人工智能的擬人化特征對用戶體驗的影響

牟宇鵬 ，丁 剛 ，張 輝

（1.中國礦業大學 管理學院，江蘇 徐州，221116；2.湖北工程學院 經濟與管理學院，湖北 孝感 432000）

一、引言

隨著Web3.0浪潮的到來，全球互聯網行業即將迎來又一次大的革新風暴，人工智能正在邁上一個新的臺階，人機對話成為人工智能進一步發展需要突破的重要端口。人工智能是基礎互聯網應用，使用率僅次于即時通信；擬人化的搜索引擎在手機互聯網應用中位列第三，使用率僅低于手機即時通信和手機網絡新聞。同時，作為基礎互聯網應用的人工智能，它的發展也在逐漸加快，從傳統的百度、谷歌到新興的360搜索、搜狗搜索等人工智能，再到以手機助理為角色的百度度秘、Google now、Siri、微軟的小娜（Contona），持續的技術創新及人工智能技術不斷成熟正在助推人工智能進入一個全新的時代：人工智能擬人化。

人工智能能夠提供精準的用戶需求信息，而在與用戶的互動溝通中，如何提升用戶的使用體驗是人工智能迫切需要解決的問題。擬人化人工智能成為解決用戶體驗的重要突破口，人工智能擬人化是未來發展的必然趨勢。那么擬人化的人工智能具有哪些特征？這些特征又對用戶體驗有什么影響？研究這些問題，可以幫助我們更好地找到提升人工智能用戶體驗的突破口，這將有助于企業有針對性地結合人工智能技術，順應時代發展的方向，以用戶的用戶體驗為核心設計改善人工智能。

二、理論背景

（一）擬人化

擬人化的內涵與作用這個問題已經被許多早期的研究者所關注到。從他們的研究來看，對于普通用戶來說，某些產品能夠同人一般擁有意識、靈魂、人格甚至是人際關系，而這種傾向則被以往的研究者們稱為“擬人傾向”（Anthropomorphism）[1]。

隨著擬人的元素開始被更多的企業加入到品牌或產品中，研究者們開始關注到擬人化所具備的獨特優勢。在Kim et al.[2]的研究中，研究人員將賭博機作為擬人的載體，從而發現了擬人化能夠從一定程度上影響用戶對風險的感知，進而影響其一系列的消費行為。根據Epiey et al.[3]關于擬人化機制的討論，用戶因為擬人化感知將一些不了解的對象同人類進行對比，獲得更好的感知流暢性，從而在感知層面上得到提升。此外，擬人化在滿足用戶認知世界需求的基礎上也為其提供了社會聯系的可能。用戶能夠從擬人化中獲得“伙伴感”以及交流的愉悅感，從而形成品牌或產品和顧客間的情感紐帶，強化用戶與該品牌之間的關系。對企業而言，通過經營擬人化的品牌或產品，通過與用戶進行互動，有助于發展企業和顧客間的信任關系。

擬人化究竟具有哪些特征，傳統的平面廣告設計再到某些早期的文獻，擬人化體現的形式都曾被涉及到，擬人化外表[4]、語言[5]以及情緒等方面都可以促進用戶的擬人化感知。心理學的研究發現，個體在認知和判斷的過程中，對方是否感知到自身的情緒，并對不同的情緒做出不同的反應，這種共情感知是個體判斷擬人化的基礎[6]。這種共情感知又可細分為認知共情和情感共情，其中，認知共情是共情的主要組成部分，是指識別他人情緒，理解他人觀點的能力；而在理解他人情緒的同時，還必須對他人的情緒感受產生共鳴，即情感共情[7]。針對擬人化的人工智能，除了共情性外，人工智能所表現出的幽默性和不確定性也在用戶的擬人化感知中扮演了重要的作用，例如Siri針對用戶問答偶爾表現出的調侃或者模棱兩可的答案，雖然在精準性上遠離了人工智能的初衷，卻在一定程度上增強了用戶的使用體驗。從用戶對信息處理的視角，人工智能的共情性特征體現了用戶對信息處理的中央路徑，幽默性和不確定性則體現了用戶對人工智能信息處理的邊緣路徑[8]。因此，縱觀以往的文獻，對人工智能擬人化的認知，可以細分為以下四個維度：認知共情、情感共情、幽默性和不確定性。

