什麼樣的回覆，對方才會覺得被認真對待？

大部分關於回訊息的建議，講的都是速度。五分鐘內要回，一小時內要回，別讓人等上三天。我共同創辦了 Subtext，大部分時間都在看大家卡住的訊息，而這些訊息出問題的地方，幾乎從來不是速度。後面有一次 Subtext 的真實執行：請它告訴 Marta 你很樂意幫她搬家，它卻先問你哪一個晚上方便。

研究指向另一個方向，而且指得很一致。一則回覆有沒有用，要看它能不能讓對方感覺到：你真的有把對方傳來的這則訊息看進去。心理學家把這稱為感受到的回應度（perceived responsiveness），意思是覺得自己被理解、被認可、被關心。不管是提問的研究還是具體性的研究，實際量到的機制都是它。它決定了一份支持是幫上忙還是幫倒忙，而人們對 AI 的懷疑，破壞的也正是它。這篇文章其餘的內容，談的都是同一件事，只是切入的角度不同。

速度沒有你想的那麼重要，但有些情況例外

這幾種情況很不一樣，把它們混在一起，就會得出糟糕的建議。

和陌生人做交易時，速度就是真金白銀。Hart、VanEpps、Sezer 和 Amir 把一個自由接案平台上約 11,660,000 筆服務需求的交易資料，和總共數千位參與者的實驗合在一起分析¹。光是慢了五到十分鐘，接到案子的機率就已經看得出下降。他們指出的機制屬於推論：一則很快的回覆會發出訊號，代表你之後多半也會及時回應。不過，這兩部分要分開來看。平台的資料是相關性的實地資料，機制則來自實驗。

和同事之間，常見的誤判正好反過來。Giurge 和 Bohns 做了八項預先註冊的研究，共 4,004 位在職成年人，發現一種電子郵件急迫性偏誤²。對於非上班時間寄出的非緊急郵件，收件人會高估寄件人期待多快得到回覆，還為此承受壓力。寄件人只要附上一句說不急的話，這種偏誤就減輕了。相關研究定義了職場訊息壓力（workplace telepressure），也就是急著立刻回覆的衝動，並指出它與恢復較差、倦怠和睡眠較差有關聯³。

衝突是例外之一。Huang 和 Yao 請奧斯汀的 162 位學生想像，爭吵的時候伴侶很晚才回訊息；這些學生預期約十分鐘內會收到回覆，平常的日子則是十九分鐘。預期更快收到回覆的人，對這次延遲的感受更差⁴。這是以學生為對象的想像情境，而且只量測了負面感受。

而沉默代表什麼，要看你們之間原本的常態是什麼。Kalman 和 Rafaeli 把回覆延遲當成一種違反預期的情形來測試，發現延遲造成的影響，取決於人們原本怎麼看待傳訊的人⁵。評估者原諒了有潛力的求職者回得慢，卻把條件較弱的求職者回得慢記上一筆。沉默對等待的人來說代表什麼，是另一個問題，我在〈對方已讀不回，代表什麼意思？〉裡談過。一個向來五分鐘內就回的人，隔了兩小時才回，是一種訊號；一個一天只回兩次的人，同樣隔了兩小時，是另一種訊號。任何以時鐘為準的規則，都抓不到這個差別。

讓速度問題換個角度的那項發現

Lew、Walther、Pang 和 Shin 做了一項人人都該知道、卻幾乎沒人知道的實驗⁶。

他們獨立操弄了兩個變項。一個是回覆多快出現，八秒對四十秒。另一個是回覆有沒有針對性（contingent），也就是是否依照對方問的內容量身回答，對照的是籠統的罐頭回應。131 位美國成年人觀看一段模擬的客服聊天，並針對四項結果評分。

速度對四項結果都沒有顯著的主效果。針對性則對四項都有顯著的效果，效果量介於 0.48 到 0.66 之間。

作者原本預測，又慢又籠統的回覆會是最糟的。他們猜錯了，也坦白這麼說。又快又籠統的回覆，在每一項結果上得分都最低。不過，快的籠統回覆和慢的籠統回覆之間的差距，在統計上並不顯著，所以站得住腳的結果是：籠統的回覆不論快慢都輸了。他們的解釋是，沒有真正回應內容的快速回覆，看起來像機器人；而且少了「對方正在忙」這個由延遲帶來的線索，這種回覆最好的情況，也只是讓人覺得你心不在焉。

