O2O模式下电商企业客户服务评价体系构建

（教授）

O2O模式的理念是把线上消费者引导到实体商铺中，通过在线支付的方式结算，使消费者享受优质服务。本文将O2O电商企业定义为依赖互联网并通过电子化手段参与为客户提供产品、信息、服务等商务活动的同时为消费者和线下商家服务的企业，即平台类电商企业。近年来电子商务以席卷之势在我国迅速发展，对线下商家产生了不小的打击。O2O模式的电子商务为这些线下商家带来了希望，一些电商平台携手线下商家也走上了电商之路，但这条道路并非一帆风顺。O2O电商企业要想得到长远的发展，就必须做好消费者服务和线下商家服务。本文从消费者和线下商家两个视角来研究O2O电商企业的客户服务。

一、电商企业客户服务的相关研究综述

良好的客户服务使企业在市场中获得竞争优势，较差的客户服务会使企业陷入举步维艰的困境。Parauraman等（1988）提出的SERVQUAL理论用于研究客户期望与客户实际感知的差距，旨在提高服务质量，最终提升客户服务水平。O2O电商企业的客户主要为消费者和线下商家两个群体，而目前大部分研究仅针对消费者的客户服务进行了探讨。如王小娟、李红霞（2014）从经营能力、客户、企业的学习与成长、财务能力以及协同创新能力五个方面，甄选了20个代表性指标构建电子商务服务业企业绩效评价指标体系，运用回归分析法对其所构建的电子商务服务业企业绩效评价指标体系进行了验证。姜黎辉（2015）将卓越的客户服务归因于精准定价，其目的是在服务市场中获取竞争优势。Leila等（2017）研究了标准化和定制化的集成服务对服务质量、客户满意度、客户忠诚度的影响，为企业在客户服务时标准化与定制化的决策提供了依据。Bina、Karaiskos等（2007）对消费者接受移动数据服务的影响因素进行了分析，并提出了感知易用性、享乐价值、社会价值、实用价值、财务障碍、技术障碍、安全和隐私障碍7个影响因素。李雪欣、郁云宝（2015）以电商企业网络营销绩效为研究对象，通过对其内涵、特点、现状、影响因素的深入分析和已有相关研究的借鉴，从员工素质、安全性、顾客服务效果、网站设计效果、网站推广效果、财务状况六个主要方面构建其评价指标体系。Sadegh Feizollahi等（2014）以银行为例证研究互联网技术对电子商务组织服务绩效的影响，得到电子商务组织内部流程和绩效、互联网技术、客户与电子商务的熟悉度正相关的结论。

仅有少部分研究是通过线下商家对电商平台的采纳情况来研究线下商家服务的。马玥（2012）通过服务自身特性、商家特性、环境特性三个维度，感知有用性、感知易用性、成本、商家新技术采纳偏好、间接利益认知、服务提供商的推动、竞争压力、消费者采纳8个因素来研究线下商家的采纳意愿。Xun Xu等（2017）从商家的角度出发，提出通过产生高的客户累计评价率来保证高的客户需求和收益。单汩源等（2015）通过感知易用性、感知有用性、消费者采纳、竞争压力、感知风险、个体创新型6个指标来探究生活服务领域线下商家对移动商务的采纳意向。

通过梳理分析已有的研究，发现学者们对电商企业客户服务方面的研究较少，尚未发现同时对消费者和线下商家进行研究的文献。本文在以往相关学者研究的基础上，分别从消费者服务和线下商家服务两个视角进行调研、分析，从而提高O2O模式下电商企业的客户服务水平。

二、O2O电商企业客户服务指标选取及问卷调查基本情况

1.指标选取。本文通过对已有文献进行梳理和提炼，根据与消费者和线下商家的深度访谈结果，得到消费者服务方面的25个指标与线下商家服务方面的21个指标，如表1、表2所示。

