酒店机器人服务质量对持续使用意愿的影响：个人创新性的调节作用

本研究基于SERVQUAL框架，重新定义了AI酒店机器人的服务质量五维度（可靠性、保证性、娱乐性、拟人化、有形性），并通过400名中国Z世代用户的问卷调查，揭示了保证性、娱乐性、拟人化和有形性对持续使用意愿的显著正向影响，同时验证了个人创新性（PI）在其中的调节作用。研究拓展了人机交互（HRI）理论，为酒店业优化机器人部署策略提供了实证依据。

　　

1 引言

随着第四次工业革命的推进，人工智能（AI）、物联网（IoT）和云计算等数字技术正以前所未有的速度重塑服务业格局。酒店业作为服务密集型行业，日益广泛地部署服务机器人于接待、送物、清洁等场景，以期提升运营效率与顾客体验。然而，消费者对机器人服务的评价机制及其对长期使用行为的影响尚不明确。现有研究多聚焦于技术接受模型（TAM）或计划行为理论（TPB）框架下的早期采纳意愿，对服务质量维度与持续使用意愿间的关系缺乏深入探讨。

传统SERVQUAL模型包含可靠性、保证性、响应性、移情性和有形性五维度，但机器人服务缺乏人类的情感认知与共情能力，其“响应性”更多由预设程序速度决定。因此，本研究引入娱乐性（指交互过程中的愉悦感和参与度）和拟人化（指机器人具备类人外观、表情或行为的程度）以替代响应性和移情性，构建更适合机器人语境的五维服务质量框架：可靠性、保证性、娱乐性、拟人化和有形性。

此外，个人创新性（Personal Innovativeness, PI）作为个体采纳新技术的倾向性变量，可能调节服务质量与持续使用意愿的关系。本研究以中国Z世代消费者为对象（他们作为数字原住民，对技术创新具有更高开放度和期望），探究酒店送物机器人服务质量对持续使用意愿的影响及PI的调节作用。

2 文献综述与假设发展

2.1 酒店服务机器人现状

机器人技术已深刻影响酒店业的顾客、企业与社区。希尔顿集团推出机器人Connie提供本地信息服务，日本Henn-na酒店使用机器人接待员，皇家加勒比游轮配备调酒机器人手臂。研究表明，机器人能降低运营成本、提升效率与体验，但实施需谨慎，例如服务出错时顾客仍更倾向人类员工处理。

2.2 机器人服务质量维度

SERVQUAL模型在航空、医疗等多领域得到验证，但其在机器人服务中存在局限。学者们提出自动化、个性化等新维度，或区分交互质量、结果质量和物理环境。本研究保留可靠性（准确履行承诺）、保证性（专业性与信任感）、有形性（外观与设备），增加娱乐性（如互动乐趣）和拟人化（如类人特征），以更全面捕捉机器人服务特质。

2.3 服务质量与持续使用意愿

持续使用意愿反映个体长期使用产品或服务的意愿，受态度、主观规范和感知行为控制影响。高质量服务通过提升信任、满意与情感连接促进持续使用。在机器人语境下，功能可靠性、拟人化和娱乐性可减少用户抵抗、培养情感接受，从而影响忠诚度。据此提出假设：

H1：服务质量正向影响持续使用意愿（H1a–H1e对应五维度）。

2.4 个人创新性的调节作用

个人创新性（PI）指个体较早采纳新技术的意愿，创新扩散理论（DOI）和统一技术接受与使用理论（UTAUT）强调其调节作用。高创新性用户更易克服技术不确定性，对机器人服务的娱乐性、拟人化等维度反应更积极。因此假设：

H2：PI强化服务质量与持续使用意愿的关系（H2a–H2e对应五维度）。

3 研究方法

3.1 测量工具

问卷基于前人研究调整，采用5点李克特量表。测量构念包括：可靠性（3题项）、保证性（4）、娱乐性（3）、拟人化（4）、有形性（3）、持续使用意愿（4）和个人创新性（3）。所有题项经翻译-回译确保等效性，并通过30人预测试验证内容效度。

3.2 样本与数据收集

通过问卷星平台对中国Z世代用户（有过酒店送物机器人使用经验）进行在线调查（2024年10月1日至11月1日），覆盖全国省份。共回收450份问卷，剔除无效后保留400份有效数据。样本 demographic 信息显示以年轻、高教育水平群体为主。

3.3 测量模型

信度分析显示所有构念的Cronbach’s α和组合信度（CR）均大于0.8，收敛效度（AVE值0.558–0.744）和判别效度（Fornell-Larcker准则）达标。模型拟合指标：χ²/df=3.481, CFI=0.898, RMSEA=0.079，符合要求。

4 假设检验结果

4.1 服务质量对持续使用意愿的影响

结构方程模型（SEM）分析显示：

• •

  可靠性（β=?0.009, p=0.811）对持续使用意愿无显著影响，H1a未支持。

• •

  保证性（β=0.226, p<0.001）、娱乐性（β=0.274, p<0.001）、拟人化（β=0.227, p<0.001）和有形性（β=0.149, p<0.001）均显著正向影响持续使用意愿，H1b–H1e成立。

  娱乐性影响最大，表明趣味交互是提升用户忠诚的关键。

4.2 个人创新性的调节作用

PROCESS分析（Model 1）表明：

• •

  PI显著调节保证性（β=0.358, p=0.002）、娱乐性（β=0.283, p=0.008）、拟人化（β=0.423, p<0.001）和有形性（β=0.887, p<0.001）与持续使用意愿的关系（H2b–H2e成立），即高PI用户中这些维度的影响更强。

• •

  PI对可靠性的调节作用不显著（β=?0.485, p=0.463），H2a未支持。

5 结论

5.1 理论贡献

本研究通过扩展SERVQUAL模型，提出机器人服务质量的五维框架，弥补了传统模型在AI语境下的不足。实证验证了娱乐性和拟人化等新维度的显著性，并揭示PI的调节机制，整合了技术接受与消费者行为理论，为人机交互（HRI）研究提供新视角。

5.2 管理启示

酒店应优先优化机器人的保证性（如专业信任）、娱乐性（如互动设计）、拟人化（如类人特征）和有形性（如外观美学），而非仅聚焦可靠性。通过识别高创新性用户（如通过行为数据）并定制体验，可增强忠诚度。营销应突出技术新颖性与创意，以吸引Z世代群体。

5.3 局限与未来方向

样本限于中国Z世代，未来可扩展至多年龄段和跨文化比较；横截面设计未捕捉长期动态，需纵向追踪；未纳入技术焦虑、信任倾向等变量，可进一步探索中介/调节机制。区域技术发展差异也需分层抽样考量。