刘 雨, 操雅琴

(安徽工程大学 经济与管理学院, 安徽 芜湖 241000)

近年来, 随着人工智能和语音识别技术的不断发展, 智能语音助手逐渐成为人机交互方式之一. 智能语音助手是一种使用文本和语音作对话方式, 以实现用户就特定主题或特定场景与系统进行交互的软件[1]. 目前被大众熟知的智能语音助手包括百度公司的小度、小米公司的小爱同学、苹果的Siri、谷歌助手和天猫精灵等. 智能语音助手已被应用于不同场景中, 比如医疗健康服务、私人助理和知识问答服务等. 前瞻资料显示, 在2018年, 全国智能语音市场的规模已经突破了117亿元, 预计到2026年将突破1008亿美元[2]. 据美国市场研究机构Strategy Analytics发布的报告, 2023年全球将有90%的智能手机拥有智能语音助手[3].

但目前智能语音助手的设计还不完善, 时常会出现如反应延迟和无法准确理解用户语义等问题. 这些问题会影响用户体验质量. 智能语音助手在应用实践中迫切需要解决的关键问题包括智能语音助手拟人化特征有哪些, 如何测量其拟人化特征, 拟人化特征是否会对用户体验质量产生影响, 以及哪种拟人化特征对用户体验质量的影响最大等问题.

1 理论背景

1.1 智能语音助手拟人化特征研究

拟人化指的是赋予非人类实体的类似人类的特征、动机、意图或情感[4]. 近年来, 拟人化的概念吸引了许多不同领域学者的兴趣. 随着智能语音助手的出现, 智能语音助手的拟人化特征也日益受到学术界的关注. 如Cheng等(2022)研究了智能语音助手的情感拟人化特征与用户对智能语音助手的感知信任和接受意愿的关系, 结果表明拟人化属性“温暖的”对感知信任有正向影响, 且智能语音助手温暖程度越高, 用户的接受意愿越积极[5]. Araujo(2018)探讨了智能语音助手品牌名称和语言风格等拟人化特征对用户体验的影响, 研究结果显示拟人化的品牌名称和语言风格对用户体验产生积极的影响[6]. Selamat等(2021)研究了智能语音助手对话方式的拟人化特征(如有趣性和愉悦性)对用户购买意愿的影响. 结果显示, 智能语音助手对话方式的有趣性和愉悦性对用户购买意愿有显著的正向影响, 其可以增强用户的使用意愿[7]. 已有文献研究表明, 目前只有少数学者研究了智能语音助手的某几种拟人化特征, 但是对智能语音助手拟人化特征的维度还未达成共识.

1.2 智能语音助手用户体验质量研究

用户体验质量可以理解为用户在一定的客观环境中对所使用的产品或服务的整体认可程度[8]. 已有研究从不同方面探讨了智能语音助手用户体验质量的影响因素. 如Tolentino(2019)基于技术接受度模型(Technology Acceptance Model, 简称TAM)探讨了病人健康信息管理智能语音助手的用户参与度. 结果显示, 智能语音助手的有用性和效率性有助于提高用户对智能语音助手的接受意愿[9]. Haugeland等(2022)研究了智能语音助手两种交互设计特征(主题引导对话和自由文本交互)对用户体验的影响, 结果表明主题引导对话增强了拟人性和享乐性, 提高了用户体验的积极性[10]. 学者Cheng等(2022)探讨了智能语音助手的拟人化属性(感知温暖、感知能力、沟通延迟)与用户对智能语音助手的感知信任和交互意愿的关系, 结果显示感知温暖和感知能力正向影响用户对智能语音助手的感知信任, 进而让用户产生积极的交互意愿, 但沟通延迟对感知信任产生负面影响, 会降低用户的交互意愿[5]. 已有文献研究显示, 智能语音助手在拟人化设计特征如何影响用户体验质量方面, 目前还没有一致的结论. 本文旨在对智能语音助手的拟人化特征研究的基础上, 构建拟人化特征与用户体验质量关系模型, 并探讨智能语音助手拟人化特征如何影响用户体验质量.

