李軍 宋晨鵬 葉浩彬

［摘? ? 要］工業(yè)革命4.0開啟智能服務時代，提升智能服務以滿足消費者需求是推動服務業(yè)產業(yè)轉型升級的重要動力。服務型機器人是提供智能服務的重要媒介，精準洞察中國消費者對服務型機器人的使用意愿及其影響因素是加快補齊當前智能服務短板的關鍵之一。鑒于此，文章基于技術接受模型理論，構建中國消費者服務型機器人接受模型，探究智能服務情境下機器人功能、消費者情感和社會影響等因素對服務型機器人使用意愿的影響。文章以517名服務業(yè)消費者為樣本，進行結構方程模型分析。結果表明，感知易用性、感知有用性、社會影響、感知愉悅性和感知信任顯著正向影響消費者使用意愿。此外，文章在智能服務背景下進一步明確了各層次因素之間的相互影響作用。最后，基于研究結論，為提高顧客對服務型機器人技術接受意愿，促進酒店業(yè)智能服務，以及未來研究提出了一系列建議。

［關鍵詞］智能服務；服務型機器人；技術接受模型；使用意愿

［中圖分類號］F59

［文獻標識碼］A

［文章編號］1002-5006（2023）06-0136-15

DOI： 10.19765/j.cnki.1002-5006.2023.06.014

引言

工業(yè)革命4.0時代，智能服務賦能消費體驗升級。智能服務在對客環(huán)境中發(fā)揮著舉足輕重的作用，借助人工智能和大數據等技術為消費者提供智能化、個性化的服務，逐步成為服務業(yè)的核心競爭力[1]。智能服務作為一種特殊的服務類型，通過智能對象傳遞或者實現。智能對象能夠感知自身的狀況和周圍環(huán)境，從而實現實時數據收集、持續(xù)通信和交互式反饋[2-3]等過程。服務型機器人是一種典型的智能對象，是服務業(yè)提供智能服務的重要媒介[4]。機器人被認為是旅游和酒店服務業(yè)的顛覆者，服務型機器人的出現讓顧客享受到與眾不同的消費體驗，將顧客參與感提升至更高層次。在酒店服務中，人機互動可以為顧客創(chuàng)造新穎的消費體驗[5-6]，提升顧客的支付意愿[7]，甚至促使顧客主動與機器人互動交流，與其建立一定的關系[5]，進一步提升顧客的忠誠度。此外，運用機器人可以提高企業(yè)生產率，降低企業(yè)成本，提高企業(yè)經營績效[8]。機器人的服務創(chuàng)新為酒店創(chuàng)造獨一無二的競爭優(yōu)勢，是推動新一輪產業(yè)革命的動力源泉[9]。隨著旅游業(yè)的快速發(fā)展，中國消費者對酒店方面的消費需求位居世界前列，然而國內酒店機器人的智能服務與其他國家仍存在數字鴻溝，難以滿足消費者智能化、個性化的體驗需求。智能服務成功的前提是深入了解客戶的感知價值和行為[2]。因此，洞悉中國消費者對服務型機器人的使用意愿及其影響因素是快速補齊酒店智能服務短板的關鍵所在。

功能和情感是充分理解智能服務情境下機器人系統(tǒng)開發(fā)與消費者之間關系的重要視角。并且，社會影響理論指出，外在的社會誘導會改變個體行為，包括他人或者群體的影響等。在移動社交成為智能化時代發(fā)展的新風口，互聯網讓人們聯系與交往日趨緊密的背景下，這種影響尤為深遠?；诖耍疚膹墓δ?、情感和社會影響3個層次了解顧客對酒店的服務型機器人接受意愿與作用路徑。通過對現有研究的歸納總結，選取最具有表征意義的5個核心解釋變量，即社會影響（social influence，SI）、感知易用性（perceived ease of use，PEU）、感知有用性（perceived usefulness，PU）、感知愉悅性（perceived pleasure，PP）和感知信任（perceived trust，PT），構建本土酒店業(yè)智能服務情境下消費者服務型機器人接受模型。本研究一方面在理論上更加明確影響消費者服務型機器人使用意愿的維度，并明晰各個維度之間的作用機理和相關關系；另一方面，通過了解智能服務背景下消費者對服務型機器人的使用意愿，在實踐層面不僅能為相關企業(yè)推進服務機器人提供參考，而且對其營銷策略以及戰(zhàn)略部署也具重要意義。

1 研究綜述

1.1 旅游業(yè)與機器人研究

科技的快速發(fā)展深刻地改變了企業(yè)運營和對客服務，許多企業(yè)已經搭建集成化、數字化和智能化的服務平臺，進入智能服務情境時代。服務型機器人已經應用于旅游相關企業(yè)和各類服務場景，并承擔各種各樣的服務和工作任務（表1）。人工智能技術的發(fā)展深化當前各項智能服務場景，也將極大地影響效力于服務業(yè)的全球勞動力。酒店業(yè)作為典型的服務行業(yè)，具有勞動密集型、運營成本高和員工高流動率等特征。效力于酒店的一線服務人員大多是下屬服務角色（subordinate service roles）。員工的薪水和受教育程度通常不高，決策權和授權能力較差，在工作中往往缺乏積極性，敬業(yè)度不夠[10]。此外，服務業(yè)的行業(yè)性質對酒店員工情緒勞動有較高要求，一線服務員容易出現服務不一致、客戶關懷不夠和態(tài)度不當等服務問題[11]。

服務型機器人的引入改善了酒店員工高流動性所產生的消極影響，填補了酒店勞動力缺口。酒店服務型機器人具有高效率、高精度、低成本等優(yōu)勢，可協助員工完成重復繁雜的工作任務，提升員工的工作效率，有效降低酒店人力資源成本[4-9]。另外，與人類員工在對客服務中容易出現疲勞和失誤的情況相比，機器人可以長時間保持積極的服務態(tài)度，在服務過程中不帶任何偏見（除非被特別設定，例如對“有價值”的顧客區(qū)別對待），并以高度可靠的方式響應服務環(huán)境[12]。此外，機器人具備比普通員工更豐富的功能，例如通過裝備先進的計算機語音處理系統(tǒng)，可以無障礙地與來訪者進行交流溝通，提供智能精準回復，實現零失誤講解引導。目前，酒店中的服務型機器人主要承擔對客互動服務、重復性任務和員工輔助工作[13]。從管理的角度來看，在原有勞動力基礎上引入服務機器人是確保高水平績效、降低勞動力成本、提高工作效率和增強客人體驗的可行方法[14]。

近幾年，隨著酒店行業(yè)中服務型機器人的蓬勃發(fā)展和廣泛應用，學術界對機器人在旅游和酒店領域的研究興趣日益濃厚。Ivanov等對酒店和旅游業(yè)中的機器人技術文獻進行了全面回顧[5]。總結并提出的7個領域的研究，包括：（1）機器人（設計、功能）；（2）人類（顧客和員工與機器人的互動和體驗）；（3）機器人生產商（生產商提供相關硬件、軟件甚至是服務機器人）；（4）旅行/旅游/酒店公司（旅游和酒店供應商受到自動化的影響）；（5）服務場景；（6）外部環(huán)境（法律、道德、社會和經濟環(huán)境）；（7）相關的教育、培訓和研究。

