楊瑩瑩 崔靈音 盧鵬

摘?要：本文旨在比較共情式道歉和補償式道歉這兩種不同道歉方式對服務(wù)恢復(fù)滿意度的影響，并考慮人類員工和基于AI的服務(wù)機器人這兩種服務(wù)主體對這種影響的調(diào)節(jié)作用。研究結(jié)果表明人類員工采用補償式道歉更能夠?qū)崿F(xiàn)服務(wù)恢復(fù)滿意度，且寬恕意愿發(fā)揮了中介作用。然而，當(dāng)使用服務(wù)機器人進行道歉時，兩種道歉方式對服務(wù)恢復(fù)滿意度的影響不顯著。

關(guān)鍵詞：服務(wù)失??；道歉；服務(wù)機器人；恢復(fù)滿意度

中圖分類號：D9?????文獻標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2024.12.063

0?引言

服務(wù)失敗后，恢復(fù)措施對消費者忠誠、滿意和抱怨有重要影響。道歉是一種常用的恢復(fù)策略，能緩解消費者不滿，改善消費者態(tài)度。道歉可分為共情式、補償式和承認(rèn)式三種。共情式道歉表達對受冒犯者的理解或認(rèn)同，補償式道歉提供有形的補償來修復(fù)關(guān)系。本研究比較了這兩種道歉方式對恢復(fù)滿意度的影響。隨著科技的發(fā)展，越來越多的企業(yè)引進了基于AI的服務(wù)機器人，考慮到消費者對服務(wù)機器人和人類員工的差異化反應(yīng)，本文還探討了服務(wù)主體的調(diào)節(jié)作用。

1?文獻綜述與研究假設(shè)

1.1?道歉類型對服務(wù)恢復(fù)滿意度的影響

包含共情元素的道歉能提升服務(wù)恢復(fù)滿意度。但相關(guān)研究也顯示，包含金錢補償?shù)牡狼改芴岣叻?wù)恢復(fù)滿意度，金錢補償?shù)牡狼副让赓M的道歉更真誠和有效，76%的消費者更愿意選擇金錢補償。因此本研究預(yù)測，顧客認(rèn)為物質(zhì)性的補償比情感關(guān)心更實際可行。

H1：相較于包含共情元素的道歉，包含補償元素的道歉能更顯著地促使顧客表現(xiàn)出更高的寬恕意愿（H1a）和恢復(fù)滿意度（H1b）。

寬恕是一種人類情感，用以平衡受冒犯后的情緒，影響滿意度和再購意愿，寬恕是服務(wù)失敗的消極情緒和服務(wù)恢復(fù)的積極情緒交互作用的結(jié)果。員工通過承認(rèn)、道歉和懺悔等方式，將消極情緒轉(zhuǎn)為積極情緒，減輕負(fù)面服務(wù)體驗，獲得消費者的寬恕。根據(jù)影響注入理論，積極的因素（如寬恕意愿）會影響恢復(fù)滿意度。因此本研究認(rèn)為寬恕意愿是道歉方式影響恢復(fù)滿意度的心理機制。

H2：寬恕意愿在不同道歉方式（共情道歉和補償?shù)狼福┡c恢復(fù)滿意度之間起到中介作用。

1.2?服務(wù)恢復(fù)主體對服務(wù)恢復(fù)滿意度的影響

現(xiàn)有研究表明人工智能在執(zhí)行非情感社交類任務(wù)時具有有效性，但認(rèn)為其缺乏情感的心靈知覺，主觀性任務(wù)會降低消費者對AI建議的遵從，當(dāng)人工智能執(zhí)行道歉任務(wù)時，消費者對于人工智能的期待是解決服務(wù)失敗的核心問題，而對機器人是否能提供情感理解或給予相應(yīng)的補償期待不高。所以本文預(yù)測，服務(wù)機器人能削弱道歉方式對寬恕意愿和恢復(fù)滿意度的影響，即AI服務(wù)機器人無論執(zhí)行共情道歉，還是補償?shù)狼?，對消費者的寬恕意愿和恢復(fù)滿意度影響不顯著。

H3：服務(wù)主體（人工客服和機器人客服）調(diào)節(jié)了不同道歉方式（共情道歉和補償?shù)狼福┡c寬恕意愿之間的關(guān)系（H3a），調(diào)節(jié)了不同道歉方式與恢復(fù)滿意度之間的關(guān)系（H3b）以及寬恕意愿在不同道歉方式與恢復(fù)滿意度之間的中介強度（H3c）。

