AI与人工在线服务补救对满意度的影响机制研究

张鹏 邢秋慧 梅蕾

[摘要]高质量的服务补救可以提升消费者宽恕意愿，最大程度降低服务失误的负面影响，使得客户满意度和忠诚度长期保持在较高水平。因此，服务补救是学界与业界一直关注的重要课题。近年来，随着人工智能（AI）被越来越多地应用于服务补救工作，企业在确定了服务补救策略后面临一个重要抉择：AI机器人与人类员工，谁参与服务补救效果更好？围绕这个新的课题，基于期望差距理论与感知公平理论，构建了服务主体与服务补救策略的交互作用对消费者补救后满意度的影响机制模型，通过两项实验证实提出的研究假设。实验结果表明：（1）采用象征性补救策略时，由人类员工提供服务能够触发个体的互动公平感知，使得消费者的宽恕意愿更强，补救后满意度更高；（2）采用功利性补救策略时，由AI机器人提供的服务能够触发个体分配公平感知，消费者的宽恕意愿更强，补救后满意度更高。研究结果丰富期望差距与感知公平的理论研究，同时为企业制定合理的服务补救方案提供指导性的实践建议。

[关键词]AI机器人；补救策略；感知公平；消费者宽恕；补救后满意度

一、 引言

在客户服务领域，以AI聊天机器人为载体的AI客服正逐渐替代部分人工客服为顾客提供服务。由于服务环境的复杂性和消费者需求的异质性，服务失误现象不可避免。为此，服务失误后的服务补救显得尤为重要。服务补救是纠正服务提供过程中的缺陷并将服务失误转化为有利结果所需的努力[1]。在服务失误发生后，企业如何最大限度降低负面影响、最大程度上获得消费者宽恕是企业服务补救的关键[2]。先前的研究集中于人类是服务补救的主要提供者[3]。然而，今天的服务交付系统为AI驱动的机器人参与服务补救提供了机会。我们已经在多行业看到AI智能客服在服务补救中的身影，如飞猪旅行、滴滴出行等使用全天候聊天机器人在其应用程序中处理客户投诉。酒店业也开始利用AI的及时性和响应性等特点，逐渐将AI机器人整合到服务中，处理服务问题并提供服务补救[4]。

学术界关于AI智能服务在服务补救中的研究仍处于起步阶段。对不同的服务补救策略（How）匹配不同的服务补救主体（Who）会对消费者宽恕意愿和补救后满意度产生怎样的影响，学界尚不清楚。本文基于期望差距理论与感知公平理论，构建不同服务补救策略（象征性补救vs.功利性补救）与不同服务主体（人类员工vs.AI机器人）之间的交互作用对消费者补救后满意度的影响机制模型，采用2×2组间实验设计，利用Credamo平台开展两项实验，证实不同的服务主体执行不同的服务补救策略对消费者的补救后满意度会产生不同的影响。与AI机器人相比，人类员工在以“赔礼”为补救策略的在线服务补救过程中能更好地理解消费者情感方面的诉求，在与消费者互动过程中表现出更加真诚的态度与同情心，使其感知更高互动公平程度，宽恕意愿更强，满意度更高；与人类员工相比，AI机器人在以“赔钱”为补救策略的在线服务补救过程中能够保持服务水平不受情绪、疲劳或消费者个人特征的各方面影响，进行无差异化补偿，触发了消费者的感知分配公平，宽恕意愿更强，进而满意度更高。本文的结论不仅能够拓展期望差距与感知公平的理论研究，而且还能够为企业从根本上提升服务补救效果和效率提供理论依据以及合理的解决方案。

二、 文献回顾与研究假设

1. 服务补救策略与服务主体

服务补救最初指的是商家处理服务失败后的顾客投诉，随着研究的深入和消费形式的多样化，服务补救策略的划分逐渐多样化。关于补救策略的划分主要集中在两个方面：一种是象征性补救策略（社会交易的感性维度，主要包括解释原因、诚恳道歉、共情回复等），侧重于服务失误发生后企业向消费者和社会公众表达歉意和同情，安抚顾客情绪，并对消费者作出承诺以恢复企业形象，挽留顾客。如黄珍等[5]在直播带货的情境中指出真挚的道歉可以有效提升服务补救效果。另一种是功利性补救策略（社会交易的经济性维度，其主要形式有赔偿、赠送优惠券和打折等），侧重于在服务失误发生后企业向消费者作出经济补偿。如方淑杰等[6]认为在某些服务失败的情境下，功利性补救比象征性补救的效果更好，补救后顾客的态度和行为更积极。综上所述，本文沿用学术界对于服务补救策略的分类，将其分为功利性补救和象征性补救。

