服务失败中群体消费者心理互动过程研究，本文主要内容关键词为：互动论文,群体论文,消费者论文,过程论文,心理论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
服务业的发展水平可以折射出国家和城市经济的发展程度。“十五”期间，我国服务业对经济增长的贡献率已经超过40%，呈现出与工业并驾齐驱的态势。然而，由于我国许多服务新产业尚不成熟以及服务企业管理水平相对落后等原因，顾客投诉和抱怨成为社会关注的热点。尤其引人注目的是，消费者的群体投诉逐年增长，其中航空业、旅游业、通信业、医疗业、房地产业以及公用服务等服务业均表现出较强的群体投诉特征。据消费者协会和315投诉网站的投诉信息公示，几十人、上百人的群体投诉已经十分突出。如重庆300游客投诉事件、南航飞行员罢飞导致千名乘客滞留机场事件、万科地产售房处被数百业主砸毁事件以及2008春运期间数十万乘客滞留广州火车站事件等。《瞭望》新闻周刊预测，2009以后，中国的群体事件将进入高发期。这些群体投诉事件不仅严重影响了服务企业的信誉，同时还严重影响了社会的和谐与稳定。因此，群体服务失败现象已经引起服务企业和政府部门的高度关注。
从20世纪70年代开始，西方学者就开始关注服务失败和补救的研究，但遗憾的是，现有研究均是对消费个体的研究，尚未有研究关注群体消费者在服务失败和补救中的心理与行为机制。群体动力理论(group dynamic theory)表明，个体会受到群体互动影响而改变其态度、信念和行为[1]。当服务失败的对象为消费者群体时，由于群体内部的社会影响与群体互动，会进一步激化个体情绪、增加个体的感知控制能力、提高自身对抗性。本文将立足于此，力图搞清以下问题：1)服务失败群体具有哪些特征；2)服务失败群体表现为高情绪化和高对抗性的理论机制是什么；3)群体消费者的情绪与行为是如何影响其抱怨倾向的，等等。作者预期通过本文的研究，进一步丰富服务失败和补救的理论体系，也为服务企业应对群体失败事件提供科学的理论指导。
1 群体失败后消费者心理机制剖析
1.1 去个体化理论
去个体化(deindividuation)来自于Le Bon提出的群体理论，认为在群体中，人们有时会感到自己被湮没在群体之中，于是个人意识和理解评价感丧失，个体的自我认同消失，个体难以意识到自己的价值与行为，自制力变得极低，结果导致人们加入到重复的、冲动的、情绪化的，有时甚至是破坏性的行动中去，这种现象叫做去个体化[2-4]。
Tajfel和Turner[5]尝试使用社会识别理论对去个体化现象进行全新解释，提出了去个体化效应的社会识别模型(social identity model of deindividuation effects，简称为SIDE模型)。他们的基本观点是：一方面，去个体化不是自我的丧失，而是自我从个人认同转化为社会认同，结果表现为对群体规则的遵守；另一方面，去个体化操作对群体成员策略性的表达认同行为有影响。同时指出，匿名性、群体凝聚和群体沉浸共同促进了群体标准的一致性。传统的去个体化理论与SIDE的区别显而易见，前者认为去个体化操作减弱了自我意识和自我控制，导致反规则行为；后者认为去个体化操作并非减弱自我意识，而是增加了个体对情境规则的遵守[6]。SIDE模型得到了众多学者的认同和广泛应用，为揭示群体心理与行为提供了确切的解释。
1.1.1 去个体化倾向的前置因素
