Тип работы:
 Предмет:
 Язык работы:


Факторы принятия потребителями коммуникативных технологий искусственного интеллекта в клиентской поддержке

Работа №147950

Тип работы

Бакалаврская работа

Предмет

менеджмент

Объем работы147
Год сдачи2023
Стоимость4375 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
9
Не подходит работа?

Узнай цену на написание


Введение 5
Глава 1. Коммуникативные технологии искусственного интеллекта в клиентской поддержке 10
1.1. Обзор рынка коммуникативных технологий искусственного интеллекта 10
1.2. Направления исследования принятия потребителями коммуникативных технологий искусственного интеллекта 21
1.3. Роль технологий искусственного интеллекта в осуществлении клиентской поддержки 25
1.4. Особенности взаимодействия потребителей с коммуникативными ИИ-технологиями в клиентской поддержке 31
Выводы по Главе 1 35
Глава 2. Разработка модели принятия потребителями коммуникативных технологий искусственного интеллекта в клиентской поддержке 37
2.1. Модели принятия новых технологий 37
2.2. Роль параметров коммуникативных ИИ-технологий в клиентской поддержке при их принятии потребителями 45
2.3. Роль индивидуальных особенностей потребителя в процессе принятия коммуникативных ИИ-технологий в клиентской поддержке 48
2.4. Роль особенностей взаимодействия потребителя с компанией и контекста совершения покупки при принятии коммуникативных ИИ-технологий в клиентской поддержке 53
2.5. Концептуальная модель исследования 57
Выводы по Главе 2 63
Глава 3. Оценка факторов принятия потребителями коммуникативных технологий искусственного интеллекта в клиентской поддержке: эмпирическое исследование 64
3.1. Методология исследования, операционализация переменных 64
3.2. Выборка 65
3.3. Результаты эмпирического исследования 69
3.3.1. Оценка надежности переменных 69
3.3.2. Дисперсионный анализ и сравнение средних 70
3.3.3. Регрессионный анализ: тестирование гипотез о прямых эффектах 72
3.3.4. Регрессионный анализ: тестирование гипотез об эффектах модерации 83
3.4. Ограничения исследования и направления для дальнейших исследований 91
3.5. Выводы и управленческие рекомендации по результатам проведенного эмпирического исследования 92
Заключение 98
Список литературы 100
Приложения 112
Приложение 1. Операционализация переменных 112
Приложение 2. Дизайн опроса 115
Приложение 3. Результаты анализа надежности шкал 120
Приложение 4. Результаты претеста 122
Приложение 5. Проверка предпосылок регрессионного анализа (предикторы) 124
Приложение 6. Проверка эффектов медиации 132
Приложение 7. Проверка предпосылок и результаты многофакторного дисперсионного анализа 135
Приложение 8. Результаты тестирования Т-критерия о равенстве средних 136
Приложение 9. Проверка предпосылок регрессионного анализа (модераторы) 137
Приложение 10. Дополнительный post-hoc анализ 144