（二）心理抗拒理論

心理抗拒理論（Psychological Reactance Theory）是指個體相信對自己行為擁有控制權，而當這種控制權受到限制時，個體通常會采取對抗的方式，從而保護自己的自由。這種心理抗拒被美國心理學家布林在其專著《心理感應抗拒理論》中首次提出。他認為，心理抗拒的強度主要是由以下因素所決定的：（1）對自由的期望。個體對自由期望越高，心理抗拒力量也就越大。（2）對自由剝奪的威脅。個體一旦受到威脅，就會產生心理抗拒。（3）自由的重要程度。該項自由對個體越重要，當其被剝奪時，個體產生的心理抗拒也就越大[9]。個體在面臨選擇時，可能將外界影響視為對自己自由的威脅[9]。因此當用戶一旦感知到未來繼續與產品之間的互動將會影響到自己自由選擇的話，便會引發抗拒心理。

三、研究假設

人工智能的擬人化特征對用戶使用體驗的影響在于降低了用戶的心理抗拒感知，進而提升了用戶的使用體驗[10]。在本研究中主要以人工智能的擬人化特征：共情性（認知共情、情感共情）、幽默性和不確定性作為自變量，心理抗拒程度作為中介變量，探討人工智能的擬人化特征對用戶使用體驗的影響。

（一）人工智能擬人化特征的影響

1.認知共情。所謂的認知共情，即人工智能擁有人類一般的“學習”與“思考”的能力，支撐這一特性的是人工智能強大的后臺資源和不斷更新交替的用戶信息，當用戶提出一個問題的時候，人工智能會根據用戶的輸入信息進行匹配搜索，并輸出給用戶個性化的搜索結果。

一些學者也提出了可以通過SEO（Search Engine Optimization）和UEO（User Experience Optimization）提升用戶體驗，這些都是針對傳統人工智能提出的改進建議。對于擬人化人工智能，其認知共情特征對用戶體驗的影響在于擬人化人工智能能夠識別用戶的情緒，進而改善與用戶的互動溝通。

用戶對于人工智能的選擇最開始大都基于人工智能的后臺資源量。比如當用戶選擇一款人工智能產品時，無論該人工智能產品可視界面的友好程度有多高，還是使用操作有多簡易，一旦其后臺資源不足以滿足用戶的需求時，其他的要素也很難影響用戶的選擇。

擬人化人工智能的認知共情性不僅僅表現在后臺資源量大這一方面，更為重要的是具備思考和學習的能力。當用戶在不同時期、情境向人工智能拋出同一個問題時，用戶往往會得到越來越精確和滿意的答案，仿佛是跟著用戶共同進步和成長[11]。由此本研究提出假設：

H1：人工智能的認知共情性特征正向影響用戶的使用體驗。

2.情感共情。所謂情感共情，指的是人工智能能感知用戶的情緒，并且通過用戶輸入的信息或指令判斷用戶的情緒并給予相應的回復，具有人類相似的感知能力[7]。Kahneman et al.[12]指出，人的決策系統分為理性和感性決策，由于理性決策需要耗費大量的認知資源，感性路徑常常成為用戶日常生活中的主要決策方式。因此，強化人工智能的情感共情性特征，增加人工智能邊緣路徑的決策權重，成為提升人工智能用戶體驗的重要途徑[13]。