如果要我從這整批文獻裡挑出一句最實用的結論，那就是：趕著傳出空洞的東西，比花點時間傳出實在的內容更糟。

一則又快又空洞的回覆，在畫面上看不出哪裡不對，看起來反而很有效率。要問到它為讀的人做了什麼，問題才會浮現。

最能通用的一個做法

針對對方剛說的話，追問一個問題。

Huang、Yeomans、Brooks、Minson 和 Gino 做了三項真人對話的研究⁷。其中一項線上聊天研究有 199 組二人配對（dyads）；被要求多問問題的人，顯著更受對方喜歡，而感受到的回應度在其中扮演中介角色。第二項研究重複驗證了這個結果，並把效果歸因到追問上，也就是只有聽進對方的回答之後才問得出來的問題。速度約會的部分則發現，追問的比例可以預測第二次約會的邀約。

關於這篇論文，有三點要說明，因為它有爭議，卻又很重要。有一場已發表的爭論：Kluger 和 Malloy 重新分析了速度約會的研究，主張只要把發問的人是誰納入考慮，效果就消失了；原作者則回應，重新分析用了錯誤的測量方式，也用了不適當的模型⁸。我會說，對話實驗是比較有力的支持，速度約會的部分則是有爭議的部分。這篇論文在 2025 年 3 月有一則已發表的更正，沒有編輯關注聲明（expression of concern），也沒有被撤稿。還有，同一篇論文裡有一項第三方研究，發現閱讀逐字稿的旁觀者並沒有同樣的偏好，這是一個真實存在的適用限制。

另外，人們因為怕冒犯對方，而不去問敏感的問題，而且顯著高估了冒犯對方的代價⁹。不論是顯而易見的追問，還是敏感的問題，你沒問出口的那個問題，多半可以放心問。

把具體的東西說出來

Packard 和 Berger 把語言的具體性（concreteness）單獨拎出來，當作「有在聽」的訊號¹⁰。他們做了五項研究，其中包括對兩個實地場景中超過 1,000 筆真實顧客互動所做的文字分析。當回覆的人用的是具體的語言，顧客比較滿意、比較願意購買，花得也比較多；機制則是顧客推斷，這位員工有在專心聽。具體性每提高一個標準差，滿意度就提高 9%，花費至少提高 13%。

我覺得，這項研究要轉成實際做法，出奇地簡單俐落。說「那件灰色 T 恤」，不要說「你的問題」。說「週四的會議」，不要說「你提到的那件事」。把具體的東西說出來，讀起來就是有認真聽，而且不花任何成本。這也是最容易用機械方式檢查的一件事。

如果是一場困難的對話，就打電話給對方

這是整批結果裡最容易被引用的一項，而且會惹你心煩。

Bevis、Schroeder 和 Yeomans 做了隨機實驗，共有 1,576 位對話參與者、1,842 場對話，另外還有 1,432 位旁觀者¹¹。比起書寫的對話，口說的對話讓人覺得更被理解、衝突更少，也讓人更喜歡對方、更享受這場對話，態度的改變也更大。合併前三項研究來看，用說的，讓理解提高了標準化 beta 值 0.45，讓衝突降低了 0.23。

接著，他們問大家會選擇哪一種。預期會有意見分歧時，83.9% 的人偏好用寫的，還預測書寫會帶來較少衝突、較多理解。他們的實驗得到的卻是相反的結果。

不過還有一個轉折。接納式語言（receptive language），也就是把自己的主張說得保留一些、先承認對方的立場再反駁、點出真正有共識的地方，在書寫中預測建設性結果的力道，比在口說中更強¹²。作者稱這是一個謎：人們在看來最需要接納式語言的媒介裡，反而用得更少。

所以，如果你非用寫的不可，這些表現接納的做法，比在電話裡更重要。如果你有選擇，打電話的結果會比你預期的更好。

作者自己提到的限制有這些：參與者大多是陌生人，所有條件下的衝突程度都偏低，而且多數是學生。兩個彼此很熟的人，為了關係裡的核心問題爭執，行為可能不一樣。

暫時性回覆，以及為什麼這個顯而易見的建議需要一個條件

我找不到任何實驗，直接拿簡短的暫時性回覆，也就是一句「收到了，我晚點好好回你」，去和「中間什麼都不回、之後才完整回覆」的做法比較。不過這個機制本身有不錯的證據支持，我把這點當作合理的推論，而不是研究發現。

延遲研究指出，真正造成傷害的，是不確定你到底會不會回¹。暫時性回覆處理的，正是這一點。Giurge 和 Bohns 顯示，一句簡短、設定期待的說明，就能減輕一種已有記錄的誤讀²。