2 模型构建和研究假设

2.1 基于AHP的智能语音助手拟人化特征研究

笔者运用AHP(Analytic Hierarchy Process, AHP)层次分析方法对智能语音助手拟人化特征进行评价, 构建了智能语音助手拟人化特征的层次评价模型, 如图1所示.

图1 基于层次分析法的智能语音助手拟人化特征

由图1可知, 智能语音助手拟人化特征包括视觉拟人化、功能拟人化、品牌拟人化、声音拟人化和情感拟人化. 这四个拟人化权重由大到小分别为情感拟人化(0.537)、声音拟人化(0.167)、品牌拟人化(0.134)、功能拟人化(0.167)和视觉拟人化(0.056). 由于视觉拟人化特征影响最小, 本研究不考虑视觉拟人化特征, 最终选取情感拟人化、声音拟人化、功能拟人化和品牌拟人化作为智能语音助手的拟人化特征.

2.2 模型构建

笔者在智能语音助手四个重要的拟人化特征选取基础上, 构建了智能语音助手拟人化对用户体验质量的关系模型, 如图2所示.

图2 智能语音助手拟人化与用户体验质量关系假设模型

2.3 研究假设

2.3.1 情感拟人化

情感拟人化是一种更为生动的内在层面拟人化, 其指的是赋予智能语音助手相应的人类情感特性[11]. 智能语音助手如果能够理解并表达自己的情感, 则可以给用户带来更积极的体验. 如Roy等(2021)研究证明用户更偏好与温暖的聊天机器人进行交互[12]. Bhat等(2021)研究了智能语音助手与用户对话时的情感表达对用户体验的影响, 结果表明快乐和兴奋的情感表达会产生积极的用户体验[13]. 基于以上研究, 笔者提出假设一.

假设一: 情感拟人化对智能语音助手的用户体验质量具有正向影响.

2.3.2 声音拟人化

声音拟人化是指赋予智能语音助手相应的人类声音特征, 使用类人的声音特质使智能语音助手被感知为一个真正的人[14]. 智能语音助手的声音如果能具备人类声音的特质, 会让用户感觉自己在与一个真人交互. 方灏(2020)的研究结果表明语音助手声音的亲切感和舒适度会给用户带来良好的情感体验[15]. 廖青林(2021)研究了智能语音助手音色差异对用户体验的影响, 结果显示智能语音助手音色的拟人化程度越高, 用户体验越积极[16]. 基于以上研究, 提出假设二.

假设二: 声音拟人化对智能语音助手的用户体验质量具有正向影响.

2.3.3 功能拟人化

功能拟人化是将人的学习能力赋予非人类实体, 使非人类实体拥有人类的学习功能[17]. 智能语音助手如果具备与人类相似的搜索和学习能力, 则智能语音助手的智能化水平较高. 何海地(2013)研究了图书馆智能语音助手搜索、学习能力等功能拟人化特征对用户体验的影响, 结果表明增加智能语音助手功能拟人化可以提升用户体验[18]. Dennis等(2020)研究了用户使用智能语音助手进行新冠肺炎筛查后的反应与用户对智能语音助手的信任和服务质量评价之间的关系, 结果显示智能语音助手具备与人类相同的学习能力时, 用户对智能语音助手的信任度更高, 对服务质量的评价也更高[19]. 基于以上研究, 提出假设三.

假设三: 功能拟人化对智能语音助手的用户体验质量具有正向影响.

2.3.4 品牌拟人化

品牌拟人化是将人的特征表征于智能语音助手的品牌上, 使智能语音助手的品牌拟人化设计让用户感知自己在与一个真正的人进行交互[20]. 已有文献研究表明, 智能语音助手的品牌设计的类人特征, 可以提高用户体验的积极性. 如朱良杰等(2018)研究表明品牌拟人化能更有效促进消费者价值共创意愿[21]. Araujo等(2018)探索了智能语音助手的品牌名称和语言风格等类人线索对用户感知的影响, 结果显示拟人化的名称和语言增强了用户对智能语音助手的社会感知[6]. 基于以上研究, 提出假设四.

假设四: 品牌拟人化对智能语音助手的用户体验质量具有正向影响.