目前，人機互動（human-robot interaction）有關研究相對豐富，人機互動主要包括機器人與員工的互動與協作、機器人與消費者的互動與體驗兩類。在機器人與員工協作方面，一些學者在對企業(yè)員工進行的研究中發(fā)現，引入新興智能技術會導致員工產生負面的情緒態(tài)度和行為傾向，例如幸福感、滿意度降低，離職傾向提高[15-16]。為了促進人機協作，降低負面影響，Simon等認為，在人機交互環(huán)境中，信任是促進人類和機器人團隊協作的關鍵因素，揭示了機器人外觀、性能和鄰近性3個方面在員工與機器人建立信任過程中的關鍵作用[17]。Bankins和Formosa闡釋了一般員工和社交機器人之間在工作場所中的心理契約與互惠，有利于建立有效的工作伙伴關系[18]。

在機器人與消費者互動與體驗方面的人機互動研究中強調以消費者體驗為中心[2]。Murphy等對服務營銷、人機交互和恐怖谷理論進行概念化的討論，并探索了人機互動過程中的擬人化的范圍、特征和對服務體驗的影響[20]。Haring等研究發(fā)現，人機互動過程中個體主要通過視覺感知這種認知捷徑獲取信息，導致對機器人功能產生認知偏差。因此，他們從適應人類認知的角度為促進人機互動的機器人設計提供建議[21]。De Kervenoael等提出了人機互動的兩個關鍵維度：同理心和信息共享，以及消費者的感知價值的服務質量維度[22]。Qiu等從關系建立的角度研究服務機器人屬性對顧客體驗的影響，研究發(fā)現，顧客-員工關系的建立可以調節(jié)機器人屬性與顧客體驗之間的關系[23]。Tung和Au基于消費者使用機器人后的評論構建了人機互動用戶體驗的5個維度，即形態(tài)、情感、以人為本的感知、安全感和共同體驗[6]。

文化差異是導致消費者行為和體驗差異的重要因素。目前，已有學者注意到文化差異在人們對機器人的感知和交互過程中的影響，他們認為文化是理解用戶接受程度和使用服務機器人意愿的重要因素[14，24-28]。Shibata等的一項跨國研究揭示了游客與機器人的互動過程中，文化會影響消費者對海豹機器人的主觀評價[24]。Li等的研究結果表明，個體的文化差異在對機器人的親和力、敬業(yè)度、信任度和滿意度上存在不同程度影響[25]。Shahid等探究了兩個不同文化背景（巴基斯坦、荷蘭）的兒童在合作游戲中與社交機器人的互動體驗感，研究結論強調了文化差異對社交機器人設計的重要影響[26]。Yu和Ngan在非語言互動的研究中發(fā)現，不同文化背景的男性和女性顧客對不同頭部傾斜程度的機器人和人類的感知是非常不同的[27]。Bennett和Sabanovic發(fā)現，東亞人和西方人在機器人面部表情感知方面存在差異，西方人比東亞人更擅長僅從嘴部運動來判斷情感[28]。Choi等通過研究發(fā)現，日本人對機器人的喜愛在很大程度上是被一種與機器人互動的情感和享樂價值觀所驅動的。相比之下，西方人更注重功能和性能的功利價值[14]。

1.2 服務型機器人與技術接受模型

機器人是模擬人類行為或思想的機械總稱。作為高新科技的代表，機器人不僅為眾多重要設備、核心技術等提供關鍵支撐，還是提升社會運行效率和改變人類生活習慣的重要切入點[29]。服務型機器人基于系統(tǒng)的、自主的、可適應的接口，與客戶進行交互、通信，并提供相關服務。根據各種傳感器和其他來源接收到的數據（感覺-思維-行為? 范式）進行自主決策，從而能夠從以往的事件中學習并適應環(huán)境[12]。在智能服務情境中，服務型機器人在對客服務互動過程中通過建立自動社交存在（automated social presence），讓消費者感到自己是在與另一個社交實體進行互動交流[30]。近年來，隨著機器人技術變得更加成熟，服務型機器人已越來越多地應用于各種服務環(huán)境中[4]。各類機器人（例如清潔機器人[31]、護理機器人[32]、助教機器人[33]、酒店服務機器人[34]等）在公共領域或者私人空間發(fā)揮作用，為用戶提供交互式服務。國外部分學者在不同場景中研究用戶對機器人的接受意愿，包括醫(yī)? 療保健[32，35]、教育[33]和老年人護理[36，40]、酒店餐飲[37]等方面。

隨著服務型機器人的發(fā)展，基于相關理論支撐，學者開始展開關于人們對機器人接受意愿的研究。其中，技術接受模型是一個有力的視角，該理論是以計劃行為理論為基礎，最早被用來解釋消費者對信息系統(tǒng)和技術的接受情況[38]。由于解釋力良好，該理論模型自提出以來引起了國內外眾多專家學者的關注和使用。技術接受模型認為，感知易用性和感知有用性是影響消費者使用意愿的核心因素[38]。Venkatesh等通過整合理性行為模型和動機模型等進一步深化該理論，他們認為，社會影響等因素也是影響消費者使用意愿的重要變量，在此基礎上構建出整合型技術接受模型[39]。Heerink等基于該理論模型，在老年人護理場景中開發(fā)出了輔助性機器人接受模型，此模型包含技術接受模型中的關鍵變量，例如感知易用性、感知有用性、社會影響等變量，同時結合人機互動特征，納入新的研究變量，如感知愉悅性、信任等[40]。這一模型比較全面地反映了機器人接受意愿影響因素，受到了學者的廣泛關注。近兩年，隨著服務型機器人成熟與普及，服務型機器人使用意愿研究逐漸增多，部分學者針對不同場景提出了機器人技術接受模型，驗證了用戶接受意愿的重要影響因素（表2）。

顧客對機器人的使用意愿影響因素主要包括感知易用性、感知有用性、感知愉悅性。同時基于不同的場景研究，一些學者在研究影響機器人/服務型機器人/人工智能機器設備使用的因素時，納入了社會影響、信任、感知服務質量、歸屬感需求、交互性、績效效能、內在動機、擬人化、促進條件、情緒因素、表現功效、預期功效、信息共享、同理心等因素。在酒店服務場景，Gursoy等將消費者對酒店人工智能機器人設備使用意愿的影響因素分為表現功效、預期功效、社會影響、感知愉悅性、擬人化和情感因素6個方面[41]。De Kervenoael等則構建了包括信息共享、同理心、有形性、個人參與度、服務保證、感知有用性、感知易用性和使用意愿的酒店消費者社交型機器人接受模型[22]。

目前，有關機器人接受意愿的研究成果主要立足于西方的管理情境和模式之中，缺乏中國情境下影響消費者對服務型機器人使用意愿的深層次因素的探究[42]。已有多項研究充分證明，文化、價值觀等要素是影響消費行為的先決條件[43-44]。盡管當今世界已實現消費的全球化，但由于中西方國家文化、習俗等方面存在差異，不同國家消費者的消費模式迥異。實際上，消費的全球化背景下仍存在消費文化的“民族化”。已有學者基于多種不同的文化理論從國家宏觀層面到消費者的微觀層面，在不同的消費場景中證實，東西方國家消費者行為存在顯著的差異[45]。因此，可以推測服務型機器人消費行為根植于特定的文化背景，理論建構和實踐應當嵌入中國社會文化現實和具體消費情境。正如前文所述，文化差異被認為是影響消費者對服務型機器人態(tài)度感知等方面的關鍵因素。Lu等認為，跨文化的消費者對服務機器人的接受程度存在明顯差異，建議未來的研究嘗試更新主要文化背景下的消費者接受意愿，全面了解消費者的機器人接受傾向[37]。在全球范圍內，中國消費情境和消費者具有典型的文化特征。因此，本研究在借鑒國外學者研究的基礎上，基于對國內消費者的調查研究，以得出中國情境下消費者對服務型機器人使用意愿影響因素，形成酒店服務型機器人接受模型。

