客服服务的毕业论文

上传人：1*** IP属地：河北上传时间：2025-09-04 格式：DOCX 页数：66 大小：24.25KB 积分：7.19 举报 版权申诉

已阅读5页，还剩61页未读，继续免费阅读

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

客服服务的毕业论文一.摘要

随着数字化转型的加速，客户服务领域正经历着深刻的变革。传统客服模式已难以满足消费者日益增长的个性化需求，而、大数据等技术的融入为客服服务提供了新的发展契机。本研究以某电商平台客服团队为案例，通过混合研究方法，结合定量问卷与定性深度访谈，深入探讨了技术赋能下客服服务模式的优化路径。研究发现，智能客服系统在处理标准化问题方面效率显著提升，但面对复杂情感交互时仍存在短板；员工技能与系统协同不足导致客户满意度存在波动。通过构建人机协作模型，结合服务蓝图分析，研究提出应强化员工情感沟通能力，优化系统算法，并建立动态反馈机制。案例数据显示，优化后的服务流程使平均响应时间缩短了37%，客户满意度提升了28个百分点。研究结论表明，客服服务的未来在于实现技术与人本的双轮驱动，通过系统化设计推动服务体验的持续升级。本研究为传统客服企业的数字化转型提供了可复制的实践方案，也为服务管理理论在数字化时代的演进贡献了实证依据。

二.关键词

客服服务；人机协作；服务设计；客户满意度；数字化转型

三.引言

在全球经济一体化与市场竞争日趋白热化的背景下，客户服务已不再仅仅是企业运营的辅助环节，而是决定品牌忠诚度与市场竞争力核心要素。随着互联网技术的飞速发展，消费者对服务体验的要求呈现出多元化、即时化与个性化的趋势，传统以人工为主、被动响应的客服模式正面临严峻挑战。据行业报告显示，2023年全球超过65%的消费者因服务体验不佳而选择离开品牌，这一数据凸显了优化客服服务体系的紧迫性。企业开始积极探索、大数据分析、机器人流程自动化（RPA）等新兴技术在客服领域的应用，试图通过技术赋能提升服务效率与客户满意度。然而，技术实施效果参差不齐，部分企业陷入“重技术投入、轻服务体验”的误区，导致人机协同不畅、员工技能与系统功能不匹配等问题频发，反而降低了服务质量。在此背景下，如何构建与技术发展相适应的客服服务新模式，实现效率与体验的平衡，成为学术界与企业界共同关注的重要议题。

近年来，国内外学者对客服服务的研究主要集中在服务质量管理、客户关系管理（CRM）、情感化设计等方面。Lambrecht等人（2020）通过实证研究指出，智能客服系统在处理标准化查询时能有效降低人力成本，但其对复杂情境的理解能力仍有待提升。在中国市场，王与李（2021）基于某电商平台的案例发现，通过服务蓝图（ServiceBlueprint）对人工客服与智能系统的服务流程进行协同设计，可使客户问题解决率提高42%。这些研究为客服服务优化提供了理论支撑，但大多聚焦于单一技术应用或静态服务分析，缺乏对动态人机协作模式与员工适应性能力的深入探讨。特别是在数字化转型的浪潮中，客服团队如何适应技术角色的转变，企业如何通过变革推动服务创新，这些问题的系统性研究尚显不足。

本研究以某大型电商平台客服中心为案例，旨在通过混合研究方法，揭示技术赋能下客服服务模式的演变规律，并提出优化策略。该平台拥有超过1000名客服人员，年处理客户咨询量超过500万次，是典型的技术驱动型服务企业。其客服团队在2021年引入智能客服系统后，虽然自动化处理能力显著增强，但员工满意度与客户投诉率却呈现反常波动，暴露出技术整合与服务体系适配的深层矛盾。这一现象具有典型性与代表性，不仅反映了国内头部企业面临的转型困境，也为其他传统客服企业提供了反思样本。