2.调查问卷设计。本次调查问卷由两部分构成，即被调查者基本信息和由上述指标组成的主体问卷。对于消费者服务的调查问卷，基本信息包括：性别、年龄、受教育程度、收入、是否有过O2O交易以及交易的频率；对于线下商家服务的调查问卷，基本信息包括：线下商家的行业类型、是否与O2O电商平台合作。本次问卷先请相关电子商务专家指正，然后在小范围内测试，最后再经修订使用。问卷的主体部分是根据李克特5级量表，调查每个指标的重要程度，选项1～5分别表示完全不符合、不符合、不确定、符合和完全符合，得分越高说明该指标完成情况越好。

3.样本选取。本次问卷调查的对象为O2O电商企业的客户服务对象——消费者和线下商家。由于参加O2O交易的双方没有区域限制，所以本文通过网络调查问卷方式获取的样本具有可靠性、科学性。本研究在问卷星平台发布问卷，历时两个月。消费者问卷的回收数量为500份，剔除没有进行过O2O交易的问卷，有效问卷有423份，问卷有效回收率为84.6%；线下商家问卷的回收数量为300份，剔除没有与电商平台合作的无效问卷，剩余210份有效问卷，问卷有效回收率为70%，说明线下商家与互联网融合的比例有望进一步扩大。

表1 消费者服务原始测项

表2 线下商家服务原始测项

4.描述性统计。消费者问卷中，从性别上看，男性占比45%，女性占比55%；从年龄上看，18～25岁的占比52%，26～30岁的占比30%，大于30岁的占比18%；从学历上看，高中及以下学历的占比25%，大专与本科学历的占比45%，硕士及以上学历的占比30%；从月收入来看，低于2000元的占比48%，2000～5000元的占比30%，高于5000元的占比22%。这说明年龄低于30岁的女学生或女员工更愿意参与O2O交易。

线下商家问卷中，从行业类型来看，23%是餐饮行业，20%是旅游行业，娱乐行业如KTV、台球、网吧等占21%，住宿行业占17%，其余的线下商家行业类型为医疗、出行、汽车、母婴等；从合作的O2O电商企业来看，大多数选择的是美团、携程、口碑等电商平台。数据表明，O2O电商平台的简易性和辅助性尤为重要。

三、研究方法

因子分析可以解决多变量问题，通过研究各个变量之间的关系，抽出几个主要的成分以降低维度。由于很难直接对几十个变量的问卷进行分析，而经过因子分析降维之后，就变成对少数几个主要因子进行分析，同时包含原始问卷的大部分信息，所以本文选择因子分析法对问卷中涉及的指标进行降维。

1.信度检验。问卷的信度也就是问卷的可靠性，指采用同样的方法对同一对象重复测量时所得结果的一致性程度，也就是反映实际情况的程度。本文采用α可靠性系数检验（Crombach′s α），其运算公式为

α的取值越大，说明问卷的可靠性越高。本文中消费者问卷的Crombach’s α系数为0.901，线下商家问卷的Crombach’s α系数为0.886，说明本文中两份问卷的可靠性非常高。

2.效度分析。对两份问卷进行KMO检验和巴特勒球度检验，KMO的取值越接近1，Bartlett球度检验值越高，且显著性水平越低（＜0.05），说明变量的相关性越强，越适合进行因子分析。本研究中消费者问卷的KMO值为0.880，Bartlett球度检验值为4556.089，显著性水平为0.000；线下商家问卷的KMO值为0.889，Bartlett球度检验值为3985.865，显著性水平为0.000。因此，问卷的变量间存在强相关性，适合进行因子分析。

四、因子分析

1.消费者视角下O2O电商企业客户服务因子分析。以SPSS 20.0软件对问卷进行因子分析，删除有交叉载荷的指标（X4在第三个和第五个因子上的负荷分别为0.83和0.5；X16在第一个和第四个因子上的负荷分别为0.58和0.63）。根据表3，利用特征值大于1的要求提取5个公因子，这5个公因子的累计方差贡献率达到65.153%（＞60%），可以反映25个指标的绝大部分信息。5个公因子的方差贡献率分别为：F1（29.313%）、F2（10.174%）、F3（9.878%）、F4（8.348%）、F5（7.439%）。根据每一个公因子的贡献率占这5个公因子累计贡献率的比率，可以求得5个公因子所占的比重分别为：0.4499、0.1562、0.1516、0.1281、0.1142。表4中的权重是利用成分得分系数矩阵建立关于公因子的回归方程来确定的。