以Siri為例，Siri不僅僅擁有強大的聽說功能，能通過語音交互幫助用戶完成一系列任務，更難能可貴的是當用戶在搜索一些信息、表達出需求時，Siri能準確地感知用戶的情緒，并做出相應的反饋。很多蘋果用戶在與Siri聊天的過程中會表現出開心或者不開心的情緒，此時Siri就會根據用戶的語音輸入判斷用戶的情緒并給出相應的回復，比如向Siri說“我很傷心”時，Siri就會回復“如果我有肩膀肯定借你大哭一場”等類似的回答。這種看似與人工智能極不相關的搜索結果，卻形成了用戶與人工智能的情感依戀，大大增強了用戶的使用體驗。因此，提出假設：

H2：人工智能的情感共情性特征正向影響用戶的使用體驗。

3.幽默性?！缎睦韺W大辭典》中將幽默性定義為通過象征、諷喻、雙關等修辭手法，揭露生活中的矛盾、乖戾不通情理之處，使人情不自禁發笑的機智言語或行為的現象。幽默被作為人類獨特的特征，是一種常用的廣告溝通策略，能夠吸引注意力，娛樂受眾和刺激分享行為等[14]。研究發現，人們更傾向于參與有幽默邀請的社交活動[15]，更愿意分享幽默的內容[16]。幽默能夠融合新奇性、復雜性和不一致性，導致一種愉悅喚醒，以此強化用戶的態度[17]。

比如，Siri對于用戶的提問所給出的回復具有幽默的特征，這是與傳統人工智能的最大區別之處。用戶不僅可以通過Siri搜索信息和發出手機控制指令，而且可以與Siri閑聊，就像在跟一個真實的人說話一樣，并且時不時地還會給用戶“講講冷笑話”，給予用戶類似真實的社交體驗。擬人化的人工智能在呈現搜索結果時常常帶有幽默的特征，這也給用戶帶來一定的愉悅感?；诖颂岢鱿铝屑僭O：

H3：人工智能的幽默性特征正向影響用戶的使用體驗。

4.不確定性。傳統機器語言系統中，搜索結果的精準性是用戶評價人工智能最為重要的指標。然而Web2.0乃至Web3.0時代，基于最新語言處理技術的人工智能中，用戶使用體驗將變成更為重要的評價指標。面對傳統人工智能可能出現的無法給出準確搜索結果的情形，基于語音系統的人工智能（Siri）提供了更為多樣性的結果。雖然很多時候這些搜索結果有些莫名其妙（例如提問Siri，誰是世界上最漂亮的女人），且很少有完全重復的答案，用戶對這樣不確定性的答復卻形成了強烈的好奇心。另一方面，用戶因為不確定性而引發的高卷入度也有助于降低用戶對人工智能的心理抗拒。尤其是面對一些看似怪異的搜索請求，相對于傳統機器語言系統，擬人化的人工智能無疑具有更為強大的處理技巧，因此，提出假設：

H4：擬人化人工智能的不確定性特征正向影響用戶的使用體驗。

（二）心理抗拒的中介作用

目前人工智能主要的贏利模式仍然需要借助相應的使用平臺，例如Siri等搜索引擎，這些搜索引擎通過付費廣告和競價排名獲取一定的費用。如何在不影響用戶評價的基礎上，實現人工智能的贏利，不僅僅是傳統機器語言系統，也是擬人化人工智能需要關注的問題。

不論是傳統機器語言還是基于最新語言處理技術的擬人化人工智能，為用戶提供精準的信息都是用戶評價人工智能的重要標準。研究發現，因為付費廣告和競價排名而造成的人工智能搜索結果個性化偏差甚至謬誤會影響用戶對搜索自由的感知，這會大大降低用戶的搜索體驗。因此，用戶對人工智能商業性動機的心理抗拒是影響用戶體驗的關鍵機制，用戶的心理抗拒程度直接作用于用戶的使用體驗。

