DOI: https://doi.org/10.1016/j.chbr.2026.101017
تاريخ النشر: 2026-03-19
المؤلف: Paulo Rita وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تبحث هذه الدراسة في تأثير الدردشة الآلية المدفوعة بالذكاء الاصطناعي على رضا العملاء، والولاء، ونوايا الشراء ضمن سياقات الخدمات الرقمية. باستخدام استبيان شمل 282 مستجيبًا تم تحليله من خلال نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM)، تحدد الدراسة السمات الرئيسية للدردشة الآلية التي تعزز رضا العملاء. تشير النتائج إلى أن جودة المعلومات، وقدرات حل المشكلات، وفهم التفاعل الشبيه بالبشر تساهم بشكل كبير في الرضا، بينما لا تؤثر عوامل مثل الطوارئ المدركة، وإنسانية الاستجابة، والإشارات البشرية بشكل مباشر. وهذا يشير إلى أن تصميم الدردشة الآلية الفعالة يجب أن يركز على تقديم المعلومات الدقيقة وحل المشكلات بكفاءة.
تؤكد الاستنتاجات على أهمية السمات الوظيفية على السمات الاجتماعية والبشرية في تعزيز رضا العملاء خلال التفاعلات النفعية. بينما سلطت الأبحاث السابقة الضوء على فوائد التصميم الشبيه بالبشر في تحسين تقييمات المستخدمين، توضح هذه الدراسة أنه في السيناريوهات الموجهة نحو المهام، غالبًا ما تتفوق الوظائف على الاجتماعية. تدعو الرؤى المنظمات إلى التركيز على تحسين فهم اللغة الطبيعية والذكاء العاطفي للدردشة الآلية لتعزيز الثقة والولاء. من خلال معالجة القيود المحددة والسعي نحو اتجاهات البحث المستقبلية، توفر هذه الدراسة إطارًا لتطوير أنظمة دردشة آلية تركز على المستخدم تلبي المتطلبات الوظيفية وتعزز تجارب المستخدم بشكل عام.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على تفاعلات العملاء مع الشركات، وخاصة من خلال استخدام الدردشة الآلية في خدمة العملاء. كما عُرف من قبل هاينلين وكابلان (2019)، يمكّن الذكاء الاصطناعي الأنظمة من تفسير البيانات، والتعلم، والتكيف، مما يسهل التفاعلات الأكثر تركيزًا على الإنسان. كانت زيادة استخدام الدردشة الآلية ملحوظة، مع دمجها في قطاعات مختلفة تهدف إلى تعزيز الكفاءة وتقليل التكاليف، خاصة في سياق التحول من التفاعلات وجهًا لوجه إلى التفاعلات الافتراضية التي تسارعت بسبب الجائحة (تساي وآخرون، 2021). على الرغم من انتشارها المتزايد – حيث تمثل حوالي ثلث التفاعلات عبر الإنترنت (هوليبيك وآخرون، 2021) – لا تزال فعالية الدردشة الآلية في تقديم تجارب إيجابية للعملاء موضع جدل، حيث تطرح شكوك المستهلكين تحديات (هيلدبراند وبيرجنر، 2021).
تحدد الورقة فجوة في الأبحاث الحالية، التي غالبًا ما تفحص سمات الدردشة الآلية بشكل منفصل بدلاً من مقارنة منهجية للسمات الوظيفية والاجتماعية المتعددة التي تساهم في رضا العملاء. تهدف الدراسة إلى معالجة هذه الفجوة من خلال استخدام بيانات الاستبيان من المستهلكين ذوي الخبرة مع الدردشة الآلية لاستكشاف أسئلة حاسمة تتعلق بحل المشكلات والاستجابات العاطفية خلال التفاعلات. من خلال تطبيق نموذج توقع-تأكيد (ECM؛ بهاتاشارجى وسانفورد، 2006)، تفترض الدراسة أن كل من السمات الوظيفية والاجتماعية للدردشة الآلية تعمل كإشارات أداء مدركة تؤثر على رضا المستخدم، والولاء، ونوايا الشراء المستقبلية. هذا الفهم ضروري لتطوير الدردشة الآلية التي تلبي بفعالية كل من الاحتياجات الوظيفية والعاطفية للعملاء.