Взаимодействие с клиентской поддержкой – один из наиболее важных элементов клиентского пути. Оно, среди прочих взаимодействий, формирует репутацию компании и является важным элементом формирования клиентского опыта, который в свою очередь является основой конкурентного преимущества в современной бизнес-среде. Исследования PwC показали, что от 30 до 50% клиентов перестают взаимодействовать даже с тем брендом, который они любят, уже после одного негативного опыта на каком-либо из этапов клиентского пути .Согласно аналитикеTeleperformance Customer Experience Lab, позитивный опыт взаимодействия с клиентской поддержкой увеличивает лояльность клиентов компании в среднем на 13%, тогда как аналогичный негативный опыт приводит к более значительному негативному эффекту – снижению лояльности в среднем на 27% .Это обуславливает необходимость для бизнеса уделять особое внимание контролю качества клиентской поддержки и совершенствовать процессы, сопровождающие покупку и использование товара или услуги компании. При этом вопрос автоматизации осуществления клиентской поддержки является особенно актуальным, поскольку автоматизация способна повысить операционную эффективность связанных с клиентской поддержкой бизнес-процессов, приведя к сокращению расходов на персонал и увеличив скорость обслуживания клиентов. Однако, учитывая эффект, который взаимодействие с клиентской поддержкой оказывает на клиентский опыт и лояльность потребителей, компаниям необходимо осознанно подходить к внедрению инноваций в этой сфере.
Искусственный интеллект (ИИ), является, согласно организации «Всемирный экономический форум», главной движущей силой четвертой промышленной революции, имеющей большой потенциал как с потребительской точки зрения, так и со стороны бизнес-эффективности, особенно в сфере услуг .ИИ, в том числе, имеет большой потенциал для реализации в сфере клиентской поддержки благодаря развитию основанных на ИИ коммуникативных технологий. Ожидается, что рынок коммуникативных технологий ИИ в ближайшем десятилетии будет расти со среднегодовым темпом 23,6% и достигнет $41,39 млрд к 2030 году.
Однако, несмотря на активное развитие ИИ, живое общение остается сложно имитируемым процессом для алгоритмов. Человеческое общение и решение комплексных проблем – процесс, требующий характеристик, которые пока мало присущи ИИ (например, эмпатии, интуиции). В большинстве случаев пользователи все еще не готовы заменять живое общение с сотрудником компании при решении возникающих во время взаимодействия с ней вопросов на общение с виртуальным помощником, основанном на ИИ – только 8% российских потребителей предпочтут общение с виртуальным помощником общению с оператором . У пользователей могут быть предубеждения относительно способностей ИИ разрешать проблемы, возникающие при их взаимодействиях с компаниями, сформированные личным отношением к ИИ и негативным предыдущим опытом, поскольку обучающиеся на открытых данных ИИ-помощники сегодня все еще нередко ошибаются, не понимают запрос клиента и неудачно шутят .Эксперты отмечают, что сегодня на рынке со стороны бизнеса считывается идея «цифровизации любой ценой», то есть внедрения инновационных оптимизирующих решений без оглядки на реакцию клиентов, что отталкивает многих потребителей . Это подчеркивает актуальность избирательного и осознанного подхода при внедрении инновационных решений, основанных на ИИ, «на передовой» взаимодействия с клиентами, а также необходимость для бизнеса понимать способы мотивации клиентов к использованию коммуникативных технологий ИИ.
Избирательность внедрения коммуникативных технологий ИИ также становится актуальной в новых рыночных условиях, продиктованных кризисным периодом 2019-2023 годов как на глобальном, так и на российском рынке. В 2022 году мировые венчурные инвестиции во все сферы ИИ сократились на 34%. Такое снижение объясняется «перегретостью» рынка ИИ-решений после пандемии коронавируса и на фоне ограниченности ресурсов, общего сокращения объемов глобального венчурного бизнеса. К началу апреля 2023 года точных данных за 2022 год по российскому рынку нет, но наблюдается общее резкое сокращение венчурных инвестиций в связи с введением санкций и релокацией многих отечественных стартапов за рубеж – аналогичная динамика ожидается относительно рынка искусственного интеллекта.
Таким образом, существующие сегодня барьеры внедрения коммуникативных технологий ИИ и актуальный вопрос ограниченности ресурсов требуют от бизнеса особой внимательности при внедрении таких инноваций. В том числе, как основа долгосрочного успеха компании, должна приниматься во внимание клиентская перспектива принятия технологии. Исследователи, изучающие восприятие технологий ИИ компаниями и потребителями, отмечают, что бизнес в качестве одного из наиболее существенных вызовов внедрения ИИ в процессы обслуживания клиентов видит отсутствие четкого понимания, когда потребитель предпочитает взаимодействие с человеком, а когда с ИИ-алгоритмами. Руководители компаний, опрошенные в ходе исследования , определили это обстоятельство как одну из главных причин неудач при попытках внедрения ИИ для обслуживания клиентов, в частности коммуникативных технологий ИИ для осуществления клиентской поддержки.
