📈 economia

The Expectation Trap in Errand Delivery: How Pre-usage Value Anticipation Shapes the Service Experience and Customer Satisfaction

Questo studio rivela che le piattaforme di consegna di commissioni on-demand creano spesso una "Trappola delle Aspettative" in cui le rigide promesse algoritmiche impattano negativamente sulla soddisfazione del cliente, causando negli utenti la proiezione di un valore anticipato su esperienze di servizio opache, sebbene tale effetto possa essere mitigato dalla motivazione intrinseca e da stime temporali più flessibili.

Autori originali: Yanfeng Liu, Xinlei Gao, Guanqiu Qi, JaYeon Lee

Pubblicato 2026-10-27

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Yanfeng Liu, Xinlei Gao, Guanqiu Qi, JaYeon Lee

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Ogni giorno, milioni di persone aprono un'app per inviare uno sconosciuto a ritirare un documento dimenticato, comprare un regalo specifico o consegnare una prescrizione. Vedono una promessa sullo schermo: un tempo preciso, forse trenta minuti, in cui l'articolo arriverà. Questa promessa non è fatta da un responsabile umano, ma è calcolata istantaneamente da un algoritmo. Per anni, i ricercatori del settore dei servizi hanno creduto che quando un'azienda mantiene o supera una promessa, il cliente si senta felice. Questa idea, nota come conferma delle aspettative, suggerisce che la soddisfazione derivi dal confronto tra ciò che ci si aspettava e ciò che si è effettivamente ottenuto. Se il servizio è migliore delle aspettative, si è compiaciuti; se è peggiore, si è delusi. Tuttavia, questa visione tradizionale presuppone che i clienti possano osservare il servizio mentre accade e giudicarlo per i suoi meriti intrinseci. Nel mondo della consegna a domicilio su richiesta, il processo è nascosto. Il cliente vede solo un'icona in movimento su una mappa, senza alcuna visione del rider che naviga nel traffico o trova il negozio giusto. Questa invisibilità crea una situazione psicologica unica in cui le normali regole della soddisfazione potrebbero non applicarsi più.

Un team di ricercatori si è posto l'obiettivo di capire come le persone giudichino questi servizi invisibili. Si sono concentrati su un tipo specifico di servizio chiamato consegna di commissioni, in cui un lavoratore della gig economy completa un compito personale dietro compenso. I ricercatori hanno intervistato 1.176 clienti a Guangzhou, in Cina, chiedendo loro come si sentivano prima di utilizzare il servizio e di nuovo due settimane dopo averlo utilizzato. Volevano sapere se il tempo preciso promesso dall'algoritmo aiutasse o danneggiasse la soddisfazione finale del cliente. Hanno anche indagato se alcune persone siano più brave a gestire queste situazioni rispetto ad altre, guardando specificamente a come la spinta interiore di una persona a controllare la propria esperienza e la sua familiarità con la nuova tecnologia cambino il risultato.

Lo studio ha rivelato un fenomeno sorprendente e controintuitivo che gli autori chiamano "Trappola delle Aspettative". Quando un algoritmo visualizza un tempo preciso, come "28 minuti", crea una base mentale rigida nella mente del cliente. Poiché il cliente non può vedere il lavoro che viene svolto, non può regolare le proprie aspettative in base a ciò che sta realmente accadendo. Invece, è costretto a fare affidamento interamente su quel numero iniziale. I ricercatori hanno scoperto che questa precisione è un'arma a doppio taglio. Sebbene una promessa elevata possa far sentire bene un cliente inizialmente, essa in realtà abbassa la sua soddisfazione finale. Soddisfare l'esatto tempo promesso porta solo un senso di sollievo, non di felicità, perché il cliente lo considera il minimo indispensabile. Qualsiasi lieve ritardo, che rimane invisibile fino alla fine, viene percepito come un fallimento significativo. I dati hanno mostrato che questo effetto negativo della promessa rigida era così forte da superare tutti i sentimenti positivi generati dal servizio stesso. In breve, più la promessa algoritmica è precisa e impegnativa, meno il cliente tende a essere soddisfatto, anche se la consegna è tecnicamente riuscita.

I ricercatori hanno anche scoperto come i clienti affrontano questa trappola. Hanno trovato che le persone che sono naturalmente motivate a prendere in mano la propria vita e a trovare significato nelle proprie azioni sono più brave a sfuggire a questa insoddisfazione. Questi individui non aspettano passivamente che l'algoritmo funzioni; costruiscono attivamente la propria esperienza. Potrebbero usare il tempo di attesa per fare qualcosa di produttivo, oppure potrebbero empatizzare con il rider, assumendo che il ritardo sia dovuto al traffico piuttosto che a un cattivo servizio. Questa spinta interiore permette loro di costruire la soddisfazione dalle proprie azioni piuttosto che fare affidamento esclusivamente sulla promessa dell'algoritmo. Interessante è che lo studio ha scoperto che essere altamente curiosi verso la tecnologia o desiderosi di provare nuovi gadget non aiutava sempre. Infatti, i clienti che erano profondamente coinvolti con le caratteristiche tecnologiche formavano talvolta aspettative ancora più rigide, diventando più vulnerabili alla trappola. I clienti più soddisfatti erano quelli che erano internamente motivati ma non investivano eccessivamente nei dettagli tecnologici del servizio.

