張鵬 邢秋慧 梅蕾

[摘要]高質(zhì)量的服務補救可以提升消費者寬恕意愿，最大程度降低服務失誤的負面影響，使得客戶滿意度和忠誠度長期保持在較高水平。因此，服務補救是學界與業(yè)界一直關注的重要課題。近年來，隨著人工智能（AI）被越來越多地應用于服務補救工作，企業(yè)在確定了服務補救策略后面臨一個重要抉擇：AI機器人與人類員工，誰參與服務補救效果更好？圍繞這個新的課題，基于期望差距理論與感知公平理論，構(gòu)建了服務主體與服務補救策略的交互作用對消費者補救后滿意度的影響機制模型，通過兩項實驗證實提出的研究假設。實驗結(jié)果表明：（1）采用象征性補救策略時，由人類員工提供服務能夠觸發(fā)個體的互動公平感知，使得消費者的寬恕意愿更強，補救后滿意度更高；（2）采用功利性補救策略時，由AI機器人提供的服務能夠觸發(fā)個體分配公平感知，消費者的寬恕意愿更強，補救后滿意度更高。研究結(jié)果豐富期望差距與感知公平的理論研究，同時為企業(yè)制定合理的服務補救方案提供指導性的實踐建議。

[關鍵詞]AI機器人；補救策略；感知公平；消費者寬恕；補救后滿意度

一、 引言

在客戶服務領域，以AI聊天機器人為載體的AI客服正逐漸替代部分人工客服為顧客提供服務。由于服務環(huán)境的復雜性和消費者需求的異質(zhì)性，服務失誤現(xiàn)象不可避免。為此，服務失誤后的服務補救顯得尤為重要。服務補救是糾正服務提供過程中的缺陷并將服務失誤轉(zhuǎn)化為有利結(jié)果所需的努力[1]。在服務失誤發(fā)生后，企業(yè)如何最大限度降低負面影響、最大程度上獲得消費者寬恕是企業(yè)服務補救的關鍵[2]。先前的研究集中于人類是服務補救的主要提供者[3]。然而，今天的服務交付系統(tǒng)為AI驅(qū)動的機器人參與服務補救提供了機會。我們已經(jīng)在多行業(yè)看到AI智能客服在服務補救中的身影，如飛豬旅行、滴滴出行等使用全天候聊天機器人在其應用程序中處理客戶投訴。酒店業(yè)也開始利用AI的及時性和響應性等特點，逐漸將AI機器人整合到服務中，處理服務問題并提供服務補救[4]。

學術(shù)界關于AI智能服務在服務補救中的研究仍處于起步階段。對不同的服務補救策略（How）匹配不同的服務補救主體（Who）會對消費者寬恕意愿和補救后滿意度產(chǎn)生怎樣的影響，學界尚不清楚。本文基于期望差距理論與感知公平理論，構(gòu)建不同服務補救策略（象征性補救vs.功利性補救）與不同服務主體（人類員工vs.AI機器人）之間的交互作用對消費者補救后滿意度的影響機制模型，采用2×2組間實驗設計，利用Credamo平臺開展兩項實驗，證實不同的服務主體執(zhí)行不同的服務補救策略對消費者的補救后滿意度會產(chǎn)生不同的影響。與AI機器人相比，人類員工在以“賠禮”為補救策略的在線服務補救過程中能更好地理解消費者情感方面的訴求，在與消費者互動過程中表現(xiàn)出更加真誠的態(tài)度與同情心，使其感知更高互動公平程度，寬恕意愿更強，滿意度更高；與人類員工相比，AI機器人在以“賠錢”為補救策略的在線服務補救過程中能夠保持服務水平不受情緒、疲勞或消費者個人特征的各方面影響，進行無差異化補償，觸發(fā)了消費者的感知分配公平，寬恕意愿更強，進而滿意度更高。本文的結(jié)論不僅能夠拓展期望差距與感知公平的理論研究，而且還能夠為企業(yè)從根本上提升服務補救效果和效率提供理論依據(jù)以及合理的解決方案。

