基于因子分析的菜鳥驛站顧客滿意度研究

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.