Таким образом, бизнесу важно понимать, при каких условиях коммуникативные технологии ИИ действительно могут принести пользу при их использовании в клиентской поддержке с учетом их принятия потребителями, готовности потребителей полноценно переходить на общение с виртуальными помощниками вместо разговора с оператором. Компаниям необходимо, с одной стороны, понимать, как они могут адаптировать внедрение технологий под независящие от них или изменяемые только в долгосрочной перспективе факторы для эффективного использования ресурсов и минимизации репутационных рисков, потери клиентов (разрабатывать реактивные стратегии для принятия пользователями автоматизации клиентской поддержки с помощью ИИ). С другой стороны, бизнесу важно понимать, как использовать подвластные ему факторы для мотивации пользователей к использованию технологий, которые в результате приносят выгоду и компании, и самим пользователям(разрабатывать проактивные стратегии для принятия пользователями автоматизации клиентской поддержки с помощью ИИ). При этом существующие исследования в сфере поведения потребителей в контексте коммуникативных технологий ИИ достаточно фрагментированы, так как их предметом исследования являются как правило отдельные виды технологий (только чат-боты или только голосовые помощники), причем голосовые помощники в большей степени исследуются как ассистенты, подключенные к умным устройствам для «домашнего» использования, то есть не анализируются в контексте взаимодействия с потребителями при использовании в коммерческой сервисной деятельности. Существующие исследования не предлагают целостный подход, который бизнес может использовать для управления успешным внедрением доступных сегодня коммуникативных технологий ИИ с точки зрения принятия их потребителями через проактивное использование подконтрольных ему факторов и адаптацию под менее подконтрольные ему факторы, такие как индивидуальные особенности потребителей.
Цель данной работы — определить факторы принятия коммуникативных технологий искусственного интеллекта в клиентской поддержке с учетом индивидуальных особенностей потребителей.
Для реализации поставленной цели необходимо выполнить следующие задачи:
1. Определить виды коммуникативных технологий искусственного интеллекта, используемых для реализации клиентской поддержки;
2. Выявить основные направления исследования влияния параметров коммуникативных технологий искусственного интеллекта на поведение потребителей;
3. Разработать гипотезы о влиянии факторов принятия коммуникативных технологий искусственного интеллекта в клиентской поддержке с учетом индивидуальных особенностей потребителей;
4. Протестировать гипотезы с помощью количественного эмпирического исследования потребителей;
5. Разработать практические рекомендации по применению результатов исследования для внедрения и развития коммуникативных технологий искусственного интеллекта в клиентской поддержке.
Формат работы – исследовательская работа, объектом которой является поведение потребителей в отношении коммуникативных технологий искусственного интеллекта, а предметом–факторы принятия потребителями коммуникативных технологий искусственного интеллекта. В рамках проведенной исследовательской работы ожидается получить следующие результаты:
1. Разработана концептуальная модель, систематизирующая факторы принятия коммуникативных технологий искусственного интеллекта в клиентской поддержке и релевантные индивидуальные особенности потребителей;
2. Определена важность факторов, влияющих на принятие потребителями коммуникативных ИИ-технологий в клиентской поддержке;
3. Предложены практические рекомендации для внедрения и развития коммуникативных технологий искусственного интеллекта в клиентской поддержке.
В качестве источников в работе используются как вторичные данные (академические статьи по моделям принятия технологий и анализу взаимодействия потребителей с коммуникативными ИИ-технологиями, отчеты и публикации по рынку технологий искусственного интеллекта, комментарии экспертов по внедрению ИИ-технологий и автоматизации клиентского сервиса), так и первичные (количественное эмпирическое исследование – опрос потребителей).
Работа состоит из трех глав. В первой главе приводится обзор рынка коммуникативных технологий искусственного интеллекта и обзор релевантных предмету исследования академических публикаций, анализируется роль технологий ИИ в развитии клиентской поддержки и взаимодействие с этими технологиями потребителей. Во второй главе приводится концептуальная модель исследования, разработанная на основе анализа существующих моделей принятия технологий и выявления факторов, влияющих на принятие технологий в исследуемом контексте клиентской поддержки. В третьей главе разработанная концептуальная модель тестируется с помощью проведения опроса потребителей и методов статистического анализа, приводятся управленческие рекомендации, разработанные на основе полученных результатов.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
Курсовые Статьи Диплом Рязань

