基于KANSEI模型的电商家居企业物流配送服务评价研究*

马洁芸，孙 琪

(浙江万里学院 物流与电子商务学院，浙江 宁波 315000)

随着电子商务的迅猛发展，电商家居也迎来爆发式增长。目前电子商务家居市场是不折不扣的大市场。《2017年中国家居建材产业研究报告》显示家居建材市场规模出现了一定量的增长，总体规模突破4万亿元。在新零售日益发展的今日，占有率为5%的线上家居市场仍具有较大的发展空间。因此，对于电商家居行业来说，线上市场仍待进一步挖掘。

自家居服务出现，物流就存在一系列问题。牛东来(2003)引进日本凯耀家居中心的案例来启发中国企业对于流程进行改进[1]。然而，家居物流中经常存在产品破损严重、丢件、退货困难及售后服务水平低等一系列问题。电商家居企业物流服务水平低的问题己经严重影响了整个家居行业的客户口碑和市场价值，物流问题成了制约电商家居企业进一步发展的瓶颈。

目前，对于电商家居企业的物流配送服务方面的研究较为少见，大量研究集中在电商物流配送路径的优化与改进、电商的物流模式两方面。

(1)电商物流配送路径优化

Jardel Vilarino Santos da Silva(2019)提到了消费者在线订购产品取货地点设施，通过允许在制造商或分销商处使用带有存储功能的分销网络，用以降低物流成本[2]。陈建华等(2019)采用三级供应链，考虑多产品、多周期和不确定需求等因素,并设计了启发式改进蚁群算法求解该NP难问题[3]。

(2)电商的物流模式

陈哲等(2018)在生鲜农产品领域引入大数据以及实时监控系统，遵循“以订单为导向”的原则，创新了标准化与众包结合的物流新模式[4]。谭洪杰(2019)通过对于农村电商企业物流模式的探究，应当从企业角度和顾客角度出发改进物流服务质量[5]。林杭、洪国彬、游小玲(2018)以降低系统订单处理时间为目标，在雅堂电商这一案例中，引入随机Petri网构建新的物流流程模型[6]。

以上研究对电商家居企业如何降低物流运作成本、提升企业的物流运作绩效作出了较大的贡献，但没有考虑到物流被界定为生产性服务业对于其绩效的影响。服务业的本质是追求客户的满意，这点可以从有关物流服务供应链的相关绩效看出[7]。因此，本文建立kansei理论对电商家居物流企业配送服务的评价模型，探究该理论是如何影响消费者对电商家居物流企业配送服务的评价，并基于宜家的调研进行实证。

一、技术路线

(一)宜家家居配送服务现状

自1943年来遵守着“用最简单的商业模式，完成最复杂的事”的原则，宜家现已成为全球最大的家居用品零售商，其创始人为英格瓦·坎普拉德。2019财年，由于整个宜家集团增加了物流、线上平台、产品研发和消费者服务等领域的投资金额，毛利率从2018年同期的 18.8% 降至 18%，经营利润率从2018年的 7.9% 降至 7.3%。

电子商务在中国区的利润贡献上起到了一定的作用，电子商务销售量占中国区总销售量的5%。截至2019年8月，宜家在线商城的消费者浏览量为28亿人次，线上渠道销售额同比增长 43%。新的时代中，宜家实体商场的访客在缓慢减少，2016年这个比重占总体访客比重的20%，而2018年只占到了9.6%。针对这一发展情况，宜家调整了经营策略，将一部分服务的重心转移到线上。因此，在2018年，宜家终于开放了其网上购物的商城，除了线下，顾客多出了另一种选择。关于配送费是如下标准：针对体积及重量较小的小件，由快递配送，每笔订单9.9元起；针对大件商品，一般配送费用69元起，具体金额在结算界面予以显示。

通过使用宜家现有商店作为库存节点来建立更大范围的物流网络，从而完成缩短运输距离、减少碳排放的目标。宜家在某些地区试点铺设16米的运输通道，保证7*24小时网络订单的库存商品准备工作。宜家有四个核心分拨中心，分别位于上海、天津、成都和广州。同时在北京、广州和上海建立了3个包裹配送中心。线上购买的商品一般由以上中心发货，也不排除直接从线下商场发货，上海宝山商场是一个线下商场发货的试验区。创新的是他们与当地服务供应商进行协作，后者提供车辆租赁、充电以及维修服务。以上海为例，上海地区的配送全采用新能源电动汽车，每月运输量达20 000以上。

