基于IPA-Kano模型的地面公交服务质量优化对策——以哈尔滨市为例

房德威， 王 雪， 孙 珊

(东北林业大学园林学院, 哈尔滨 150040)

随着中国城市化进程的不断加快,多数城市出现了交通拥堵、用地扩张、人口增长等一系列城市问题。为缓解交通拥堵这一问题,中国提出发展公共交通策略[1]。但现有的公共交通体系与小汽车出行存在激烈的竞争关系,如何提高公共交通的吸引力,尤其是占公共交通比重最大的地面常规公交,是业界普遍关注的问题。以出行者的视角,构建了公交服务质量评价体系,并寻找改善公交服务质量的策略。

目前,中外对公共地面交通服务质量评价的研究成果及研究方法有很多,研究者从不同方面对公共地面交通服务质量进行评价。Hensher等[2]通过计算权重来评价公交服务质量,并确定了优先改进的公交服务要素；Angel等[3]分析了期望的公共交通系统服务质量与感知的公共交通系统服务质量的不同之处；Karman等[4]采用主客观相结合来测量公共交通服务水平；郭晓凡等[5]运用熵权法-云模型对公交服务满意度进行评价；刘冬梅等[6]建立短时公交用户感知服务评估模型,并以佛山市进行公交全出行链短时服务质量评价；房德威等[7]应用离散决策分析法与条件价值法,计算了考虑公交车厢内拥挤度的交通出行总成本；刘建荣[8]利用贝叶斯网络研究影响公交站台满意度的因素,并基于影响因素的权重建立公交站台重要度-满意度分析模型,确定了公交站台最需改善的因素；刘建荣等[9]又运用Rasch模型对常规公交服务质量进行研究；吕慎等[10]通过构建接运公交服务质量评估的结构方程模型,研究接运公交服务质量、乘客感知价值、乘客满意度和乘客忠诚之间的关系,并以乘客的感知为出发点发现当前接运公交服务质量存在的主要问题；周燕宁等[11]等用层次分析法-熵权法对常规公交系统进行可持续发展评价。

根据百度地图联合清华大学数据科学研究院交通大数据研究中心发布的《2019年第二季度中国城市交通报告》中得知,哈尔滨市2019年第二季度交通拥堵程度位居全国第四,并在汽车保有量300万的城市中,哈尔滨交通拥堵程度位居第二[12]。现运用IPA-Kano模型,并以哈尔滨市地面常规公交为研究对象,通过改善哈尔滨市地面常规公交服务要素质量来提升常规公交对乘客的吸引力,进而提高常规公交分担率,以此能够更好地缓解哈尔滨市交通拥堵。

1 IPA-Kano模型

IPA-Kano模型将Kano模型的不同要素类型与IPA(important-performance analysis)的不同象限相结合,能更为精确地对测评要素进行类型划分以及优先排序。Yin等[13]以西安市为例,运用IPA-Kano模型确定了社区自我改善的发展重点,切实提高了现有居民的居住满意度；Cao等[14]又以广州市为例,通过对比IPA分析法、添加虚拟变量的IPA-Kano模型和IPA-Kano模型,结果发现IPA-Kano模型的评价结果更为准确；陈剑飞等[15]运用IPA-Kano模型定量分析了寒地地铁出入口设计要素的品质归属。

首先,IPA分析法是由Martilla和James[16]提出,它是由4个象限来构成重要性-满意度矩阵，每个象限的构成的含义不同,分别为继续保持区、过度供给区、低有继续保持区、加强重点改善区。Kano模型[17]将要素划分为3种类型,分别为魅力要素类型、重要性素类型和基本要素类型。该模型认为IPA分析法只考虑了受访者对测评要素的满意程度与整体满意度之间的线性对称关系,但事实上,某些测评要素的满意度与整体满意度之间存在着非线性及不对称关系。Kano模型虽然解决了IPA分析法的线性对称问题,但它却又忽视了对测评要素的重要程度和满意程度的直观反映。

IPA-Kano模型解决了IPA分析法以及Kano模型的不足之处,不仅使研究结果更为直观、准确,还更全面地掌握了使用者对所有要素的看法属性及应对策略[18]。IPA-Kano模型需先对被测要素的隐性重要性与显性重要性进行分析。其中隐性重要性数值的大小主要反映服务要素对总体满意度的影响程度,IPA-Kano模型以被测要素的隐性重要性为纵轴,显性重要性为横轴来构建IPA-Kano的隐性重要性-显性重要性矩阵(图1)。当被测要素落在不同象限时,它们所代表的含义有所不同。首先,当被测要素位于第4象限时,具体表现为：显性重要性高,隐性重要性低,也就是说,受访者认为此类要素非常重要,但无论受访者对服务要素满意度评价提升或是降低,受访者对整体满意度评价几乎不会改变。把这类要素称为属于基本要素类型；其次,位于第1象限的被测要素属于重要性要素类型,此类要素隐性重要性和显性重要性都很高,即受访者认为此类要素非常重要,且当被测要素满意度提高时,整体满意度评价也会提高；再次,魅力要素类型位于第2象限,虽然受访者认为此类要素不重要,但当此类要素服务较差时,受访者降低了对此类要素的满意度评价,整体满意度评价也会下降；最后,非重要性要素类型位于第3象限,这类要素的隐性重要性和显性重要性都低,对于受访者来说既不重要,同时也不会影响受访者对总体满意度的评价。对于后两种要素类型来说,这两种类型对乘客而言均不重要,可不作为优先改进对象。所以,当对被测要素进行优先改进时,改进次序依次为基本要素类型、重要性要素类型和魅力要素类型与非重要性要素类型。

