Traducido del inglés al español - www.onlinedoctranslator.

com

El número actual y el archivo de texto completo de esta revista están disponibles en Emerald
Insight en:https://www.emerald.com/insight/0959-0552.htm

La actitud de los millennials hacia los Millennials '

actitud hacia
chatbots: un estudio experimental en chatbots

una perspectiva de relación social

Roberta De Cicco 1213
Departamento de Neurociencia, Imágenes y Ciencias Clínicas,
Universidad de Chieti-Pescara, Chieti, Italia y Recibido el 27 de diciembre de 2019
Revisado el 20 de enero de 2020
CAST, Centro de Estudios Avanzados y Tecnología, Universidad de Chieti-Pescara, 22 marzo 2020
27 marzo 2020
Chieti, Italia
21 de mayo de 2020

Susana C. Silva 10 de junio de 2020

Aceptado el 10 de junio de 2020

Escuela de Negocios Cat-olica Porto, Universidade Cat-olica Portuguesa, Porto,
Portugal y
Francesca Romana Alparone
Departamento de Neurociencia, Imágenes y Ciencias Clínicas,
Universidad de Chieti-Pescara, Chieti, Italia

Abstracto
Objetivo - Los chatbots representan un canal innovador para que los minoristas satisfagan las necesidades de los clientes jóvenes en
cualquier lugar y en cualquier momento. Sin embargo, al tratarse de una tecnología emergente, es importante investigar más a fondo
cómo la perciben los usuarios y cuáles son las variables que potencian una actitud positiva hacia esta tecnología. Sobre esta premisa,
este estudio aplica una perspectiva de relación social al diseño de chatbots dirigidos a consumidores más jóvenes.Diseño /
metodología / enfoque - El estudio adopta un diseño factorial entre participantes para investigar los efectos de las señales visuales
(presencia de avatar frente a ausencia de avatar) y los estilos de interacción (orientado a lo social frente a orientado a tareas) en la
presencia social y cómo esto, a su vez, mejora la percepción de disfrute y confianza de los millennials. y, en última instancia, actitud
hacia el chatbot. Se empleó un experimento de encuesta para realizar el estudio sobre los datos recopilados de 193 millennials
italianos.
Hallazgos - Los resultados muestran que la aplicación de un estilo de interacción con orientación social aumenta la percepción de la
presencia social de los usuarios, mientras que se encontró un efecto insignificante para la presencia de avatar. El análisis de la
ecuación estructural de mínimos cuadrados parciales (PLS-SEM) confirma aún más el modelo hipotético.
Originalidad / valor - Es probable que la adopción de nuevas tecnologías digitales, como los chatbots, tenga un efecto de gran alcance
en los minoristas, los consumidores, los empleados y la sociedad. Por esta razón, se necesita una comprensión amplia del fenómeno.
Hasta donde sabemos, este es el primer estudio que proporciona resultados a partir de un diseño experimental en el que tanto el
estilo de interacción (social versus orientado a tareas) como el avatar (presencia versus ausencia) de un chatbot se manipulan para
explorar directamente la presencia social y su efecto en la confianza, el disfrute percibido y la actitud de los millennials hacia un
chatbot aplicado con fines de venta minorista.

Palabras clave Chatbot, estilo de interacción, avatar, presencia social, confianza, disfrute, actitudTipo de papel
Trabajo de investigación

Introducción
En los últimos años, los minoristas han proporcionado a los clientes varios puntos de contacto digitales
como parte de su uso continuo de las tecnologías digitales en el proceso de compra (Hagberg et al., 2016
). Muchos de ellos han adoptado chatbots como una estrategia de comunicación de marketing en línea
complementaria para interactuar e interactuar mejor con sus clientes.

© Roberta De Cicco, Susana C. Silva y Francesca Romana Alparone. Publicado por Emerald Publishing Limited. Revista internacional de comercio minorista y

Este artículo se publica bajo la licencia Creative Commons Attribution (CC BY 4.0). Cualquiera puede reproducir, Gestión de distribución
Vol. 48 No. 11, 2020
distribuir, traducir y crear trabajos derivados de este artículo (tanto con fines comerciales como no comerciales), págs. 1213-1233
Emerald Publishing Limited
sujeto a la atribución total a la publicación original y a los autores. Los términos completos de esta licencia se
0959-0552
pueden consultar enhttp://creativecommons.org/licences/by/4.0/legalcode DOI 10.1108 / IJRDM-12-2019-0406
IJRDM (Gentsch, 2019). Por ejemplo, los chatbots utilizados por la empresa 1-800- Flowers permiten a los
clientes realizar pedidos de flores, realizar pagos y realizar un seguimiento de las entregas sin salir de
48,11
Facebook Messenger. Otro ejemplo incluye a Northface, que lanzó su asistente virtual de compras
basado en chat para ayudar a los clientes a encontrar la chaqueta adecuada (Tuzovic y Paluch, 2018).
Para aclarar, los chatbots son programas que simulan la conversación humana, lo que permite a los
humanos interactuar con dispositivos digitales como si se estuvieran comunicando con una persona real
(Oracle, 2019). Las recientes mejoras en el procesamiento del lenguaje natural, combinadas con el
1214 cambio hacia la mensajería como canal principal de comunicación, han contribuido al enorme aumento
de la popularidad de los chatbots en la industria minorista (Gnewuch et al., 2018). Como lo menciona el
sitio web de noticias BusinessInsider (2019), según un informe de
investigación y mercados, se proyecta que el tamaño del mercado de los chatbots crezca de $ 2.6 mil millones en 2019 a $
9.4 mil millones en 2024. El servicio al cliente, el comercio minorista y el comercio electrónico representan aquellos
segmentos de mercado que se proyecta que crecerán su tamaño de mercado a la tasa de crecimiento anual compuesta
más alta , debido a la creciente demanda de proporcionar a los clientes una experiencia omnicanal fluida (BusinessInsider,
2019). La facilidad y accesibilidad de construir un chatbot (gracias a las numerosas plataformas y marcos disponibles para
construirlos), los desarrollos sustanciales en inteligencia artificial (IA) y el mayor uso de aplicaciones de mensajería son los
principales factores que impulsan el avance de la industria del chatbot. Sin embargo, a pesar de esto, la falta de
conocimiento sobre los resultados del uso de chatbots dentro de sus diversas aplicaciones podría constituir una amenaza
para el crecimiento de este mercado. Actualmente, el principal desafío con los chatbots implica problemas de
interpretación: en la mayoría de los casos, los chatbots no pueden atender solicitudes más específicas o complejas, o no
siempre entienden lo que el cliente pregunta (Brandtzaeg y Følstad, 2017). Por lo tanto, las empresas que requieren solo
un número relativamente corto de opciones para cumplir con los pedidos en línea, es decir, aquellas que pueden usar un
algoritmo más sencillo, tienen más probabilidades de usar chatbots (por ejemplo, empresas de entrega de alimentos).
Debido a la rutinización de actividades y las limitadas tareas recurrentes que permiten una mayor velocidad y menores
costos (Leidner, 1993), es más probable que las empresas de entrega de alimentos en línea constituyan un campo en el
que la aplicación de chatbots sea más fácil de implementar para las empresas y más fácil de usar para los clientes.

Esto es particularmente cierto para las personas más jóvenes (por ejemplo, los millennials, la generación
nacida entre 1981 y 1996) ya que la tecnología está significativamente integrada en su vida diaria (Moore, 2012).
Al ser la primera generación en experimentar la era de los teléfonos inteligentes, aunque los millennials exigen
un servicio personalizado, no están acostumbrados a esperar (Forbes, 2016). Entonces, gracias a la naturaleza en
tiempo real que permite a los consumidores obtener respuestas informales instantáneas a sus consultas (Mero,
2018), y los chats se han convertido en la opción preferida de los millennials para obtener atención al cliente. En
esta perspectiva, los chatbots están asumiendo el desafío de satisfacer esta necesidad, tratando de garantizar un
servicio personalizado disponible para satisfacer las necesidades de los clientes tan jóvenes en cualquier
momento y en cualquier lugar de una manera que, con los métodos tradicionales, simplemente no era posible (
Chung et al., 2018). Actualmente, los chatbots están captando la atención de un número creciente de
investigadores, que abordan su interés en las señales visuales de conversación y la interactividad de los chatbots
(Go y Sundar, 2019; Chattaraman et al., 2019) así como su papel potencial en la mejora de la satisfacción de los
clientes (Chung et al., 2018) y las percepciones de la empresa (Araujo, 2018). Según estos estudios, la cuestión de
crear un chatbot parece ser más un desafío conversacional que técnico. La pregunta que surge es ¿cuál es un
formato apropiado en términos de rasgos de conversación para una implementación efectiva de los chatbots
para la venta minorista?
A medida que las habilidades de conversación de los chatbots mejoran rápidamente, es importante comprender los
resultados emocionales, relacionales y psicológicos que los chatbots transmiten al usuario a través de su comunicación (Ho
et al., 2018). Por lo tanto, sobre la base de esta premisa, el estudio actual tiene como objetivo brindar información sobre
los profesionales que desean ofrecer una experiencia atractiva a los consumidores jóvenes a través de "conversaciones"
con chatbots. Específicamente, el presente estudio tiene como objetivo ampliar la investigación sobre las características
sociales aplicadas a los chatbots (Chattaraman et al., 2019) al proporcionar los resultados de un estudio experimental en el
que se manipularon tanto el estilo de interacción (orientado a lo social frente a orientado a tareas) como a la señal visual
(presencia de avatar frente a ausencia de avatar), a través de un chatbot completamente funcional
 Millennials
configurado para la compra de alimentos en línea, con el fin de investigar cómo tales características afectan la presencia social, que a su '
vez predice positivamente la confianza, el disfrute percibido y, en consecuencia, actitud haciaactitud general de los millennials hacia
esta tecnología. Por lo tanto, esperamos brindar una comprensión de gran alcance de las nuevas formas de comunicación entre minoristas
chatbots
y consumidores al enfocarnos en una característica contemporánea en el corazón de la transformación digital minorista.

