斯燕 海峰
摘 要:隨著物流快遞業(yè)務(wù)的迅猛發(fā)展,菜鳥驛站對(duì)社區(qū)及高校的不斷滲入,極大地提高電商物流的效率。為深入研究菜鳥驛站顧客滿意度的相關(guān)影響因素,為相關(guān)市場(chǎng)策略提供參考依據(jù),本文基于因子分析理論開發(fā)了菜鳥驛站顧客滿意度量表。先通過(guò)文獻(xiàn)回顧、焦點(diǎn)小組和開放式討論等形成問(wèn)卷初始條目池,基于最大差異抽樣抽取了50位被調(diào)研者進(jìn)行量表的預(yù)測(cè)試,并形成了量表初稿。再通過(guò)方便抽樣抽取了320名對(duì)象進(jìn)行信效度檢驗(yàn),結(jié)果表明問(wèn)卷信效度良好,可作為相關(guān)研究的評(píng)價(jià)工具。
關(guān)鍵詞:因子分析? 菜鳥驛站? 顧客滿意度? 信度效度
中圖分類號(hào):F719 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2020)10(a)--03
在互聯(lián)網(wǎng)飛速發(fā)展的時(shí)代,電商行業(yè)借助互聯(lián)網(wǎng)的春風(fēng)綻放出勃勃生機(jī)。2008年至今,電子商務(wù)進(jìn)入爆發(fā)式增長(zhǎng)階段,有效地帶動(dòng)了制造業(yè)、物流快遞、移動(dòng)支付、互聯(lián)網(wǎng)等產(chǎn)業(yè)的發(fā)展。網(wǎng)絡(luò)經(jīng)濟(jì)的飛速發(fā)展表現(xiàn)在以下三個(gè)方面:(1)網(wǎng)民規(guī)模持續(xù)增長(zhǎng),截至2017年12月,我國(guó)網(wǎng)民普及率高達(dá)55.8%,規(guī)模達(dá)到7.72億,超過(guò)亞洲和全球的平均水平[1]。(2)網(wǎng)絡(luò)購(gòu)物用戶快速增長(zhǎng)。2017年,我國(guó)網(wǎng)絡(luò)購(gòu)物用戶規(guī)模達(dá)到5.33億人次,較2016年增長(zhǎng)14.3%,占網(wǎng)民總體的69.1%。(3)電子商務(wù)規(guī)模持續(xù)擴(kuò)大。據(jù)國(guó)家統(tǒng)計(jì)局電子商務(wù)交易平臺(tái)調(diào)查顯示,2017年全國(guó)電子商務(wù)交易額達(dá)29.16萬(wàn)億,同比增長(zhǎng)11.7%[2]。
2013年5月菜鳥網(wǎng)絡(luò)成立,股東有阿里巴巴、銀泰、復(fù)星、富春投資、順豐和三通一達(dá)等。2014年8月“天貓服務(wù)站”與“阿里巴巴服務(wù)站”正式升級(jí)為“菜鳥驛站”。作為菜鳥網(wǎng)絡(luò)五大戰(zhàn)略方向之一,其面向社區(qū)和校園建立高效的物流服務(wù)平臺(tái),為網(wǎng)購(gòu)用戶提供包裹代收服務(wù),致力于為消費(fèi)者提供多元化的最后一公里服務(wù)。2018年7月11日,國(guó)家郵政局發(fā)布的《2017年快遞市場(chǎng)監(jiān)管報(bào)告》顯示[3],2017年中國(guó)快遞業(yè)務(wù)量達(dá)到400.7億件,同比增長(zhǎng)28%,約占據(jù)世界份額的40%,連續(xù)4年穩(wěn)居世界第一。2017年快遞業(yè)務(wù)量達(dá)87.8億件,對(duì)全球快遞增長(zhǎng)貢獻(xiàn)率超過(guò)50%。
電子商務(wù)的飛速發(fā)展給物流行業(yè)帶來(lái)了巨大的機(jī)遇和挑戰(zhàn)。機(jī)遇在于電子商務(wù)相關(guān)需求已成為其業(yè)務(wù)的主要來(lái)源,促進(jìn)其不斷快速發(fā)展,帶動(dòng)了菜鳥網(wǎng)絡(luò)的營(yíng)業(yè)額不斷上漲。但物流相關(guān)投訴案件也頻繁發(fā)生。較差的服務(wù)逐漸降低了顧客對(duì)于特定物流服務(wù)的信任,物流滿意度甚至決定了整個(gè)網(wǎng)絡(luò)購(gòu)物的發(fā)展。
作為電子商務(wù)的重要一環(huán),對(duì)菜鳥驛站的相關(guān)研究逐漸受到重視,包括配送模式、網(wǎng)絡(luò)優(yōu)化、發(fā)展策略等。但菜鳥驛站顧客滿意度的相關(guān)研究尚未出現(xiàn),填補(bǔ)相關(guān)研究空白具有較高意義。本研究旨在編制具有良好信度和效度的菜鳥驛站顧客滿意度量表,為物流企業(yè)滿意度相關(guān)研究提供評(píng)價(jià)工具。
