摘要

近年来，生成式人工智能技术的兴起为各行各业带来了前所未有的变革，但关于其在物流领域的应用还集中在自动分拣、无人机配送、智能仓储等传统方面的研究，因此，为了解以聊天机器人为代表的生成式人工智能技术在物流信息处理等方面的智能化应用，基于技术接受模型和人工智能接受框架(AIDUA)，通过三个评估阶段深入分析用户在物流服务过程中对聊天机器人使用意愿的形成过程。研究表明:拟人性、智能性和准确性对用户情感体验以及用户体验均呈正相关，用户情感体验和用户体验对信任呈正相关，信任对用户使用意愿呈正相关。研究强调了积极引入先进人工智能技术的重要性，对物流服务企业在提升服务效率与质量、实现智能化转型方面具有实践意义。

关键词   

聊天机器人；物流服务；AIDUA模型；使用意愿

Abstract

In recent years, the rise of generative artificial intelligence has brought unprecedented changes to various industries, but the application of this technology in logistics has been mainly focused on traditional areas such as automatic sorting, drone delivery, and intelligent warehousing. Therefore, in order to understand the intelligent application of chatbots, a representative of generative artificial intelligence, in logistics information processing and other aspects, we based on the Technology Acceptance Model (TAM) and the Artificial Intelligence Acceptance Framework (AIDUA), through a three-stage evaluation to deeply analyze the process of users’ willingness to use chatbots in logistics services. The result shows that anthropomorphism, intelligence, and accuracy are positively correlated with users’ emotional experience and user experience, and users’ emotional experience and user experience are positively correlated with trust, which is positively correlated with users’ willingness to use. This study emphasizes the importance of actively introducing advanced artificial intelligence technologies and has practical significance for logistics service enterprises in improving service efficiency and quality and achieving intelligent transformation.

Keywords

chatbot; logistics service; AIDUA model; willingness to use

1.引言

在数字化时代，互联网的发展推动了人工智能的兴起，继而推动了语言服务行业的结构性变革，实现了语言服务广泛普及，走向专业化和智能化全方位发展[1]。随着2023年国家中央部门联合颁布的《生成式人工智能服务管理暂行办法》正式执行，生成式人工智能技术在各个行业、各个领域得到广泛应用[2]。此办法的发布使得聊天机器人在全球盛行。以聊天机器人为代表的各种生成式人工智能所具有的巨大的自然语言处理系统，机器学习、计算机计算等高新技术的应用，为物流业带来了前所未有的发展机遇[3]。

虽然物流作为连接生产与消费的桥梁，且其效率、准确性和用户体验也是衡量服务质量的重要标尺，但是关于人工智能技术在物流业的应用广泛集中在:(1)快递物流行业使用机器人实现自动快速分拣[4]；(2)智慧物流体系使用无人机和机器人技术实现高效精准配送[5]；(3)物流仓储作业环节使用机器人完成智能自动化仓储[6]等传统方面。而关于智能客服类聊天机器人在物流环节中的信息处理以及用户售后服务等方面的智能化研究相对较少。从历年“双十一”的快递数据来看，快递业务量高达830亿件，客户线上咨询率占业务量的0.2%即160亿，但是其中投诉率高达4%左右，因此，亟须人工智能技术的介入来解决由于传统认同服务工作重复性高，工作量大，工作周期长，工作强度大[7]等问题。而智能聊天机器人凭借其自然语言处理系统，不但具有自动化处理机械重复性工作的能力，降低运营成本与人力负担，而且可以7×24h在线，及时响应客户需求，提升服务效率以达到优化客户体验与满意度，提高客户持续使用意愿的目的。

在本研究中，我们基于AIDUA模型探讨了以聊天机器人为代表的生成式人工智能如何凭借其拟人性、智能性和准确性有效解决物流服务中存在的问题，进而对用户情感体验以及整体用户体验产生的积极影响。这种积极的影响进一步转化为用户对聊天机器人信任的增强，从而提升用户对聊天机器人的使用意愿。

2.理论基础与研究现状

2.1 聊天机器人的采纳

聊天机器人(Chatbot)是一个用来模拟人类对话或聊天的程序，它试图模仿人类并与人类聊天，为人类解答疑惑，满足人类需求。在当今数字化时代，聊天机器人对我们来说已经不再陌生，它早已渐渐进入我们的日常生活中。目前较为经典的聊天机器人有:美国OpenAI公司推出的ChatGPT、华为的小艺、苹果的Siri、微软的小冰、小米的小爱同学、阿里的小蜜、亚马逊的Alexa等[8]。聊天机器人这一能够与人类进行自然语言交流的系统，凭借其强大的文本理解能力和自然语言处理技术，能够快速处理海量文本数据，生成高质量的语言文本，应用到各种场景发挥不同作用[9]，吸引了来自学前教育、医学、心理健康、计算机科学等多个领域的学者和研究人员的广泛关注。