根据服务失误的性质判断确定了应该采取的服务补救策略后，选择由哪一类服务主体来执行服务补救策略是管理者要面对的同等重要的问题。学术界关于服务主体的研究大多集中在人工服务视角，即在服务失误发生后人类员工采取补救措施的有效性分析[7]。虽然有文献对服务补救中的AI客服与人工客服的补救效果进行了对比，但并未得出一致的结论[8]。一方面，有研究认为人类员工富有情感从而带给顾客更多的真诚温暖、共情以及个性化等积极感知[9]；另一方面，也有学者通过实证研究证实AI机器人提供的服务补救能够提升消费者对其产生的功能价值感知、降低隐私风险感知，因而比人类员工的服务补救效果更好[10]。经过对相关文献的梳理和分析，我们认为在不同的服务补救策略下，服务主体的选择不同，也会对消费者的补救满意度产生不同的影响。

2. 服务补救策略与服务主体的交互作用对消费者补救后满意度的影响

根据期望差距理论的内涵，当顾客感知服务水平与预期水平存在负向差距，就会发生服务失败[11]。此时，企业就会采取及时有效的补救措施减小该差距，即本文中所讨论的服务补救策略能够弥补由服务失误带来的负面影响，使顾客在补救后感到满意。

当服务失误情况发生时，企业首先会采取相应的服务补救措施来弥补消费者在接受服务过程中产生的负面影响，使顾客产生宽恕的情绪，以应对顾客在服务失误情况下遭遇的不平衡[12]。此时，企业通常会采取两种补救策略：象征性补救策略和功利性补救策略。

在确定了服务补救策略后，由谁来执行既定的服务补救策略效果更好是企业面临的又一重要问题。企业当前有两种选择：人类员工与AI机器人。选择标准取决于消费者对AI机器人或人类员工在服务补救能力特征上的主观看法[13]。由人工来执行象征性补救策略，消费者可以进行社会互动与情感交流，情感层面的需求得到了满足，从而能够在很大程度上缓解消费者因遭受服务失误而产生的负面情绪[14]。AI千篇一律的道歉或回复，被消费者认为是缺乏诚意的，无法起到安抚消费者情绪的效果。与此相反，功利性补救策略涉及经济补偿，消费者普遍认为AI能够准确快速处理纷繁复杂的信息，并且能够严格按照既定程序与规则完成补救服务，不受人为因素干扰，可以更精确和便捷地获得相应的补偿。AI机器客服的身份披露可以在一定程度上降低消费者的预期[15]，因此， AI机器人提供的功利性补救能够使得消费者的补救后满意度更高。

综上所述，本文提出如下假设：

H1：服务主体与补救策略的交互作用对顾客的补救后满意度产生影响。

H1a：与AI机器人相比，人类员工执行象征性服务补救策略时消费者的满意度更高。

H1b：与人类员工相比，AI机器人执行功利性服务补救策略时消费者的满意度更高。

3. 感知公平和消费者宽恕的链式中介作用

感知公平理论来自社会心理学研究领域，后被引入服务补救领域的研究。感知公平包括感知分配公平与感知互动公平[16]。在服务补救研究领域，感知分配公平是指在服务失误发生后，消费者将自身损失与所获补偿的比值与他人进行比较，对比较结果是否公平的一种主观感知[17]。互动公平是指在服务补救过程中通过社会互动与情感交流，消费者会感知到被理解尊重以及与企业组织沟通交流的平等性。感知公平理论认为消费者在服务补救过程中的公平感知得到满足，能够有效降低甚至消除消费者因为服务失误而产生的不满情绪，甚至产生积极的态度和行为，如消费者宽恕[18]。公平与宽恕的关系已经在心理学领域得到广泛论证。心理学家认为宽恕离不开人们对公平感知的评价和对公平加工脑区的激活[19]。消费者内心重新达到平衡的过程中，其消极情绪得以释放，正面情绪得以增强。宽恕的双重作用使得企业的补救行为能够促使消费者补救后满意[20]。

