服務機器人如何改變旅客滿意度

1. 基本資訊

這篇研究位於觀光與旅宿服務科技、服務機器人、人機互動與電子口碑的交會。作者關心的不是旅客是否「願意採用」機器人，而是機器人實際服務表現如何進入旅客對整體住宿經驗的評價。研究以三因素顧客滿意度理論為主軸，分析 44 家曾導入服務機器人的國際旅館、近 70,000 則 TripAdvisor 評論，並把評論中涉及機器人的正負面表現轉化為可估計的服務屬性。

2. 研究問題

核心問題是：服務機器人在旅館服務中的表現，究竟在多大程度上影響顧客整體滿意度？研究進一步問兩件事：第一，正面與負面機器人表現是否以對稱方式影響滿意度；第二，不同旅客類型（商務、獨旅、家庭、朋友等）是否會調節這種影響。這使研究從單純的科技接受問題，推進到「服務屬性如何形成整體評價」的問題。

3. 理論基礎

主要理論是 Cadotte 與 Turgeon 的三因素顧客滿意度理論。該理論把服務屬性分成基本因素、績效因素與興奮因素：基本因素缺失會造成不滿；績效因素的表現高低大致對應滿意度高低；興奮因素在表現良好時能帶來額外驚喜，但表現不佳未必等比例造成不滿。作者也以歸因理論、人機互動研究、服務主導邏輯與社會物質性觀點補充解釋，將機器人視為可能參與價值共創的社會／物質行動者。

4. 研究架構

研究把評論中的服務機器人表現拆成兩個核心自變項：Robot_Pos（正面表現／reward）與 Robot_Neg（負面表現／penalty）。依變項是旅客對旅館的整體星級評分；旅客類型則作為可能的調節變項。模型同時控制評論者貢獻量、旅行目的、旅行同伴、旅館與評論時間等因素。分析策略先以文字分析辨識提到機器人的句段，再以 Penalty-Reward Contrast Analysis 與有序羅吉斯迴歸估計效果，最後以 Propensity Score Matching 形成較可比的評論者樣本，檢查主要結果是否穩健。

5. 假設邏輯

作者的假設邏輯建立在機器人服務的正負面效果不一定相等。正面互動可能因新奇、效率與社會性線索而帶來超出基本期待的驚喜，因此預期 Robot_Pos 提高整體滿意度；負面互動則可能因旅客把機器人視為獨立的技術／社會代理者，而未必直接轉化為對整間旅館的不滿，因此 Robot_Neg 的負向效果可能較弱或不顯著。另一條邏輯是旅客類型可能改變機器人評價方式，所以作者檢驗其調節作用；若效果在不同旅客間大致一致，則表示機器人的正向價值可能具有較廣泛的服務層次適用性。

6. 方法

資料來自 44 家全球旅館的 TripAdvisor 公開評論。研究先確認各旅館確實導入服務機器人，再蒐集截至 2019 年 10 月前的評論；原始資料約 69,497 則，最後保留旅館導入機器人後產生的評論。作者依句子與機器人相關關鍵字擷取評論片段，使用 VADER 取得情緒極性；三位研究者另對隨機 2,400 則評論進行人工檢查，以確認片段是否真正涉及服務機器人。接著以有序羅吉斯模型估計整體評分，並使用傾向分數配對降低「提到機器人的評論者」與一般評論者之間的選擇偏誤。這是一種以自然發生的電子口碑資料搭配準實驗檢查的設計，而非控制實驗。

7. 結果

結果顯示，服務機器人的正面表現與較高的整體顧客滿意度顯著相關；負面表現則沒有顯著降低整體滿意度。這種不對稱效果支持把服務機器人視為旅宿服務中的「興奮因素」，而不是典型的績效因素。傾向分數配對後，主要結果仍然成立；旅客類型也沒有顯著調節機器人表現與整體滿意度之間的關係。換言之，評論裡的機器人正面經驗能提高整體評價，但負面機器人經驗在這組資料中尚不足以拉低整體住宿評分。

8. 理論貢獻

第一，研究把三因素滿意度理論延伸到服務機器人與人機互動場景，具體指出機器人目前較像興奮因素，而非基本或績效因素。第二，它把正面與負面人機互動放進同一個不對稱分析框架，避免只研究採用意圖或平均態度。第三，研究展示電子口碑不只是描述性材料，也能透過文字分析抽取服務屬性表現，連接到理論驅動的計量模型。第四，研究以社會物質性與服務主導邏輯重新理解機器人的角色：服務價值不是由人或技術單獨產生，而是在顧客、旅館制度與機器人互動中共同形成。

9. 實務意涵

對旅館管理者而言，機器人不應只被視為降低成本或補足人力的設備，而是能設計成可被旅客記住的體驗觸點。機器人的語言、外觀、任務流程與品牌個性要彼此一致，並且清楚告知顧客其功能與使用方式。管理者可持續蒐集公開與私有回饋，分開監測正面與負面機器人片段，找出哪些服務情境真正帶來驚喜、哪些失誤會逐漸累積成不滿。作者也提醒，當機器人從新奇的興奮因素變成市場常態後，顧客期待會上升，現在可被容忍的失誤未來可能轉為績效缺口；因此需要持續的服務設計與漸進式創新，而不是一次導入後放任運作。

10. 研究限制

研究資料集中於 TripAdvisor，且只涵蓋 44 家已導入機器人的旅館，平台與樣本選擇限制了外部效度。資料主要來自 2019 年前後，疫情、生成式 AI 與機器人普及程度改變後，正負面效果可能不同。評論者的年齡、性別、國籍、既有期待與是否事前知道機器人存在等變項資料不足，仍可能存在選擇偏誤與內生性；傾向分數配對只能降低已觀察差異，不能等同隨機實驗。情緒分析與關鍵字擷取也可能漏掉隱喻、反諷或複雜的人機互動脈絡。後續可使用跨平台資料、縱貫資料、旅館層級差異中的差異設計，以及現場實驗進一步驗證。

11. 對我研究的啟發

這篇最可重用的研究角度，是把「AI／機器人是否被接受」改寫成「AI 介入服務後，哪些互動線索成為興奮因素、績效因素或基本因素」。若研究生成式 AI、旅遊推薦或服務機器人，可沿用正面 reward／負面 penalty 的不對稱思路，避免把平均滿意度當成完整結果。更重要的是，電子口碑可作為人機協作或消費者體驗的自然場域資料：先抽取與 AI 互動相關的語句，再以理論分類其功能、情緒與服務結果，最後用配對、縱貫或多層模型處理選擇偏誤。對 AI × 認知風格與知識創造研究而言，這也提示「正向驚喜」與「負向失誤」可能走不同心理路徑，應分別建模，而不宜只設一個總體 AI 態度指標。

12. 整體評價

值得納入觀光服務科技與人機協作的核心文獻，尤其適合作為服務機器人顧客體驗的 empirical support，也可作為「AI 服務效果具有不對稱性」的 framing paper。它的優點是理論明確、資料量大、方法把文字分析與準實驗檢查結合，且直接處理正負面效果差異；但其資料年代、單一評論平台、觀察性設計與情緒擷取限制，使結果不宜直接推廣到生成式 AI、其他文化市場或今日的機器人常態服務。最穩健的引用方式，是把它當作「服務科技可能先以興奮因素創造額外價值」的證據，再以較新的跨平台、實驗或縱貫研究補足因果與時代效度。