谭琳霞和李阿红[10]提出聊天机器人在学前教育领域，通过用户画像与深度强化学习的对话建立模型得到适合用户个性的回复，从而生成最优对话方案，以及崔梦萌等[11]提出按照对话语境与用户情感生成的可以满足家长与学生情感智能交互的聊天机器人模型。医学领域，Yunus[12]向聊天机器人提问有关患者手术操作的问题，再由专业外科医生对比量表进行评估，最终发现聊天机器人在口腔医学领域的巨大作用。Nicole等[13]研究哪种类型的聊天机器人可应用于痴呆症患者以及其护理人员，并就其功能和内容评估其质量。心理健康领域，Kim[14]为解决老年人抑郁期就医过程中各种不利病情的情况提出采用国际医疗信息交换标准(FHIR)，以保证聊天机器人制作的老年人抑郁量表的相互操作性。Berrezueta等[15]研究聊天机器人作为干预多动症儿童行为活动的工具的设计、应用和评估，在互动过程中帮助患病儿童纠正不良习惯。此外，Elera和Grant[16]的研究中测试了不同聊天助手语音查询性能在翻译实时事件等方面发挥的作用；也有学者[17]研究智能个人助理用于提高英语口语；也有学者将聊天机器人融入课堂协助老师教学[18]。

在探讨聊天机器人如何深刻影响并重塑多个行业领域的过程中，我们不难发现，其智能化、人性化的交互特性，正逐步渗透到社会经济的每个角落。聊天机器人在医疗、教育以及心理健康等领域的广泛应用，展现出来其核心价值是实用性，这些领域之所以能够快速接纳并依赖聊天机器人，正是因为它们能够精准解决用户痛点，提供即时、有效的帮助。而在物流服务这一高度依赖效率与准确性的行业中，物流作为连接生产与消费的关键环节，面临着环境污染严重、运营成本高昂以及运作效率低下等一系列挑战。然而，生成式人工智能聊天机器人的兴起为物流行业的各个环节带来了解决问题的有效助力[19]。例如：它能在订单处理环节自动处理和更改订单、分析用户需求、追踪订单物流状况[20]；在仓储管理环节，构建智能化库存系统、指导工作人员高效工作、实现自动化装卸、监控仓库运转状态；在运输配送环节，分析计算不同运输方式所需时间和成本，确定运输配送要求；在客户服务环节，提供7×24小时服务、处理常见问题、分析用户情绪状态、收集反馈信息。因此，为响应节能减排、降本增效的呼声，物流行业迫切需要将聊天机器人的实用性特点引入物流服务领域，这不仅是技术进步的必然结果，更是提升物流服务质量、满足客户需求的关键举措。

2.2 技术接受模型

技术接受模型(Technology Acceptance Model,TAM)是一个用于解释和预测用户对新技术接受程度的重要理论模型[21]。它通过分析用户的感知有用性和感知易用性等因素，揭示用户对新技术的态度、意向和使用行为之间的关系。随着技术的进步与研究的深入，TAM模型在不断地发展和完善。王玲[22]的研究基于技术接受模型理论，探究不同经验程度、不同信任感的用户对AI语音助手的使用感知与使用意愿的不同程度影响;张杨[23]的研究基于技术接受模型理论，探讨了快递服务质量对消费者线上购物体验的影响，以及用户对快递服务的采纳行为;张池[24]的研究基于技术接受模型理论，通过对感知风险、技术焦虑、社会影响等变量的研究，探讨了大学生对于生成式人工智能使用意愿的问题；Young[25]的研究基于技术接受模型，通过对物流平台的功能、信赖、网络效果和安全等因素的作用分析，探讨了其对于参与者的正面感知有用性及其利用意图的影响。有学者在TAM模型的基础上提出了技术接受与使用统一模型(UTAUT)[26]，该模型与TAM模型是目前最经典的技术接受模型，将多个理论模型进行整合，以解释新技术被接受与使用的影响机制与影响因素。由于这些传统的技术模型最初只是在一些非智能的技术中运用，例如交付中心的自助服务[27]，但本文要研究的是用户对AI设备的接受程度，AI是类人工智能设备，因此，传统的技术接受模型不太可能运用到探究用户对于AI设备的使用意愿的相关研究中[28]。LU等[28]的研究基于认知评价理论和认知失调理论提出了一个适用于AI设备使用意愿的模型——AIDUA。该模型解释了用户是否愿意接受在服务中对AI设备的使用。