Revisión de la literatura, marco teórico y desarrollo de hipótesis

El presente estudio complementa la investigación actual sobre chatbots aplicados con fines comerciales (
1215
Araujo, 2018; Chung et al., 2018), integrando y ampliando la literatura anterior sobre la interacción
humana chatbot (Zarouali et al., 2018; Cerro et al., 2015; Ciechanowski et al., 2019). Al hacerlo, este
estudio se enfoca en una perspectiva de relación social, basada en la premisa de que los chatbots no son
simplemente una herramienta productiva, sino que también pueden verse como una fuente de
interacción más personal que posee y transmite valor social (Brandtzaeg y Følstad, 2017).
Un cuerpo considerable de investigación se ha centrado en las interacciones humano-chatbot. Con respecto a
cómo los usuarios responden a las consultas del chatbot,Cerro et al. (2015) descubrió que los usuarios se
comunican con los chatbots utilizando mensajes más cortos y un vocabulario menos rico en comparación con las
conversaciones con otro humano, mientras que Corti y Gillespie (2016) descubrió que las personas están menos
dispuestas a reparar los malentendidos con los chatbots en comparación con los humanos. Según los autores,
esto probablemente se deba a las menores expectativas que las personas tienen de los chatbots, ya que se cree
que no pueden participar en procesos intersubjetivos complejos. Pasando a las motivaciones que llevan a las
personas a usar chatbots,Brandtzaeg y Følstad (2017) mostró que la mayoría de las personas tienden a participar
en una conversación de chatbot por productividad, entretenimiento y los beneficios sociales y relacionales que
brindan. Otros estudios investigaron cómo la interacción con el chatbot afecta los resultados comerciales en
términos de actitud hacia la marca (Zarouali, 2018), amor por la marca (Trivedi, 2019) o conexión emocional con la
empresa (Araujo, 2018). Aunque varios estudios han explorado las interacciones humano-chatbot, pocos de estos
estudios han investigado cómo las personas confían en señales sociales como el lenguaje, la interactividad y la
capacidad de los chatbots, aplicados con fines comerciales, para expresar emociones (Toader et al., 2020). Desde
esta perspectiva,Araujo (2018) fue uno de los primeros en comparar tanto el marco que presenta el chatbot como
las señales similares a las humanas (nombre humano y saludos frente al lenguaje informático) en términos de
antropomorfismo percibido, presencia social y percepción de la empresa. Ir y Sundar (2019) argumentó que las
señales de identidad (interactividad del mensaje e identidad humana) representan factores clave en el desarrollo
de ciertas expectativas de interactividad que impactan las respuestas psicológicas, de actitud y de
comportamiento de los individuos a los chatbots. Chattaraman et al. (2019), cuya investigación involucró una
muestra mayor (61-89), encontró que los usuarios con baja competencia en Internet prefieren interacciones
orientadas a tareas, mientras que los usuarios de alta competencia prefieren una interacción orientada
socialmente con respecto a los resultados sociales (por ejemplo, interactividad y confianza percibidas).

Dentro de la interacción humano-computadora (HCI), un aspecto crítico está representado por la

presencia social, que es la sensación de estar con otro (Gefen y Straub, 2003), donde "el otro" puede ser
un ser humano o una IA (Biocca et al., 2003). Los investigadores de comunicación y de HCI se han
interesado típicamente en la presencia social porque puede mediar los efectos de otras variables de
interés central, como las actitudes hacia los otros mediados, las características de la interfaz, la
persuasión, las ilusiones de la realidad, el aprendizaje y la memoria (Biocca et al., 2003). Dado que la
presencia social afecta positivamente los antecedentes de actitud, los investigadores se han basado en la
teoría de la presencia social para explorar la falta de calidez humana en Internet (Hassanein y Head, 2005
). Muchos de ellos han discutido el potencial de las características del sitio web para infundir calidez
humana a la interfaz en línea (Hassanein y Head, 2005, 2007), pero la investigación sobre qué señales
afectan positivamente la presencia social en la interacción humano-chatbot es aún deficiente (Araujo,
2018). Hasta donde sabemos, ningún estudio ha explorado aún si los consumidores millennials favorecen
una presencia social en línea en los chatbots, y qué tan determinante es esto para su experiencia de
compra. En este contexto, partiendo de la teoría de la presencia social, donde la
IJRDM La percepción de una persona como "real" está determinada por la intimidad y la inmediatez, este
estudio llena este vacío de investigación al comprender cómo aprovechar dicha intimidad e inmediatez a
48,11
través del diseño conversacional y las señales visuales, e investigar más a fondo si la presencia social
afecta la confianza, el disfrute percibido y la actitud de los millennials hacia esta tecnología.
Siguiente Gefen y Straub (2003) Creemos que se debe dar una mayor prioridad a la identificación de señales
de conversación que mejoren la percepción de los usuarios de la presencia social. Como la manipulación de
Araujo de señales similares a las humanas (nombre humano y saludos) resultó no ser un detonante suficiente
1216 para la presencia social, creemosChattaraman et al. 's (2019) estilo de interacción para ser el enfoque más
exhaustivo para investigar el efecto de las señales de conversación social sobre la presencia social. Asimismo,
consideramos que los avatares de dibujos animados son una característica interesante sobre la que realizar una
investigación, debido a su atractivo para las empresas y debido a que, hasta la fecha, en el dominio de las
plataformas basadas en chat, solo los avatares humanos altamente realistas de los chatbots han ha sido
investigado (p. ej.Go y Sundar, 2019; Ciechanowski et al., 2019), al contrario de lo que sucedió en el pasado con
los asistentes virtuales que residen en una página web (Qiu y Benbasat, 2009).
En vista de la falta de conocimiento sobre las preferencias de los millennials hacia la presencia social
en línea dentro de los chatbots, nuestro objetivo es comprender cómo mejorar la presencia social en la
interacción entre los millennials y el chatbot y saber si esto crea un proceso de compra más confiable,
agradable y favorable para esto. grupo.

Estilo de interacción y avatares como antecedentes de presencia social

En el contexto del comercio electrónico, los chatbots asumen el papel de asesores, generalmente
asociados con los vendedores en entornos físicos (Qiu y Benbasat, 2009). La construcción de relaciones
sociales entre vendedores y clientes aumenta la posibilidad de un boca a boca positivo, satisfacción del
cliente, lealtad y compras, lo que refleja el hecho de que los clientes desean no solo beneficios
funcionales sino también sociales (Qiu y Benbasat, 2009). Esto aboga por dar una mayor consideración a
un enfoque relacional social en la interacción humano-chatbot, ya que dicha experiencia puede
fortalecerse significativamente por motivaciones hedónicas, sociales o relacionales (Brandtzaeg y Følstad,
2017).
En entornos en línea, los usuarios perciben a los agentes como mediadores de interacción y actores sociales,
un proceso que se explica por el paradigma de las computadoras son actores sociales (CASA) que postula que las
personas atribuyen atributos sociales a una tecnología informática, especialmente cuando se percibe que posee
características típicamente asociadas con el comportamiento humano. (Reeves y Nass, 1996). Según esta teoría,
cuanto más los agentes transmiten emociones y expresan empatía y simpatía, más los usuarios los evalúan
positivamente y desarrollan vínculos sociales y emocionales con los agentes (Komiak y Benbasat, 2006). En línea
con esto, lo mismo debería aplicarse a los chatbots, ya que los usuarios deberían, en teoría, preferir los chatbots
que expresan emociones, simpatía y empatía en comparación con los chatbots que solo brindan información
neutral sobre los productos (Liu y Sundar, 2018).
La investigación destaca cómo las señales sociales transmitidas a través de chatbots deben alinearse mejor
con la orientación mental de los usuarios de alta competencia en tareas (por ejemplo, los millennials), que poseen
las competencias para alcanzar fácilmente los objetivos funcionales y que valoran el valor social de la interacción (
Chattaraman et al., 2019). Específicamente, un estilo de interacción de orientación social, que cumple con los
objetivos socioemocionales y relacionales a través de señales conversacionales que resaltan la empatía, la
personalidad y la amabilidad (Van Dolen et al., 2007) es más eficaz para los usuarios de alta competencia en
tareas en términos de resultados sociales, en comparación con un estilo de interacción orientado a tareas en el
que el lenguaje es formal e involucra solo el diálogo de tareas que logra metas funcionales, cumple
responsabilidades y satisface preocupaciones por un resultado productivo (Chattaraman et al., 2019). Si bien la
idea del cliente como simplemente un ser racional y cognitivo puede verse como incompleta, la investigación
sobre la capacidad que tienen los chatbots para hacer que las personas perciban emociones y cómo tales
emociones mejoran una actitud positiva aún es limitada (Smestad y Volden, 2018). Con el fin de arrojar luz sobre
este tema, investigamos la presencia social, un constructo que hace referencia a la medida en que un medio se
percibe como sociable, cálido, sensible y personal cuando se utiliza.
interactuar con otrosGefen y Straub, 2003). Las características sociales de las interacciones humano-chatbot y la forma enMillennials
que las '
percepciones de los usuarios sobre los chatbots se ven influidas por la presencia socialactitud haciahan llamado la atención solo
recientemente (Araujo, 2018; Go y Sundar, 2019). La investigación anterior se ha centrado en la presencia social para explorar la falta de
chatbots
calidez humana en el entorno en línea (Chenet al., 2005). Estudios en este campo muestran que la personalización y la recomendación
influyen positivamente en la percepción de presencia social (Gefen y Straub, 2003). Hassanein y Head (2005)demostró cómo se puede
lograr un mayor sentido de presencia social en los sitios web estimulando la percepción de la interacción con otros seres humanos (por
ejemplo, a través de textos, imágenes y videos socialmente ricos) o proporcionando medios para la interacción real con los demás (por
ejemplo, saludos personalizados).
1217

En vista de la naturaleza específica del chatbot, las señales de conversación social de los agentes de chat en
línea podrían facilitar la sensación de interactuar con otras personas (Go y Sundar, 2019). Por lo tanto,
planteamos la hipótesis de que

H1. Los usuarios que interactúan con un chatbot configurado utilizando un estilo de interacción orientado a las redes sociales
perciben un mayor nivel de presencia social en comparación con aquellos que interactúan con un
chatbot configurado con un estilo de interacción orientado a tareas.