Результаты анализа показали, что коммуникативные ИИ-технологии активно применяются компаниями разных индустрий, и рынки этих технологий имеют потенциал для дальнейшего роста. Однако существуют преграды для внедрения этих технологий, связанные с их принятием потребителями. Взаимодействие с ИИ вместо живого оператора пока еще не является предпочтительным для большинства потребителей. Для успешного внедрения коммуникативных технологий ИИ в клиентскую поддержку, повышения операционной эффективности и обеспечения возврата инвестиций, избегания негативных последствий для репутации компании и клиентской лояльности необходимо учитывать факторы, влияющие на принятие этих технологий потребителями.
Цель данной работы состояла в определении факторов принятия коммуникативных технологий в клиентской поддержке с учетом индивидуальных особенностей потребителей. Для достижения поставленной цели были определены виды коммуникативных технологий ИИ, используемых для реализации клиентской поддержки; выявлены основные направления исследования по выбранным предмету исследования и проблематике; разработаны и протестированы гипотезы о влиянии трех групп факторов на готовность использовать такие технологии.
В рамках первого этапа работы, выводы по которому представлены впервой главе, был проведен обзор рынка на предмет изучения используемых технологий, мнений экспертов рынка относительно существующих особенностей взаимодействия потребителей с коммуникативными технологиями ИИ в клиентской поддержке. Также был проведен анализ академических публикаций, позволивший сформулировать исследовательскую новизну и выявить факторы, необходимые для дальнейшего изучения.
Во второй главе было рассмотрено формирование концептуальной модели исследования, ставшее результатом анализа существующих моделей принятия технологий и систематизации релевантных факторов, влияющих на принятие технологии (готовность использовать технологию с учетом сложности задачи) по трем группам: «воспринимаемые параметры технологии», «индивидуальные особенности потребителя», «особенности взаимодействия потребителя с компанией и контекста совершения покупки».
В третьей главе было проведено количественное эмпирическое исследование для тестирования разработанной концептуальной модели. Контекстом тестирования модели стала банковская сфера, где технологии ИИ активно внедряются для оптимизации процессов. В качестве сценариев для проверки модели использовались технологии «чат-бот на основе ИИ» и «голосовой помощник на основе ИИ». Был проведен онлайн-опрос российских пользователей банковских услуг, результаты которого далее были обработаны с помощью статистических методов анализа. По полученным выводам были выдвинуты рекомендации, релевантные как для компаний из банковской сферы (на примере которых проводилось тестирование), так и для более широкого спектра индустрий. В частности, анализ показал, что чем более полезной, приятной для использования, безопасной будет воспринята технология, тем выше готовность потребителя ее использовать. Вопреки существующим исследованиям, воспринимаемая простота использования в общем случае не влияет на готовность использовать технологию напрямую – только косвенно, через оценку полезности, или для сегментов неинновационных, более взрослых, обеспокоенных конфиденциальностью данных потребителей. Также было выявлено, что модераторы «инновационность», «обеспокоенность конфиденциальностью данных», «вовлеченность в покупку», «предыдущий опыт использования», а также «пол» и «возраст» способны менять силу эффекта переменных предикторов на готовность использовать технологию, на чем основывается предложенное сегментирование и рекомендации по стратегии взаимодействия с каждым сегментом.
Несмотря на определенные ограничения исследования, связанные с тестированием концептуальной модели только в контексте банкинга и на примере двух определенных ситуаций, а также смещенными характеристиками выборки (возраст, пол, города проживания), предложенные рекомендации могут быть применимы для компаний, заинтересованных во внедрении и продвижении среди своих клиентов коммуникативных технологий искусственного интеллекта для более эффективной реализации клиентской поддержки. В первую очередь выводы могут быть применимы для компаний банковской сферы, поскольку тестирование модели было проведено в данном контексте. Помимо практических рекомендаций, проведенное исследование делает вклад в академическое сообщество, изучающее принятие потребителями инновационных технологий, в частности коммуникативных технологий ИИ. Ценность представленных выводов заключается в определении значимости факторов принятия технологий при их совместном анализе, дополнении набора изучаемых переменных, выявлении контекстов использования коммуникативных технологий ИИ, в которых используемые сегодня переменные недостаточно хорошо объясняют принятие этих технологий потребителями (контекст решения сложных задач, использование голосового помощника).Продолжение исследований в заданном работой направлении позволит сформировать более продвинутые и детальные стратегии продвижения изучаемых технологий, релевантные большему числу сегментов потребителей и контекстов использования коммуникативных технологий искусственного интеллекта в клиентской поддержке.