2.3 人工智能设备使用接受度理论模型(AIDUA)

人工智能设备使用接受度理论模型(Artificially Intelligent Device Use Acceptance，AIDUA)目前在酒店服务行业[29]、旅游业[30]、自动驾驶汽车领域[31]等都有相关研究。此外，Ma和Yudi[32]的研究基于AIDUA模型，通过对ChatGPT在社会影响、新奇价值、人性与绩效期望方面的考察探究了聊天机器人的接受度问题，为基于AI的聊天机器人的设计和开发提供了实用启示；Lin等[33]的研究借鉴AIDUA模型理论，考察了顾客在接待服务中对于使用人工智能机器人设备的使用意愿问题；Mei等[34]的研究采用AIDUA模型，通过顾客对人工智能设备三个接受阶段的考察，探讨了在可持续银行服务领域，客户如何识别和接受人工智能设备问题；陶志梅等[35]的研究基于AIDUA模型探究公众对于AI技术的接受情况；王伟正等[36]的研究基于AIDUA模型探究科研人员使用生成式人工智能技术意愿的影响因素；刘鸣筝和王硕[37]的研究借助AIDUA研究框架探究人机交互中公众对生成式人工智能的认知、评估与使用情况。因此，本文将沿用AIDUA模型深入研究用户对聊天机器人使用意愿的三个评估阶段:初级评估阶段、中级评估阶段、结果评估阶段。

3.模型构建与理论假设

3.1 模型构建

本研究模型如图1所示，基于技术接受模型研究用户在物流服务中使用聊天机器人的意愿。以聊天机器人的拟人性、智能性、准确性3个功能特性作为本研究模型的初级评估阶段，本阶段旨在关注这些特性如何影响用户的感知易用性；中级评估阶段用户根据自己使用后亲身感受到的情感体验和整体用户体验产生对聊天机器人的信任，这些因素与感知有用性相关联；最后，结果评估阶段将关注用户的使用意愿，并综合分析感知有用性、感知易用性对用户使用意愿的影响。

图1 整体模型框架

3.2 研究假设

3.2.1 初级评估阶段

在初级评估阶段中，用户对聊天机器人在物流服务中的使用进行评估是基于聊天机器人的拟人性、智能性以及准确性功能特点。这三个功能特性都是聊天机器人的内在属性，是其核心能力。除此之外，聊天机器人所具备的核心能力还有有效性、可用性、完整性[38]、便利性、兼容性等等。而拟人性、智能性和准确性更直接地关联到物流服务中的服务效率、服务质量以及用户体验上，其他变量可能更多地体现在系统或服务的整体性能上，而非直接针对物流服务中的客户交互和问题解决。基于此，本研究初级评估阶段对聊天机器人功能特性的研究重点集中在其拟人性、智能性以及准确性。

拟人性[39]是指将人类特征、心理和行为赋予非人类实体的过程。即让人工智能拥有人类一般的认知共情、情感共情、幽默性和不确定性等特征，从而提升用户与聊天机器人之间的交互体验。智能性是指聊天机器人通过其自然语言处理能力、学习能力、交互能力、场景适应性以及数据安全和隐私保护等多个方面的功能来理解用户的提问并生成回复从而提供有效结果的能力，这是聊天机器人自身具备的核心能力[40]。准确性是指聊天机器人为用户提供的正确精确的回复，准确理解用户意图的关键所在[41]。如果用户网上购物时，因遇到订单处理流程透明度低、订单跟踪不及时等情况需要咨询聊天机器人，例如用户:“我的订单怎么还没更新物流信息？处理到哪一步了？”不具有拟人性的智能客服:“您好，您的订单目前仍在处理中，物流信息可能还未及时更新。请您稍等片刻，我们会尽快为您提供最新的物流信息。”拟人性的聊天机器人:“抱歉亲亲，您的订单正在物流的宇宙中冒险呢，我已经帮您催促我们的物流小伙伴啦，会尽快给您送上最新的物流动态哦！”此时，聊天机器人亲切幽默，热情体贴，拟人化的回复，用自己的真情实感打动用户，使用户体验到智能的聊天机器人服务，从而提高用户对聊天机器人智能性的感知[42]。同样，对于用户咨询的物流问题，聊天机器人精准的回复可以真正有效解决他们的问题，举个例子:用户:“我的包裹什么时候能到？”传统智能客服回复:“您的包裹显示正在运输中，具体时间以页面显示为准”；而智能聊天机器人回复:“根据您的订单信息，您的包裹预计明天下午3点至5点之间送达，请注意查收。”由此可见，准确性程度较高的聊天机器人能够精准理解用户意图并给出准确回复，而非行话套话，甚至因误解用户意图而产生错误回答，给用户带来不必要的麻烦[43]。因此，准确性的提升可以为用户提供更优质、更智能的体验感，增强用户对聊天机器人智能性的感知。因此，提出以下假设。