Dado que los niveles más altos de presencia social pueden mejorar los intercambios sociales y fortalecer los
efectos de las señales de origen (Skalski y Tamborini, 2007), los desarrolladores de tecnología están interesados
en identificar características que aumentan el potencial de presencia social. Además de las señales de
conversación, en vista del entorno basado en el chat donde tienen lugar las interacciones humano-chatbot, otro
aspecto importante que vale la pena comprender es el papel de las señales visuales para proporcionar atributos
similares a los humanos a los chatbots (Go y Sundar, 2019). De acuerdo aGefen y Straub (2003), las fotografías e
imágenes personales transmiten presencia personal de la misma manera que lo hacen los textos.
Específicamente, los avatares, que son una encarnación gráfica o presentación visual, están ganando popularidad
en muchas interfaces utilizadas para la comunicación mediada por computadora (CMC), incluidas las redes
sociales y el comercio electrónico (Nowak y Fox, 2018). Los académicos coinciden en que un rasgo crucial de los
avatares es su potencial para ubicar o integrar la comunicación y generar una experiencia de copresencia en
entornos virtuales compartidos (Nowak y Biocca, 2003). Etemad-Sajadi (2016) descubrió que los avatares
aumentaban el nivel de presencia social y el atractivo emocional del sitio web de una empresa. Wang et al. (2007)
argumentó que las señales sociales inherentes a los avatares inducen percepciones de la sociabilidad del sitio
web, lo que lleva a un mayor placer y excitación.
Más específicamente, los personajes similares a dibujos animados son particularmente apreciados en
HCI (interacción humano-computadora) porque reducen las expectativas del cliente hacia las habilidades
del personaje y ayudan a igualar las habilidades técnicas del sistema (Luo et al., 2006). Este es un factor
que no debe pasarse por alto, ya que las habilidades conversacionales de los chatbots aún son limitadas
y pueden surgir conflictos entre la capacidad de los chatbots y las percepciones de los usuarios sobre esa
capacidad, generando así frustración.Ir y Sundar (2019) argumentó que en HCI, cuanto más visualmente
realista es la representación, mayores son las expectativas del usuario. Por lo tanto, investigamos a
propósito una función que las empresas aplican cada vez más en Facebook Messenger para solucionar
este problema, pero de la que aún se sabe poco. De hecho, la mayoría de los estudios sobre chatbots se
centran en imágenes realistas de humanos en lugar de personajes menos antropomórficos como los
avatares (Ciechanowski et al., 2019; Go y Sundar, 2019). Por tanto, proponemos la siguiente hipótesis:

H2. Los usuarios que interactúan con un chatbot que muestra el avatar percibirán una mayor
nivel de presencia social en comparación con aquellos que interactúan con un chatbot que no
muestra el avatar.

Influencia de la presencia social en la percepción de disfrute y confianza

En los entornos minoristas tradicionales, las características de los vendedores influyen en las
emociones de los clientes, como el disfrute al comprar (Lee y Dubinsky, 2003). Similar a lo que
IJRDM ocurre durante la interacción con los vendedores, el disfrute percibido es un componente importante de los
beneficios sociales que los clientes obtienen al comunicarse con un agente artificial que actúa en nombre de la
48,11
empresa. Investigaciones anteriores destacaron la relevancia de la presencia social en la transmisión de
emociones positivas dentro de un medio (McKenna et al.,2002). Lombard y Ditton (1997) fueron de los primeros
en sugerir el efecto que tiene la presencia social en los usuarios de los medios de comunicación para aumentar la
participación, la persuasión y el disfrute. El disfrute percibido es un aspecto experimental significativo de las
compras en línea y fuera de línea, que describe cómo un individuo percibe que algo es divertido (Hassanein y
1218 Head, 2005). Se clasifica en gran medida como una motivación intrínseca para adoptar una tecnología (Davis et
al., 1992). A lo largo de los años, los estudios han confirmado el papel clave que desempeña la presencia social al
influir positivamente en el disfrute percibido (Cyr et al., 2007; Hassanein et al., 2009; Shen, 2012); Hassanein y
Head (2005) demostró que el aumento de los niveles de presencia social tiene un impacto positivo en el disfrute
de los sitios web que venden ropa, mientras que Shen (2012) proporciona apoyo para el papel que juega la
presencia social en la predicción del disfrute de los sitios web de compras sociales. Los estudios del sector
minorista electrónico han explorado hasta ahora el papel del disfrute en las compras en línea (Koufaris, 2002) y
mensajería instantánea (Li et al., 2005), pero la investigación que investiga el disfrute en la interacción humano-
chatbot aún se encuentra en una etapa muy temprana. Sobre esta premisa, planteamos la siguiente hipótesis:

H3. Los niveles más altos de presencia social tendrán un efecto positivo en el disfrute percibido.

La confianza representa la voluntad de aceptar ser vulnerable a las acciones de otra parte, basada en la
expectativa de que llevará a cabo una acción particular importante para el fideicomitente (Mayeret al., 1995). La
confianza está en el corazón de las transacciones sociales y financieras, especialmente en el entorno de la venta
minorista en línea, donde esta "variable de intercambio social" (Alnawas y Hemsley-Brown, 2018) juega un papel
clave en el éxito o el fracaso de los negocios en línea (Lu et al., 2016). Debido a que los chatbots son una forma
digital de vendedor y la confianza es particularmente importante para las ventas personales, es importante
comprender cómo los consumidores crean confianza con los chatbots (Whang and Im, 2018). La presencia social
es un factor que podría mejorar la confianza, al reducir la incertidumbre y la vulnerabilidad que sienten los
consumidores hacia los comerciantes, especialmente en el contexto en línea (Jiang et al.,2019). En las
interacciones humanas cara a cara, la confiabilidad generalmente se manifiesta incluso dentro de señales
sociales triviales (pero consideradas importantes) (Qui y Benbasat, 2009). Cuando se trata de la interacción entre
humanos y no humanos, este proceso no es diferente, ya que los consumidores dependen de una variedad de
fuentes para formar sus creencias de confianza, y la calidad percibida de la información proporcionada por el
agente es solo uno de los factores que contribuyen al desarrollo cognitivo. evaluación de la confiabilidad del
agente (Qui y Benbasat, 2009). En general, en un contexto de servicios electrónicos y minoristas, se cree que los
atributos sociales transmitidos a través de la presencia social son tanto un facilitador como un antecedente de
confianza (Gefen y Straub, 2003). En las interacciones humano-chatbot, cuando los usuarios interactúan con un
chatbot por primera vez, tienen muy pocas pistas para juzgar la confiabilidad del chatbot. En este caso, una
experiencia socialmente rica debería permitir que un chatbot funcione como una fuente de información que
exhiba un toque humano y una mayor credibilidad. Sobre esta premisa proponemos que

H4. Mayores niveles de presencia social tendrán un efecto positivo en la confianza hacia el
chatbot.

El disfrute y la confianza percibidos como antecedentes de actitud hacia el chatbot

Para aquellos estudios que involucran una interacción ficticia en línea con un chatbot que no permiten
obtener datos de comportamiento, la actitud de los usuarios se considera una variable dependiente
adecuada (Hassanein y Head, 2005). De hecho, comoAjzen y Fishbein (1977) Como hemos argumentado,
una persona que tiene una actitud favorable hacia una acción estará más inclinada a realizar un
comportamiento particular. Se demostró que la actitud de los usuarios es una variable de resultado
valiosa en muchos contextos y estudios sobre nuevas tecnologías (Hassanein y Head, 2005). Por eso, la
investigación está interesada en indagar cuáles son los antecedentes que pueden impactar en este
construir. Se ha demostrado que los aspectos hedónicos relacionados con el entorno en línea (por ejemplo, las compras Millennials
en línea)'
juegan un papel que es al menos igual al de los aspectos instrumentales (por ejemplo,actitud haciausabilidad)Childers et al.,
2001). Los niveles más altos de disfrute y placer intrínsecos en entornos mediados por computadora son factores que producen
chatbots
una actitud positiva (Kim et al., 2013). Por tanto, el disfrute percibido resulta ser una consecuencia psicológica de la presencia
social pero también un antecedente de la actitud del consumidor (Hassanein y Head, 2005). Muchos estudios han examinado el
efecto del disfrute percibido en las preferencias tecnológicas, como computadoras, sitios web y dispositivos móviles. En el
contexto de la experiencia de compra online,Sotavento et al. (2003) demostró que el placer de comprar se asoció positivamente
1219
con la satisfacción del cliente en línea (Suki y Suki, 2007). Otros estudios encontraron que el disfrute percibido está relacionado
positivamente con la actitud hacia las compras en línea (Childers et al., 2001), comercio televisivo (Yu et al., 2005) y navegación
por sitios web (Van der Heijden, 2003). Con base en los argumentos antes mencionados, proponemos

H5. Los niveles más altos de disfrute percibido tendrán un efecto positivo en la actitud.
hacia el chatbot.
En el contexto en línea, debido a las características únicas del entorno de compra virtual (es decir,
ausencia de interacciones cara a cara o incapacidad para ver y tocar directamente un producto), los
consumidores sienten una mayor incertidumbre y un mayor riesgo en sus decisiones de compra en línea,
especialmente cuando hay nuevos canales involucrados (Ha y Stoel, 2009). En el caso de nuevas
tecnologías o interacciones con empresas y marcas desconocidas, la investigación a menudo se refiere a
la confianza en términos de confianza inicial como una interpretación más adecuada de la confianza dada
la precocidad de la interacción. En este sentido, la confianza inicial fue encontrada porWu y Chen (2005)
para influir en la actitud hacia el pago de impuestos en línea. De acuerdo aSiau y Shen (2003) Tanto la
confianza inicial como la continua se ven afectadas por factores relacionados con el proveedor y la
tecnología (interactividad, estética diseñada y personalización) y representan antecedentes de actitud e
intención de uso de la tecnología. La confianza representa una variable central para las transacciones en
línea, donde reduce la incertidumbre y la vulnerabilidad que sienten los consumidores cuando participan
en el comercio electrónico, lo que permite además el establecimiento de actitudes positivas y la retención
de los compradores (Das, 2016). Siendo un requisito previo para la implementación exitosa de una nueva
tecnología, los investigadores han estudiado constantemente la relación entre confianza y actitud (Wang
y Benbasat, 2008;Ming-Chi, 2009). Estudios empíricos previos han incorporado y apoyado la confianza
como antecedente de actitud (Chen y Tan, 2004; Suh y Han, 2002). El impacto de la confianza en la actitud
se ha confirmado en muchos contextos y el comercio minorista en línea no es una excepción.Wu y Ke
(2015) encontró que la confianza es un antecedente significativo de la actitud hacia las compras en línea.
Se demostró que la confianza del consumidor en el sitio web de una empresa tiene un impacto positivo
en la actitud hacia la empresa y la voluntad de comprar del proveedor en línea (Gefen y Straub, 2003).
Sobre esta premisa, creemos que es de gran importancia evaluar la relación entre la confianza y la actitud
en la interacción humano-chatbot; por lo tanto, planteamos la hipótesis de que

H6. Los niveles más altos de confianza tendrán un efecto positivo en la actitud hacia el chatbot.

