基于order probit模型的电商平台消费满意度分析

夏 曼（广西职业技术学院 南宁 530226）

理论分析

（一）消费者满意度

Cardozo于1965年对消费者满意度进行了研究，他的研究首次将消费者满意度的相关概念引入营销学，Cardozo认为提高消费者满意度会增加消费者再次购买商品的几率，提高消费者对产品的信任度。国内外对消费者满意度的定义有多种说法，至今没有统一的定义，但其中最有代表性的是由Oliver于1980年提出的“消费者满意度是消费者在消费产品或服务过程中，将实际体验与预期相比较后产生的一种感知，实际超过预期，则消费者满意，否则不满意”。在诸多影响消费者满意度的因素研究中，当前研究大都以传统零售渠道为焦点，国内外大多数学者认为顾客满意度对企业的发展有着极为重要的影响，并提出了顾客满意度评价体系，包含商品、服务、环境、形象、时间、宣传等方面。

（二）电商平台消费者满意度

目前，对线上交易与顾客满意度两者间关系的研究还处于基础阶段。相关专家和学者对线上顾客满意度的影响因素与评价体系的建立各说纷纭。1999年，Lee提出了在线消费者满意度为整体性概念这一观点，并建立了网络顾客满意度体系，他的研究成果表明企业层面的后勤支持、对顾客的服务水平以及在产品层面的商品价格、质量、产品尖端性和网站设计等因素，对线上消费者满意度有着非常大的影响。2000年，Szymanski&Hise提出了“E-satisfaction”的概念并由此建立了线上顾客满意度模型，他的研究小组通过对线上交易的研究，得出了影响电商顾客满意度的四大主要因素，即线上购物的便利性、网站设计、商品种类的丰富性与描述、支付安全，随后通过对这四个影响因素的深刻分析后，他认为影响顾客满意度的首要因素是网上购物的便利性，其次是网站的设计。国内专家王海萍于2008年通过参考营销学与电子商务等相关领域的研究成果，提出了以在线质量、便利性、吸引力以及支付与售后服务为变量，测量线上顾客满意度的指数理论模型。总结以上国内外专家的研究成果，可以得出目前影响线上顾客满意度的主要因素有四个方面，即在线质量、便利性、吸引力、服务，而每个影响因素又有更细的子影响因素，如图1所示。

研究设计

（一）模型假设及符号说明

下文将基于order probit模型进行电商平台的消费满意度分析，首先进行模型假设。由于研究对象为天猫商城的网店，因此一是假设本文对天猫商城网店的取样能够符合研究的随机性要求；二是假设文章所抽取的天猫商城网店的相关数据能够满足真实性和客观性的要求；三是假设所抽取的相同综合评价级别的天猫商城网店样本能够满足一定的相似性要求。文中相关符号的含义解释如下：dij指抽取的天猫商城网店Xi与Xj之间的距离；Dij指类Gi与类Gj之间的距离；B代表据测试目标准则层的判别矩阵；Ci（i=1，2，3，4，5，6，7）指的是第i个准则下决策层的判别矩阵；Y指模型下对天猫商城店铺的综合分数评价结果。

图1 网络顾客满意度模型

（二）模型建立

由于本文选取了天猫商城不同店铺进行消费满意度的评价和分析，因此为了能够综合考虑不同店铺的评价，本文采用order probit回归模型进行模型构建。order probit模型是统计学科中广泛应用于处理有序多分类属性数据的统计分析方法，本文根据天猫商城的不同网店实际情况建立了order probit回归模型，以分析各个店铺的影响因素和分级结果。具体模型如式（1）所示：

表1 天猫商城评价指标

在该模型中，Φ-1表示标准正态分布的分布函数的反函数，Pk（k=1，2，3，…，m-1）指的是响应变量Y取第k种

?

表3 决策层总权值排序

表4 回归系数统计

表5 回归截距项

图2 天猫商城网店的综合评价层次分析

表2 准则层权值排序状态的概率，p1+p2+…pm=1；αk（k=1，2，3，…，m-1）指的是截距项，βi（i=1，2，…，n）指的是该模型的回归系数，其中x1，x2，…，xn指的是影响状态属性的各个因子。

（三）样本选择和数据处理

样本选择。本文以天猫商城为例研究电商平台的消费满意度，基于上文分析的网络顾客满意度模型，结合天猫商城实际情况构建评价因素。因为天猫商城的每项店铺评分都是综合性的，因此各项因素对于上文所述的在线质量因素、便利性因素、吸引力因素和服务因素是交叉体现的。一是动态评分，主要包括描述相符、服务态度、物流服务等；二是客诉情况，主要涉及纠纷、退款速度、退款自主完结率等；三是消费者保障服务，主要包括正品保障、提供发票和七天退换等；四是店铺保障金，是为了保障消费者权益要求店铺交纳的金额；五是开店时长，统计的是店铺的开张时长；六是店铺业务主营率，店铺主营率数值越高，表示其比行业平均水平越高。例如天猫商城的三项动态评分，即描述相符、服务态度、物流服务，既能体现在线质量因素，也能体现便利性因素和服务因素。

对于样本的选择，首先从天猫商城随机抽取不同行业的店铺作为研究分析的样本，分别对它们进行动态评分、客诉情况、消费者保障服务、卖家保障金、开店时长、业务主营率等6个因素共12个指标的统计。其次，采用聚类分析的方法对具有一定相似性的相同评价级别的店铺进行初步分类，并建立层级分析体系，其中将初步分类得出的聚类类别作为决策层，而以动态评分等六大因素作为准则层，得出不同类别的综合权重排序。最后对所抽取的样本店铺进行综合评价分级。