國(guó)內(nèi)外學(xué)者針對(duì)不同行業(yè)的滿意度均作了相關(guān)研究。如Tijana Radojevic等(2018)通過(guò)客戶評(píng)價(jià)考察商務(wù)旅行與酒店服務(wù)滿意度之間的關(guān)系[4]。還有通過(guò)建立數(shù)據(jù)分析模型得出分析結(jié)果進(jìn)而探討行業(yè)的趨勢(shì)或?qū)Σ?,如Mohsen Farhadloo等(2016)通過(guò)互聯(lián)網(wǎng)收集了大量關(guān)于產(chǎn)品和服務(wù)的顧客評(píng)價(jià)文本資料,從而進(jìn)行情感分析,再基于貝葉斯方法對(duì)客戶整體滿意度進(jìn)行建模研究[5]。Mohammed Ismail El-Adly(2018)采用結(jié)構(gòu)方程模型研究了在酒店背景下通過(guò)顧客感知價(jià)值的自我滿足、美學(xué)、價(jià)格、聲望、交易、享樂(lè)和品質(zhì)七個(gè)維度對(duì)顧客滿意度和忠誠(chéng)度的影響[6]。付鴻彥等(2018)針對(duì)403家上市制造業(yè)公司采用最小二乘法進(jìn)行了實(shí)證調(diào)查,結(jié)果顯示戰(zhàn)略型企業(yè)社會(huì)責(zé)任與客戶滿意度,以及企業(yè)財(cái)務(wù)績(jī)效之間存在相關(guān)性,其中客戶滿意度起到中介作用[7]。
Rao S等(2011)在電商環(huán)境下建立e-LSQ模型研究了物流服務(wù)質(zhì)量及服務(wù)價(jià)格對(duì)客戶滿意度、忠誠(chéng)度的影響[8]。Ltifi Moez等(2015)以顧客愉悅為中介變量,研究商品零售業(yè)中物流服務(wù)質(zhì)量對(duì)顧客滿意度的影響[9]。王成等(2015)通過(guò)問(wèn)卷調(diào)查的方式進(jìn)行了校園快遞滿意度研究,分析并發(fā)現(xiàn)校園快遞服務(wù)的癥結(jié),提出服務(wù)優(yōu)化的建議和方案[10]。同年夏彩云(2015)對(duì)快遞物流企業(yè)滿意度的影響因素進(jìn)行了研究,但顧客滿意度維度只有兩個(gè)條目[11]。因此,對(duì)顧客滿意度不同維度進(jìn)行系統(tǒng)回顧、發(fā)展和驗(yàn)證亟待開展。
1 研究方法
1.1 文獻(xiàn)回顧
本研究通過(guò)中國(guó)知網(wǎng)、萬(wàn)方、Web of Science、谷歌學(xué)術(shù)等中英資源庫(kù),以滿意度、物流為主題詞進(jìn)行了文獻(xiàn)檢索,以物流行業(yè)為研究對(duì)象,按照客戶服務(wù)(Customer Service,CS)、服務(wù)質(zhì)量(Service Quality,SQ)、服務(wù)安全(Service Security,SC)、行為忠誠(chéng)(Behavior Loyalty,BL)等維度構(gòu)建整理了菜鳥驛站顧客滿意度評(píng)價(jià)所用條目。
1.2 開放式討論
本文選擇無(wú)錫科技職業(yè)學(xué)院菜鳥驛站、食堂和圖書館門口5個(gè)人流量比較密集的地點(diǎn),按照菜鳥驛站使用頻次高中低分別招募了10名小組成員。每位小組成員充分列舉影響自己菜鳥驛站使用滿意度的可能因素,與文獻(xiàn)回顧整理形成的條目,按照客戶服務(wù)、服務(wù)質(zhì)量、服務(wù)安全、行為忠誠(chéng)四個(gè)維度進(jìn)行分類匯總,形成條目池。
1.3 焦點(diǎn)小組
邀請(qǐng)統(tǒng)計(jì)學(xué)2名、物流管理學(xué)2名、心理學(xué)2名共6名專家,對(duì)所有條目進(jìn)行重要性評(píng)價(jià),以1~5分評(píng)分。分別表示“不重要”“比較不重要”“一般”“比較重要”和“非常重要”。選擇平均分?jǐn)?shù)大于3的條目予以保留。同時(shí)專家就條目語(yǔ)言表達(dá)的簡(jiǎn)潔性、內(nèi)容的準(zhǔn)確性、條目之間的邏輯關(guān)系是否緊密等問(wèn)題展開了討論修改,形成了菜鳥驛站顧客滿意度量表初稿。
1.4 統(tǒng)計(jì)分析
因子分析又稱為因素分析,是采用降維的方式通過(guò)尋找到對(duì)原始變量解釋度高的公共因子,用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系,即將相關(guān)比較密切的幾個(gè)變量歸于同一類中,每一類變量就成為一個(gè)因子,以較少的幾個(gè)因子反映原資料的大部分信息。