二、 文獻回顧與研究假設

1. 服務補救策略與服務主體

服務補救最初指的是商家處理服務失敗后的顧客投訴，隨著研究的深入和消費形式的多樣化，服務補救策略的劃分逐漸多樣化。關于補救策略的劃分主要集中在兩個方面：一種是象征性補救策略（社會交易的感性維度，主要包括解釋原因、誠懇道歉、共情回復等），側(cè)重于服務失誤發(fā)生后企業(yè)向消費者和社會公眾表達歉意和同情，安撫顧客情緒，并對消費者作出承諾以恢復企業(yè)形象，挽留顧客。如黃珍等[5]在直播帶貨的情境中指出真摯的道歉可以有效提升服務補救效果。另一種是功利性補救策略（社會交易的經(jīng)濟性維度，其主要形式有賠償、贈送優(yōu)惠券和打折等），側(cè)重于在服務失誤發(fā)生后企業(yè)向消費者作出經(jīng)濟補償。如方淑杰等[6]認為在某些服務失敗的情境下，功利性補救比象征性補救的效果更好，補救后顧客的態(tài)度和行為更積極。綜上所述，本文沿用學術(shù)界對于服務補救策略的分類，將其分為功利性補救和象征性補救。

根據(jù)服務失誤的性質(zhì)判斷確定了應該采取的服務補救策略后，選擇由哪一類服務主體來執(zhí)行服務補救策略是管理者要面對的同等重要的問題。學術(shù)界關于服務主體的研究大多集中在人工服務視角，即在服務失誤發(fā)生后人類員工采取補救措施的有效性分析[7]。雖然有文獻對服務補救中的AI客服與人工客服的補救效果進行了對比，但并未得出一致的結(jié)論[8]。一方面，有研究認為人類員工富有情感從而帶給顧客更多的真誠溫暖、共情以及個性化等積極感知[9]；另一方面，也有學者通過實證研究證實AI機器人提供的服務補救能夠提升消費者對其產(chǎn)生的功能價值感知、降低隱私風險感知，因而比人類員工的服務補救效果更好[10]。經(jīng)過對相關文獻的梳理和分析，我們認為在不同的服務補救策略下，服務主體的選擇不同，也會對消費者的補救滿意度產(chǎn)生不同的影響。

2. 服務補救策略與服務主體的交互作用對消費者補救后滿意度的影響

根據(jù)期望差距理論的內(nèi)涵，當顧客感知服務水平與預期水平存在負向差距，就會發(fā)生服務失敗[11]。此時，企業(yè)就會采取及時有效的補救措施減小該差距，即本文中所討論的服務補救策略能夠彌補由服務失誤帶來的負面影響，使顧客在補救后感到滿意。

當服務失誤情況發(fā)生時，企業(yè)首先會采取相應的服務補救措施來彌補消費者在接受服務過程中產(chǎn)生的負面影響，使顧客產(chǎn)生寬恕的情緒，以應對顧客在服務失誤情況下遭遇的不平衡[12]。此時，企業(yè)通常會采取兩種補救策略：象征性補救策略和功利性補救策略。

在確定了服務補救策略后，由誰來執(zhí)行既定的服務補救策略效果更好是企業(yè)面臨的又一重要問題。企業(yè)當前有兩種選擇：人類員工與AI機器人。選擇標準取決于消費者對AI機器人或人類員工在服務補救能力特征上的主觀看法[13]。由人工來執(zhí)行象征性補救策略，消費者可以進行社會互動與情感交流，情感層面的需求得到了滿足，從而能夠在很大程度上緩解消費者因遭受服務失誤而產(chǎn)生的負面情緒[14]。AI千篇一律的道歉或回復，被消費者認為是缺乏誠意的，無法起到安撫消費者情緒的效果。與此相反，功利性補救策略涉及經(jīng)濟補償，消費者普遍認為AI能夠準確快速處理紛繁復雜的信息，并且能夠嚴格按照既定程序與規(guī)則完成補救服務，不受人為因素干擾，可以更精確和便捷地獲得相應的補償。AI機器客服的身份披露可以在一定程度上降低消費者的預期[15]，因此， AI機器人提供的功利性補救能夠使得消費者的補救后滿意度更高。

綜上所述，本文提出如下假設：

H1：服務主體與補救策略的交互作用對顧客的補救后滿意度產(chǎn)生影響。

H1a：與AI機器人相比，人類員工執(zhí)行象征性服務補救策略時消費者的滿意度更高。

H1b：與人類員工相比，AI機器人執(zhí)行功利性服務補救策略時消費者的滿意度更高。

3. 感知公平和消費者寬恕的鏈式中介作用

感知公平理論來自社會心理學研究領域，后被引入服務補救領域的研究。感知公平包括感知分配公平與感知互動公平[16]。在服務補救研究領域，感知分配公平是指在服務失誤發(fā)生后，消費者將自身損失與所獲補償?shù)谋戎蹬c他人進行比較，對比較結(jié)果是否公平的一種主觀感知[17]?；庸绞侵冈诜昭a救過程中通過社會互動與情感交流，消費者會感知到被理解尊重以及與企業(yè)組織溝通交流的平等性。感知公平理論認為消費者在服務補救過程中的公平感知得到滿足，能夠有效降低甚至消除消費者因為服務失誤而產(chǎn)生的不滿情緒，甚至產(chǎn)生積極的態(tài)度和行為，如消費者寬恕[18]。公平與寬恕的關系已經(jīng)在心理學領域得到廣泛論證。心理學家認為寬恕離不開人們對公平感知的評價和對公平加工腦區(qū)的激活[19]。消費者內(nèi)心重新達到平衡的過程中，其消極情緒得以釋放，正面情緒得以增強。寬恕的雙重作用使得企業(yè)的補救行為能夠促使消費者補救后滿意[20]。