假设1:聊天机器人拟人性正向影响用户在物流服务过程中对聊天机器人智能性的感知。

假设2:聊天机器人准确性正向影响用户在物流服务过程中对聊天机器人智能性的感知。

情感体验这一概念来自唐纳德·诺曼（Donald Norman）的《情感化设计》著作中的情感设计理论，该理论认为，设计者要观察用户感官接受偏好，设计要与用户生活需求匹配，以及要从用户情感层次出发引起用户情感共鸣[44]。用户体验是指用户在使用产品或服务过程中所感受到的整体体验，这种体验涵盖了用户对产品的功能、设计、交互、视觉以及情感等多个方面的感受和认知，其中，情感体验是构成用户体验不可或缺的关键因素，而良好的用户体验直接关系到用户对产品和服务的满意度和使用意愿[45]。

虽然现阶段聊天机器人的应用非常广泛，能进行人机交互，但由于聊天机器人技术主要是通过弱人工智能技术实现，部分人机对话场景还不能够完全理解[46]，这就导致聊天机器人在解决用户遇到的物流问题时不能够提供精准的、使用户满意的解决方案，或者提供的回复不符合逻辑，从而引起用户对聊天机器人产生负面情绪[47]，同时，可能使用户真切地感受到聊天机器人确实不能像一个真正的人一样与之聊天。基于此，聊天机器人的拟人性成为改善这一问题的关键因素。当用户因为订单跟踪不及时，物流信息更新慢等问题而产生负面情绪时，拟人性的聊天机器人可以模拟人类的语言、语气和情绪，通过亲切的语言和积极的情感反馈安抚用户，缓解用户负面情绪，从而增强用户的情感体验。因此，提出以下假设。

假设3a:聊天机器人拟人性正向影响用户情感体验。

刘雨和操雅琴[48]关于聊天机器人拟人化特征的研究中指出，聊天机器人的功能、品牌、声音以及情感拟人化特征都会对用户体验质量产生正向影响。Araujo[49]的研究中指出聊天机器人品牌名称和语言风格拟人化对用户体验产生正向影响。何海地[50]的研究中指出图书馆聊天机器人的搜索和学习能力等功能拟人化特征对用户体验产生正向影响。Pelau等[51]的研究中指出聊天机器人以类人的方式与人类交互，减少了距离感，给用户体验注入了亲切友好的氛围。在物流服务中，拟人性的聊天机器人通过与用户进行更深入的互动，如分享购物经历，为用户提供反馈意见、人性化地处理用户投诉的物流问题等逐渐从方方面面的拟人化特征中提升用户体验。因此，提出以下假设。

假设3b:聊天机器人拟人性正向影响用户体验。

在物流服务中，聊天机器人的智能性对用户体验和情感体验具有深远的影响。Huang和Rust[52]的研究中提出了机械、分析、直观以及情感四种智能的表现，其中机械智能指聊天机器人自动化处理重复任务的能力，例如:订单处理环节，为企业自动化收集订单数据、生成物品清单、实现订单实时追踪；为用户生成个性化订单方案，使用户可以根据要求随意查询修改取消订单[19]。分析智能指聊天机器人分析数据，解决问题，提供详细回复的能力，例如:客户服务环节，帮助企业将用户的评价意见归纳整理，并给予反馈；根据用户不同需求提供个性化服务，有效解决投诉与评价。直观智能指在社会服务场景中有效适应环境，完全理解对话语义的能力[53]，例如:仓储管理环节，聊天机器人通过数据分析，结合视觉和语音识别技术，为企业提供仓储优化管理以及智能化操作；情感智能指识别用户情绪，提供情绪价值，安抚用户的能力，例如:客户服务环节，通过用户语气敏锐地察觉用户情绪，当用户遇到物流查询问题，错填收货地址，负面售后等造成用户心情不佳的问题时，及时提供安慰和情感支持，引导用户产生积极的情感反应。综上，聊天机器人发挥其智能性不仅有效帮助物流企业和用户解决物流服务各环节现存问题，也提升了用户体验和情感体验，提高了用户满意度和使用意愿。因此，提出以下假设。