1. «М.видео-Эльдорадо» внедрила нейросеть для ответов на вопросы покупателей [Электронный ресурс] – Forbes Russia (AO «АС Рус Медиа»), 2021 – Режим доступа: https://www.forbes.ru/newsroom/tehnologii/436107-mvideo-eldorado-vnedrila-neyroset-dlya-otvetov-na-voprosy-pokupateley, свободный. – Загл. с экрана.
2. AI Speech Recognition Market Size to Surpass US$ 45.35 Billion by 2032 [Электронный ресурс] – GlobeNewswire, 2022 – Режим доступа: https://www.alliedmarketresearch.com/conversational-ai-market-A13682, свободный. – Загл. с экрана.
3. 6 Trends on the Gartner Hype Cycle for the Digital Workplace [Электронный ресурс] – Gartner, 2020 – Режим доступа: https://www.gartner.com/smarterwithgartner/6-trends-on-the-gartner-hype-cycle-for-the-digital-workplace-2020, свободный. – Загл. с экрана
4. Agarwal R., Prasad J. A conceptual and operational definition of personal innovativeness in the domain of information technology //Information systems research. – 1998. – Т. 9. – №. 2. – С. 204-215.
5. Ajzen I. The theory of planned behavior //Organizational behavior and human decision processes. – 1991. – Т. 50. – №. 2. – С. 179-211.
6. Alalwan A. A., Dwivedi Y. K., Rana N. P. Factors influencing adoption of mobile banking by Jordanian bank customers: Extending UTAUT2 with trust //International Journal of Information Management. – 2017. – Т. 37. – №. 3. – С. 99-110.
7. Alkawsi G., Ali N., Baashar Y. The moderating role of personal innovativeness and users experience in accepting the smart meter technology //Applied Sciences. – 2021. – Т. 11. – №. 8. – С. 3297.
8. All About AI-Powered Chatbots [Электронный ресурс] – 247.ai – Режим доступа: https://www.247.ai/insights/all-about-ai-powered-chatbots, свободный. – Загл. с экрана.
9. Alt M. A., Vizeli I., Săplăcan Z. Banking with a Chatbot–A Study on Technology Acceptance //Studia Universitatis Babes-Bolyai Oeconomica. – 2021. – Т. 66. – №. 1. – С. 13-35.
10. Aubert B. A., Schroeder A., Grimaudo J. IT as enabler of sustainable farming: An empirical analysis of farmers' adoption decision of precision agriculture technology //Decision support systems. – 2012. – Т. 54. – №. 1. – С. 510-520.
11. Baker T. L. et al. The role of brand communications on front line service employee beliefs, behaviors, and performance //Journal of the academy of marketing science. – 2014. – Т. 42. – С. 642-657.
12. Bavaresco R. et al. Conversational agents in business: A systematic literature review and future research directions //Computer Science Review. – 2020. – Т. 36. – С. 100239.
13. Belanche D, Casaló LV, Flavian C, Schepers J (2020b) Robots or frontline employees? Exploring customers’ attributions of responsibility and stability after service failure or success//J Serv Manag. – Т. 31(2). – С. 267–289
14. Bonn M. A. et al. Purchasing wine online: The effects of social influence, perceived usefulness, perceived ease of use, and wine involvement //Journal of Hospitality Marketing & Management. – 2016. – Т. 25. – №. 7. – С. 841-869.
15. Borau, S., Otterbring, T., Laporte, S., & Fosso Wamba, S. (2021). The most human bot: Female gendering increases humanness perceptions of bots and acceptance of AI. Psychology & Marketing, 38(7), 1052-1068.
16. Bozic B. Consumer trust repair: A critical literature review //European Management Journal. – 2017. – Т. 35. – №. 4. – С. 538-547.
17. Buckley L, Kaye SA, Pradhan AK. Psychosocial factors associated with intended use of automated vehicles: A simulated driving study// Accident Analysis&Prevention. – 2018. – Т.115. – С.202-208.
18. Camilleri M. A., Troise C. Live support by chatbots with artificial intelligence: A future research agenda //Service Business. – 2022. – С. 1-20.
19. Celsi R. L., Olson J. C. The role of involvement in attention and comprehension processes //Journal of consumer research. – 1988. – Т. 15. – №. 2. – С. 210-224.
20. Chatbot Market [Электронный ресурс] – Precedence Research, 2022 – Режим доступа: https://www.precedenceresearch.com/chatbot-market, свободный. – Загл. с экрана.
21. Chatbot Rank 2021. Как с помощью чат-бота сократить расходы на клиентскую поддержку и сохранить лояльность пользователей? [Электронный ресурс] – Markswebb, 2021– Режим доступа: https://markswebb.ru/report/chatbot-rank-2021/#rejection, свободный. – Загл. с экрана.
22. Chatbots To Deliver $11bn In Annual Cost Savings For Retail, Banking & Healthcare Sectors By 2023 [Электронный ресурс]. – Juniper Research Ltd, 2018 – Режим доступа: https://www.juniperresearch.com/press/chatbots-to-deliver-11bn-cost-savings-2023, свободный – Загл. сэкрана.
23. Conversational AI Market Size Worth $41.39 Billion By 2030 [Электронный ресурс] – Grand View Research, 2022– Режим доступа: https://www.grandviewresearch.com/press-release/global-conversational-ai-market, свободный. – Загл. сэкрана.
24. Dabholkar P. A., Bagozzi R. P. An attitudinal model of technology-based self-service: moderating effects of consumer traits and situational factors //Journal of the academy of marketing science. – 2002. – Т. 30. – С. 184-201.
