The Impact of Consumer Trust in AI and Brand Attitudes on Continued Use of Robotic Menu Customization

Posted on by

Yuxin Yang, Department of Advertising and Public Relations, Dongguk University, Republic of Korea

Mots clés : Confiance en l’IA, Attitude envers la marque, Satisfaction du service, Robots de service, Intention de continuité

L’intégration de l’automatisation, de l’intelligence artificielle (IA) et des mégadonnées dans l’industrie de la restauration améliore considérablement l’efficacité opérationnelle tout en offrant aux clients des expériences de restauration plus personnalisées et pratiques. L’industrie du café adopte des technologies de pointe pour créer des expériences de marque uniques, avec des entreprises comme Briggo et Cafe X aux États-Unis, et Dal.komm en Corée du Sud, utilisant des robots baristas.

Malgré l’adoption rapide des robots IA dans le secteur du café, la recherche dans ce domaine reste limitée par rapport à l’intérêt croissant. Les études existantes se sont concentrées sur l’IA dans la transformation des aliments, l’évaluation des produits, le développement de nouveaux produits et la livraison de repas, mais l’interaction directe des robots IA avec les consommateurs pour personnaliser des produits reste peu explorée. De plus, il y a peu de recherches sur la manière dont les facteurs démographiques influencent cette interaction.

La confiance dans l’IA est un domaine d’étude relativement nouveau et peut enrichir les théories existantes sur l’adoption des technologies. La confiance dans l’IA réduit l’anxiété des utilisateurs et la résistance aux systèmes automatisés, conduisant à des expériences consommateurs plus positives. En intégrant la confiance comme variable clé, nous pouvons affiner ces modèles pour mieux comprendre les facteurs qui favorisent l’acceptation des technologies, en particulier dans le contexte de l’IA.

Cette étude examine le rôle de la confiance des consommateurs dans l’IA et l’attitude envers la marque dans l’influence de l’intention de continuer à utiliser les services de personnalisation de menus robotiques, en utilisant l’attitude envers la marque comme médiateur. La confiance dans l’IA améliore les attitudes des consommateurs envers la marque, les faisant percevoir comme fiables, innovantes et centrées sur le client. Cette attitude positive, alimentée par la confiance, peut favoriser la fidélité à la marque et augmenter la probabilité d’une utilisation continue.

Les différences démographiques, telles que l’âge, l’éducation, le revenu et la satisfaction, jouent également un rôle significatif. Les personnes de différents âges ont des niveaux de familiarité et de confort variables avec la technologie, ce qui influence leurs perceptions et attentes. Les niveaux d’éducation plus élevés sont généralement corrélés à une meilleure compréhension de la technologie, tandis que les niveaux de revenu affectent la capacité des consommateurs à accéder et à se permettre des services avancés. Les consommateurs satisfaits sont plus susceptibles de faire confiance au service et de développer une attitude positive envers la marque, conduisant à une utilisation continue.

Cette étude analyse empiriquement l’impact des services de personnalisation de produits basés sur l’IA sur le marketing de la marque, les attitudes des consommateurs et les intentions comportementales dans l’industrie du café. Elle est ancrée dans des recherches antérieures sur les robots dans l’industrie de la restauration et vise à atteindre les objectifs suivants : (1) Investiguer le lien entre la confiance des consommateurs dans l’IA et leur intention de continuer à utiliser les services de personnalisation de produits IA ; (2) Explorer comment les services de personnalisation IA dans l’industrie du café influencent les perceptions de la marque et l’utilisation continue du service ; et (3) Analyser le rôle des facteurs démographiques, tels que l’âge, l’éducation et le revenu, dans la modération de ces relations, en se concentrant sur leur satisfaction avec les services de personnalisation IA.

Cette étude apporte deux contributions clés : Premièrement, elle introduit une application novatrice des robots IA dans la personnalisation de produits, distincte de leur utilisation dans les services de livraison explorés dans des recherches antérieures. Deuxièmement, elle met en lumière la relation entre la confiance des consommateurs dans l’IA et leur utilisation continue des services de personnalisation de produits IA, offrant de nouvelles perspectives sur l’engagement des consommateurs avec l’IA. De plus, elle explore comment des facteurs tels que l’âge, l’éducation, le revenu, l’attitude envers la marque et la satisfaction affectent l’intention d’utiliser de manière cohérente les services basés sur l’IA dans l’industrie du café. Ces résultats approfondissent notre compréhension de l’impact de l’IA sur les marques de café et fournissent des implications pratiques pour les stratégies de marketing dans les secteurs du café et de la restauration. Les entreprises sont encouragées à adopter la technologie IA pour offrir des services personnalisés, améliorant ainsi l’engagement et la fidélité des clients.

