期待落空的失望强于中性表达
别名: 期望不一致 · 负向失确认 · 期待违背 · negative disconfirmation · expectation violation
概念解释
拟人化把用户的期待抬上去，期待一旦被违背，负面反应会超过一个什么都没许诺的系统遭遇同样失败时的基线——这笔账是不对称的：代价不是「拟人化白做了」，而是拟人化倒扣。同样一次失败，中性界面被记成「功能不行」，被社会性期待垫高的界面被记成「它不在乎」。这条不对称有成熟的研究传统可依：期望不一致（expectation disconfirmation）——满意度不是由表现决定的，而是由表现相对期待的位置决定的。
机制
第一层是参照点：期待为表现设定计分原点，满意度按「表现减期待」结算（Oliver 的期望不一致模型），而结算不对称——低于原点算损失，损失的心理权重大于等量收益（损失厌恶；「坏比好强」效应）。拟人化抬高原点之后，同样的表现在中性界面上是持平，在拟人界面上就是落空，落差是造出来的。第二层更深：社会脚本携带的不只是性能预期，还有情绪承诺。界面说「我明白你的感受」，被接住的是一份关系性承诺；随后它做不到时，违背的不只是一项功能，而是一份被郑重许下的理解——功能失效是中性的，人辜负你是控诉性的。所以失败会被读成背叛或敷衍，用户调用的责备词汇从「坏了」升级到「不在乎」，这正是人际关系里伤害的语义。
怎么研究
期望不一致模型来自消费者满意度研究（Oliver，1980），范式成熟：先操纵期待（广告、定价、先前经验），再给出实际表现，用期待、表现、满意度三元组检验不一致的方向与幅度。要检验拟人化的不对称损失，标准设计是双因素被试间：线索水平（拟人对中性）交叉同一失败，关键在必须有「中性线索加同样失败」的基线单元——不对称是与基线的差，只在拟人条件内部比较是测不出来的。因变量除满意度外应抓负面情绪、归因对象与退出意向，并加一个时间维度：即时测与隔期测会分叉，负面峰值会在记忆里被放大。注意点有二：实验里的期待多靠文案框定操纵，与产品里由线索束自然抬起的期待不等价；消费者研究里的期待来自广告与价格，向拟人线索的推广是对话代理与机器人研究里较新、数量较少的部分，不要把成熟传统与薄弱推广写成同等确凿。
边界
放大不是处处同样大。失败越触及被许诺的社会能力（理解、记忆、在乎），放大越明显；纯技术性小故障用户往往按慈善解读折扣掉（「它只是个程序」），此时拟人化的额外损失有限。明确的事前声明是调节变量：提前说清「这个助手不会记住对话」，违背溢价随之收窄——期待被公开调低，参照点跟着动。长期使用中期待会重新校准，放大集中在首次违背与新型失败上；但参照点下移本身就是代价，表现为信任与卷入的整体降级，而不是回到「从未许诺」的起点。违背偶尔也反向：小幅超出期待产生正面意外，只是曲线两侧不对称，向上超出的增益远小于向下违背的损失。
怎么落地
- 把拟人线索当成一叠待兑现的支票：为每条暗示能力的文案列出它对应哪类失败（共情话术对模板化回复、记忆指涉对上下文丢失、「我明白」对答非所问），发货前逐张决定兑现、降级或撤回。
- 兑现不了的承诺在违背发生前调低：把做不到的事明确声明，放在用户形成期待之前（引导期、能力说明），而不是失败之后的道歉里。
- 拟人化程度是长期承诺：线索在每个会话里都在重新开票，没有「这次先混过去」；接下的期待按最差会话的水准兑现，不按最好会话。
- 验证办法：把失败时刻当实验做——同一失败、有无人格线索两组被试间对比，测负面情绪、归因与流失意向对中性基线的差；上线后持续记录暗示性话术出现后用户行为与之相悖的比例（问「还记得吗」而它不记得），比例上行即承诺超发。