在利益分配方面，AI客服能夠充分發(fā)揮在紛繁復雜的信息中客觀準確地制定出合理公正的經(jīng)濟補償方案的優(yōu)勢，消費者普遍認為AI機器人不會受社會地位、關系紐帶以及人情世故等因素的影響，會嚴格按照既定程序與規(guī)則不偏不倚地完成無差異化功利性補救服務[21]。在這樣認知的影響下，消費者普遍相信AI機器人比人類員工更好地做到分配公平[22]。對于象征性補救策略，比如向顧客解釋原因、誠懇道歉、共情回復等，如果采用人工服務，可以增強人與人之間的社會互動與情感交流，消費者會感知到被理解尊重和交流平等，情感需求得到了滿足，從而能夠觸發(fā)個體的互動公平感知。AI千篇一律程序化的道歉或回復，在消費者心中是冰冷的例行公事、缺乏誠意與理解，無法起到安撫消費者情緒的效果[23]。Ma等[20]進一步證實了寬恕在補救類型與補救后滿意度之間的中介效應。

綜上所述，本文將感知公平和消費者寬恕作為理論模型中的鏈式中介變量進行討論并提出如下假設：

H2：感知公平和消費者寬恕在服務主體與補救策略的交互作用對補救后滿意度的影響中起到鏈式中介作用。

H2a：與AI機器人相比，人類員工執(zhí)行象征性服務補救策略，使消費者感知到更高程度的互動公平，消費者寬恕意愿更強，進而滿意度更高。

H2b：與人類員工相比，AI機器人執(zhí)行功利性服務補救策略，使消費者感知到更高程度的分配公平，消費者寬恕意愿更強，進而滿意度更高。

綜上所述，本文的理論模型如圖1所示。

三、 研究設計與數(shù)據(jù)分析

1. 主效應檢驗

（1）實驗設計

為考察不同服務補救策略（象征性補救vs功利性補救）與不同服務主體（人類員工vs AI機器人）的交互作用對消費者補救后滿意度的影響，實驗1采用2×2組間實驗設計，通過Credamo平臺招募被試240人（已剔除無效樣本20份），平均隨機分配到4個實驗組，樣本描述性統(tǒng)計如表1所示。其中21～40歲參與者占85.42%，本科及以上學歷占88.75%，月收入水平在2000～10000元占比80.42%，基本屬于當前消費的主力人群。

參與者首先被要求回答兩項篩選問題（1.您在網(wǎng)絡購物中是否遭遇過服務失誤的情況？2.您在之前的網(wǎng)絡購物體驗中是否使用或接觸過AI機器人提供的服務？），以確保其有服務失誤、AI服務方面的經(jīng)歷。接著讓參與者閱讀一段材料（材料以文字+聊天截圖的方式呈現(xiàn)）。服務補救情景實驗材料內(nèi)容描述如表2所示，最后讓參與者完成操縱檢驗和消費者寬恕意愿的量表。

（2）變量的測量

補救后滿意的測量量表改編自Holloway等[24]和 Boshoff等[25]研究量表，包含4個題項：“我認為該商家采取的服務補救措施很好”“我對該商家處理服務失誤的方式很滿意”“我對服務補救提供者的補救服務很滿意”和“我對服務補救提供者提供的服務補救結(jié)果很滿意”。變量測量所使用的量表均為Likert7點量表，參與者須對每個測試項目從1（非常不同意）到7（非常同意）進行打分。該量表的Cronbachs α值為0.896。

此外，被試還閱讀并完成了服務補救策略與服務主體操縱檢驗的測量，題項為“您認為當前的補救策略更傾向？”（1=象征性補救、7=功利性補救）“您接受的服務主體更傾向？”（1=AI機器人，7=人類員工）。為了檢驗實驗情境的外部效度，還測量了被試對于該實驗情境的真實性評價，題項為“您認為這個服務失誤發(fā)生后的服務補救情景和現(xiàn)實相符程度有多大？”（1=非常不符合、7=非常符合）。