Figura 1 describe el modelo de investigación.

Método de investigación
Diseño, participantes y procedimiento experimental
Debido a la rutinización de las tareas involucradas, es más probable que las empresas de entrega de alimentos
en línea implementen chatbots. Dado que en la mayoría de los casos los chatbots aún no pueden abordar
solicitudes muy específicas o complejas (Brandtzaeg y Følstad, 2017), las empresas en las que se requiere un
número relativamente corto de opciones para cumplir con los pedidos en línea, por lo tanto, aquellas que pueden
usar un algoritmo más sencillo, son más propensas al uso de chatbots. La rutinización de actividades y las
limitadas tareas recurrentes que aportan mayor rapidez y menores costes (Leidner, 1993) hacen del negocio de
entrega de alimentos en línea un campo en el que la aplicación de chatbots sea más fácil de implementar para
IJRDM empresas y más fácil de usar para los usuarios. Sin embargo, a pesar de esto, la falta de conocimiento sobre los
resultados del uso de chatbots dentro de esta aplicación puede constituir una amenaza para el crecimiento de
48,11
este mercado. Desde esta perspectiva, adoptamos un diseño experimental para investigar cómo las señales
conversacionales y las señales visuales afectan la presencia social y cómo esto, a su vez, afecta la actitud hacia un
chatbot aplicado para un negocio de entrega de comida en línea.
Específicamente, un diseño factorial entre participantes 2 (estilo de interacción:
orientado a lo social u orientado a tareas) 3 2 (avatar: presente o ausente) fue
1220 adoptado. Para implementar los tratamientos, se crearon cuatro chatbots
diferentes con Chatfuel. Las interacciones se llevaron a cabo en italiano durante
una media de cinco minutos. EnApéndices 1-2. Apéndice 3 proporciona la
traducción al inglés de las interacciones humano-chatbot.
Los participantes fueron reclutados mediante un muestreo de bola de nieve, donde los estudiantes
inscritos en programas de licenciatura y maestría en una universidad italiana participaron en el estudio y
ayudaron a los investigadores a reclutar nuevos sujetos entre sus conocidos al compartir el enlace a la
encuesta basada en la web con sus compañeros en Facebook. . Los participantes no recibieron ninguna
compensación por participar en el estudio; eran libres de elegir si participar en el estudio y compartirlo
con sus conocidos. Un requisito imprescindible para participar era tener una cuenta de Facebook
Messenger (necesaria para iniciar la interacción con el chatbot). Se informó a los participantes sobre la
aprobación ética de la institución y el almacenamiento y procesamiento general de datos de acuerdo con
el Reglamento (UE) 2016 / 679GDPR. Después de que los participantes dieron su consentimiento explícito,
se les indicó que interactuaran con el chatbot con el objetivo de elegir cualquier producto (alimento) que
presentara. Después de interactuar con el chatbot y haber completado la tarea, los participantes
respondieron las preguntas sobre las percepciones sobre su experiencia con el chatbot. El cuestionario
consistió en una primera parte diseñada para adquirir conocimientos demográficos sobre el uso de
aplicaciones de mensajería, chatbots y experiencia de compras en línea y una segunda parte consistente
en declaraciones sobre los constructos.

En este estudio participaron un total de 193 millennials, lo que corresponde a unos 48 sujetos por
grupo de 22 a 34 años (METRO 5 22,6, SD 5 1.8). Como era de esperar, la mayoría de los encuestados
informaron sobre el uso diario de aplicaciones de mensajería, ya que de todos los encuestados, solo el
3,6% indicó que no usaban, o muy poco, las aplicaciones de mensajería. La encuesta registró el
comportamiento de compra en línea de los encuestados. Solo el 3,2% de ellos indicó que nunca había
realizado compras online, mientras que el 86,5% declaró haber realizado compras online entre una y
cuatro veces al mes. Después de la interacción con el chatbot, se preguntó a los participantes si alguna
vez habían utilizado dicha tecnología en general y para compras en línea. En general, el 79% nunca lo
había usado y el 93% nunca lo había usado para compras en línea.

Estímulos
Siguiente Chattaraman et al. (2019) y Van Dolen et al. (2007), el chatbot de estilo de interacción social se
creó para adoptar un lenguaje informal. Además de proporcionar guías funcionales e información, los
chatbots de estilo de interacción social mantienen una conversación informal a través de conversaciones
triviales, comentarios exclamatorios y paralelenguaje kinésico visual en forma de imágenes animadas
(GIF) y emoticonos (Luangrath et al., 2017). El chatbot de estilo de interacción orientado a tareas se limita
a proporcionar guías formales para ayudar a los usuarios a realizar la tarea, y no se configuraron
funciones sociales, ni GIF ni emoticonos.
Antes del experimento principal, se llevó a cabo una prueba previa para asegurar que la manipulación
fuera efectiva de acuerdo con Chattaraman et al. (2019). Asignamos al azar a 78 estudiantes (38 hombres
y 40 mujeres,METROla edad 5 20,3; Dakota del Surla edad 51.1) a una de las dos condiciones. El grado en el que
la interacción con el chatbot se percibió como orientada a las redes sociales o orientada a las tareas se
midió preguntando a los participantes cuánto pensaban que el chatbot era expresivo, entusiasta,
entretenido y amigable en una escala Likert de siete ítems (15 "muy en desacuerdo"; 75 "fuertemente
 Millennials
de acuerdo"). Las respuestas se promediaron para crear un índice único. Como era de esperar, los hallazgos revelaron que se percibía que'
el chatbot tenía una personalidad significativamente más atractiva.actitud hacia(t (51) 5 6,31, p < 0.001) cuando el estilo de interacción
era de orientación social (METRO 5 6,00,Dakota del Sur 5 0,91) que orientado a tareas (METRO 5 4.11, Dakota del Sur 5 0,92).
chatbots

Medidas
Se revisaron investigaciones anteriores para garantizar que se incluyera una lista completa de medidas. El 1221
presente estudio adoptó escalas validadas para todas las variables dependientes, con cambios menores en la
redacción. Para todas las medidas, las respuestas se registraron en una escala Likert de siete puntos (1 5 "muy en
desacuerdo"; 75 "Totalmente de acuerdo"). Las medidas de presencia social fueron tomadas deGefen y Straub
(2003) (cinco elementos, METRO5 3,73; Dakota del Sur5 1,50), y la confianza se midió de acuerdo con Pengnate y
Sarathy (2017) (cuatro elementos, METRO 5 5,00; Dakota del Sur 5 1.26), mientras que las medidas de disfrute
percibido fueron adaptadas de Van der Heijden (2004) (cuatro elementos,METRO53,75; Dakota del Sur51,48). La
actitud hacia la escala de chatbot (cuatro ítems,METRO54,49; Dakota del Sur51.59) fue adaptado de Moon y Kim
(2001).
En el estudio se consideraron dos variables de control: la necesidad de afecto (NFA), que es una
diferencia individual que refleja la variación en la motivación para abordar o evitar situaciones que
inducen emociones (Apelar et al., 2012) y experiencia previa en interacción de chatbot. El primero se
midió con diez elementos segúnApelar et al. (2012) (METRO54,37; Dakota del Sur50,70) y se agregó para
controlar una dimensión psicológica que podría afectar la perspectiva de la relación interpersonal de los
participantes. Este último se evaluó preguntando a los participantes si alguna vez habían interactuado
con un chatbot antes de participar en este estudio; se categorizó mediante una variable dicotómica (ya
sea "Sí"5 1; o no"5 2).

Resultados
En primer lugar, realizamos una serie de comprobaciones de confusión para controlar la posibilidad de
que las diferencias en la NFA y la experiencia previa de interacción del chatbot pudieran haberse
distribuido por igual entre las cuatro condiciones. Un ANOVA de una vía no reveló diferencias
significativas en términos de NFA en las cuatro condiciones.F(1, 191) 5 0,001, pag 5 0,980; mientras que
un análisis de chi-cuadrado reveló que la experiencia previa de interacción del chatbot no tenía una
relación significativa con respecto al estilo de interacción (χ2 (1, 187) 5 0,476, pag 5 0.490) y condiciones
de avatar (χ2 (1, 187) 5 0,576, pag 5 0,448).

