(人工智能英文介绍ppt)(人工智能英文介绍)

前言

刺激作为一种外在影响，对我们的心理或行动都产生重要的影响。基于唤醒理论，人工智能技术刺激是一个外部环境变量。智能顾客体验是一种以技术为中介诱发而形成的消费者体验。技术是创造智能顾客体验的关键，技术准备是人们对待技术的一种整体心理状态。

顾客体验理论

在该状态下，个人意识集中在一个范围内，完全没有其它知觉，忽视所有不相关事物，进入到一种浑然忘我的状态。

沉浸理论研究的重点是进行沉浸体验的测量和探索影响沉浸体验的前因变量，从而有针对性地影响特定对象的行为，产生预期效果。

沉浸理论被广泛应用于互联网、信息技术等研究情境中。战略体验模块是体验营销的战略基础，包括感觉、感觉、思想、身体和整体活动，以及体验与特定个人文化的关系等维度。

研究设计

通过梳理人工智能技术刺激、智能顾客体验、口碑传播意愿、技术准备等相关文献，整理并归纳了相关学者的成熟量表，并通过文献追踪找到原始量表，确保问卷的有效性和可靠性，以及是否适合本研究情景。

其中，人工智能技术刺激是本研究提出的新概念，因此，该变量在综合国外学者相关量表及结合实际的基础上，设计出人工智能技术刺激量表。

此外，本研究的相关量表大多是外文文献，由于是调查的是中国消费者，因此本研究通过采取英文—中文—英文的这种双向翻译方式，结合自及翻译、外国留学生研讨、专家指导等三种方式，对问卷进行翻译、修订，确保所有题项的准确性，最终获得了本次的问卷。

通过预调研检验了问卷题项的准确性以及是否贴合本研究问题，最终解决了问卷题项在表述、语义等方面的不足，并根据答题者的建议和感受进行了修改。

本次预调研小组成员是本团队所有的硕士研究生，调研对象是使用过智能客服机器人的18岁以上的消费者，预调研时，我们统一向调研对象说明调研目的，保证不会造成信息泄露，在问卷填写完成后，并进行一个简单的交谈，询问填写的整体感受。

以及有哪些题项表述不清等问题，根据交谈记录，团队再次研讨确定最终的问卷，以及相关的注意事项。值得注意的是本次预调研问卷结果并没有纳入最终研究的样本，仅仅是对正式调研的演练以及对问卷修改提供参考。

在本研究中，人工智能技术刺激指的是人工智能技术（例如智能客服机器人）给消费者带来的快乐或用处的程度，最终实现最优的顾客体验。

在餐饮业中，越来越多的企业由人工客服转向智能客服机器人的使用，当前人工智能赋能餐饮界，采取更为先进的理念和技术，许多餐饮企业由刚开始的使用电子支付、接入外卖平台等智能探索方式，转向服务机器人等创新的智能化手段，餐饮行业的智能化转型已是大势所趋。

因此本研究的调研对象以餐饮业为主，主要针对18岁以上使用过智能客服机器人的消费者。实际调研时，我们依据实际情况在全国范围内展开调研，保证研究的普适性。

正式问卷的发放主要通过问卷星平台，共获取427份问卷，其中剔除无效问卷218份，最终回收有效问卷209份，问卷的有效回收率为48.9%，符合实证研究对有效问卷数量的基本要求。

其中，有效问卷的定义是（1）符合样本服务中对目标人群——18岁以上使用智能客服机器人的要求。（2）认真填写问卷的用户。主要根据填写时长和来源IP衡量，防止不认真和重复填写的用户。

在问卷回收后，我们首先对数据的基本特征进行了描述性分析，其中，基本信息情况：性别方面，男性占49.3%，女性占50.7%；年龄方面，18-24岁占17.2%，25-34岁占51.6%，35-49岁占27.8%，50-64岁占2.9%，64岁以上占0.5%。

工作年限方面，3年以下占17.7%，3-5年占13.4%，5-10年占35.4%，10年以上占33.5%；在月收入方面，5000元以下占17.2%，5000-10000元占35.4%，10000-15000元占28.2%，15000-20000元占10.0%，20000-25000元占4.8%，25000元以上占4.3%。

对被调研人员的职业类别和文化程度进行分析，被调研人员的职业包括：学生、办公室工作者、技术人员、职业人员、个体经营者、研究人员、学者及其他，文化程度分为：高中以下、高中/中专、大专、本科、硕士和博士。

各职业和各文化程度的人员在被调研人员中分别占有一定数量和比例，具有一定代表性。被调研人员所在地域分布情况。问卷回收后发现，本次被调研人员所在地区包括20个省、4个直辖市。