在去个体化研究成果中，很多学者都把群体规模作为重要影响因素考虑，并通过实验方法证实了群体规模的扩大会增进去个体化作用[2，7-9].Zimbardo[4]指出，群体规模越大，个体匿名程度就会增高，由此会导致责任的高度分散和自我意识的降低，由此，群体会变得更加具有侵略性和竞争性。Kugihara[10]基于SIDE模型，通过两个实验研究群体的规避行为，他提出，当群体成员选择侵略行为时，大群体会比小群体形成更高的竞争标准，并导致更高的侵略行为和去个体化倾向。Postmes和Spears[11]也通过“元分析”证实了较大的群体可以诱发或促进更强的反规范行为。由此，可以认为服务失败群体规模与去个体化倾向具有正向影响。
在群体行为的研究中，群体成员之间的熟悉度也被广为提及。Postmes[12]曾拿群体游行作为例子分析了群体熟悉的作用，一队互不相识的游行队伍会由于听到枪声四分五裂，而一个亲友团却不会轻易散开。加入到熟悉群体会加速个体的群体认同，提高群体凝聚。因此，相对于不熟悉的服务失败群体，熟悉群体应获得更高的去个体化倾向。由此可以得到下面两个假设：
H1 服务失败群体规模越大，群体成员去个体化倾向越强烈。
H2 服务失败群体间越熟悉，群体成员去个体化倾向越强烈。
Mackie等[13-14]提出的群际情绪理论(intergroup emotions theory,IET)对解释群体情绪与行为的关系提供了很好的理论基础，他们认为，群体成员基于群体事件形成特定的群际情绪，最终成为群体成员的一部分，情绪激活后，具体的群际情绪就会指向和调节具体的群际行为。本研究涉及的服务失败群体首先由于经历服务失败事件而激发出强烈的愤怒情绪，而正是因为拥有相似的负面情绪，原来松散的一群人才变成拥有共同对抗目标的群体，这符合群际情绪产生的条件。Leach等[15]的研究发现，愤怒是行为的有效动因，群际愤怒与群体行为高相关，群际愤怒增强了人们对抗或攻击、伤害外群体的欲望，表现为对外群体的直接行为冲突，或发动群体性事件，通过集体行为对抗政府来惠及内群体，把外群体排挤出利益之外[16]。Yzerbyt等[17]也指出，群际情绪会弥散到整个群体，尤其是愤怒等负面情绪更是如此，群体情绪的弥散性使得人们很少作为独立的个体思考问题，而增加的群体认同则会增强群体成员的去个体化倾向。由此可得如下假设：
H3 服务失败群体中成员的负面情绪越高，群体成员去个体化倾向越强烈。
1.1.2 个体化倾向的结果变量
关于去个体化导致的行为结果，Zimbardo[4]很早就采用情绪化、冲动、非理性、倒退和激烈言行来形容。Diener[7]也使用野蛮和暴力来形容受去个体化影响的群体行为。在学者们所作的实验研究中，Zimbardo[4]采用测试电击强度(通过巴斯侵略仪记录袭击他人的行为)来解释个体的暴力行为。Diener等[18]则采用泡沫剑击打的方式测试个体的攻击性。还有一些学者研究了去个体化倾向导致的行为或语言的抑制解除(disinhibition)[18]，或对某一事件的极端态度等[19-20]。在本文中，群体消费者由于共同遭遇服务失败而产生去个体化倾向，其行为表现为情绪冲动、言语激烈且对抗性强烈等，而这与抱怨倾向的行为特征是一致的。由此，与电击行为、泡沫剑击打行为类似，完全可以采用抱怨倾向来作为去个体化的行为表征。由此可得如下假设：
H4 服务失败群体中成员的去个体化倾向越强，其抱怨倾向就越强。
1.2 群体情绪感染
情绪感染理论最早由Hatfield等[21]提出，他们认为个体在交互过程中，会自动和持续地模仿他人的面部表情、声音、姿势、动作和行为等，并倾向于时刻捕捉他人的情感，把这一过程定义为情绪感染。随后的众多成果均证实了情绪感染在多种情境中是真实存在的[22-23]。然而，回顾现有文献，学者们大都只关注了个体之间的情绪感染，而对群体水平的情绪感染机制关注不够。仅有的几篇关注群体情绪感染的文献均来自组织行为文献。