但 Lew 等人替它加了一個條件⁶。籠統的暫時性回覆，其實就是又快又沒有針對性的回覆，也就是他們研究中四項結果都最低的那種組合。下面兩種回覆，都能替你爭取到同樣的幾天，但只有第二種，讓對方看得出你讀過那則訊息。

籠統 「感謝來信，我們會再聯絡」

又快又沒有針對性，正是 Lew 等人的研究裡，每一項結果都得分最低的那種組合⁶

具體 「時程那段我看過了，要到週四才能好好回覆你」

AI 在這裡扮演的角色

這裡值得講精確一點，因為證據比支持者和批評者說的，都更耐人尋味。

Rubin 等人做了九項研究，共 6,282 位參與者¹³。所有回應都是 AI 生成的。變動的只有標示：研究者把一部分回應說成是人寫的，另一部分說成是 AI 寫的。參與者認為，標示為人寫的回應更有同理心、更能給予支持，這些回應也帶來更多正向情緒。參與者在沒有任何提示的情況下，自己起疑，覺得標示為人寫的回應其實有 AI 參與，這種懷疑同樣降低了他們感受到的同理心。這個效果在不同的長度、延遲和模型上都重複出現，而且主要出現在側重分享情緒、而不是側重實際理解的回應上。

請仔細看這個研究設計，因為這項發現代表什麼，全看設計是怎麼做的。這是關於歸因和信念的證據，不是 AI 寫的訊息比較差的證據，因為每一則回應都是 AI 寫的。這類研究我在〈AI 訊息改寫工具真的有用嗎？〉裡談得更多。

別處也出現類似的模式。在兩項隨機實驗（共 1,020 位參與者）中，智慧回覆（smart replies）提高了效率，也增加了正向的用語；而相信對方在用智慧回覆的參與者，即使控制了實際使用情形，仍然覺得對方比較不合作¹⁴。扣分的是信念本身。另外，更早之前一項針對 AI 撰寫個人簡介的研究發現，不論內容全是 AI 寫的，還是全是人寫的，信任程度都差不多，只有在人們得靠猜的時候才會下降¹⁵。

這裡有一項相反的發現，我不打算輕輕帶過。Ovsyannikova、Oldemburgo de Mello 和 Inzlicht 發現，第三方評估者認為 AI 比專業的人類更有同情心，而且即使評估者知道對方是 AI，結果依然成立¹⁶。這兩組結果很難直接調和。差別可能出在，評估別人之間的交流，和自己親身收到一則訊息，本來就是兩回事。

針對上面談到的智慧回覆懲罰，我要拿另一項研究來直接對照，因為它的發現正好相反。Mieczkowski 等人讓參與者彼此傳訊息，其中一方使用系統建議的智慧回覆；收到訊息的人，並沒有因此在溫暖或能力上，給使用智慧回覆的傳訊者較低的評價¹⁷。把它和第 14 條來源裡由信念引發的懲罰放在一起看，兩項研究從不同的方向，指向同一個結論：實際使用 AI 協助，並不明顯會受到懲罰；會受到懲罰的，是懷疑對方把用心的工夫外包出去。

Liu、Mittal、Yang 和 Bruckman 直接測試了這種懷疑。他們用了三種電子郵件：產品詢問、派對邀請，以及安慰一位寵物過世的朋友，每一種都被說成是 AI 寫的¹⁸。被歸因的 AI 參與程度越高，信任就越低，而且在情感性的郵件上降得最多，這和作者事前的預期一致。他們沒料到的是：人際利害越高，整體的信任水準反而越高，而不是越低。所以標示為 AI 寫的慰問信，得到的信任仍比標示為 AI 寫的產品詢問高。他們自己的假設預測的是相反的排序。事後受訪時，十位參與者全都直言，不希望 AI 替自己寫任何涉及情感的內容，這和他們自己剛剛給出的評分並不吻合。人們說自己能容忍什麼，和什麼會動搖他們的信任，在這裡並不是同一回事。

Khadpe 等人找到了這兩項結果背後的機制。標示為 AI 協助，不只會讓一則訊息被扣分，也會讓收訊息的人更難從訊息看出傳訊者是怎樣的人，不論訊息本身是溫暖還是冷淡。一則溫暖的訊息，一旦被標示，讀起來就沒那麼溫暖；一則冷淡的訊息，讀起來也沒那麼冷淡¹⁹。所以，這個標示會讓你在溫暖上少拿一些分，但更主要的是，這則訊息不再被當成你為人如何的證據。

