学术研究报告：社交媒体机器人的社交价值——基于微博平台的实证研究
一、作者与发表信息
本研究由Yang Gao（美国伊利诺伊大学厄巴纳-香槟分校吉斯商学院）、Maggie Mengqing Zhang（美国弗吉尼亚大学麦金泰尔商学院）和Mikhail Lysyakov（美国罗切斯特大学西蒙商学院）合作完成，发表于2025年7月的Information Systems Research期刊（提前在线发表）。DOI编号为10.1287/isre.2024.1089。
二、学术背景与研究目标
本研究属于信息系统（Information Systems, IS）与计算机社会化行为（Computers Are Social Actors, CASA）交叉领域。随着大型语言模型（Large Language Models, LLMs）的发展，社交媒体平台开始部署智能聊天机器人（即“社交机器人”，social bots），旨在通过自动化互动提升用户参与度。然而，现有研究多聚焦于私密场景中机器人的功能性角色（如客服），对其在公开社交环境中的社交价值缺乏实证检验。
研究核心问题包括：
1. 社交机器人在公开互动中是否具有促进社交的价值？
2. 这种价值如何通过机器人生成的内容传递？
3. 平台应如何优化机器人部署策略以最大化用户参与？
三、研究流程与方法
研究基于微博平台推出的LLM驱动机器人“CommentRobot”，采用混合方法（观察数据分析与在线实验）分六阶段展开：
阶段1：数据收集
- 研究对象：2024年1月微博平台上所有提及@CommentRobot的原创帖子（106,523条），首次提及的64,365条帖子作为核心样本。
- 变量设计：
- 结果变量：帖子获得的点赞数（loglikes）和评论数（logcomments），排除机器人自身评论。
- 处理变量：是否收到机器人评论（botcomment）。
- 控制变量：用户属性（粉丝数、认证状态等）、帖子特征（字数、图片数等）及语义分析（Latent Semantic Analysis, LSA）。
阶段2：主效应分析
- 模型：OLS回归（控制时间固定效应），发现收到机器人评论的帖子用户参与度显著提升（点赞+11%，评论+23%）。
- 内生性处理：采用工具变量（IV）分析，以用户是否在2024年前与机器人互动（botinteractionbefore）作为IV，第一阶段F值=17.15，满足相关性要求。
阶段3：机制验证
- 在线实验（Credamo平台，348名活跃微博用户）：三组对照（无评论/人类评论/机器人评论），结果显示机器人评论的社交价值源于内容质量（相关性、情感支持）而非单纯身份标签。
- 文本分析：利用GPT-4o-mini构建分类器，量化机器人评论的吸引力（likes数）、相关性（relevance）、主观性（subjectivity）和情感支持（emotional）。回归表明高质量评论对用户参与度的提升更显著（p<0.01）。
阶段4：机器人靶向策略优化
- 问题发现：当前策略低效，例如优先评论低活跃用户，但高活跃用户受益更大。
- 解决方案：基于政策树（policy tree）的机器学习模型，优化后策略使平均处理效应（ATT）从1.99提升至3.43（95% CI [0.86, 6.00]）。
阶段5：用户发帖行为分析
- 双重差分模型（DID）：机器人评论仅激励用户发布更多与机器人相关的内容（+34%），但对原创或转发帖子无显著影响。
阶段6：长期效应检验
- 2024年2-3月数据验证结果稳健性，排除短期LLM热潮干扰。
四、主要结果与逻辑链条
1. 主效应：机器人评论显著提升帖子级参与度（IV分析支持因果性）。
2. 机制：高质量内容（高相关性、情感支持）是关键驱动，符合CASA框架中“功能性能力”与“社交智能”的双路径。
3. 策略优化：政策树模型识别出靶向高活跃用户、主观性帖子的策略更有效。
4. 边界条件：机器人未能激发整体发帖活动，表明其作为“被动响应者”的局限性。
五、结论与价值
1. 理论贡献：
- 拓展CASA框架至公开社交场景，提出“内容吸引力”作为新维度。
- 揭示机器人身份与内容质量的协同效应，弥补了社交机器人研究中“社交价值”的空白。
2. 实践意义：
- 平台需优化机器人内容生成策略，强化情感支持和主观表达。
- 政策树模型为靶向分配提供可操作方案（如优先响应高影响力用户）。
3. 局限性：数据仅来自微博，未覆盖多平台比较；点赞时间戳缺失可能引入噪声。
六、研究亮点
1. 方法创新：首次结合IV分析与政策树模型解决社交机器人部署中的内生性与策略优化问题。
2. 发现新颖性：揭示机器人评论“局部有效”（帖子级）与“全局有限”（用户级）的分化效应。
3. 跨学科融合：将机器学习（GPT-4o分类器）与传统计量经济学（DID、IV）结合，推动IS领域方法论发展。
七、其他价值
- 为平台治理提供实证依据：透明标注机器人身份不影响用户参与，支持AI伦理中的披露原则。
- 开放数据与附录（在线附录链接见原文），促进学术复现。
（报告字数：约2,200字）