Questa ricerca sfida la comune convinzione che algoritmi più veloci e precisi portino sempre a clienti più felici. Suggerisce che nei servizi in cui il lavoro è nascosto alla vista, la precisione della promessa può diventare un peso psicologico. Lo studio indica che il modo in cui un servizio viene presentato è importante quanto il servizio stesso. Se una piattaforma visualizza un tempo singolo ed esatto, stabilisce una trappola difficile da evitare. Gli autori suggeriscono che mostrare un intervallo di tempi, come "da 25 a 35 minuti", potrebbe essere un approccio migliore. Questo piccolo cambiamento potrebbe segnalare al cliente che il tempo è una stima piuttosto che una garanzia, offrendo uno spazio mentale più ampio per sentirsi soddisfatti. I risultati offrono una lezione chiara sia per le aziende che per gli utenti: in un mondo di servizi invisibili, l'esperienza più soddisfacente potrebbe non derivare dalla promessa più precisa, ma da una promessa che permetta l'incertezza umana.

Sintesi Tecnica: La Trappola delle Aspettative nella Consegna di Commissioni

Problematica
Il documento affronta una lacuna critica nella ricerca sui servizi riguardante il modo in cui i clienti valutano la soddisfazione negli incontri di servizio mediati da algoritmi e opachi, specificamente nel contesto della consegna di commissioni on-demand (es. paotui in Cina). Mentre la tradizionale Teoria della Conferma delle Aspettative (ECT) assume che i clienti confrontino le prestazioni osservabili rispetto a un'aspettativa precedente, la consegna di commissioni presenta una sfida unica: il processo di servizio è invisibile (il cliente vede solo un'icona in movimento) e la promessa di prestazione è stabilita rigidamente da un algoritmo piuttosto che da un essere umano.

Il problema centrale è la "Trappola delle Aspettative". Le piattaforme competono visualizzando promesse temporali precise, generate algoritmicamente (es. "30 minuti"). Gli autori sostengono che queste promesse precise creano una base cognitiva rigida che restringe la "Zona di Tolleranza". Di conseguenza, soddisfare la promessa genera solo indifferenza (poiché è vista come una garanzia minima), mentre qualsiasi scostamento causa una insoddisfazione sproporzionata. Questa dinamica mina la soddisfazione anche quando il servizio viene erogato efficientemente, un fenomeno non pienamente spiegato dai modelli ECT standard che trattano aspettative e prestazioni come unidimensionali e osservabili.

Metodologia
Lo studio utilizza un disegno di indagine a due ondate con ritardo temporale (two-wave, time-lagged) per catturare la sequenza temporale dalla formazione delle aspettative pre-utilizzo alla soddisfazione post-utilizzo, riducendo così il bias del metodo comune.

Campione: 1.176 risposte valide da utenti esperti di consegna di commissioni a Guangzhou, Cina.
Procedura:
- Ondata 1 (T1): Misurazione delle variabili pre-utilizzo, inclusi il Baseline delle Aspettative Pre-utilizzo (PEB) e il Valore di Consumo Anticipato (ACV).
- Ondata 2 (T2): Misurazione delle variabili post-utilizzo, inclusi il Valore Esperienziale Realizzato (REV), la Discrepanza delle Aspettative (ED), la Soddisfazione (SAT) e i moderatori (Motivazione Intrinseca, Innovatività, Ottimismo).
Quadro Teorico: Lo studio estende l'ECT sostituendo i costrutti unidimensionali con controparti multidimensionali basate sulla Teoria dei Valori di Consumo (TCV) e sul Valore Percepito dal Cliente (CPV). Integra la Teoria dell'Autodeterminazione (SDT) e l'Indice di Prontezza Tecnologica (TRI) per spiegare le variazioni individuali.
Analisi: È stata condotta una Modellazione di Equazioni Strutturali (SEM) utilizzando AMOS 27 per il modello principale e Mplus 8.8 (Latent Moderated Structural equations - LMS) per gli effetti di interazione complessi. I controlli di robustezza sono stati eseguiti utilizzando il macro PROCESS.

