AI服务接触如何塑造游客信任:感知个性化与交互公平的双路径及隐私敏感性和品牌声誉的边界作用

《Journal of Theoretical and Applied Electronic Commerce Research》:How AI-Enabled Service Encounters Shape Tourist Trust: The Role of Perceived Personalization and Interactional Justice

【字体: 大 中 小 】 时间:2026年10月24日 来源:Journal of Theoretical and Applied Electronic Commerce Research 4.5

编辑推荐:

  随着人工智能(Artificial Intelligence, AI)技术日益中介化旅游服务接触,理解AI赋能互动如何塑造游客信任已成为紧迫议题。基于社会交换理论(Social Exchange Theory)和公平理论(Justice Theory),研究人

  
随着人工智能(Artificial Intelligence, AI)技术日益中介化旅游服务接触,理解AI赋能互动如何塑造游客信任已成为紧迫议题。基于社会交换理论(Social Exchange Theory)和公平理论(Justice Theory),研究人员考察AI服务质量(AI service quality, AISQ)影响游客信任的机制与边界条件。以滕王阁(Tengwang Pavilion)景区AI数字人Wang Bo为实证案例,研究人员构建并检验一个模型,其中感知个性化(perceived personalization, PP)和交互公平(interactional justice, IJ)作为平行中介,隐私敏感性(privacy sensitivity, PS)和品牌声誉(brand reputation, BR)作为调节变量。结构方程建模(structural equation modeling, SEM)结果显示,AISQ显著增强PP和IJ,二者进而促进游客信任。PP和IJ各自发挥显著中介作用,表明游客对AI的信任不仅源于技术绩效,还源于对个性化关怀和公平对待的感知。在调节效应中,PS削弱AISQ与IJ之间的关系,但不影响AISQ与PP之间的联系。BR增强PP对信任的影响,但不显著调节IJ与信任之间的关系。总体而言,研究发现揭示AISQ建立信任的双路径——基于个性化的路径和基于公平的路径——突出技术卓越、类人社会属性与情境因素在塑造游客对AI赋能服务信任中的交互作用。研究人员认为,本研究推进了对AI中介服务关系的理论理解,并为在旅游情境中设计可信AI体验提供实践启示。
研究背景与问题。人工智能(Artificial Intelligence, AI)正推动旅游服务接触由技术辅助的信息提供转向游客与智能服务代理之间的互动和自适应交换,生成式AI进一步强化情境敏感和类人互动能力。在文化旅游中,AI数字人将智能服务功能与文化解释、叙事结合起来,使游客在身处遗产目的地的同时与数字代理互动。随着AI从功能工具转向互动服务代理,游客信任变得重要,因为游客需判断AI中介服务是否足够胜任、可靠和适合依赖。既有研究已表明技术和服务质量属性影响用户对AI服务的评价,但游客如何解释AI服务绩效并将其转化为信任仍理解不足。文献存在两个缺口:第一,个性化被视为AI赋能服务中相关性和个体价值的重要来源,AI中介互动研究也日益重视公平、尊重对待和透明等关系考量,但有限研究考察AISQ是否通过同一服务接触的不同心理诠释产生信任;第二,这些机制不太可能在不同游客和服务情境中一致运作,隐私敏感性可改变游客在数据收集和个性化显著时对AI服务绩效的解释,品牌声誉可提供外部可信性信号,但有限研究将个体和情境边界条件整合进AI赋能旅游服务接触的双路径信任形成解释。因此,不清楚的不只是AISQ是否影响信任,而是通过哪些心理机制以及在何条件下这些机制更强或更弱。研究人员以滕王阁AI数字人Wang Bo为实证场景,因为游客在文化遗产目的地物理嵌入中与AI代理互动,形成线上线下融合(phygital)服务接触,技术绩效、自适应回应、关系对待、隐私考量和目的地层面声誉可同时影响服务评价。研究问题为:(1)AISQ如何通过PP和IJ贡献游客信任;(2)PS和BR如何塑造这些信任建立机制。框架基于社会交换理论和公平理论;社会交换理论提供关系逻辑,公平理论解释公平和适当对待为何构成AI中介互动中信任的独立基础。研究意义在于:超越直接技术—信任解释,识别个人相关性和公平对待两个平行机制;通过考察PS和BR在不同阶段的边界条件,解释相似AI服务绩效为何不产生等同信任;在phygital文化旅游情境中扩展AI服务研究。