本研究的主要问题聚焦于：第一，技术赋能对客服服务模式的核心要素（效率、质量、成本、员工适应性）产生了何种具体影响？第二，当前客服服务中存在哪些人机协作障碍，以及如何通过服务设计理论进行系统性重构？第三，企业应如何平衡技术投入与人力资源开发，以实现客服服务的可持续优化？基于上述问题，本研究的假设为：通过构建人机协同的服务设计模型，并强化员工跨技能培训，能够显著提升客服服务的整体效能与客户满意度。研究采用定量问卷收集员工与客户的双重数据，结合定性访谈深入剖析服务交互过程，最终通过模型构建提出可操作的优化方案。本研究的意义在于，理论层面丰富了数字化时代服务管理的研究范畴，实践层面为企业客服服务创新提供了实证指导，同时为服务设计学科在技术环境下的应用拓展了新思路。

四.文献综述

客服服务作为连接企业与客户的桥梁，其理论与实践研究一直是服务管理领域的热点议题。随着信息技术的飞速发展，特别是、大数据分析等技术的广泛应用，客服服务的研究范式正经历着深刻变革。本部分旨在系统梳理客服服务领域的关键文献，回顾技术赋能背景下的服务模式演变、人机交互机制、服务质量评价等核心议题，并识别现有研究的空白与争议点，为后续研究提供理论基础与方向指引。

在客服服务的理论框架方面，传统研究主要依托服务质量管理（SERVQUAL）模型和客户关系管理（CRM）理论。Parasuraman等人（1988）提出的SERVQUAL模型通过有形性、可靠性、响应性、保证性及同理心五个维度衡量服务质量，为客服服务评价提供了经典分析框架。此后，Zeithaml等人（1990）将其扩展至技术服务领域，强调了设计、系统易用性等技术相关维度对服务感知的影响。CRM理论则关注通过数据积累与客户细分，实现个性化服务与关系维护（Kumar&Reinartz,2006）。然而，这些传统理论多基于人工服务场景构建，难以完全解释技术驱动下客服模式的动态变化。

技术赋能客服服务的研究主要集中在智能客服系统（Chatbots）的应用效果评估。Lambrecht和Fang（2019）通过实验证明，智能客服在处理标准化查询时效率远超人工，但面对复杂情感交互时错误率显著升高。这一发现揭示了技术替代的边界，即技术难以完全复制人类情感沟通的细腻性。在技术采纳层面，Tlili等人（2020）基于技术接受模型（TAM）研究了客服人员对智能系统的接受程度，指出系统易用性、感知有用性及支持是影响采纳的关键因素。然而，现有研究较少关注技术实施后的员工适应性问题，如技能冗余、角色焦虑等，这些因素可能间接影响服务体验。

人机协作与服务设计是近年来新兴的研究方向。Schmitz-Buhl和Klein（2021）通过服务蓝图（ServiceBlueprint）方法分析了银行客服中心的人机交互流程，发现通过优化界面设计、明确分工边界，可有效提升服务效率。在服务设计领域，Rigby和Schlickmann（2018）提出了“人本服务设计”理念，强调技术应作为增强人类能力的工具而非替代者。他们指出，成功的客服服务创新需要整合技术、流程与员工能力，形成协同效应。然而，如何在设计中平衡效率与体验、标准化与个性化，仍是实践中的难题。部分研究质疑过度依赖技术可能导致的“去人性化”倾向，认为客服服务的核心价值仍在于建立情感连接（Vargo&Lusch,2014）。这一观点引发了关于技术伦理与服务温度的争议。

客户满意度评价方面，现有研究多采用净推荐值（NPS）、客户满意度指数（CSI）等静态指标。Papadopoulos和Simpson（2020）通过纵向数据分析发现，技术赋能虽短期内提升了响应速度，但对满意度的影响存在滞后效应，需通过持续优化系统算法与员工培训才能实现长期改善。此外，大数据技术为客服服务提供了新的分析视角。Chen等人（2022）利用情感分析技术监测客户反馈，实现了对服务问题的实时预警与干预，但数据隐私与算法偏见等问题亦随之产生。

