服務機器人的命名與性別設定對服務失敗責任歸因的影響

楊超

重慶交通大學 重慶市 400074

1 引言

服務機器人越來越多地開始出現在我們的生活中。根據國際機器人聯合會提供的數據，2019 年個人和家庭使用的服務機器人總銷量超過2320 萬臺，增長了34%。據預測,服務機器人市場將繼續強勁增長，在2022 年，服務機器人的銷售額將達到300 億美元，兩年內增長30%。而在移動和運輸領域，波士頓咨詢集團與世界經濟論壇合作進行的一項研究預測，到2035 年，部分和完全無人駕駛汽車將占全球汽車市場的25%。伴隨機器人的出現，一系列事故如機器人“殺人”、無人駕駛汽車車禍的發生，使得關于機器人的責任研究與討論不斷增多。機器人的服務失敗難以避免，消費者對服務失敗的責任歸因顯然會影響他們對服務接觸的滿意度，減少對服務機器人的責任歸因將有利于提高人們對其的接受意愿。影響對服務機器人責任歸因的相關因素很多，但現有研究主要是從控制出發，而忽略了服務機器人作為社會行為人本身對人們的影響。盡管機器人是沒有生命的，消費者還是會給他們的機器人起名字并賦予其個性。本文對這種為非人對象命名，賦予其個性、性別等的行為概稱為人物信息設定，并從這個角度出發，研究消費者對服務機器人的人物信息設定對服務失敗責任歸因的影響。

2 理論基礎與研究假設

2.1 名字與命名

名字，作為一種標簽事物的方式，往往能夠傳遞很多信息，并影響人們的態度。人的名字，可能顯示個人的性別和種族，記錄個人的家庭關系，被認為具有雙重性，既象征著個人的個性，也象征著社會關系。研究顯示，名字可以為姓名持有者創造積極或消極的印象。在營銷領域中，名字同樣非常重要。為了增強產品的辨識度并賦予產品特定意義，市場營銷人員和制造商們在給品牌命名時常常使用擬人化、擬聲化或描述型等等不同的策略，而消費者則將品牌名稱作為尋找和判斷商品的合理屬性。品牌昵稱也是名字的一種，并且普遍存在。與正式名稱相比，消費者通常對品牌昵稱持好感并且更加喜歡。名字本身也能影響人們對一項技術的態度反應。Boersma，Poortvliet 和Gremmen 證實，通過觸發與熟悉技術的關聯，新技術的名稱足以決定人們對它的態度。有研究發現，對于擁有自動駕駛系統的車輛來說，在智能、自動、自主和無人駕駛汽車四個名字當中，人們對無人駕駛汽車的信任和好感度較低。

名字差異隨時反應著我們生活中的心理傾向，人們的命名行為自然也體現了個人的特質與偏好。比如不同父母給孩子取名字的原因總是多種多樣的，有的名字含有紀念意義，通常與親戚或朋友有關；有的名字單純是因為個人喜好，可能是由于聲音組合好聽，或者名字搭配符合審美等；一些名字則是擁有特定的意義或特質。命名傾向的多樣性決定了在對事物命名時，很難找到一個合適的名字使所有人都滿意，自己取的名字則通常是更符合自己的喜好的。營銷領域的研究表明，與他人指定的名字或沒有名字相比，使用自己命名的產品會增加消費者的購買意愿。但除了這篇文獻外，我們還沒有找到其他關于消費者命名產品的影響研究。我們將補充該方向研究，將消費者命名研究拓展到服務機器人領域，由于服務機器人的普及，該研究將具有現實意義，為服務機器人設計提供參考。本文將聚焦命名與性別設定對服務機器人責任歸因的影響，在下一節，性別相關研究基礎將被論述。

2.2 性別效應

就像父母會根據孩子的性別取不同的名字一樣，性別和命名關系密切，也是本文的考察重點之一。性別差異是生活中最基本的一種認知，人們從小便形成了男女有別的意識，這種意識非常強大且延伸廣泛，以至于在非人對象上也普遍存在。Iyer 和Debevec的研究顯示，大部分產品被認為是有性別的，而不是雙性或無差別的。這種性別認知在服務中也存在，被稱作“服務者性別刻板印象(server gender stereotype)”，表示 個體會形成某一服務更適合特定性別服務提供者的印象。同時，服務提供者的性別差異也可能影響人們的態度。有研究發現，男性對女性化機器人的服務滿意度評價高于女性。因此，本文將嘗試研究服務失敗時對服務機器人的性別設定是否也會影響人們對其的責任歸因。

根據社會認同理論，人們有在評價和行為上偏向自己所在群體的普遍現象，被稱作內群體偏好，這種群體劃分取決于個人的內心認同。如前文所述，名字和性別差異都會影響人們的態度，消費者對服務機器人的命名和性別設定更可能符合自身喜好，增加對服務機器人的認同感，從而偏向服務機器人。由此，我們提出如下研究假設：

H1：消費者對服務機器人的命名和性別設定將減弱服務失敗時消費者對其的責任歸因，認為服務機器人對服務結果負有更少責任。

3 實驗：人物信息設定與服務失敗責任歸因

本次實驗對H1 進行驗證，測量個體在對服務機器人進行不同人物信息設定情況下對服務失敗的責任歸因，表明消費者的命名和性別設定行為能夠減弱對服務機器人的責任歸因，讓服務機器人對服務失敗負更少的責任。

