从文本框到会说话的虚拟形象：比较聊天机器人和数字人在在线评论收集中的应用

《Decision Support Systems》：From text boxes to talking faces: Comparing chatbots and digital humans for online review collection

数字人类通过高仿真视觉和语音交互提升用户在线评论的感知有效性、效率及满意度，其作用机制源于增强的感知人类化及更随意的对话体验。

　　

沃伦·罗森格伦（Warren Rosengren）|阿格里姆·萨奇德瓦（Agrim Sachdeva）|安蒂诺·金（Antino Kim）|艾伦·R·丹尼斯（Alan R. Dennis）

美国印第安纳大学凯利商学院（Kelley School of Business），布卢明顿，IN 47405

摘要

数字人类（由人工智能控制的代理，具有高度逼真的面部和语音）开始取代基于文本的聊天机器人，承担常规客户服务角色，例如收集反馈和评价。数字人类可以通过两种基本方式改变在线评价的提供过程。首先，凭借高度类似人类的外观，数字人类可以显著提升收集评价的代理的人性化程度，相比传统的基于文本的聊天机器人。其次，通过启用口头而非文本交流，互动方式变得更加随意和对话化，使整个过程感觉像是一次非正式的交谈。我们进行了一项在线实验，研究用户在为餐厅提供在线评价时对数字人类和基于文本的聊天机器人的反应。研究结果表明，数字人类增强了代理的人性化特征，使评价过程更像是一次随意的对话。这种人性化和对话化的特性调节了数字人类对结果的影响，提高了感知的有效性、效率、满意度以及使用意愿。我们的研究表明，用具有口头交互能力的数字人类替代基于文本的聊天机器人，对改善关键评价指标有中等到较大的效果，这表明部署数字人类可以帮助企业增加在线产品和服务评价的数量。

引言

组织越来越多地采用由人工智能（AI）驱动的对话代理来自动化重复性和繁琐的客户服务任务[1,2,3]。以聊天机器人形式存在的基于文本的对话代理已经无处不在[1,4]。下一代对话代理是数字人类，它们是由AI控制的代理，具有高度逼真的外观和声音，看起来和听起来都像真实的人[5,[6], [7], [8], [9]。数字人类像聊天机器人一样使用文本进行交流，但也可以使用口语[6,9]。

数字人类已被部署到各种商业场景中，特别是在面向客户的职位上，如销售助理和呼叫中心代理[10,6,9]。Soul Machines、UneeQ、D-ID等公司提供了已在许多组织中成功应用的数字人类技术。例如，雀巢公司将其用作烘焙顾问，世界卫生组织将其用作医疗保健顾问，澳大利亚和新西兰银行集团有限公司则采用数字人类作为呼叫中心代理。从技术角度来看，使用数字人类而不是基于文本的聊天机器人只是前端用户界面的变化，就像在传统界面中选择窗口软件一样，因为数字人类和聊天机器人都可以由相同的后端AI控制（例如，像Google Dialogflow这样的脚本服务或像ChatGPT这样的大型语言模型）。供应商使数字人类的部署变得简单直接，前端数字人类界面通过标准API调用与后端AI连接。

一个可能从部署数字人类界面中受益的常见客户服务任务是收集产品和服务评价[11]。高质量的评价对于产品和服务改进决策以及新产品的创新决策至关重要。不幸的是，很少有顾客愿意花时间写评价[12]，因此这些决策往往缺乏关键信息。写评价所需的时间和努力往往是人们不留下评价的障碍[13]，因此企业转向使用聊天机器人来收集产品和服务评价，希望鼓励更多用户留下评价[14,15,16,17]。聊天机器人提供了熟悉的对话界面[18]，提供了关于如何撰写高质量评价的实时反馈[19]，并且可以部署在各种渠道上[16]。InMoment报告称，聊天机器人可以帮助企业以更直接的方式收集反馈，并且无需人工干预即可扩展[20]。这种使撰写评价更加对话化的能力可能会鼓励更多顾客留下评价，从而为产品和服务改进提供更好的反馈。

数字人类代表了聊天机器人的下一代进化[6,9]，使它们在收集客户评价方面具有潜在的优势。从理论上讲，它们高度类似人类的外观和声音可以增加代理的人性化程度[8]。它们通过添加说话和倾听的能力改变了互动的本质，而不仅仅是打字和聊天。虽然这些模式变化直接影响评价过程（例如，说话通常比打字更快），但它们也可能对用户对评价过程的感知产生深远影响，将其从打字评价转变为随意的口头对话。我们的研究探讨了类人视觉和听觉模式如何改变互动的本质。如果使对话代理更像人类可以减少感知到的时间和努力，这些改进是否会鼓励更多的参与——或者它们是否会引入新的冲突和复杂性，比如用户期望未得到满足或对拟人化技术感到不适？

从聊天机器人的文本交流转向数字人类的口语交流有可能改变交流风格，使用户感觉这种互动更像是一次随意的对话，即非正式、自然且在社会上更亲切。这种转变不仅可以通过减少编写书面回复所需的认知努力来提高效率，还可以提高满意度和参与意愿，因为这个过程感觉更像是一次日常对话，而不是一项正式任务。虽然感知到的人性反映了代理的类人特质，但随意的对话性质捕捉了互动的这一独特体验维度。理解这两个因素如何共同和单独影响用户的感知对于解释数字人类相对于传统基于文本的聊天机器人的潜在优势至关重要。