在利益分配方面，AI客服能够充分发挥在纷繁复杂的信息中客观准确地制定出合理公正的经济补偿方案的优势，消费者普遍认为AI机器人不会受社会地位、关系纽带以及人情世故等因素的影响，会严格按照既定程序与规则不偏不倚地完成无差异化功利性补救服务[21]。在这样认知的影响下，消费者普遍相信AI机器人比人类员工更好地做到分配公平[22]。对于象征性补救策略，比如向顾客解释原因、诚恳道歉、共情回复等，如果采用人工服务，可以增强人与人之间的社会互动与情感交流，消费者会感知到被理解尊重和交流平等，情感需求得到了满足，从而能够触发个体的互动公平感知。AI千篇一律程序化的道歉或回复，在消费者心中是冰冷的例行公事、缺乏诚意与理解，无法起到安抚消费者情绪的效果[23]。Ma等[20]进一步证实了宽恕在补救类型与补救后满意度之间的中介效应。

综上所述，本文将感知公平和消费者宽恕作为理论模型中的链式中介变量进行讨论并提出如下假设：

H2：感知公平和消费者宽恕在服务主体与补救策略的交互作用对补救后满意度的影响中起到链式中介作用。

H2a：与AI机器人相比，人类员工执行象征性服务补救策略，使消费者感知到更高程度的互动公平，消费者宽恕意愿更强，进而满意度更高。

H2b：与人类员工相比，AI机器人执行功利性服务补救策略，使消费者感知到更高程度的分配公平，消费者宽恕意愿更强，进而满意度更高。

综上所述，本文的理论模型如图1所示。

三、 研究设计与数据分析

1. 主效应检验

（1）实验设计

为考察不同服务补救策略（象征性补救vs功利性补救）与不同服务主体（人类员工vs AI机器人）的交互作用对消费者补救后满意度的影响，实验1采用2×2组间实验设计，通过Credamo平台招募被试240人（已剔除无效样本20份），平均随机分配到4个实验组，样本描述性统计如表1所示。其中21～40岁参与者占85.42%，本科及以上学历占88.75%，月收入水平在2000～10000元占比80.42%，基本属于当前消费的主力人群。

参与者首先被要求回答两项筛选问题（1.您在网络购物中是否遭遇过服务失误的情况？2.您在之前的网络购物体验中是否使用或接触过AI机器人提供的服务？），以确保其有服务失误、AI服务方面的经历。接着让参与者阅读一段材料（材料以文字+聊天截图的方式呈现）。服务补救情景实验材料内容描述如表2所示，最后让参与者完成操纵检验和消费者宽恕意愿的量表。

（2）变量的测量

补救后满意的测量量表改编自Holloway等[24]和 Boshoff等[25]研究量表，包含4个题项：“我认为该商家采取的服务补救措施很好”“我对该商家处理服务失误的方式很满意”“我对服务补救提供者的补救服务很满意”和“我对服务补救提供者提供的服务补救结果很满意”。变量测量所使用的量表均为Likert7点量表，参与者须对每个测试项目从1（非常不同意）到7（非常同意）进行打分。该量表的Cronbachs α值为0.896。

此外，被试还阅读并完成了服务补救策略与服务主体操纵检验的测量，题项为“您认为当前的补救策略更倾向？”（1=象征性补救、7=功利性补救）“您接受的服务主体更倾向？”（1=AI机器人，7=人类员工）。为了检验实验情境的外部效度，还测量了被试对于该实验情境的真实性评价，题项为“您认为这个服务失误发生后的服务补救情景和现实相符程度有多大？”（1=非常不符合、7=非常符合）。

