接包方视角下众包物流平台评价研究

向传凯 张 毅 副教授

（太原理工大学经济管理学院 山西晋中 030600）

引言

众包物流是借助移动网络技术的一种全新运输模式，具有成本低、效率高、速度快等优势。据典型企业调查分析，车辆里程利用率较传统运输企业提高50%，交易成本下降6%-8%。随着研究的深入，“众包物流”的含义逐渐广义化，该模式被应用于更为广泛的运输市场之中，如干线运输、同城配送等。在“大众创新，万众创业”的号召下，各类互联网平台大量涌现，自2017年起，我国已注册的众包物流平台已超过200家。众包物流平台作为具有服务性质的网站，服务质量良莠不齐，对接包方的平台选择造成一定困难。同时，众包物流平台的迅速发展也积累了许多问题，例如平台供需双方不平衡、众包运输价格缺乏标准等。对众包物流平台进行全面评价分析有利于改善其发展模式，提升平台整体质量，促进市场良性发展。

国内外学者对众包物流模式的研究主要集中在众包物流的应用、算法的创新以及公众参与意愿影响因素等方面，对众包物流平台的评价研究尚未发现。基于此，本文以众包物流平台为研究对象，剖析已有的众包物流平台运作模式，将服务质量评价SERVQUAL模型与网站质量评价WEBQUAL模型相结合，从服务质量与网站质量双重角度综合分析众包物流平台的评价要素，建立众包物流平台评价指标体系，最后通过犹豫模糊TOPSIS方法对众包物流平台进行分析。

评价指标体系构建

众包物流平台的本质是服务型网站，因此本文从服务质量与网站质量两个角度确立评价指标体系。SERVQUAL服务质量评价模型由五个维度组成，分别为：有形性、响应性、可靠性、移情性和保证性。WEBQUAL网站质量评价模型包含可用性、信息质量、互动质量三个维度。通过分析，本文最终选取SERVQUAL模型中的安全性、可靠性、响应性以及WEBQUAL模型中的信息质量、互动质量共五个维度二十个评价指标，具体分析如下：

信息质量（匹配效率）。良好的信息质量能够提高平台整体的供需匹配效率，信息质量表现为：B1订单数量的稳定性；B2订单难度；B3订单公平性；B4信息的可信性；B5订单违约率；B6接单难度。

安全性。平台涉及个人敏感信息，如资金、身份等，应具备足够的安全性以保障用户隐私。平台的安全性主要体现在：B7平台声誉；B8交易安全；B9隐私安全；B10品牌影响力。

可靠性（市场环境）。可靠性是平台提供持续稳定物流服务的基本保证，在很大程度上影响平台的发展。众包物流平台的可靠性主要体现在：B11平台竞争力；B12资金投入；B13发展趋势。

互动质量。互动质量体现平台以及用户之间的沟通，将直接影响交易质量以及用户满意度。沟通可定义为：B14供需双方沟通；B15平台用户沟通；B16用户之间沟通。

响应性（交互设计）。多数众包物流任务的交接在司机驾驶车辆过程中完成，增加了安全隐患，需要有适用的交互设计作为保障。交互设计表现为：B17功能适应性；B18美观性；B19操作便捷性；B20注册便捷性。

研究方法

本文采用问卷调查方法对评价指标体系进行验证，考虑到李克特7级量表数值较离散，且平台用户出于准确评价的目的，对平台评价具有保守性，通常不愿意做出过于偏离中心的评价，而传统的平衡语言赋值难以反映这种保守性，故本文采用非平衡赋值函数对7级语言量表进行赋值。

其中，ζ指用户对“差”的风险态度因子，ξ指用户对“好”的风险偏好因子。用户越保守，ζ与ξ的取值则应越小。本文令ζ=0.9、ξ=0.7，得到最终赋值为{0，0.15，0.31，0.5，0.73，0.88，1}。

本文选取6家典型众包物流平台作为实证案例对其司机用户群体进行调查访问。其中干线运输平台有：运满满、货车帮；同城配送平台有：货拉拉、快狗打车；最后一公里配送平台有：美团众包、蜂鸟众包。本文通过线上与线下相结合方式派发问卷，参与人可获得随机红包奖励。共发放问卷240份，最终收回有效问卷228份，有效率为95%。

实证分析

（一）指标权重的赋值

本文采用网络层次分析法（ANP）对众包物流平台评价中各个指标进行权重赋值。ANP是在层次分析法（AHP）的基础上加以改进的更实用、更全面的评价方法，该方法充分考虑底层元素之间相互作用、相互影响的关系。本文通过专家调研的方法获得初始权重赋值初始数据，最后通过Super Decisions软件进行数值运算得到结果，如表1所示。

（二）犹豫模糊TOPSIS的计算

众包物流平台用户的异质性使其对平台的评价具有模糊性和不确定性。传统的TOPSIS法基于评价者完全理性的假设，难以适应群体评价的模糊性与不确定性。犹豫模糊集允许存在多个可能值，能够覆盖绝大部分评价者的意见。基于此，本文采用犹豫模糊TOPSIS法对众包物流平台进行实证分析。为使评价结果更加准确，本文将投票数排前三的评价值作为模糊元纳入模糊数中。犹豫模糊TOPSIS模型计算步骤如下：