（3）實驗結(jié)果與分析

①操縱檢驗

由獨立樣本T檢驗可知，在象征性和功利性補救策略下，消費者感知的服務補救策略存在顯著差異（M象征性補救=2.28，SD=1.20，M功利性補救=5.60，SD=0.83，t=-24.994，p＜0.001），服務補救策略的操縱取得了成功。對服務主體進行獨立樣本T檢驗，結(jié)果顯示：MAI機器人=2.03，SD=0.86，M人類員工=5.92，SD=0.87，t=-35.045，p＜0.001），服務主體的操縱取得了成功。此外，本文還對被試感知的情境真實性進行檢驗，結(jié)果表明，被試認為實驗情境比較符合現(xiàn)實生活的在線服務補救情況（M情景真實性=5.625>4，t=12.456，p<0.001），這說明本文的實驗結(jié)果具有較高的外部效度。

②假設檢驗

本文研究服務補救策略與服務主體的交互作用對補救后滿意度的影響，采用雙因素方差分析，結(jié)果如表3所示。服務補救策略和服務主體對補救后滿意度具有顯著的交互作用，假設H1得到驗證。

以消費者補救后滿意度為因變量，兩者的交互作用對補救后滿意度的影響如圖2所示。在象征性服務補救策略下，與人類員工相比，消費者對AI機器人服務補救后的滿意度更低，MAI機器人= 4.467＜M人類員工=5.337，F(xiàn)（1，118）=20.112，p＜0.001；而在功利性服務補救策略下，消費者對AI機器人服務補救后的滿意度卻更高，MAI機器人= 5.442＞M人類員工=4.954，F(xiàn)（1，118）=12.389，p＜0.001。據(jù)此，假設H1a、H1b得到驗證。

資料來源：作者繪制

2. 鏈式中介效應檢驗

（1）實驗設計

為考察感知公平和消費者寬恕在不同服務補救策略（象征性補救vs功利性補救）與不同服務主體（人類員工vs AI機器人）對消費者補救后滿意度的影響，實驗2采用2×2組間實驗設計，通過Credamo平臺招募被試320人（已剔除無效樣本28份），平均隨機分配到4個實驗組，樣本描述性統(tǒng)計如表4所示。其中21～40歲參與者占86.56%，本科及以上學歷占86.88%，月收入水平在2000～10000元占比79.06%，基本屬于當前消費的主力人群。

參與者首先被要求回答兩項篩選問題同實驗1，在此基礎上更換實驗材料，將具體的“網(wǎng)購延期發(fā)貨問題”更換為“外賣超時配送問題”。最后讓參與者完成操縱檢驗、感知分配公平、感知互動公平、消費者寬恕意愿以及補救后滿意度量表。

（2）變量的測量

補救后滿意度的測量量表同實驗1。感知分配公平改編自Blodgett等[26]、Smith等[27]量表中的4個題項：“我獲得的補償是可以接受的”“客服采取的補償措施是合理的（無偏見的）”“就與我有相同遭遇的他人而言，該人工（AI）客服給予的補償結(jié)果是公平的”“以我的經(jīng)驗來看，我本次得到的補償跟他人相比是公平的”。該量表的Cronbachs α值為0.926。感知互動公平改編自Smith等[27]、Río-lanza等[28]量表中的4個題項：“我得到了應有的尊重”“該客服的道歉是誠懇的”“客服給予了我合理的解釋”“客服能夠努力解決我所遇到的問題”。以上變量測量所使用的量表均為Likert7點量表，被試須對每個測試項目從1（非常不同意）到7（非常同意）進行打分。該量表的Cronbachs α值為0.888。消費者寬恕意愿的測量采用Finkel[29]開發(fā)，并經(jīng)國內(nèi)學者陳斯允等[30]翻譯并改編，證實在中國情境下有良好信效度的量表，包含4個題項：“我能理解該商家的失誤”“我能原諒該商家的失誤”“我能寬恕此次該商家的失誤”“以后我仍然愿意來該店購物”。以上變量測量所使用的量表均為Likert7點量表，被試須對每個測試項目從1（非常不同意）到7（非常同意）進行打分。該量表的Cronbachs α值為0.874。此外，參與者還閱讀并完成了服務補救策略操縱檢驗的測量，測量方式同實驗1。