在進(jìn)行因子分析前,需要先選擇少數(shù)樣本數(shù)進(jìn)行預(yù)試分析,以了解問(wèn)卷設(shè)置是否合理。通過(guò)預(yù)試分析可以刪除未達(dá)顯著的題目。依據(jù)Lois Oksenberg等在《New Strategies for Pretesting Survey Questions》文中曾提及預(yù)試樣本數(shù)在25~75個(gè)為宜[12],所以本文選擇了50個(gè)樣本,運(yùn)用SPSS24.0軟件針對(duì)2018年調(diào)查數(shù)據(jù)進(jìn)行預(yù)試分析,形成第一版量表。
2 研究結(jié)果
2.1 條目確定
以無(wú)錫科技職業(yè)學(xué)院的師生為調(diào)研對(duì)象,通過(guò)文獻(xiàn)回顧和開放式討論,匯總現(xiàn)有研究中滿意度相關(guān)條目和開放式討論所列舉條目,共得到了條目18條。經(jīng)焦點(diǎn)小組討論18個(gè)條目全入選菜鳥驛站客戶滿意度量表初稿。根據(jù)研究假設(shè),針對(duì)菜鳥驛站顧客滿意度的客戶服務(wù)、服務(wù)質(zhì)量、服務(wù)安全、忠誠(chéng)四個(gè)維度進(jìn)行了條目歸納(見(jiàn)表1)。18個(gè)條目均為選擇題,采用了李克特(Likert)七級(jí)量表1~7分進(jìn)行衡量,依次分別為“非常不滿意”“比較不滿意”“不滿意”、“一般”“比較滿意”“滿意”“非常滿意”。
2.2 項(xiàng)目分析
如表2所示,針對(duì)客戶服務(wù)維度8個(gè)條目的項(xiàng)目分析結(jié)果均顯著(t>1.96,P<0.001),說(shuō)明客戶服務(wù)維度各條目鑒別力良好,提示8個(gè)條目都要保留。同理,服務(wù)質(zhì)量、服務(wù)安全、忠誠(chéng)度三個(gè)維度的各個(gè)條目也進(jìn)行了項(xiàng)目分析,結(jié)果表明:量表初稿的條目均應(yīng)予以保留。
2.3 因子分析
有相關(guān)研究指出,因子分析樣本數(shù)與觀察變量數(shù)的比例至少為10∶1至15∶1。因此,本研究發(fā)放了320份調(diào)查問(wèn)卷,實(shí)際回收298份,回收率為93.1%。通過(guò)數(shù)據(jù)雙錄入核查后進(jìn)行了探索性因子分析,進(jìn)一步確認(rèn)量表維度和條目的有效性。再針對(duì)調(diào)查結(jié)果進(jìn)行信度、收斂效度和區(qū)別效度檢驗(yàn)。當(dāng)因素個(gè)數(shù)不明,維度名稱也未知時(shí),大多數(shù)用于問(wèn)卷開發(fā),應(yīng)采用探索式因子分析。
驗(yàn)證式因子分析是由研究者根據(jù)專業(yè)理論和經(jīng)驗(yàn)提出若干個(gè)假設(shè)的公共因子,再根據(jù)樣本數(shù)據(jù)檢驗(yàn)?zāi)P偷暮侠硇圆⒐烙?jì)有關(guān)參數(shù),本問(wèn)卷已事先設(shè)定四個(gè)維度,因此宜采用驗(yàn)證性因子分析。驗(yàn)證式因子分析結(jié)果表明,KMO取樣適切性量數(shù)為0.959,說(shuō)明非常適合進(jìn)行因子分析。巴特利特球形度檢驗(yàn)P<0.001。Hair認(rèn)為減少40%以內(nèi)的訊息是可以接受的。分析后成分矩陣中每道題目的因子載荷量均大于0.5,總方差解釋能力中累計(jì)訊息損失約為27%,均在合理范圍內(nèi),因此保留全部條目。
2.4 信度、收斂效度和區(qū)別效度分析
首先,通過(guò)一致性檢驗(yàn)對(duì)四個(gè)維度進(jìn)行信度分析;其次將維度的所有題目取平均值用來(lái)代表該維度作為后續(xù)分析的條目進(jìn)行相關(guān)分析。收斂效度主要參考平均變異數(shù)抽取量(Average Variance Extracted, AVE),表示維度對(duì)題目的平均解釋能力;最后將AVE的開根號(hào)值與其他維度值比較進(jìn)行區(qū)別效度分析。如表3所示,描述性統(tǒng)計(jì)量總共有298個(gè)樣本,各維度Cronbach's ɑ均大于0.7,平均方差萃取量均大于0.5,符合Hair建議的信度大于0.7,AVE值大于0.5的標(biāo)準(zhǔn),代表維度具有信度和收斂效度[13]。AVE值基本大于其他維度,說(shuō)明各維度間區(qū)別效度良好。
3 結(jié)語(yǔ)