25. Daft R. L., Lengel R. H., Trevino L. K. Message equivocality, media selection, and manager performance: Implications for information systems //MIS quarterly. – 1987. – С. 355-366.
26. Davenport, T., Guha, A., Grewal, D. and Bressgott, T., "How artificial intelligence will change the future of marketing"// Journal of the Academy of Marketing Science. – 2020. – Т. 48. – №1. – С. 24-42.
27. Davis F. D. A technology acceptance model for empirically testing new end-user information systems: Theory and results : дис. – Massachusetts Institute of Technology, 1985.
28. Davis F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology //MIS quarterly. – 1989. – С. 319-340.
29. Davis, F., Bagozzi, R. & Warshaw, P. Extrinsic and Intrinsic Motivation to Use Computers in the Workplace / F. Davis, R. Bagozzi, P. Warshaw // Journal of Applied Social Psychology. – 1992. – Т.22. – С. 1111-1132.
30. Deep Learning [Электронный ресурс]. - Amazon Web Services, Inc – Режим доступа: https://aws.amazon.com/ru/what-is/deep-learning/, свободный. – Загл. с экрана.
31. Dinev T. et al. Individuals’ attitudes towards electronic health records: A privacy calculus perspective //Advances in healthcare informatics and analytics. – 2016. – С. 19-50.
32. Duan Y., Edwards J. S., Dwivedi Y. K. Artificial intelligence for decision making in the era of Big Data–evolution, challenges and research agenda //International journal of information management. – 2019. – Т. 48. – С. 63-71.
33. Dwyer D. B., Falkai P., Koutsouleris N. Machine learning approaches for clinical psychology and psychiatry //Annual review of clinical psychology. – 2018. – Т. 14. – С. 91-118.
34. Eastlick M. A., Lotz S. L., Warrington P. Understanding online B-to-C relationships: An integrated model of privacy concerns, trust, and commitment //Journal of business research. – 2006. – Т. 59. – №. 8. – С. 877-886.
35. Experience is everything [Электронный ресурс] – PwC, 2022 – Режим доступа: https://www.pwc.com/us/en/services/consulting/library/consumer-intelligence-series/future-of-customer-experience.html, свободный. – Загл. с экрана.
36. Experience-led growth: A new way to create value [Электронный ресурс] – McKinsey & Company, 2023 – Режим доступа: https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/experience-led-growth-a-new-way-to-create-value, свободный. – Загл. сэкрана
37. Flavián C, Casaló LV. Artifcial intelligence in services: current trends, benefts and challenges. //Serv Ind J. – 2021. – Т. 41(13–14). – С. 853–859
38. Folstad, C.B., Nordheim, C.A. and Bjorkl, "What makes users trust a chatbot for customer service? An exploratory interview study"//International Conference on Internet Science. – 2018 – Springer, Cham, 2018. – С. 194-208.
39. Future Series: Cybersecurity, emerging technology and systemic risk, 2020 – Режим доступа: https://www3.weforum.org/docs/WEF_Future_Series_Cybersecurity_emerging_technology_and_systemic_risk_2020.pdf, свободный. – Загл. сэкрана.
40. Gartner Glossary [Электронный ресурс]. - Gartner Inc. – Режим доступа: https://www.gartner.com/en/information-technology/glossary/natural-language-processing-nlp, свободный. – Загл. с экрана.
41. Gartner Predicts Chatbots Will Become a Primary Customer Service Channel Within Five Years [Электронный ресурс] – Gartner, 2022 – Режим доступа: https://www.gartner.com/en/newsroom/press-releases/2022-07-27-gartner-predicts-chatbots-will-become-a-primary-customer-service-channel-within-five-years, свободный. – Загл. сэкрана
42. Gieselmann M., Sassenberg K. The More Competent, the Better? The Effects of Perceived Competencies on Disclosure Towards Conversational Artificial Intelligence //Social Science Computer Review. – 2022. – С. 08944393221142787.
43. Goodbye, humans: Call centers 'could save $80b' switching to AI [Электронный ресурс] – The Register, 2022 – Режим доступа: https://www.theregister.com/2022/09/01/call-center-ai-gartner/ , свободный. – Загл. сэкрана.
44. Gupta S. et al. Achieving superior organizational performance via big data predictive analytics: A dynamic capability view //Industrial Marketing Management. – 2020. – Т. 90. – С. 581-592.
45. Gursoy D. et al. Consumers acceptance of artificially intelligent (AI) device use in service delivery //International Journal of Information Management. – 2019. – Т. 49. – С. 157-169.
46. Guzman A. L. and Lewis S. C. Artificial intelligence and communication: A human-machine communication research agenda // New Media & Society. - 2020. – Т. 22. – №. 1. – С. 70–86.
47. Hu Z. et al. Adoption intention of fintech services for bank users: An empirical examination with an extended technology acceptance model //Symmetry. – 2019. – Т. 11. – №. 3. – С. 340.
48. Huang M. H., Rust R. T. A strategic framework for artificial intelligence in marketing //Journal of the Academy of Marketing Science. – 2021. – Т. 49. – С. 30-50.