Resultados de ANOVA para presencia social

Para probar los efectos del estilo de interacción y el avatar en la presencia social, realizamos 2(estilo de
interacción: orientado a lo social u orientado a tareas) 3 2 (avatar: presente o ausente) entre ANOVA de
participantes. En cuanto a la presencia social, el ANOVA reveló un efecto principal significativo del estilo
de interacción (F(1, 193) 5 29,63, p < 0,01, η2 parcial 5 0.14), lo que indica que los participantes
informaron un mayor nivel de presencia social en el estilo de interacción orientado a lo social(METRO 5
4,29; Dakota del Sur 5 1.42) que en la condición de estilo de interacción orientada a tareas (METRO 5 3,19;
Dakota del Sur51,39). La presencia del avatar, sin embargo, tuvo un efecto insignificante en la presencia
social.(F(1, 193) 5 0,01, pag 5 0,91). Incluso teniendo en cuenta una implicación afectiva diferente al
utilizar el chatbot, es decir, incluir NFA como covariable, la relación entre el estilo de interacción y la
presencia social reveló un efecto positivo significativo (F(1, 191) 5 29.733, p < 0,000, η2 parcial 5 0.14),
mientras que la presencia de avatar todavía se encontró que no era significativa (F(1, 191) 5 0.040, pag 5
0,841). Al controlar la experiencia previa de interacción del chatbot, la presencia social todavía estaba
significativamente influenciada por el estilo de interacción (F(1, 186) 5 25.930, p < 0,000, η2 parcial 5 0.14)
pero no por presencia de avatar (F(1, 186) 5 0.084, pag 5 0,772). Los resultados apoyadosH1 pero no
apoyó H2.
IJRDM Análisis PLS
Modelo de medición. El modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM)
48,11
se aplicó para analizar el modelo de investigación propuesto porque dicho enfoque tiene un mayor poder
estadístico, lo que es especialmente útil para la investigación exploratoria, y predice mejor los
constructos impulsores clave (Aw, 2019). Para verificar la confiabilidad y validez de los constructos,
realizamos consistencia interna, validez convergente y validez discriminante (Cabello et al.,2011).
Evaluamos las validaciones anteriores analizando el alfa de Cronbach (α), las cargas factoriales, la
1222 confiabilidad compuesta (CR) y la varianza promedio extraída (AVE). El alfa de Cronbach muestra una
fiabilidad de consistencia interna ya que todos los valores están muy por encima de 0,60 (Cabello et al.,
2011). Los hallazgos del análisis factorial confirmatorio (AFC) confirmaron que todas las cargas factoriales
están por encima del nivel mínimo 0,7, lo que respalda la consistencia interna (Cabello et al., 2011). El
valor de CR de todos los constructos está por encima de 0,8, mientras que el valor de AVE de todos los
constructos está por encima de 0,5. Los resultados muestran una validez convergente razonable (tabla 1).
Para evaluar la validez discriminante,Fornell y Larcker (1981) criterio: se consideraron correlaciones
de variables latentes y carga cruzada. Como se muestra enTabla 2, la raíz cuadrada del AVE es mayor que
la correlación entre variables, lo que respalda la validez discriminante (Cabelloet al., 2011). Tabla 3
destaca que las cargas de los ítems en el factor principal son más altas que las cargas en cualquier otro
factor.
Modelo estructural. Antes de analizar el coeficiente de trayectoria, se evaluó la
multicolinealidad. El análisis mostró que no hubo problemas ya que el valor VIF máximo (3.8)
estaba por debajo del umbral de 5.0 (Cabello et al., 2011). Para evaluar nuestras hipótesis,
examinamos los coeficientes de trayectoria estimados del modelo estructural.Figura 2 muestra los
resultados del modelo. Como se mostró previamente por el ANOVA, el estilo de interacción tiene
una influencia significativa en la presencia social (β5 0,367, SE 5 0.061, t-valor 5 5.994, p < 0,001),
mientras que los avatares tienen un efecto insignificante (β 5 0,007, SE 5 0.067, t-valor 5 0,097, pag
5 0,461). Se apoya la relación positiva entre presencia social y confianza (con β5 0,485, SE 5 0,063,
t-valor 5 7.728 p < 0,001) y lo mismo ocurre con la presencia social y el disfrute percibido(β 5 0,735,
SE 5 0,037, t-valor 5 20.055 p < 0,001); por lo tanto. ambosH3 y H4 son compatibles. Asimismo, la
actitud se predice positivamente por la confianza hacia el chatbot (β5 0,424, SE5 0,063,t-valor 5
6.692 p < 0,001) y disfrute percibido (β 5 0,440, SE 5 0.061, t-valor 5 7.157p < 0.001), confirmando
H5 y H6. Los resultados del análisis PLS-SEM no cambian cuando

Construir Artículo Carga de artículos CRA Fiabilidad compuesta Alfa de Cronbach

Presencia social SP1 0,837 0,754 0,939 0,918

SP2 0,862
SP3 0,849
SP4 0,896
SP5 0,895
Disfrute percibido PE1 0,898 0,746 0,921 0,886
PE2 0,813
PE3 0,884
PE4 0,857
Confianza T1 0,897 0,725 0,913 0,872
T2 0,818
T3 0,887
T4 0,799
Actitud hacia el chatbot ATT1 0,759 0,701 0.903 0,856
Tabla 1. ATT2 0,910
Análisis de confiabilidad y ATT3 0,871
validez convergente ATT4 0,800
 Millennials
controlando tanto la NFA como la experiencia previa de interacción del chatbot. El coeficiente de valor de determinación '
(R2) para
la actitud hacia el chatbot es 0.562, lo que representa una buena actitud haciavalor para la investigación del comportamiento
Cabello et al., 2017). Los coeficientes de las trayectorias y los valores de determinación se muestran enFigura 2.
chatbots

Social Percibido Actitud hacia el 1223

Construir presencia disfrute Confianza chatbot

Presencia social 0,868 - - -

Disfrute percibido 0,735 0,864 - -
0.485 0,507 0,851 -
Tabla 2.
Confianza

Actitud hacia el 0.578 0,655 0,647 0,837

Validez discriminante -
chatbot variable latente
Nota (s): Los valores en cursiva en diagonales representan la raíz cuadrada de AVE y las diagonales fuera representan las correlaciones y cuadrado
correlaciones raíz de AVE

Construir Presencia social Disfrute percibido Confianza Actitud hacia el chatbot

SP1 0,837 0,656 0.486 0.542

SP2 0,862 0.576 0.398 0.483
SP3 0,849 0,671 0,446 0.519
SP4 0,896 0,643 0.358 0,449
SP5 0,895 0,630 0.401 0,506
PE1 0,670 0,898 0.417 0.578
PE2 0,641 0,812 0.404 0.537
PE3 0,612 0,884 0.508 0,617
PE4 0,613 0,858 0.418 0.526
T1 0.408 0,430 0,899 0.519
T2 0.464 0.438 0,816 0.549
T3 0.391 0.387 0,889 0.590
T4 0.385 0,472 0,797 0.539
ATT1 0.322 0.353 0.592 0,759
ATT2 0.575 0,638 0,625 0,910
ATT3 0.308 0.328 0,619 0,871
ATT4 0.543 0.588 0.517 0,800 Tabla 3.
Nota (s): Los valores en cursiva son cargas para cada elemento, que están por encima del valor recomendado de 0,5; y las cargas de Carga cruzada
un artículo en su propia variable son más altas que todas sus cargas cruzadas con otra variable (validez discriminante)

Avatar (presente
vs ausente)
Confianza

Estilo de interacción
Social
(orientado a lo social Actitud hacia
presencia
vs orientado a tareas) el chatbot

Figura 1.
Percibido Representa el
disfrute modelo de investigación
IJRDM Avatar (presente
vs ausente)
48,11 Confianza

0,48 *** 0,42 ***

0,01 R2 = 0,24
pag < 0,001 pag < 0,001
pag = 0,46

Estilo de interacción
Social
1224 (orientado a lo social

vs orientado a tareas)
presencia
Actitud hacia
el chatbot
0,37 *** R2 = 0,14 R2 = 0,56
pag < 0,001
Figura 2.
Estructural 0,73 *** 0,44 ***
Percibido
relaciones y pag < 0,001 pag < 0,001
disfrute
prueba de hipótesis
R2 = 0,54

Usamos el procedimiento de vendar los ojos para evaluar la relevancia de las variables exógenas para el
desempeño del modelo. Esta técnica examina la relevancia predictiva de cada constructo calculando los cambios
en las estimaciones de criterio (Q2) (Cabello et al., 2017). Nuestros resultados de la técnica de vendarse los ojos de
Stone-Geisser (Q2) muestran que la presencia social (Q2 5 0.093), la confianza de los consumidores en el chatbot (
Q2 5 0,172), disfrute percibido (Q2 5 0.379) y actitud (Q2 5 0.364) tienen una relevancia predictiva satisfactoria ya
que sus valores están muy por encima de 0 (Thakur, 2018).
Con el fin de avanzar en la comprensión de la relación entre las variables, probamos los efectos
mediadores con 5,000 remuestreos de bootstrapping para resaltar los efectos directos e indirectos del
estilo de interacción en la actitud hacia el chatbot a través de la presencia social, el disfrute percibido y la
confianza (Cuadro 4). Cuadro 4 también muestra los importantes efectos indirectos de la presencia social
en la actitud hacia el chatbot a través de ambos mediadores. El efecto indirecto a través del disfrute
percibido (β5 0.392, p < 0,001, IC del 95% [0,258, 0,516]) es ligeramente superior a la confianza hacia el
chatbot (β 5 0,189, p < 0,001, IC del 95% [0,113, 0,294]).
En general, debido a que el efecto directo del estilo de interacción sobre la actitud no fue
estadísticamente significativo (β 5 -0.073, pag 5 0.12 IC del 95% [-0.160, 0.026]), concluimos que la
presencia social, el disfrute percibido y la confianza median completamente los efectos del estilo de
interacción en la actitud hacia el chatbot (Cabello et al., 2017).