但是由于家具以及一些家居配套设施对物流要求较高，在直接进军电商方面存在一定困难。这些困难主要包括成本高昂、无法深入偏远地区等下沉市场、零件丢失或遗漏等问题，致使众多电商家居公司受制于当地，无法进行更大范围的发展。

(二)理论假设

基于上述理论和文献综述，本文构建了kansei理论影响消费者对电商家居企业物流配送服务评价的理论框架，将获得的kansei关键词对应描述三个系统，如下图1所示：

图1 kansei关键词识别

对于物流配送服务质量的量表，则采用李克特5分量表，依据相关物流评价文献，每一个系统相对应的有一些过程属性进行特征描述。

对于Ch1退货物流子过程，具体表现为：使用电话或App退货，同时可预约寄件时间；使用电话或App退货，不可预约寄件时间；使用电话退货，同时可预约寄件时间；使用电话退货，不可预约寄件时间；需前往指定地点线下退货。全年服务；非全年服务。退货提供包装服务；退货不提供包装服务。免费退货；需支付退回运费。

对于Ch2 配送物流子过程，主要表现在：配送人员态度好；配送人员态度一般；配送人员态度不好；配送时间在1天以内；配送时间在1-2天；配送时间在3-5天；配送时间5天以上；大件配送入户；大件配送至指定地点，不需较远距离搬动；大件配送至指定地点，需较远距离搬动；可定制配送时间；不可定制配送时间。

Ch3 物流信息子过程：通过电子邮件、电话或App接受配送信息；通过电话或App接受配送信息；没有配送信息提醒服务；个人信息得到隐私处理；个人信息未得到隐私处理。

根据整个过程进行假设如下：

S1:return的kansei正向影响对于ch1系统的属性的评价；

S2: distribute的kansei正向影响对于ch1系统的属性的评价；

S3:inform的kansei正向影响对于ch1系统的属性的评价；

S4: return的kansei正向影响对于ch2系统的属性的评价；

S5: distribute的kansei正向影响对于ch2系统的属性的评价；

S6: inform的kansei正向影响对于ch2系统的属性的评价；

S7: return的kansei正向影响对于ch3系统的属性的评价；

S8: distribute的kansei正向影响对于ch3系统的属性的评价；

S9:inform的kansei正向影响对于ch3系统的属性的评价。

(三)问卷设计及数据收集

首先问卷分为三个部分，第一部分是常规的人口学信息，包括性别，年龄，地区，受教育程度；第二部分是对于退货物流(ch1)，配送服务(ch2)，配送物流信息(ch3)三个子过程的KANSEI关键词评价；第三部分是对于销售物流退货，配送服务的评价，对配送过程信息的评价。对于KANSEI关键词[8]的选取主要是遵循以下的原则，一是参考相关的文献，二是参阅一些近期的相关物流新闻。初步选取了30个关键词如表1：

表1 电子商务家居零售企业KANSEI关键词

对于配送中的三个系统，我们分别使用了如下的kansei关键词：退货物流服务使用了迅速的，熟悉的，专业的，准时的，高质量的，便捷的，易亲近的，环境友好的，即时的，可信赖的，创新的，经济的，省时的；配送物流服务使用了迅速的，熟悉的，专业的，准时的，高质量的，便捷的，易亲近的，环境友好的，即时的，可信赖的，创新的，省时的，定制的；而配送信息服务使用了迅速的，详细的，专业的，高质量的，便捷的，透明的，即时的，可信赖的，创新的，省时的。

在网上发放问卷125份问卷，收回120份，经过筛选100份有效，因此使用这些问卷进行进一步分析。

二、电商家居物流服务结果分析

(一)描述性分析

描述性分析的结果如下表2所示：

表2 电商家居物流服务描述性分析

被调查人群中，女性占比51 %，男性占比49%;年龄主要集中在18-40岁之间，占比78% ;教育程度以本科居多，共占比69 %。以上被调查人群中，女性居多、年龄偏向中青年人群、学历层次构成较高，说明电子商务家居零售企业的受众不是特别的广泛，主要集中在“80后 ”。

(二)验证性因子分析

将数据导入smartpls3.0，通过pls算法计算三个配送相关系统中kansei词是否会影响人们对系统服务属性的判断。首先进行载荷因子的检验。模型中，各测量变量的因子载荷(Factor loadings > 0.7)最小为0.805。ch1系统中，c2、c7、c9、c10起到了主要影响作用；ch2系统中，起决定作用的是载荷变量c13、c15、c17、c18；ch3系统中，c23和c24起到了较大的作用。