（3）實驗結(jié)果與分析

①操縱檢驗

對服務補救策略進行獨立樣本T檢驗結(jié)果顯示：M象征性補救=2.31，SD=0.98，M功利性補救=5.66，SD=1.04，t=-29.517，p＜0.001，服務補救策略的操縱取得了成功。對服務主體進行獨立樣本T檢驗，結(jié)果顯示：MAI機器人=2.04，SD=0.80，M人類員工=5.79，SD=0.89，t=-39.507，p＜0.001，服務主體的操縱取得了成功。此外，本文還對被試感知的情境真實性進行檢驗，結(jié)果表明，參與者認為實驗情境比較符合現(xiàn)實生活的在線服務補救情況（M情景真實性=5.443>4，t=14.932，p<0.001），這說明本研究的實驗結(jié)果具有較高的外部效度。

②交互效應檢驗

本文以補救后滿意度為因變量，進行雙因素方差分析，服務補救策略與服務主體之間的交互作用顯著（F（1，316）=32.469，p<0.001），H1再次得到驗證。

③鏈式中介效應檢驗

a.在象征性補救策略下，進行獨立樣本T檢驗，驗證服務補救策略對感知互動公平的影響，如表5所示。

通過獨立樣本T檢驗可知，相較于AI機器人，人類員工執(zhí)行象征性服務補救策略使顧客感知到的互動公平程度更高（MAI機器人感知互動公平=4.481＜M人類員工感知互動公平=5.450，t=-4.327，p＜0.001）。

在功利性補救策略下，首先進行獨立樣本T檢驗，驗證服務補救策略對感知互動公平的影響，如表6所示。

通過獨立樣本T檢驗可知，在功利性服務補救策略下（MAI機器人感知互動公平=5.213＞M人類員工感知互動公平=4.941，t=1.592，p＞0.001），服務主體的選擇對消費者感知互動公平的影響不顯著。

其次，采用回歸分析驗證感知互動公平和消費者寬恕之間的關系與消費者寬恕和補救后滿意度的關系，結(jié)果表明：感知互動公平顯著正向影響消費者寬恕意愿（β=0.797，t=23.507，p＜0.001，95%CI=[0.661，0.782]），消費者寬恕顯著正向影響補救后滿意度（β=0.876，t=32.419，p＜0.001，95%CI=[0.645，0.729]）。

最后采用Bootstrap檢驗感知互動公平和消費者寬恕在服務補救策略與服務主體對補救后滿意度的中介效應（通過Process插件，Model 85，采用5000次重復抽樣）。以服務補救策略（象征性補救策略為0，功利性補救策略為1）為自變量，服務主體（AI機器人為0，人類員工為1）為調(diào)節(jié)變量，補救后滿意度為因變量，感知互動公平和消費者寬恕為中介變量進行分析。在95%置信度情況下，服務補救策略與服務主體對補救后滿意度的作用路徑及置信區(qū)間結(jié)果如表7所示，其中置信區(qū)間均不包含0。據(jù)此，假設H2a成立。

b.在象征性補救策略下，進行獨立樣本T檢驗，驗證服務補救策略對感知分配公平的影響，如表8所示。

通過獨立樣本T檢驗可知，在象征性補救策略下（MAI機器人感知分配公平=3.822＜M人類員工感知分配公平=4.169，t=-1.846，p＞0.001），服務主體的選擇對消費者感知分配公平的影響不顯著。

在功利性補救策略下，首先通過獨立樣本T檢驗，驗證服務補救策略對感知分配公平的影響，如表9所示。

通過獨立樣本T檢驗可知，相較于人類員工，AI機器人執(zhí)行功利性服務補救策略使消費者感知分配公平程度更高（MAI機器人感知分配公平=5.809＞M人類員工感知分配公平=5.422，t=3.768，p＜0.001）。

其次，采用回歸分析驗證感知分配公平和消費者寬恕之間的關系與消費者寬恕和補救后滿意度的關系，結(jié)果表明：感知互動公平顯著正向影響消費者寬恕意愿（β=0.731，t=19.127，p＜0.001，95%CI=[0.688，0.846]），消費者寬恕顯著正向影響補救后滿意度（β=0.655，t=15.468，p＜0.001，95%CI=[0.470，0.607]）。

最后采用Bootstrap檢驗感知分配公平和消費者寬恕在服務補救策略與服務主體對補救后滿意度的中介效應（通過Process插件，Model 85，采用5000次重復抽樣）。以服務補救策略（象征性補救策略為0，功利性補救策略為1）為自變量，服務主體（AI機器人為0，人類員工為1）為調(diào)節(jié)變量，補救后滿意度為因變量，感知分配公平和消費者寬恕為中介變量進行分析。在95%置信度下，服務補救策略與服務主體對補救后滿意度的作用路徑及置信區(qū)間結(jié)果如表10所示，其中置信區(qū)間均不包含0。據(jù)此，假設H2b成立。

