人工智能的拟人化特征对用户体验的影响

牟宇鹏 ，丁 刚 ，张 辉

（1.中国矿业大学 管理学院，江苏 徐州，221116；2.湖北工程学院 经济与管理学院，湖北 孝感 432000）

一、引言

随着Web3.0浪潮的到来，全球互联网行业即将迎来又一次大的革新风暴，人工智能正在迈上一个新的台阶，人机对话成为人工智能进一步发展需要突破的重要端口。人工智能是基础互联网应用，使用率仅次于即时通信；拟人化的搜索引擎在手机互联网应用中位列第三，使用率仅低于手机即时通信和手机网络新闻。同时，作为基础互联网应用的人工智能，它的发展也在逐渐加快，从传统的百度、谷歌到新兴的360搜索、搜狗搜索等人工智能，再到以手机助理为角色的百度度秘、Google now、Siri、微软的小娜（Contona），持续的技术创新及人工智能技术不断成熟正在助推人工智能进入一个全新的时代：人工智能拟人化。

人工智能能够提供精准的用户需求信息，而在与用户的互动沟通中，如何提升用户的使用体验是人工智能迫切需要解决的问题。拟人化人工智能成为解决用户体验的重要突破口，人工智能拟人化是未来发展的必然趋势。那么拟人化的人工智能具有哪些特征？这些特征又对用户体验有什么影响？研究这些问题，可以帮助我们更好地找到提升人工智能用户体验的突破口，这将有助于企业有针对性地结合人工智能技术，顺应时代发展的方向，以用户的用户体验为核心设计改善人工智能。

二、理论背景

（一）拟人化

拟人化的内涵与作用这个问题已经被许多早期的研究者所关注到。从他们的研究来看，对于普通用户来说，某些产品能够同人一般拥有意识、灵魂、人格甚至是人际关系，而这种倾向则被以往的研究者们称为“拟人倾向”（Anthropomorphism）[1]。

随着拟人的元素开始被更多的企业加入到品牌或产品中，研究者们开始关注到拟人化所具备的独特优势。在Kim et al.[2]的研究中，研究人员将赌博机作为拟人的载体，从而发现了拟人化能够从一定程度上影响用户对风险的感知，进而影响其一系列的消费行为。根据Epiey et al.[3]关于拟人化机制的讨论，用户因为拟人化感知将一些不了解的对象同人类进行对比，获得更好的感知流畅性，从而在感知层面上得到提升。此外，拟人化在满足用户认知世界需求的基础上也为其提供了社会联系的可能。用户能够从拟人化中获得“伙伴感”以及交流的愉悦感，从而形成品牌或产品和顾客间的情感纽带，强化用户与该品牌之间的关系。对企业而言，通过经营拟人化的品牌或产品，通过与用户进行互动，有助于发展企业和顾客间的信任关系。

拟人化究竟具有哪些特征，传统的平面广告设计再到某些早期的文献，拟人化体现的形式都曾被涉及到，拟人化外表[4]、语言[5]以及情绪等方面都可以促进用户的拟人化感知。心理学的研究发现，个体在认知和判断的过程中，对方是否感知到自身的情绪，并对不同的情绪做出不同的反应，这种共情感知是个体判断拟人化的基础[6]。这种共情感知又可细分为认知共情和情感共情，其中，认知共情是共情的主要组成部分，是指识别他人情绪，理解他人观点的能力；而在理解他人情绪的同时，还必须对他人的情绪感受产生共鸣，即情感共情[7]。针对拟人化的人工智能，除了共情性外，人工智能所表现出的幽默性和不确定性也在用户的拟人化感知中扮演了重要的作用，例如Siri针对用户问答偶尔表现出的调侃或者模棱两可的答案，虽然在精准性上远离了人工智能的初衷，却在一定程度上增强了用户的使用体验。从用户对信息处理的视角，人工智能的共情性特征体现了用户对信息处理的中央路径，幽默性和不确定性则体现了用户对人工智能信息处理的边缘路径[8]。因此，纵观以往的文献，对人工智能拟人化的认知，可以细分为以下四个维度：认知共情、情感共情、幽默性和不确定性。