Barsade[24]指出，当个体进入群体时，他会迅速被群体其他成员的情绪所包围。为了研究情绪在群体中传递的过程，实施了真实互动实验。实验结果证实，情绪感染在群体中真实存在并且比个体之间传递要复杂，相对于正面情绪，负面情绪更容易在群体中传染。经过情绪感染过程的群体提高了内部合作，降低了内部争斗，并且提高了感知绩效。Walter和Bruch[25]也提到，由于受到情绪共享机制(affective sharing)和情绪相似吸引作用(affective similarity attraction)的影响，当个体在群体中表达正(负)面情绪时，会很快感染群体中的其他人，并且这种正(负)面情绪会继续向下传递，他们把这种现象形象地比喻为螺旋效应(affect spiral)。针对于相似群体和相互间关系质量较好的群体，这种效应明显得到加强。
1.2.1 群体情绪感染的前置因素
学者们都认可群体情绪感染是一个螺旋上升过程[24-25]。个体间发生情绪感染时，负面情绪会从高程度个体流向低程度个体。个体每经历一次情绪感染，其负面情绪就有可能进一步升高。服务失败后，在一群携带负面情绪的个体组成的群体中，群体规模越大，发生情绪感染的次数就会越多，并最终导致个体更高的负面情绪。虽然在现有研究中并没有看到群体规模与情绪感染作用的实证检验，但根据以上分析，还是可以在群体失败情境下提出二者之间关联的假设。
从社会互动中可以体会到，熟悉的个体之间更容易把情绪传递给对方。如看到家人悲伤，自己也会跟着悲伤，而看到一个陌生人悲伤，自己的悲伤程度就会减缓很多。Walter和Bruch[25]也指出，高关系质量的群体维系着强烈的关系纽带，拥有交互情感支持(mutual socioemotional support)，更倾向于个体之间的情绪比较和传递[27]。
由此，可以得出下面的假设：
H5 服务失败群体规模越大，个体由于情绪感染导致的负面情绪就越高。
H6 服务失败群体间越熟悉，个体由于情绪感染导致的负面情绪就越高。
再来看个体负面情绪展示程度对情绪感染过程的影响。Barsade[24]根据情绪丛环绕模型(circumplex model of emotion)证实，高程度的负面情绪展示会带来更为强烈的感染效果，并因此给被传染者带来更高的负面情绪。Friedman和Riggio[28]采用情绪沟通试验，把带有不同程度情绪的个体请进一个房间内，让他们面对而坐并不讲话，测试结果发现高情绪个体比低情绪个体更容易感染他人。因此，可以认为在服务失败下，更加愤怒的消费者更容易感染其他消费者，并导致其他消费者负面情绪升高。
H7 服务失败群体中，周围成员展示的负面情绪越高，个体由于情绪感染导致的负面情绪就越高。
1.2.2 群体情绪感染的结果变量
Hatfield等[21]早就指出过，情绪感染的结果就是使双方的情绪聚合并统一，当然这种聚合是朝向情绪的极端方向的。由此，在服务失败群体中，多次交互情绪感染的结果使个体获得了更高的负面情绪。在此，总结前文所述：个体的高负面情绪导致更高的去个体化倾向。除此之外，一些学者证实了负面情绪与抱怨倾向的关联[29-31]。这说明群体成员的负面情绪能够直接对抱怨倾向产生作用。由此得到如下假设：
H8 服务失败群体中，个体的负面情绪越高，其抱怨倾向就越高。
由此，构建如下概念模型，见图1。
图1 服务失败后群体消费者心理互动与行为模型
Fig.1 Model of group consumer's psychological and behavior interaction after service failure
2 实验设计与实施
实验设计为2*2，两个操纵变量分别为群体规模(大/小)和群体熟悉度(熟悉/不熟悉)。把小群体人数确定为6人(另加1名同盟者)，大群体为30人(另加1名同盟者)。对于熟悉度变量，同班内学生为熟悉群体，不同年级且不同专业的学生为不熟悉群体。以上两变量的操纵在实验后的检验中均得到了确认。