我做的是這一類的產品，所以我的解讀是：有用的，是幫你寫出屬於你自己的東西；有害的，是讀起來像外包出去的回覆。這和本文其他的部分，落在同一個結論上。一則回覆之所以有用，是因為它顯示你認真對待了對方；任何跳過認真對待這一步的做法，一到讀的人面前就站不住腳。

Subtext 是從你寫的內容出發，而不是取代它，也會讓你看到它改了多少。證據只支持這種設計，這不是行銷上的說法。

Subtext 也被設計成不替你猜。我自己編了一則 Marta 傳來的訊息，拿給它試試。訊息先道謝，說「再次謝謝你願意幫我搬家」，接著問「你禮拜二晚上還是禮拜四晚上比較方便？」，附上的請求是「跟她說我很樂意幫忙」。結果它沒有寫出任何版本，而是說「Marta 問了禮拜二還是禮拜四晚上，這個我不能幫你猜，你比較方便哪一天呢？」，並給出三個可以點選的答案：「禮拜二晚上」、「禮拜四晚上」和「兩天都可以」。

如果只根據那句請求來寫回覆，就會漏掉她的問題。選了「禮拜四晚上」之後，它寫出的第一個版本叫「簡短直接」，開頭是「不客氣，我很樂意幫忙」，接著說「禮拜四晚上比較方便，那天見囉。」它這次寫了兩個版本，都標為「可放心傳送」。這是 App 實際回傳的內容，沒有經過修改。

Subtext 可以幫你把話說得保留一些、先承認對方的立場、點出彼此有共識的地方，也會告訴你，一則暫時性回覆是籠統的那種還是具體的那種，因為這兩種看起來很像，得分卻天差地別。它永遠只處理你寫下的內容，所以要不要乾脆改成打電話，得由你自己判斷。

不同情境下是什麼樣子

底層的問題在哪裡都一樣。但解法的差異大到，要是你一概而論，就會被誤導。

• 工作與商業。和陌生人做交易時，速度很有分量。和同事之間，有記錄的錯誤是高估急迫性。具體的細節和明確的下一步行動，則是從頭到尾都管用。
• 約會。在約會中，時機會傳達訊號，這點和其他情境不同；而它遵循的是一個曲線型的最佳點，不是一條規則。第一次約會後，延遲適中的訊息，表現優於馬上傳的，也優於拖很久才傳的；同一項研究也沒有找到支持稀缺機制（也就是欲擒故縱）的證據²⁰。
• 給予支持。回應度就是一切，缺乏回應度的支持，可能比沒有支持更糟。Maisel 和 Gable 在一項針對 67 對同居伴侶的研究中發現，支持只有在符合對方所需時才有幫助²¹。遇到壞消息時，我另外寫過〈不知道該說什麼的時候，要說什麼？〉。
• 衝突。把話說得保留一些、先承認對方的立場、點出真正的共識，可以的話就打電話。如果吵架已經發生，〈吵架之後該傳什麼訊息？〉是另一個問題。