假设4a:聊天机器人智能性正向影响用户情感体验。

假设4b:聊天机器人智能性正向影响用户体验。

准确性是衡量产品或服务质量的重要标准。准确性意味着聊天机器人能为用户提供精准无误，符合预期的服务[41]。许多使用聊天机器人的领域对于准确性程度的高低要求非常严格，例如医学领域Cheng等[54]人的研究中使用智能语音聊天机器人问诊，准确性程度要求极高，因为这关乎到人类生命。在物流服务中，仓储需求预测不准确、空间利用透明度低、订单跟踪不及时、配送流程繁琐不明确[19]等都会带来额外的成本费用、导致各种纠纷和投诉甚至损坏企业声誉和品牌形象。而当用户发现信息查询、个性化推荐以及其他物流问题都能准确无误地满足他们的需求时，用户会觉得他们是被理解和尊重的，会感受到聊天机器人确实在认真解决他们的问题。这种感受不仅从用户情感角度给予了他们极大的心理安慰，而且从更深层次上影响了用户的整体体验。因此，提出以下假设。

假设5a:聊天机器人准确性正向影响用户情感体验。

假设5b:聊天机器人准确性正向影响用户体验。

3.2.2 中级评估阶段

初级评估阶段中，我们完成了聊天机器人的三种功能特性如何影响用户情感体验与提升用户体验，接下来进入中级评估阶段。此阶段聚焦于探究用户对其感知到的聊天机器人设备产生的情感共鸣与整体体验如何催生出对聊天机器人的信任。

信任是指用户与聊天机器人交互过程中，对其提供的服务、回复的内容等进行评估后产生的信心，认可等积极态度的感知[55]。王晰巍等[56]人的研究从情感和认知两个角度衡量用户对聊天机器人的信任，情感层面用户倾向于相信聊天机器人的行为倾向和动机是出于善意的；认知层面用户倾向于相信聊天机器人可以完成任务。在物流服务中，当用户咨询客服其下单商品发什么快递、几天能收到货、预计送达时间、是否有运费险等问题时，聊天机器人可以立即自动化处理类似重复性高、操作简单、回复语固定的工作，在很大程度上减少了用户的等待时间，降低了因等待或担忧而产生的焦虑情绪，这种高效的响应速度会提升用户的情感体验；对于聊天机器人提供的一致且准确的信息，也可以提升用户体验，进而建立其用户对聊天机器人的信任。因此，提出以下假设。

假设6:用户情感体验正向影响用户对聊天机器人的信任。

假设7:用户体验正向影响用户对聊天机器人的信任。

3.2.3 结果评估阶段

通过初级评估阶段对聊天机器人功能特性的感知，用户会产生一定的体验感，这种体验感直接影响到用户是否信任聊天机器人，从而决定用户在物流服务中对聊天机器人的使用意愿。

消费者行为研究报告也显示:消费者对特定技术的感知与他们使用与信任相关的服务或产品的意图显著相关。kaabachi等[57]的研究中指出，信任对聊天机器人的采用非常重要。用户更有可能相信那些他们认为值得信赖和诚实的人，他强调客户采用新技术的意愿在很大程度上受到信任度的影响。M等[58]的研究中指出，消费者对互联网的信任程度决定了使用由这些组织开发的聊天机器人的倾向。当用户在物流服务过程中遇到问题时，一个能够及时响应、提供准确信息的聊天机器人，无疑会增强用户的信任感，信任感一旦建立，就可能会降低用户对不确定性和风险的感知，使用户更加愿意尝试使用聊天机器人来解决物流问题。因此，提出以下假设。