参加实验的为某高校管理系的480名学生，其中男生228名，女生240名(12名学生未填报)。参与者的年龄在18-23岁之间，平均年龄为21.58(s.d.=1.88)。共实施了48次群体实验，其中针对熟悉大群体进行了4次实验，实验的被试来自于4个班(每班30人左右)，被试总计123人；针对不熟悉大群体进行了4次实验，每次实验的参与者30人，来自于不同年级的10个班(每班随机抽取3人)，被试总计120人；针对熟悉小群体进行了20次实验，每次实验参与者6人，随机抽取自同一个班，被试总计120人；针对不熟悉小群体也进行了20次实验，每次参与者6人，来自不同年级的6个班(每班随机抽取1人)，被试总计119人。以上48次实验连续实施，大群体实验平均耗时32.4min(s.d.=5.06)，小群体实验平均耗时24.6min(s.d.=6.27)。
2.1 实验刺激录像
本次实验尝试采用集体观看录像方式激发学生对校内某项服务的不满，并进而研究学生群体心理互动过程。在本次实验前，针对学生进行了小规模调查，发现学生中反映最集中的问题是学校食堂问题，具体反映在菜价贵、卫生差、态度恶劣3方面。因此决定针对学校食堂进行真实场景的拍摄。录像以两位女同学买饭的过程为线索，把食堂管理中反映突出的问题全面暴露在镜头中。尤其设计了几个特写镜头，如肮脏的泔水桶、在刷卡机上爬动的蟑螂、服务人员冰冷的表情以及饭菜中的烟头等。录像经过4名学生初步观看，随后根据学生提出的意见进行了修改，最终剪辑后录像时长为2min40s。力图把录像中反映的服务失败控制为较严重，从而充分调动同学们的负面情绪并进而激发去个体化倾向。实验结果显示，所有被试报告的服务失败严重程度的均值为6.08(s.d.=1.19)(10级李克特量表)，并且在4类实验小组中无显著差异性(F=1.068)。
2.2 同盟者(confederate)
实验中共安排了4名同盟者，包括3名男生(B1，B2，B3)和1名女生(G1)。4名同学中B1，B2和G1分别为系学生会的组织委员、文体委员和主席，B3为学校广播站记者。以上4人均符合以下条件：1)为人正派，在同学中享有一定威信和影响力；2)性格外向，具有表演能力；3)具有较高的情绪感染能力。同盟者的主要工作是带领同学们观看录像，看完录像后充分鼓动同学们针对录像内容进行互动，通过自己的语言和情绪表达充分调动在座同学的情绪状态，力争形成持续稳定的群体情绪基调。本文为4位同盟者准备了简短的发言提纲，并且每位同盟者都经过了多次演练，力争使每位同盟者在实验的临场表现中达到一致的状态。4位同盟者对本实验目的和相关假设均不清楚。
2.3 实验过程
参加实验的同学被召集到多媒体教室内，同学们只是被通知参加一次集体活动，事先对实验内容一无所知，教室内隐藏摄像机，全程监控实验过程。教室正中间摆放一长列桌子，四周摆放座椅，以便让大家能够在互相讨论时看见更多人的面孔。进入教室后，同盟者安排同学们面对面坐好，共同观看录像。观看录像后，同学们的情绪已经被调动起来，此时，同盟者进一步鼓动同学们：“大家有没有类似的感受？”，“出现这样的事儿让我们无法忍受”，“我们一定要找学校讨个说法”等。在同盟者的调动下，群体内气氛更加热烈，同学们纷纷述说着自己在食堂遇到的类似遭遇。大约讨论10-15min后，群体内气氛达到顶峰，同盟者看到时机成熟，开始向大家发放问卷。从场外的观察看，由于现场演练十分逼真，填写问卷的同学均没有意识到自己为实验被试。直到问卷结束后，负责学生工作的老师亲自进入教室向同学们解释本次实验的真实目的，并为每位同学发放一个价值10元的水杯以示感谢。
2.4 录像回放和分析