En résumé, cette étude offre une analyse approfondie de l’impact de la confiance des consommateurs dans l’IA et des attitudes envers la marque sur l’utilisation continue des services de personnalisation de menus robotiques, en mettant en évidence les effets modérateurs des facteurs démographiques et en proposant des stratégies pratiques pour tirer parti de l’IA dans les rôles orientés vers le client.

Bibliographie :

  • Arora, R. (1982). Validation of an SOR model for situation, enduring, and response components of involvement. Journal of Marketing Research, 19(4), 505-516.
  • Bhattacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS quarterly, 351-370.
  • Bindroo, V., Mariadoss, B. J., Echambadi, R., & Sarangee, K. R. (2020). Customer satisfaction with consumption systems. Journal of Business-to-Business Marketing, 27(1), 1-17.
  • Boehm, J., Grennan, L., Singla, A., & Smaje, K. (2022). Why digital trust truly matters. McKinsey & Company.
  • Chen, Y., Prentice, C., Weaven, S., & Hisao, A. (2022). The influence of customer trust and artificial intelligence on customer engagement and loyalty–The case of the home-sharing industry. Frontiers in Psychology, 13, 912339.
  • Chi, N. T. K., & Hoang Vu, N. (2023). Investigating the customer trust in artificial intelligence: The role of anthropomorphism, empathy response, and interaction. CAAI Transactions on Intelligence Technology, 8(1), 260-273.
  • Chi, O. H., Jia, S., Li, Y., & Gursoy, D. (2021). Developing a formative scale to measure consumers’ trust toward interaction with artificially intelligent (AI) social robots in service delivery. Computers in Human Behavior, 118, 106700.
  • Dewi, G. M. M., Joshua, L., Ikhsan, R. B., Yuniarty, Y., Sari, R. K., & Susilo, A. (2021, August). Perceived risk and trust in adoption E-wallet: The role of perceived usefulness and ease of use. In 2021 International Conference on Information Management and Technology (ICIMTech) (Vol. 1, pp. 120-124). IEEE.
  • Duong, L. N., Al-Fadhli, M., Jagtap, S., Bader, F., Martindale, W., Swainson, M., & Paoli, A. (2020). A review of robotics and autonomous systems in the food industry: From the supply chains perspective. Trends in Food Science & Technology, 106, 355-364.
  • Eiseman, D., and Jonsson, M. (2019), Leveraging the coffee experience as a tool for engagement with climate change. Qualitative Market Research, 22(4), 570-581.
  • Flavián, C., Pérez-Rueda, A., Belanche, D., & Casaló, L. V. (2022). Intention to use analytical artificial intelligence (AI) in services–the effect of technology readiness and awareness. Journal of Service Management, 33(2), 293-320.
  • Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627-660.
  • Gursoy, D., Chi, O. H., Lu, L., & Nunkoo, R. (2019). Consumers acceptance of artificially intelligent (AI) device use in service delivery. International Journal of Information Management, 49, 157-169.
  • Hernández-Orallo, J. (2018). 20 Characterising the trajectories of artificial and natural intelligence. Assessing the Impact of Machine Intelligence on Human Behaviour: An Interdisciplinary Endeavour, 53.
  • Hochreiter, V., Benedetto, C., & Loesch, M. (2022, September). The Stimulus-Organism-Response (SOR) Paradigm as a Guiding Principle in Environmental Psychology: Comparison of Its Usage in Consumer Behavior and Organizational Culture and Leadership Theory. In Global Business Conference 2022 Proceedings (p. 42).
  • Jacoby, J. (2002), Stimulus-Organism-Response reconsidered: An evolutionary step in modeling (Consumer) behavior. Journal of Consumer Psychology, 12(1), 51-57.
  • Kasilingam, D. L. (2020). Understanding the attitude and intention to use smartphone chatbots for shopping. Technology in Society