假设8:用户对聊天机器人的信任正向影响用户的使用意愿。

4. 研究设计

4.1 问卷设计

本研究问卷由问卷填写说明、基本信息统计以及变量测量题项三部分组成。首先，向受访者说明问卷主要内容和填写要求等；其次，基本信息的统计包括受访者的性别、年龄、学历等基本信息以及与“物流”和“聊天机器人”相关的基本问题；最后，通过为受访者提供的一段模拟情景材料——物流服务中聊天机器人“小智”为用户解决包裹配送问题，受访者根据自己的感受完成量表的测量。问卷第三部分中所有的题项均来自成熟量表，其中，聊天机器人的三个功能特性拟人性、智能性和准确性使用的量表分别来自王伟正等[36] 、Kim等 [59]、施骞和周颖[60]、操心怡[43]的研究；情感体验使用的量表来自刘雨和操雅琴[48]的研究；用户体验使用的量表来自Shahzad等[61]的研究；信任使用的量表来自郑换换[62]的研究；使用意愿中愿意使用维度的量表来自王伟正等[36]、 Gursoy等[63]的研究。本研究在参考以上成熟量表并保证问卷的信效度符合要求的基础上，根据研究主题对原有题项进行了优化，最终设计出贴合本文的问卷，一共包含了30个题项。详情见表1，所有题项均采用李克特七级量表，每个题项均从“非常不同意”到“非常同意”进行评估。

表1 变量量表

4.2 研究对象

随着物流行业的快速发展和市场竞争的加剧，物流服务已经渗透到各个行业和领域，无论是企业还是用户，都或多或少地依赖于物流服务。这就要求物流服务提供商需要不断创新和优化服务流程，以吸引和留住用户。聊天机器人作为一种新兴的技术手段，为物流供应商解决燃眉之急。尽管所有使用物流服务的用户都可能接触到聊天机器人，但不同用户角色的需求差异是显而易见的。例如，企业客户可能更注重聊天机器人在订单管理、物流跟踪等方面的功能；而个人用户则可能更关注聊天机器人在咨询解答、售后服务等方面的表现。通过研究不同用户角色的使用感受，可以更精准地定位聊天机器人在物流服务中的功能定位和优化方向。因此，本文将研究对象设定为所有使用物流服务的用户，涵盖了一个广泛而多样的群体。通过研究这一广泛群体，可以更全面地了解聊天机器人在物流服务中的实际应用情况和潜在需求。

4.3 数据收集方法

本研究问卷数据是通过专业的数据收集公司，利用在线调查平台“问卷星”收集，正式发布问卷后根据:①问卷填写完整，无空题漏题不完整问卷；②问卷无相同IP地址填写的多份问卷；③问卷无大范围相同；④确保问卷的真实性，要求填写时间不低于三分钟等规则共回收有效问卷408份。样本特征详细信息见表2，从中我们可以看出:①受访者中51.5%为男性，48.5%为女性，男女比例相当，更加说明了聊天机器人在物流领域应用的普及；②受访者的年龄青年阶段占比最大，这可能是因为青年阶段的人群对新技术新科技的接受度高，且青年阶段的人群往往是网购、快递等物流服务的主要使用者，这就意味着他们接触到聊天机器人的可能性更大；③受访者每周网购次数在1到5次之间占比最大，且网购时43.4%的用户会使用物流服务，说明了在网购时用户对物流服务的高频需求和依赖；④在物流服务中主动联系聊天机器人的受访者占比高达80.1%，暗示了聊天机器人应用到物流领域的发展潜力。

表2 样本特征分布描述

5.模型检验

5.1 信度和效度

本文数据通过使用SMART PLS 3.0和SPSS软件分析处理，以检验研究模型。根据统计学家HAIR[64]的研究，本文将测量Cronbach’s Alpha(CA),Composite Reliability(CR)以及Average Variance Extracted(AVE）的值来评估信度。此外，本文也进行了验证性因子分析进一步检验模型的信度和效度。模型整体的KMO值为0.972，所有变量的α值在0.918～0.962之间，均大于0.7，表现出较好的内部一致性；所有变量的CR值在0.949～0.971之间，均大于0.7，说明量表具有很好的组合信度；所有变量的AVE值在0.82～0.869之间，均大于0.5，表现出较好的收敛效度，结果见表3。此外，表4显示对角线值均大于同行列其他值，即各题项AVE的平方根均大于自身与其他题项之间的相关性，表明了问卷具有较好的区分效度。

表2 样本特征分布描述

表4 区别效度检验

5.2 结构模型检验与分析

为了验证模型各变量之间是否存在共线性，本文使用SmartPLS 3.0进行了多重共线性检验，结果显示，外部模型的方差膨胀因子VIF值在2.961～5.622之间，内部模型的方差膨胀因子VIF值在1.000～2.450之间，均介于0～10的范围内，表明该模型之间不存在共线性问题。