由表4可知，公因子F1由产品质量（X1）、描述一致性（X11）、环保性（X21）、价格竞争力（X19）、隐性消费（X9）5个指标构成，将F1命名为商品服务（权重为44.99%）。产品质量（因子载荷为0.866）是消费者在进行O2O交易时首先要考虑的因素，只有使消费者认可产品质量，才能将流量转化为交易量。描述一致性（因子载荷为0.845）、隐性消费（因子载荷为0.693）是当今社会的特色指标。互联网环境下各种信息的质量参差不齐，使消费者更倾向于选择描述一致的企业。调研显示，隐性消费阻碍了O2O交易的达成，隐性消费的出现会使消费者对交易的线下商家甚至对O2O电商平台产生厌恶情绪，因此O2O电商平台要与线下商家齐心协力避免隐性消费的出现。商品或服务的价格竞争力（因子载荷为0.737）相对于其他渠道越高，交易数量和交易额就越高。消费者对环保性（因子载荷为0.764）的重视要求O2O电商企业在进行商品包装时选择环保材料。

表3 消费者视角——解释的总方差

表4 消费者视角——旋转矩阵与各指标权重

在商品服务中，产品质量的权重最大，O2O电商企业可通过鼓励消费者举报或投诉劣质的产品或服务、对店铺进行等级评价等方式严格把控平台上产品或服务的质量，满足消费者对质量的要求；描述一致性居于次要地位，它要求O2O电商企业对线下商家产品或服务描述的真实性进行审核，不夸大信息和欺骗消费者，根据调研结果，消费者对该项指标的打分偏低，迫切需要提高该指标值来提高O2O电商企业的客户服务水平。

公因子F2由网络服务（X15）、协同创新能力（X14）、商品选择（X13）、响应性（X17）、支付方式（X5）5个指标构成，将F2命名为技术服务（权重为15.62%）。网络服务（因子载荷为0.859）是进行交易的基础，O2O电商企业要保障服务器的安全性，不出现错误信息，以免生成错误的订单给平台造成损失。响应性（因子载荷为0.727）指要保证系统的反应速度，节约消费者的交易时间；协同创新能力（因子载荷为0.805）指O2O电商企业能随着科技的进步，提供先进的技术方案；商品选择（因子载荷为0.790）要求O2O电商企业在商品排列过程中要符合消费者的习惯；支付方式（因子载荷为0.669）指要考虑消费者的偏好，保证支付方式的多样性和安全性。

在技术服务中，网络服务权重最大，这就要求O2O电商企业在策划营销活动时，充分考虑客户流量和网络承载水平，避免因通道拥挤和库存错误的出现而影响消费者对平台的好感度；协同创新能力居于次要地位，说明消费者热衷于新事物、新方法，要求O2O电商企业要有创新意识，与时俱进。

公因子F3由服务一致性（X18）、投诉渠道与有效性（X10）、交易风险（X3）、处理退款速度（X23）、售后保障（X12）5个指标构成，将F3命名为权益保障服务（权重为15.16%）。服务一致性（因子载荷为0.843）指消费者进行O2O交易与传统交易时享受的服务一样；O2O电商企业要保障投诉渠道的有效性（因子载荷为0.809）和及时性；通过完善交易协议等方式降低交易风险（因子载荷为0.764）；O2O电商企业要与线下商家约定好退款的时间（因子载荷为0.692），较快的退款速度会增加消费者对平台的信赖；消费者的售后保障（因子载荷为0.606）一直是电子商务交易的瓶颈，O2O电商企业要建立完善的安全机制，保护消费者的售后权益，如退换、返修等。

在权益保障服务中，服务一致性权重最大，由于O2O模式线上线下交易的特殊性，存在线上下单、线下消费与线下下单、线下消费两种形式，只有一致的服务才能赢得消费者的青睐，这就要求O2O电商企业在面临不同渠道的消费者时要提供一致的服务，增强消费者的线下体验，不能区别对待。该指标的调研结果显示分数较低，不少被调查者都表示有被区别对待的经历。投诉渠道与有效性居于次要地位，消费者进行网上交易时最担心付款之后买到劣质的产品或服务，又没有途径挽回自己的损失，所以O2O电商企业要完善投诉渠道的建设，做到投诉渠道真实有效，防止空有其名。