四、 結(jié)論、啟示和展望

1. 結(jié)論討論

本文基于期望差距理論與感知公平理論，構(gòu)建了服務主體與服務補救策略的交互作用對消費者補救后滿意度的影響機制模型，通過兩項實驗證實了本文的研究假設，實驗結(jié)果揭示了影響消費者補救后滿意度的兩種不同路徑機制。

針對象征性補救策略，比如向顧客解釋原因、誠懇道歉、共情回復等，如果采用人類員工提供服務，可以增強人與人之間的社會互動與情感交流，消費者會感知到被理解尊重和交流平等，情感層面的需求得到了滿足，從而能夠觸發(fā)個體的互動公平感知，在很大程度上緩解了消費者因遭受服務失誤而產(chǎn)生的負面情緒，補救后滿意度更高。AI機器人千篇一律程序化的道歉或回復，在消費者心目中是冰冷的例行公事、缺乏誠意與理解，無法起到安撫消費者情緒的效果。

針對功利性補救策略，比如商品打折、優(yōu)惠券、發(fā)放紅包等，涉及經(jīng)濟補償，消費者往往不會特別關注互動公平，而是更加關注分配公平與快速處理。在利益分配方面，消費者普遍認為AI機器人不具有人類的偏見與所謂的“靈活性”，不會受人為因素干擾而降低服務質(zhì)量或與消費者討價還價，會嚴格按照補償標準與流程對消費者進行合理的補償。因此，在功利性補救策略下，AI機器人的無差異化程序觸發(fā)了消費者分配公平感知，補救后滿意度更高。

2. 理論貢獻

首先，本研究證實了不同的服務主體執(zhí)行不同的服務補救策略對消費者的補救后滿意度會產(chǎn)生不同的影響。以往的研究未將兩者的交互作用納入統(tǒng)一理論框架進行考察，因此長期以來一直無法解釋為什么AI或人工在執(zhí)行不同的服務補救策略時，會導致消費者截然不同的補救后滿意度。本文的理論框架則有力地解釋了近年來越來越多的AI機器人參與服務補救所衍生出的新問題，從而完善了相關理論。

其次，本研究揭示了感知公平和消費者寬恕在服務補救機制中所扮演的重要鏈式中介角色。服務補救策略與服務主體的交互作用觸發(fā)了消費者不同的公平感知，從而通過不同的路徑（象征性補救—人工—感知互動公平，功利性補救—AI—感知分配公平）提高了消費者寬恕意愿，豐富了感知公平理論。

最后，本研究對于AI 機器人未來能否完全取代人類員工參與服務補救這個重要命題提出了自己的理論見解。AI機器人與人類員工在服務補救領域都有著自身的優(yōu)勢與劣勢，在不同的服務應用場景中，優(yōu)劣勢之間還可以相互轉(zhuǎn)化（如本研究發(fā)現(xiàn)隨機應變的靈活性會觸發(fā)互動公平感知但同時卻會抑制分配公平感知），因此，未來的服務補救還是要根據(jù)不同的服務補救策略來匹配AI機器人與人類員工各自的特點和優(yōu)勢，從而提高服務補救后消費者滿意度。

3. 管理啟示

第一，企業(yè)在選擇采用服務補救策略時，不能單純?yōu)榱俗非髸r髦或降低成本，將服務補救這項重要的工作簡單地全部交由AI機器人來承擔，而是應該根據(jù)要采取的服務補救策略來選擇合適的服務主體（AI 機器人或人類員工），這才能夠確保實現(xiàn)不同補救策略所要達成的目標，提高消費者寬恕意愿和補救后滿意度，從而最大化地降低服務失敗給企業(yè)帶來的品牌聲譽以及品牌忠誠度的負面影響。如企業(yè)因沒能為消費者帶來良好的消費體驗而需要賠禮道歉時，應該采用人類員工來增強人與人之間的社會互動與情感交流，消費者會感知到被理解尊重和交流平等，情感層面的需求得到了滿足，在很大程度上緩解了消費者因遭受服務失誤而產(chǎn)生的負面情緒，補救后滿意度更高；若企業(yè)選擇賠錢來挽留顧客彌補自身的失誤時，消費者普遍認為AI機器人不會受社會地位、關系紐帶以及人情世故等因素的影響，會嚴格按照既定程序與規(guī)則不偏不倚地完成功利性補救服務。因此在功利性補救策略下，采用AI機器人提供服務能夠更好地提升消費者寬恕意愿，進而有效提高服務補救后消費者滿意度。