3 研究方法

3.1 研究变量的定义及测量

本文基于国内外相关研究成果, 以已有的量表为基础, 设计问卷来测量智能语音助手的拟人化特征以及用户体验质量. 其中, 量表中情感拟人化变量的三个指标(幽默感、愉悦感和情绪感)主要根据赵月(2021)、Roy等(2021)和Bhat等(2021)的研究. 声音拟人化变量的三个指标(音色、自适应、亲切感)主要根据牛雷(2021)、方灏(2020)和廖青林(2021)的研究. 功能拟人化变量的三个指标(控制功能、搜索功能、学习功能)主要根据彭永超(2019)、何海地(2013)和Dennis等(2020)的研究. 品牌拟人化变量的三个指标(产品表情、产品行为、产品名称)主要根据陈增祥等(2017)、Araujo等(2018)和朱良杰等(2018)的研究. 用户体验质量变量的三个指标(环境、用户和服务质量)主要根据林闯等(2012)、Cheng等(2022)和Haugeland等(2022)的研究. 问卷采用了李克特(Likert)5级量表, 评分从1至5, 代表程度从最低到最高, 情感拟人化测量量表如表1所示.

表1 情感拟人化测量量表

本文共收集了403份有效问卷, 问卷有效率100%. 问卷中的自变量包括情感拟人化、声音拟人化、功能拟人化和品牌拟人化, 因变量为用户体验质量, 此外还包括性别、年龄、学历、职业、使用品牌和使用频率等人口统计特征变量.

3.2 样本统计分析

之后笔者利用SPSS 22.0对问卷的样本信息进行描述性统计分析, 主要包括被调查对象的性别、年龄、学历、职业、使用品牌、使用频率和拟人化设计的有用性, 分析结果如表2所示.

表2 样本人口特征

4 研究结果

本研究还使用AMOS 24.0软件构建了初始假设结构方程模型, 如图3所示.

图3 初始假设结构方程模型

4.1 测量模型

本研究运用AMOS 24.0软件对量表的信度和效度进行分析, 首先通过克朗巴哈系数(α)和组合信度(CR)来评价量表的信度, 如表3所示. 结果显示α系数均高于0.7的标准, 组合信度(CR)均高于0.8的标准, 其表明本研究量表的信度较好, 具有足够的可靠性.

表3 问卷测量指标α、因子荷载、CR、AVE的值

量表的效度分析主要通过内容效度和结构效度进行测度. 量表的变量都是选取了国内外已有研究的成熟量表的变量, 其具有较好的内容效度. 结构效度是指量表测量结果同期望评估内容的同构程度, 我们通过因子荷载和平均萃取变异量(Average Variance Extracted, 简称AVE)来评价量表的结构效度. 结果显示: 因子荷载均高于0.7的标准(AVE均大于0.6的标准, 表明量表具有较高的结构效度).

4.2 结构模型

模型拟合优度指数显示:χ2/df=3.216, 满足了2<χ2/df<5的要求,RMSEA=0.074, 小于0.08, 其他拟合指数,NFI=0.977、NNFI=0.977、CFI=0.931, 均大于0.9,GFI=0.899,AFGI=0.864, 均大于0.8,SRMR=0.025, 小于0.1, 表明模型适配度在可接受的水平.

t检验结果显示各潜变量的t值均符合参考值, 且在p=0.001水平上具有统计显著性, 结构方程模型路径系数如图4所示.

图4 结构方程模型路径系数

由图4可见, 四条结构路径在0.001的显著性水平上均显著, 且路径系数均为正数. 假设一的β=0.275,t= -0.499,p<0.001; 假设二的β=0.276,t=-0.761,p<0.001; 假设三的β=0.29,t=-1.599,p<0.001; 假设四的β=0.317,t=-0.495,p<0.001. 四个研究假设得以验证, 即情感拟人化、声音拟人化、功能拟人化和品牌拟人化均对用户体验质量有显著的正向影响, 影响效应由大到小依次为品牌拟人化、功能拟人化、声音拟人化、情感拟人化.