Discusión e implicaciones
Discusión
AI ofrece oportunidades adicionales para el comercio conversacional, que se refiere a transacciones iniciadas y
completadas a través de interfaces de chat como chatbots (Tuzovic y Paluch, 2018). Esto es particularmente cierto
para los millennials, ya que los chatbots representan una herramienta adecuada para reunirse

Ruta de mediación Efecto indirecto con estimación bootstrap (b) BCBCI inferior al 95% BCBCI superior al 95%

ES → SP → EDUCACIÓN FÍSICA 0,151 *** 0.085 0,230

→ A ES → SP → T → A 0,073 *** 0.040 0,120
ES → SP → EDUCACIÓN FÍSICA 0,286 *** 0,187 0.388
ES → SP → T 0,187 *** 0,117 0,269
SP → EDUCACIÓN FÍSICA → A 0,392 *** 0,258 0.516

Cuadro 4. SP → T → A 0,189 *** 0,113 0,294

Indirecto Nota (s): La NFA y la experiencia pasada con chatbots se consideraron variables de control. Los intervalos de confianza de
efectos norte 5 193 arranque con corrección de sesgo y acelerado (BCa) se basaron en 5000 muestras. ***p < 0,001
 Millennials
sus preferencias de interacción en línea. Dadas estas premisas, no sorprende que las empresas en línea hayan comenzado a sentir la '
necesidad de comprender qué contribuye a la construcción yactitud haciamejorar el compromiso de los consumidores más jóvenes
dentro de estas plataformas (Araujo, 2018). A pesar del uso predominante de la mensajería de texto instantánea por parte de los
chatbots
millennials, lo que sugiere que es más probable que le den una oportunidad a los chatbots, aún se sabe poco sobre los factores que
influyen positivamente en su actitud hacia esta tecnología. Con el fin de arrojar luz sobre este asunto, nuestro estudio se basa en
investigaciones previas sobre la actitud y la respuesta de los consumidores a los agentes conversacionales en línea aplicados con fines de
venta minorista, un área de investigación que, hasta la fecha, todavía es limitada (Zarouali et al., 2018). De hecho, en comparación con las
compras fuera de línea, la experiencia de compra en línea puede verse como carente de calidez humana y sociabilidad, ya que es más
1225
impersonal, anónima y automatizada. Por estas razones, comprender cómo crear un mayor nivel de participación en entornos en línea
con nuevas tecnologías como los chatbots es un proceso complejo (Cyr et al.,2007). Nuestros resultados se alinean con estudios anteriores
sobre la investigación de la presencia social en el dominio en línea y confirman aún más los hallazgos previos que evalúan que la presencia
social es un factor en el corazón de la experiencia del consumidor con los servicios en línea (Hassanein y Head, 2005; Cyr et al., 2007;Shen,
2012).

Este estudio contribuye a nuestra comprensión de los efectos de las señales conversacionales sobre la
presencia social. Los resultados sugieren que una conversación de orientación social mejora la sensación de que
el interactuante es una entidad social (es decir, presencia social). En comparación conAraujo's (2018) estudio,
donde la presencia de señales antropomórficas (en términos de nombre humano y saludos) no fue suficiente
para establecer un nivel significativo de presencia social, nuestro estudio sugiere que los aspectos
socioemocionales, afectivos y relacionales deben estar presentes en la interacción para mejorar percepción de
presencia social. El estudio actual complementaChattaraman et al.(2019), quien demostró la efectividad del estilo
de interacción social en la confianza y la interactividad percibida de los usuarios mayores cuando el estilo de
interacción coincide con la competencia de tareas del usuario mayor. Desde esta perspectiva, este estudio
extiende los resultados positivos del estilo de interacción orientado socialmente (en comparación con un estilo de
interacción orientado a tareas) en términos de presencia social a un público más joven específico y atractivo para
el marketing.
El presente trabajo también sugiere un hallazgo clave con respecto a los elementos que mejoran (o
no) la presencia social en una interacción humano-chatbot. En contraste con estudios anteriores sobre
agentes aplicados en diferentes plataformas, donde se encontró que la presencia de un avatar mejora la
percepción del usuario de la presencia social del medio (Gefen y Straub, 2003), la investigación actual no
puede respaldar esta afirmación. Este resultado, aunque está en conflicto con investigaciones anteriores
sobre el tema, podría atribuirse razonablemente al papel de la plataforma de alojamiento. De hecho, a
diferencia de la ubicación en sitios web de avatares y personajes asistentes virtuales que son altamente
visibles gracias a su posición dominante en la pantalla, para chats basados en aplicaciones como
Messenger, el aspecto visual de la imagen de perfil juega solo un papel mínimo con respecto a la
conversación fluye en sí misma. La sección de la imagen personal es muy pequeña y está ubicada en una
posición bastante marginal con respecto al texto.
La segunda parte del estudio confirma el papel de la confianza y el disfrute percibido como
consecuencias de la presencia social y como antecedentes de la actitud hacia el chatbot. De acuerdo con
estudios anteriores, la presencia social predice la alegría de los usuarios (Cyr et al., 2007; Hassanein et al.,
2009) así como las percepciones de honestidad (Gefen y Straub, 2003; Etemad-Sajadi, 2016). Al mismo
tiempo, el disfrute percibido y la confianza hacia el chatbot predicen significativamente una actitud
positiva hacia el chatbot (Wu y Liu, 2007; Hassanein y Head, 2005).

Implicaciones teóricas
Las conclusiones de la investigación presentan la siguiente iluminación teórica. En primer lugar, este estudio
enriquece la literatura sobre canales de marketing innovadores a través de un análisis de las variables que juegan
un papel importante en la interacción humano-chatbot con fines comerciales. De acuerdo con la literatura de HCI,
donde se encontró que la presencia social, el disfrute percibido y la confianza
IJRDM tienen un gran valor para las tecnologías en línea (por ejemplo, sitio web, Hassanein y Head, 2005), tales
construcciones pueden considerarse como un proxy de la experiencia general del usuario con chatbots.
48,11
El presente estudio contribuye aún más a la literatura sobre la teoría de la presencia social y la
relación del chatbot al demostrar que un chatbot que muestra cercanía psicológica que emplea una
conversación cálida y amistosa puede ser un detonante fundamental para generar una mejor experiencia
de presencia social (Cyr et al., 2007). Específicamente, este trabajo llama la atención sobre la necesidad de
considerar el estilo de interacción en las interacciones humano-chatbot como un antecedente de
1226 presencia social, lo que indica que un estilo de interacción orientado a lo social puede funcionar para
compensar la naturaleza impersonal a menudo asociada con la IA.
El análisis de mediación, que está en el corazón tanto del avance de la teoría de la presencia social como del
refinamiento de los chatbots que guían a los usuarios en el proceso de compra, nos permitió identificar
mediadores psicológicos capaces de capitalizar los procesos clave involucrados en la generación de resultados
positivos. En este sentido, el estudio arroja luz sobre dos efectos importantes de la presencia social en los
chatbots aplicados al comercio minorista online, es decir, la confianza y el disfrute. Se descubrió que tanto el
disfrute percibido como la confianza hacia el chatbot tienen una influencia positiva significativa en la actitud
general hacia el chatbot. Así, a partir de los resultados del efecto mediador, por un lado, este trabajo amplía el
conocimiento sobre la motivación hedónica que conduce a actitudes positivas en el entorno de la compra online (
Koufaris, 2002). Por otro lado, nuestros resultados avanzan la investigación sobre la confianza en línea (Wu y Liu,
2007) confirmando que la confianza juega un papel central en la percepción general de los chatbots aplicados con
fines comerciales.

Implicaciones prácticas
El lanzamiento y el desarrollo de un chatbot apropiado implican un alto grado de incertidumbre para las
empresas, ya que se pueden programar de muchas formas con distintos conjuntos de reglas (Zaroualiet
al., 2018). La presente investigación ofrece apoyo práctico para diseñar elementos visuales y
conversacionales de chatbots que mejoran su efectividad para los segmentos más jóvenes de la base de
clientes. Específicamente, este estudio alienta a los minoristas a enfocarse en características que mejoran
el sentido de interacción social a través de un estilo de conversación en lugar de perfiles visuales (es
decir, avatares). El estudio sugiere que los chatbots aplicados con fines de venta minorista deben ser
divertidos para atraer a los clientes jóvenes a través de experiencias más agradables resultantes de las
interacciones sociales. Las empresas que deseen causar una impresión favorable en los consumidores
jóvenes deben adoptar una perspectiva de relación social y crear conversaciones atractivas que incluyan
conversaciones triviales, comentarios exclamatorios, emoticonos y GIF para aumentar el nivel de
presencia social y, en consecuencia, el disfrute percibido.

Limitaciones e investigaciones futuras

Este estudio tiene algunas limitaciones que requieren investigaciones futuras. Primero, se pidió a los
participantes que completaran una tarea ficticia y solo una compra simulada. Si bien este diseño tenía como
objetivo maximizar la validez del estudio, la investigación futura podría recopilar datos de comportamiento de
empresas reales.
La muestra se limita a una cohorte joven específica, lo que puede limitar la generalización de
los hallazgos. El estudio futuro puede superar este problema e investigar más a fondo si el género
del chatbot en sí influye en las percepciones de los participantes (Skjuve et al., 2019). Para ver si la
actitud hacia el chatbot varía según los diferentes niveles de participación y gasto, sería
interesante examinar posibles moderadores, como el tipo de producto (por ejemplo, artículos de
lujo) involucrado en la operación. Por último, en vista de las diferentes tarifas de compra en línea
en múltiples mercados, creemos que podría ser interesante comparar los chatbots para el
comercio conversacional entre países con diferentes tarifas de compra en línea para ver si esta
tecnología puede incrementar las compras en línea en países donde dichas tarifas aún se
mantienen. bajo.
Referencias Millennials '
Ajzen, I. y Fishbein, M. (1977), “Relaciones actitud-comportamiento: un análisis teórico y revisión de actitud hacia
busqueda empirica", Boletín psicológico, Vol. 84 núm. 5, pág. 888.
chatbots
Alnawas, I. y Hemsley-Brown, J. (2018), “El efecto diferencial de los elementos cognitivos y emocionales
de la calidad de la experiencia en la relación cliente-proveedor de servicios ”, Revista internacional de
gestión minorista y de distribución, Vol. 46, núm. 2, págs. 125-147.
Appel, M., Gnambs, T. y Maio, GR (2012), “Una pequeña medida de la necesidad de afecto”, Diario de 1227
Evaluación de la personalidad, Vol. 94, núm. 4, págs. 418-426.

Araujo, T. (2018), “Estar a la altura del bombo del chatbot: la influencia de las señales de diseño antropomórfico y
encuadre de la agencia comunicativa sobre las percepciones del agente conversacional y de la empresa ”, Computadoras en
el comportamiento humano, Vol. 85, págs. 183-189.

Aw, ECX (2019), "Comprensión del fenómeno del webrooming", Revista Internacional de Comercio Minorista y
Gestión de distribución, Vol. 47, núm. 10, págs. 1074-1092.
Biocca, F., Harms, C. y Burgoon, JK (2003), “Toward a more
presencia: revisión y criterios sugeridos ”, Presencia: Teleoperadores y entornos virtuales,Vol. 12
núm. 5, págs. 456-480.
Brandtzaeg, PB y Følstad, A. (2017), "Why people use chatbots", En Conferencia Internacional sobre
Ciencias de Internet, Springer, Cham, págs. 377-392.