服務型機器人不僅應當滿足消費者的主要需求，而且需要在服務過程中為消費者帶來情感上的體驗[46]。過去的研究證實了感知價值是影響消費者接受意愿的重要因素，消費者對機器人的感知價值可以分成情感和功能兩大維度[12]。感知有用性和感知易用性等要素是消費者對服務型機器人功能價值的評估，消費者對服務型機器人產生的情感價值評估體現在消費者愉悅和信任感等方面。此外，互聯網和新媒體技術的發(fā)展使得社會影響在用戶接受新事物中發(fā)揮了愈加關鍵的作用，社會化媒體連結社會關系[47]，拉近了人們的社交距離，個人的思想、感情、態(tài)度及行為，會受到他人或群體的影響而改變[48-49]?；诖?，本研究從功能、情感和社會影響3個方面了解酒店顧客對服務型機器人的接受意愿與作用路徑，納入感知易用性、感知有用性、社會影響、感知愉悅性和感知信任5個核心變量解釋消費者對服務型機器人的使用意愿，構建本土智能服務情境下消費者服務型機器人接受模型。

1.3 研究假設

1.3.1? ? 社會影響

社會影響是極其常見的社會心理現象，即社會壓力促使個人行為及態(tài)度向具有優(yōu)勢的方向轉變。例如，服從、從眾、社會助長與社會惰化、群體極化與群體思維等現象。社會影響理論被廣泛地用來解釋人的行為。個體傾向于接受其所在社會群體的文化、價值觀和規(guī)范，并據此做出行為決策[50]。與消費者越親近的人對其影響越強。尤其當個體對某一事物或設備沒有清晰的認識時，社會群體的影響作用更加明顯[51]。Venkatesh等在研究技術接收模型TAM時加入了社會影響因素，并指出用戶所感知到的身邊重要的人物對其使用新技術或新系統(tǒng)的期望會影響其行為決策[39]。因此，如果消費者的社交網絡成員在服務過程中對服務型機器人持有良好的情感態(tài)度，并推薦其使用機器人等智能設備，那么將會極大促進消費者對服務型機器人的態(tài)度和意愿。

越來越多的研究證明，社會影響能夠在新技術投放市場的過程中預測消費者的使用意愿[39，52]。社會影響對具備娛樂功能的產品更易產生作用[53-54]。除此之外，社會影響不僅能夠影響消費者愉悅性[53]和信任[55]的感知，還正向影響感知有用性[56]、感知易用性[57]。因此，可以推測在智能服務情境下：

H1：社會影響顯著正向影響消費者對酒店服務型機器人的感知有用性

H2：社會影響顯著正向影響消費者對酒店服務型機器人的感知易用性

H3：社會影響顯著正向影響消費者對酒店服務型機器人的感知愉悅性

H4：社會影響顯著正向影響消費者對酒店服務型機器人的感知信任

H5：社會影響顯著正向影響消費者對酒店服務型機器人的使用意愿

1.3.2? ? 感知有用性和感知易用性

感知有用性是指，消費者能夠運用服務型機器人來提高消費過程中的服務性能和服務體驗效率，感知易用性是在操作或使用服務型機器人時的難易程度。使用意愿即消費者憑借個人的主觀感受判斷事物而產生采取某種行為的傾向，且使用意愿能夠有效地預測消費者的實際行為[58]。學者普遍認為，感知易用性和感知有用性能夠精準預測消費者對新技術或新設備的使用意愿[59]。已有文獻表明，感知易用性能夠通過新技術使用的難易程度來影響感知有用性，且新技術或新設備的操作程度越復雜，消費者的使用意愿就越低[38]。在對機器人的研究中，De Kervenoael等、Heerink等、Hwa等的研究充分證明了感知有用性和感知易用性對服務型機器人使用意愿的正向影響作用，同時，感知易用性可以促進感知有用性[22，40，60]。因此，本研究在智能服務情境下提出如下假設：

H6：感知有用性顯著正向影響消費者對酒店服務型機器人的使用意愿

H7：感知易用性顯著正向影響消費者對酒店服務型機器人的使用意愿

H8：感知易用性顯著正向影響消費者對酒店服務型機器人的感知有用性

1.3.3? ? 感知愉悅性

感知愉悅性也稱享樂動機，是指消費者在消費時，不僅能夠通過員工服務獲得應有的便利性，還能夠體驗到一定的愉悅性[61]。已有研究表明，用戶在使用某一新技術或新系統(tǒng)時，該信息系統(tǒng)能否帶給用戶有趣的使用體驗并使用戶獲得情感上的享受至關重要[62-63]。Van Der Heijden在對用戶的網站采納行為研究中發(fā)現，感知愉悅性顯著正向影響感知有用性、感知易用性和采納意愿[64]。Hwang和Kim在對客戶自助服務系統(tǒng)的研究中發(fā)現，感知愉悅性是促成消費者形成信任的中介變量[65]。魏明俠等基于余額寶用戶的研究發(fā)現，感知愉悅性可直接影響余額寶理財服務的采納意愿，也可對感知有用性和感知易用性產生間接影響[66]。

智能服務情景下，在服務型機器人充當一線員工為顧客提供服務時，人機交互是客戶體驗的核心組成部分，而消費者在與服務型機器人交互過程中獲取愉悅性體驗則關系到服務型企業(yè)服務的核心原則。當這種人機互動滿足消費者定制化的服務需求從而使其獲得一定的愉悅感時，更能引發(fā)消費者正向的行為決策。這種愉悅性體驗不僅能夠作為面向客戶端的新技術使用的主要驅動力[63-67]，影響消費者對服務型機器人的使用意愿，同時也是一種情感因素影響消費者的信任。此外，當員工處于愉悅狀態(tài)時，更容易掌握服務型機器人的操作方式，即具有較高的感知易用性[40]。因此，本研究在智能服務情境下提出如下假設：

H9：感知愉悅性顯著正向影響消費者對酒店服務型機器人的感知信任

H10：感知愉悅性顯著正向影響消費者對酒店服務型機器人的使用意愿

H11：感知愉悅性顯著正向影響消費者對酒店服務型機器人的感知易用性

1.3.4? ? 感知信任

信任是指當事人一方愿意且容易受到另一方行為的影響，并期望被信任者未來的行為和意圖都不會損害信任者的利益[68]。信任可以降低個體感知到的風險[60，69]。信任不僅是個體的主觀感受和內心狀態(tài)，更是社會關系建立和商品交易形成的決策依據[70-71]。顧客信任一直是學術界和業(yè)界的焦點。在科技飛速發(fā)展的今天，學者們認為，顧客信任是影響消費者接受新服務或技術的決定因素[72]，同時也是決定消費者是否愿意在社交網絡間進行信息傳遞的前提條件[73]。

在人機互動研究中，信任被認為是實現機器人與人類產生互動行為的基礎和先決條件[17]。Pillai和Sivathanu的研究發(fā)現，感知信任可以促進人們對聊天機器人的使用意愿[74]。在智能服務情境下，可以認為信任也是影響消費者對服務型機器人使用意愿的重要因素。當消費者對服務型機器人有積極的態(tài)度和評價，其對服務型機器人的信任也較高，而產生的信任會正向影響消費者的使用意愿[75]。因此，本研究在智能服務情境下提出如下假設：