Contributi Chiave
Il documento apporta tre contributi teorici primari:

Meccanismo di Assimilazione Cognitiva sotto Opacità: Lo studio dimostizza che in ambienti opachi, i clienti non valutano indipendentemente la prestazione. Al contrario, utilizzano il loro Valore di Consumo Anticipato (ACV) come schema euristico per costruire attivamente il proprio Valore Esperienziale Realizzato (REV). Questo processo di "assimilazione" sostituisce il tradizionale modello di calcolo del divario dell'ECT.
La Trappola delle Aspettative: Gli autori identificano un effetto diretto e negativo del baseline delle aspettative impostato dall'algoritmo sulla soddisfazione. Anche quando esistono percorsi positivi (come l'assimilazione del valore e la discrepanza), il baseline rigido esercita un effetto diretto netto negativo ( $\beta = -0.20$ ) che prevale su di essi. Questa trappola sorge perché le promesse algoritmiche precise sono interpretate come garanzie deterministiche, lasciando spazio alla discrepanza positiva.
L'Effetto di Sostituzione e gli Amplificatori Asimmetrici: Lo studio rivela che la Motivazione Intrinseca (IM) permette ai clienti di disaccoppiare la loro esperienza realizzata dallo schema anticipato (un "Effetto di Sostituzione"). Tuttavia, l'amplificazione di questo effetto è asimmetrica. L'Ottimismo agisce come un buffer di resilienza che sostiene la motivazione intrinseca sotto incertezza, facilitando il disaccoppiamento. Al contrario, l'Innovatività crea una "aderenza" favorendo strutture ACV elaborate che sono più difficili da superare; di conseguenza, il disaccoppiamento delle aspettative più completo avviene tra i clienti con Alta Motivazione Intrinseca ma Bassa Innovatività, piuttosto che tra quelli con alta innovatività.

Risultati

Analisi dei Percorsi: Il Baseline delle Aspettative Pre-utilizzo (PEB) influenza positivamente l'ACV, il REV e la Discrepanza delle Aspettative. Tuttavia, il PEB ha un effetto diretto significativo e negativo sulla Soddisfazione ( $\beta = -0.20, p < .001$ ).
Mediazione: L'effetto indiretto totale del baseline sulla soddisfazione attraverso percorsi positivi è piccolo ( $+0.049$ ), mentre l'effetto diretto negativo è grande ($-0.200$). L'effetto totale netto è negativo ($-0.152$), confermando la Trappola delle Aspettative.
Assimilazione: L'ACV predice fortemente il REV ( $\beta = 0.48$ ), supportando l'ipotesi di assimilazione in cui il valore anticipato modella la percezione dell'esperienza realizzata.
Moderazione:
- La Motivazione Intrinseca modera negativamente la relazione ACV $\to$ REV, appiattendo la pendenza dell'assimilazione (Effetto di Sostituzione).
- L'Ottimismo modera positivamente l'effetto di moderazione negativa della Motivazione Intrinseca, rafforzando l'Effetto di Sostituzione fornendo resilienza contro l'incertezza.
- L'Innovatività mostra un'interazione complessa: sebbene moderi positivamente l'effetto di moderazione negativa della Motivazione Intrinseca nel modello aggregato, l'analisi della pendenza semplice rivela che l'Alta Innovatività risulta in un disaccoppiamento solo parziale a causa della "aderenza" degli schemi elaborati. Il disaccoppiamento più completo (pendenza più piatta) si verifica nelle condizioni di Alta Motivazione Intrinseca / Bassa Innovatività.

Significatività e Rivendicazioni
Gli autori affermano che le loro scoperte richiedono una riconsiderazione fondamentale della formazione della soddisfazione nei servizi mediati da algoritmi.

Significatività Teorica: Lo studio estende l'ECT e la Teoria dell'Assimilazione specificando come l'opacità forzi il ricorso a schemi anticipatori piuttosto che a una valutazione indipendente della prestazione. Evidenzia che la "Trappola delle Aspettative" è una caratteristica strutturale dei servizi con precisione algoritmica e processi opachi, non solo un'imperfezione di mercato.
Significatività Manageriale: Il documento suggerisce che competere su promesse temporali sempre più precise è controproducente. Propone che le piattaforme dovrebbero considerare la visualizzazione di intervalli temporali piuttosto che stime puntuali per ampliare la Zona di Tolleranza e mitigare la trappola. Inoltre, suggerisce che i clienti con alta motivazione intrinseca sono i meglio protetti da questa trappola, specialmente quando supportati da disposizioni tecnologiche positive, sebbene la protezione sia più efficace quando l'elaborazione tecnologica (Innovatività) è bassa.
Significatività Politica: Gli autori sostengono che la definizione delle promesse algoritmiche sia un dominio regolatorio. Suggeriscono che i regolatori dovrebbero considerare l'obbligo di trasparenza su come vengono calcolati i tempi stimati e proibire la sistematica sovra-promessa che sfrutta i meccanismi di avversione alla perdita.

Il documento si conclude con modestia, riconoscendo limitazioni come il contesto di una singola città (Guangzhou) e l'uso di misurazioni generali piuttosto che specifiche per transazione, suggerendo che i meccanismi identificati potrebbero operare con forza attenuata in servizi meno opachi come il ride-hailing o la consegna di cibo.

Sintesi Tecnica: La Trappola delle Aspettative nella Consegna di Commissioni

Articoli simili