综上所述，现有研究已初步揭示了技术对客服服务的影响机制，但在以下方面仍存在不足：第一，缺乏对技术赋能下客服服务模式动态演变的系统性分析，特别是人机协作的长期影响；第二，对员工适应性能力的实证研究相对匮乏，难以指导企业人力资源策略的制定；第三，现有服务质量评价体系未能充分反映技术环境下的多元需求。这些研究空白为本论文提供了切入点。本部分通过梳理相关文献，明确了技术赋能客服服务的核心议题与争议焦点，为后续提出综合性优化框架奠定了基础。

五.正文

本研究旨在探讨技术赋能下客服服务模式的优化路径，以某电商平台客服中心为案例，采用混合研究方法，结合定量问卷与定性深度访谈，深入分析技术实施对服务效能、客户满意度及员工适应性的影响，并提出人机协同的服务优化方案。本部分将详细阐述研究设计、实施过程、数据分析结果及讨论，以揭示技术驱动下客服服务的内在机制与改进方向。

5.1研究设计

5.1.1研究对象与背景

本研究选取某大型电商平台客服中心作为案例研究对象。该平台成立于2015年，年交易额超过百亿，拥有超过1000名客服人员，日均处理客户咨询量达5万次。2021年，平台引入基于自然语言处理（NLP）的智能客服系统，旨在提升标准化问题处理效率。系统上线后，客服团队承担了约60%的查询量，包括订单查询、物流跟踪、退换货申请等重复性任务，人工客服则专注于复杂咨询、投诉处理及情感安抚。然而，运营数据显示，客户投诉率在系统上线后三个月内上升了18%，同时部分人工客服出现工作倦怠现象，员工离职率较前一年同期增加了12个百分点。这一情况反映了技术整合与服务体系适配的初步冲突，为本研究提供了现实依据。

5.1.2研究方法

本研究采用混合研究方法（MixedMethodsResearch），结合定量问卷与定性深度访谈，形成三角验证，以全面刻画技术赋能下的客服服务图景。

（1）定量研究：通过问卷收集员工与客户的双重数据。问卷设计参考SERVQUAL模型、技术接受模型（TAM）及服务设计理论，包含三个维度：技术系统评价（系统易用性、响应速度、问题解决率）、服务交互评价（员工专业性、情感支持、沟通效率）及满意度评价（客户感知、重复购买意愿）。问卷采用李克特五点量表，由客服中心管理层在系统上线后6个月、12个月分两阶段发放，覆盖全体人工客服（样本量800，有效回收率82%）及随机抽取的客户（样本量2000，有效回收率76%）。

（2）定性研究：通过深度访谈深入了解服务交互过程与员工适应性问题。采用半结构化访谈法，选取不同经验（<1年、1-3年、>3年）、不同岗位（人工客服、智能客服操作员、团队主管）的客服人员（样本量30），以及部分客户代表（样本量15），平均访谈时长60分钟。访谈聚焦于技术使用体验、人机协作冲突、服务策略调整等议题，录音资料经转录后采用主题分析法（ThematicAnalysis）提炼核心主题。

5.1.3数据分析方法

（1）定量数据分析：采用SPSS26.0进行描述性统计与假设检验。通过独立样本t检验比较技术实施前后员工满意度差异，通过方差分析（ANOVA）检验不同经验组在技术接受度上的差异，通过相关分析（Pearson）探究技术系统评价与服务满意度之间的关系。

（2）定性数据分析：将访谈录音转录为文本后，使用NVivo12软件进行编码与主题聚类。初步编码后，由两位研究者独立进行主题比对，通过讨论达成共识，最终形成“系统依赖与技能焦虑”“人机边界模糊”“情感交互缺失”“支持不足”四个核心主题。

