1. 引言
客户服务是企业管理的重要一环,为了提高顾客的接待能力和接待效率,越来越多的企业开始同时使用智能客服和人工客服。虽然智能客服可以快速、精准、高效地处理许多程序性工作,提升顾客体验 [1],但在面对不确定、不可控、不可测的情况下时,人工售后客服的作用仍不可替代,尤其是在服务失败的情境下,若对顾客使用智能客服只会适得其反 [2],只有人工售后客服可以对顾客的情绪做出合适的反馈,因此,在处理客户的售后需求时,人工客服会比智能客服更适得其所。
人工售后客服的一大特征就是服务方与被服务方的高度接触,这就要求服务方在提供高强度的体力与脑力劳动之余,还需要提供高强度的情绪劳动 [3],即服务方在工作时展现出来的特定情绪需与其工作目标相称。情绪劳动既可以帮助组织更好地实现服务顾客的目标,又可以帮助协调组织与顾客之间的关系 [4]。虽然情绪劳动是人工售后客服的本职所在,但是高强度的情绪劳动会显著影响他们的情绪耗竭,导致个人情绪资源及相关心理资源的枯竭 [5]。情绪耗竭这种破坏性的心理状态一旦产生,就会对员工的工作产生负向的影响,如离职行为、反生产行为、工作满意度降低等 [6]。
鉴于情绪劳动的重要性以及情绪耗竭的易发性和危害性,先前的研究者们对于情绪耗竭的前因进行了很多研究。以往的研究对于情绪耗竭的归因集中在以下三个方面:一、个体因素,研究认为个体的情绪智力、正念、自我效能等因素都会影响个体的情绪耗竭。二、工作环境,从职场来看,员工的工作压力,包括自身的角色压力、职场的人际关系以及领导风格都是直接造成员工情绪耗竭的重要因素。三、社会环境,研究表明较高的社会支持可以削弱个体的情绪耗竭,反之亦然。
根据情绪感染理论,情绪感染需要有觉察者与诱发者,两者之间的互动影响了察觉者的情绪体验,诱使察觉者产生并感染上他所察觉到的情绪 [7]。情绪劳动中员工与顾客的交互过程也是情绪感染的过程,并且会对员工的情绪劳动策略和工作绩效产生动态的影响 [8]。但是,相关研究主要是探讨顾客的负性情绪对于企业员工行为上的影响,而较少针对性地讨论人工售后客服,他们在工作中时常需要直面来自顾客的负性情绪,以及这些负面情绪对他们自身情绪的影响。因此本研究拟考察顾客的负性情绪与售后客服的情绪耗竭之间跨主体的影响关系及其作用机制,以期丰富情绪耗竭发生机制的研究,为科学预防和干预情绪耗竭提供理论依据。
1.1. 负性情绪与情绪耗竭
情绪是人们对外界环境感知产生的主观体验和心理活动,它与我们的日常生活密不可分。人类情绪的复杂多变,可以从效价和唤起度这两个维度进行分类 [9],根据效价可将情绪分为正性情绪和负性情绪,Waston D.等学者认为负性情绪是包括恐惧、焦虑、沮丧、愤怒等一系列处于心情低落不愉快境况中的基本主观体验 [10]。负性情绪不仅会在生理及心理方面对个体产生影响,还会影响个体的工作满意度、工作倦怠。若要应对负性情绪则会对个体的心理资本,即个体积极的内部资源,造成大量损耗,如果内部资源不能得到及时补充的话,就会造成情绪耗竭 [11]。情绪耗竭是指当个体的有限的情感资源被过度地消耗时,所处的一种极端疲惫的状态,情绪耗竭对员工和组织都会带来负面影响 [6]。负性情绪和情绪耗竭都是以往研究的关注点,但大多数研究都将研究对象聚焦于单一主体,较少有研究探讨跨主体的负性情绪对情绪耗竭的影响。据此,本研究提出以下假设:
假设1:顾客的负性情绪对人工售后客服的情绪耗竭具有显著的预测作用。
1.2. 表层扮演及深层扮演的中介作用
表层扮演是指当个体自身情绪和工作目标所需的情绪不一致时,个体会通过改变外部可见的行为来达到工作要求,但其内心感知到的情绪并没有变。根据资源保护理论,个体一旦消耗自身资源,就会努力获得更多的资源以补充自身的需要。但是,如果无法获得资源,就会导致功能紊乱 [12]。在面对来自顾客的负性情绪时,采用表层扮演的个体因为内部感受与外部表现的不一致,本身就要损耗大量资源,且还要应对负性情绪的情况下,这两方面的心理资源的消耗更易引起情绪耗竭。有研究表明,表层扮演与情绪耗竭和离职倾向都显著相关 [13]。