图2 return系统的 kansei-servqual模型

如图2所示，线上的值，如return对ch3的0.940代表的是其路径值，圆圈中的数代表的是R2。在return系统中，影响较大的是k1,k2,k9,k12；

图3 distribute系统的 kansei-servqual模型

在distribute系统中， k14,k19,k23,k24的影响较大。(见图3)

图4 inform系统的 kansei-servqual模型

在 inform系统中，k35,k36的影响较大。(见图4)接下来进行有效性检验。(见表3)

表3 convergent validity

经过分析，各潜变量的系数C(Cronbach’s Alpha > 0.7)最小为0.961，组合效度(CR > 0.8)最小为0.940，说明该量表信度可靠。而各潜变量的平均抽取变异量值(AVE> 0.5)，最小为0.721，说明模型以及各指标间的收敛效度很好。最终的假设检验结果如表4所示：

表4 路径值和t值

续表4 路径值和t值

综上可以得知，假设s7和假设s8不成立，return和distribute的kansei对于ch3系统的属性的评价的正向影响不显著。对于退货物流感性认识影响了消费者对于配送系统和退货服务系统的评价，对于配送的感性认识影响了消费者对于配送系统和退货服务系统的评价，对于信息传递的感性认识影响了消费者对于配送系统和退货服务系统和信息系统的评价。

(三)重要性-表现矩阵(IPMA)分析

PLS-SEM的一个特色在于潜在变量分数的萃取。而重要性-表现矩阵分析则有助于使用该分数来扩展基本的结果。该分析基于上述的路径分析，并加入潜在变量的平均价值。对于分析中特定目标内因变量，IPMA对照结构模式整体效果(重要性)以及潜在变量分数(表现)的平均价值，来决定管理作为的优先事项。

在return系统中，对载荷变量进行分解，分为退货服务的员工、退货的时效、退货服务的花销，它们经由退货服务综合变量对配送系统和退货服务系统的评价造成影响。由于return对于ch3系统的属性评价不显著，因此，在这里删去ch3的潜在变量及其题项后得出以下模型。

图5 三个系统的IMPA分析结果

如图5所示，所有系统中的指标均按照系统中compulsory, employee, expense, time的顺序排列。对这一模式进行IMPA的分析后可知，return employee是解释ch1中最为重要的概念。结合图6，在其他条件不变的情况下，return employee 表现增加1将可造成ch1的表现即总效果增加0.361。同时，这一变量的表现不佳，为68.893，有相当表现的空间。return compulsory重要性低但表现最好，无讨论意义。较return time而言，return expense有一定的提升空间。同样的，return time是解释ch2中最为重要的概念，但这一变量表现尚可，不作为提升重点。return employee 重要性小于return time ,其表现较差，可重点提高。

图6 return系统的IMPA结构模式

对这一模式进行IPMA的分析后可知，return employee是解释ch1中最为重要的概念。在其他条件不变的情况下，return employee 表现增加1将可造成ch1的表现即总效果增加0.361。同时，这一变量的表现不佳，为68.893，有相当表现的空间。return compulsory重要性低但表现最好，无讨论意义。较return time而言，return expense有一定的提升空间。同样的，return time是解释ch2中最为重要的概念，但这一变量表现尚可，不作为提升重点。return employee 重要性小于return time ,其表现较差，可重点提高。

图7 distribute系统的IMPA结构模式

和return系统类似，将distribute系统的指标分为4类，如图7所示。distribute time最重要，表现处于四者中的中等水平。 distribute expense不重要但表现最好，因而断定针对该指标的改进对整体的提升作用有限。distribute employee以其0.372的重要性位列第二，表现却垫底，管理者亦可针对该指标研究如何改进。

图8 inform系统的IMPA结构模式

在inform系统中，分为4个指标(见图8)，第一个是信息服务提供者，第二个是信息服务的时效，第三个是信息服务的成本，还有中间的潜在变量是信息服务综合。inform expense对于ch1的解释较为重要，但其表现仅为70.511，位列四个指标中的倒数第二；inform time指标重要性最佳，其表现与inform expense 不相上下，有待提升。对于ch2来说，inform time 重要程度达到0.505；inform provider表现最好，重要性排名第二。inform time能够解释0.544的ch3 ，表现为70.775，有待提升；inform compulsory表现最差。