通过实地调研和专家小组讨论对量表进行补充和完善。因为原始题项来自于英文文献，因此我们对原始题项进行了翻译，然后修改，最后形成本研究的相关题项。

主要包括两个阶段，第一阶段是软件翻译后修改，然后对消费者进行调研，推敲意思，贴合实际；第二阶段是进行专家小组讨论，对每个题项进行再推敲，形成适合本研究的题项。针对激情的第一个题项，“我积极参与这个社交商务网站，因为我对它充满热情”，通过实地调研和专家讨论。

因为智能客服机器人是一个新兴技术，处于愿意或者不愿意使用阶段，“积极参与”语气过重，“愿意使用”更符合本研究情景，因此该题项最终确定为“我愿意使用智能客服机器人，因为我对它充满热情”。

再如，第二个题项“我参加这个社交商务网站，因为我关心它”，智能客服机器人是一项需使用的技术，产生的是喜欢或不喜欢的问题，因此最终确定为“我使用智能客服机器人，因为我喜欢它”等等。以此类推，最终人工智能技术刺激共包含11个题项，激情6个题项，可用性5个题项。

本研究在人工智能技术刺激量表编制结束之后，首先进行了一个小范围测试，主要是向使用过智能客服机器人的同学、朋友发放，最终回收有效问卷38份，在调研过程中，我们会主动询问填写者的感受，获取反馈，比如说题项是否存在语义不明、语气过重等问题，对于反映含糊不清的地方进行了调整。

以下是初试量表的小样本调查的基本信息，本研究从人口变量学的性别、年龄、工作年限、学历和月收入五个指标着手进行的调查。具体的信息如下表所示。

在使用智能客服机器人的消费者中，男女比例相差不大，年龄主要集中在25-34岁，符合实际情况。因为年龄主要集中在年轻一代，大约在34岁之下，因此大部分的工作年限都不高，主要集中在3年以下，月收入集中在5000-10000元之间。

问卷回收后，运用SPSS24.0统计软件进行了信效度分析，由表所示，其中，激情的Cronbach'sα系数达到0.943，KMO为0.854，因子载荷在0.784以上；可用性的Cronbach'sα系数0.903，KMO为0.839，因子载荷在0.803以上。

人工智能技术刺激的KMO值为0.856，提取了两个因子，累计可解释方差百分比为78.132%，由上述可知量表具有良好的内部一致性和结构效度，题项能够很好的反映该变量，因此人工智能技术刺激变量分为激情和可用性两个维度是合理的。

人工智能技术刺激的Cronbach'sα系数在在0.8以上，组合信度值也在0.8以上，表明变量具有高度的内部一致性。在进行探索性因子分析之前，进行了KMO值检验，人工智能技术刺激的KMO值为0.912，大于0.5的临界值，Bartlett球形度检验统计值也达到了显著。达到了探索性因子分析的要求。通过因子载荷分析，人工智能技术刺激的因子载荷最小为

0.660，大于0.4的门槛标准，而且平均变异抽取值（AVE）也大于0.5的门槛，表明量表具有良好的收敛效度。最后，经过主成分分析，人工智能技术刺激分为了两个因子，累计解释方差百分比为66.70，具有良好的结构效度。

将智能顾客体验定义为以人工智能技术（如智能客服机器人）为诱因，刺激消费者所产生的一种情感倾向，它是一种直接或间接接触而形成的一种内在的、主观的反应，具体表现为消费者感知智能客服机器人的优势和交互程度。

主要包括两个维度，其中相对优势参照，包括6个题项；感知交互性参照，共计4个题项。除了本研究涉及的变量外，还存在其他变量可能会影响智能顾客体验和口碑传播意愿，因此我们将其作为控制变量引入模型中。

首先，消费者的职业类型（Jb01）会影响人工智能技术的使用，影响消费者体验的程度；其次，消费者的月餐饮支出占总支出比重（Jb10）也会影响消费者的体验程度，进而影响口碑。因此我们将消费者的职业和月餐饮支出占总支出比重作为控制变量，更好的研究模型中的变量关系。

总结

在信效度分析之前，首先对各题项进行了反向问题编码，然后进行了缺省值替换，把缺省值替换成平均值，在进行了初步处理后，我们进行了项目的相关度分析，如果项目相关度小于0.4，则对该题项进行删除，经检验，本研究没有删除相关题项。

信度指针对同样的对象，采取同样的方法，最终得出一致结果的可能性，简而言之，就是数据的可靠性程度。本研究的信度检验主要包括以下步骤：首先，指标净化；其次，内部一致性测量。

通常使用Cronbach'sα系数法，该系数范围在0-1之间，由0到1信度趋于增长。在通常的情况下，当α值大于0.7时，表示信度高，当α值在0.5以下时，表示不可以接受。

本研究通过使用软件SPSS24.0对量表进行了信度分析，如表所示，所有量表的α值都达到0.780以上。此外，本研究各变量的平均变量抽取值AVE均大于0.5，说明量表具有良好的内部一致性。