深层扮演则相反,是指个体通自身努力来调节自身情绪,以保持感知情绪与工作目标所需情绪的一致,采用深层扮演策略的个体将内外的情绪体验统一,提升了心理资源,并且深层扮演在情绪劳动个体的内部情绪调节中起着重要作用 [14]。
综合上述分析以及假设1的推导,提出假设:
假设2:顾客的负性情绪通过表层扮演的中介作用正向预测人工售后客服的情绪耗竭。
假设3:顾客的负性情绪通过深层扮演的中介作用负向预测人工售后客服的情绪耗竭。
1.3. 唤起度的调节作用
情绪可以从效价和唤起度这两个维度进行分类,效价是指情绪刺激对个体的吸引力或厌恶,即积极、中性和消极;唤起度,是指对事件的感知强度,高唤起度的情绪是激烈的、兴奋的,而低唤起度的情绪则较为平静。情绪唤起度对个体的行为具有显著的预测作用,当个体处于负性情绪时,唤起度对其亲社会行为具有显著的负向调节作用 [15]。唤起度作为情绪感知强度的度量,可以有效的衡量个体的情绪并调节个体的行为。据此,本研究提出以下假设:
假设4:唤起度调节负性情绪通过表层扮演影响情绪耗竭的前半路径。
假设5:唤起度调节负性情绪通过深层扮演影响情绪耗竭的前半路径。
综上,在情绪感染理论视角下,本研究拟构建一个有调节的中介模型(见图1)探讨顾客负性情绪对人工售后客服的情绪耗竭的影响,并重点考察表层扮演和深层扮演在二者关系中起的中介作用以及唤起度的调节作用。
![](//html.hanspub.org/file/9-2622374x7_hanspub.png?20220614090248383)
Figure 1. The proposed moderated mediation model
图1. 有调节的中介模型假设
2. 研究方法
2.1. 样本选取与数据收集
本文调查的样本主要是在天猫、淘宝、京东、拼多多等互联网购物平台,担任售前、售后或两者兼有的售后客服,本次研究的数据收集采用线上的方式。为了贴合售后客服的实际情况,本文进行了两次不同规模的调研,第一次在工作群内小规模的发放了40份问卷,根据人工售后客服的反馈,针对问卷进行适当调整后,再进行了第二次较大规模的调查。为避免一人重复填写问卷,在设置线上问卷时,限定了一个ID只能填写一次,并给予每个参与调查的客服一份礼物。本次共发放问卷400份,回收问卷378份,根据答题时长和答题逻辑,剔除无效问卷121份,最终有效问卷为257份,问卷的有效回收率为64.25%。参与调查的售后客服中女性占比43.41%,男性占比56.59%;年龄方面35岁及以下的售后客服累计占比90.3%;学历方面,大专及以下学历的售后客服累计占比72%;工作年限方面,75.1%的售后客服工作三年或不到三年。
2.2. 测量工具
为确保量表的有效性,本文的量表均采用国内外的成熟量表。其中负性情绪、情绪劳动策略及情绪耗竭这三个变量都采用Likert 5级量表,数字“1”至“5”分别代表从“极不符合”到“完全符合”的五个梯度。
1) 负性情绪量表,从Watson D等人编制的正性负性情绪量表中,选取所有负性情绪组成新的量表,该量表在本文中的Cronbach’s a系数为0.954。
2) 唤起度量表,选取Bradley & Lang设计的SAM情绪自我评估量表中的唤起度量表来评估情绪的唤起度,该量表采用9点评分,数字越小表示情绪越平静,数字越大表示情绪越激动。
3) 情绪劳动策略量表,采用Grandey开发的情绪劳动量表,该量表共有14问,其中7问针对表层扮演,另外7问针对深层扮演,该量表在本文中的Cronbach’s a系数为0.908。
4) 情绪耗竭,是采用MBI-GS国际通用工作倦怠量表中的情绪耗竭部分,共包含五个题项,该量表在本文中的Cronbach’s a系数为0.901。
另外本文将参与研究的人工售后客服的性别、年龄、学历和工作年限作为控制变量。
2.3. 统计分析
为了确保本文研究数据的代表性和结论的合理性,采用Amos 26.0进行共同方法变异检验和验证性因子分析以检验量表的区分效度;采用SPSS 24.0进行描述性统计分析、相关分析,并对研究假设进行验证。
3. 数据分析
3.1. 共同方法偏差检验与验证性因子分析
