وقتی مصرف کنندگان به توصیه های هوش مصنوعی اعتماد می کنند یا با آنها مخالفت می کنند


اعتبار: دامنه عمومی Pixabay / CC0

محققان دانشگاه بوستون و دانشگاه ویرجینیا مقاله جدیدی را در روزنامه بازاریابی که به بررسی چگونگی پاسخ مصرف کنندگان به توصیه کنندگان هوش مصنوعی می پردازد ، هنگامی که آنها بر جنبه های کاربردی و عملی محصول (ارزش سودمندی آن) در مقابل جنبه های تجربی و حسی محصول (ارزش لذت بخشی آن) متمرکز هستند.

این مطالعه در آینده انجام می شود روزنامه بازاریابی، تحت عنوان هوش مصنوعی در یک زمینه سودمندانه در مقابل هدونیک: کلمه اثر ماشین است و نویسنده کیارا لونگونی و لوکا شیان است.

شرکتهای بیشتری از پیشرفتهای فن آوری در هوش مصنوعی ، یادگیری ماشین و پردازش زبان طبیعی برای ارائه توصیه به مصرف کنندگان استفاده می کنند. از آنجا که این شرکت ها کمک های مبتنی بر هوش مصنوعی را ارزیابی می کنند ، باید یک سوال مهم مطرح شود: چه زمانی مصرف کنندگان به “کلمه ماشین” اعتماد می کنند و چه زمانی با آن مخالفت می کنند؟

جدید روزنامه بازاریابی این مطالعه دلایل ترجیح منبع توصیه (AI در برابر انسان) را بررسی می کند. عامل اصلی در تصمیم گیری در مورد چگونگی قرار دادن توصیه کنندگان هوش مصنوعی این است که آیا مصرف کنندگان بر جنبه های عملکردی و عملی محصول (ارزش سودمندی آن) متمرکز شده اند یا جنبه های تجربی و حسی محصول (ارزش لذت بخشی آن).

تیم تحقیقاتی با تکیه بر داده های بیش از 3000 شرکت کننده در مطالعه ، شواهدی را برای حمایت از اثر ماشین به ماشین ارائه کرده است ، که به عنوان پدیده ای تعریف شده است که در آن معاملات بین جنبه های سودمندانه و لذت گرایانه یک محصول اولویت یا مقاومت در برابر توصیه کنندگان AI را تعیین می کند. تأثیر “ماشین به ماشین” از این باور گسترده ناشی می شود که سیستمهای هوش مصنوعی در هنگام توصیه مطلوب از ویژگیهای عملی و عملی (منفعت طلبانه) صلاحیت بیشتری نسبت به انسانها دارند و درصورت مبتنی بودن کیفیتهای مطلوب ، از شایستگی کمتری برخوردار هستند. تجربه و حسی (لذت جویانه). بنابراین ، اهمیت یا دید صفات سودمندانه ترجیح طرفداران هوش مصنوعی را بر خصوصیات انسانی تعیین می کند ، در حالی که اهمیت یا دید صفات لذت جویی ، انعطاف پذیری توصیه کنندگان هوش مصنوعی را نسبت به ویژگی های انسانی تعیین می کند.

محققان با استفاده از آزمایشاتی که برای ارزیابی تمایل افراد به انتخاب محصولات براساس تجربه مصرف و منبع توصیه شده طراحی شده است ، تأثیر دستگاه را آزمایش کردند. لونگونی توضیح می دهد که “ما دریافتیم که هنگامی که دستورالعمل انتخاب محصول فقط بر اساس ویژگی های سودمندانه / عملکردی ارائه می شود ، بیشتر شرکت کنندگان محصولات توصیه شده توسط AI را انتخاب می کنند. هنگامی که از آنها خواسته شد فقط ویژگی های تجربی / تجربی را در نظر بگیرند ، درصد شرکت کنندگان افرادی را انتخاب کرده اند که توصیه می کنند. “