H12：感知信任顯著正向影響消費者對酒店服務型機器人的使用意愿

綜上，本文研究假設概括如圖1。

2 研究方法

研究采用問卷調查法和半結構式訪談的方式獲取相關數據與資料，最終確定感知易用性、感知有用性、感知愉悅性、社會影響、感知信任和使用意愿6個構面。其中，感知易用性、感知有用性和使用意愿3個構面借鑒Davis和Venkatesh的研究成果并在中國文化情景下結合深度訪談對量表的題項進行修訂[62]；消費者感知信任是在Aboobucker和Bao[76]的基礎之上結合訪談與服務型機器人的特點修訂；感知愉悅性是在Venkatesh等的研究成果基 礎之上修訂[63]；社會影響是基于Lu等的研究量表改進[52]。通過深入訪談3名服務業(yè)消費者、兩名服務型企業(yè)管理人員以及兩名相關領域的專家并結合服務型機器人的特點，最終形成了6個構面20個題項的問卷，所有的測量題目都是在國外文獻的基礎之上由兩名獨立翻譯員將最終問卷翻譯成中文，并聘請行業(yè)專家對量表的整體內容進行補充和提升。問卷有關題項應用7級Likert量表測量。

受訪者在接受調研之前接受過服務型機器人服務。為了保證問卷的質量，在開始正式的數據收集之前，研究團隊通過線上調研的方式收集了135份問卷進行探索性因子分析，并調整了部分問題形成了最終的問卷。為了確保數據更加真實、可靠，研究進行了兩次數據收集，第一次是在2019年2—4月期間于廣州市4家星級酒店進行收集，第二次是在2020年3—4月期間進行收集。進行第二次數據收集時處于新冠疫情暴發(fā)期間，因此相關人員利用“問卷星”線上平臺進行數據采集。同時在問卷中向受訪者展示酒店智能服務情境下服務型機器人服務過程中的場景圖片，刺激受訪者體驗記憶。為了保證網絡問卷的質量，研究團隊成員邀請10名碩士研究生對網絡問卷進行測試，根據填寫情況，發(fā)現網絡問卷的填寫時間在120～480秒的時間段內比較合理，據此刪除填寫時間少于120秒和超過480秒的問卷。最終實際發(fā)放630份問卷，回收517份有效問卷（82.1%）。其中，男女比例為1.04：1（男性263人，女性254人）；年齡主要在21～40歲（84.1%）；調研群體中大專及以上學歷人員有476人（92.1%）；月平均收入在3000～8999元之間居多，有292人（56.5%）；職業(yè)以公司職員為主（41.6%）。

3 數據分析

3.1 信效度檢驗

本文利用SPSS 25.0以及AMOS 24.0軟件分析收集到的數據。文中任何維度的Cronbachs α系數均位于0.811～0.959之間，高于建議值0.8，可靠性較高；組合信度系數位于0.704～0.877之間，均在建議值0.7以上；各個潛變量平均方差提取值在0.726～0.892之間（大于0.7），說明數據比較可靠[77]。在數據有效性上，所有被測題目的標準化因子載荷在 0.822～0.947之間，這表明數據具有較高的聚合效度[78]（表3）。從判別效度層面而言，各潛變量的平均方差提取值的平方根都在變量間相關系數之上（表4），意味著判別效度較好。全模型的各項指標均合格（χ2=384.592，df=158，χ2/df=2.434，CFI=0.971>0.95，TLI=0.966>0.95，IFI=0.972>0.95，GFI=0.932>0.9，NFI=0.953>0.95，RMSEA=0.053<0.08，表5），結果顯示，六因子模型擬合最優(yōu)，故區(qū)分效度良好[79]。

3.2 路徑分析與假設檢驗

運用結構方程模型驗證所有假設模型（圖2）。研究提出的模型各項指標評價良好（χ2/df=2.434，? ? p<0.001，CFI=0.972，TLI=0.966，IFI=0.971，GFI=0.932，NFI=0.953，RMSEA=0.053）。社會影響顯著正向影響感知有用性（β=0.293，p<0.001）、感知易用性（β=0.130，p<0.05）、感知愉悅性（β=0.413，p<0.001）、感知信任（β=0.140，p<0.01）、使用意愿影響（β=0.137，p<0.01），H1～H5成立。感知有用性（β=0.167，p<0.001）和感知易用性（β=0.088，p<0.05）顯著正向影響消費者使用意愿，感知易用性對感知有用性影響不顯著（β=-0.042，p>0.05），H6和H7成立，H8不成立。感知愉悅性正向影響感知易用性（β=0.111，p<0.05）、感知信任（β=0.318，p<0.001），感知愉悅性正向影響使用意愿（β=0.274，p<0.001），H9～H11成立。最后，消費者的感知信任正向影響使用意愿（β=0.394，? ? ?p<0.001），H12成立。數據結果表明，影響顧客使用意愿的五大因子里，影響程度最高的是顧客的感知信任（β=0.394，p<0.001），依次是感知愉悅性（β=0.274，p<0.001）、感知有用性（β=0.167，p<0.001）、社會影響（β=0.137，p<0.01）以及感知易用性（β=0.088，p<0.05）。

4 結論與管理建議

4.1 結論與討論

Wuenderlich等鼓勵學者在智能服務情境下對“感知的嵌入性”和其他驅動消費者最終態(tài)度和行為的因素進行更深層次的研究[2]。本研究從酒店服務型機器人接受意愿角度回應了其對智能服務的看法和接受程度的學術研究呼吁。研究成果有助于酒店業(yè)更有效地提升智能服務，更好地滿足消費者體驗需求。

本研究關鍵的理論貢獻是提出了本土酒店智能服務情境下的服務型機器人接受模型，驗證各種影響因素，促進感知價值成為服務創(chuàng)新的基石。西方已有的研究涵蓋機器人技術接受，根據場景變換構造相關技術接受模型。從機器人接受模型層面而言，護理機器人相關研究進行較早，現有成果比較豐碩。不同情境下的機器人在功能和使用方面存在較大差異。Heerink等認為，護理機器人是基于照顧老年人、殘疾人等目的而設計的，更看重的是功能方面的實用性和有用性[40]。而酒店的服務型機器人則是為提升消費者體驗設計，強調顧客對機器人的情感層面的感知和體驗[22]，本文則通過實證研究充分證實了這一觀點，在酒店服務的情境下，對顧客使用意愿影響程度最大的5個因素進行分析，消費者的感知信任影響程度最大，消費者的感知愉悅性影響程度次之。

盡管近年來旅游領域學者也開展了顧客對機器人的接受意愿的相關研究。例如Choi等[80]聚焦于服務機器人的服務質量；De Kervenoael等、Lu等研究了影響酒店機器人的顧客使用意愿的因素，但是忽略了感知愉悅性、感知信任和社會影響這些關鍵因素[22，37]。Lin等研究的酒店人工智能服務設備接受意愿進一步涵蓋了感知愉悅性和社會影響等重要變量，但忽略了顧客信任這一要素[34]。雖然Hwa等關注了信任這一重要變量，并構建了涵蓋信任度、交互性和輸出質量等因素的餐廳服務機器人技術接受模型，但此項研究是針對餐廳的經理，并不能直接反映出顧客的觀點[60]。基于現有研究的不足，以及文化差異對中國酒店業(yè)消費者體驗需求的影響，本研究通過對本土酒店消費者的調查建構了消費者對智能服務型機器人的接受模型。此模型包含兩個極其重要的變量——感知易用性與感知有用性，同時，強調了消費者情感層面的體驗和感知——感知愉悅性和感知信任，以及反映了互聯網和社交媒體技術在社會影響方面對人們態(tài)度認知和行為決策方面的重要作用，進一步明晰了各層面變量在促進消費者對服務型機器人使用意愿過程中的相互影響作用。研究結果在中國酒店智能服務情境下驗證了部分前人的結論[32-33，40，60]，但同時也發(fā)現了中國情境下特殊的研究結論，豐富了服務型機器人接受模型理論研究。

