Помощь студентам в учебе
Факторы принятия потребителями коммуникативных технологий искусственного интеллекта в клиентской поддержке
|
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
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.
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.
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.
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.