2 数据处理

2.1 问卷设计与指标构建

2.1.1 评价指标体系构建

哈尔滨市地面常规公交服务质量评价体系的构建主要参照《城市公共交通乘客满意度评价方法》(GB/T 36953.2—2018)[19],并以安全性、便捷性、舒适性、经济性4个方面为准则,构建满足哈尔滨市公交服务质量评价指标。在设计要素指标时,通过对要素指标进行分类筛选,建立了哈尔滨市地面常规公交服务质量评价体系,如图2所示。

2.1.2 问卷设计与发放

问卷由受访者基本信息,公共地面交通服务要素满意度评价和公共地面交通服务要素重要性评价3部分组成,服务要素满意度及重要性评价均采用李克特7级量表,7分为非常满意和非常重要,1分为非常不满意和非常不重要。

2019年夏、秋两季采用面对面访谈的方式分别在早晚高峰、工作日及休息日对哈尔滨市常规公交乘客进行问卷调查,调查覆盖哈尔滨市不同行政区域(图3)。问卷共发放740份,回收有效问卷729份,有效回收率98.51%,达到相对误差1%的要求。

图3 公交调研路线示意图

2.2 基础数据收集

在受访者中,男性占比45.5%,女性占比54.5%,男女比例差异不大；多数乘客每周出行2～3次,以工作办事和休闲娱乐出行的乘客69.2%,可见工作办事和休闲娱乐是哈尔滨市居民日常出行的主要目的；在文化程度上,受访者学历主要集中在大学本科,占据总样本的40.5%；在家庭总收入方面,家庭总收入在9 000元以内的乘客占63.0%,说明中低收入人群是哈尔滨市地面公交乘客的主体；在调查过程中发现大多乘客无私家车,因此选择乘坐公交。

2.3 问卷及数据合理性检验

为检验问卷及数据合理性及精确性,采用克隆巴赫系数对满意度和重要性量表进行内部一致性信度分析,克隆巴赫系数α为

(1)

运用统计分析软件SPSS 23.0对所选取的15项指标要素进行信度分析,经计算得知满意度量表克隆巴赫系数为0.922,重要性量表克隆巴赫系数为0.850,说明量表内部一致性极好,满意度量表和显性重要性量表具有可信性。其次,对各项指标要素进行效度分析,得到满意度和重要性的数据适用性检验结果分别为0.946～0.890,且各项指标要素的因子共同度均大于0.4,说明满意度与重要性量表结构与制表的理论设想相符,可进一步分析。

3 数据分析

3.1 隐性重要性分析

根据前述对IPA-Kano模型介绍得知,为减少乘客对服务要素满意度评价的主观性,且能更为明确地反映服务要素对乘客总体满意度的影响程度。IPA-Kano模型引入隐性重要性,将乘客对15项服务要素的满意度评价作为自变量,乘客对公交服务要素的总体满意度评价作为因变量,当服务要素对总体满意度有显著影响时,即为隐性重要性高；当服务要素对总体满意度有较小影响时,即隐性重要性低[14]。

运用Ordered Logit回归模型对这15项服务要素进行分析,得到相应的回归系数即为隐性重要性。公交服务要素隐性重要性的Ordered Logit模型一般形式为

y*=Xiβ+ε

(2)

式(2)中：ε为随机误差项；Xi为15项要素变量;β为自变量系数。接下来,y通过y*与临界值的比较关系得出：

(3)

式(3)中：Ci(i=1,2,…,7)为临界值；y为满意度等级。若式(2)中,随机误差项ε服从Logit分布,则：

(4)

式(4)中：φ为logit概率分布函数。最后构建出的Ordered Logit模型为

(5)

隐性重要性分析采用Stata15中的Ordered Logit对哈尔滨公交服务15项服务要素进行分析。由表1得知,公交服务要素对乘客影响程度依次为司机文明驾驶习惯、投诉方式和解决效率、司机服务态度、车内其他乘客行为、公交车在城区覆盖率、车内拥挤程度、公交车行驶平稳程度、乘车票价、公交行驶速度、公交车内环境卫生、首末车发车时间、站点播报情况、车内座椅数量、车内安全和公交运行准点率。