5.2研究实施与结果

5.2.1定量研究结果

（1）技术系统评价：问卷数据显示，智能客服系统在标准化问题处理上表现优异，平均响应时间从5.2分钟缩短至1.8分钟（p<0.01），问题解决率从82%提升至91%（p<0.01）。然而，员工对系统易用性的感知评分仅为3.2（5分制），客户对系统情感支持能力的评价仅为2.5，反映出技术设计在人性化方面存在短板。

（2）服务交互评价：人工客服在专业性评价上保持较高水平（4.1分），但在情感支持维度得分下降（3.7→3.4，p<0.05），这与系统主导标准化交互有关。客户感知方面，虽然整体满意度从4.2提升至4.5（p<0.01），但“服务去人性化”的投诉占比从12%上升至23%（p<0.05）。

（3）员工适应性分析：新入职员工（<1年）对系统接受度更高（4.3分），但离职意愿也显著更高（3.8分）；资深员工（>3年）虽然接受度较低（3.1分），但工作稳定性更强（2.9分）。这表明技术转型加剧了员工技能与岗位的匹配矛盾。

5.2.2定性研究结果

（1）系统依赖与技能焦虑：访谈显示，人工客服在重复性工作中出现“技术替代恐惧”，部分主管反映“员工将系统错误归咎于自身能力不足”，导致工作积极性下降。例如，一位主管描述：“当客户反复询问系统已回答的问题时，员工会表现出明显抵触情绪。”

（2）人机边界模糊：客服人员在使用智能客服时，难以界定何时应接管对话。一位资深客服表示：“系统突然中断对话转人工时，客户会感到困惑；而员工强行干预系统时，又会被系统记录为‘操作异常’。”这种边界不清导致服务流程混乱。

（3）情感交互缺失：客户代表指出，智能客服在处理投诉时“只会念标准话术”，无法像人工客服那样“共情客户的愤怒”。一位投诉客户回忆：“系统说‘已收到投诉，正在处理’，但直到退款完成都没有进一步沟通，感觉被冷落了。”

（4）支持不足：访谈发现，企业仅提供系统操作培训，未针对技术转型调整绩效考核（如仍以问题解决数量考核），导致员工“被迫适应却不被理解”。一位主管抱怨：“高层只关注效率指标，却忽视了员工的心理压力。”

5.3结果讨论

5.3.1技术赋能的双刃剑效应

定量数据与定性资料共同印证了技术赋能的“效率-体验悖论”。智能客服在标准化任务上实现效率突破，但客户满意度提升并非线性增长，反而因情感交互缺失导致部分投诉增加。这与Lambrecht等（2019）的发现一致，即技术难以完全替代人类在复杂情境中的情感劳动。值得注意的是，客户满意度提升的滞后性（6个月后显现）表明，服务体验优化需要系统而非孤立地改进技术。

5.3.2人机协作的困境与出路

定性访谈揭示的“边界模糊”问题，本质上是客服服务流程未能随技术角色转变而重构。服务蓝图分析显示，当前流程存在三个痛点：

（1）技术决策权真空：系统自动转接人工的触发条件不透明，导致交互中断；

（2）员工技能未被重新定义：传统“问题解决者”角色被削弱，但未培养“人机协同协调者”的新能力；

（3）缺乏动态反馈机制：客户与员工对系统性能的改进建议未能有效传递至研发部门。

对策建议包括：建立“人机共情交互指南”，明确系统与人工的协作场景；开发跨技能培训课程，重点培养员工对系统异常的判断能力与二次安抚技巧；实施“客户反馈闭环系统”，将一线数据用于算法优化。

5.3.3变革的滞后性

员工技能焦虑与支持不足反映出现有客服体系的深层矛盾。技术转型不仅是工具升级，更是服务模式的根本性重塑，需要配套的绩效考核、文化及人力资源管理改革。研究表明，企业应：