（二）心理抗拒理论

心理抗拒理论（Psychological Reactance Theory）是指个体相信对自己行为拥有控制权，而当这种控制权受到限制时，个体通常会采取对抗的方式，从而保护自己的自由。这种心理抗拒被美国心理学家布林在其专著《心理感应抗拒理论》中首次提出。他认为，心理抗拒的强度主要是由以下因素所决定的：（1）对自由的期望。个体对自由期望越高，心理抗拒力量也就越大。（2）对自由剥夺的威胁。个体一旦受到威胁，就会产生心理抗拒。（3）自由的重要程度。该项自由对个体越重要，当其被剥夺时，个体产生的心理抗拒也就越大[9]。个体在面临选择时，可能将外界影响视为对自己自由的威胁[9]。因此当用户一旦感知到未来继续与产品之间的互动将会影响到自己自由选择的话，便会引发抗拒心理。

三、研究假设

人工智能的拟人化特征对用户使用体验的影响在于降低了用户的心理抗拒感知，进而提升了用户的使用体验[10]。在本研究中主要以人工智能的拟人化特征：共情性（认知共情、情感共情）、幽默性和不确定性作为自变量，心理抗拒程度作为中介变量，探讨人工智能的拟人化特征对用户使用体验的影响。

（一）人工智能拟人化特征的影响

1.认知共情。所谓的认知共情，即人工智能拥有人类一般的“学习”与“思考”的能力，支撑这一特性的是人工智能强大的后台资源和不断更新交替的用户信息，当用户提出一个问题的时候，人工智能会根据用户的输入信息进行匹配搜索，并输出给用户个性化的搜索结果。

一些学者也提出了可以通过SEO（Search Engine Optimization）和UEO（User Experience Optimization）提升用户体验，这些都是针对传统人工智能提出的改进建议。对于拟人化人工智能，其认知共情特征对用户体验的影响在于拟人化人工智能能够识别用户的情绪，进而改善与用户的互动沟通。

用户对于人工智能的选择最开始大都基于人工智能的后台资源量。比如当用户选择一款人工智能产品时，无论该人工智能产品可视界面的友好程度有多高，还是使用操作有多简易，一旦其后台资源不足以满足用户的需求时，其他的要素也很难影响用户的选择。

拟人化人工智能的认知共情性不仅仅表现在后台资源量大这一方面，更为重要的是具备思考和学习的能力。当用户在不同时期、情境向人工智能抛出同一个问题时，用户往往会得到越来越精确和满意的答案，仿佛是跟着用户共同进步和成长[11]。由此本研究提出假设：

H1：人工智能的认知共情性特征正向影响用户的使用体验。

2.情感共情。所谓情感共情，指的是人工智能能感知用户的情绪，并且通过用户输入的信息或指令判断用户的情绪并给予相应的回复，具有人类相似的感知能力[7]。Kahneman et al.[12]指出，人的决策系统分为理性和感性决策，由于理性决策需要耗费大量的认知资源，感性路径常常成为用户日常生活中的主要决策方式。因此，强化人工智能的情感共情性特征，增加人工智能边缘路径的决策权重，成为提升人工智能用户体验的重要途径[13]。

以Siri为例，Siri不仅仅拥有强大的听说功能，能通过语音交互帮助用户完成一系列任务，更难能可贵的是当用户在搜索一些信息、表达出需求时，Siri能准确地感知用户的情绪，并做出相应的反馈。很多苹果用户在与Siri聊天的过程中会表现出开心或者不开心的情绪，此时Siri就会根据用户的语音输入判断用户的情绪并给出相应的回复，比如向Siri说“我很伤心”时，Siri就会回复“如果我有肩膀肯定借你大哭一场”等类似的回答。这种看似与人工智能极不相关的搜索结果，却形成了用户与人工智能的情感依恋，大大增强了用户的使用体验。因此，提出假设：

H2：人工智能的情感共情性特征正向影响用户的使用体验。

3.幽默性。《心理学大辞典》中将幽默性定义为通过象征、讽喻、双关等修辞手法，揭露生活中的矛盾、乖戾不通情理之处，使人情不自禁发笑的机智言语或行为的现象。幽默被作为人类独特的特征，是一种常用的广告沟通策略，能够吸引注意力，娱乐受众和刺激分享行为等[14]。研究发现，人们更倾向于参与有幽默邀请的社交活动[15]，更愿意分享幽默的内容[16]。幽默能够融合新奇性、复杂性和不一致性，导致一种愉悦唤醒，以此强化用户的态度[17]。

比如，Siri对于用户的提问所给出的回复具有幽默的特征，这是与传统人工智能的最大区别之处。用户不仅可以通过Siri搜索信息和发出手机控制指令，而且可以与Siri闲聊，就像在跟一个真实的人说话一样，并且时不时地还会给用户“讲讲冷笑话”，给予用户类似真实的社交体验。拟人化的人工智能在呈现搜索结果时常常带有幽默的特征，这也给用户带来一定的愉悦感。基于此提出下列假设：

