夜雨聆风
AI助手“不像人”反而让人更满意?JBR研究揭示:心理抗拒竟能变成满意催化剂!
📌 论文信息速览
英文标题：Artificial intelligence and the new forms of interaction: Who is afraid of conversational agents?
作者：Gabriele Pizzi, Daniele Scarpi, Eleonora Pantano
发表期刊：Journal of Business Research（JBR，SSCI一区，商科权威期刊）
DOI：10.1016/j.jbusres.2020.10.047
📖 文章结构全解析
1️⃣ 🔍 研究背景：AI助手正在接管客服，但消费者真的买账吗？
随着AI和机器学习技术的爆发，对话式智能体（Conversational Agents）——也就是我们熟悉的智能客服、购物助手——正在奢侈品、服装、旅游等行业快速普及：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
这些助手能同时处理海量咨询、7×24小时在线、成本远低于人工客服。但消费者真的欢迎它们吗？
数据揭示了矛盾：尽管AI助手功能强大，全球仅10%的消费者实际拥有AI设备（PwC 2018）。更关键的是，消费者常常把AI的“贴心推荐”视为对自己选择自由的威胁，产生心理抗拒（Psychological Reactance）——你让我往东，我偏往西。
这就引出了本研究的核心问题：
AI助手的外表（像不像人）和启动方式（主动弹窗 vs. 用户召唤），会如何影响消费者的心理抗拒？这种抗拒又会如何影响后续的决策体验和满意度？
2️⃣ 🎯 理论框架：心理抗拒理论 + 人机交互研究
本研究以心理抗拒理论（Brehm, 1966）为核心，结合对话式智能体研究成果，构建了一个独特的“负面转正面”序列中介模型。
心理抗拒理论的核心观点：
-
当个体感知到行为自由受到威胁时，会产生抗拒反应
-
抗拒的表现往往是故意反向行动——以重申被威胁的自由
-
在消费场景中，未经请求的推荐（Unsolicited Advice）是触发抗拒的典型来源
AI助手的两大设计特征成为抗拒的潜在触发器：
|
|
|
|---|---|
| 拟人化程度 |
|
| 启动方式 |
|
但研究进一步提出了一个反直觉的链式反应：
抗拒 → 感到选择更难 → 更认真思考 → 对最终选择更确信 → 觉得自己表现更好 → 满意度更高！
这就是所谓的“抗拒的积极面”——适度的抗拒迫使消费者更投入地做决策，从而产生“我经过深思熟虑才做的选择”的认知，最终提升满意度。
3️⃣ 🧠 研究模型与假设
核心序列中介模型：
六大核心假设：
|
|
|
|---|---|
| H1a |
|
| H1b |
|
| H1c |
|
| H2 |
|
| H3 |
|
| H4 |
|
| H5 |
|
| H6a |
|
| H6b |
|
4️⃣ 🧪 实验设计详解（两项研究）
研究通过两项情景实验验证模型，分别以手机套餐和租车服务为选择任务。
📐 总体设计
|
|
|
|
|
|
|---|---|---|---|---|
| 研究1 |
|
|
|
|
| 研究2 |
|
|
|
|
参与者：通过市场研究公司Panel招募，均为非意大利居民（避免本地知识干扰），平均年龄约31-33岁，男女均衡。
📝 实验流程与刺激材料
情景设定：
-
研究1：想象需在意大利长期停留，需选择当地手机套餐
-
研究2：想象赴意大利度假，需租车
界面设计：
-
模拟比价网站页面，展示15个真实品牌选项（含品牌名、各项属性、价格）
-
参与者可直接选择，也可点击数字助手寻求帮助
拟人化操纵：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
启动方式操纵：
|
|
|
|---|---|
| 系统启动 |
|
| 用户启动 |
|
助手功能：参与者可通过自然语言输入筛选条件（如“月租低于20欧”“不限流量”），助手自动过滤选项，缩小选择集。
5️⃣ 📏 测量工具详解
|
|
|
|
|
|
|
|---|---|---|---|---|---|
| 心理抗拒 |
|
|
|
|
|
| 选择难度 |
|
|
|
|
|
| 选择确信度 |
|
|
|
|
|
| 感知表现 |
|
|
|
|
|
| 选择满意度 |
|
|
|
|
|
| 用户体验 |
|
|
|
|
|
| 产品熟悉度 |
|
|
|
|
|
量表形式：7点Likert量表
信效度检验：两研究均通过CFA验证收敛效度（CR>0.70, AVE>0.50）和区分效度（AVE > 构念间相关系数平方）。
6️⃣ 📊 统计方法
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7️⃣ 🔬 核心发现
✅ 研究1（手机套餐）：序列中介链完全成立
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
间接效应总效应：-0.015, 95% CI [-0.040, -0.001]（显著）
关键发现：
-
H1a成立：非拟人化助手引发更高抗拒
-
H1b不成立：启动方式主效应不显著（p=.792）——单独看“谁启动”不影响抗拒
-
H1c成立：交互效应显著（β=0.632, p=.047）——非拟人化+自动启动时抗拒最高，拟人化+用户启动时抗拒最低
-
H6a、H6b不成立：助手类型和启动方式对满意度无直接影响，完全通过序列中介链发挥作用
✅ 研究2（租车服务）：模型稳健复现 + 拓展
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
新增发现：
-
控制组对比：拟人化+用户启动组的抗拒（M=2.94）甚至低于无助手控制组（M=3.74）
-
性别差异：女性抗拒感更高（M=3.83 vs. 3.31），满意度更低（M=4.70 vs. 5.02）
-
产品熟悉度：越熟悉产品，选择难度感知越高（β=0.207, p=.013）——专家反而更纠结！
间接效应：
-
对满意度：0.02, 95% CI [0.001, 0.055]（显著）
-
对用户体验：0.03, 95% CI [0.001, 0.083]（显著）
8️⃣ 💡 核心洞察：抗拒的“积极面”
这意味着：
适度的“阻力”反而能提升消费者的决策质量感知和满意度。 过于流畅、无摩擦的AI辅助，可能让消费者觉得“是AI替我选的”，从而降低自我归因和满意度。
9️⃣ 💡 理论贡献
|
|
|
|---|---|
| 首次揭示“抗拒→满意”的序列中介机制 |
|
| 区分拟人化与启动方式的独立/交互效应 |
|
| 拓展服务主导逻辑视角 |
|
| 跨产品类别验证 |
|
🔟 🏢 实践启示
|
|
|
|---|---|
| AI助手外观设计 | 不必一味追求“像真人”
|
| 启动方式策略 | 避免自动弹窗！
|
| 最优组合 | 拟人化 + 用户主动启动
|
| 抗拒的“管理”而非“消除” |
|
| 针对高熟悉度用户 |
|
| 性别差异化 |
|
1️⃣1️⃣ ⚠️ 研究局限与未来方向
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
英文文献阅读全流程：从文献如何“搜”到怎么“管”再到“读”的一站式攻略
END
点击关注，发送 “AIGC” 即可获取全文PDF