为了使评价结果更能反映出天猫商城的实际情况，考虑到数据的可获性，本文构建以下评价指标，如表1所示。卖家保障金、开店时长主要体现在线质量因素；动态评分主要体现便利性因素；业务主营率主要体现吸引力因素；客诉情况、消费者保障服务主要体现服务因素。

样本处理。为了保证回归结果并使模型更具适用性，本文首先对样本初步聚类和基于层次分析进行综合评价，由于天猫随机抽取的店铺中各店铺情况差异较大，进行初步聚类能够将店铺进行分类，从而在评价中更有针对性。

第一，初步聚类。聚类分析法是一种较为普遍的统计分析方法，指的是按照某一标准对研究对象或样本的特征进行归类的一种分析方法，在某一组聚类中，数据对象具有最高的相似度，而不同组的聚类间具有较大的差异性。本文通过系统聚类进行天猫商城店铺样本的初步分类，首先将各个样本单独看作一个聚类，并规定每个样本之间存在距离dij，然后根据距离选择合适的一对合并成为新的聚类，根据新聚类和其他聚类之间的距离Dij进行满足距离条件的合并，一直循环合并直至合并为同一聚类。本文通过SPSS19.0数据分析软件，分别导入所抽取的天猫商城店铺样本的相关数据，进行初步的聚类分析。

第二，基于层次分析的综合评价。层次分析法是一种普遍应用于定性问题定量分析的一种多准则决策分法，指的是通过将复杂问题的不同要素划分为相互联系的有序层次，按照同一层次元素重要性的相互比较进行定量描述，并计算不同层次元素的相对重要性次序的权值，最后通过所有层次的总排序计算并排序所有元素的相对权重，得出综合评价的排序。以下将利用天猫商城网店的综合评价作为目标层，而以网店的动态评分、客诉情况、消费者保障服务、卖家保障金、开店时长、业务主营率六大因素作为准则层，其中上节聚类得出的类别作为决策层，得出如图2所示的综合评价层次分析图。其中，最上层店铺的综合分级评价是目标层，中间的六大因素是准则层，最下面的第一类、第二类、第三类、第四类、第五类是决策层，因此还需要对准则层和决策层进行分析和比较，对比结果赋予权值，因而可以得出准则层的判别矩阵B和决策层的判别矩阵Ci（i=1，2，3，4，5，6，7）。根据Matlab编程计算，可以得出准则层和决策层权值排序如表2、表3所示。

根据计算和分析，首先得出准则层判别矩阵和决策层判别矩阵的一致性检验结果分别为Cro=0.0136，Cr=0.0176，都小于0.1，因此可以得出该模型构造的判别矩阵符合客观性和科学性的要求。其次得出决策层总权值排序分别是第二类、第五类、第一类、第四类、第三类，因此权值由小到大的Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个评定级分别为第二类、第五类、第一类、第四类、第三类这五个聚类，因此得到了样本店铺的综合分级评价结果。

（四）变量设计

通过对样本的处理能够得到店铺分类、各指标和类别的权重值，因此将Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个评定级别可以作为模型响应量Y的五种状态属性，分为标记作0、1、2、3、4，而天猫商城店铺的动态评分、客诉情况、消费者保障服务、卖家保障金、开店时长、业务主营率六大因素下的12个子因素作为解释变量。但是由于当前变量较多，不利于模型的计算和分析，因此通过因子分析降维将这12个子因素归纳为服务因子、保障因子、售后因子、退款率因子、主营率因子五个因子作为解释变量。

实证分析

本文将继续使用SPSS19.0进行相关数据统计分析，得出各个回归系数及相应的统计量，结果如表4和表5所示。可以得出天猫商城网店的综合分级评价影响因素的order probit的回归模型如下：

从而可以得出，响应变量Y取第k种状态的概率为：

由以上的回归方程及order probit回归模型分析检验结果得出，在电商平台店铺中综合分及评价影响的关键因素依次为保障因子、退款率因子、服务因子，这些因素与消费者选择某一网店时首先考虑的因素是基本一致的；售后因子和主营率因子是相对比较不重要的因素，从顾客评价电商平台店铺中也可以发现这两个因素也是消费者不太关注的因素，因此影响不大。

结论

随着电子商务的飞速发展，越来越多的消费者选择在电商平台进行购物，消费者的地位由被动转为主动，因此需要更加关注消费者。消费者满意度是购物活动再进行的基础，不仅会影响当前消费，也会对其他消费者购买活动造成影响。从一定程度上说，消费者满意的程度越高，消费者对商家的忠诚度也越高。因此，消费满意度的提高是一个企业赢得顾客、占领和扩大市场、提高效益的重要条件。电商企业更加需要重视消费者及其需求，不断提高顾客的满意度，包括服务质量、产品质量、售后服务等。本文基于运用order probit模型对电商平台消费满意度进行评价，可以帮助电子商务企业识别影响顾客满意的因素，以期为我国电商平台消费满意度的评价提供参考与借鉴。

参考文献：

1.王芹，毕杰，乔立娟.基于Probit模型分析的农业信息满意度及影响因素研究[J].北方园艺，2015（7）

2.刘佳，于涛.电子商务顾客满意度模型研究[J].软件工程，2010（12）

3.曹美婷.电商发展模式探析[J].管理观察，2015（34）

4.罗文斌，徐飞雄，张彤.基于Probit模型的城市旅游游客满意度影响因素实证研究[C].中国旅游科学年会，2013

5.李克燕.网络时代下消费者行为与营销策略研究[J].商业经济研究，2016（23）