基于心理抗拒的研究也發現，用戶的心理抗拒程度越高，用戶人工智能的使用體驗也會越差。而擬人化人工智能的共情性、幽默性和不確定性，不論從信息處理的中央路徑視角，還是邊緣路徑視角，都拉近了人工智能與用戶的心理距離，大大降低了用戶使用人工智能的心理抗拒程度，進而提升了用戶的用戶體驗。因此，提出以下假設：

H5：用戶的心理抗拒程度在人工智能擬人化特征對用戶體驗的影響中起中介作用。

四、研究方法

（一）變量定義與測量

研究設計中所涉及到的變量包括：擬人化人工智能的認知共情、情感共情、幽默性、不確定性、用戶心理抗拒程度和用戶體驗。本文利用國內外研究成熟量表，采用五級李克特量表對變量進行測量。先通過預調研測試問卷，然后再修改形成最終問卷。

對擬人化人工智能認知共情性的測量，Moreale et al.[17]以Siri為例，Siri起源于史上最大的人工智能項目：CALO（Cognitive Assistant that Learns and Organizes）項目，旨在研究能夠學習和組織的認知助理，CALO很早之前就開始探索如何把“對話、自然語言理解、視覺、演說、機器學習、制定計劃、理性思考、服務代表全部融合到一個模仿人類的助理中，幫助人們完成不同的事情。”本文在研究變量中，測量擬人化人工智能的認知共情特征分為以下四個方面：全面的（comprehensive）、可更新的（renewable）、準確的（accuracy）、補充的（complementary）。

對擬人化人工智能情感共情的測量，本文將擬人化人工智能的情感共情定義為擁有聽說讀寫全面功能并且能感知用戶地理位置及情緒的特性。擬人化人工智能的情感共情特性主要涉及：功能全面（Fully functional）、感知重點（Perception on）、感知位置（Location aware）、感知情緒（Perception of emotions）[3]。

對擬人化人工智能幽默性的測量，擬人化人工智能的幽默性是指，對于用戶的提問，人工智能所給出的回復具有幽默、引人發笑的特征，這是與傳統人工智能的最大區別之一。用戶不僅可以通過擬人化人工智能搜索信息和發出控制指令，而且可以與人工智能通過語音交互“聊天”，在此過程中用戶可以享受類似真實的社交體驗。本文根據Chattopadhyay et al.[18]提出的“回答機智、有趣、引人發笑、不感到厭煩”來測量幽默性。

對擬人化人工智能不確定性特征的測量，本文主要結合Tversky et al.[13]對不確定性的描述，通過以下三個方面進行測量：“非重復性、多樣性、隨意性”。

對用戶心理抗拒程度的測量，本文結合謝志鵬等指出的心理抗拒理論包含著兩個主要的要素：被勸說的程度和自由選擇的程度，并據此來測量用戶的心理抗拒程度[11]。

對用戶體驗的測量，根據Keller et al.[19]的研究，可以從以下四個方面進行測量：心境體驗（peace of mind）、真實感（moments of truth）、結果體驗（outcome focus）和產品體驗（product experience）。

（二）問卷設計與問卷收集

本調查問卷主要包括三部分：第一部分前言和人工智能擬人化的說明。第二部分首先對用戶是否使用過擬人化人工智能（如Siri或者其他）進行區別，在本研究中只針對曾經使用過擬人化人工智能（如Siri或者其他）人群進行分析，接下來就是對自變量人工智能的認知共情、情感共情、人工智能的幽默性、人工智能的不確定性，用戶使用感受（心理抗拒和用戶體驗）等進行測量，了解用戶對擬人化人工智能的相應看法。第三部分主要是對用戶基本信息的收集，包括年齡、職業、用戶的收入水平、學歷等，以便對研究的人群進行區分。

本研究主要是探討人工智能的擬人化特征對用戶體驗的影響，因此我們在問卷數據收集中針對的主要人群為有過傳統機器語言系統使用經歷，并且使用過擬人化人工智能的用戶（如Siri或者其他）。本文主要采用線上和線下發放問卷。