5 研究讨论与结论

5.1 讨论

本研究探讨了智能语音助手拟人化特征的评价方法, 构建了智能语音助手拟人化特征测量量表, 并运用AMOS24.0软件构建了结构方程模型对统计数据进行分析, 结果发现:

(1)智能语音助手的拟人化特征可以用情感拟人化、声音拟人化、功能拟人化和品牌拟人化来评价. 虽然已有少数学者从不同方面探讨了智能语音助手某几种拟人化特征: 如学者牛雷(2021)研究了智能语音助手的声音拟人化特征, 将声音按照不同性别进行划分[14]. 钟科等(2018)将品牌拟人化特征分为能力型和温情型[22]. 但是随着智能语音助手智能化程度的全面提升, 很多智能语音助手产品都试图通过多种拟人化特征设计来提升用户体验. 本文基于已有研究, 提出了智能语音助手拟人化特征评价方法, 并提取了四个典型拟人化特征(情感拟人化、声音拟人化、功能拟人化和品牌拟人化), 之后进一步将每种类型细分为三个不同维度. 其不仅丰富智能语音助手拟人化特征研究的理论成果, 也为智能语音助手拟人化特征设计提供了理论指导.

(2)智能语音助手的四个拟人化特征对用户体验质量有显著的正向影响. 已有学者从不同的领域研究了拟人化特征对用户体验质量的影响, 但目前尚未得到一致结论. 如Cao等(2021; 2022)研究了APP图标拟人化设计对用户体验的影响, 结果显示与非拟人化图标相比, 拟人化APP图标能诱发更积极的用户体验[23-24]. 然而, 学者Yam等(2021)的研究却表明具有拟人化特征的服务机器人会给用户带来恐惧感[25]. 类似地, Strait等(2019)研究了儿童对拟人化的玩具机器人的接受意愿, 结果发现儿童对高度拟人化的玩具机器人表现出厌恶, 他们更偏好于低度拟人化的玩具机器人[26]. 本文通过实证研究, 提供了智能语音助手的四个拟人化特征对用户体验质量有积极影响的证据.

(3)智能语音助手的品牌拟人化特征对用户体验质量的影响效应最大. 已有文献对品牌拟人化的研究主要集中在实体产品的消费者行为领域, 如乔均等(2020)研究了休闲食品行业的品牌拟人化对消费者购买意愿的影响, 结果显示品牌拟人化印象型线索和交互型线索均能对消费者购买意愿产生影响[27]. 袁登华等(2020)探讨了在微博上品牌拟人化(以杜蕾斯为例)对线上消费者的品牌交互意愿的影响, 结果显示品牌拟人化对线上消费者的品牌交互意愿起到促进作用[28]. 本文研究表明, 虽然智能语音助手产品可以通过多种拟人化特征设计来提升用户体验, 但品牌拟人化特征对用户体验质量影响效应最大. 这一发现为未来智能语音助手的开发者和设计者提供了参考, 在设计和开发智能语音助手时, 应该多考虑品牌拟人化特征的影响.

5.2 结论

本研究运用层次分析法提取了智能语音助手四种拟人化特征, 通过问卷调查的方式, 收集了有关四个拟人化特征、用户体验质量以及样本统计特征等题项的数据. 之后利用SPSS 22.0和AMOS 24.0分析软件, 采用层次分析法和结构方程模型等分析方法对数据进行统计分析, 主要结论如下:(1)情感拟人化、声音拟人化、功能拟人化、品牌拟人化四个拟人化特征能够用来评价智能语音助手的拟人化设计特征; (2)智能语音助手四个拟人化特征对用户体验质量有显著正向影响; (3)品牌拟人化特征对用户体验质量的影响效应最大.

5.3 局限性和未来展望

首先, 本研究参与者大部分为企业员工, 虽然企业员工在使用智能语音助手的人群中占很大比例, 但这一群体不能代表所有使用智能语音助手的用户. 未来研究应该包括具有多样化背景的参与者. 其次, 本文仅从总体上描述智能语音助手的拟人化特征, 没有具体针对某一种拟人化特征进行研究. 根据恐怖谷理论, 高度拟人化的实体机器人会诱发一种怪异感, 智能语音助手的拟人化特征是否也存在恐怖谷现象, 未来值得进一步探讨. 再次, 本文运用层次分析法将智能语音助手的拟人化特征分为四种类型, 虽然这种分类方式具有一定参考价值, 但未来的研究还值得运用其他方法, 以进一步考虑智能语音助手的其他拟人化特征.