中文标题：让Chatbot不再聊？使用聊天机器人与Web表单收集用户评论的对比研究

英文标题：Taking the Chat out of Chatbot? Collecting User Reviews with Chatbots and Web Forms

期刊：Journal of Management Information Systems

发表时间：2024年

文献参考：Sachdeva, A., Kim, A., & Dennis, A. R. (2024). Taking the Chat out of Chatbot? Collecting User Reviews with Chatbots and Web Forms. Journal of Management Information Systems, 41(1), 146-177.

一、摘要

本文通过两项在线实验研究了使用聊天机器人替代传统表单收集用户评论的影响。研究1发现，虽然非结构化的聊天机器人能提升用户的感知效率，但其收集到的评论往往更短、质量更低。研究2进一步揭示，虽然在Chatbot中加入结构化提示能提高评论质量，但由于这种设计引发了体裁规则（Genre Rules）的冲突——即用户在预期为随意聊天的界面中感受到了正式访谈的压力，这不仅抵消了Chatbot的交互优势，还导致用户满意度低于传统的结构化表单。

二、研究背景

在线评论对消费者的购买决策和企业的管理决策至关重要。然而，激励用户提供高质量评论一直是个难题。传统的Web表单往往被视为一种枯燥的任务，导致用户评价倾向于两极化或草草了事。聊天机器人作为一种新兴的交互范式，被寄予厚望能通过对话来模拟真实的人际互动，从而激发用户产生更丰富的内容。然而，学术界对于这种界面红利是否真实存在，以及它对用户评论特征（如长度、质量、复杂度）的长期影响，始终缺乏深度的实证检视。本研究正是要揭开这层对话感的面纱，探索用户在面对不同采集工具时的认知加工差异。

三、理论基础

本研究的理论建构植根于社会交互领域的体裁规则(Genre Rules)视角。体裁不仅是信息的物理载体，更是引导个体感知并操纵特定技术的深层社会化结构。在数字交互语境下，Web表单体裁(Web-form Genre)通常被预设为正式信息披露与评估的场域，其界面特征会自发激活用户的事务型认知图式，驱使其以逻辑严密、条理清晰的书面规范进行表达。与之形成鲜明对比的是，Chatbot体裁(Chatbot Genre)由于在视觉呈现与交互逻辑上高度模拟即时通讯工具，不可避免地触发了用户底层的社交或闲聊心理模式。在这种体裁规则的诱导下，用户更倾向于产出碎片化、口语化的信息。

本研究深入探讨了体裁冲突的发生机制：当系统的技术设计（如Chatbot界面）与特定任务要求（如结构化评论任务）产生错位时，这种将聊天从聊天机器人中剥离的结构化干预，实际上破坏了用户对界面社交属性的心理契约。体裁规范与任务目标的失配，迫使用户在下意识调整思维模式的过程中产生了额外的认知摩擦，从而对最终的交互满意度与内容产出质量产生了负向补偿效应。

四、研究缺口

现有文献在对话式交互界面在UGC采集效能方面的理论构建方面，尚缺乏对不同交互范式对征集用户生成内容质量的影响机理的探讨，具体表现为以下三个维度的研究缺失：一是，跨渠道对比不足。既有研究多关注Chatbot与人类的对比，而忽略了Chatbot与目前主流收集工具（Web表单）在UGC质量上的直接对比；二是，结构化设计的两面性。虽然结构化提示在表单设计中能提升质量，但在Chatbot这种特定社交语境下的效果尚不明确；三是，心理机制黑箱。缺乏对用户在使用不同工具收集信息时，底层心理契合度和思维模式（体裁规则）的深度挖掘。

五、研究假设

H1：在无结构化引导的情况下，相比于基于表单的评价流程，使用聊天机器人（Chatbot）诱导评论将导致：(a) 更高的感知效率，(b) 更高的满意度，以及 (c) 更强的评价意愿。

H2：在无结构化引导的情况下，相比于使用表单诱导的评论，通过聊天机器人收集的评论将：(a) 篇幅更短，(b) 质量更低，以及 (c) 语言复杂度更低。

H3：在基于表单的评价流程中，增加结构化引导将导致：(a) 更高的感知效率，(b) 更高的满意度，以及 (c) 更强的评价意愿。

H4：相比于使用无结构表单诱导的评论，通过结构化表单收集的评论将：(a) 篇幅更长，(b) 质量更高，以及 (c) 语言复杂度更高。

H5：在聊天机器人（Chatbot）中增加结构化引导，反而会降低用户的感知效率、满意度和评价意愿（与 H3相反）。

H6：这种负面影响是由体裁规则冲突（Genre Rule Violation）中介的，即结构化任务违背了用户对 Chatbot 非正式和社交属性的心理预期。

六、研究设计

七、主要发现

1. 提效但降质：用户觉得用Chatbot写评价更高效、更省力（感知效率更高），但写出的评论显著更短、质量更低、用词更随意。

2. 结构化设计的悖论：在表单中，结构化设计（分项打分和评论）能让用户更满意；但在Chatbot中，结构化虽然让评论变长、变好，却让用户觉得变累了，感知效率下降。

3. 身份的冲突：非结构化Chatbot像与朋友叙旧，而结构化Chatbot则像专业面试。结构化Chatbot虽然使评论更正式、复杂度更高，却破坏了Chatbot原本带来的轻松体验。

八、研究结论

1. 评论质量优先时，表单仍具优势。若企业的目标是获取信息充分、结构清晰且具有分析价值的用户评论，那么设计良好的结构化网页表单依然是一种更为可靠的选择，相比之下不必盲目追随聊天机器人的潮流。

2. 聊天机器人的核心价值在于降低参与门槛。 通过对话式界面，Chatbot能够营造更轻松的互动氛围，从而鼓励更多用户参与反馈。但这种随意的交流方式也容易导致评论内容更为简短、碎片化，整体信息深度相对有限。

3. 结构化设计在聊天场景中具有双重效应。在Chatbot中加入分维度的问题虽然有助于提升评论的完整性和质量，但过度结构化也会削弱聊天的自然感，使原本的对话体验逐渐演变为一种以聊天为外壳的表单，反而会降低其社交吸引力。

九、研究贡献

（一）理论贡献

首次将体裁规则应用于对话式AI领域，解释了技术界面如何通过激发不同的社会规范来改变用户的认知加工过程。

将结构化这一信息设计变量与体裁规则理论结合，提出在设计交互系统时应考虑体裁的兼容性问题，挑战了对话式交互优于静态界面的直觉判断，并划定了Chatbot在数据采集任务中的适用边界。

（二）实践贡献

研究建议企业在设计收集类Chatbot时，如果需要高质量数据，应考虑在交互中加入引导，但必须意识到这会牺牲一部分用户体验。

平台在将传统表单任务迁移到AI平台时，不能照搬旧逻辑，需依据对话的本质重新定义交互流程，以缓解体裁规则的冲突。

十、总结

技术的发展让我们拥有了更多与用户对话的机会，但这个研究提醒我们：形式的改变会深刻影响内容的本质。当企业想用AI陪用户聊天时，请充分考虑：到底想设计一个懂客户的朋友，还是一个一丝不苟的记录员？在追求数据质量与维护用户体验之间，Chatbot的设计者需寻找那个微妙的平衡点。