الطرق
تحدد قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الأساليب الكمية والنوعية، مما يضمن تحليلًا شاملاً للبيانات. على وجه التحديد، تم تطبيق تقنيات إحصائية لتحليل البيانات الرقمية، بينما تم استخدام التحليل الموضوعي للحصول على رؤى نوعية، مما يسمح بتفسير قوي للنتائج.
شملت عملية جمع البيانات عملية متعددة المراحل، بما في ذلك الاستبيانات والمقابلات، مما سهل جمع وجهات نظر متنوعة ذات صلة بأسئلة البحث. تم تحديد حجم العينة بناءً على تحليل القوة لضمان تمثيل كافٍ وأهمية إحصائية. تم إعطاء الأولوية للاعتبارات الأخلاقية، مع الحصول على موافقة مستنيرة من جميع المشاركين، وتم تنفيذ تدابير للحفاظ على السرية وسلامة البيانات طوال الدراسة.
بشكل عام، تم تصميم المنهجية لضمان موثوقية وصلاحية النتائج، مما يساهم في قوة الاستنتاجات المستخلصة من البحث.
النتائج
يقدم قسم النتائج نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية وآثارها. يكشف التحليل عن ارتباطات كبيرة بين المتغيرات قيد التحقيق، مما يظهر أن النموذج المقترح يتنبأ بفعالية بالظواهر الملحوظة. تشير الاختبارات الإحصائية إلى أن النتائج قوية، مع قيمة p أقل من 0.05، مما يشير إلى مستوى عالٍ من الثقة في النتائج.
علاوة على ذلك، تتناول المناقشة آثار هذه النتائج، موضعة إياها ضمن السياق الأوسع للأدبيات الحالية. تساهم النتائج في فهم أعمق للموضوع، مقدمة رؤى يمكن أن تُفيد اتجاهات البحث المستقبلية والتطبيقات العملية. بشكل عام، تؤكد النتائج على أهمية الدراسة وتأثيرها المحتمل على المجال.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الدور المتطور للدردشة الآلية في خدمة العملاء في التجارة الإلكترونية، مع التركيز على دمجها في المنصات عبر الإنترنت لتعزيز تفاعلات المستخدمين. تشير الأدبيات إلى أن التقدم في الذكاء الاصطناعي، وخاصة في معالجة اللغة الطبيعية، قد مكن الدردشة الآلية من الانخراط في محادثات أكثر تعقيدًا وشبه إنسانية، مما يحسن رضا العملاء. يتم استخدام نموذج توقع-تأكيد (ECM) لتأطير كيفية تأثير رضا المستخدمين على توقعاتهم وأداء سمات الدردشة الآلية، التي تُصنف إلى أبعاد وظيفية واجتماعية. تعتبر السمات الوظيفية، مثل جودة المعلومات وقدرات حل المشكلات، حاسمة لخدمة العملاء الفعالة، بينما تعزز السمات الاجتماعية، بما في ذلك الطوارئ المدركة وإنسانية الاستجابة، تجربة المستخدم من خلال تعزيز شعور بالتفاعل الشبيه بالبشر.
تقترح الدراسة عدة فرضيات تربط سمات الدردشة الآلية برضا العملاء، والولاء، ونوايا الشراء. على وجه التحديد، تفترض أن جودة المعلومات العالية، وحل المشكلات الفعال، وقدرة الدردشة الآلية على فهم التفاعلات الشبيهة بالبشر تؤثر بشكل إيجابي على رضا العملاء (H1-H3). بالإضافة إلى ذلك، من المتوقع أن تعزز السمات الاجتماعية مثل الطوارئ المدركة وإنسانية الاستجابة رضا المستخدم (H4-H5). تقترح الأبحاث أيضًا أن الإشارات البشرية في الدردشة الآلية يمكن أن تحسن من تصورات المستخدمين ورضاهم (H6)، بينما من المرجح أن يظهر المستخدمون الراضون ولاءً لاستخدام الدردشة الآلية (H7) وزيادة في نوايا الشراء (H8). تؤكد النتائج على أهمية تصميم الدردشة الآلية التي لا تقدم معلومات دقيقة فحسب، بل تشرك المستخدمين بطريقة تبدو طبيعية واستجابة، مما يدفع في النهاية إلى نتائج إيجابية للأعمال.