第一，從服務型機器人功能層面分析發(fā)現，智能服務情境下，酒店消費者對服務型機器人的感知有用性與感知易用性能夠顯著正向影響其使用意愿，即消費者若認為服務型機器人功能符合自身需要且操作簡易，則越愿意使用。但感知易用性對感知有用性影響不顯著，盡管這一結論不符合傳統(tǒng)的技術接受模型[38]，但與Lu等[37]的機器人接受模型的研究結論一致。綜上，大致能夠認定基于智能服務場景感知有用性受到感知易用性的影響不顯著。盡管如此，鑒于感知易用性對于消費者對機器人接受意愿的促進作用，功能上的感知易用性仍然值得關注。對感知易用性的進一步分析發(fā)現，服務型機器人的易用、易學和易懂均值和因子載荷相差較小，這表明對于消費者而言，易用、易學和易懂三者在智能服務情境下同樣重要。在感知有用性方面，服務型機器人在服務性能方面的因子載荷要高于精準度和工作效率，即在消費者的認知范圍內，服務型機器人的服務性能最重要，其次是精準度和工作效率。

第二，從消費者情感層面分析發(fā)現，智能服務情境下，中國酒店消費者的感知信任和感知愉悅性會顯著正向影響其對服務型機器人的使用意愿。愉悅性能夠促進消費者對酒店服務型機器人的使用意愿，呼應了Lin等[34，40]的研究。首先，對感知愉悅性的進一步分析發(fā)現，消費者對服務型機器人感知有趣的因子載荷最高，這表明消費者對服務型企業(yè)的娛樂功能關注更多。因此，提高服務型機器人的娛樂功能也是服務型企業(yè)吸引消費者的重要方式。其次，本研究證實在酒店智能服務情境下，顧客信任感越高，對機器人使用意愿越強[17，25]。這不僅回應了國內學者在許多領域均證實的中國消費者在使用智能電子產品中感知信任起重要作用的研究結論[70-71]。同時，通過納入感知信任這一研究變量，完善消費者機器人接受模型。此外，研究還發(fā)現，感知愉悅性能夠通過影響感知信任間接影響其使用意愿，即當消費者認為服務型機器人具有很強的愉悅性時，其更偏向于信任和使用該設備。故可通過中國消費者的感知愉悅性提高信任感，從而降低消費者對智能化產品的風險感知，將消費者對服務型機器人的消極行為轉換為接受和使用等積極行為。

第三，從社會影響層面看，社會影響可以直接促進顧客對服務型機器人的使用意愿。這一研究結論與Lu等的研究結論不一致，Lu等實證研究發(fā)現，社會影響并不會直接影響消費者對機器人的技術接受意愿[52]。這反映出機器人接受模型在中國情境下的特殊結論。出現這一情況的原因可能是中國情境下的消費者具有較強的從眾心理、集體主義感，注重人際關系等的心理特點，消費者傾向于接受他們所在社會群體的文化、價值觀和規(guī)范，并據此做出行為決策，對機器人接受和產生認可。當消費者對酒店機器人設備認識不夠時，個人的社交網絡對消費者的影響更為強烈。另外，本研究發(fā)現，社會影響也可間接影響技術接受意愿，社會影響可通過消費者感知價值間接地促進消費者的使用意愿?？偠灾鐣绊懲ㄟ^感知易用性、感知有用性、感知信任、感知愉悅性間接影響消費者對服務型機器人的使用意愿。消費者社交網絡中的重要人物群體愿意接受并使用服務型機器人，這有利于增加消費者的認同和正向的使用感知，尤其在消費者注重服務型機器人的娛樂功能時，社會影響對其使用意愿的影響更加突出[53-54]。這是因為感知愉悅性涉及為消費者提供審美、情感或象征價值的產品或服務，因此消費者對感知愉悅性的評價更為主觀，且更容易被他人影響[54]。此外，由于消費者社會網絡關系的存在，消費者與服務型機器人之間建立的信任關系可以互相傳遞[73]，社交媒體更是加速了這種關系的傳遞速度。

4.2 管理建議

酒店智能服務是應對個性化、定制化、互動性消費者需求的重要手段，有利于提升酒店的創(chuàng)新力、競爭力，實現酒店可持續(xù)發(fā)展的目標。服務型機器人是酒店提供智能服務的重要載體，是旅游和酒店業(yè)的顛覆者，為消費者提供與時俱進的服務體驗，推動消費者進行更高層次的服務參與和價值共創(chuàng)，促進酒店的可持續(xù)價值創(chuàng)造。消費者對機器人的接受意愿則是決定智能服務能否順利開展的重要前提。社會影響、感知易用性、感知有用性、感知愉悅和感知信任是影響消費者接受機器人服務的關鍵因素，基于此，本研究提出以下幾點建議。

第一，通過對用戶授權提升用戶感知價值。不同的用戶對機器人服務的需求存在差異。例如老年人對數字化產品和智能化設備的掌控能力較弱，在面向這類群體提供的服務型機器人時要注重操作和功能的簡便性。而在數字化、互聯網時代下成長的年輕一代對服務型機器人偏好互動性和娛樂性，面向此類群體，可以提供交互功能較強的服務型機器人。賦予用戶自主設置機器人外貌形態(tài)和功能屬性等權力，為顧客提供定制化的機器人，充分滿足顧客多樣化需求。此外，研究表明，機器人的外貌形態(tài)、尺寸和聲音等特征均會影響用戶的信任感[17]，例如機器人的尺寸過大會對用戶產生威脅感，反而不利于消費者信任酒店。因此，通過賦予消費者自主選擇和設置機器人功能的權力有助于增加顧客對機器人的控制感，提升用戶的信任感。

第二，利用社交媒體平臺對服務型機器人進行宣傳和推廣，提升社會影響?；ヂ摼W時代，意見領袖和在線口碑信息能集中體現消費者群體對產品和服務的體驗，社交媒體平臺逐漸成為消費者信息獲取的主要方式。酒店管理者可以利用以網絡直播為代表的社交媒體平臺制定相應的營銷策略。網絡直播作為一種新的社交方式，憑借交互性強、時空適應性強、受眾面大等特點迅速占領市場，借助網絡直播并利用直播紅人的名人效應和意見領袖影響力對服務型機器人進行推廣。此外，酒店也可以直接邀請消費者進行體驗活動，在獲得機器人的服務體驗后消費者更有可能接受機器人在服務接觸中的存在。引導消費者在社交媒體進行正面的口碑宣傳，鼓勵活躍用戶/感興趣的群體通過社交媒體（如微信、抖音等）分享他們的經歷，將機器人在服務過程中的使用轉變?yōu)橐环N社會潮流和趨勢，以進一步發(fā)掘潛在消費者。

第三，政府應當完善酒店機器人及相關產業(yè)的培養(yǎng)、研發(fā)和監(jiān)督，為機器人的大范圍傳播和應用提供保障。首先是人才培養(yǎng)，人才是推動未來服務型機器人技術發(fā)展的關鍵，因此相關部門可以制定相關政策加大人才的培養(yǎng)力度，如鼓勵中小學開展與服務型機器人有關的課程。其次是研發(fā)方面，由于服務型機器人仍屬于新興產業(yè)，市場動向很難把握，在研發(fā)投入上需要大量的資金和人員的支持。這就需要政府給予政策上的支持和市場方向的引導來促進服務型機器人產業(yè)的發(fā)展，如設立關于服務型機器人研發(fā)的專用基金。最后是監(jiān)管環(huán)境，自動駕駛事故、信息泄露等智能設備應用問題的頻繁發(fā)生引起人類對服務型機器人安全性問題的擔憂，然而，目前幾乎沒有專門關于服務型機器人的法律法規(guī)與行業(yè)標準。因此，政府可以制訂相應的標準和法律來促進服務型機器人產業(yè)的發(fā)展，如在機器人設備使用方法、適用場景以及關于用戶信息收集與處理等方面制定相應的法律法規(guī)和行業(yè)標準。