（三）描述性統計分析

本文通過網絡調查和直接調查得到了249份調查問卷數據。調查顯示，其中215人使用過擬人化人工智能，如蘋果手機助理Siri、百度度秘、微軟小冰、小娜、小Hi等，占據總樣本的86.5%。在調查樣本中，男性占了46.7%，女性調查者占了53.3%。在年齡層面上，主要集中在20～25歲的大學生。具體樣本信息見表1。

（四）數據的信度和效度檢驗

表1 樣本人口統計信息（N=215）

對于調查數據信效度檢驗，這里主要采用Cronbach's Alpha系數法，對于調查問卷總體，Cronbach's Alpha系數為0.804 2，說明調查問卷有較好的信度。從各個潛變量的Cronbach's Alpha系數來看，認知共情、情感共情、幽默性、不確定性以及心理抗拒程度和用戶體驗的系數均大于0.8，說明這些潛變量的信度符合要求。本文采用Bartlett球體檢驗和KMO樣本測度來對數據效度進行檢驗，樣本數據KMO系數為0.859。在內容效度方面，問卷中所涉及的問項都來源于已有的文獻，并且已經被引用多次。為保證該問項的科學性和準確性，由三名學科內專家及兩名此領域的博士生對該問項進行一系列的論證、修訂。在結構效度方面，同時分析了量表的聚合效度以及區分效度。聚合效度方面，AMOS22.0驗證性因子分析結果顯示，所有指標的路徑系數都大于0.6，且遠超過0.4的平均水平，這表明測量量項的聚合效度符合本研究的要求。在區分效度的驗證方面，本研究運用SPSS22.0進行計算，其結果顯示見表2。各變量的相關系數在0.04到0.51之間，變量與變量之間具有顯著的差別，該區分效度達到要求?？傮w看來，本次研究問卷數據的信效度較好。

（五）驗證型因子分析

本文通過AMOS 22.0對各變量擬合度進行檢驗，檢驗結果如表3所示，由表3可知，本模型各項擬合指數均達到了可以接受的水平，模型與數據擬合程度較高。

此外，結構方程模型的路徑系數和相對應的臨界比CR如表4所示。一般認為，在結構方程模型中，路徑的CR值大于1.96，p＜0.05，說明該路徑系數具有統計顯著性。接下來，對中介變量進行驗證性因子分析，測量模型及擬合結果分別如表4所示。

測量模型的擬合結果表明，χ2/df為1.264，小于2，AGFI 接近 0.9，GFI、CFI、IFI、NFI 和 TLI 都大于0.9，且接近于 l，RMSEA 的值為 0.028，小于 0.05，各路徑系數均在p＜0.001的水平上具有統計顯著性?？梢?，該模型擬合效果非常好，表4所示的因子結構通過了驗證，即本研究對感知自由程度和心理抗拒程度的測度是有效的，H1、H2、H3、H4通過檢驗。

表2 各變量的均值、方差及Pearson相關系數

表3 結構方程模型擬合度指標（N=215）

表4 修正后結構方程擬合結果（N=215）

（六）模型中介效應檢驗

為檢驗心里抗拒的中介作用。以用戶體驗作為因變量，人工智能的擬人化特征為自變量，根據結構方程模型擬合結果，χ2/df為1.011，小于2，AGFI為0.973，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA 的值為 0.033，R2=0.691 2，認知共情、情感共情、幽默性與不確定性與用戶體驗的路徑系數為 β1=0.404，β2=0.212，β3=0.537，β4=0.146，p＜0.001。加入中介變量用戶的心理抗拒程度后再次擬合，結果顯示，χ2/df為 1.277，小于 2，AGFI為 0.962，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA的值為0.028，R2=0.842 1，擬合優度得到顯著提升。認知共情、情感共情、幽默性、不確定性與心理抗拒的路徑系數為 β1=-0.596，β2=-0.681，β3=-0.687，β4=-0.107，p＜0.001，心理抗拒與用戶體驗的路徑系數為β5=-0.234，p＜0.001。說明加入變量心理抗拒后，模型擬合優度提升，同時用戶的心理抗拒程度在人工智能擬人化特征對用戶體驗的影響中起到中介作用。