对实验过程进行了全程录像。全部实验结束后，对每个实验小组的实验进程进行了细致的回放，共同参与这一过程的包括3名老师和两名学生。首先，对4位同盟者(B1，B2，B3，G1)的现场表现进行打分。4位同盟者共主持了48组实验，每位各主持12组。5位评估人员针对同盟者在实验中的语言鼓动能力、情绪表达能力和行为肢体语言进行10分制打分。最终算出的均值结果为B1=8.0(s.d.=0.61)，B2=8.42(s.d.=0.62)，B3=8.18(s.d.=0.70)，G1=8.95(s.d.=0.65)。整体看，4位同盟者的成绩均在8分至9分之间，整体表现优秀，并且现场表现能力十分接近，这符合实验的整体控制要求。
2.5 测量量表
实验采用自我测量问卷，去个体化倾向量表参照了Tajfel和Turner[5]，Postmes和Spears[11]，Festinger等[3]，以及Zimbardo[4]等对去个体化理论本质的描述，采用“我刚才完全融入到群体中”等4问项测量；其他人情绪展示参考了Hatfield等[21]的研究成果，从语言、面部表情进行测量；负面情绪变量“愤怒”、“焦急”等8问项测量。最后，参考了Andreassen[32]等的成果，采用“我一定向学校食堂管理部门申诉此事”等4问项测量抱怨倾向变量。以上4变量的Cronbach α系数分别为0.858、0.725、0.884和0.851，信度值均可接受。
3 数据分析与假设验证
3.1 操纵检验
实验中操纵了群体规模和群体熟悉度两个变量，测量采用7级李克特量表，具体问项如下：您觉得您与教室中在座同学之间的熟悉程度如何？您觉得您与教室中在座同学组成的群体规模如何？被试自我报告的结果见表1。发现无论是大规模熟悉组(4.68)还是大规模不熟悉组(4.36)，被试感知的群体规模均显著大于(p＜0.000)小规模熟悉组(4.11)和小规模不熟悉组(3.42)；同时，无论是熟悉大规模组(6.30)还是熟悉小规模组(5.93)，被试感知的群体熟悉度均显著大于不熟悉大规模组(3.73)和不熟悉小规模组(2.57)。这说明试验的变量操纵是成功的。
3.2 去个体化倾向
如下检验群体规模和群体熟悉度对去个体化倾向的影响，去个体化倾向为因变量，群体规模和群体熟悉度为固定因素，方差分析结果如表2。修正模型的F值为11.672(p=0.031)，可见方差模型具有统计意义。进一步看到，群体规模和群体熟悉度对去个体化倾向的主效应显著。
进一步比较去个体化倾向在4个实验组别中的差异性，采用ANAOVA中的两两比较方法(SNK)，见表3。大规模熟悉群体中，去个体化倾向最高(5.40)，其次为大规模不熟悉群体(5.08)和小规模熟悉群体(4.83)，在小规模不熟悉群体中，去个体化倾向最低(4.47)。并且组间的差异性在p＜0.05的范围内是显著的。由此验证了H1和H2。
3.3 群体情绪感染
继续检验群体规模和群体熟悉度对情绪感染后个体负面情绪的影响，以负面情绪为因变量，群体规模和群体熟悉度作为固定因素，方差分析的结果如表4所示。修正模型的F值为12.746(p=0.031)，可见方差模型具有统计意义。进一步看到，群体规模和群体熟悉度对个体负面情绪的主效应是显著的。
负面情绪在4个实验组别中的差异性见表3，采用ANAOVA中的两两比较方法(SNK)发现：大规模熟悉群体中，负面情绪最高(5.74)，其次为大规模不熟悉群体(5.38)和小规模熟悉群体(5.32)，在小规模不熟悉群体中，负面情绪最低(4.93)。并且组间的差异性在p＜0.05的范围内是显著的。由此验证了H5和H6。
3.4 路径关系检验
最后采用回归对其余假设进行检验。结果显示(见表5)：周围其他人的负面情绪展示显著地影响个体的负面情绪(r=0.533)，从而证实假设7。负面情绪与去个体化之间存在正向的关联(r=0.269)，从而证实假设3。去个体化倾向和负面情绪共同解释了个体抱怨倾向，关联系数分别为0.326和0.340，证实假设7和假设8。