这一进展引发了重要的理论思考。现有的关于社会存在感、拟人化和人机交互的理论（例如，计算机是社会行为者（CASA）[21,22]）表明，增加界面的人性化程度并实现自然的口语交流可能会显著改变用户的认知和情感反应，最终影响他们参与任务（如留下评价）的意愿和动机。解决这些问题及其背后的机制也可能具有实际价值，因为企业在考虑是否用数字人类替代基于文本的聊天机器人时需要考虑这些因素。我们的研究问题是：

研究问题：当从基于文本的聊天机器人转向具有说话能力的数字人类时，感知到的人性化和随意的对话性质的变化如何影响用户留下在线评价的感知和体验？

我们进行了一项在线实验，用户使用基于文本的聊天机器人和数字人类为当地餐厅提供评价。结果显示，参与者认为数字人类更有效、更高效、更令人满意，并且更有意愿使用它。这些效果是由数字人类更高的人性化感知以及与数字人类进行口头交流时感觉更像是一次随意对话，而不是与聊天机器人打字相比所介导的。

这项研究对理论和实践都有重要贡献。与聊天机器人相比，使用数字人类进行评价可以提高用户满意度、感知的有效性、感知的效率和使用意愿。效率的效果很大（Cohen [23] 称为“明显可感知”），其他效果的效果则为中等大小（“肉眼可见”）。因此，从实际角度来看，这些效果是有意义的，并为企业提供了一种有价值的途径来应对收集消费者评价的挑战[13]。从理论角度来看，这些效果不仅仅是由于高度类似人类的外观增加了感知的人性化；它们还源于互动模式从打字到口语的转变，这使得互动感觉更像是一次随意的口头对话。通过改善评价收集体验，企业可以增强关键产品和服务决策的信息输入，从而实现更明智的管理决策。更好的评价也将帮助顾客做出购买决策。

部分摘录

在线评价

在线评价是电子商务的重要组成部分，因为它们提供了减少消费者对产品不确定性的信息[24]。先前的研究表明，在线评价和评分会影响产品销售和退货[25,26,27]。已经进行了大量研究，以确定评估和吸引有价值和有帮助的评价的有效方法[28,29,30,31,32]。企业难以获得评价，因为留下评价所需的时间和努力往往

假设开发

由AI控制的对话代理可以被设计得更像或不太像人类[4]。CASA理论认为，当代理被设计得更像人类时，会有两种不同的效果：1）用户感知它们更像人类，并且更喜欢它们；2）它们会触发用户以不同的方式互动，通过调用人类的社会脚本[21,22]。这两种效果都是无意识地触发的，用户并没有刻意选择这样做，而且两者是相关的[21,22]。我们对此进行了研究

参与者

我们招募了来自美国一所大型州立大学的148名商科本科生，他们获得了额外的学分作为报酬。参与者的年龄范围是18-24岁，其中49%是女性。

任务

任务是使用数字人类和聊天机器人为两家不同的当地餐厅创建两条评价。选择这些餐厅是因为它们是参与者可能已经访问过的受欢迎的当地场所。在所有处理组中，餐厅列表是相同的，我们提供了超过60个选择

结果

表1展示了每种处理的平均值和标准差，以及处理效果之间的比较。数字人类和聊天机器人之间的差异符合Cohen [23] 所说的中等（d = 0.5）到较大（d = 0.8）的效果大小。

我们使用了SPSS的多层中介建模宏MLMED进行了正式的假设检验，类似于Hayes PROCESS模型，但适用于每个参与者有多个观察值的多层数据[91,92]。MLMED类似于

讨论

我们的目标是研究使用数字人类与聊天机器人收集在线客户评价的影响，这些评价是产品改进和创新决策的关键输入，在客户购买决策中起着核心作用。我们的结果显示，在我们检查的所有用户感知方面，数字人类的表现都优于聊天机器人。我们的研究探讨了数据收集过程的体验，从理论上分析了界面级设计如何

结论

引入数字人类界面来收集评价鼓励消费者进行更随意、更像人类的对话，关于他们的体验。因此，数字人类可以增强留下评价的过程。这些发现不仅限于收集评价的企业，也可能惠及其他寻求在客户服务过程中获取用户反馈的企业类型。因此，希望提升客户服务实践的企业可以考虑替换

资金

该项目由部门资助，没有外部资金支持。

实践者观点

数字人类增强了客户参与度：用数字人类替代基于文本的聊天机器人使评价收集过程感觉更加对话化和人性化，从而提高了满意度、效率以及留下评价的意愿。

界面升级比后端变更更重要：因为数字人类和聊天机器人可以使用相同的AI引擎，企业只需更改界面就能显著改善客户体验

CRediT作者贡献声明

沃伦·罗森格伦（Warren Rosengren）：写作——审阅与编辑、初稿撰写、软件开发、方法论设计、调查实施、数据分析、数据整理。阿格里姆·萨奇德瓦（Agrim Sachdeva）：写作——审阅与编辑、初稿撰写、软件开发、方法论设计、数据分析、概念化。安蒂诺·金（Antino Kim）：写作——审阅与编辑、初稿撰写、方法论设计、调查实施、数据分析、概念化。艾伦·R·丹尼斯（Alan R. Dennis）：写作——审阅与编辑

利益冲突声明

作者声明没有需要声明的利益冲突。

沃伦·罗森格伦（Warren Rosengren）是印第安纳大学凯利商学院的信息系统博士候选人。他将于2026年秋季加入辛辛那提大学的卡尔·H·林德纳商学院（Carl H. Lindner College of Business），担任助理教授。他的研究重点是人工智能在组织流程中的战略整合，特别关注社交人工智能和人机协作。通过这项工作，他致力于增进对智能系统如何