本研究將采用兩個基于情景設(shè)計的實驗來驗證上述三個假設(shè)。概念模型圖見圖1。

圖1?概念模型

2?研究方法

2.1?實驗一

2.1.1?預(yù)實驗

預(yù)實驗招募40名被試，女性占925%，男性占75%。隨機分為共情道歉組和補償?shù)狼附M。被試先閱讀一個網(wǎng)購發(fā)貨不符的服務(wù)失敗情境案例。再看顧客向客服的投訴電話內(nèi)容，共情道歉中客服表達了：我非常能夠體會這次不愉快的體驗給您帶來了不滿的情緒；補償?shù)狼钢锌头磉_了：我將發(fā)放一張優(yōu)惠券作為您這次不愉快的體驗的補償。然后，被試回答場景真實度的測量題（信度α=098）和兩個操縱題：“客服理解您情緒的程度？”和“客服給您物質(zhì)補償了嗎？”

單樣本t檢驗的結(jié)果表明被試對情境材料有較高的真實感（M共情=642，t＞4（19）=16085，p=0000；M補償=607，t＞4（19）=13381，p=0000）。獨立樣本t檢驗表明共情道歉組比補償?shù)狼附M報告了更高的情緒理解（M共情=540，M補償=320，t（38）=6617，p=0000）。并且補償組均認(rèn)為客服給予了物質(zhì)補償，而共情均認(rèn)為客服未給予物質(zhì)補償。所以場景操縱成功。

2.1.2?正式實驗

正式實驗與預(yù)實驗相同，用見數(shù)平臺招募150名被試，女性占607%，男性占393%，隨機分兩組。先用Townsend和Sood的量表（α=086）測試被試情緒，再展示服務(wù)失敗和恢復(fù)場景。然后，被試回答真實度（α=072）、操縱題項、寬恕意愿（α=090）、恢復(fù)滿意度（α=095）和人口統(tǒng)計特征的測量題項。真實度和操縱題與預(yù)實驗一致，寬恕意愿用何美賢的量表，恢復(fù)滿意度用Huang和Ha的量表。題項用Likert7量表。

獨立樣本t檢驗顯示組間被試的情緒狀態(tài)（M共情=205，M補償=217，t（148）=-0859，p=0392）無顯著差異。單樣本t檢驗表明被試對情境材料有較高的真實感（M共情=651，t＞4（74）=46114，p=0000；M補償=659，t＞4（74）=42890，p=0000）。獨立樣本t檢驗表明共情道歉組比補償?shù)狼附M報告了更高的情緒理解（M共情=533，M補償=345，t（148）=11098，p=0000）。并且補償組均認(rèn)為客服給予了物質(zhì)補償，而共情均認(rèn)為客服未給予物質(zhì)補償。所以場景操縱成功。

單因素方差分析結(jié)果表明補償?shù)狼附M的寬恕意愿顯著高于共情道歉組（M共情=489，SD=129；M補償=572，SD=117；F（1，148）=17108，p＜0050，η2=0104），H1a得到驗證；補償?shù)狼附M的恢復(fù)滿意度同樣顯著高于共情道歉組（M共情491，SD=149；M補償=578，SD=136；F（1，148）=14023，p<0050，η2=0087），H1b得到驗證。接下來研究采用PROCESS-model4程序，Bootstrapping次數(shù)為5000來檢驗寬恕意愿在恢復(fù)方式與恢復(fù)滿意度之間的中介作用，在95%的置信區(qū)間下，中介效應(yīng)不包含0（LLCI=04160，ULCI=12125），中介效應(yīng)大小為08118，說明寬恕意愿的中介效應(yīng)顯著，結(jié)果支持H2。最后將人口統(tǒng)計特征作為協(xié)變量進行檢驗，未發(fā)現(xiàn)存在顯著影響。

為了驗證當(dāng)服務(wù)主體不同（人工客服和機器人客服）時的結(jié)果是否保持一致，我們進行了實驗二，將服務(wù)失敗情境的焦點放在了空乘人員在顧客的旅途中產(chǎn)生的服務(wù)失敗，并且采用了APP聊天作為投訴方式。