Business Insider (2019), “La investigación de mercado, las tendencias y el panorama más recientes en el creciente chatbot de IA
industria ”, disponible en: https://www.businessinsider.com/chatbot-market-stats-trends?IR5T(consultado
el 17 de marzo de 2019).
Chattaraman, V., Kwon, WS, Gilbert, JE y Ross, K. (2019), “Should AI-Based, conversational
los asistentes digitales emplean un estilo de interacción social o orientado a tareas? Una perspectiva de competencia en la
tarea y reciprocidad para los adultos mayores ”,Computadoras en el comportamiento humano, Vol. 90, págs. 315-330.

Chen, LD y Tan, J. (2004), “Adaptación tecnológica en el comercio electrónico: determinantes clave de la tecnología virtual
aceptación de tiendas ", Revista europea de gestión, Vol. 22, núm. 1, págs. 74-86.
Chen, CC, Olfman, L. y Harris, A. (2005), “Impactos diferenciales de la presencia social en el comportamiento
enfoque de modelado ”, Revista Internacional de Tecnología e Interacción Humana, Vol. 1, núm. 2, págs.
64-84.
Childers, TL, Carr, CL, Peck, J. y Carson, S. (2001), “Hedonic and utilitarian motivations for online
comportamiento de compra minorista ", Revista de venta al por menor, Vol. 77, núm. 4, págs. 511-535.

Chung, M., Ko, E., Joung, H. y Kim, SJ (2018), “Servicio electrónico de chatbot y satisfacción del cliente
en cuanto a marcas de lujo ”, Revista de investigación empresarial, doi: 10.1016 / j.jbusres.2018.10.004.

Ciechanowski, L., Przegalinska, A., Magnuski, M. y Gloor, P. (2019), “In the shades of the uncanny
valle: un estudio experimental de la interacción humano-chatbot ”, Sistemas informáticos de futura
generación, Vol. 92, págs. 539-548.
Corti, K. y Gillespie, A. (2016), “Co-construcción de intersubjetividad con conversación artificial
agentes: es más probable que las personas inicien reparaciones de malentendidos con agentes representados como
humanos ”, Computadoras en el comportamiento humano, Vol. 58, págs. 431-442.

Cyr, D., Hassanein, K., Head, M. e Ivanov, A. (2007), “El papel de la presencia social en el establecimiento
lealtad en entornos de servicios electrónicos ”, Interactuar con computadoras, Vol. 19, núm. 1, págs. 43-56.

Das, G. (2016), “Antecedentes y consecuencias de la confianza: una perspectiva de marca e-tail”, Internacional
Revista de gestión de distribución y venta minorista, Vol. 44, núm. 7, págs. 713-730.

Davis, FD, Bagozzi, RP y Warshaw, PR (1992), “Motivación extrínseca e intrínseca para usar
computadoras en el lugar de trabajo ”, Revista de Psicología Social Aplicada, Vol. 22, núm. 14, págs. 1111-1132.

Etemad-Sajadi, R. (2016), “El impacto de la interactividad online en tiempo real en la intención de patrocinio: el uso
de avatares ”, Computadoras en el comportamiento humano, Vol. 61, págs. 227-232.
IJRDM Forbes (2016), “La demanda de personalización, control e inmediatez de los millennials impulsa la nueva tecnología móvil Jawwy
service ”, disponible en: https://www.forbes.com/sites/larrymyler/2016/05/05/millennials-demand-
48,11 forcustomization-control-and-immediacy-drives-new-jawwy-mobile-service/#49a6fcd23e14 (consultado el 6 de
mayo de 2019).

Fornell, C. y Larcker, DF (1981), “Evaluación de modelos de ecuaciones estructurales con

variables no observables y error de medición ”, Revista de investigación de mercados, Vol. 18, núm. 1,
págs. 39-50.
1228 Gefen, D. y Straub, D. (2003), “Managing user trust in B2C e-services”, Diario de servicio electrónico Vol. 2
Núm. 2, págs. 7-24.

Gentsch, P. (2019), "AI conversacional: cómo los bots (de chat) remodelarán la experiencia digital", en AI en
Marketing, Ventas y Servicio, Palgrave Macmillan, Cham, págs. 81-125.
Gnewuch, U., Morana, S., Adam, MTP y Maedche, A. (2018), “Más rápido no siempre es mejor:
comprender el efecto de los retrasos en la respuesta dinámica en la interacción humano-chatbot ”,
En Actas de la Conferencia Europea de Sistemas de Información (ECIS).
Go, E. y Sundar, SS (2019), “Humanizing Chatbots: the effects of visual, identity and conversational
pistas sobre las percepciones de la humanidad ”, Computadoras en el comportamiento humano, Vol. 97, págs. 304-316.

Ha, S. y Stoel, L. (2009), “Aceptación de las compras electrónicas por parte del consumidor: antecedentes en la aceptación de una tecnología
modelo", Revista de investigación empresarial, Vol. 62 núm. 5, págs. 565-571.

Hagberg, J., Sundstrom, M. y Egels-Zand-en, N. (2016), “The digitalization of retail: an

marco exploratorio ”, Revista internacional de gestión minorista y de distribución, Vol. 44, núm. 7,
págs. 694-712.
Hair, JF, Ringle, CM y Sarstedt, M. (2011), “PLS-SEM: ciertamente una bala de plata”, Revista de marketing
Teoría y práctica, Vol. 19, núm. 2, págs. 139-152.
Cabello, JF Jr, Sarstedt, M., Ringle, CM y Gudergan, SP (2017), Problemas avanzados en el mínimo parcial
Modelado de ecuaciones estructurales de cuadrados, Publicaciones Sage, Thousand Oaks, CA.

Hassanein, K. y Head, M. (2005), “El impacto de infundir presencia social en la interfaz web: una
investigación en todos los tipos de productos ", Revista Internacional de Comercio Electrónico, Vol. 10, núm. 2,
págs. 31-55.

Hassanein, K. y Head, M. (2007), “Manipulación de la presencia social percibida a través de la interfaz web
y su impacto en la actitud hacia las compras online ”, Revista Internacional de Estudios Humano-
Informáticos, Vol. 65, núm. 8, págs. 689-708.
Hassanein, K., Head, M. y Ju, C. (2009), “Una comparación intercultural del impacto de la presencia social
sobre la confianza, la utilidad y el disfrute del sitio web ”, Revista Internacional de Comercio Electrónico, Vol. 7 núm.
6, pág. 625.

Hill, J., Ford, WR y Farreras, IG (2015), “Conversaciones reales con inteligencia artificial: una
comparación entre las conversaciones en línea entre humanos y humanos y las conversaciones entre humanos y chatbot ”,
Computadoras en el comportamiento humano, Vol. 49, págs. 245-250.

Ho, A., Hancock, J. y Miner, AS (2018), “Efectos psicológicos, relacionales y emocionales de la autorrevelación
después de conversaciones con un chatbot ”, Revista de comunicación, Vol. 68, núm. 4, págs. 712-733.

Jiang, C., Rashid, RM y Wang, J. (2019), “Investigando el papel de las dimensiones de presencia social y
apoyo informativo sobre la confianza de los consumidores y sus intenciones de compra ”, Revista de venta al por menor y
servicios al consumidor, Vol. 51, págs. 263-270.

Kim, H., Suh, KS y Lee, Reino Unido (2013), "Efectos de las compras colaborativas en línea en las compras
experiencia a través de perspectivas sociales y relacionales ”, Información y Gestión, Vol. 50, núm.
4, págs. 169-180.
Komiak, SY y Benbasat, I. (2006), “Los efectos de la personalización y la familiaridad en la confianza y
adopción de agentes de recomendación ”, MIS Quarterly, Vol. 30, núm. 4, págs. 941-960.
Koufaris, M. (2002), “Aplicar el modelo de aceptación de la tecnología y la teoría del flujo al consumidor en línea
comportamiento", Investigación de sistemas de información, Vol. 13, núm. 2, págs. 205-223.
Lee, S. y Dubinsky, A. (2003), “Influencia de las características del vendedor y la emoción del cliente en Millennials '
actitud hacia
relaciones diádicas minoristas ”, Revisión internacional de la distribución minorista y la investigación del consumidor,Vol. 13,
núm. 1, págs. 21-36.

Lee, JN, Pi, SM, Kwok, RCW y Huynh, MQ (2003), “La contribución del valor del compromiso en
chatbots
Comercio por Internet: una investigación empírica ”, Revista de la Asociación de Sistemas de Información,
Vol. 4 núm. 1, pág. 2.
Leidner, R. (1993), Comida rápida, conversación rápida: trabajo de servicio y la rutina de la vida cotidiana, Univ de
Prensa de California, Berkeley, CA. 1229
Li, D., Chau, PYK y Lou, H. (2005), “Comprensión de la adopción individual de la mensajería instantánea: una
investigación empírica", Revista de la Asociación de Sistemas de Información, Vol. 6, núm. 4, págs.
102-129.
Liu, B. y Sundar, SS (2018), “¿Deberían las máquinas expresar simpatía y empatía? Experimentos con
un chatbot de consejos de salud ”, Ciberpsicología, comportamiento y redes sociales, Vol. 21, núm. 10,
págs. 625-636.
Lombard, M. y Ditton, T. (1997), “En el corazón de todo: el concepto de presencia”, Diario de
Comunicación por medio de ordenadores, Vol. 3, núm. 2, págs. 1-43.

Lu, B., Fan, W. y Zhou, M. (2016), “Presencia social, confianza e intención de compra de comercio social:
una investigación empírica ”, Computadoras en el comportamiento humano, Vol. 56, págs. 225-237.

Luangrath, AW, Peck, J. y Barger, VA (2017), “Textual Paralenguage and its

comunicaciones de marketing", Revista de psicología del consumidor, Vol. 27 núm. 1, págs. 98-107.

