Når forbrugerne stoler på AI-anbefalinger – eller modsætter sig dem

Forskere fra Boston University og University of Virginia offentliggjorde et nyt papir i Journal of Marketing der undersøger, hvordan forbrugere reagerer på AI-anbefalere, når de fokuserer på de funktionelle og praktiske aspekter af et produkt (dets nytteværdi) versus de oplevelsesmæssige og sensoriske aspekter af et produkt (dets hedoniske værdi).

Studiet, kommende i den Journal of Marketing , har titlen "Artificial Intelligence in utilitarian vs. Hedonic Contexts:The 'Word-of-Machine' Effect" og er forfattet af Chiara Longoni og Luca Cian.

Flere og flere virksomheder udnytter teknologiske fremskridt inden for kunstig intelligens, maskinelæring, og naturlig sprogbehandling for at give anbefalinger til forbrugerne. Da disse virksomheder evaluerer AI-baseret assistance, Et kritisk spørgsmål må stilles:Hvornår stoler forbrugerne på "maskinens ord, "og hvornår gør de modstand?

En ny Journal of Marketing undersøgelse udforsker årsagerne bag præferencen af ​​anbefalingskilde (AI vs. menneske). Nøglefaktoren i beslutningen om, hvordan man inkorporerer AI-anbefalere, er, om forbrugerne er fokuseret på de funktionelle og praktiske aspekter af et produkt (dets nytteværdi) eller på de oplevelsesmæssige og sensoriske aspekter af et produkt (dets hedoniske værdi).

Stoler på data fra over 3, 000 studiedeltagere, forskerholdet fremlægger beviser, der understøtter en ord-til-maskine-effekt, defineret som det fænomen, hvorved afvejningen mellem utilitaristiske og hedoniske aspekter af et produkt bestemmer præferencen for, eller modstand mod, AI-anbefalere. Ord-til-maskine-effekten stammer fra en udbredt overbevisning om, at AI-systemer er mere kompetente end mennesker til at uddele rådgivning, når funktionelle og praktiske kvaliteter (utilitaristisk) er ønsket og mindre kompetente, når de ønskede kvaliteter er erfaringsbaserede og sansebaserede (hedoniske). Følgelig, betydningen eller fremtræden af ​​utilitaristiske egenskaber bestemmer præference for AI-anbefalere frem for menneskelige, mens betydningen eller fremtræden af ​​hedoniske egenskaber bestemmer modstanden mod AI-anbefalere frem for menneskelige.

Forskerne testede ord-til-maskine-effekten ved hjælp af eksperimenter designet til at vurdere folks tendens til at vælge produkter baseret på forbrugserfaringer og anbefalingskilde. Longoni forklarer, at "Vi fandt ud af, at når de blev præsenteret for instruktioner om at vælge produkter udelukkende baseret på utilitaristiske/funktionelle egenskaber, flere deltagere valgte AI-anbefalede produkter. Når du bliver bedt om kun at overveje hedoniske/erfaringsmæssige egenskaber, en højere procentdel af deltagerne valgte menneskelige anbefalere."

Når utilitaristiske egenskaber er vigtigst, ord-til-maskine-effekten var mere tydelig. I en undersøgelse, deltagerne blev bedt om at forestille sig at købe en vinterfrakke og vurdere, hvor vigtige utilitaristiske/funktionelle egenskaber (f.eks. åndbarhed) og hedoniske/erfaringsmæssige egenskaber (f.eks. stoftype) var i deres beslutningstagning. De mere utilitaristiske/funktionelle funktioner blev højt vurderet, jo større præference for kunstig intelligens frem for menneskelig assistance, og de mere hedoniske/erfaringsmæssige træk blev højt vurderet, jo større præference for human over AI assistance.

En anden undersøgelse indikerede, at når forbrugere ønskede anbefalinger matchet til deres unikke præferencer, de modstod AI-anbefalere og foretrak menneskelige anbefalere uanset hedoniske eller utilitaristiske præferencer. Disse resultater tyder på, at virksomheder, hvis kunder er kendt for at være tilfredse med "one size fits all"-anbefalinger (dvs. ikke har behov for et højt niveau af tilpasning) kan stole på AI-systemer. Imidlertid, virksomheder, hvis kunder er kendt for at ønske personlige anbefalinger, bør stole på mennesker.

Selvom der er en klar sammenhæng mellem utilitaristiske egenskaber og forbrugernes tillid til AI-anbefalere, virksomheder, der sælger produkter, der lover flere sensoriske oplevelser (f.eks. dufte, mad, vin) kan stadig bruge kunstig intelligens til at engagere kunder. Faktisk, folk omfavner AI's anbefalinger, så længe AI arbejder i partnerskab med mennesker. Når AI spiller en hjælpende rolle, "augmentere" menneskelig intelligens i stedet for at erstatte den, AI-human hybrid-anbefaleren yder lige så godt som en assistent, der kun er for mennesker.

Samlet set, ord-til-maskine-effekten har vigtige implikationer som udvikling og indførelse af kunstig intelligens, maskinelæring, og naturlig sprogbehandling udfordrer ledere og politiske beslutningstagere til at udnytte disse transformative teknologier. Som Cian siger, "Den digitale markedsplads er overfyldt, og forbrugernes opmærksomhed er kort. At forstå de forhold, som forbrugerne har tillid til, og stoler ikke på, AI-rådgivning vil give virksomheder en konkurrencefordel på dette område."