2.2?實驗二

2.2.1?預(yù)實驗

預(yù)實驗用見數(shù)平臺招募80名被試，女性占537%，男性占463%，隨機分為四組：機器人共情道歉組、機器人補償?shù)狼附M、人工共情道歉組和人工補償?shù)狼附M。被試先看一個飛機上空乘員服務(wù)失敗的情境案例。再看顧客向客服投訴的對話內(nèi)容，共情道歉組中，人工客服和機器人客服均表達了：我將發(fā)放一張優(yōu)惠券作為您這次不愉快的體驗的補償；補償?shù)狼附M中，人工客服和機器人客服均表達了：我將發(fā)放一張優(yōu)惠券作為您這次不愉快的體驗的補償。然后，被試回答場景真實度題（α=072）和操縱題，包括“服務(wù)您的是機器人還是人工？”

單樣本t檢驗的結(jié)果表明，被試對情境材料有較高的真實感（M機共=645，t＞4（19）=24030，p=0000；M機補=630，t＞4（19）=23309，p=0000；M人共=658，t＞4（19）=24677，p=0000；M人補=643，t＞4（19）=20856，p=0000）。獨立樣本t檢驗表明共情道歉組比補償?shù)狼附M報告了更高的情緒理解（M共情=495，M補償=365，t（78）=5011，p=0000）。并且恢復(fù)主體的操縱全部正確，同時補償組均認(rèn)為客服給予了物質(zhì)補償，而共情組均認(rèn)為客服未給予物質(zhì)補償。所以場景操縱成功。

2.2.2?正式實驗

正式實驗與預(yù)實驗相同，用見數(shù)平臺招募220名被試，女性占664%，男性占336%，隨機分四組。先用量表（α=084）測試被試情緒，再展示服務(wù)失敗和恢復(fù)場景。然后，被試回答真實度（α=075）、操縱題項、寬恕意愿（α=088）、恢復(fù)滿意度（α=095）和人口統(tǒng)計特征的測量題項，題項根據(jù)實驗場景進行了適當(dāng)?shù)恼{(diào)整。

單因素方差分析顯示組間被試的情緒狀態(tài)（M機共=205，M機補=179，M人共=212，M人補=213，F(xiàn)（3，216）=2117，p=0099）無顯著差異。單樣本t檢驗的結(jié)果表明被試對情境材料有較高的真實感（M機共=628，t＞4（54）=23764，p=0000；M機補=632，t＞4（54）=30478，p=0000；M人共=629，t＞4（54）=31364，p=0000；M人補=650，t＞4（54）=37081，p=0000）。獨立樣本t檢驗表明共情道歉組比補償?shù)狼附M報告了更高的情緒理解（M共情=508，M補償=360，t（218）=10089，p=0000）。并且恢復(fù)主體的操縱全部正確，同時補償組均認(rèn)為客服給予了物質(zhì)補償，而共情組均認(rèn)為客服未給予物質(zhì)補償。所以場景操縱成功。

雙因素方差檢驗結(jié)果，恢復(fù)方式與服務(wù)主體對寬恕意愿的交互效應(yīng)顯著（F（1，216）=5988，p=0015，η2=0027）。當(dāng)機器人客服執(zhí)行恢復(fù)任務(wù)時，恢復(fù)方式（共情道歉和補償?shù)狼福︻櫩偷膶捤∫庠笡]有顯著影響（M機共=516，M機補=532，p=0470）；當(dāng)人工客服執(zhí)行恢復(fù)任務(wù)時，補償?shù)狼笇︻櫩蛯捤∫庠革@著高于共情道歉（M共情=486，M補償=580，p=0000）。所以H3a得到驗證支持。同樣雙因素方差檢驗結(jié)果，恢復(fù)方式與服務(wù)主體對恢復(fù)滿意度的交互效應(yīng)顯著（F（1，216）=5763，p=0017，η2=0026）。當(dāng)機器人客服執(zhí)行恢復(fù)任務(wù)時，恢復(fù)方式（共情道歉VS補償?shù)狼福︻櫩偷幕謴?fù)滿意度沒有顯著影響（M機共=508，M機補=526，p=0513）；當(dāng)人工客服執(zhí)行恢復(fù)任務(wù)時，補償?shù)狼笗r顧客恢復(fù)滿意度顯著高于共情道歉（M人共=475，M人補=585，p=0000）。所以H3b得到驗證支持。接下來研究采用PROCESS-model4程序，Bootstrapping次數(shù)為5000來檢驗寬恕意愿在恢復(fù)方式與恢復(fù)滿意度之間的中介作用，在95%的置信區(qū)間下，中介效應(yīng)不包含0（LLCI=-02402，ULCI=-08790），且中介效應(yīng)大小為05632，說明寬恕意愿的中介效應(yīng)顯著，結(jié)果支持H2。接下來研究再采用Process-model8程序，同樣Bootstrapping次數(shù)為5000來檢驗服務(wù)主體對寬恕意愿的中介強度的調(diào)節(jié)作用，在95%的置信區(qū)間下，有調(diào)節(jié)的中介效應(yīng)判定指數(shù)為07901，調(diào)節(jié)效應(yīng)的結(jié)果不包含0（LLCI=01652，ULCI=14113），有調(diào)節(jié)的中介效應(yīng)顯著。當(dāng)機器人客服進行服務(wù)恢復(fù)時，寬恕意愿的中介效應(yīng)大小為01654，置信區(qū)間包含0（LLCI=-02739，ULCI=06068），中介效應(yīng)不顯著；當(dāng)人工客服進行服務(wù)恢復(fù)時，寬恕意愿的中介效應(yīng)大小為09554，置信區(qū)間不包含0（LLCI=05205，ULCI=14025），中介效應(yīng)顯著，所以H3c得到驗證支持。最后，本研究將人口統(tǒng)計特征作為協(xié)變量進行雙因素協(xié)方差分析，未發(fā)現(xiàn)存在顯著影響。