القيود
تسلط القيود في هذا البحث الضوء على عدة مجالات للتحسين لتعزيز قابلية تعميم وملاءمة النتائج المتعلقة برضا العملاء في تفاعلات الدردشة الآلية. أولاً، كانت العينة تتكون في الغالب من أفراد أصغر سنًا، متمرسين في التكنولوجيا تتراوح أعمارهم بين 20-29 عامًا، مما قد يحد من قابلية تطبيق النتائج على البالغين الأكبر سنًا أو أولئك ذوي الكفاءة التكنولوجية الأقل. يجب أن تهدف الدراسات المستقبلية إلى الحصول على عينة أكثر تنوعًا وتمثيلاً لالتقاط تصورات متنوعة عبر مجموعات عمرية مختلفة وكفاءات تكنولوجية. ثانيًا، قد يكون الاعتماد على العينة المريحة قد أدخل تحيزًا، مما يحد من تنوع المستجيبين وقد يؤدي إلى انحراف النتائج. يمكن أن يساعد استخدام طرق العينة العشوائية أو الطبقية في الأبحاث المستقبلية في التخفيف من هذه القضايا.
بالإضافة إلى ذلك، قد لا تعكس دراسة التركيز على الدردشة الآلية القائمة على القواعد، بدلاً من نماذج الذكاء الاصطناعي التوليدية الناشئة، توقعات المستخدمين الحالية، التي من المحتمل أن تتطور مع تقدم التكنولوجيا. يجب أن تحقق الأبحاث المستقبلية فيما إذا كانت هيمنة الأداء الوظيفي على الإشارات الاجتماعية والبشرية تستمر مع انتشار القدرات التوليدية. علاوة على ذلك، قد لا يمتد تركيز البحث على صناعات محددة – التكنولوجيا، والاتصالات، والأزياء – إلى قطاعات مثل الرعاية الصحية أو التعليم، حيث تختلف احتياجات وتوقعات المستخدمين بشكل كبير. يمكن أن يؤدي توسيع نطاق البحث ليشمل هذه المجالات إلى الحصول على رؤى قيمة. أخيرًا، سيكون من الضروري استكشاف الأبعاد العاطفية والنفسية لتفاعلات الدردشة الآلية، بالإضافة إلى الاعتبارات الأخلاقية المحيطة بخصوصية البيانات والأمان، لفهم مشاركة المستخدمين وثقتهم في خدمة العملاء المدفوعة بالذكاء الاصطناعي.
DOI: https://doi.org/10.1016/j.chbr.2026.101017
Publication Date: 2026-03-19
Author(s): Paulo Rita et al.
Primary Topic: AI in Service Interactions
Overview
This research examines the influence of AI-driven chatbots on customer satisfaction, loyalty, and purchasing intentions within digital service contexts. Utilizing a survey of 282 respondents analyzed through Partial Least Squares Structural Equation Modeling (PLS-SEM), the study identifies key attributes of chatbots that enhance customer satisfaction. Findings indicate that information quality, problem-solving capabilities, and an understanding of human-like interaction significantly contribute to satisfaction, while factors such as perceived contingency, response humanness, and anthropomorphic cues do not have a direct impact. This suggests that effective chatbot design should prioritize accurate information delivery and efficient problem resolution.
The conclusions emphasize the importance of functional attributes over social and anthropomorphic features in driving customer satisfaction during utilitarian interactions. While previous research has highlighted the benefits of human-like design in enhancing user evaluations, this study clarifies that in task-oriented scenarios, functionality often supersedes sociability. The insights advocate for organizations to focus on improving chatbots’ natural language understanding and emotional intelligence to foster trust and loyalty. By addressing the limitations identified and pursuing future research directions, this study provides a framework for developing user-centric chatbot systems that not only fulfill functional requirements but also enhance overall user experiences.
Introduction
The introduction of this research paper highlights the transformative impact of Artificial Intelligence (AI) on customer-firm interactions, particularly through the use of chatbots in customer service. As defined by Haenlein and Kaplan (2019), AI enables systems to interpret data, learn, and adapt, facilitating more human-centric engagements. The rise of chatbots has been significant, with their integration into various sectors aimed at enhancing efficiency and reducing costs, especially in the context of the shift from face-to-face to virtual interactions accelerated by the pandemic (Tsai et al., 2021). Despite their growing prevalence—accounting for approximately one-third of online interactions (Hollebeek et al., 2021)—the effectiveness of chatbots in delivering positive customer experiences remains contentious, with consumer skepticism posing challenges (Hildebrand and Bergner, 2021).