49. Huang M. H., Rust R. T. Artificial intelligence in service //Journal of service research. – 2018. – Т. 21. – №. 2. – С. 155-172.
50. Humanoid Robot Market [Электронный ресурс] – PrecedenceResearch, 2023 – Режим доступа: https://www.precedenceresearch.com/humanoid-robot-market, свободный. – Загл. с экрана
51. Jahangir N., Begum N. The role of perceived usefulness, perceived ease of use, security and privacy, and customer attitude to engender customer adaptation in the context of electronic banking //African journal of business management. – 2008. – Т. 2. – №. 2. – С. 32.
52. Kelly S. et al. A Multi-Industry Analysis of the Future Use of AI Chatbots //Human Behavior and Emerging Technologies. – 2022. – Т. 2022.
53. Khan S., Iqbal M. AI-Powered Customer Service: Does it Optimize Customer Experience? //2020 8th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO). – IEEE, 2020. – С. 590-594.
54. Kirschner F., Paas F., Kirschner P. A. Individual and group-based learning from complex cognitive tasks: Effects on retention and transfer efficiency //Computers in Human Behavior. – 2009. – Т. 25. – №. 2. – С. 306-314.
55. Law R., Au N. A neural network model to forecast Japanese demand for travel to Hong Kong //Tourism management. – 1999. – Т. 20. – №. 1. – С. 89-97.
56. Lee J. K., Rao H. R. Task complexity and different decision criteria for online service acceptance: A comparison of two e-government compliance service domains //Decision Support Systems. – 2009. – Т. 47. – №. 4. – С. 424-435.
57. Lee Y., Kozar K. A., Larsen K. R. T. The technology acceptance model: Past, present, and future //Communications of the Association for information systems. – 2003. – Т. 12. – №. 1. – С. 50.
58. Li M., Suh A. Machinelike or humanlike? A literature review of anthropomorphism in AI-enabled technology. – 2021.
59. Li, Y., Wang, C. Effect of customer's perception on service robot acceptance. //International Journal of Consumer Studies. – 2022. – Т. 46. – С. 1241– 1261.
60. Lockshin L. et al. Using simulations from discrete choice experiments to measure consumer sensitivity to brand, region, price, and awards in wine choice //Food quality and preference. – 2006. – Т. 17. – №. 3-4. – С. 166-178.
61. Luo X. et al. Examining multi-dimensional trust and multi-faceted risk in initial acceptance of emerging technologies: An empirical study of mobile banking services //Decision support systems. – 2010. – Т. 49. – №. 2. – С. 222-234.
62. Madden M. Public perceptions of privacy and security in the post-Snowden era. – 2014.
63. Mariani M. M., Perez‐Vega R., Wirtz J. AI in marketing, consumer research and psychology: A systematic literature review and research agenda //Psychology & Marketing. – 2022. – Т. 39. – №. 4. – С. 755-776.
64. Marjerison R. K., Zhang Y., Zheng H. AI in E-Commerce: Application of the Use and Gratification Model to the Acceptance of Chatbots //Sustainability. – 2022. – Т. 14. – №. 21. – С. 14270.
65. Mbete G. S., Tanamal R. Effect of Easiness, Service Quality, Price, Trust of Quality of Information, and Brand Image of Consumer Purchase Decision on Shopee Online Purchase //Jurnal Informatika Universitas Pamulang. – 2020. – Т. 5. – №. 2. – С. 100.
66. Mcknight, D. & Carter, Michelle & Thatcher, Jason & Clay, Paul. Trust in a specific technology: An Investigation of its Components and Measures// ACM Transactions on Management Information Systems. – 2011. – Т.2. – С.12-32.
67. Miltgen C. L., Popovič A., Oliveira T. Determinants of end-user acceptance of biometrics: Integrating the “Big 3” of technology acceptance with privacy context //Decision support systems. – 2013. – Т. 56. – С. 103-114.
68. Moore S., Bulmer S., Elms J. The social significance of AI in retail on customer experience and shopping practices //Journal of Retailing and Consumer Services. – 2022. – Т. 64. – С. 102.
69. Morgan-Thomas A., Veloutsou C. Beyond technology acceptance: Brand relationships and online brand experience //Journal of Business Research. – 2013. – Т. 66. – №. 1. – С. 21-27.
70. Nadarzynski T. et al. Acceptability of artificial intelligence (AI)-enabled chatbots, video consultations and live webchats as online platforms for sexual health advice //BMJ sexual & reproductive health. – 2020. – Т. 46. – №. 3. – С. 210-217.
71. Nasirian F., Ahmadian M., Lee O. K. D. AI-based voice assistant systems: Evaluating from the interaction and trust perspectives. – 2017.
72. Nicolescu L., Tudorache M. T. Human-Computer Interaction in Customer Service: The Experience with AI Chatbots—A Systematic Literature Review //Electronics. – 2022. – Т. 11. – №. 10. – С. 1579.
73. NLP [Электронный ресурс]. - Amazon Web Services, Inc – Режим доступа: https://aws.amazon.com/ru/what-is/nlp/, свободный. – Загл. с экрана.
74. Noor N., Hill S. R., Troshani I. Developing a service quality scale for artificial intelligence service agents //European Journal of Marketing. – 2022. – Т. 56. – №. 5. – С. 1301-1336.
