19、智能助手交互反馈效应及用户语言收敛研究

智能助手交互反馈效应及用户语言收敛研究

1. 样本期选择与用户抽样

特殊事件往往会使智能助手（IA）的新用户数量激增，同时特殊活动中的功能发布可能让部分老用户将更新后的 IA 视为“新”的并以新用户的心态去探索。这两个因素增加了新用户的占比，提升了新用户群体的可观测性。我们从六个月的时间段中随机抽取了 5000 名使用 IA 新软件版本的用户，分析他们在整个研究期间与 IA 的所有交互。

2. 反馈对用户参与度的影响

2.1 研究目标与因果效应定义

直观来看，IA 给出的无用回复可能会使用户减少未来与 IA 的交互。我们旨在实证研究 IA 有用性（单次交互中有用或无用）与用户后续参与模式之间的关系。
对于包含 N 个用户的数据集，我们用以下方式定义相关变量：
- 协变量 (X_i \in R^p)；
- 处理变量 (Z_i \in {0, 1})，分别表示用户经历了与 IA 的无用交互或有用交互；
- 根据潜在结果框架，(Y_i(1)) 和 (Y_i(0)) 分别表示单元被分配到处理组和对照组时的结果。
单元 (i) 的因果效应定义为 (\tau_i = Y_i(1) - Y_i(0))，即同一用户在不同处理下的结果差异。但因果推断的根本问题在于只能观察到主体所在组的潜在结果，即 (Y_i = Z_iY(Z_i)+(1 - Z_i)Y(1 - Z_i))。个体层面的因果估计量不能仅用观测数据的函数表示，因此我们主要关注总体层面的因果效应，如平均处理效应（ATE），(\tau = E(\tau_i))。

2.2 随机实验与观测技术

随机对照实验中，处理分配机制已