本文使用Amos 26.0,通过加入共同方法因子的验证性因子分析,来对共同方法偏差进行检验。通过比较验证性因素分析模型和包含方法因子模型的主要拟合度指数可得:Δχ2/df = 0.116,ΔIFI = 0.014,ΔTLI = 0.009,ΔCFI = 0.013,ΔRMSEA = 0.004,ΔSRMR = 0.0092。各项拟合指标的变化均小于标准,说明模型在加入共同方法因子后,并没有产生明显的改变,所以本研究不存在明显的共同方法偏差。
3.2. 变量的描述统计及相关矩阵
描述及相关分析的结果表明(见表1):顾客负性情绪与售后客服的情绪耗竭显著相关(r = 0.468, p < 0.01),负性情绪与唤起度呈显著相关(r = 0.496, p < 0.01),负性情绪与表层扮演和深层扮演显著相关(r = 0.388, p < 0.01; r = 0.390, p < 0.01),并且表层扮演和深层扮演与情绪耗竭显著相关(r = 0.563, p < 0.01; r = 0.431, p < 0.01)。
![](Images/Table_Tmp.jpg)
Table 1. Means, standard deviations and correlations among variables
表1. 变量的均值、标准差和相关性
注:*表示p < 0. 05;**表示p < 0. 01;***表示p < 0.001。
3.3. 中介效应检验
本文采用Hayes编制的SPSS宏程序PROCESS中的Model 4,在控制性别、年龄、学历和工作年限的情况下,对表层扮演和深层扮演在负性情绪与情绪耗竭之间的关系进行中介效应检验。结果(表2、表3)表明顾客负性情绪对售后客服的情绪耗竭的预测作用显著(β = 0.256, t = 10.837, p < 0.001),负性情绪对表层扮演和深层扮演的预测作用显著(β = 0.253, t = 8.033, p < 0.001; β = 0.244, t = 6.689, p < 0.001)。当加入中介变量表层扮演后,顾客负性情绪对售后客服的情绪耗竭的直接预测作用依然显著(β = 0.394, t = 9.067, p < 0.001),而深层扮演在负性情绪与情绪耗竭之间的中介作用不显著(β = 0.037, t = 0.844, p = 0.399)。
此外,顾客负性情绪对售后客服的情绪耗竭的直接效应以及表层扮演的中介效应的bootstrap 95%置信区间的上下限均不包含0 (见表3),表明顾客的负性情绪不仅能够直接预测售后客服的情绪耗竭,而且能够通过表层扮演的中介作用预测情绪耗竭,且因为直接效应显著,所以表层扮演起的是部分中介作用,其中直接效应(0.147)和表层扮演的中介效应(0.1)分别占总效应(0.256)的57.52%和38.97%,故假设H2得到支持。但深层扮演的bootstrap 95%置信区间的上下限(−0.016, 0.038)之间包含0,因此深层扮演在负性情绪和情绪耗竭之间不起中介作用,故假设H3没有得到支持。
![](Images/Table_Tmp.jpg)
Table 2. A mediation model test of surface and deep acting
表2. 表层扮演和深层扮演的中介模型检验
![](Images/Table_Tmp.jpg)
Table 3. Decomposition diagram of total effect, direct effect and mediation effect
表3. 总效应、直接效应及中介效应分解图
3.4. 有调节的中介模型检验
本文采用Hayes编制的SPSS宏程序PROCESS中的Model 7 (Model 7假设中介模型的前半段受到调节),在控制性别、年龄、学历、工作年限的情况下对有调节的中介模型进行检验。结果(见表4)表明,将唤起度放入模型后,负性情绪和唤起度的乘积项对表层扮演和深层扮演的预测作用显著(表层扮演:β = 0.039,t = 2.977,p < 0.001;深层扮演:β = 0.047,t = 3.666,p < 0.001),说明唤起度调节了负性情绪通过表层扮演和深层扮演影响情绪耗竭的前半路径的中介作用。