H3：人工智能的幽默性特征正向影响用户的使用体验。

4.不确定性。传统机器语言系统中，搜索结果的精准性是用户评价人工智能最为重要的指标。然而Web2.0乃至Web3.0时代，基于最新语言处理技术的人工智能中，用户使用体验将变成更为重要的评价指标。面对传统人工智能可能出现的无法给出准确搜索结果的情形，基于语音系统的人工智能（Siri）提供了更为多样性的结果。虽然很多时候这些搜索结果有些莫名其妙（例如提问Siri，谁是世界上最漂亮的女人），且很少有完全重复的答案，用户对这样不确定性的答复却形成了强烈的好奇心。另一方面，用户因为不确定性而引发的高卷入度也有助于降低用户对人工智能的心理抗拒。尤其是面对一些看似怪异的搜索请求，相对于传统机器语言系统，拟人化的人工智能无疑具有更为强大的处理技巧，因此，提出假设：

H4：拟人化人工智能的不确定性特征正向影响用户的使用体验。

（二）心理抗拒的中介作用

目前人工智能主要的赢利模式仍然需要借助相应的使用平台，例如Siri等搜索引擎，这些搜索引擎通过付费广告和竞价排名获取一定的费用。如何在不影响用户评价的基础上，实现人工智能的赢利，不仅仅是传统机器语言系统，也是拟人化人工智能需要关注的问题。

不论是传统机器语言还是基于最新语言处理技术的拟人化人工智能，为用户提供精准的信息都是用户评价人工智能的重要标准。研究发现，因为付费广告和竞价排名而造成的人工智能搜索结果个性化偏差甚至谬误会影响用户对搜索自由的感知，这会大大降低用户的搜索体验。因此，用户对人工智能商业性动机的心理抗拒是影响用户体验的关键机制，用户的心理抗拒程度直接作用于用户的使用体验。

基于心理抗拒的研究也发现，用户的心理抗拒程度越高，用户人工智能的使用体验也会越差。而拟人化人工智能的共情性、幽默性和不确定性，不论从信息处理的中央路径视角，还是边缘路径视角，都拉近了人工智能与用户的心理距离，大大降低了用户使用人工智能的心理抗拒程度，进而提升了用户的用户体验。因此，提出以下假设：

H5：用户的心理抗拒程度在人工智能拟人化特征对用户体验的影响中起中介作用。

四、研究方法

（一）变量定义与测量

研究设计中所涉及到的变量包括：拟人化人工智能的认知共情、情感共情、幽默性、不确定性、用户心理抗拒程度和用户体验。本文利用国内外研究成熟量表，采用五级李克特量表对变量进行测量。先通过预调研测试问卷，然后再修改形成最终问卷。

对拟人化人工智能认知共情性的测量，Moreale et al.[17]以Siri为例，Siri起源于史上最大的人工智能项目：CALO（Cognitive Assistant that Learns and Organizes）项目，旨在研究能够学习和组织的认知助理，CALO很早之前就开始探索如何把“对话、自然语言理解、视觉、演说、机器学习、制定计划、理性思考、服务代表全部融合到一个模仿人类的助理中，帮助人们完成不同的事情。”本文在研究变量中，测量拟人化人工智能的认知共情特征分为以下四个方面：全面的（comprehensive）、可更新的（renewable）、准确的（accuracy）、补充的（complementary）。

对拟人化人工智能情感共情的测量，本文将拟人化人工智能的情感共情定义为拥有听说读写全面功能并且能感知用户地理位置及情绪的特性。拟人化人工智能的情感共情特性主要涉及：功能全面（Fully functional）、感知重点（Perception on）、感知位置（Location aware）、感知情绪（Perception of emotions）[3]。

对拟人化人工智能幽默性的测量，拟人化人工智能的幽默性是指，对于用户的提问，人工智能所给出的回复具有幽默、引人发笑的特征，这是与传统人工智能的最大区别之一。用户不仅可以通过拟人化人工智能搜索信息和发出控制指令，而且可以与人工智能通过语音交互“聊天”，在此过程中用户可以享受类似真实的社交体验。本文根据Chattopadhyay et al.[18]提出的“回答机智、有趣、引人发笑、不感到厌烦”来测量幽默性。