由此得到的回归模型(标准回归系数)表示如下
NE=0.111×GS+0.089×GF+0.533×NED
DI=0.144×GF+0.269×NE
CI=0.326×NE+0.34×DI
图2说明了去个体化倾向和情绪感染机制对抱怨倾向的共同作用，个体在群体失败后，会同时受到群体情绪感染和去个体化理论的影响。群体规模、群体熟悉度和他人负面情绪展示共同作用于情绪感染的全过程，最终形成个体的负面情绪。个体负面情绪进而作为形成去个体化倾向的重要因素，同时也对抱怨倾向产生直接作用。在情绪感染激发的负面情绪的推动下，不同规模和熟悉度的群体形成个体去个体化倾向，并最终作用于抱怨倾向。
图2 内生变量之间的路径关系
Fig.2 correlation coefficient of endogenous variables
注：GS群体规模、GF群体熟悉度、NED其他人负面情绪、NE负面情绪、DI去个体化倾向、CI抱怨倾向。
4 结束语
4.1 研究的理论意义
自从Le Bon提出去个体化的概念以来，学者们在100余年间一直没有间断去个体化现象的研究。但总体看，这些研究成果大都为社会学、人类学、政治学和心理学视角。本文基于群体服务失败这种特殊的群体行为，尝试采用去个体化理论解释消费群体抱怨倾向的形成机制，从理论视角上看是独特和新颖的。另外，本文特别关注了服务消费中的群体情绪感染现象，发现消费群体之间多次情绪感染的作用远比两个个体之间的情绪感染复杂，这对本来就研究不多的群体情绪感染理论是很好的补充。研究得到的主要结论如下。
1)研究证实，服务失败后处于消费群体中的个体会产生去个体化倾向，并最终影响其抱怨倾向。本文根据服务失败后特殊的消费情境以及消费群体的特征，设计了群体规模、群体熟悉度和负面情绪作为去个体化倾向的前置因素，结果证实以上3因素对去个体化倾向产生了显著影响，尤其是个体负面情绪作为群体互动中的主线，与去个体化倾向之间产生非常显著的关联。这种理论诠释在以往的研究中尚未见到，对解释去个体化的形成机制提供了新的思路。
2)虽然个体间情绪感染已经被多位学者证实[22-23，33]但群体情绪感染却较少被学者关注[24]。本文针对群体失败后个体之间强烈的情绪互动情境，特别关注了群体情绪感染对消费个体的影响。文中证实，群体规模、群体熟悉度和其他人的情绪展示是形成群体感染的关键因素，并最终决定了个体的负面情绪。个体负面情绪不仅直接影响抱怨倾向，同时还对形成去个体化倾向起到重要作用。
3)本文采用了真实实验方法，首先通过录像调动群体面临失败的真实感受，随后在同盟者鼓动下实现群体间真实的互动过程，这种实验方法是科学可信的[34]。被试的这种真实体验确保了变量测度的准确性，也确保了检验模型的合理性。
4.2 研究的实践意义
本研究对服务企业了解消费群体的心理与行为变化具有重要的作用。
1)消费群体在遭遇服务失败后，会激起消费者的负面情绪，这种负面情绪在经过群体成员之间多次传染后，会迅速蔓延到群体内每一个成员，并最终导致负面情绪的螺旋上升，形成极端的群际情绪。南航729事件就是典型的例子，由于飞机不能起飞，一百余名旅客在机场苦等十余个小时。愤怒的情绪在群体内部不断蔓延，机场一名工作人员的不当语言把大家的负面情绪彻底激发，最终导致双方的肢体冲突。由此，企业在面临群体失败事件时，一定要良好地控制顾客群的情绪，才能缓解和抑制去个体化的发生。企业可采用泄洪法，用真诚、体贴的态度安抚顾客，努力缓解顾客的愤怒情绪。针对极个别不友好顾客，还可采用截流法，想办法对极端顾客单独安抚或使之远离群体，避免情绪的蔓延。
