酒店企业管理者非常理解人工智能技能在做事与管理场景中的好处，然而，顾客才是酒店人工智能做事的终极消费者。

旅游领域的人工智能

“机器的人工智能”（工业机器人）是最常见也最为普遍的。
例如，天下第一家机器人酒店“hennna酒店”的衣帽间机器人、机器人厨师，“剖析的人工智能”可以在游客旅行前，引发游客旅游兴趣，帮助他们做出旅游决策。

Sheth从生理学角度出发，认为消费者对峙异抵制与他们对现有习气性改变程度和风险感知程度有关，并将创新抵制划分为4种类型，创新会对消费者满意的现状带来潜在变革。

创造创新改动策略可以减少感知经济风险和功能风险引起的抵制，沟通策略可以减少感知到的社会或生理风险引起的抵制。

被动创新抵制被定义为对峙异强加的变革的抵制。
它从采纳者特定成分和情境特定成分演化而来，主动创新抵制被理解为在对新产品进行不利评估后的态度结果。
它是从创新的特定成分演化而来的。
孤独感是指个体所期望的社会关系联接与实际的社会关系联接之间的差值，是一种主不雅观感知到的社会伶仃。

孤独感的研究开始于生理学领域，紧张研究孤独感对付个人生理和生理的负面影响。
一旦消费者认为任何产品属性是功能失落调或不敷以知足其个人需求和利用期望，功能障碍就会涌现。

一旦创新与消费者的社会规范、代价不雅观或个人利用模式冲突，或利用风险大，就涌现生理障碍，人工智能技能在旅游行业有很多的运用，运用级别也在不断地丰富，酒店业也已从中获益良多，业务的发展也收到了广泛地影响。

Ajzen和Fishbein于1975年和1980年提出了理性行为理论（Theoryofreasonedaction，TRA），他们认为，人们的态度受行为性信赖影响，主不雅观规范受规范性信赖影响，而行为意向受到态度和主不雅观规范共同影响，终极行为意向影响实际行为。

技能接管模型于由Davis提出。
是由操持行为理论和理性行为理论为根本发展而来，紧张包括感知有用性、感知易用性、用户态度、利用意向、实际利用行为和外部变量共6变量。

态度（Attitude）是指对将来行为的积极的或者悲观的评估，个体对该项行为所持有的正面的或负面的觉得，即指由个体对此特定行为的评价经由观点化之后所形成的态度。
依据理性行为理论、操持行为理论和技能接管模型，态度对行为意向的显著影响被反复证明。

问卷包括三个部分。
第一部分是关于酒店人工智能做事的先容以及菲住布渴酒店所供应的酒店人工智能做事先容。

首先向被试者先容了酒店人工智能做事的定义。
接下来先容本研究的案例：菲住布渴酒店，酒店向顾客供应多种类型的人工智能做事。

包括自助办理入住、全场景人脸识别、天猫精灵、机器人管家和全息沉浸式互动健身大屏。
问卷第一部分详细地先容了菲住布渴酒店的人工智能做事。
孤独感量表是最新的孤独感中文量表，并被验证具有较高的信度和效度。

由于Wiedmann等和Mani紧张研究消费者对付创新产品和创新做事的抵制缘故原由，和本研究相似。
因此本研究将原量表中的创新做事“NGVs（Naturalgasvehicles）”和“smartbankservices”更换为“酒店人工智能做事”并翻译量表。

改编为本研究的酒店人工智能做事抵制态度量表，本研究利用SPSS20.0软件对问卷的总体信度和模型中各变量的信度进行考验，采取Cronbach’sα系数值和项目-总计干系性（CITC）来考验问卷的内部同等性。

一样平常情形下，用Cronbach’sα系数来丈量同一个维度下各项目间的同等性的基本标准是系数大于0.7。
如果系数在0.8以上，则可认为量表具有较高的内部同等性。
是指一个项目与总体的干系系数，干系系数越高代表该项目与总体的干系度就越高。

效度（Validity），即有效性，本研究采取验证性因子剖析法考验量表的效度。
在进行数据剖析前，首先进行拟合度考验，以判断样本是否适宜进行因子剖析。

常用的拟合考验有KMO考验和Bartlett球形考验。
个中KMO考验紧张用于比较变量间大略干系关系的系数和探测变量间的偏干系性，KMO取值范围在0-1之间。

值越大表示变量间的干系性越强，因子剖析效果越好。
如果KMO值小于0.5，则该样本不适宜进行因子剖析。

接管障碍模型的适配度考验采取验证性因子剖析法进行。
适配度考验结果中χ2/df值为1.350，在1至3间，表示假设模型与样本数据契合度可以接管；RMSEA值为0.060，在0.05至0.08之间，表示模型良好，有合理适配。