对拟人化人工智能不确定性特征的测量，本文主要结合Tversky et al.[13]对不确定性的描述，通过以下三个方面进行测量：“非重复性、多样性、随意性”。

对用户心理抗拒程度的测量，本文结合谢志鹏等指出的心理抗拒理论包含着两个主要的要素：被劝说的程度和自由选择的程度，并据此来测量用户的心理抗拒程度[11]。

对用户体验的测量，根据Keller et al.[19]的研究，可以从以下四个方面进行测量：心境体验（peace of mind）、真实感（moments of truth）、结果体验（outcome focus）和产品体验（product experience）。

（二）问卷设计与问卷收集

本调查问卷主要包括三部分：第一部分前言和人工智能拟人化的说明。第二部分首先对用户是否使用过拟人化人工智能（如Siri或者其他）进行区别，在本研究中只针对曾经使用过拟人化人工智能（如Siri或者其他）人群进行分析，接下来就是对自变量人工智能的认知共情、情感共情、人工智能的幽默性、人工智能的不确定性，用户使用感受（心理抗拒和用户体验）等进行测量，了解用户对拟人化人工智能的相应看法。第三部分主要是对用户基本信息的收集，包括年龄、职业、用户的收入水平、学历等，以便对研究的人群进行区分。

本研究主要是探讨人工智能的拟人化特征对用户体验的影响，因此我们在问卷数据收集中针对的主要人群为有过传统机器语言系统使用经历，并且使用过拟人化人工智能的用户（如Siri或者其他）。本文主要采用线上和线下发放问卷。

（三）描述性统计分析

本文通过网络调查和直接调查得到了249份调查问卷数据。调查显示，其中215人使用过拟人化人工智能，如苹果手机助理Siri、百度度秘、微软小冰、小娜、小Hi等，占据总样本的86.5%。在调查样本中，男性占了46.7%，女性调查者占了53.3%。在年龄层面上，主要集中在20～25岁的大学生。具体样本信息见表1。

（四）数据的信度和效度检验

表1 样本人口统计信息（N=215）

对于调查数据信效度检验，这里主要采用Cronbach's Alpha系数法，对于调查问卷总体，Cronbach's Alpha系数为0.804 2，说明调查问卷有较好的信度。从各个潜变量的Cronbach's Alpha系数来看，认知共情、情感共情、幽默性、不确定性以及心理抗拒程度和用户体验的系数均大于0.8，说明这些潜变量的信度符合要求。本文采用Bartlett球体检验和KMO样本测度来对数据效度进行检验，样本数据KMO系数为0.859。在内容效度方面，问卷中所涉及的问项都来源于已有的文献，并且已经被引用多次。为保证该问项的科学性和准确性，由三名学科内专家及两名此领域的博士生对该问项进行一系列的论证、修订。在结构效度方面，同时分析了量表的聚合效度以及区分效度。聚合效度方面，AMOS22.0验证性因子分析结果显示，所有指标的路径系数都大于0.6，且远超过0.4的平均水平，这表明测量量项的聚合效度符合本研究的要求。在区分效度的验证方面，本研究运用SPSS22.0进行计算，其结果显示见表2。各变量的相关系数在0.04到0.51之间，变量与变量之间具有显著的差别，该区分效度达到要求。总体看来，本次研究问卷数据的信效度较好。

（五）验证型因子分析

本文通过AMOS 22.0对各变量拟合度进行检验，检验结果如表3所示，由表3可知，本模型各项拟合指数均达到了可以接受的水平，模型与数据拟合程度较高。

此外，结构方程模型的路径系数和相对应的临界比CR如表4所示。一般认为，在结构方程模型中，路径的CR值大于1.96，p＜0.05，说明该路径系数具有统计显著性。接下来，对中介变量进行验证性因子分析，测量模型及拟合结果分别如表4所示。

测量模型的拟合结果表明，χ2/df为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 的值为 0.028，小于 0.05，各路径系数均在p＜0.001的水平上具有统计显著性。可见，该模型拟合效果非常好，表4所示的因子结构通过了验证，即本研究对感知自由程度和心理抗拒程度的测度是有效的，H1、H2、H3、H4通过检验。