2)本研究证实，群体消费者在服务失败后会被激发出强烈的去个体化倾向，并在负面情绪的推动下导致较高的抱怨倾向。群体消费者的行为表现远远比个体消费者严重，受去个体化影响的消费者会表现为激烈的言语、苛刻的要求、控制欲和战胜欲的提升，最终表现出极强的冲击力和破坏力[2，8]。如某城市发生的医疗纠纷导致上万人走上街头，并同警察发生冲突。因此，服务企业应足够重视群体失败事件，同时想办法降低去个体化倾向，将有助于消费者抱怨倾向的降低。作者建议的方法是快速处理事件、分化处理重点击破等。切忌，漠然处之和强烈对抗都会激化去个体化倾向，使得事态更加严重，不能控制。
3)研究证实了群体规模越大，群体内部情绪感染就会更加频繁和激烈，由此使群体成员获得更高的负面情绪，并因此得到更高的去个体化倾向。从我国服务行业近期发生的服务失败事件来看，数百人的群体规模已经非常常见，这样规模的事件对企业造成的负面影响大，甚至影响到社会的和谐稳定，必须引起服务企业的高度重视。企业面对大规模服务群体，必须谨慎小心，尽量不要造成影响整体人员的失误。同时，企业应具有完备的群体失败预警和快速反应预案。即使出现了大规模群体失败，也应想办法把大群体拆散并逐个安抚攻破。
最后，本研究还证实群体成员越熟悉，群体内情绪感染的作用就越强烈，去个体化倾向也就越高。如单位职工的团队旅游、好友聚餐、学生集体购物等。面对这样的消费群体，即使只是针对局部成员发生服务失败，内群体的旁观者也会在内群体认同的驱动下，受群际情绪的感染[14]，因此，熟悉群体发生服务失败的几率更高。出现失败后，企业应在事件扩散前快速解决。如果事件已经蔓延到整个群体，企业应抓住群体中的关键人物，如旅游团领队、聚餐组织者、学生干部等。说服了关键人，企业就能控制群体情绪和行为，从而把握事件的主动性。
4.3 研究的不足
最后，本研究还存在诸多不足。首先，去个体化的形成是个非常复杂的过程，很多研究者得到了不一致甚至相反的结果[11]，本研究对去个体化的形成机制进行了创新的探索，但模型的解释力还不够强(
只有0.193)，这可能是因为遗漏了某些前置因素，有待进一步深入探究。其次，本研究只是分析了2*2共4个试验组别之间的差异性，还应进一步分析在不同小组之间，如30人小组或6人小组，群体互动过程如何，通过多层次线性模型比较组间的差异性。再有，根据现场纪录的大量录像内容，还可采用观察法对群体互动过程进行深入的定性研究，并据此与定量研究结果进行互相验证。最后，考虑到实验实施的可行性，本研究采用学生样本作为被试。但学生毕竟缺乏消费经验，将来可考虑针对真实群体失败事件进行跟踪和追访，借以增加研究的外部效度。
4.4 未来研究方向
随着群体服务失败事件在我国发生的频率越来越高，必将受到国内学者的更多关注。未来研究可把文化因素考虑进来，并进一步分析与个体取向文化相比，社会取向文化是否与群体事件发生更强烈的内在关联。其次，针对复杂的群体互动过程，是否存在其他的理论视角来解释服务消费中的群体现象，如群体动力理论、社会影响理论、群体思维理论等，如毕鹏程等[35-36]就曾经对群体决策过程中的非理性行为进行了探讨，这需要学者们更加广泛地探索性研究。再次，Johnston和Hewa[37]早就指出：服务失败预警机制是控制服务失败的有效策略。但遗憾的是，还没有学者针对群体失败的预警机制进行研究，这有待在将来的研究中关注。另外，本文研究了失败群体情绪互动与行为对抱怨倾向的影响，未来研究还应对服务失败群体的补救策略进行研究，关注去个体化消失、群体说服以及群体满意等问题。最后，随着互联网的广泛普及，网络已经成为一些群体事件的主要传播渠道，参与到某个群体事件讨论的网民经常达到百万以上。网上群体事件如果处理不当，极有可能转变为网下事件从而造成严重后果。基于互联网的群体事件，参与者的内在心理过程肯定区别于真实事件中的个体，有待于学者们进一步深入研究。