Effekten av dult på bruksintensjon og kundetilfredshet: En eksperimentell studie av AI chatbotinteraksjoner

Abstract

Sterk konkurranse i digitale tjenester har ført til at virksomheter i økende grad tar i bruk AI-baserte chatboter for å oppnå konkurransefortrinn og bedre kundeverdi. Samtidig, kan tjenestefeil svekke kundetilfredshet. Denne studien tar utgangspunkt i AI chatbot, og undersøker hvordan dulting i form av priming og antropomorfisme påvirker bruksintensjonen, samt kombinasjonen av dultene. i tillegg til hvordan dult kan redusere negative konsekvenser ved tjenestefeil. Problemstillingen utarbeidet er: I hvilken grad påvirker dult bruksintensjonen av AI chatboter og reduserer potensielle negative konsekvenser av tjenestefeil på kundetilfredshet? Problemstillingen er operasjonalisert i to forskningsspørsmål: hvordan påvirker priming og antropomorfisme kundenes bruksintensjon, og i hvilken grad kan dult bidra til å redusere negative konsekvenser av tjenestefeil hos AI chatboter på kundetilfredshet?

Studien benytter et kvantitativt scenariobasert eksperiment med pretest- posttestdesign, der respondenter randomiseres til ulike manipulasjoner av en AI chatbot. Resultatene viser at alle dult-varianter har signifikant, positiv effekt på bruksintensjon sammenlignet med referansegruppen uten dult. Priming har en koeffisient på 1.17 (p=.001), antropomorfisme 1.71 (p=.000), og kombinasjonen av begge dult 2.30 (p=.000). Ved å redusere de negative konsekvensene av tjenestefeil har kombinasjonen av begge dult størst effekt med koeffisient på 2.04 (p=.000).

Teoretisk er avhandlingen et bidrag med innsikt i hvordan dult kan anvendes i AI chatbot. Studien har en praktisk nytteverdi for hvordan virksomheter kan forbedre bruksintensjon og kundetilfredshet ved tjenestefeil ved å kombinere priming og antropomorfisme-dulter. Studien har begrensninger i form av anvendelse av ikke-sannsynlighetsutvalg, og bruker et forhåndsbestemt scenario som i begrenset grad speiler en realistisk situasjon. I tillegg kan en pretest ha gjort respondentene oppmerksomme på hva som studeres og endret svar i posttest. videre forskning bør benytte sannsynlighetsutvalg og samarbeide med flere virksomheter for å sikre en bedre ekstern validitet for økt generaliserbarhet. I tillegg hvordan andre faktorer som kultur, og om bruksintensjonen faktisk vedvarer. Videre forskning bør anvende sannsynlighetsbaserte utvalg og samarbeide med flere virksomheter for å sikre en bedre ekstern validitet for økt generaliserbarhet. I tillegg hvordan andre faktorer som kultur, og om bruksintensjonen faktisk vedvarer.

Increased competition in digital services has led companies to adopt AI-based chatbots to gain competitive advantages and improve customer value. At the same time, service failure can reduce customer satisfaction. This study focuses on AI chatbots and investigates how nudging through priming and anthropomorphism affects behavioural intention, as well as the combined effect of these nudges. It also examines how nudges may reduce the negative consequences of service failures. The research question is: To what extent do nudges affect behavioural intention of AI chatbots and reduce potential negative consequences of service failure on customer satisfaction? The question is operationalized into two research questions: How do priming and anthropomorphism affect customers’ behavioural intention? And Too what extent can nudging help reduce the negative consequences of service failure in AI chatbots on customer satisfaction?

The study applies a quantitative scenario-based experiment with a pretest-posttest design, where respondents were randomly assigned to different manipulations of an AI chatbot. The result show that all types of nudges have a significant, positive effect on behavioural intention compared to the reference group without nudging. Priming has a coefficient of 1.17 (p=.000), anthropomorphism 1.71 (p=.000), and the combination of both nudges 2.30 (p=.000). When it comes to reducing the negative consequences of service failure, the combination of both nudges has the strongest effect with a coefficient of 2.04 (p=.000).

Theoretically, the thesis contributes with insights into how nudging can be applied in AI chatbot design. Practically, the study offers value for companies looking to improve behavioural intention and customer satisfaction following service failures by combining priming and anthropomorphism. The study is limited using non-probability sampling, as well as a pre-defined scenario that partially reflects a realistic customer situation. Additionally, the pretest may have increased respondents’ awareness of the questions and influenced posttest responses. Future research should use probability sampling and cooperate with various companies to ensure better external validity and greater generalizability. It is also important to investigate how factors such as culture influence nudging effects, and whether behavioural intention persists over time.