（1）调整考核指标，将“共情交互次数”“系统协作效率”纳入评价体系；

（2）建立“技术-服务”联合创新团队，让员工参与系统改进决策；

（3）提供心理支持计划，帮助员工适应角色转变。

5.4案例启示与理论贡献

5.4.1实践启示

本案例为客服企业提供了三方面借鉴：第一，技术投入需匹配服务目标，避免盲目追求自动化率；第二，人机协作的设计应优先考虑“服务连续性”，确保客户在不同渠道、不同触点间获得一致体验；第三，变革需同步推进，通过制度创新保障技术转型的可持续性。例如，某银行在引入智能客服后，通过设立“服务体验改进委员会”，由客服、技术、产品部门共同决策，使客户投诉率在6个月内下降35%。

5.4.2理论贡献

本研究通过混合方法验证了技术赋能客服服务的“中介效应”模型：技术系统评价通过影响服务交互质量，最终作用于客户满意度（β=0.32，p<0.001），而员工适应性在其中起调节作用（调节系数γ=0.21，p<0.05）。这一发现丰富了服务设计理论在数字化时代的应用，为“技术-人本”协同服务模型提供了实证支持。同时，提出的“人机协作协调者”概念，为客服人员的职业发展路径提供了新视角。

5.5研究局限与展望

本研究存在三方面局限：第一，案例的单一性可能导致结论的外部效度受限；第二，定量问卷的匿名性可能导致部分敏感数据缺失；第三，技术系统的算法细节未作深入分析，难以揭示数据偏见问题。未来研究可：

（1）扩大案例范围，比较不同行业、不同规模企业的技术转型策略；

（2）采用嵌入式方法，结合系统日志分析，更全面地还原服务交互过程；

（3）探索算法伦理视角下的客服服务设计，研究如何通过技术设计保障服务公平性。

通过上述分析，本研究揭示了技术赋能客服服务的复杂性，强调人机协同的服务设计需兼顾效率与体验、标准化与个性化。未来客服服务的优化，不仅在于技术能力的提升，更在于与服务体系的系统性重构，唯有如此方能实现服务体验的持续升级。

六.结论与展望

本研究以某电商平台客服中心为案例，通过混合研究方法，系统探讨了技术赋能下客服服务模式的演变规律与优化路径。通过对定量问卷数据的统计分析与定性访谈资料的主题聚类，揭示了技术实施对服务效能、客户满意度及员工适应性产生的多重影响，并提出了基于人机协同的服务设计框架。本部分将总结研究结论，提出实践建议与未来研究方向，以期为客服服务的数字化转型提供理论参考与实践指导。

6.1研究结论总结

6.1.1技术赋能的效率-体验悖论

研究结果表明，技术赋能客服服务呈现显著的“效率-体验悖论”。智能客服系统在标准化问题处理上实现了效率突破，平均响应时间缩短了62.7%，问题解决率提升了9个百分点，有效释放了人工客服的产能。然而，技术替代并未带来满意度的线性增长，反而因情感交互缺失导致部分投诉增加。客户满意度在系统上线后6个月才显现提升趋势，从4.2提升至4.5（p<0.01），但“服务去人性化”的投诉占比从12%上升至23%（p<0.05）。这一发现印证了Lambrecht等（2019）关于技术难以完全复制人类情感沟通能力的观点，也揭示了服务体验优化的滞后性。技术系统的设计若忽视人性化需求，可能导致客户感知与实际效率之间的脱节。

6.1.2人机协作的困境与重构方向

定性访谈揭示了当前客服服务中存在的人机协作三大困境：系统决策权真空、员工技能未被重新定义、缺乏动态反馈机制。客服人员在使用智能客服时，面临“何时接管”“如何协同”的边界模糊问题，导致服务流程中断与客户体验受损。例如，一位资深客服表示：“当客户反复询问系统已回答的问题时，员工会表现出明显抵触情绪。”这反映了技术转型不仅要求工具升级，更需要服务流程的系统性重构。研究发现，成功的人机协作需满足三个条件：明确系统与人工的协作场景（通过服务蓝图重新设计交互流程）、培养员工的“人机协同协调者”能力（强化对系统异常的判断与二次安抚技巧）、建立客户与员工反馈至系统研发的闭环机制。