（3）实验结果与分析

①操纵检验

由独立样本T检验可知，在象征性和功利性补救策略下，消费者感知的服务补救策略存在显著差异（M象征性补救=2.28，SD=1.20，M功利性补救=5.60，SD=0.83，t=-24.994，p＜0.001），服务补救策略的操纵取得了成功。对服务主体进行独立样本T检验，结果显示：MAI机器人=2.03，SD=0.86，M人类员工=5.92，SD=0.87，t=-35.045，p＜0.001），服务主体的操纵取得了成功。此外，本文还对被试感知的情境真实性进行检验，结果表明，被试认为实验情境比较符合现实生活的在线服务补救情况（M情景真实性=5.625>4，t=12.456，p<0.001），这说明本文的实验结果具有较高的外部效度。

②假设检验

本文研究服务补救策略与服务主体的交互作用对补救后满意度的影响，采用双因素方差分析，结果如表3所示。服务补救策略和服务主体对补救后满意度具有显著的交互作用，假设H1得到验证。

以消费者补救后满意度为因变量，两者的交互作用对补救后满意度的影响如图2所示。在象征性服务补救策略下，与人类员工相比，消费者对AI机器人服务补救后的满意度更低，MAI机器人= 4.467＜M人类员工=5.337，F（1，118）=20.112，p＜0.001；而在功利性服务补救策略下，消费者对AI机器人服务补救后的满意度却更高，MAI机器人= 5.442＞M人类员工=4.954，F（1，118）=12.389，p＜0.001。据此，假设H1a、H1b得到验证。

资料来源：作者绘制

2. 链式中介效应检验

（1）实验设计

为考察感知公平和消费者宽恕在不同服务补救策略（象征性补救vs功利性补救）与不同服务主体（人类员工vs AI机器人）对消费者补救后满意度的影响，实验2采用2×2组间实验设计，通过Credamo平台招募被试320人（已剔除无效样本28份），平均随机分配到4个实验组，样本描述性统计如表4所示。其中21～40岁参与者占86.56%，本科及以上学历占86.88%，月收入水平在2000～10000元占比79.06%，基本属于当前消费的主力人群。

参与者首先被要求回答两项筛选问题同实验1，在此基础上更换实验材料，将具体的“网购延期发货问题”更换为“外卖超时配送问题”。最后让参与者完成操纵检验、感知分配公平、感知互动公平、消费者宽恕意愿以及补救后满意度量表。

（2）变量的测量

补救后满意度的测量量表同实验1。感知分配公平改编自Blodgett等[26]、Smith等[27]量表中的4个题项：“我获得的补偿是可以接受的”“客服采取的补偿措施是合理的（无偏见的）”“就与我有相同遭遇的他人而言，该人工（AI）客服给予的补偿结果是公平的”“以我的经验来看，我本次得到的补偿跟他人相比是公平的”。该量表的Cronbachs α值为0.926。感知互动公平改编自Smith等[27]、Río-lanza等[28]量表中的4个题项：“我得到了应有的尊重”“该客服的道歉是诚恳的”“客服给予了我合理的解释”“客服能够努力解决我所遇到的问题”。以上变量测量所使用的量表均为Likert7点量表，被试须对每个测试项目从1（非常不同意）到7（非常同意）进行打分。该量表的Cronbachs α值为0.888。消费者宽恕意愿的测量采用Finkel[29]开发，并经国内学者陈斯允等[30]翻译并改编，证实在中国情境下有良好信效度的量表，包含4个题项：“我能理解该商家的失误”“我能原谅该商家的失误”“我能宽恕此次该商家的失误”“以后我仍然愿意来该店购物”。以上变量测量所使用的量表均为Likert7点量表，被试须对每个测试项目从1（非常不同意）到7（非常同意）进行打分。该量表的Cronbachs α值为0.874。此外，参与者还阅读并完成了服务补救策略操纵检验的测量，测量方式同实验1。

（3）实验结果与分析

①操纵检验

对服务补救策略进行独立样本T检验结果显示：M象征性补救=2.31，SD=0.98，M功利性补救=5.66，SD=1.04，t=-29.517，p＜0.001，服务补救策略的操纵取得了成功。对服务主体进行独立样本T检验，结果显示：MAI机器人=2.04，SD=0.80，M人类员工=5.79，SD=0.89，t=-39.507，p＜0.001，服务主体的操纵取得了成功。此外，本文还对被试感知的情境真实性进行检验，结果表明，参与者认为实验情境比较符合现实生活的在线服务补救情况（M情景真实性=5.443>4，t=14.932，p<0.001），这说明本研究的实验结果具有较高的外部效度。