第二，企業(yè)應當注重顧客在服務補救過程中的感知公平。消費者在服務補救過程中感受到公平后，企業(yè)的服務補救策略才會真正扭轉(zhuǎn)消費者的不滿情緒而產(chǎn)生更加積極的意愿與行為。因此，企業(yè)在采用象征性服務補救策略時，要盡量避免AI機器人千篇一律的語調(diào)與程序套話，應該充分發(fā)揮人類員工的同理心與溝通優(yōu)勢，根據(jù)消費者具體的投訴內(nèi)容與不滿情緒，運用相應的心理學知識與語言藝術(shù)，采取有針對性的安撫措施，讓消費者感知到人與人之間的平等交流、真誠以及被尊重，從而觸發(fā)消費者的感知互動公平。企業(yè)在采用功利性補救策略時，應該充分發(fā)揮AI機器人在紛繁復雜的信息中客觀準確地制定出合理公正的經(jīng)濟補償方案的優(yōu)勢，減少人為因素的干擾，讓消費者感知到分配公平。通過觸發(fā)不同情境下消費者所需要的公平感知，有效提高消費者的寬恕意愿與服務補救后的滿意度。

4. 本研究的局限以及未來展望

首先，象征性服務補救策略可以細化為道歉、解釋原因、共情回復等，功利性服務補救策略可以細化為打折、優(yōu)惠券、紅包等，具體補救方案的差異與服務主體的交互可能導致不同的影響機制，未來研究可以進一步勾畫更加細致的影響路徑，為企業(yè)決策提供更有力的指導。其次，服務失敗類型對服務補救效果也會產(chǎn)生不同程度的影響，因此，未來還可以考慮將服務補救策略、服務主體與服務失敗類型納入統(tǒng)一的理論框架進行更加深入的研究。

參考文獻：

[1] Kuo Y F， Wu C M. Satisfaction and Post-purchase Intentions with Service Recovery of Online Shopping Websites： Perspectives on Perceived Justice and Emotions[J].International Journal of Information Management，2012，32（2）：127-138.

[2] 于兆吉，朱蔓菱，魏闖.心理契約視角下在線購物預防性服務補救對消費者寬恕的影響[J].管理工程學報，2023，37（6）：201-211.

[3] 郭曉姝，張焱，徐健.道歉承諾類管理反饋策略對顧客二次滿意度的影響——基于顧客多樣情緒調(diào)節(jié)效應[J].中國管理科學，2021，29（2）：217-227.

[4] Jones C L E， Hancock T， Kazandjian B，et al. Engaging the Avatar： The Effects of Authenticity Signals During Chat-based Service Recoveries[J].Journal of Business Research，2022（144）：703-716.

[5] 黃珍，張宣，于海航.直播帶貨情境下服務補救對重購意愿的影響研究——感知真誠和補救后滿意的鏈式中介作用[J].商業(yè)經(jīng)濟研究，2022，838（3）：109-112.

[6] 方淑杰，黎耀奇，傅云新.賠禮還是賠錢？——基于情緒感染理論的旅游景區(qū)服務補救策略研究[J]. 旅游學刊，2019，34（1）：44-57.

[7] 楊慧，康海燕.社交媒體服務補救透明對虛擬在線他人購買意愿的影響：品牌資產(chǎn)的調(diào)節(jié)作用[J].江西財經(jīng)大學學報，2021，136（4）：41-50.

[8] Wu J F， Zhu Y M， Zhang J M. Who Did What and When？ The Effect of Chatbots Service Recovery on Customer Satisfaction and Revisit Intention[J]. Journal of Hospitality and Tourism Technology，2023，14（3）：416-429.

[9] Hu Y，（Kelly） Min H，Su N.How Sincere is an Apology？ Recovery Satisfaction in a Robot Service Failure Context[J].Journal of Hospitality & Tourism Research，2021，45（6）：1022-1043.

[10] Du J Z， Song M M， Xing X Y，et al. Should the Chatbot “Save Itself” or “Be Helped by Others”？ The Influence of Service Recovery Types on Consumer Perceptions of Recovery Satisfaction[J]. Electronic Commerce Research and Applications，2022（55）：101199.

[11] Leo X， Huh Y E. Who Gets the Blame for Service Failures？ Attribution of Responsibility Toward Robot Versus Human Service Providers and Service Firms[J].Computers in Human Behavior，2020，113（4）：106520.

[12] You Y F， Yang X J， Wang L L，et al. When and Why Saying “Thank You” is Better than Saying “Sorry” in Redressing Service Failures： The Role of Self-esteem[J].Journal of Marketing，2020，84（2）：133-150.

[13] Garvey A M， Kim T， Duhacchek A. Bad News？ Send an AI. Good News？ Send a Human [J].Journal of Marketing，2023，87（1）：10-25.