4.3 研究局限

研究還存在局限性：（1）研究對象方面存在不足。由于缺乏對被調研群體的長時間跟蹤調查，無法確定調研群體在服務型機器人使用意愿與實際使用行為之間的關系。（2）沒有考慮個體差異等因素?，F有文獻表明，消費者對服務技術的接受程度也取決于年齡、性別和先前的經驗，如對于年齡較大的女性來說，促進條件對決定其使用意愿的影響程度更高[81]。因此，后續(xù)可以深入研究消費者的個體差異的作用，進一步對比研究，深入剖析酒店智能服務情境下消費者對服務型機器人技術接受影響機理。（3）消費者對智能服務機器人接受和使用行為根植于特定的文化背景，研究雖然考慮到了文化背景的影響并基于中國情境構建服務型機器人接受模型，但沒有將中國文化中的核心要素加入到研究模型中。中國文化背景有很多獨特的特質，如高權力距離、高風險規(guī)避、中庸和諧、關系導向、家庭導向等[82]，進一步研究需要關注中國文化的核心元素，并將這些要素納入到研究模型中，提升研究的豐富度和準確性。

參考文獻（References）

[1] KABADAYI S， ALI F， CHOI H， et al. Smart service experience in hospitality and tourism services： A conceptualization and future research agenda[J]. Journal of Service Management， 2019， 30（3）： 326-348.

[2] WUENDERLICH N V， HEINONEN K， OSTROM A L， et al. “Futurizing” smart service： Implications for service researchers and managers[J]. Journal of Services Marketing， 2015， 29（6/7）： 442-447.

[3] ALLMENDINGER G， LOMBREGLIA R. Four strategies for the age of smart services[J]. Harvard Business Review， 2005， 83（10）： 131.

[4] KUO C， CHEN L， TSENG C， et al. Investigating an innovative service with hospitality robots[J]. International Journal of Contemporary Hospitality Management， 2017， 29（5）： 1305-1321.

[5] IVANOV S H， GRETZEL U， BEREZINA K， et al. Progress on robotics in hospitality and tourism： A review of the literature[J]. Journal of Hospitality and Tourism Technology， 2019， 10（4）： 489-521.

[6] TUNG V W， AU N M. Exploring customer experiences with robotics in hospitality[J]. International Journal of Contemporary Hospitality Management， 2018， 30（7）： 2680-2697.

[7] ZHONG L， SUN S， LAW R， et al. Impact of robot hotel service on consumers purchase intention： A control experiment[J]. Asia Pacific Journal of Tourism Research， 2020， 25（7）： 780-798.

[8] ALEXIS P. R-Tourism： Introducing the potential impact of robotics and service automation in tourism[J]. Ovidius University Annals： Economic Sciences Series， 2017， 17（1）： 211-216.

[9] IVANOV S H， WEBSTER C， BEREZINA K. Adoption of robots and service automation by tourism and hospitality companies[J]. Revista Turismo and Desenvolvimento， 2017， 27（28）： 1501-1517.

[10] WIRTZ J， JERGER C. Managing service employees： Literature review， expert opinions， and research directions[J]. Service Industries Journal， 2017， 36（15/16）： 757-788.

[11] PADMA P， AHN J. Guest satisfaction and dissatisfaction in luxury hotels： An application of big data[J]. International Journal of Hospitality Management， 2020（84）： 102318.

[12] JOCHEN W， PAUL G P， WERNER H K， et al. Brave new world： Service robots in the frontline[J]. Journal of Service Management， 2018， 29（5）： 907-931.

[13] NEUHOFER B， BUHALIS D， LADKIN A. A typology of technology-enhanced tourism experiences[J]. International Journal of Tourism Research， 2013， 16（4）： 340-350.

[14] CHOI Y， OH M M， CHOI M， et al. Exploring the influence of culture on tourist experiences with robots in service delivery environment[J]. Current Issues in Tourism， 2021（24）： 1-17.

[15] LI J， BONN M A， YE B H. Hotel employees artificial intelligence and robotics awareness and its impact on turnover intention： The moderating roles of perceived organizational support and competitive psychological climate[J]. Tourism Management， 2019， 73： 172-181.

[16] BROUGHAM D， HAAR J. Smart technology， artificial intelligence， robotics， and algorithms （STARA）： Employees perceptions of our future workplace[J]. Journal of Management and Organization， 2018， 24（2）： 239-257.

[17] SIMON O， NEUHOFER B， EGGER R. Human-robot interaction： Conceptualising trust in frontline teams through LEGO? Serious Play?[J]. Tourism Management Perspectives， 2020， 35： 100692.

[18] BANKINS S， FORMOSA P. When AI meets PC： Exploring the implications of workplace social robots and a human-robot psychological contract[J]. European Journal of Work and Organizational Psychology， 2020， 29（2）： 215-229.

[19] TUNG V W S， LAW R. The potential for tourism and hospitality experience research in human-robot interactions[J]. International Journal of Contemporary Hospitality Management， 2017， 29（10）： 2498-2513.

[20] MURPHY J， GRETZEL U， PESONEN J. Marketing robot services in hospitality and tourism： The role of anthropomorphism[J]. Journal of Travel and Tourism Marketing， 2019， 36（7）： 784-795.

[21] HARING K S， WATANABE K， VELONAKI M， et al. FFAB—The form function attribution bias in human-robot interaction[J]. IEEE Transactions on Cognitive and Developmental Systems， 2018， 10（4）： 843-851.

[22] DE KERVENOAEL R， HASAN R， SCHWOB A， et al. Leveraging human-robot interaction in hospitality services： Incorporating the role of perceived value， empathy， and information sharing into visitors intentions to use social robots[J]. Tourism Management， 2020， 78： 104042.

[23] QIU H L， LI M L， SHU B Y， et al. Enhancing hospitality experience with service robots： The mediating role of rapport building[J]. Journal of Hospitality Marketing and Management， 2019， 29（3）： 247-268.

[24] SHIBATA T， WADA K， IKEDA Y， et al. Cross-cultural studies on subjective evaluation of a seal robot[J]. Advanced Robotics， 2009， 23（4）： 443-458.

[25] LI D， RAU P L P， LI Y. A cross-cultural study： Effect of robot appearance and task[J]. International Journal of Social Robotics， 2010， 2（2）： 175–186.

[26] SHAHID S， KRAHMER E， SWERTS M. Child-robot interaction across cultures： How does playing a game with a social robot compare to playing a game alone or with a friend？[J]. Computers in Human Behavior， 2014， 40： 86-100.

[27] YU C E， NGAN H F B. The power of head tilts： Gender and cultural differences of perceived human vs. human-like robot smile in service[J]. Tourism Review， 2019， 74（3）： 428-442.

[28] BENNETT C C， SABANOVIC S. The effects of culture and context on perceptions of robotic facial expressions[J]. Interaction Studies， 2015， 16（2）： 272-302.

[29] HUANG M H， RUST R T. Artificial intelligence in service[J]. Journal of Service Research， 2018， 21（2）： 155-172.

[30] VAN DOORN J， MENDE M， NOBBLE S M， et al. Domo Arigato Mr. Roboto： Emergence of automated social presence in organizational frontlines and customers service experiences[J]. Journal of Service Research， 2017， 20（1）： 43-58.