目前國(guó)內(nèi)外均有學(xué)者對(duì)物流行業(yè)滿意度進(jìn)行研究,但快遞行業(yè)滿意度量表尚未有明確標(biāo)準(zhǔn)。本次調(diào)研基于因子分析法,以無(wú)錫科技學(xué)院菜鳥驛站為研究對(duì)象,開發(fā)了菜鳥驛站顧客滿意度量表。量表的客戶服務(wù)、服務(wù)質(zhì)量、服務(wù)信任、行為忠誠(chéng)四個(gè)維度信效度良好,為快遞行業(yè)顧客滿意度提供了有價(jià)值的理論參考與應(yīng)用。
參考文獻(xiàn)
中國(guó)互聯(lián)網(wǎng)信息中心.中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL]. http://www.cac.gov.cn/2018-01/31/c_1122346138.htm, 2018-01-31.
蔡卓男.全國(guó)電子商務(wù)2017交易額同比增長(zhǎng)11.7%[N].濟(jì)南日?qǐng)?bào), 2018-03-02.
中華人民共和國(guó)國(guó)家郵政局. 2017年快遞市場(chǎng)監(jiān)管報(bào)告[EB/OL]. http://www.spb.gov.cn/zy/xxgg/201807/t20180711_1604873.html, 2018-07-11.
TijanaRadojevic, Nemanja Stanisic. The effects of traveling for business on customer satisfaction with hotel services. Tourism Management, 2018, 67:326-341
Mohsen Farhadloo, Raymond A. Patterson, Erik Rolland. Modeling customer satisfaction from unstructured data using a Bayesian approach. Decision Support Systems, 2016, 90:1-11.
Mohammed Ismail El-Adly.Modelling the relationship between hotel perceived value, customer satisfaction, and customer loyalty.Journal of Retailing and Consumer Services, 2016, 31: 217-227.
付鴻彥,任國(guó)升,廉曉潔.戰(zhàn)略型社會(huì)責(zé)任與企業(yè)財(cái)務(wù)績(jī)效的實(shí)證研究——基于客戶企業(yè)社會(huì)責(zé)任滿意度的中介效應(yīng)[J].會(huì)計(jì)之友,2018(24).
Rao S, Goldsby T J, Griffis S E, et al. Electronic Logistics Service Quality (e-LSQ): Its Impact on the Customers Purchase Satisfaction and Retention [J]. Journal of Business Logistics. 2011, 32(2):167-179.
Ltifi M, Gharbi J. The Effect of Logistics Performance in Retail Store on the Happiness and Satisfaction of consumers[J]. Procedia Economics &Finance,2015, 23:1347-1353.
王成,陳逸琪,袁佳雨.高校園內(nèi)快遞滿意度及服務(wù)優(yōu)化探討[J].現(xiàn)代物業(yè)·現(xiàn)代經(jīng)濟(jì),2015(03).
夏彩云.快遞物流企業(yè)顧客滿意度研究[J].鐵道運(yùn)輸與經(jīng)濟(jì),2015(07).
Lois Oksenberg,Charles Cannell,and Graham Kalton. New Strategies for Pretesting Survey Questions. [J].Journal of official statistics. January 1991, 7(3):349-365
Joseph F. Hair Jr, William C. Black, Barry J. Babin,Rolph E. Anderson. Multivariate Data Analysis 7th ed.[M] Person, 2010, 212-216.