[14] 朱艷春，張志晴，孫寶文.網(wǎng)絡商店的服務質(zhì)量、顧客滿意、顧客忠誠的關系研究[J].現(xiàn)代管理科學，2015（6）：100-102.

[15] Grimes G M， Schuetzler R M，Giboney J S.Mental Models and Expectation Violations in Conversational AI Interactions[J].Decision Support Systems，2021（144）：113515.

[16] 張初兵，侯如靖，易牧農(nóng).網(wǎng)購服務補救后感知公平、情緒與行為意向的關系——基于關系質(zhì)量的調(diào)節(jié)中介模型[J].山西財經(jīng)大學學報，2014，36（1）：54-64.

[17] 王子賢，呂慶華.服務補救、感知公平與顧客滿意——基于網(wǎng)購用戶視角的研究[J].山西財經(jīng)大學學報，2018，40（10）：77-89.

[18] 綦恩周，張夢.服務補救情境下心理契約對顧客感知補救質(zhì)量的影響研究[J].消費經(jīng)濟，2015，31（1）：60-65.

[19] Fatfouta R， Meshi D， Merkl A，et al. Accepting Unfairness by a Significant Other is Associated with Reduced Connectivity between Medial Prefrontal and Dorsal Anterior Cingulate Cortex[J].Social Neuroscience，2016，13（1）：61-73.

[20] Ma K，Zhong X，Hou G.Gaining Satisfaction： The Role of Brand Equity Orientation and Failure Type in Service Recovery[J].European Journal of Marketing，2020，54（10）：2317-2342.

[21] 宋曉兵，何夏楠.人工智能定價對消費者價格公平感知的影響[J].管理科學，2020，33（5）：3-16.

[22] 蔣路遠，曹李梅，秦昕，等.人工智能決策的公平感知[J].心理科學進展，2022，30（5）：1078-1092.

[23] Longoni C，Cian L.Artificial Intelligence in Utilitarian vs. Hedonic Contexts： The ‘Word-of-Machine Effect[J].Journal of Marketing，2022，86（1）：91-108.

[24] Holloway B B， Wang S，Beatty S E.Betrayal？ Relationship Quality Implications in Service Recovery[J].Journal of Services Marketing，2009，23（6）：385-396.

[25] Boshoff C， Leong J.Empowerment， Attribution and Apologising as Dimensions of Service Recovery.An Experimental Study[J].International Journal of Service Industry Management，1998，9（1）：24-47.

[26] Blodgett J G，Granbois D H， Walters R G. The Effects of Perceived Justice on Complainants Negative Word-of-mouth Behavior and Repatronage Intentions[J].Journal of Retailing，1993，69（4）：399-428.

[27] Smith A K， Bolton R N， Wagner J.A Model of Customer Satisfaction with Service Encounters Involving Failure and Recovery[J].Journal of Marketing Research，1999，36（3）：356-372.

[28] Río-lanza A B， Vázquez-casielles R， Díaz-Martín A M. Satisfaction with Service Recovery：Perceived Justice and Emotional Responses[J].Journal of Business Research，2009，62（8）：775-781.

[29] Finkel E J， Kumashiro M， Hannon P A， Rusbult C E. Dealing with Betrayal in Close Relationships： Does Commitment Promote Forgiveness？[J].Journal of Personality and Social Psychology，2002，82（6）：956-974.

[30] 陳斯允，衛(wèi)海英，冉雅璇，等. “重振旗鼓”還是“重蹈覆轍”——新起點思維與品牌危機類型對消費者寬恕的影響[J].南開管理評論，2020，23（4）：49-59.

基金項目：國家自然科學基金項目“面向網(wǎng)絡社群的團購機制創(chuàng)新研究”（項目編號：71662024）；內(nèi)蒙古自然科學基金項目“參照群體影響個體低碳產(chǎn)品購買行為的神經(jīng)機制及預測研究”（項目編號：2023MS07001）；內(nèi)蒙古自然科學基金項目“內(nèi)蒙古城鎮(zhèn)居民綠色消費行為的驅(qū)動機理研究”（項目編號：2023MS07008）。

作者簡介：張鵬，男，博士，內(nèi)蒙古科技大學經(jīng)濟與管理學院副教授，碩士生導師，研究方向為電子商務、人工智能服務；邢秋慧，通訊作者，女，內(nèi)蒙古科技大學經(jīng)濟與管理學院碩士研究生，研究方向人工智能服務；梅蕾，女，內(nèi)蒙古科技大學經(jīng)濟與管理學院教授，碩士生導師，研究方向為服務創(chuàng)新與營銷。

（收稿日期：2024-02-17? 責任編輯：蘇子寵）