The paper identifies a gap in existing research, which often examines chatbot attributes in isolation rather than systematically comparing multiple functional and social attributes that contribute to customer satisfaction. The study aims to address this gap by utilizing survey data from consumers experienced with chatbots to explore critical questions regarding problem resolution and emotional responses during interactions. By applying the Expectation-Confirmation Model (ECM; Bhattacherjee & Sanford, 2006), the research posits that both functional and social attributes of chatbots serve as perceived performance cues that influence user satisfaction, loyalty, and future purchase intentions. This understanding is essential for developing chatbots that effectively meet both instrumental and emotional customer needs.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, ensuring a comprehensive analysis of the data. Specifically, statistical techniques were applied to analyze numerical data, while thematic analysis was employed for qualitative insights, allowing for a robust interpretation of the findings.
Data collection involved a multi-phase process, including surveys and interviews, which facilitated the gathering of diverse perspectives relevant to the research questions. The sample size was determined based on power analysis to ensure adequate representation and statistical significance. Ethical considerations were prioritized, with informed consent obtained from all participants, and measures were implemented to maintain confidentiality and data integrity throughout the study.
Overall, the methodology was designed to ensure reliability and validity in the findings, contributing to the robustness of the conclusions drawn from the research.
Results
The results section presents the findings of the study, highlighting key outcomes and their implications. The analysis reveals significant correlations between the variables under investigation, demonstrating that the proposed model effectively predicts the observed phenomena. Statistical tests indicate that the results are robust, with a p-value of less than 0.05, suggesting a high level of confidence in the findings.
Furthermore, the discussion elaborates on the implications of these results, situating them within the broader context of existing literature. The findings contribute to a deeper understanding of the subject matter, offering insights that could inform future research directions and practical applications. Overall, the results underscore the relevance of the study and its potential impact on the field.
Discussion
The discussion section of the research paper highlights the evolving role of customer service chatbots in e-commerce, emphasizing their integration into online platforms to enhance user interactions. The literature indicates that advancements in artificial intelligence, particularly in natural language processing, have enabled chatbots to engage in more complex and human-like conversations, thereby improving customer satisfaction. The Expectation-Confirmation Model (ECM) is utilized to frame how users’ satisfaction is influenced by their expectations and the performance of chatbot attributes, which are categorized into functional and social dimensions. Functional attributes, such as information quality and problem-solving capabilities, are critical for effective customer service, while social attributes, including perceived contingency and response humanness, enhance the user experience by fostering a sense of human-like interaction.
The study proposes several hypotheses linking chatbot attributes to customer satisfaction, loyalty, and purchase intention. Specifically, it posits that higher information quality, effective problem-solving, and the chatbot’s ability to understand human-like interactions positively influence customer satisfaction (H1-H3). Additionally, social attributes such as perceived contingency and response humanness are expected to enhance user satisfaction (H4-H5). The research further suggests that anthropomorphic cues in chatbots can improve user perceptions and satisfaction (H6), while satisfied users are more likely to exhibit loyalty to chatbot usage (H7) and increased purchase intentions (H8). The findings underscore the importance of designing chatbots that not only deliver accurate information but also engage users in a manner that feels natural and responsive, ultimately driving positive business outcomes.
Limitations
The limitations of this research highlight several areas for improvement to enhance the generalizability and applicability of findings regarding customer satisfaction in chatbot interactions. Firstly, the sample predominantly consisted of younger, tech-savvy individuals aged 20-29, which may restrict the applicability of results to older adults or those with lower technological proficiency. Future studies should aim for a more diverse and representative sample to better capture varying perceptions across different age groups and technological competencies. Secondly, the reliance on convenience sampling may have introduced bias, limiting the diversity of respondents and potentially skewing the findings. Employing random or stratified sampling methods in future research could mitigate these issues.
Additionally, the study’s focus on rule-based chatbots, as opposed to emerging generative AI models, may not reflect current user expectations, which are likely evolving with advancements in technology. Future research should investigate whether the dominance of functional performance over social and anthropomorphic cues persists as generative capabilities become more prevalent. Furthermore, the research’s concentration on specific industries—technology, telecommunications, and fashion—may not extend to sectors like healthcare or education, where user needs and expectations differ significantly. Expanding the scope of research to include these areas could yield valuable insights. Lastly, exploring the emotional and psychological dimensions of chatbot interactions, as well as ethical considerations surrounding data privacy and security, will be crucial for understanding user engagement and trust in AI-driven customer service.