Forskare från Boston University och University of Virginia publicerade en ny artikel i Journal of Marketing som undersöker hur konsumenter reagerar på AI-rekommendationer när de fokuserar på de funktionella och praktiska aspekterna av en produkt (dess nyttovärde) kontra de upplevelsemässiga och sensoriska aspekterna av en produkt (dess hedoniska värde).

Studien, kommande i the Journal of Marketing , har titeln "Artificial Intelligence in utilitarian vs. Hedonic Contexts:The 'Word-of-Machine' Effect" och är författad av Chiara Longoni och Luca Cian.

Fler och fler företag utnyttjar tekniska framsteg inom AI, maskininlärning, och naturlig språkbehandling för att ge rekommendationer till konsumenter. När dessa företag utvärderar AI-baserad assistans, En kritisk fråga måste ställas:När litar konsumenterna på "maskinens ord, "och när gör de motstånd?

En ny Journal of Marketing studien undersöker skälen bakom preferensen av rekommendationskälla (AI vs. människa). Nyckelfaktorn för att bestämma hur AI-rekommendationer ska införlivas är om konsumenterna är fokuserade på de funktionella och praktiska aspekterna av en produkt (dess nyttovärde) eller på de upplevelsemässiga och sensoriska aspekterna av en produkt (dess hedoniska värde).

Förlitar sig på data från över 3, 000 studiedeltagare, forskargruppen tillhandahåller bevis som stöder en ord-av-maskin-effekt, definieras som det fenomen genom vilket avvägningarna mellan utilitaristiska och hedoniska aspekter av en produkt bestämmer preferensen för, eller motstånd mot, AI-rekommenderare. Ord-till-maskin-effekten härrör från en utbredd uppfattning att AI-system är mer kompetenta än människor på att ge råd när funktionella och praktiska egenskaper (utilitaristisk) önskas och mindre kompetenta när de önskade egenskaperna är upplevelsebaserade och sensoriska (hedoniska). Följaktligen, vikten eller framträdandet av utilitaristiska attribut avgör preferensen för AI-rekommendatorer framför mänskliga, medan betydelsen eller framträdandet av hedoniska attribut avgör motståndet mot AI-rekommendatorer framför mänskliga.

Forskarna testade ordet-till-maskin-effekten med hjälp av experiment utformade för att bedöma människors tendens att välja produkter baserat på konsumtionsupplevelser och rekommendationskälla. Longoni förklarar att "Vi fann att när de presenterades med instruktioner för att välja produkter baserade enbart på utilitaristiska/funktionella attribut, fler deltagare valde AI-rekommenderade produkter. När man blir ombedd att endast överväga hedoniska/erfarenhetsmässiga egenskaper, en högre andel av deltagarna valde mänskliga rekommendatorer."

När utilitaristiska egenskaper är viktigast, ord-av-maskin-effekten var mer distinkt. I en studie, deltagarna ombads föreställa sig att köpa en vinterjacka och betygsätta hur viktiga utilitaristiska/funktionella egenskaper (t.ex. andningsförmåga) och hedoniska/upplevelsemässiga attribut (t.ex. tygtyp) var i sitt beslutsfattande. De mer utilitaristiska/funktionella funktionerna fick högt betyg, ju större preferens för AI framför mänsklig assistans, och de mer hedoniska/erfarenhetsmässiga egenskaperna fick högt betyg, desto större preferens för mänsklig assistans framför AI.

En annan studie visade att när konsumenter ville ha rekommendationer som matchade deras unika preferenser, de gjorde motstånd mot AI-rekommendatorer och föredrog mänskliga rekommendatorer oavsett hedoniska eller utilitaristiska preferenser. Dessa resultat tyder på att företag vars kunder är kända för att vara nöjda med "en storlek passar alla"-rekommendationer (dvs. inte i behov av en hög nivå av anpassning) kan förlita sig på AI-system. Dock, företag vars kunder är kända för att vilja ha personliga rekommendationer bör förlita sig på människor.

Även om det finns ett tydligt samband mellan utilitaristiska egenskaper och konsumenternas förtroende för AI-rekommendatorer, företag som säljer produkter som lovar mer sensoriska upplevelser (t.ex. dofter, mat, vin) kan fortfarande använda AI för att engagera kunder. Faktiskt, människor omfamnar AI:s rekommendationer så länge AI arbetar i partnerskap med människor. När AI spelar en hjälpande roll, "förstärka" mänsklig intelligens snarare än att ersätta den, AI-mänskliga hybridrekommendatorn presterar lika bra som en assistent för endast människa.

Övergripande, ordet-till-maskin-effekten har viktiga implikationer som utveckling och införande av AI, maskininlärning, och naturlig språkbehandling utmanar chefer och beslutsfattare att utnyttja dessa transformativa teknologier. Som Cian säger, "Den digitala marknadsplatsen är trångt och konsumenternas uppmärksamhet är kort. Att förstå villkoren under vilka konsumenterna litar på, och lita inte på, AI-rådgivning kommer att ge företag en konkurrensfördel på detta område."