[31] PARK E， DEL POBIL A P. Users attitudes toward service robots in South Korea[J]. Industrial Robot， 2013， 40（1）： 77-87.

[32] TURJA T， AALTONEN I， TAIPALE S， et al. Robot acceptance model for care （RAM-care）： A principled approach to the intention to use care robots[J]. Information & Management， 2020， 57（5）： 103220.

[33] PARK E， KWON S J. The adoption of teaching assistant robots： A technology acceptance model approach[J]. Program Electronic Library and Information Systems， 2016， 50（4）： 354-366.

[34] LIN H， CHI O H， GURSOY D. Antecedents of customers acceptance of artificially intelligent robotic device use in hospitality services[J]. Journal of Hospitality Marketing and Management， 2020， 29（5）： 530-549.

[35] SPEKMAN M L C， KONIJN E A， HOORN J F. Perceptions of healthcare robots as a function of emotion-based coping： The importance of coping appraisals and coping strategies[J]. Computers in Human Behavior， 2018， 85： 308-318.

[36] DI NUOVO A， BROZ F， WANG N， et al. The multi-modal interface of robot-era multi-robot services tailored for the elderly[J]. Intelligent Service Robotics， 2017， 11（1）： 109-126.

[37] LU L， CAI R Y， GURSOY D. Developing and validating a service robot integration willingness scale[J]. International Journal of Hospitality Management， 2019， 80： 36-51.

[38] DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. Management Information Systems Quarterly， 1989： 319-340.

[39] VENKATESH V， MORRIS M G， DAVIS G B， et al. User acceptance of information technology： Toward a unified view[J]. Management Information Systems Quarterly， 2003， 27（3）： 425-478.

[40] HEERINK M， KR?SE B， EVERS V， et al. Assessing acceptance of assistive social agent technology by older adults： The almere model[J]. International Journal of Social Robotics， 2010， 2（4）： 361-375.

[41] GURSOY D， CHI O H， LU L， et al. Consumers acceptance of artificially intelligent （AI） device use in service delivery[J]. International Journal of Information Management， 2019， 49： 157-169.

[42] 許麗穎， 喻豐. 機器人接受度的影響因素[J]. 科學通報， 2020， 65（06）： 496-510. [XU Liying， YU Feng. Factors that influence robot acceptance[J]. Chinese Science Bulletin， 2020， 65（6）： 496-510.]

[43] GUPTA S， PANSARI A， KUMAR V. Global customer engagement[J]. Journal of International Marketing， 2018， 26（1）： 4-29.

[44] VERMA V K， CHANDRA B， KUMAR S. Values and ascribed responsibility to predict consumers attitude and concern towards green hotel visit intention[J]. Journal of Business Research， 2018， 96： 206-216.

[45] 余鳳龍， 黃震方， 侯兵. 價值觀與旅游消費行為關系研究進展與啟示[J]. 旅游學刊， 2017， 32（2）： 117-126. [YU Fenglong， HUANG Zhenfang， HOU Bing. Research progress and its enlightenment on relationship between values and tourism consumption behavior[J]. Tourism Tribune， 2017， 32（2）： 117-126.]

[46] LU V， WIRTZ J， KUNZ W H， et al. Service robots， customers， and service employees： What can we learn from the academic literature and where are the gaps？[J]. Journal of Service Theory and Practice， 2020， 30（3）： 361-391.

[47] 胡春陽. 經由社交媒體的人際傳播研究述評——以EBSCO傳播學全文數據庫相關文獻為樣本[J]. 新聞與傳播研究， 2015， 22（11）： 96-108; 128. [HU Chunyang. A review of research on interpersonal communication via social media—Taking EBSCO communication full-text database as a sample[J]. Journalism and Communication， 2015， 22（11）： 96-108; 128.]

[48] 孫建軍， 顧東曉. 動機視角下社交媒體網絡用戶鏈接行為的實證分析[J]. 圖書情報工作， 2014， 58（4）： 71-78. [SUN Jianjun， GU Dongxiao. An empirical analysis on user link behaviors of social networks[J]. Library and Information Service， 2014， 58（4）： 71-78]

[49] 湯胤， 徐永歡， 張萱. 基于社會認知理論的社交媒體用戶轉發(fā)行為研究[J]. 圖書館工作與研究， 2016（6）： 68-76. [TANG Yin， XU Yonghuan， ZHANG Xuan. Research on social media users forwarding behavior based on social cognitive theory[J]. Library Work and Study， 2016（6）： 68-76.]

[50] JEON M M， LEE S， JEONG M. E-social influence and customers behavioral intentions on a bed and breakfast website[J]. Journal of Hospitality Marketing and Management， 2018， 27（3）： 366-385.

[51] ALTHUIZEN N. Using structural technology acceptance models to segment intended users of a new technology： Propositions and an empirical illustration[J]. Information Systems Journal， 2018， 28（5）： 879-904.

[52] LU J， YAO J E， YU C S. Personal innovativeness， social influences and adoption of wireless Internet services via mobile technology[J]. The Journal of Strategic Information Systems， 2005， 14（3）： 245-268.

[53] LEE R， MURPHY J， SWILLEY E. The moderating influence of hedonic consumption in an extended theory of planned behavior[J]. The Service Industries Journal， 2009， 29（4）： 539-555.

[54] CANDI M， ENDE J， GEMSER G. Benefits of customer codevelopment of new products： The moderating effects of utilitarian and hedonic radicalness[J]. Journal of Product Innovation Management， 2016， 33（4）： 418-434.

[55] AGARIYA A， SINGH D. What Really defines relationship marketing？ A review of definitions and general and sector-specific defining constructs[J]. Journal of Relationship Marketing， 2011， 10（4）： 203-237.

[56] 刁雅靜， 何有世， 王念新， 等. 朋友圈社交行為對購買意愿的影響研究： 認同與內化的中介作用及性別的調節(jié)作用[J]. 管理評論， 2019， 31（1）： 136-146. [DIAO Yajing， HE Youshi， WANG Nianxin， et al. Influence of friends social interaction on their purchase intention： The mediating role of identification and internalization and the moderating role of gender[J]. Management Review， 2019， 31（1）： 136-146.]

[57] 余世英， 邢亞楠. 移動社交支付采納行為影響因素實證研究[J].統(tǒng)計與信息論壇， 2015， 30（8）： 92-99. [YU Shiying， XING Yanan. An empirical study on the influence factors of adoption behavior of social mobile payment[J]. Statistics and Information Forum， 2015， 30（8）： 92-99.]

[58] FOLKES V S. Recent attribution research in consumer behavior： A review and new directions[J]. Journal of Consumer Research， 1988， 14（4）： 548-565.

[59] 郭英之， 李小民. 消費者使用移動支付購買旅游產品意愿的實證研究——基于技術接受模型與計劃行為理論模型[J]. 四川大學學報（哲學社會科學版）， 2018（6）：159-170. [GUO Yingzhi， LI Xiaomi. An empirical study on consumers intention of buying tourism products with mobile payments—An integration model of TAM and TPB[J]. Journal of Sichuan University （Philosophy and Social Science Edition）， 2018（6）： 159-170.]

[60] HWA L W， WEN L C， HENG S K. A technology acceptance model for the perception of restaurant service robots for trust， interactivity， and output quality[J]. International Journal of Mobile Communications， 2018， 16（4）： 361-376.

[61] MIAO L， LEHTO X， WEI W. The hedonic value of hospitality consumption： Evidence from spring break experiences[J]. Journal of Hospitality Marketing and Management， 2014， 23（2）： 99-121.

