IS论文分享Estimating the Impact of “Humanizing” Customer Service Chatbots
这篇论文《Estimating the Impact of “Humanizing” Customer Service Chatbots》由 Scott Schanke、Gordon Burtch 和 Gautam Ray 撰写,发表在《Information Systems Research》上。论文通过实地实验研究了“人性化”人工智能(AI)驱动的客户服务聊天机器人(chatbots)对交易转化率和客户对报价敏感度的影响。研究结果表明,增加聊天机器人的拟人化程度可以提高交易转化率,但同时也会显著增加客户对报价的敏感度。
研究背景
随着人工智能(AI)技术的发展,聊天机器人(chatbots)在客户服务中的应用越来越广泛。这些机器人能够自动化处理标准化的客户服务互动,从而减少对人工客服的需求。然而,如何设计这些聊天机器人以提高用户接受度和互动效果是一个重要的研究问题。本研究特别关注聊天机器人的拟人化设计,即通过赋予机器人类似人类的特征(如幽默感、沟通延迟和社会存在感)来提高用户对其的信任和满意度。
研究问题
研究者提出了两个主要研究问题:
-
RQ1:客户交易概率如何依赖于 AI 驱动的自动化客户服务代理(聊天机器人)的拟人化程度?
-
RQ2:客户对报价的敏感度如何随 AI 驱动的自动化客户服务代理(聊天机器人)的拟人化程度而变化?
实验设计
研究者与一家美国双渠道服装零售商合作,开展了一项实地实验。该零售商通过在线表单和电子邮件与客户进行二手服装回购交易。研究者开发了一个基于 Facebook Messenger 的聊天机器人,用于自动化这一回购流程。实验中,客户与聊天机器人互动,描述他们想要出售的二手服装,获取现金报价,并在接受报价后打印快递标签完成交易。
实验设计了三种拟人化特征:
-
社会存在感:通过给聊天机器人一个随机抽取的人类名字、使用非正式语言以及显示阅读和打字提示来实现。
-
沟通延迟:通过设置每分钟70个单词的动态延迟来模拟人类打字速度。
-
幽默:在对话中插入随机选择的笑话。
这些特征被随机分配给客户,以评估拟人化程度对交易转化率的影响。此外,研究者还随机调整了客户收到的现金报价,以评估拟人化对客户报价敏感度的影响。
实验实施
实验从2018年11月16日持续到12月31日,共有323名客户参与。客户在首次与聊天机器人互动时被随机分配到不同的拟人化处理条件,包括零、一、两或三种拟人化特征的组合。具体实施如下:
-
社会存在感:聊天机器人使用人类名字(如“Teddy”)进行自我介绍,并使用非正式语言。此外,聊天机器人还会显示阅读和打字提示。
-
沟通延迟:聊天机器人的响应速度设置为每分钟70个单词,模拟人类打字速度。
-
幽默:在对话中插入随机选择的笑话。
关键结论
-
拟人化对交易转化率的影响:
-
研究发现,增加聊天机器人的拟人化程度可以显著提高交易转化率。具体来说,与没有拟人化特征的控制组相比,接收一种拟人化特征的客户转化率提高了6.7%(p<0.10),接收两种特征的客户转化率提高了5.0%(不显著),而接收三种特征的客户转化率提高了10.8%(p<0.05)。
-
这表明,拟人化特征可以显著提高客户与聊天机器人的互动效果。
-
-
拟人化对报价敏感度的影响:
-
研究还发现,拟人化程度越高,客户对报价的敏感度越高。具体来说,当客户接收到三种拟人化特征时,报价对转化率的影响显著增加(p<0.05)。
-
这表明,当聊天机器人更像人类时,客户会更加仔细地评估报价,可能是因为他们认为人类提出的报价更有可能是机会主义的或不一致的。
-
机制探讨
研究者进一步探讨了拟人化影响交易转化率的潜在机制。他们发现,拟人化特征可能通过增加客户对聊天机器人的信任和愿意分享敏感信息来提高转化率。具体来说,拟人化特征在客户输入更敏感信息(如邮寄地址、法定姓名和电话号码)时对转化率的影响更为显著。
讨论与结论
本研究提供了关于聊天机器人拟人化对客户服务效果影响的实证证据。虽然拟人化可以提高交易转化率,但也可能导致客户对报价更加敏感,这可能对零售商的定价策略产生影响。此外,研究还发现,明确披露聊天机器人的自动化性质可以提高客户对其的接受度,这与之前的研究结果一致,即延迟披露机器人的自动化性质可能导致客户不满。
研究指出,虽然聊天机器人在客户服务中的应用越来越广泛,但其设计和实施需要考虑多种因素,包括拟人化程度、客户期望和情境因素。未来的研究可以进一步探索拟人化在不同情境下的效果,以及如何优化聊天机器人的设计以提高客户满意度和交易转化率。
未来研究方向
-
不同情境下的拟人化效果:研究拟人化在不同行业(如医疗、金融、教育)中的效果。
-
长期互动的影响:研究客户与聊天机器人长期互动后的感知变化。
-
个性化拟人化:探索如何根据客户的个体特征(如年龄、性别、文化背景)定制拟人化特征。
-
多模态拟人化:研究结合语音、图像等多模态拟人化特征的效果。
通过这些研究,可以进一步优化聊天机器人的设计,提高其在客户服务中的应用效果。
如果你觉得这篇博文对你有帮助,请点赞、收藏、关注我,并且可以打赏支持我!
欢迎关注我的后续博文,我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。
谢谢大家的支持!