公因子F4由柔性服务（X20）、隐私保护（X22）、节约时间成本（X6）和定制化服务（X24）4个指标构成，将F4命名为个性化服务（权重为12.81%）。新常态经济环境下，随着生产力水平的提高，供大于求的市场规律使得个性化服务成为企业发展的助力器，提供柔性服务（因子载荷为0.891）与定制化服务（因子载荷为0.680），可以提高消费者的忠诚度；消费者越来越注重个人的隐私保护（因子载荷为0.813），O2O电商企业要加强员工的素质和企业责任感，保护客户的隐私；消费者在进行O2O交易时有节约时间成本（因子载荷为0.733）的需求，O2O电商企业应努力为消费者提供可以节约时间成本的交易。

在个性化服务中，柔性服务权重最大，柔性服务包括服务产品柔性、服务过程柔性与服务接触柔性，要求O2O电商企业在日常运营时要按照消费者满意的方式进行，而不是按照标准流程进行；隐私保护居于次要地位，要求O2O电商企业在获取消费者交易信息时，用加密算法进行信息传输，同时运用奖励惩罚约束线下商家的行为，不泄露消费者个人信息，遵守职业道德。

公因子F5由信息真实（X7）、返利情况（X2）、线上评价满意度（X25）、咨询服务（X8）4个指标构成，将F5命名为交易服务（权重为11.42%）。信息真实（因子载荷为0.832）是进行交易的基础；目前消费者对返利情况（因子载荷为0.805）满意度不高，O2O电商企业可以增设返利入口对潜在消费者进行引流；线上评价满意度（因子载荷为0.782）有利于将潜在客户转换为真正参与交易的客户，O2O电商企业要采取一定的奖励策略鼓励消费者进行线上的真实评价；O2O电商企业存在咨询入口少，回答不及时，不能使消费者得到满意的答复等问题，需要提高咨询服务（因子载荷为0.634）质量。

在交易服务中，信息真实的权重最大，现在互联网上的信息鱼龙混杂，网上交易被骗的事件屡见不鲜，尤其是“大学生通过58同城找工作，被骗进传销”事件在全国引起了很大的轰动，O2O电商企业要合理管控平台上的信息，保证信息真实，杜绝虚假信息的出现，使消费者不受伤害，赢得消费者的信任。返利是传统电商交易非常有效的推广方式，而在O2O交易中较少被推广使用，O2O电商企业可以抓住机遇，完善O2O交易的返利途径，恰当的返利能增加潜在的客户量和交易数量。

2.线下商家视角下O2O电商企业客户服务因子分析。用SPSS 20.0软件对问卷进行因子分析，删除有交叉载荷的指标（Y15在第一个和第四个因子上的负荷分别为0.476和0.357）。根据表5，利用特征值大于1的要求提取4个公因子，这4个公因子的累计方差贡献率达到65.045%（＞60%），可以反映20个指标的绝大部分信息。4个公因子的方差贡献率分别为：F1（32.515%）、F2（12.637%）、F3（10.336%）、F4（9.558%）。根据每一个公因子的贡献率占这4个公因子累计贡献率的比率，可以求得这4个公因子所占的比重分别为：0.4999、0.1943、0.1589、0.1469。表6中的权重是利用成分得分系数矩阵建立关于公因子的回归方程来确定的。

由表6可知，公因子F1由营业收入（Y8）、客户流量（Y20）、竞争力（Y5）、节约成本（Y3）、品牌形象（Y21）、潜在客户量（Y11）、决策支持（Y6）7个指标构成，将F1命名为获利性服务（权重为49.99%）。通过O2O电子商务交易是否可以为线下商家带来营业收入（因子载荷为0.839）的增长、竞争力（因子载荷为0.781）的提升、成本的节约（因子载荷为0.769）、品牌形象（因子载荷为0.729）在消费者内心的深化，都是O2O电商企业在平台建设、营销策划时需要考虑的因素；客户流量（因子载荷为0.805）大和潜在客户量（因子载荷为0.708）大的O2O电商平台才是线下商家理想的合作平台，因此O2O电商企业要从多方面入手进行平台的推广；O2O电商企业可以通过对交易数据的分析，为线下商家提供恰当的决策支持（因子载荷为0.666）。