五、結論與啟示

（一）結論

隨著人工智能技術的不斷完善，具有擬人化特征的人工智能逐漸受到用戶的關注并接受。在保證人工智能精準性特征的基礎上，如何提高人工智能的用戶體驗成為人工智能急需解決的難題。讓人工智能“活起來”，具備擬人化特征成為解決上述問題的重要通道。本研究以人工智能技術為背景，探討了人工智能的擬人化特征對用戶使用體驗的影響。研究發現，人工智能的擬人化特征可以分為以下四個方面：認知共情、情感共情、幽默性和不確定性，人工智能的擬人化特性有效弱化了用戶對人工智能商業動機的懷疑，進而降低了用戶對搜索信息結果的心理抗拒程度，有效提升了用戶的使用體驗。本文的理論貢獻包括以下兩個方面：

首先，本研究揭示了人工智能擬人化特征的構成維度。產品、品牌的擬人化研究近年來逐漸受到研究人員的關注，然而當前擬人化特征的研究多聚焦于產品、品牌的外觀設計，圖形設計或者具體溝通內容，但是都缺乏對擬人化特征具體維度的挖掘。本文以人工智能為研究對象，從信息處理的視角將人工智能的擬人化特征分為中央路徑和邊緣路徑。針對中央路徑，又進一步細化為認知共情和情感共情；針對邊緣路徑，細化為幽默性和不確定性。這種對人工智能擬人化特征的細化，不僅在理論層面豐富了擬人化的研究內涵，同時也為企業完善人工智能的擬人化溝通提供了一定的啟示。

其次，本研究揭示了擬人化人工智能對用戶使用體驗影響的內在機制。付費廣告和競價排名為主要贏利模式的傳統機器語言系統往往難以解決用戶對人工智能商業動機的懷疑，對人工智能商業動機的抵觸情緒會大大降低用戶的使用體驗。本研究從心理抗拒的視角探討了人工智能的擬人化特性對用戶體驗的影響，實證研究發現，用戶的心理抗拒程度影響了用戶使用人工智能過程中的感知自由，進而影響了用戶的使用體驗，強化人工智能的擬人化特征成為解決上述問題的重要突破口。這也為企業改善人工智能的擬人化特征提供了重要的理論依據。

（二）啟示

隨著飛速發展的工業制造潮流，人機對話成為人工智能進一步發展需要突破的重要端口。體驗經濟時代，只有以用戶體驗為核心，客戶滿意為導向發展企業的產品和服務，才能在未來的發展潮流中走得更高更遠。

對于中國的互聯網行業來說，第四次工業革命必將成為國內經濟發展的一次重大機遇。而面對日新月異的互聯網應用，創新服務是根本。以人工智能產品為例，傳統的人工智能已經滿足不了用戶對于個性的追求和用戶體驗層面的需求，企業應加入更多的人性化因素，將產品向擬人化方向引導，貼切服務用戶的日常生活，改善用戶體驗，獲得更多的用戶的好感，以此來提高產品的市場占有率。

對于在移動互聯網下成長的九零后、零零后的人群，社交網絡的不斷深入給移動互聯網相關產品的企業和團隊提出了更高的要求。開發團隊要有滿足用戶需求的思維，做好用戶的助手與管家服務，能夠了解他們的需要、興趣、偏好，并能夠根據用戶需求精確定制產品與服務，解決用戶使用中產生的需求。擬人化人工智能與傳統人工智能最大的區別就在于能進行除了基本搜索以外的更多操作和使用，人機交互模式的創新是其最大突破之一。擬人化人工智能要進一步提升用戶體驗，需要不斷加強人工智能的認知共情和情感共情，同時適當提高人工智能人機互動中的幽默性和不確定性。