3?總結(jié)與啟示

本研究表明補償?shù)狼副裙睬榈狼父芴岣呋謴?fù)滿意度，豐富了服務(wù)恢復(fù)的研究；驗證了寬恕意愿在中介恢復(fù)方式與恢復(fù)滿意度的關(guān)鍵性；同時考慮了服務(wù)主體對恢復(fù)滿意度的影響，檢驗了服務(wù)恢復(fù)主體的調(diào)節(jié)作用，發(fā)現(xiàn)人類員工補償?shù)狼副裙睬榈狼父行В獳I服務(wù)機器人的兩種道歉無差異。

服務(wù)失敗后應(yīng)采用恰當(dāng)?shù)姆?wù)恢復(fù)方式，彌補損失，提升滿意度。根據(jù)實證結(jié)果，服務(wù)失敗后，人類員工道歉應(yīng)包含補償，AI服務(wù)機器人道歉，共情或補償均可。其次，AI服務(wù)機器人在服務(wù)恢復(fù)中有積極作用，若公司想要節(jié)省成本通過傳達共情來修復(fù)受損關(guān)系，應(yīng)使用AI服務(wù)機器人來執(zhí)行，但當(dāng)公司采用包含補償元素的道歉來修復(fù)受損關(guān)系時，應(yīng)采用人類員工進行，才能提高恢復(fù)滿意度。最后，寬恕意愿是恢復(fù)滿意度的前置心理機制，無論公司采取何種服務(wù)恢復(fù)方式，都應(yīng)提高客戶的寬恕意愿，進而提高恢復(fù)滿意度。

本文用兩個不同情景的研究驗證假設(shè)，未來可在真實場景中重復(fù)實驗。并且本研究所有樣本均為中國消費者，未來可用不同國家的數(shù)據(jù)進行跨文化研究，擴大外部有效性。

參考文獻

［1］FEHR?R，GELFAND?M?J.?When?apologies?work：?How?matching?apology?components?to?victims′?self-construals?facilitates?forgiveness[J].Organizational?behavior?and?human?decision?processes，2010，113（1）：3750.

[2]胥興安，王璐琪，王立磊，等.先賠禮還是先賠錢？服務(wù)補救策略次序?qū)︻櫩蛥⑴c意向的影響[J].旅游學(xué)刊，2022，37（09）.

[3]鄧士昌，許祺，張晶晶，等.基于心靈知覺理論的AI服務(wù)用戶接受機制及使用促進策略[J].心理科學(xué)進展，2022，30（04）：723737.

[4]TOWNSEND?C，SOOD?S.?Selfaffirmation?through?the?choice?of?highly?aesthetic?products[J].Journal?of?Consumer?Research，2012，39（2）：415428.

[5]何美賢.個性特征對消費者寬恕的影響——基于感知道歉真誠性視角[J].中國流通經(jīng)濟，2018，32（11）：8794.

[6]HUANG?R，HA?S.The?effects?of?warmthoriented?and?competenceoriented?service?recovery?messages?on?observers?on?online?platforms[J].Journal?of?Business?Research，2020，（121）：616627.