表5 线下商家视角——解释的总方差

表6 线下商家视角——旋转矩阵与各指标权重

在获利性服务中，营业收入所占权重最大，线下商家与O2O电商企业合作的目的是希望搭载“互联网+”这条大船，增加自己的营业收入，O2O电商企业可以与多个领域的商家合作，使得参与A交易的消费者获得B领域的优惠券，促进消费者的全方位消费，提高线下商家的营业收入；客户流量的重要性次之，O2O电商企业要多与其他领域的伙伴进行战略合作，实现多入口增加客户流量。

公因子F2由操作简易性（Y4）、完美呈现服务（Y10）、柔性服务（Y19）、响应性（Y12）、信息更新方便性（Y17）、支付方式（Y1）6个指标构成，将F2命名为技术性服务（比重为19.43%）。操作简易（因子载荷为0.864）、柔性服务（因子载荷为0.766）、信息更新方便（因子载荷为0.694）会减少线下商家O2O交易时的障碍；O2O电商企业要保证系统的响应性（因子载荷为0.756）、支付方式的多样性与便利性（因子载荷为0.659），完美呈现线下商家的商品或服务（因子载荷为0.817），增加与线下商家的感情纽带。

在技术性服务中，操作简易性所占权重最大，操作简易会降低线下商家进入O2O电商平台的门槛，O2O电商企业在平台建设时应以简易性为原则，多设一些选项类信息，少设一些填写类信息；完美呈现服务的重要性次之，O2O电商企业可以通过聘请专业的策划师来帮助线下商家在平台上呈现商品或服务，提高由walk by到walk in的转化率。

公因子F3由权责明确（Y14）、交易辅助性（Y9）、感知风险（Y18）、入驻资格审查（Y16）4个指标构成，将F3命名为权益性服务（比重为15.89%）。O2O电商企业要制定详备的规则性文件，供参与交易各方遵守，保证交易各方权责明确（因子载荷为0.875）；通过分析线下商家感知风险（因子载荷为0.796）的来源，找到针对性的策略；O2O电商企业应严格审查平台入驻商家（因子载荷为0.700），保障平台上其他商家的权益；良好的交易辅助服务（因子载荷为0.836）会增加线下商家的对平台的依赖程度。

其中，权责明确所占权重最大，O2O电商平台每天的交易量很大，不可避免地会出现退货、投诉的订单，原因可能是平台漏洞或是线下商家优惠设置错误，O2O电商平台要敢于承担责任，与线下商家一起妥善处理问题订单，避免出现推卸责任的现象，切实保障线下商家的权益；交易辅助性的重要性次之，O2O电商企业要为新进入平台的线下商家提供专门的技术咨询服务，消除线下商家的疑惑，辅助其进行日常O2O交易。

公因子F4由安全性（Y13）、佣金收取（Y2）、展示公平性（Y7）3个指标构成，将F4命名为风险性服务（比重为14.69%）。O2O电商企业要从技术和规则多方面保证O2O交易的安全（因子载荷为0.894）、线下商家交易数据的安全、客户信息的安全；制定线下商家可以接受的收费机制（因子载荷为0.837）；公平的商品展示（因子载荷为0.742）能提高线下商家的满意度，有利于线下商家与平台的长期合作。

其中，安全性所占权重最大，线下商家对电商一类的新事物有抵触情绪，其根本原因就是担心交易的安全得不到保障，O2O电商企业可以为该类线下商家推出交易险，保障O2O线上交易的安全性，解除他们的后顾之忧；佣金收取重要性次之，O2O电商企业要通过广泛的市场调查，找到不同行业领域线下商家所能接受的佣金比例，不可盲目提升佣金，对于在平台上成交订单数多、成交额高的线下商家给予一定比例的佣金减免政策。

