拟人化让用户把系统故障读作态度问题
别名: 故障归因 · 态度归因 · 服务失败 · blame attribution · attribution shift · service failure
概念解释
角色感建立之后，同一次故障会被读进另一套解释框架：无名机制失灵，用户读到「坏了、有 bug」；有名有性格的角色失灵，用户读到「怠慢、敷衍、不在乎、甚至故意」。归因的内容被改写，修复的要价随之升级——从「把它修好」升级到「道歉并给我尊重」。这个偏移没有统一术语，研究落在责备归因（blame attribution）与服务失败（service failure）两大传统之下。它与「期待落空会放大失望的幅度」是两件事：那边解释损失计多大，这边解释账记在谁头上、记成什么性质。
机制
人格图式自带意图维度。解释人这一范畴的默认方式是意向立场（intentional stance）：把对方当作有信念、有态度的行动者来预测。系统没有意图，但角色感替它补上了一个意图的位置；位置一旦补上，归因空间里就多出一个机器本没有的维度——「努不努力」。机械失灵的解释空间很小（坏了、该修），态度的解释空间却很大（怠慢、敷衍、看人下菜、故意），而且态度可以从语气与时延里读出来：同一次三秒延迟，机制读作「处理中」，角色读作「它在敷衍我」。故障于是从工程事件被重写为社会事件，而社会事件要求社会性的了结——功能恢复只回答「修好了吗」，回答不了「它为什么这样对我」；后者只有态度行为（承认、道歉、补救）能应答。这正是纯功能话术会加倍冒犯的机制：在角色表面弹出一句无人称的错误码，等于这个「人」拒绝对自己的行为表态。
怎么研究
主范式是归因改写检验：人格线索（有/无）交叉同一次失败，把归因按维度编码而非只测强度——能力不足、努力不足、外部情境（Weiner 的位点、稳定性、可控性），再测愤怒、责备措辞与索要的补救类型（修复还是道歉）。灵敏的因变量是自由文本里「态度词」的比例：敷衍、不在乎、故意出现的频次，比满意度评分抓得住变化。消费者研究的直接证据集中在客服机器人：同一服务失败，拟人化程度高的机器人比低的激起更多愤怒；而失败后一句点破机器人身份的声明能把愤怒压回——把责任从「一个人」移回「一个机制」。方法论注意点有二：这条证据几乎全部来自服务情境（退款、物流、报错应答），操作系统与工具类故障上角色感通常弱得多，外推要打折；失败严重度是主调节量——小故障被按「程序」宽宥，触及真实损失的大失败才会点燃态度归因，只测小故障会低估效应。
边界
证据边界：机器人与聊天客服情境的直接支持强于通用软件情境；「角色内道歉总是最优」也没有被证明——已有的对照反而提示，在引发真怒的严重失败里，把人格降格回机制的声明更有效，角色内道歉的舒适区在轻中度失败。使用边界：归因改写需要角色感先立住——低拟人化倾向的用户、从未使用角色话术的产品上，故障仍按机制读。角色感还随使用累积：新用户与老用户对同一次失败的读法可以不同，新用户读到 bug，老用户读到「它今天不对劲」，失败归因的研究要按熟悉度分层采样。
怎么落地
- 给角色准备故障话术，作为人格规范的一部分：为每类常见失败（超时、记不住、做错、不可用）预写角色内应答——承认影响、说明补救、保持人称一致；错误路径的文案由工程师现写，几乎必然产出无人称错误码。
- 分级定调：轻中度失败用角色内道歉（「刚才没跟上，抱歉，我们重来」）；可能造成真实损失或群体性故障的失败，透明优先于人格——明说坏了什么、组织会做什么，不让角色替公司揽责。
- 禁止语域混搭：同一表面要么始终有人称（故障也用第一人称道歉），要么始终无人称（成功与失败都报机制）；成功时是「我」、失败时突然变「系统」，是最容易被截图传播的双标时刻。
- 验证办法：失败后收集用户自由文本，编码态度词（敷衍/不在乎/故意）与机制词（坏了/bug/挂了）的比例，按版本对比；态度词占比上行，说明故障话术缺失或失格。