②交互效应检验

本文以补救后满意度为因变量，进行双因素方差分析，服务补救策略与服务主体之间的交互作用显著（F（1，316）=32.469，p<0.001），H1再次得到验证。

③链式中介效应检验

a.在象征性补救策略下，进行独立样本T检验，验证服务补救策略对感知互动公平的影响，如表5所示。

通过独立样本T检验可知，相较于AI机器人，人类员工执行象征性服务补救策略使顾客感知到的互动公平程度更高（MAI机器人感知互动公平=4.481＜M人类员工感知互动公平=5.450，t=-4.327，p＜0.001）。

在功利性补救策略下，首先进行独立样本T检验，验证服务补救策略对感知互动公平的影响，如表6所示。

通过独立样本T检验可知，在功利性服务补救策略下（MAI机器人感知互动公平=5.213＞M人类员工感知互动公平=4.941，t=1.592，p＞0.001），服务主体的选择对消费者感知互动公平的影响不显著。

其次，采用回归分析验证感知互动公平和消费者宽恕之间的关系与消费者宽恕和补救后满意度的关系，结果表明：感知互动公平显著正向影响消费者宽恕意愿（β=0.797，t=23.507，p＜0.001，95%CI=[0.661，0.782]），消费者宽恕显著正向影响补救后满意度（β=0.876，t=32.419，p＜0.001，95%CI=[0.645，0.729]）。

最后采用Bootstrap检验感知互动公平和消费者宽恕在服务补救策略与服务主体对补救后满意度的中介效应（通过Process插件，Model 85，采用5000次重复抽样）。以服务补救策略（象征性补救策略为0，功利性补救策略为1）为自变量，服务主体（AI机器人为0，人类员工为1）为调节变量，补救后满意度为因变量，感知互动公平和消费者宽恕为中介变量进行分析。在95%置信度情况下，服务补救策略与服务主体对补救后满意度的作用路径及置信区间结果如表7所示，其中置信区间均不包含0。据此，假设H2a成立。

b.在象征性补救策略下，进行独立样本T检验，验证服务补救策略对感知分配公平的影响，如表8所示。

通过独立样本T检验可知，在象征性补救策略下（MAI机器人感知分配公平=3.822＜M人类员工感知分配公平=4.169，t=-1.846，p＞0.001），服务主体的选择对消费者感知分配公平的影响不显著。

在功利性补救策略下，首先通过独立样本T检验，验证服务补救策略对感知分配公平的影响，如表9所示。

通过独立样本T检验可知，相较于人类员工，AI机器人执行功利性服务补救策略使消费者感知分配公平程度更高（MAI机器人感知分配公平=5.809＞M人类员工感知分配公平=5.422，t=3.768，p＜0.001）。

其次，采用回归分析验证感知分配公平和消费者宽恕之间的关系与消费者宽恕和补救后满意度的关系，结果表明：感知互动公平显著正向影响消费者宽恕意愿（β=0.731，t=19.127，p＜0.001，95%CI=[0.688，0.846]），消费者宽恕显著正向影响补救后满意度（β=0.655，t=15.468，p＜0.001，95%CI=[0.470，0.607]）。

最后采用Bootstrap检验感知分配公平和消费者宽恕在服务补救策略与服务主体对补救后满意度的中介效应（通过Process插件，Model 85，采用5000次重复抽样）。以服务补救策略（象征性补救策略为0，功利性补救策略为1）为自变量，服务主体（AI机器人为0，人类员工为1）为调节变量，补救后满意度为因变量，感知分配公平和消费者宽恕为中介变量进行分析。在95%置信度下，服务补救策略与服务主体对补救后满意度的作用路径及置信区间结果如表10所示，其中置信区间均不包含0。据此，假设H2b成立。

