互动公平性对银行服务评价的影响：信息公平与人际公平的双路径机制及人机服务差异研究

《Acta Psychologica》：The impact of interactional justice on service evaluations in the banking context

本研究针对银行服务投诉率高但缺乏因果证据的现状，通过5项情景实验（N=921）系统探讨互动公平性（信息公平与人际公平）对服务评价的影响。研究发现，高信息公平（Hedges' g=0.62）和高人际公平（Hedges' g=1.16）均显著提升服务评价，且低公平条件下人类客服评价显著低于AI客服，高公平时人机差异消失。该成果为AI-人类混合服务系统的资源优化提供了理论依据和实践启示。

　　

在金融科技迅猛发展的今天，银行服务正经历着从传统人工到人工智能（AI）客服的转型浪潮。然而，2023年某中国银行的消费者投诉报告显示，高达76.7%的投诉仍指向流程僵化、沟通不畅等问题。这些“制度性挫败”不仅损害客户体验，更对银行声誉和客户忠诚度造成长期冲击。现有研究多采用定性方法，难以揭示投诉背后的因果关系。为此，中国人民大学的刘静涵、杨光耀、吕彦琪和魏庆旺团队在《Acta Psychologica》发表研究，通过多实验设计深入剖析互动公平性（Interactional Justice）如何影响银行服务评价，并探索人机服务的差异边界。

研究团队通过5项情景实验（总样本量921人），系统操纵信息公平（Informational Justice，指信息透明度与解释充分性）和人际公平（Interpersonal Justice，指尊重、礼貌等情感互动）水平，并对比人类客服与AI客服的服务效果。实验采用在线平台（Credamo）招募非银行业成年参与者，通过随机分组、注意力检查、协变量控制（如人格特质、社会阶层）等方法确保数据可靠性，并运用ANCOVA（协方差分析）和迷你元分析（Mini Meta-analysis）整合研究结果。

4.1 实验1：排队场景中信息公平的作用

在模拟银行排队场景中，研究者发现高信息公平组（提供详细排队进度）的服务评价显著高于低信息公平组（模糊信息）和无信息组（F(2,157)=54.04, p<0.001, η2_p=0.408），验证信息公平的提升作用。

4.2 实验2：引入人际公平的双维度检验

在排队场景中同时操纵信息公平与人际公平，结果显示两者主效应均显著（信息公平：F(1,121)=33.04, p<0.001；人际公平：F(1,121)=27.45, p<0.001），表明双路径并行影响服务评价。

4.3 实验3：取款场景的跨情境验证

切换到取款投诉场景并加入视觉刺激（AI生成图片），再次确认信息公平（F(1,126)=42.77, p<0.001）和人际公平（F(1,126)=103.61, p<0.001）的稳健效应，且人际公平效应量更大（η2_p=0.451）。

4.4 实验4：人机交互与信息公平的博弈

在排队场景中引入客服来源（人类/AI），发现信息公平与客服来源存在显著交互（F(1,218)=6.95, p=0.009）。简单效应分析表明，低信息公平时人类客服评价显著低于AI（p=0.011），高信息公平时人机无差异（p=0.263），揭示人类在信息不足时更易被问责。

4.5 实验5：线上取款中人际公平的边界作用

在手机银行取款场景中，人际公平与客服来源交互显著（F(1,240)=6.00, p=0.015）。低人际公平时人类评价低于AI（p=0.021），高人际公平时无差异，凸显情感互动对人机评价的调节作用。

综合讨论

迷你元分析进一步整合数据，证实信息公平（Hedges' g=0.62）和人际公平（Hedges' g=1.16）对服务评价的稳定促进作用。研究颠覆了传统“算法厌恶”（Algorithm Aversion）的普适性，发现客户对人类客服存在更高期望，导致其在低公平条件下评价更严苛，而高公平时AI可实现服务 parity（等同效果）。这一发现为银行资源分配提供新思路：在标准化服务中优先部署AI以降低成本，而复杂情感场景需强化人类客服的公平性培训。研究局限包括场景模拟的简化性及未探索心理机制（如信任中介），未来可通过实地实验或日记法追踪真实服务中的公平动态。

本研究的理论与实践意义深远：一方面推进了互动公平理论在数字化服务语境下的发展，另一方面为银行优化人机协同系统提供了实证依据，助力其在效率与体验间找到平衡点。