75. Nordheim C. B., Følstad A., Bjørkli C. A. An initial model of trust in chatbots for customer service—findings from a questionnaire study //Interacting with Computers. – 2019. – Т. 31. – №. 3. – С. 317-335.
76. Number of digital voice assistants in use worldwide from 2019 to 2024 [Электронный ресурс] – Statista, 2020 – Режим доступа: https://www.statista.com/statistics/973815/worldwide-digital-voice-assistant-in-use/, свободный. – Загл. с экрана.
77. Pelau C., Dabija D. C., Ene I. What makes an AI device human-like? The role of interaction quality, empathy and perceived psychological anthropomorphic characteristics in the acceptance of artificial intelligence in the service industry //Computers in Human Behavior. – 2021. – Т. 122. – С. 106855.
78. Pillai R., Sivathanu B. Adoption of AI-based chatbots for hospitality and tourism //International Journal of Contemporary Hospitality Management. – 2020. – Т. 32. – №. 10. – С. 3199-3226.
79. Poole D. L., Mackworth A. K. Artificial Intelligence: foundations of computational agents. – Cambridge University Press, 2010.
80. Reeves B., Nass C. The media equation: How people treat computers, television, and new media like real people //Cambridge, UK. – 1996. – Т. 10. – С. 236605.
81. Rese A., Ganster L., Baier D. Chatbots in retailers’ customer communication: How to measure their acceptance? //Journal of Retailing and Consumer Services. – 2020. – Т. 56. – С. 102176.
82. Rese, A., Ganster, L. and Baier, D., "Chatbots in retailers' customer communication: how to measure their acceptance?"// Journal of Retailing and Consumer Services. – 2020. – Т. 56. – С. 1 -14.
83. Rodgers W. Artificial intelligence in a throughput model: Some major algorithms. – CRC Press. – 2020.
84. Rogers E. M. Diffusion of innovations. – Simon and Schuster, 2010.
85. Rogers, E.M. Diffusion of Innovations / E.M. Rogers // Diffusion of Innovations, 3rd ed. The Free Press, New York, NY. – 1983.
86. Rousseau D. M. et al. Not so different after all: A cross-discipline view of trust //Academy of management review. – 1998. – Т. 23. – №. 3. – С. 393-404.
87. Ruane E., Birhane A., Ventresque A. Conversational AI: Social and Ethical Considerations //AICS. – 2019. – С. 104-115.
88. Sbercloud, Нейронные сети [Электронный ресурс]. – Cloud – Режим доступа: https://sbercloud.ru/ru/services/neural-networks, свободный. – Загл. с экрана.
89. Shaping the Future of Artificial Intelligence and Machine Learning [Электронный ресурс] – World Economic Forum, без даты – Режим доступа: https://www.weforum.org/centres-and-platforms/shaping-the-future-of-artificial-intelligence-and-machine-learning, свободный. – Загл. с экрана.
90. Social Robots Market [Электронный ресурс] – Maximize Market Research, 2022 – Режим доступа: https://www.maximizemarketresearch.com/market-report/global-social-robots-market/78802/, свободный. – Загл. с экрана
91. Song M. et al. Will artificial intelligence replace human customer service? The impact of communication quality and privacy risks on adoption intention //Journal of Retailing and Consumer Services. – 2022. – Т. 66. – С. 102900.
92. Srivastava S. C., Chandra S., Theng Y. L. Evaluating the role of trust in consumer adoption of mobile payment systems: An empirical analysis //Communications of the Association for Information systems. – 2010. – Т. 27. – С. 561-588.
93. Taherdoost H. A review of technology acceptance and adoption models and theories //Procedia manufacturing. – 2018. – Т. 22. – С. 960-967.
94. The consumer Sees AI benefits but still prefers the human touch [Электронный ресурс] – Genpact, 2017 – Режим доступа: https://www.genpact.com/insight/ai-research-consumer, свободный. – Загл. сэкрана.
95. Uncanny valley [Электронный ресурс] – Britannica, 2022 – Режим доступа: https://www.britannica.com/topic/uncanny-valley, свободный. – Загл. с экрана.
96. Van Gog T., Kester L., Paas F. Effects of concurrent monitoring on cognitive load and performance as a function of task complexity //Applied cognitive psychology. – 2011. – Т. 25. – №. 4. – С. 584-587.
97. Venkatesh V. et al. User acceptance of information technology: Toward a unified view //MIS quarterly. – 2003. – С. 425-478.
98. Venkatesh V., Davis F. D. A theoretical extension of the technology acceptance model: Four longitudinal field studies //Management science. – 2000. – Т. 46. – №. 2. – С. 186-204.

Работу высылаем на протяжении 30 минут после оплаты.



Заказать работу

Заявка на оценку стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Каталог работ (149774)

Новости

06.01.2018 Помощь студентам и аспирантам в выполнении работ от наших партнеров Помощь студентам и аспирантам в выполнении работ от наших партнеров

Помощь в выполнении учебных и научных работ на заказ ОФОРМИТЬ ЗАКАЗ

дальше

»» Все новости

Заказать работу

Заявка на оценку стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Заказать диплом

Приглашаем авторов студенчесчких работ


©2024 Cервис помощи студентам в выполнении работ
.