五、O2O电商企业客户服务指标体系构建

综合消费者服务和线下商家服务两个视角建立较为全面的O2O电商企业客户服务评价指标体系，如下图所示，其中右侧是消费者视角的客户服务评价指标，左侧是线下商家视角的客户服务评价指标，对应指标权重见表4和表6。

六、O2O电商企业提升客户服务水平的建议

本文通过对消费者和线下商家的调查问卷，获取他们关注的指标，运用因子分析进行降维，建立了O2O电商企业客户服务评价指标体系，为提升O2O电商企业客户服务水平，提出了以下建议：

1.增加引流入口，增加O2O平台的客户流量和潜在客户量。每个消费者在进行O2O交易时都面临多个选择，每个线下商家在选择合作对象时也不是唯一的，O2O电商企业要争取更多的消费者购买、和更多优质的线下商家合作。O2O电商企业可通过增加多个引流入口，如搜索引擎、微信公众号、返利等来增加客户流量和潜在客户量。越来越大的客户流量和越来越多的潜在客户量会发挥马太效应的优势，增加O2O电商企业的知名度和交易量。

2.实施客户关系管理（CRM），对消费者和线下商家进行综合管理。加强平台的信息化建设，根据优惠券到实际消费的转化率将消费者进行分类，针对不同类型的消费者采取不同的优惠策略，加速信息流向现金流的转化；根据与O2O电商平台合作的数量、所处行业类型对线下商家进行分类，进行有差异的营销策划。

O2O模式下电商企业客户服务指标体系图

3.深化服务内容，增加消费者和线下商家对平台的粘性。O2O电商企业容易成为线下商家获取订单的跳板，部分线下商家为了少向平台缴纳佣金，阻止消费者进行O2O平台上的交易，通过传统面对面收取现金的方式进行结算。为避免这种状况，O2O电商企业要加强线下管理，以入股线下商家、合理收取佣金、给予优秀的线下商家一定的奖励、共同出资策划增加线下商家流量和交易活动等手段来获得线下商家的信任，建立合作联盟伙伴关系。同时，O2O电商企业为消费者建立会员体系，参与平台交易可获取积分，积分能抽奖或兑换礼品，保障消费者对平台的忠诚；为线下商家提供诸如物流、数据、金融等增值服务，深化决策支持的内容，为线下商家在进行时间、订单、客流量、备货、库存等多种类型的决策时提供依据。

主要参考文献：

A.Parauraman， V.A.Zeithaml，L.L.Berry.SERVQUAL：A multiple-item scale for measuring consumer perceptions of service quality［J］．Journal of Retailing，1988（1）．

王小娟，李红霞．电子商务服务业企业绩效评价研究——基于回归分析［J］．技术经济与管理研究，2014（9）．

姜黎辉．服务转型背景下制造企业服务业务定价机制研究［J］．价格月刊，2015（11）．

Leila Agha Kasiri，Kenny Teoh Guan Cheng，Murali Sambasivan，Samsinar Md.Sidin.Integration ofstandardization and customization：Impacton service quality，customer satisfaction，and loyalty［J］．Journal of Retailing and Consumer Services，2017（35）．

Bina Maria，Karaiskos Dimitrios，Giaglis George M.．Motives and barriers affecting the use of mobile data services［J］．Sixth International Conference on the Management of Mobile Business，2007（15）．

李雪欣，郁云宝．电子商务企业营销绩效综合评价模型［J］．统计与决策，2015（17）．

Sadegh Feizollahi，Alireza Shirmohammadi，Zahra Safari Kahreh，Mohammad Safari Kaherh.Investigation the effect of internet technology on performance of services organizations with e-commerce orientations［J］．Procedia-Social and Behavioral Sciences，2014（109）．

马玥．零售领域移动商务服务商家采纳影响因素实证研究［D］．北京：北京邮电大学，2012．

Xun Xu，Charles L.Munson，Shuo Zeng.The impact of e-service offerings on the demand of online customers［J］ ．InternationalJournalof Production Economics，2017（184）．

单汩源，王晓明，张人龙．基于技术接受模型的线下商家移动商务采纳研究［J］．广西社会科学，2015（9）．