3.1 實驗設計與過程

由于要分別考察命名、性別設定以及它們同時存在時對責任歸因的影響，實驗分為四組，自變量：人物信息設定(命名、性別設定、性別設定+命名、控制)。270 名參與者通過Credamo的“數據集市”在線完成了本次實驗，72 名參與者因為沒有通過注意力檢測而被排除，最終得到有效樣本198 份，向每人支付1 元人民幣作為報酬。其中女性109 人，占55.1%；平均年齡M=29.80 歲(SD=6.970歲)，年齡跨度20-56 歲。

本實驗采用智能汽車作為刺激物，要求被試想象購買了一輛智能汽車，并且向被試呈現了一張人型全息圖像作為車載人工智能形象，圖片選用的是奔騰T77 汽車的3D 全息少女圖片。被試會讀到下面一段話：“請想象你購買了一輛智能汽車，該車擁有手動駕駛和自動駕駛兩種模式；在自動駕駛模式下，汽車由車載人工智能系統完全自行駕駛。下圖是該車載人工智能系統的形象投影之一，用戶可與其進行語音交流并告知行程目的地。”之后，被試會被隨機分配到人物信息設定的四種情況之一。在命名情況下，被試被要求為車載人工智能取一個名字，并描述選擇這個名字的原因，然后要求被試用設定的名字對它說一句話，以加強被試的真實感。在性別設定情況下則告訴被試，該車載人工智能有不同的性別形象，作為該車用戶，要求被試為它設定性別。性別設定+命名情況則是先讓被試為車載人工智能設定性別，然后和命名組一樣為其命名。最后一種情況則沒有讓被試進行人物信息設定，作為控制組。隨后被試進行注意力檢測，其目的是檢查被試是否認真參與實驗。

然后，被試會進入到服務失敗的場景，讀到下面一段話：“某天，你決定使用自動駕駛模式，乘坐該智能汽車前往上班，結果發生意外，該車與另一輛同樣處于自動駕駛狀態的汽車發生了碰撞，導致雙方車輛輕微變形，事故需要劃分雙方責任。”為了給被試留下責任劃分的余地，我們并沒有對事故原因進行解釋。隨后采用Tang 等人的3個題項的7 分量表測量被試對服務機器人的責任歸因，例如：“你認為你的車載人工智能對這次事故負有多大責任？”(1=完全不受指責，7=應受極大指責；α=0.88)。最后，被試填寫了人口統計變量，實驗結束。

3.2 結果和討論

責任歸因。我們以沒有進行人物信息設定的情況作為參照條件，設置了3 個代表其他三種情況的虛擬變量，進行線性回歸分析，以對服務機器人的責任歸因作為因變量，得到表1。結果顯示，命名組、性別設定+命名組對服務機器人的責任歸因都顯著低于控制組(M=5.48；M=4.93，p=0.012＜0.05；M=4.79，p=0.003＜0.01)，雖然性別設定對責任歸因的影響不顯著，但仍然低于控制組(M=5.20)，并且與只進行命名相比，性別設定+命名組對責任歸因的影響顯著性更強，這說明雖然性別設定的影響很小，但仍然存在。

表1 系數a

實驗的結果基本證實了H1。與預期一樣，對服務機器人的命名和性別設定行為將使人們更少的將服務失敗的責任歸因于服務機器人，但不同的人物信息設定行為的影響存在差異，與命名相比，性別設定的影響較弱。因此，為了更好的降低責任歸因，把性別設定與其他人物信息設定行為結合起來可能是更好的選擇。

4 綜合討論

隨著服務機器人的逐漸普及，人機互動的影響將越來越重要。消費者對服務機器人或主動或被動的人物信息設定行為將不可避免的出現，一個重要的問題是，這種人物信息設定行為會帶來什么影響。本文從服務失敗責任歸因的角度對這個問題進行了探討。

實驗發現，通過命名和性別設定的行為可以減少人們對服務機器人的服務失敗責任歸因，但性別設定的作用相對于命名較小，單獨進行時影響不顯著，可以和命名一起進行以增強影響。我們的發現不僅是對人工智能在消費者行為領域研究文獻的重要補充，也對企業合理進行服務機器人設計提供了重要的管理見解。

4.1 管理啟示

根據恐怖谷理論，服務機器人的擬人化會引發人們的不適，造成負面效果。但服務機器人的形象和智能越來越接近人類是不可避免的趨勢，在不改變類人形象的情況下如何減輕負面影響則顯得尤為重要。本文提供了一個思路，通過對服務機器人進行人物信息設定來減少服務失敗的責任歸因。服務機器人的形象大多都是固定的，但人們的喜好各不相同，通過讓消費者也參與進服務機器人的設計過程，設定最適合自己的服務機器人形象，從而增加消費者對服務機器人的認同感和心理距離應該是更好的選擇。

4.2 研究局限與未來研究

本文只對命名和性別設定進行了研究，但我們提出的人物信息設定包括了賦予非人對象一切信息特征的行為，對年齡、性格這些重要的類人信息進行設定是否也會對責任歸因乃至其他態度產生影響，以及產生怎樣的影響，這些都可以在未來進行探討。