本研究使用Bootstrapping 中的5000个样本进行模型显著性检验。结果如表5和图2所示:(1)聊天机器人拟人性到智能性的路径系数为0.350，且p＜0.001，因此聊天机器人拟人性对聊天机器人智能性的正向影响显著，假设H1成立；(2)聊天机器人准确性到智能性的路径系数为0.451，且p＜0.001，因此聊天机器人准确性对聊天机器人智能性的正向影响显著，假设H2成立；(3)聊天机器人拟人性、智能性、准确性到用户情感体验的路径系数分别为0.272、0.361、0.270，且p＜0.001，因此聊天机器人拟人性、智能性、准确性对用户情感体验的正向影响显著，假设H3a、假设H4a、假设H5a成立；(4)聊天机器人拟人性、智能性、准确性到用户体验的路径系数分别为0.287、0.385、0.264，且p＜0.001，因此聊天机器人拟人性、智能性、准确性对用户体验的正向影响显著，假设H3b、假设H4b、假设H5b成立；(5)用户情感体验，用户体验到信任的路径系数分别为0.422、0.375，且p＜0.001，因此，用户情感体验，用户体验对用户信任的正向影响显著，假设H6、假设H7成立；(6)用户信任到用户使用意愿的路径系数为0.572，且p＜0.001，因此，用户信任对用户使用意愿的正向影响显著，假设H8成立。聊天机器人拟人性和准确性对聊天机器人智能性的解释力度为52.1%、聊天机器人拟人性、智能性、准确性对用户情感体验的解释力度为62.4%、聊天机器人拟人性、智能性、准确性对用户体验的解释力度为66.8%、用户情感体验和用户体验对信任的解释力度为56.2%、信任对使用意愿的解释力度为32.7%。

表5 路径系数和假设检验

图2 模型拟合结果

5.3 结果讨论

本研究基于AIDUA模型，建立了聊天机器人使用意愿三个评估阶段的结构方程模型，通过问卷调查的形式收集相关数据，并运用Smart PLS 3.0 和SPSS对数据加以分析处理，得出以下结论。

(1)聊天机器人的拟人性、准确性能够促进用户对聊天机器人智能性的感知。

拟人性的聊天机器人口语化的表达给用户一种亲切感和带入感，当用户咨询物流信息时，聊天机器人根据用户的语言、语气判断其情绪状态，并适当卖萌、幽默风趣缓解其情绪以及尴尬气氛，提升用户对聊天机器人的好感，使用户更愿意与聊天机器人互动，从而用户就会更加耐心地等待物流信息，聊天机器人这种拟人化的感情表达，能够使用户体验到智能化的服务。聊天机器人的准确性主要体现在理解问题、提供数据以及流畅的交流过程。在物流服务中，用户往往期望能够迅速、准确地获取到关于物流状态、配送时间、取件方式等关键信息，例如:当用户查询物流状态时，聊天机器人能够迅速给出准确的答复，避免了用户因长时间等待或反复询问而产生的负面情绪，这种高效的服务方式会让用户对聊天机器人的智能性有更加直观、深刻的认识。对于物流服务企业来说，通过引入先进的自然语言处理技术和深度学习算法，来优化聊天机器人的性能，并根据用户的反馈和需求，不断调整和完善聊天机器人的功能和表现。通过实现这一技术创新进程，不仅推动了聊天机器人技术的发展，还会提升物流服务企业的整体智能化水平。

(2)聊天机器人拟人性、智能性、准确性三个功能特性共同促进了用户体验的提升和用户情感体验的改善。

拟人性的聊天机器人通过运用友好的语气和措辞，使用户在查询物流信息时感受到人性化和同理心，感受到自己在被尊重和关怀，从而提升用户体验。并且拟人性的聊天机器人能够与用户建立情感连接，使用户在交流过程中感受到温暖和愉悦，从而改善用户的情感体验。智能的聊天机器人可以根据用户的订单信息和物流数据以及天气条件，快速分析出包裹实时情况，并给出解决方案，让用户感受到专业和高效，不仅解决了实际问题，也减轻了用户的焦虑和不安，从而提升用户的情感体验。准确的聊天机器人能够迅速理解用户问题，给出准确无误的信息，从而消除用户疑虑和担忧，容易赢得用户信任，使用户产生依赖等积极的情感体验。总之，聊天机器人的拟人性、智能性以及准确性在物流服务中发挥重要作用，它们共同促进了用户体验和情感体验的提升。对于物流服务企业来说，应不断优化聊天机器人功能特性，提高其拟人性、智能性和准确性水平。