四、 结论、启示和展望

1. 结论讨论

本文基于期望差距理论与感知公平理论，构建了服务主体与服务补救策略的交互作用对消费者补救后满意度的影响机制模型，通过两项实验证实了本文的研究假设，实验结果揭示了影响消费者补救后满意度的两种不同路径机制。

针对象征性补救策略，比如向顾客解释原因、诚恳道歉、共情回复等，如果采用人类员工提供服务，可以增强人与人之间的社会互动与情感交流，消费者会感知到被理解尊重和交流平等，情感层面的需求得到了满足，从而能够触发个体的互动公平感知，在很大程度上缓解了消费者因遭受服务失误而产生的负面情绪，补救后满意度更高。AI机器人千篇一律程序化的道歉或回复，在消费者心目中是冰冷的例行公事、缺乏诚意与理解，无法起到安抚消费者情绪的效果。

针对功利性补救策略，比如商品打折、优惠券、发放红包等，涉及经济补偿，消费者往往不会特别关注互动公平，而是更加关注分配公平与快速处理。在利益分配方面，消费者普遍认为AI机器人不具有人类的偏见与所谓的“灵活性”，不会受人为因素干扰而降低服务质量或与消费者讨价还价，会严格按照补偿标准与流程对消费者进行合理的补偿。因此，在功利性补救策略下，AI机器人的无差异化程序触发了消费者分配公平感知，补救后满意度更高。

2. 理论贡献

首先，本研究证实了不同的服务主体执行不同的服务补救策略对消费者的补救后满意度会产生不同的影响。以往的研究未将两者的交互作用纳入统一理论框架进行考察，因此长期以来一直无法解释为什么AI或人工在执行不同的服务补救策略时，会导致消费者截然不同的补救后满意度。本文的理论框架则有力地解释了近年来越来越多的AI机器人参与服务补救所衍生出的新问题，从而完善了相关理论。

其次，本研究揭示了感知公平和消费者宽恕在服务补救机制中所扮演的重要链式中介角色。服务补救策略与服务主体的交互作用触发了消费者不同的公平感知，从而通过不同的路径（象征性补救—人工—感知互动公平，功利性补救—AI—感知分配公平）提高了消费者宽恕意愿，丰富了感知公平理论。

最后，本研究对于AI 机器人未来能否完全取代人类员工参与服务补救这个重要命题提出了自己的理论见解。AI机器人与人类员工在服务补救领域都有着自身的优势与劣势，在不同的服务应用场景中，优劣势之间还可以相互转化（如本研究发现随机应变的灵活性会触发互动公平感知但同时却会抑制分配公平感知），因此，未来的服务补救还是要根据不同的服务补救策略来匹配AI机器人与人类员工各自的特点和优势，从而提高服务补救后消费者满意度。

3. 管理启示

第一，企业在选择采用服务补救策略时，不能单纯为了追求时髦或降低成本，将服务补救这项重要的工作简单地全部交由AI机器人来承担，而是应该根据要采取的服务补救策略来选择合适的服务主体（AI 机器人或人类员工），这才能够确保实现不同补救策略所要达成的目标，提高消费者宽恕意愿和补救后满意度，从而最大化地降低服务失败给企业带来的品牌声誉以及品牌忠诚度的负面影响。如企业因没能为消费者带来良好的消费体验而需要赔礼道歉时，应该采用人类员工来增强人与人之间的社会互动与情感交流，消费者会感知到被理解尊重和交流平等，情感层面的需求得到了满足，在很大程度上缓解了消费者因遭受服务失误而产生的负面情绪，补救后满意度更高；若企业选择赔钱来挽留顾客弥补自身的失误时，消费者普遍认为AI机器人不会受社会地位、关系纽带以及人情世故等因素的影响，会严格按照既定程序与规则不偏不倚地完成功利性补救服务。因此在功利性补救策略下，采用AI机器人提供服务能够更好地提升消费者宽恕意愿，进而有效提高服务补救后消费者满意度。