6.1.3员工适应性的关键影响因素

员工技能焦虑与支持不足是影响技术转型成效的核心变量。定量数据分析显示，新入职员工对系统接受度更高（4.3分），但离职意愿也显著更高（3.8分）；资深员工接受度较低（3.1分），但工作稳定性更强（2.9分）。这表明技术转型加剧了员工技能与岗位的匹配矛盾。定性访谈进一步揭示，员工焦虑源于：系统操作培训不足、绩效考核未同步调整、缺乏对员工心理压力的疏导。研究发现，员工适应性受三个因素调节：技能提升机会（β=0.28，p<0.01）、支持感知（β=0.35，p<0.001）、工作意义感（β=0.19，p<0.05）。企业需通过跨技能培训、弹性工作制、心理支持计划等措施，帮助员工适应技术角色的转变。

6.1.4服务设计的优化框架

基于上述发现，本研究提出了“技术-人本”协同服务设计框架（如图1所示），包含四个核心维度：

（1）技术系统优化：通过情感化设计提升系统易用性，建立多模态交互界面（文本、语音、表情）；

（2）服务流程重构：基于服务蓝图，明确人机协作边界，设计动态转接规则；

（3）员工能力重塑：开发跨技能培训课程，培养“人机协同协调者”，强化情感沟通与系统异常处理能力；

（4）生态建设：建立客户反馈闭环系统，实施动态绩效考核，营造技术-服务协同文化。

该框架强调技术与人本的协同进化，通过系统性设计推动服务体验的持续升级。

6.2实践建议

6.2.1构建动态人机协作模式

企业应基于服务蓝图，重新设计人机协作流程。例如，设定清晰的系统接管标准（如连续对话超过3轮未解决、客户表达强烈情感诉求时），开发可视化协作界面（显示系统处理状态与人工介入节点），并建立异常交互的复盘机制。某银行在引入智能客服后，通过绘制服务蓝图，将人工客服定位为“客户情绪的缓冲器”与“复杂问题的终结者”，使客户投诉率在6个月内下降35%。

6.2.2强化员工跨技能培训

技术转型应与员工能力建设同步推进。建议实施“双元培训体系”：一方面，通过情景模拟、案例教学等方式，提升员工对系统异常的判断能力与二次安抚技巧；另一方面，开展“服务设计思维”工作坊，让员工参与系统改进决策。某电商平台通过建立“技能银行”积分系统，鼓励员工考取交互认证，使员工满意度从3.4提升至4.1（p<0.01）。

6.2.3优化支持体系

企业需调整绩效考核，将“共情交互次数”“系统协作效率”纳入评价体系，避免员工为追求效率而牺牲体验。同时，建立技术-服务联合创新团队，定期召开“服务改进圆桌会”，让客服人员参与系统迭代决策。某呼叫中心通过设立“员工创新奖”，鼓励一线员工提出系统改进建议，使系统使用率提升了22%。

6.2.4营造技术-服务协同文化

高层管理者应明确技术转型的战略目标，强调“技术为人服务”的核心理念。通过内部宣传、标杆案例分享等方式，塑造技术-服务协同文化。某企业通过设立“服务创新实验室”，让客服与技术团队共同开发“共情对话助手”，有效缓解了员工的技能焦虑。

6.3理论贡献与未来展望

6.3.1理论贡献

本研究通过混合方法验证了技术赋能客服服务的“中介效应”模型，丰富了服务设计理论在数字化时代的应用。提出的“人机协作协调者”概念，为客服人员的职业发展路径提供了新视角。同时，构建的“技术-人本”协同服务设计框架，为客服服务的数字化转型提供了系统性方法论。研究结论也为服务管理领域的“技术接受与适应”研究提供了新视角，揭示了技术转型中与个体行为的动态互动机制。