![](Images/Table_Tmp.jpg)
Table 4. Moderated mediation model testing
表4. 有调节的中介模型检验
进一步简单斜率分析表明(见图2、图3),由图2可知,对于唤起度较高(M + 1SD)的售后客服,负性情绪对表层扮演就具有显著的正向预测作用,(β = 0.262, t = 5.973, p < 0.001),而当唤起度较低(M − 1SD)时,负性情绪对表层扮演的预测作用并不明显,(β = 0.093, t = 1.730, p > 0.05)。
同样地,对于唤起度较高(M + 1SD)的售后客服,负性情绪对深层扮演就具有显著的正向预测作用,(β = 0.255, t = 6.009, p < 0.001),而当唤起度较低(M − 1SD)时,负性情绪对深层扮演的预测作用并不明显,(β = 0.046, t = 0.892, p > 0.05)。
综上可得,当唤起度较高时,负性情绪对表层扮演和深层扮演具有显著的正向预测作用,而当唤起度较低时,其对表层扮演和深层扮演的正向预测作用减弱。
![](//html.hanspub.org/file/9-2622374x8_hanspub.png?20220614090248383)
Figure 2. The moderating effect of arousal between negative emotions and surface acting
图2. 唤起度在负性情绪与表层扮演关系中的调节作用
![](//html.hanspub.org/file/9-2622374x9_hanspub.png?20220614090248383)
Figure 3. The moderating effect of arousal between negative emotions and deep acting
图3. 唤起度在负性情绪与深层扮演关系中的调节作用
4. 讨论
以往的研究发现来自顾客的负性情绪会影响员工的情绪劳动,本研究针对性地将这一顾客——员工消极情绪感染机制,用以研究接触顾客负性情绪更多的人工售后客服,并将这一机制聚焦于人工售后客服的情绪耗竭。结果发现,顾客负性情绪对人工售后客服的情绪耗竭的正向预测作用显著,即当人工售后客服接触到顾客的负性情绪较多的时候,他们就容易出现情绪耗竭的现象。本文支持了资源保存理论,在面临来自顾客们的负面情绪时,人工售后客服的情绪劳动会消耗心理资源,而持续的资源损失会导致情绪耗竭。
此外,本文验证了表层扮演在不同主体的负性情绪与情绪耗竭之间起到的中介作用,同时也说明,顾客的负性情绪不仅可以直接影响人工售后客服的情绪耗竭,也可以通过表层扮演这个中介间接影响情绪耗竭。但是,在本研究中深层扮演的中介效应并不显著,从资源保存理论的视角来看,可能是因为表层扮演和深层扮演两者都会消耗心理资源,但是表层扮演比深层扮演造成的心理资源消耗更多,所以更易造成情绪耗竭。换而言之,当人工售后客服遭受大量来自顾客的负性情绪时,表层扮演会增加其情绪耗竭的倾向,而深层扮演在其中的作用并不明显。
本研究还发现,唤起度在“负性情绪–表层扮演–情绪耗竭”这一中介过程的前半路径起到了调节作用,具体而言,随着唤起度的提高,顾客的负性情绪对售后客服的表层扮演的影响呈上升趋势。当个体的唤起度较高的时候,会让人工售后客服对顾客的负性情绪的感知更加深刻,进而加剧其情绪耗竭。
总之,本研究构建了一个有调节的中介模型,探讨了顾客负性情绪对人工售后客服的情绪耗竭的跨主体的影响因素和内在机制,为预防和干预人工售后客服的情绪耗竭提供了借鉴和参考。同时,也存在几点不足。首先,本研究中的数据均是来自研究对象的自我报告,未来的研究可以通过多种方式收集数据。其次,本研究只采用了两种情绪劳动策略作为中介检验,没有考虑其他情绪劳动策略可能起到的作用。
5. 结论
1) 顾客负性情绪对售后客服的情绪耗竭具有显著的正向预测作用。
2) 表层扮演在负性情绪与情绪耗竭之间起部分中介作用。
3) 唤起度调节了表层扮演和深层扮演在负性情绪与情绪耗竭之间的中介作用。