[62] DAVIS F D， VENKATESH V. A critical assessment of potential measurement biases in the technology acceptance model： Three experiments[J]. International Journal of Human-Computer Studies， 1996， 45（1）： 19-45.

[63] VENKATESH V， THONG J Y L， XU X. Consumer acceptance and use of information technology： Extending the unified theory of acceptance and use of technology[J]. Management Information Systems Quarterly， 2012， 36（1）： 157-178.

[64] VAN DER HEIJDEN H. Factors influencing the usage of websites： The case of a generic portal in The Netherlands[J]. Information and Management， 2003， 40（6）： 541-549.

[65] HWANG Y， KIM D J. Customer self-service systems： The effects of perceived Web quality with service contents on enjoyment， anxiety， and e-trust[J]. Decision Support Systems， 2007， 43（3）： 746-760.

[66] 魏明俠， 黃林， 夏雨. 網上理財行為致因： 基于余額寶用戶的經驗證據[J]. 管理評論， 2015， 27（9）： 40-47; 68. [WEI Mingxia， HUANG Lin， XIA Yu. The causes of online financial behavior： empirical evidence based on use of Yu Ebao[J]. Management Review， 2015， 27（9）： 40-47; 68.]

[67] BROWN S A， VENKATESH V. Model of adoption of technology in households： A baseline model test and extension incorporating household life cycle[J]. Management Information Systems Quarterly， 2005， 29（3）， 399-426.

[68] MAYER R C， DAVIS J H， SCHOORMAN F D. An integrative model of organizational trust[J]. Academy of Management Review， 1995， 20（3）： 709-734.

[69] GEFEN D. E-commerce： The role of familiarity and trust[J]. Omega， 2000， 28（6）：725-737.

[70] 胡田， 郭英之. 旅游消費者在線購買旅游產品的信任度、滿意度及忠誠度研究[J]. 旅游科學， 2014， 28（6）： 40-50. [HU Tian， GUO Yingzhi. A study on tourism consumers trust， satisfaction and loyalty in online purchasing[J]. Tourism Science， 2014， 28（6）： 40-50.]

[71] 王潔潔， 鄭鵬. 國內潛在游客媒介使用行為、信任與旅游行為意圖的關系研究[J]. 旅游科學， 2019， 33（2）： 59-72. [WANG Jiejie， ZHENG Peng. A study on the media use behavior， trust， and behavioral intentions of domestic potential visitors[J]. Tourism Science， 2019， 33（2）： 59-72.]

[72] HONG I B， CHO H. The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces： Intermediary trust vs. seller trust[J]. International Journal of Information Management， 2011， 31（5）： 469-479.

[73] 劉衛(wèi)梅， 林德榮. 基于信任的旅游目的地口碑推薦機制研究[J]. 旅游學刊， 2018， 33（10）： 63-74. [LIU Weimei， LIN Derong. Mechanism of word-of-mouth tourism recommendations based on destination trust[J]. Tourism Tribune， 2018， 33（10）： 63-74.]

[74] PILLAI R， SIVATHANU B. Adoption of AI-based chatbots for hospitality and tourism[J]. International Journal of Contemporary Hospitality Management， 2020， 32（10）： 3199-3226.

[75] TUSSYADIAH I P， ZACH F， WANG J， et al. Do travelers trust intelligent service robots[J]. Annals of Tourism Research， 2020， 81：? 102886.

[76] ABOOBUCKER I， BAO Y. What obstruct customer acceptance of internet banking？ Security and privacy， risk， trust and website usability and the role of moderators[J]. The Journal of High Technology Management Research， 2018， 29（1）： 109-123.

[77] BAGGOZI R P， YI Y. On the evaluation of structural equation models[J]. Journal of the Academy of Marketing Science， 1988， 16（1）： 74-94.

[78] FORNELL C， LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research， 1981， 18（2）： 39-50.

[79] 侯杰泰， 溫忠麟， 成子娟. 結構方程模型及其應用[M]. 北京： 教育科學出版社， 2004： 169-194. [HAU Kit-Tai， WEN Zhonglin， CHENG Zijuan. Structural Equation Model and Its Application [M]. Beijing： Educational Science Publishing House， 2004： 169-194.]

[80] CHOI Y， CHOI M， OH M， et al. Service robots in hotels： Understanding the service quality perceptions of human-robot Interaction[J]. Journal of Hospitality Marketing and Management， 2019， 29（6）： 613-635

[81] SALEEM M A， YASEEN A， WASAYA A. Drivers of customer loyalty and word of mouth intentions： Moderating role of interactional justice[J]. Journal of Hospitality Marketing and Management， 2018， 27（8）： 877-904.

[82] 王建明. 資源節(jié)約意識對資源節(jié)約行為的影響——中國文化背景下一個交互效應和調節(jié)效應模型[J]. 管理世界， 2013（8）： 77-90; 100. [WANG Jianming. The influence of resource conservation consciousness on resource conservation behavior—A model of interactive and moderating effects in the Chinese cultural context[J]. Management World， 2013（8）： 77-90; 100.]

［基金項目］本研究受廣東省哲學社會科學“十三五”規(guī)劃項目“基于全鏈追蹤、平臺聯動、情感互動機制的企業(yè)智能化營銷體系建構——以粵港澳大灣區(qū)為例”（GD19CGL31）資助。

［作者簡介］李軍（1983—），男，河南周口人，博士，教授，研究方向為旅游地理、新媒體營銷、健康旅游等，E-mail： justinli83@ scnu.edu.cn；宋晨鵬（1995—），男，河南周口人，碩士研究生；葉浩彬（1982—），男，廣東廣州人，博士，教授，研究方向為游客行為、旅游目的地營銷、服務營銷等，E-mail： ben_ye@m.scnu.edu.cn，通訊作者。

Abstract： The Fourth Industrial Revolution （4IR）—characterized by the fusion of the digital， biological， and physical worlds， as well as the growing utilization of new technologies such as artificial intelligence， genetic engineering， cloud computing， robotics， 3D printing， synthetic biology， big data， and advanced wireless technologies， among others—has ushered in a new era of intelligent services. The expansion and upgrade of the service business is driven by improving intelligent and technology-enabled services to fulfill customer demand and align products and services to create great value in a competitive price environment. Service robots continue to permeate and automate the retail， hospitality， food service and many other consumer-facing spaces. Service robots are a crucial medium for providing emotional and social services at the level humans can. China has been the worlds largest market for industrial robots. China has pledged to aim to become an innovation hub for the global robotics industry by 2025， as its automation at the industrial level is now expanding to the consumer level in the whole country. Understanding Chinese consumers willingness to use them and the psychological factors that influence usage intention is one of the keys to address intelligent service deficiencies and improve its problem-solving abilities. The objective of this study is to develop a Chinese consumer service robot acceptance model based on the traditional technology acceptance model， and investigate the impact of factors such as robot function， consumer emotion， and social influence on consumers willingness to use them in the intelligent service context. Structural equation modeling was performed on a sample of 517 service robots users. The results demonstrated that consumers intention to use was significantly influenced by perceived ease of use， perceived usefulness， social influence， perceived pleasure， and perceived trust. In the context of intelligent services， this research also discovered the interplay between elements at multiple levels. The results are discussed together with recommendations for best practices in improving customers willingness to accept service robot technology， enhancing the in-room guest experience， and promoting better-personalized products and services of robot technology in the hospitality industries. These findings shed light on a deeper understanding of the digital transformation changing the innovation practices of hospitality firms.

Keywords： smart service; service robots; technology acceptance model; intention to use

[責任編輯：鄭? ? 果；責任校對：周小芳]