所以 Subtext 會讀你眼前的這則訊息，而不是到處套同一條規則。在工作對話串裡和在第一次約會的訊息裡，「認真對待」看起來並不一樣，即使底層的問題是同一個。

沒有任何根據的規則

五分鐘內回覆潛在客戶的規則。五分鐘內回覆能讓轉換率提高 21 倍，這個說法的源頭是廠商的白皮書。關於回覆速度與接案的底層研究是真的¹，那個倍數卻不是。

約會訊息要隔三個小時才傳的規則。我找不到任何實證支持，最接近它的那項研究，也明確沒有找到這個規則所需要的稀缺機制²⁰。

商務電子郵件的基準值，以及客服期待的各種數字。流傳很廣，來源是商業新聞稿和廠商報告，沒有公開樣本。

「31% 的人把傳訊息視為每天的焦慮來源」這個數字，來源是一個商業部落格，我也追查不到背後有任何研究。

資料來源

依文中出現的順序編號。如果某個數字無法對照原始來源查證，內文會直接說明。查證日期為 2026 年 8 月 28 日。

1. Hart, E., VanEpps, E. M., Sezer, O., and Amir, O. (2026). Speed Is a Signal: When Faster Replies Increase Hiring Likelihood. Management Science，2026 年 6 月 3 日線上發表。
2. Giurge, L. M., and Bohns, V. K. (2021). “You don’t need to answer right away!” Organizational Behavior and Human Decision Processes, 167, 114-128.
3. Barber, L. K., and Santuzzi, A. M. (2015). Please respond ASAP: Workplace telepressure and employee recovery. Journal of Occupational Health Psychology, 20(2), 172-189.
4. Huang, Q., and Yao, S. (2024). No response? Chronemic expectancy violation and relational turbulence in technologically-mediated romantic relational conflict. Journal of Social and Personal Relationships, 41(5), 1183-1206. 200 位 18 到 23 歲的學生，來自奧斯汀的一所公立大學，分析了 162 位。未預先註冊，沒有經費。
5. Kalman, Y. M., and Rafaeli, S. (2011). Online Pauses and Silence: Chronemic Expectancy Violations in Written Computer-Mediated Communication. Communication Research, 38(1), 54-69.
6. Lew, Z., Walther, J. B., Pang, A., and Shin, W. (2018). Interactivity in Online Chat: Conversational Contingency and Response Latency in Computer-Mediated Communication. Journal of Computer-Mediated Communication, 23(4), 201-221. 131 位美國成年人，平均年齡 51.32 歲。
7. Huang, K., Yeomans, M., Brooks, A. W., Minson, J., and Gino, F. (2017). It Doesn’t Hurt to Ask: Question-Asking Increases Liking. Journal of Personality and Social Psychology, 113(3), 430-452. 2025 年 3 月有一則已發表的更正，沒有編輯關注聲明，也沒有撤稿。資料見 osf.io/8k7rf。
8. Kluger, A. N., and Malloy, T. E. (2019). Question asking as a dyadic behavior. Journal of Personality and Social Psychology, 117(6), 1127-1138，作者的回應見 Yeomans, Brooks, Huang, Minson and Gino (2019), It helps to ask, 117(6), 1139-1144 (). https://doi.org/10.1037/pspi0000156
9. Hart, E., VanEpps, E. M., and Schweitzer, M. E. (2021). The (better than expected) consequences of asking sensitive questions. Organizational Behavior and Human Decision Processes, 162, 136-154.
10. Packard, G., and Berger, J. (2021). How Concrete Language Shapes Customer Satisfaction. Journal of Consumer Research, 47(5), 787-806.
11. Bevis, B., Schroeder, J., and Yeomans, M. (2026). Spoken disagreement is more constructive than written disagreement. Nature Communications, 17, article 5792. 開放取用；預先註冊與資料見 OSF。
12. Yeomans, M., Minson, J., Collins, H., Chen, F., and Gino, F. (2020). Conversational receptiveness: Improving engagement with opposing views. Organizational Behavior and Human Decision Processes, 160, 131-148.
13. Rubin, M., Li, J., Zimmerman, F., Ong, D. C., Goldenberg, A., and Perry, A. (2025). Comparing the value of perceived human versus AI-generated empathy. Nature Human Behaviour, 9(11), 2345-2359. 九項研究，6,282 位參與者；所有回應都是 AI 生成的，只有標示不同。
14. Hohenstein, J., Kizilcec, R. F., DiFranzo, D. 等人 (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. 兩項隨機實驗，1,020 位參與者。
15. Jakesch, M., French, M., Ma, X., Hancock, J. T., and Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019. 527 位參與者。
16. Ovsyannikova, D., Oldemburgo de Mello, V., and Inzlicht, M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3(1), 4. 與第 13 條來源的方向相反；兩者在此並列，沒有加以調和。
17. Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M. F., and Hohenstein, J. (2021). AI-Mediated Communication: Language Use and Interpersonal Effects in a Referential Communication Task. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), article 17.
18. Liu, Y., Mittal, A., Yang, D., and Bruckman, A. (2022). Will AI Console Me when I Lose my Pet? Understanding Perceptions of AI-Mediated Email Writing. CHI 2022. 三種電子郵件情境，人際利害逐步升高：產品詢問、派對邀請，以及安慰一位寵物過世的朋友；十場後續訪談。
19. Khadpe, P., Wenzel, D., Loewenstein, G., and Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8, 1413-1423.
20. Teichmann, F., Petrowsky, H. M., Boecker, L., Soliman, M., and Loschelder, D. D. (2026). How the timing of texting triggers romantic interest after the first date: A curvilinear U-shaped effect and its underlying mechanisms. Journal of Social and Personal Relationships, 43(2), 570-593. 2025 年 9 月線上發表。第一次約會後的曲線型時機效應；沒有找到支持稀缺機制的證據。
21. Maisel, N. C., and Gable, S. L. (2009). The Paradox of Received Social Support: The Importance of Responsiveness. Psychological Science, 20(8), 928-932. 67 對同居伴侶。