(3)使用聊天机器人之后产生的用户体验和情感体验能够促进用户对聊天机器人的信任。

在物流服务中，当用户因为包裹丢失或物流延误而感到焦虑时，聊天机器人能够展现出人性化的交流方式，使用亲切的语言安抚用户的情绪并提供解决方案，这种积极的情感体验会在用户心中留下深刻的印象，形成情感记忆。若未来再次遇到此类问题，用户可能会首先想到这段与聊天机器人的积极互动，这种情感记忆会促使用户更愿意选择使用聊天机器人来解决问题，从而增强对聊天机器人的忠诚度。当聊天机器人在物流服务中高效解决了用户的问题，如快速查询物流信息，提供准确解决方案，提供个性化定制服务，会使用户感受到被重视和尊重，从而产生对聊天机器人能力的信任。

(4)用户对聊天机器人的信任能够使用户更加愿意使用聊天机器人。

当用户信任聊天机器人时，他们会更加放心地使用聊天机器人来处理物流相关问题。例如，当用户需要查询物流信息、更改收货地址或寻求帮助时，他们不会担心聊天机器人无法提供有效的解决方案或产生误解。随着这种信任度的提升，用户会更加依赖聊天机器人的服务，且更加愿意与聊天机器人进行互动，分享自己的需求和反馈，这种互动不仅帮助聊天机器人更好地了解用户的需求，从而提供更个性化定制化的服务，还能够增强与聊天机器人之间的情感联系，进一步促进用户的使用意愿，形成一种信任与使用意愿的良性循环。

6.结语

6.1 管理启示

(1)物流服务企业应积极引入先进的自然语言处理技术和深度学习算法，来优化聊天机器人的性能，并根据用户的反馈和需求，不断调整和完善聊天机器人的功能和表现。使其能够更准确地理解用户意图，提供更精准的物流服务。

(2)物流服务企业应建立完善的知识库，尽量涵盖物流服务的各个方面，并建立知识库的更新机制，确保聊天机器人能够及时获取最新的物流信息和服务政策，保持服务的准确性和时效性，以增强用户满意度。

(3)物流服务企业应通过聊天机器人向用户展示公开透明的服务流程，实时监控包裹位置，精准预测送达时间，提供公开公正的用户评价和反馈机制，传递企业品牌价值和理念，展示企业专业性和责任感，增强用户对企业品牌的信任。

(4)物流服务企业应采用先进的加密算法和协议，严格遵守数据安全和隐私保护的法律法规，确保用户数据的安全性和保密性。在确保用户隐私安全，确保数据在传输过程中机密和完整的前提下，合理分析数据挖掘用户需求，提升用户信任感和满意度。

6.2 局限性和未来研究方向

本研究有以下几个局限。首先，我们采用问卷调查方式收集数据，受限于时间、资源、地域、年龄、对象和研究设计，所收集的样本数量可能不足以全面代表所有物流服务用户。从而影响了研究结果的准确性和可靠性。未来研究可以扩大样本规模，涵盖更多地域甚至更广泛的文化背景下的物流服务用户，以提高研究结果的代表性和普适性。其次，本研究只采用了问卷调查方式收集数据，研究结果可能受到主观性的影响，未来研究可以采用更先进的研究设计和方法来收集数据，如随机对照组、纵向研究等，以减少主观性偏差和误 解的影响。最后，本研究只分析了用户愿意在物流服务过程中使用聊天机器人的一面，未来研究可以面向用户拒绝使用聊天机器人的影响因素进行分析。

6.3 结语

本研究通过深入分析用户在物流服务过程中对聊天机器人的使用意愿，揭示了多个关键因素对用户使用意愿的逐步影响。基于AIDUA模型初级评估阶段对聊天机器人拟人性、智能性、准确性三个功能特性的感知，增强了用户在物流服务过程中对聊天机器人的情感连接，提升了服务质量，使用户感受到了智能化的服务，从而在中级评估阶段产生了良好的用户体验和积极的情感体验，进一步促进了用户对聊天机器人的信任，这种信任的建立成为了结果评估阶段用户使用意愿的重要基础。

——————

国家自然科学基金青年项目“知识整合视角下移动社会化媒体对创新团队绩效的影响机制研究”（项目编号：71701157）；湖北省社会科学基金“知识行为视角下湖北省社会化媒体赋能企业创新实现路径研究”（项目编号：HBSK2022YB405）。

作者简介

向纯洁，武汉科技大学服务科学与工程研究中心研究院，管理学院系副教授

付梦雅，武汉科技大学管理学院23级硕士研究生

——————

参考文献