表2 各变量的均值、方差及Pearson相关系数

表3 结构方程模型拟合度指标（N=215）

表4 修正后结构方程拟合结果（N=215）

（六）模型中介效应检验

为检验心里抗拒的中介作用。以用户体验作为因变量，人工智能的拟人化特征为自变量，根据结构方程模型拟合结果，χ2/df为1.011，小于2，AGFI为0.973，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA 的值为 0.033，R2=0.691 2，认知共情、情感共情、幽默性与不确定性与用户体验的路径系数为 β1=0.404，β2=0.212，β3=0.537，β4=0.146，p＜0.001。加入中介变量用户的心理抗拒程度后再次拟合，结果显示，χ2/df为 1.277，小于 2，AGFI为 0.962，GFI、CFI、IFI、NFI和 TLI都大于 0.9，且接近于 l，RMSEA的值为0.028，R2=0.842 1，拟合优度得到显著提升。认知共情、情感共情、幽默性、不确定性与心理抗拒的路径系数为 β1=-0.596，β2=-0.681，β3=-0.687，β4=-0.107，p＜0.001，心理抗拒与用户体验的路径系数为β5=-0.234，p＜0.001。说明加入变量心理抗拒后，模型拟合优度提升，同时用户的心理抗拒程度在人工智能拟人化特征对用户体验的影响中起到中介作用。

五、结论与启示

（一）结论

随着人工智能技术的不断完善，具有拟人化特征的人工智能逐渐受到用户的关注并接受。在保证人工智能精准性特征的基础上，如何提高人工智能的用户体验成为人工智能急需解决的难题。让人工智能“活起来”，具备拟人化特征成为解决上述问题的重要通道。本研究以人工智能技术为背景，探讨了人工智能的拟人化特征对用户使用体验的影响。研究发现，人工智能的拟人化特征可以分为以下四个方面：认知共情、情感共情、幽默性和不确定性，人工智能的拟人化特性有效弱化了用户对人工智能商业动机的怀疑，进而降低了用户对搜索信息结果的心理抗拒程度，有效提升了用户的使用体验。本文的理论贡献包括以下两个方面：

首先，本研究揭示了人工智能拟人化特征的构成维度。产品、品牌的拟人化研究近年来逐渐受到研究人员的关注，然而当前拟人化特征的研究多聚焦于产品、品牌的外观设计，图形设计或者具体沟通内容，但是都缺乏对拟人化特征具体维度的挖掘。本文以人工智能为研究对象，从信息处理的视角将人工智能的拟人化特征分为中央路径和边缘路径。针对中央路径，又进一步细化为认知共情和情感共情；针对边缘路径，细化为幽默性和不确定性。这种对人工智能拟人化特征的细化，不仅在理论层面丰富了拟人化的研究内涵，同时也为企业完善人工智能的拟人化沟通提供了一定的启示。

其次，本研究揭示了拟人化人工智能对用户使用体验影响的内在机制。付费广告和竞价排名为主要赢利模式的传统机器语言系统往往难以解决用户对人工智能商业动机的怀疑，对人工智能商业动机的抵触情绪会大大降低用户的使用体验。本研究从心理抗拒的视角探讨了人工智能的拟人化特性对用户体验的影响，实证研究发现，用户的心理抗拒程度影响了用户使用人工智能过程中的感知自由，进而影响了用户的使用体验，强化人工智能的拟人化特征成为解决上述问题的重要突破口。这也为企业改善人工智能的拟人化特征提供了重要的理论依据。

（二）启示

随着飞速发展的工业制造潮流，人机对话成为人工智能进一步发展需要突破的重要端口。体验经济时代，只有以用户体验为核心，客户满意为导向发展企业的产品和服务，才能在未来的发展潮流中走得更高更远。

对于中国的互联网行业来说，第四次工业革命必将成为国内经济发展的一次重大机遇。而面对日新月异的互联网应用，创新服务是根本。以人工智能产品为例，传统的人工智能已经满足不了用户对于个性的追求和用户体验层面的需求，企业应加入更多的人性化因素，将产品向拟人化方向引导，贴切服务用户的日常生活，改善用户体验，获得更多的用户的好感，以此来提高产品的市场占有率。

对于在移动互联网下成长的九零后、零零后的人群，社交网络的不断深入给移动互联网相关产品的企业和团队提出了更高的要求。开发团队要有满足用户需求的思维，做好用户的助手与管家服务，能够了解他们的需要、兴趣、偏好，并能够根据用户需求精确定制产品与服务，解决用户使用中产生的需求。拟人化人工智能与传统人工智能最大的区别就在于能进行除了基本搜索以外的更多操作和使用，人机交互模式的创新是其最大突破之一。拟人化人工智能要进一步提升用户体验，需要不断加强人工智能的认知共情和情感共情，同时适当提高人工智能人机互动中的幽默性和不确定性。