第一步，将犹豫模糊数内的各个元素增序排列，构造样本数据标准化犹豫模糊评价矩阵：

第二步，将上式中的矩阵H进行归一化处理：

为排除投入型变量与产出型变量对评价结果的影响，本文通过犹豫模糊数规范化方法将投入型指标转化为产出型指标，即上述矩阵，其中：对产出型指标有_对投入型指标有

第三步：确定正负理想解：

正理想解：

负理想解：

其中，j=1，2，…，n；λ=1，2，…，l。

第四步：通过犹豫模糊欧几里德距离测度计算每个平台与正理想解和负理想解之间的距离。犹豫模糊欧几里德距离测度：

与正理想解距离集：

与负理想解距离集：

第五步：计算各众包物流平台与正负理想解的相对贴近度：

其中，wj为众包物流平台评价指标权重；Ci值越大，表明第i个平台获得的评价越高。

最终得到各维度的相对贴近度为：C1=0.528，C2=0.544，C3=0.457，C4=0.571，C5=0.499，C6=0.555。评价排序为：快狗打车＞货车帮＞美团众包＞蜂鸟众包＞运满满＞货拉拉。为进一步分析各平台在不同维度上的优劣势，本文对每个维度进行评价分析。

结果分析与启示

（一）结果分析

快狗打车最终相对贴近度为0.571，在众包物流平台中得分最高，货拉拉最终相对贴近度为0.457，在六种众包物流平台中得分最低。快狗打车与货拉拉均是专注于同城配送的众包物流平台，市场竞争最为激烈。其中快狗打车是国内最早开展众包配送业务的公司之一，其前身58速运是58同城旗下子产品，巨大的用户流量支撑其快速发展。此外，快狗打车与货拉拉均采用排他式竞争策略，司机只允许加入一个平台。货拉拉在匹配效率上与快狗打车有明显差距，说明快狗打车在很大程度上抢占了货拉拉的货源与车源，使货拉拉综合得分较低。而从专家权重打分情况上看，信息质量的重要度最高，也验证了上述分析。

货车帮与运满满的相对贴近度比较接近，分别是0.555与0.499。货车帮与运满满的市场环境维度得到的评分远高于其他平台，这是因为货车帮与运满满专注于干线运输，拥有较高行业壁垒，同时，货车帮与运满满在2017年正式宣布合并为满帮集团，结束了长期的市场竞争，创造了良好的发展环境。此外，运满满与货车帮在信息质量、可靠性和互动质量等方面的相对贴近度非常接近，从侧面说明了货车帮与运满满的合并使二者形成协同发展趋势，拥有良好发展势头。

蜂鸟众包与美团众包的相对贴近度最为接近，分别为0.528和0.544。蜂鸟众包与美团众包分别是饿了么与美团外卖的子产品，二者最初通过招募专职配送人员完成其外卖平台配送业务。随着众包的兴起，两家公司上线其众包配送产品：蜂鸟众包与美团众包，二者业务主要集中于外卖配送，外卖配送员通过移动终端处理订单较为频繁，对平台交互设计要求较高，这一点也反映在评价结果中。蜂鸟众包与美团外卖交互设计维度的相对贴近度远高于其他众包物流平台。并且，蜂鸟众包与美团众包取得了一致评价结果，说明二者依托各自外卖平台并驾齐驱，取得了和谐稳定的发展空间。

表1 指标权重与理想解

（二）启示

第一，核心评价维度的质量有待加强。如表1所示，信息质量、可靠性以及互动质量拥有较高权重。各平台在信息质量、安全性、互动质量三个维度的得分较为集中，受到各平台的共同关注。然而，各平台在这三个维度的得分较低，与正理想解1有较大距离。一方面这是由于用户对这三个维度的期望值较高，做出的评价较为严苛所至；另一方面也反映出平台对这三个维度的重视程度需要进一步加强。

第二，同质平台存在的问题具有相似性。同类平台在同一维度评分相近，如专注最后一公里配送的美团众包与蜂鸟众包，在匹配效率、信任、市场环境以及交互设计四个评价维度均取得了一致评价结果。因此，各平台应根据自身所处细分市场特征进行战略调整。例如，货拉拉与快狗打车应重点关注匹配效率的提升，平衡货主与车主的货运需求；运满满、货车帮则应制定合理的定价策略。

第三，影响平台发展的多个具体因素相互之间存在区别。通过众包物流平台评价指标体系权重可以看出，信息质量、安全性、可靠性、互动质量以及响应性五个维度所占权重存在一定差距，分别为0.32、0.21、0.15、0.19、0.13。信息质量是最重要的维度，其次是信任，而最后是交互设计。因此，平台在制定发展策略时应分清问题主次，合理分配资源，以最大资源效率提升平台综合竞争力。