IFI、TLI、CFI、NFI的值愈靠近1则模型适配度愈佳，反之愈差，适配的标准均为0.8以上。
NFI、IFI、TLI、CFI的值均大于0.8，表明接管障碍模型适配。

被调查者紧张是在校大学生，这是由于对付如人工智能技能这类新技能，以及酒店人工智能做事这类新产品。

信效度剖析

问卷共有8个变量29个测度项，Cronbach’sα系数值在0.726-0.884之间。
所有变量Cronbach’sα系数值均大于基本标准是信度系数0.7。

解释各变量量表具有较好信度。
量表的KMO值为0.891，可以做因子剖析，且Bartlett的球形度考验的近似卡方值为5430.297。

自由度df为406，显著性p值小于0.001，通过了显著性考验，解释该量表的各项指标知足了做因子剖析的条件。

接管障碍量表的KMO值为0.853，可以做因子剖析，且Bartlett的球形度考验的近似卡方值为2173.857，自由度df为105，显著性p值小于0.001。

通过了显著性考验，解释接管障碍量表的各项指标知足了做因子剖析的条件。

接管障碍模型的适配度考验采取验证性因子剖析法进行。
适配度考验结果中χ2/df值为2.350，在1至3间，表示假设模型与样本数据契合度可以接管。

RMSEA值为0.060，在0.05至0.08之间，表示模型良好，有合理适配。
IFI、TLI、CFI、NFI的值愈靠近1则模型适配度愈佳，反之愈差，适配的标准均为0.9以上。

NFI、IFI、TLI、CFI的值均大于0.9，表明接管障碍模型适配。

假设考验

孤独感与抵制态度有显著的干系关系，酒店人工智能做事的接管障碍与抵制态度有显著的干系关系，采取一元线性回归剖析孤独感对抵制态度的影响，如表所示，调度后的R方为0.07，解释孤独感可以阐明抵制态度变异的7%。

F（1，376）=29.314，P<0.001，解释孤独感对抵制态度有显著影响，假设H1成立。
采取一元线性回归剖析接管障碍对抵制态度的影响，如表所示，调度后的R方为0.496，解释接管障碍可以阐明抵制态度变异的49.6%。

F（1，376）=372.003，P<0.001，解释接管障碍对抵制态度有显著影响，假设H2成立。

各接管障碍对抵制态度的影响模型调度后R方为0.551，证明抵制态度变革的55.1%是由利用障碍、代价障碍、风险障碍、形象障碍和传统障碍引起的，回归模型建立比较准确。

利用障碍对抵制态度有显著正向影响（β=0.097，P<0.05），代价障碍对抵制态度有正向显著影响（β=0.310，P<0.001），形象障碍对抵制态度有显著正向影响（β=0.194，P<0.001）。

传统障碍对抵制态度有显著正向影响（β=0.362，P<0.001），风险障碍对抵制态度没有显著影响。

采取一元线性回归剖析抵制态度对入住意愿的影响，如表24所示，调度后的R方为0.238，解释抵制态度可以阐明入住意愿变异的23.8%，F（1，376）=118.967，P<0.001，解释抵制态度对入住意愿有显著影响，假设H3成立。

本研究通过独身只身分方差剖析，剖析不同类型的潜在顾客在酒店人工智能抵制态度上的差异，在剖析之前对数据进行了正态性考验和方差齐性考验。

本研究以酒店人工智能做事为研究工具，实证了潜在顾客孤独感与其对酒店人工智能做事的抵制态度的关系，以及其感知的酒店人工智能做事接管障碍和抵制态度的关系，并证明了抵制态度与入住意愿的影响。

总结

将孤独感作为被动创新抵制的前因，即探索潜在顾客孤独感对付酒店人工智能做事抵制态度的影响，阐明接管障碍对付酒店人工智能潜在顾客抵制态度的影响与之前研究有差异的缘故原由。

通过对研究结果的剖析，帮助酒店企业选择得当的酒店人工智能做事来提升顾客体验；帮助企业选择得当的顾客推广酒店人工智能做事；终极实现增加顾客入住意愿的目的。
解而带来的其他好处，以是哪怕风险障碍高，也不会影响他们对新技能新产品的探索。