信念启动如何缓解生成式人工智能服务失败后的用户流失？基于心理模型理论与事件相关电位(ERP)的混合研究

本研究针对生成式人工智能(GenAI)服务失败导致用户流失的问题，通过心理模型理论和关联-命题评估(APE)模型框架，采用情景实验与事件相关电位(ERP)技术相结合的混合方法，揭示了"AI情感真实性"信念启动通过错误责任归因影响用户转换意愿的机制。研究发现"AI情感虚假"信念启动能显著降低用户在情感任务失败后的流失意向，P2成分振幅变化证实了早期注意分配的神经机制，为GenAI服务商设计补救策略提供了实证依据。

　　

在人工智能技术突飞猛进的今天，生成式人工智能(GenAI)凭借其强大的内容创造和情感表达能力，正在深刻改变人机交互模式。然而这种"黑箱"特性也带来了前所未有的挑战——当GenAI产生与事实不符的"幻觉"输出时，用户往往会陷入困惑与失望。更棘手的是，由于GenAI能模拟人类情感交流，用户容易产生"共情错觉"，当服务出现故障时，这种认知偏差会放大负面情绪，导致用户转向竞品。据统计，中国市场上已有上百种GenAI产品，用户流失将直接冲击企业的市场竞争力。

传统研究主要关注常规服务行业的失败补救策略，但GenAI的不可预测性和情感交互特性使得这些经验难以直接套用。更关键的是，现有文献多聚焦事后评估，忽视了用户在服务失败瞬间的即时认知反应。这就像只研究病人康复后的感受，却忽略发病时的关键症状。针对这一空白，华侨大学的研究团队在《BMC Psychology》发表创新研究，首次将心理模型理论与关联-命题评估(APE)模型相结合，通过行为实验与神经科学技术揭示信念启动对用户流失决策的影响机制。

研究采用情景问卷与ERP实验相结合的混合方法。情景实验采用2(信念启动：AI情感真实vs虚假)×2(任务类型：情感vs机械)组间设计，通过Credamo平台收集249份有效数据；ERP实验招募27名健康右利手被试，使用64导联脑电设备记录服务失败时的神经活动，重点分析P2成分(刺激呈现后200-250ms的早期正成分)的振幅变化。所有实验流程均通过伦理审查。

研究结果部分，"信念启动对转换意愿的影响"显示：在情感任务情境下，"AI情感虚假"启动组的转换意愿显著低于"真实"组(5.09 vs 5.47，p=0.012)，而机械任务中呈现相反模式。错误责任归因的中介效应分析发现，该变量在情感任务中的间接效应达-0.0834(95%CI[-0.1929,-0.0110])，证实其关键中介作用。"ERP结果验证"部分显示："AI情感真实"组在情感任务失败时诱发显著更强的P2振幅(1.444μV vs -2.165μV，p=0.012)，表明早期注意资源分配增加，这与问卷发现的负面情绪增强相互印证。

讨论部分指出，该研究首次将APE模型应用于AI服务失败场景，揭示信念启动通过双重认知路径影响用户决策：快速自动的关联过程(由P2成分体现)产生即时情绪反应，而受控的命题过程则形成理性归因。实践层面，建议企业在情感类服务中采用"AI情感算法化"的话术管理用户预期，这能使P2振幅降低约3.6μV，相当于减弱42%的早期负面神经反应。神经证据还显示，机械任务中信念启动效应较弱，提示功能导向服务应侧重技术可靠性宣传。

该研究的创新性体现在三个方面：方法论上开创性地融合神经科学与行为实验，克服传统问卷的回忆偏差；理论上拓展了APE模型在技术接受领域的应用，提出"信念-归因-行为"的完整路径；应用层面为GenAI服务设计提供神经行为学依据，特别是情感类服务的"认知减压"策略。未来研究可结合fMRI技术探索更完整的神经通路，并考察文化差异对信念启动效果的影响。这些发现为构建更稳健的人机信任关系奠定了重要基础。