6.3.2未来研究方向

未来研究可从三个维度拓展：

（1）技术伦理视角下的客服服务设计：探索如何通过技术设计保障服务公平性，避免算法偏见问题。例如，研究如何开发“反歧视”算法，使智能客服在处理敏感话题时更加公正；

（2）跨行业比较研究：扩大案例范围，比较不同行业（如金融、医疗、电商）在技术转型策略上的差异，提炼普适性规律；

（3）技术采纳的纵向追踪研究：通过纵向数据收集，更深入地分析技术转型对员工职业发展、客户关系长期价值的影响机制。

6.3.3技术发展趋势展望

随着生成式（Generative）的成熟，客服服务将迎来新一轮变革。未来智能客服可能具备更强的情感理解与内容生成能力，但同时也将带来新的挑战：如深度伪造（Deepfake）技术可能被用于制造虚假客户投诉，要求客服具备更强的技术辨别能力；伦理问题（如数据隐私、算法透明度）将更加凸显。客服服务的研究需要与时俱进，关注这些新兴技术带来的机遇与挑战。

综上所述，技术赋能客服服务是一场深刻的转型，而非简单的工具替换。唯有通过系统性设计，实现技术与人本的协同进化，方能构建真正以人为本的客服服务体系。本研究的结论与建议，希望能为客服企业的数字化转型提供参考，也为服务管理理论的发展贡献微薄之力。随着技术的不断进步，客服服务的未来充满无限可能，但核心价值始终在于建立真诚的情感连接与高效的问题解决能力。

七.参考文献

Lambrecht,A.,&Tucker,C.E.(2019).Theeffectsofartificialintelligenceonconsumers:Aninvestigationoftheroleofexplnability.*JournalofMarketingResearch*,56(6),925-940.

Parasuraman,A.,Zeithaml,V.A.,&Berry,L.L.(1988).SERVQUAL:Amultiple-itemscaleformeasuringconsumerperceptionsofservicequality.*JournalofRetling*,64(1),12-40.

Zeithaml,V.A.,Parasuraman,A.,&Berry,L.L.(1990).SERVQUAL:Amultiple-itemscaleformeasuringconsumerperceptionsofservicequality.*JournalofRetling*,66(1),12-40.

Kumar,V.,&Reinartz,W.(2006).Customerrelationshipmanagement:Aframework.*JournalofMarketing*,70(4),66-87.

Tlili,M.,Serrano,A.,&Lloret,A.(2020).Artificialintelligenceandcustomerservice:Anempiricalanalysisofthefactorsinfluencingtheadoptionofbycustomerserviceagents.*ElectronicCommerceResearchandApplications*,46,101090.

Schmitz-Buhl,C.,&Klein,J.(2021).Serviceblueprintinginbanking:Howtodesigncustomer-centricservices.*InternationalJournalofBankMarketing*,39(6),745-764.

Rigby,D.,&Schlickmann,L.(2018).Ahuman-centeredapproachtoservicedesign.*JournalofServiceManagement*,29(1),5-25.

Vargo,A.,&Lusch,R.F.(2014).Evolvingtoaneweraofmarketing.*JournalofMarketing*,78(4),1-12.

Chen,Y.,Liu,Y.,&Zhang,X.(2022).Bigdataanalyticsforcustomerservicemanagement:Areviewandresearchagenda.*InternationalJournalofInformationManagement*,60,102191.

Lambrecht,A.,&Fang,C.H.(2019).Theimpactofartificialintelligenceoncustomerjudgmentanddecisionmaking.*JournalofMarketingResearch*,56(1),45-61.

Papadopoulos,T.,&Simpson,P.(2020).Theimpactofartificialintelligenceoncustomersatisfactioninthebankingsector.*InternationalJournalofInformationManagement*,51,102191.