关键技术方法(不超过250字):研究人员采用非概率现场拦截抽样,于2025年10月1日至17日在滕王阁招募已与Wang Bo AI数字人直接互动的游客;发放问卷655份,剔除74份无效(完成时间过短或直线作答),获有效问卷581份,有效率88.7%;问卷含25个测量项,7点李克特量表;使用SPSS 25.0和AMOS 24.0,进行验证性因子分析(confirmatory factor analysis, CFA)、结构方程建模(SEM)、5000次Bootstrap重抽样及交互分析,并以Harman单因子检验评估共同方法偏差。

研究结果。4.1 样本人口统计分析:通过描述性统计,样本中女性占52.2%,18–25岁占32.7%,18–35岁超过60%,53.4%具有大专或大学学历,收入以中低收入为主。4.2 测量模型与效度:通过CFA,标准化因子载荷0.723–0.861,AVE 0.605–0.673,CR 0.877–0.892,Cronbach’s α 0.873–0.891;Fornell–Larcker准则显示AVE平方根0.778–0.820均高于构念间相关,最高相关0.553,信度、收敛效度和区分效度可接受。4.3 结构模型评估:通过SEM,模型拟合为χ2/df=2.842、RMSEA=0.056、GFI=0.935、AGFI=0.913、CFI=0.963、TLI=0.957、IFI=0.963;AISQ→PP(β=0.573, p<0.001)、PP→游客信任(tourist trust, TT)(β=0.334, p<0.001)、AISQ→IJ(β=0.502, p<0.001)、IJ→TT(β=0.300, p<0.001)均显著,支持H1、H2、H4、H5。4.4 中介效应:通过Bootstrap,AISQ经PP到TT的间接效应0.192(SE=0.036,95% CI [0.126, 0.267]),经IJ到TT的间接效应0.151(SE=0.033,95% CI [0.091, 0.225]),置信区间均不含零,支持H3、H6。4.5 调节效应:通过交互分析,PS负向调节AISQ→IJ(β=?0.108, SE=0.025, p<0.01),支持H7b;PS对AISQ→PP不显著(β=?0.055, SE=0.024, p>0.05),H7a不支持;BR正向调节PP→TT(β=0.106, SE=0.028, p<0.01),支持H8a;BR对IJ→TT不显著(β=0.038, SE=0.026, p>0.05),H8b不支持。

讨论与结论总结。讨论部分认为,显著的个人化路径表明技术绩效并非仅因AI有效运作而转化为信任,游客须将绩效解释为与自身需求相关和响应;IJ路径表明游客不仅评价系统交付什么,也评价互动如何被实施,响应性、适当沟通、透明和尊重对待可作为非人类代理的关系信号。PP与IJ不应合并为一般正面服务评价:PP捕获AI绩效是否被解释为个体相关和响应,IJ捕获互动本身是否公平适当。调节不对称显示:PS主要约束IJ形成,隐私敏感游客可能认可AI准确响应,却质疑信息获取、处理和边界尊重;BR主要增强PP转化为信任,因个性化推荐需外部可信性信号验证,而直接体验到的公平线索可能使品牌声誉增量有限。研究结论部分翻译如下:研究人员考察AISQ如何通过PP和IJ塑造游客信任,以及这些信任建立过程是否随PS和BR变化。结果支持双机制解释,并揭示调节效应的不对称性:AISQ显著增强PP和IJ,二者分别提高游客信任,两个间接效应显著,支持H1–H6;边界条件具有选择性,PS削弱AISQ与IJ关系但不显著影响个人化路径,BR增强PP与游客信任关系但不显著改变IJ对信任的影响。这些不对称发现为游客如何解释和回应AI赋能服务接触提供了更差异化的理解。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号