هنگامی که ویژگی های سودمندی از همه مهمتر هستند ، تأثیر دستگاه بارزتر می شود. در یک مطالعه ، از شرکت کنندگان خواسته شد هنگام تصمیم گیری یک مانتو زمستانی تصور کنند و اهمیت خصوصیات مفید / کاربردی (به عنوان مثال تنفس) و ویژگیهای تجربی (مانند نوع پارچه) را ارزیابی کنند. هرچه خصوصیات سودمندانه / عملکردی بسیار زیاد ارزیابی شوند ، ترجیح هوش مصنوعی نسبت به کمک به انسان بیشتر است و ویژگیهای تجربی / تجربی بسیار ارزشمندتر هستند ، اولویت انسان بر کمک به هوش مصنوعی بیشتر است.

مطالعه دیگر نشان می دهد وقتی مصرف کنندگان توصیه هایی متناسب با ترجیحات منحصر به فرد آنها می خواهند ، بدون توجه به ترجیحات لذت جویانه یا سودمندانه ، با توصیه های هوش مصنوعی و توصیه های ترجیحی مردم مخالفت می کنند. این نتایج نشان می دهد شرکت هایی که مشتریان آنها از توصیه های “یک اندازه متناسب با همه” رضایت دارند (یعنی نیازی به سطح بالایی از سفارشی سازی ندارند) می توانند به سیستم های هوش مصنوعی اعتماد کنند. با این حال ، شرکت هایی که مشتریان آنها به دلیل تمایل به توصیه های شخصی شناخته شده اند ، باید به مردم اعتماد کنند.

اگرچه بین ویژگیهای سودمندی و اعتماد مصرف کننده به مراجعه به هوش مصنوعی پیوند واضحی وجود دارد ، شرکتهای فروش محصولاتی که نوید تجربیات حسی بیشتری را می دهند (به عنوان مثال ، طعم دهنده ها ، غذا ، شراب) هنوز هم می توانند از هوش مصنوعی برای جلب مشتری استفاده کنند. در حقیقت ، افراد توصیه های هوش مصنوعی را تا زمانی که هوش مصنوعی با مشارکت مردم کار کند ، می پذیرند. هنگامی که هوش مصنوعی نقش حمایتی دارد ، به جای جایگزینی هوش انسانی “افزایش” ، هیبرید AI-human توصیه شده خود را فقط به عنوان یک دستیار برای انسان نشان می دهد.

به طور کلی ، تأثیر ماشین به ماشین پیامدهای مهمی دارد ، زیرا توسعه و پذیرش هوش مصنوعی ، یادگیری ماشین و پردازش زبان طبیعی مدیران و سیاست گذاران را به چالش می کشد تا از این فن آوری های تحول آفرین استفاده کنند. همانطور که سیان می گوید: “بازار دیجیتال شلوغ است و میزان توجه مصرف کنندگان کوتاه است. درک شرایطی که مصرف کنندگان به نکات هوش مصنوعی اعتماد می کنند و به آنها اعتماد ندارند به شرکت ها یک مزیت رقابتی در این فضا می دهد.”


تأثیرات سیستم های ارجاع در تجارت الکترونیکی بسته به ویژگی های محصول و رتبه بندی بررسی متفاوت است


اطلاعات بیشتر:
کیارا لونگونی و همکاران ، هوش مصنوعی در زمینه سودمندی در مقابل زمینه هدونیک: کلام اثر ماشین ، روزنامه بازاریابی (2020) DOI: 10.1177 / 0022242920957347

تهیه شده توسط انجمن بازاریابی آمریکا

نقل قول: هنگامی که مصرف کنندگان به توصیه های هوش مصنوعی اعتماد می کنند یا با آن مخالفت می کنند (2020 ، 25 نوامبر) ، در تاریخ 25 نوامبر 2020 از https://phys.org/news/2020-11-consumers-ai- بازیابی می شود توصيه كننده-مقاومت. html

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به جز معاملات منصفانه به منظور معاینه خصوصی یا تحقیق ، هیچ بخشی بدون اجازه کتبی قابل تولید نیست. این محتوا فقط برای اطلاع رسانی ارائه شده است.




منبع: moshaverh-news.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*