2022年4月17日下午两点，中国营销工程与创新研究中心(以下简称“MEI”)2021-2022年第二学期第10次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由管大为研读文章《Thumbs Up or Down: Consumer Reactions to Decisions by Algorithms Versus Humans》。

　　一、研究导入

　　越来越多的公司使用算法来做出直接影响潜在客户和现有客户的业务决策。例如，使用算法来决定哪些申请人应该进入平台(如Raya)以及哪些人应该获得贷款(如Upstart)等等。随着算法在消费者消费决策中的普及，了解消费者对算法决策和人工决策的反应的管理重要性也在增加。本篇文章围绕消费者在算法决策者和人类决策者做出决定后的不同反应调查本研究关注的重点：

　　文章提出以下研究问题：

　　✓ 在面向消费者的业务中，消费者的态度是如何随着公司使用算法和人工决策者的不同而变化的?

　　✓ 决策结果偏好在消费者对不同决策者反应中存在怎样的影响?

　　✓ 消费者是如何解释算法or人工做出的决策的?

　　二、研究模型

图一：研究模型

　　三、实证过程

　　Study 1a

　　研究目的：

　　决策者类型对决策结果好感度的影响：对公司的态度。

　　研究结果：

　　✓ 方差分析结果揭示了决策者类型和决策结果好感度显著的主效应。

　　✓ 被算法接受申请的参与者对乡村俱乐部的态度不如被俱乐部协调员接受申请的参与者积极。

　　✓ 同时，当参与者的申请被拒绝时，决策者类型的影响显著减弱。

图二：实验1a结果

　　Study 1b

　　研究目的：

　　旨在通过两个关键变化来复制研究1a。首先，测试了种效应是否可以推广到非社会环境：商业贷款申请并使用“批准”和“拒绝”而不是“接受”和“拒绝”。其次，测量了参与者的口碑意图。

　　研究结果：

　　申请被算法批准的参与者推荐给其他人的可能性低于申请被信贷员批准的参与者。

图三：实验1b结果

　　Study 2

　　研究目的：

　　首先，研究二旨在提供预测效果的现场测试。其次，旨在排除另一种说法：对不利信息的忽视。

　　研究结果：

　　复制了研究1的关键交互效应，排除了基于对不利信息不注意的替代解释。

　　Study 3

　　研究目的：

　　研究3侧重于有利的决策结果，旨在阐明决策者类型对反应的影响是由人类决策者的积极影响、还是由算法决策者的消极影响，还是两者兼而有之。

　　研究结果：

　　阐明了决策者类型对有利决策的影响，因为与未披露的决策者相比，披露算法决策者会损害消费者的态度。

图四：实验3结果

　　Study 4

　　研究目的：

　　检验归因的中介作用，预测算法(相较于人类)决策者将根据决策结果的好感度引出不同的归因，而这些归因将调节对公司态度的关键交互效应。

　　研究结果：

　　直接检验了所提出的机制，并发现证据表明决策结果的好感性会影响算法与人类决策的内部归因过程，从而导致对不同决策者做出的决策的不同反应。

图五：实验4结果

　　Study 5

　　研究目的：

　　人类决策者更多地促进了决策结果的内部归因。当决策结果不能诊断消费者个人特征时，这种影响应该得到缓解。研究5通过操纵自我诊断来测试这一预测，并通过在另一个与管理相关的环境中复制它来增加这种效应的普遍性：网络平台。

　　研究结果：

　　✓ 申请被算法接受的参与者对社交俱乐部的态度不太积极。然而，当接受决定是基于抽奖时(即，当决策不是自我诊断时)，决策者类型不会显著影响参与者的态度

　　✓ 中介分析结果表明，当决策基于对申请的评估并因此进行自我诊断时，内部归因的间接影响显著。

图六：实验5结果

　　Study 6

　　研究目的：

　　决策者类型对消费者在不利决策结果后的反应有减弱的影响，研究6通过测量消费者对决策者客观性的看法和对个人独特性的考虑来检验这一命题。

　　研究结果：

　　证实了消费者对人类和算法决策者的不利决策结果做出外部归因，这是由于决策者的感知弱点——人类决策者的客观性差，而算法决策者不考虑每个申请人的独特特征。

　　图七：实验6结果

　　Study 7

　　研究目的：

　　先前实验的结果可能会受到社会机制的影响，研究7旨在通过添加人类监控(但不干扰)算法决策的新条件来直接测试社会存在的替代解释。

　　研究结果：

　　与归因解释一致，与社交存在解释不一致，无论是否有人监控算法的决定，消费者在接受决策时都对由人做出的反应比由算法做出的反应更积极。

　　图八：实验7结果

　　Study 8

　　研究目的：

　　减轻负面影响的人性化算法：对公司的态度。

　　研究结果：

　　当算法(相较于人类)做出有利决定时，消费者反应不太积极，研究8测试了一个潜在的解决方案：将算法拟人化。当有利的决定由类人(与非类人)算法做出时，对公司的态度更加积极。

　　四、研究结论

　　✓ 消费者在收到算法做出的有利决策时，对公司的反应不如人类做出的决策积极;但是，当决策结果不利时，这种差异会显著减轻。

　　✓ 这种影响是由不同的归因驱动的：消费者发现将算法做出的有利决策内化相对更困难(相较于人类决策)，而同样容易将任何一种类型的决策者做出的不利决策外化。

　　✓ 最后，本文证明了人性化算法可以减轻对算法(相较于人类)决策者在有利的决策结果设置中相对的不积极反应。

　　至此，本次Seminar文章研读完毕。

　　之后，由李奥旗、纪晓媛、韦玉珍、王汐文分享了最近的研究进展。针对研究中的问题，老师与同学们提出了一些建议，并且明确了进一步的研究计划。

　　至此，本学期第10次Seminar圆满结束。