表1 隐性重要性分析结果

在隐性重要性的分析中,司机文明驾驶习惯的隐性重要性最高,对总体满意度有非常显著的影响,也说明这项要素的满意度提升最有利于提升乘客对常规公交服务的整体满意度评价,进而可提高公共交通的吸引力；同理,公交运行准点率的隐性重要性最低,对总体满意度影响不显著,这也就表明乘客对公交运行准点率的满意度无论是高还是低,乘客对常规公交的总体满意度的评价几乎不会改变。

3.2 显性重要性分析

服务要素显性重要性是乘客对公交服务要素的直接评价。试图通过显性重要性评价与隐性重要性构建IPA-Kano矩阵,从而制定公交服务优化策略。图4显示,在这15项公交服务要素中,乘客对公交服务要素的重视程度依次为公交车内司机文明驾驶习惯、公交行驶平稳程度、公交行驶速度、公交车内安全、公交运行准点率、投诉方式和解决效率、司机服务态度、车内拥挤程度、公交车首末车发车时间、公交车在城区覆盖率、公交站点播报情况、车内环境卫生、车内其他乘客行为、乘车票价、公交车内座椅数量。

图4 显性重要性结果示意图

3.3 公交服务要素分类及优化策略

以隐性重要性为纵轴,显性重要性为横轴构建IPA-Kano矩阵,根据乘客的改善意愿,将15项公交服务要素分布于不同象限,如图5所示。

图5 公交服务要素分类示意图

位于第4象限的服务要素属于基本要素类型,包括公交车首末车发车时间、公交车运行准点率、行驶速度和车内安全。乘客对于此类要素重视度高但是隐性重要性低。一般来说,乘客认为此类要素很重要,但这类要素的提升却几乎不能使乘客对公交的整体满意度升高,因此这类要素的改善最有助于快速改善常规公交服务质量,且最易提升公交吸引率。

位于第1象限的服务要素属于显性重要性要素类型,包括：司机服务态度、司机文明驾驶习惯、投诉方式和解决效率、公交车在城区覆盖率、车内拥挤程度。这类要素显性重要性和隐性重要性都很高,此类要素对乘客来说非常重要,且这类要素的好坏时刻影响着乘客对公交的整体满意度的好坏,因此此类要素需要继续保持。

位于第2象限的要素属于魅力要素类型,包括：乘车票价和其他乘客行为这两项公交服务要素。该类要素的好坏一般不会影响乘客出行意愿；位于第3象限的服务要素属于非重要性要素类型,一般情况下,这类要素隐性重要性和显性重要性均比其他要素低,包括车内座椅数量、车内环境卫生和站点播报情况。上述这两类服务要素的改善几乎不会使乘客对常规公交的整体满意度有所改变。

总体来说,在制定公交服务优化策略时,应以提升常规公交整体服务质量为主导,以保证此类要素能基本满足公交乘客的需求,且还应考虑以运营组织与运行安全为主,驾乘服务与服务信息为辅的公交服务优化模式,即从运营组织、运行安全、驾乘服务与服务信息4个层面制定公交服务策略。

首先,在运营组织策略方面,以运营管理为主,兼顾员工培养,树立良好的公交服务形象,在保证常规公交服务质量的前提下,通过打造常规公交车内优质环境以吸引不同的出行群体；其次,乘客作为交通安全中最重要的因素,通过强化乘客车内安全意识,及对驾驶员培训提高安全意识,达到提升公交安全服务水平及吸引乘客的双重目的；再次,可根据不同乘客对服务的需求,制定相应的优化策略,打造公交服务品牌,以提供公交优质服务,满足出行乘客的多样化需求,进而提升常规公交总体服务水平。 最后,在服务信息优化策略方面,可通过提升投诉处理效率以保障乘客的合法权益,从根本上提升常规公交服务质量。

4 结论

尝试将IPA-Kano 模型应用于哈尔滨市地面公交服务质量评价,并确定了哈尔滨市地面常规公交服务要素的不同类型,进一步得到了哈尔滨市地面公共交通服务要素改善次序,提出了相应的改善策略,通过IPA-Kano模型得到以下结论。

(1)若想提升公交服务的整体水平,公交车首末车发车时间、公交车运行准点率、行驶速度和车内安全是改善的重点,它们影响着乘客整体的出行,这些要素的改善对使用者来说非常重要。因此,若想提升公交整体服务水平,这些要素应优先改善。

(2)对于哈尔滨市地面公共交通服务质量而言,司机服务态度、司机文明驾驶习惯、投诉方式和解决效率、公交车在城区覆盖率、车内拥挤程度需次要完善。

(3)对于乘车票价、车内其他乘客行为、车内座椅数量、车内环境卫生和站点播报情况可不作为重点改善对象。

此外,在IPA-Kano模型应用中,采用ordered logit对公交服务要素的隐形重要性来进行分析,隐性重要性所采取的分析方法不同,可能会导致要素类型稍有不同。