(四)小结

综合以上分析结果可以看出，在退货系统中，宜家退货服务的员工现阶段表现不尽如人意，消费者对于退货服务的评价依赖于为其服务的员工，而非实际花销或者是退回的时效。针对消费者感知到的配送退货服务这一变量，其执行者同样具有较高的重要性但较低的表现，这里的执行者不仅仅包括客户端的，也包括在退回或换货过程中商家端的。高质量、创新和可信赖的在配送服务系统中，消费者感知花销的提升对于其总体评价的提高有一定帮助，但并非核心因素。因此，一味注重降低消费者感知的花销并不明智，当代的消费者对于服务的认知趋于理性。和退货系统中相似的问题是配送员工的表现不够令消费者感知到满意，与消费者对于配送时效的高要求相悖。

在配送信息服务系统中，信息服务的成本感知对于退货物流的影响较大，有一部分消费者因其价格较高而不再退货或产生不良情绪。消费者对于信息时效的感知在退货物流的系统中极为重要，可视化，敏捷化成为新的需求。对信息服务时效的感知进行提升对于配送服务系统总体表现有较大的作用。

三、电商家居物流配送服务的问题与改进措施

(一)电商家居物流配送服务的问题

在调查中，发现宜家在外包配送上出现了宜家存在配送价格高，体验感不高，物流人员服务不周到等问题。宜家在配送上选择外包物流的初衷是基于成本的考虑。外包物流完整的配送物流系统使得宜家不必建立更大的物流系统，能够在消费者沟通以及供应商管理上拥有更多的精力，同时也可以更好地分担风险。但是物流外包存在一个管理难度加大的问题，从量表可以得出大多数人认为配送人员的态度一般，配送时间最好是2天以内。作为家居用品，特别是电商家居的配送问题，体积大质量重始终是困扰双方的难题，宜家也不例外。这些问题也说明了宜家正向配送服务需要加强。

宜家的配送信息化程度有待提高，在调查中，人们追求的kansei关键词多为迅速的，详细的，专业的，高质量的，便捷的，透明的，即时的，可信赖的，创新的，省时的。从其对于第一个和第三个系统的路径值可以看出顾客对于电商家居物流信息的关注度较高。

退货物流系统中存在的问题。退货是配送的一部分，因此高质量的，便捷的，易亲近的，环境友好的，即时的这些kansei关键词实际上也是有相通之处。但消费者更中意退货服务中所表现出来的及时性以及专业性，具体来说就是全年服务，免费退货，但可能对于商家来说，成本方面的压力也进一步加大。从IPMA的结果可知，宜家退货服务中为其服务的员工行为会影响消费者的感知，进而使他们改变态度及行为。客服人员体现的是电商家居企业的整体形象，且顾客对退货业务的进一步感知是通过服务人员来实现的。

(二)电商家居物流配送服务的改进措施

第一，从配送服务角度，应提升配送前的出库时效，一定程度上可以提高消费者感知。宜家在多个城市拥有自己的商场，可以在商场设置前置仓，直接匹配当前地区消费者需求。同时，组建最后一公里利共体。与物流行业的传统快递和配送服务不同，最后一公里利共体在大件物流业上的深度，已经下沉到乡镇市场层面，可以满足乡镇的消费者需求。对于不同时效要求的消费者，提出差别化定价的配送方案供其参考，并提供相匹配的员工为其服务。

第二，宜家可以采用saas的系统而不需要自己开发新的实时配送信息系统。这类平台不仅有基础的信息功能，还有一些增值金融服务。首先应以简单易用的查询为突破点，在设置查询方式上做到步骤简单、结果明确，降低消费者使用的时间及精力成本。其次，可以开拓定时推送的业务，既便于提高透明度，又为消费者再次消费提供可能性。

第三，退货服务的优化，采用三种闭环退货再制造的模式，从退货物流一开始就进行分流，给予送至物流运输代收点以及分拨中心(即各地宜家商场)进行线下自主退货的顾客不同程度的退货运费优惠。对于时限要求不高的消费者，可以进行一定的延迟退货。在延迟的时间段内，为消费者的不满提出解决方案，降低退货的可能性。以上措施均倡导消费者减少退货，同时降低了退货物流的成本和物流服务的满意度水平。通过建立专业的退货处理部门，加快退货货物的流通及返回制造，创造新的增长点。