of Information Management, 2018, 42:49-64.[27] DOWNES E J, MCMILLAN S J. Defining interactivity: A qualitative identification of key dimensions [J]. New media & society, 2000, 2(2): 157-79.[28] EPLEY N, WAYTZ A, CACIOPPO J T. On seeing human: a three-factor theory ofanthropomorphism [J]. Psychological review, 2007, 114(4): 864.[29] FAKHIMI A, GARRY T, BIGGEMANN S. The effects of anthropomorphised virtual conversational assistants on consumer engagement and trust during service encounters[J]. Australasian Marketing Journal, 2023, 31(4): 314-324.[30] FANG S, HAN X, CHEN S. The Impact of Tourist–Robot Interaction on Tourist Engagement in the Hospitality Industry: A Mixed-Method Study[J]. Cornell HospitalityQuarterly, 2023, 64(2): 246-266.[31] FAYARD A-L, WEEKS J. Affordances for practice [J]. Information and Organization,2014, 24(4): 236-49.[32] GAVER W W. Technology affordances; proceedings of the Proceedings of the SIGCHI conference on Human factors in computing systems, F, 1991 [C].[33] GEDDAM S M, NETHRAVATHI N, HUSSIAN A A. Understanding AI Adoption: The Mediating Role of Attitude in User Acceptance [J]. Journal of Informatics Education and Research, 2024, 4(2).[34] GEFEN D, KARAHANNA E, STRAUB D W. Trust and TAM in Online Shopping:An Integrated Model [J]. MIS Quarterly, 2003, 27(1): 51-90.[35] GHAZWANI S, VAN ESCH P, CUI Y, et al. Artificial intelligence, financial anxietyand cashier-less checkouts: a Saudi Arabian perspective [J]. International Journal ofBank Marketing, 2022, 40(6): 1200-16.[36] GIBSON J J. The theory of affordances [J]. Perceiving, acting, and knowing: Towardan ecological psychology, 1977, 67-82.[37] GREENO J G. Gibson's affordances [J]. Psychological Review, 1994, 2(101): 336–42.[38] GROOT C H D Z. Transforming the designer's understanding of the object: with special reference to black-box technologies (BL) [J]. 2000.[39] GUO Y-M, NG W-L, HAO F, et al. Trust in Virtual Interaction: The Role 。