Luo, JT, McGoldrick, P., Beatty, S. y Keeling, KA (2006), “Personajes en pantalla: su diseño y
influencia en la confianza del consumidor ”, Revista de Marketing de Servicios.

Mayer, RC, Davis, JH y Schoorman, FD (1995), "Un modelo integrador de confianza organizacional",
Academy of Management Review, Vol. 20, págs. 709-734.
McKenna, KYA, Green, AS y Gleason, MEJ (2002), “Formación de relaciones en Internet:
¿cuál es la gran atracción? ”, Revista de cuestiones sociales, Vol. 58, núm. 1, págs. 9-31.

Mero, J. (2018), “Los efectos de la comunicación bidireccional y el uso del servicio de chat en las actitudes de los consumidores
en el sector minorista del comercio electrónico ”, Mercados Electrónicos, Vol. 28, núm. 2, págs. 205-217.

Ming-Chi, L. (2009), “Factores que influyen en la adopción de la banca por Internet: una integración de TAM y
TPB con riesgo percibido y beneficio percibido ”, Investigación y aplicaciones de comercio
electrónico, Vol. 8, núm. 3, págs. 130-141.
Moon, J. y Kim, Y. (2001), "Extendiendo el TAM para un contexto WorldWideWeb", Información y
Gestión, Vol. 38, núm. 4, págs. 217-230.
Moore, M. (2012), "Uso de medios interactivos entre consumidores millennials", Revista del consumidor
Márketing, Vol. 29, núm. 6, págs. 436-444.
Nowak, KL y Biocca, F. (2003), “El efecto de la agencia y el antropomorfismo en el sentido de los usuarios
telepresencia, copresencia y presencia social en entornos virtuales ”, Presencia: Teleoperadores y
entornos virtuales, Vol. 12 núm. 5, págs. 481-494.
Nowak, KL y Fox, J. (2018), “Avatares y comunicación mediada por computadora: una revisión de la
definiciones, usos y efectos de las representaciones digitales ”, Revisión de la investigación en comunicación,Vol. 6,
págs. 30-53.

Oracle (2019), "¿Qué es un chatbot?", Disponible en https://www.oracle.com/solutions/chatbots/what-is-a-

chatbot / (consultado el 8 de octubre de 2019).

Pengnate, SF y Sarathy, R. (2017), “Una investigación experimental de la influencia del sitio web
características de diseño emocional en la confianza en proveedores en línea desconocidos ”, Computadoras en el
comportamiento humano, Vol. 67, págs. 49-60.

Qiu, L. y Benbasat, I. (2009), “Evaluación de agentes de recomendación de productos antropomórficos: a

perspectiva de las relaciones sociales para el diseño de sistemas de información ”, Revista de sistemas de
información de gestión, Vol. 25, núm. 4, págs. 145-182.
IJRDM Reeves, B. y Nass, CI (1996), La ecuación de los medios: cómo las personas tratan las computadoras, la televisión y
Nuevos medios como personas y lugares reales, Cambridge University Press, Stanford, CA.
48,11
Shen, J. (2012), “Comparación social, presencia social y disfrute en la aceptación de los
sitios web de compras ", Revista de investigación sobre comercio electrónico, Vol. 13 núm. 3, pág. 198.

Siau, K. y Shen, Z. (2003), "Building customer trust in mobile commerce", Comunicaciones del
ACM, Vol. 46, núm. 4, págs. 91-94.

1230 Skalski, P. y Tamborini, R. (2007), “El papel de la presencia social en la interacción basada en agentes
persuasión", Psicología de los medios, Vol. 10, núm. 3, págs. 385-413.

Skjuve, M., Haugstveit, IM, Følstad, A. y Brandtzaeg, PB (2019), “¡Ayuda! ¿Mi chatbot está cayendo en
¿El valle inquietante ?: un estudio empírico de la experiencia del usuario en la interacción humano-chatbot
”,Tecnología humana, Vol. 15 No. 1.
Smestad, TL y Volden, F. (2018), "Las personalidades de los chatbots importan", En Conferencia Internacional sobre
Ciencias de Internet, Springer, Cham, págs. 170-181.

Suh, B. y Han, I. (2002), "Efecto de la confianza en la aceptación del cliente de la banca por Internet", Electrónico
Investigación y aplicaciones comerciales, Vol. 1 Nos 3-4, págs. 247-263.
Suki, NM y Suki, NM (2007), “La innovación de las compras en línea: efectos del valor percibido, riesgo percibido
y disfrute percibido ”, Revista Internacional de Negocios y Sociedad, Vol. 8, núm. 2, págs. 81-93.
Thakur, R. (2018), “El papel de la autoeficacia y la satisfacción del cliente para impulsar la lealtad al móvil
aplicación de compras ”, Revista internacional de gestión minorista y de distribución, Vol. 46, núm.
3, págs. 283-303.
Toader, DC, Boca, G., Toader, R., M-acelaru, M., Toader, C., Ighian, D. y R-adulescu, AT (2020),
"El efecto de la presencia social y los errores del chatbot en la confianza", Sustentabilidad, Vol. 12 núm. 1, pág. 256.

Trivedi, J. (2019), “Examinar la experiencia del cliente al usar Chatbots bancarios y su impacto en
amor por la marca: el papel moderador del riesgo percibido ”, Revista de comercio de Internet, Vol. 18, núm. 1,
págs. 91-111.

Tuzovic, S. y Paluch, S. (2018), “Conversational commerce - a new era for service business
desarrollo? ”, en Desarrollo de negocios de servicios, Springer Gabler, Wiesbaden, págs. 81-100.
Van der Heijden, H. (2003), “Factores que influyen en el uso de sitios web: el caso de un portal genérico en
Los países bajos", Información y Gestión, Vol. 40, núm. 6, págs. 541-549.
Van der Heijden, H. (2004), "Aceptación del usuario de los sistemas de información hedónicos", MIS Quarterly, Vol. 28
Núm. 4, págs. 695-704.

Van Dolen, WM, Dabholkar, PA y De Ruyter, K. (2007), "Satisfaction with online commercial
chat grupal: la influencia de los atributos tecnológicos percibidos, las características del grupo de chat y el estilo de
comunicación del asesor ”, Revista de venta al por menor, Vol. 83, núm. 3, págs. 339-358.

Wang, W. y Benbasat, I. (2008), “Atribuciones de confianza en tecnologías de apoyo a la toma de decisiones: un estudio de
agentes de recomendación para el comercio electrónico ”, Revista de sistemas de información de gestión, Vol. 24, núm. 4,
págs. 249-273.

Wang, LC, Baker, J., Wagner, JA y Wakefield, K. (2007), "Can a retail web site be social?", diario
de marketing, Vol. 71, núm. 3, págs. 143-157.
Whang, C. e Im, H. (2018), "¿Importa la recomendación para confiar en las creencias y
intenciones? Centrado en diferentes tipos de sistema de recomendación y recomendación
patrocinada ”,Revista internacional de gestión minorista y de distribución, Vol. 46, núm. 10,
págs. 944-958.
Wu, I.-L. y Chen, J.-L. (2005), “Una extensión del modelo Trust y TAM con TPB en el
adopción del impuesto en línea: un estudio empírico ”, Revista Internacional de Estudios Humano-Informáticos,Vol.
62, núm. 6, págs. 784-808.

Wu, WY y Ke, CC (2015), "Un modelo de comportamiento de compra en línea que integra rasgos de personalidad,
riesgo percibido y aceptación de la tecnología ”, Comportamiento social y personalidad: una revista internacional,
Vol. 43, núm. 1, págs. 85-97.
Wu, J. y Liu, D. (2007), "Los efectos de la confianza y el disfrute en la intención de jugar juegos en línea", Millennials '
actitud hacia
Revista de investigación sobre comercio electrónico, Vol. 8, núm. 2, págs. 128-140.

Yu, J., Ha, I., Choi, M. y Rho, J. (2005), "Extendiendo el TAM para un t-commerce", Información y
Gestión, Vol. 42, núm. 7, págs. 965-976.
chatbots
Zarouali, B., Van den Broeck, E., Walrave, M. y Poels, K. (2018), “Predicción de las respuestas de los consumidores a
chatbot en Facebook ”, Ciberpsicología, comportamiento y redes sociales, Vol. 21, núm. 8, págs. 491-497.

1231

Apéndice 1

Gráfico A1.
Italiano original
versiones de los cuatro
chatbots
IJRDM
Apéndice 2
48,11

1232

Figura A2.
Centrarse en la tarea
orientada
estilo de comunicación
vs orientado a las redes sociales

estilo de comunicación
Apéndice 3 Millennials '
Traducción al inglés de las interacciones humano-chatbot en el Apéndice 1–2. actitud hacia
chatbots

Estilo de comunicación orientado a tareas Estilo de comunicación social

Apéndice 1 traducción
1233
Soy un chatbot y estoy para ayudarte a elegir el plato que ¡Soy un chatbot y estoy aquí para ayudarte a
más te conviene elegir el plato que mejor se adapte a ti! La
La entrega es gratuita y está disponible en Pescara y Chieti. entrega es gratuita y 1F60D; ¡y disponible en
Desliza para ver todos los menús y haz clic en el que sea adecuado para ti. Pescara y Chieti!
Deslice el dedo para ver todos los menús & 1F449; y
haga clic en el que más le convenga.
Apéndice 2 traducción
Quiero ordenarlo ¡Quiero encargarlo!
Orden recibida ¡Gran elección!
Si ya ha ingresado su información de entrega, puede confirmar la Déjeme tomar papel y bolígrafo para poder
dirección; de lo contrario, haga clic en "ingresar dirección" escribir su pedido & 1F61C;
Confirmo la direccion ¿Dónde se debe entregar el pedido?
Gracias por realizar un pedido con nuestro servicio. Puede Chieti
pagar al mensajero con tarjeta o en efectivo. ¿Cuál es la dirección donde desea que se
entregue el pedido?

Autor correspondiente
Se puede contactar a Roberta De Cicco en: roberta.decicco@unich.it

Para obtener instrucciones sobre cómo solicitar reimpresiones de este artículo, visite
nuestro sitio web:www.emeraldgrouppublishing.com/licensing/reprints.htmO
contáctenos para más detalles: permissions@emeraldinsight.com