AI 客服机器人的问题解决能力与顾客持续使用意愿：期望确认视角
论文精读：Gao 等（2025）在 JBR 发表——以期望确认模型（ECM）为核心，检验电商平台 AI 客服机器人'问题解决能力'如何影响顾客持续使用意愿。
文献：Gao, J.-Z., Opute, A., Jawad, C., & Zhan, M. (2025). The influence of artificial intelligence chatbot problem solving on customers’ continued usage intention in e-commerce platforms: an expectation-confirmation model approach. Journal of Business Research, 2025. DOI 10.1016/j.jbusres.2025.115661。SSCI Q1，官网当前 IF≈10.5；Asta 引用快照 35（2026-09-04）。
研究问题：电商平台广泛部署 AI 客服机器人，但顾客“用一次就流失”仍是普遍现象。论文要回答：AI 客服机器人的问题解决能力（problem solving）如何通过期望确认过程，影响顾客的持续使用意愿？基于期望确认模型（ECM），核心关切是“能否真正解决问题”而非聊天本身的拟人度。
论证思路：以 ECM 为总框架——顾客对 AI 客服的能力形成初始期望，实际交互后感知到的“问题解决质量”与期望对比产生确认/不确认，进而影响满意度与持续使用意愿。研究把机器人“问题解决能力”作为 ECM 前因变量，考察其经“期望确认—满意度”链路的间接效应。
方法：电商平台 AI 客服实际用户问卷数据，采用结构方程模型（SEM）检验期望确认框架下的中介路径；具体样本规模与量表条目以原文为准（摘要未披露完整统计量，引用前请回原文核验）。
结果与启示：
- AI 客服机器人要驱动“持续使用”，关键在问题解决能力经期望确认形成满意度——这与“聊天更拟人”的直觉形成对照；
- 对平台运营的启示：客服机器人的价值锚点应放在“一次问清、解决率、交接顺畅”等结果性指标上，而非表面交互体验；
- 对研究者的启示：ECM 在 AI 客服情境的应用需把“能力感知”作为比“技术接受”更细的前因，可作为中介/调节模型的变量基础。
图注说明：封面为原文研究模型图（Elsevier CDN 提供）。本文基于公开摘要与题录整理，原文完整统计量请以 DOI 全文为准。