第二，企业应当注重顾客在服务补救过程中的感知公平。消费者在服务补救过程中感受到公平后，企业的服务补救策略才会真正扭转消费者的不满情绪而产生更加积极的意愿与行为。因此，企业在采用象征性服务补救策略时，要尽量避免AI机器人千篇一律的语调与程序套话，应该充分发挥人类员工的同理心与沟通优势，根据消费者具体的投诉内容与不满情绪，运用相应的心理学知识与语言艺术，采取有针对性的安抚措施，让消费者感知到人与人之间的平等交流、真诚以及被尊重，从而触发消费者的感知互动公平。企业在采用功利性补救策略时，应该充分发挥AI机器人在纷繁复杂的信息中客观准确地制定出合理公正的经济补偿方案的优势，减少人为因素的干扰，让消费者感知到分配公平。通过触发不同情境下消费者所需要的公平感知，有效提高消费者的宽恕意愿与服务补救后的满意度。

4. 本研究的局限以及未来展望

首先，象征性服务补救策略可以细化为道歉、解释原因、共情回复等，功利性服务补救策略可以细化为打折、优惠券、红包等，具体补救方案的差异与服务主体的交互可能导致不同的影响机制，未来研究可以进一步勾画更加细致的影响路径，为企业决策提供更有力的指导。其次，服务失败类型对服务补救效果也会产生不同程度的影响，因此，未来还可以考虑将服务补救策略、服务主体与服务失败类型纳入统一的理论框架进行更加深入的研究。

参考文献：

[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，魏闯.心理契约视角下在线购物预防性服务补救对消费者宽恕的影响[J].管理工程学报，2023，37（6）：201-211.

[3] 郭晓姝，张焱，徐健.道歉承诺类管理反馈策略对顾客二次满意度的影响——基于顾客多样情绪调节效应[J].中国管理科学，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] 黄珍，张宣，于海航.直播带货情境下服务补救对重购意愿的影响研究——感知真诚和补救后满意的链式中介作用[J].商业经济研究，2022，838（3）：109-112.

[6] 方淑杰，黎耀奇，傅云新.赔礼还是赔钱？——基于情绪感染理论的旅游景区服务补救策略研究[J]. 旅游学刊，2019，34（1）：44-57.

[7] 杨慧，康海燕.社交媒体服务补救透明对虚拟在线他人购买意愿的影响：品牌资产的调节作用[J].江西财经大学学报，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] 朱艳春，张志晴，孙宝文.网络商店的服务质量、顾客满意、顾客忠诚的关系研究[J].现代管理科学，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] 张初兵，侯如靖，易牧农.网购服务补救后感知公平、情绪与行为意向的关系——基于关系质量的调节中介模型[J].山西财经大学学报，2014，36（1）：54-64.

[17] 王子贤，吕庆华.服务补救、感知公平与顾客满意——基于网购用户视角的研究[J].山西财经大学学报，2018，40（10）：77-89.

[18] 綦恩周，张梦.服务补救情境下心理契约对顾客感知补救质量的影响研究[J].消费经济，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] 宋晓兵，何夏楠.人工智能定价对消费者价格公平感知的影响[J].管理科学，2020，33（5）：3-16.

[22] 蒋路远，曹李梅，秦昕，等.人工智能决策的公平感知[J].心理科学进展，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] 陈斯允，卫海英，冉雅璇，等. “重振旗鼓”还是“重蹈覆辙”——新起点思维与品牌危机类型对消费者宽恕的影响[J].南开管理评论，2020，23（4）：49-59.

基金项目：国家自然科学基金项目“面向网络社群的团购机制创新研究”（项目编号：71662024）；内蒙古自然科学基金项目“参照群体影响个体低碳产品购买行为的神经机制及预测研究”（项目编号：2023MS07001）；内蒙古自然科学基金项目“内蒙古城镇居民绿色消费行为的驱动机理研究”（项目编号：2023MS07008）。

作者简介：张鹏，男，博士，内蒙古科技大学经济与管理学院副教授，硕士生导师，研究方向为电子商务、人工智能服务；邢秋慧，通讯作者，女，内蒙古科技大学经济与管理学院硕士研究生，研究方向人工智能服务；梅蕾，女，内蒙古科技大学经济与管理学院教授，硕士生导师，研究方向为服务创新与营销。

（收稿日期：2024-02-17  责任编辑：苏子宠）