后疫情时代某宝物流服务顾客满意度影响因素研究

摘要：新冠疫情的爆发对社会各行业带来了很大冲击，但同时促进了电子商务的发展，刺激了各界对物流的需求。物流服务的质量直接影响着顾客的网购体验和满意程度。以某宝为研究对象，利用SERVQUAL量表和LSQ模型，设计某宝物流服务满意度问卷，利用信效度分析、因子分析、相关分析和回归分析研究顾客满意度现状及其影响因素。结果表明，模型中变量对顾客满意度的影响力由大到小依次为：可靠性、及时性、安全性和便捷性。根据分析结果，提出相应的改进策略，以促进某宝及其第三方物流的可持续发展。

关键词：后疫情时代；物流服务质量；顾客满意度

中图分类号：F274；F713.55  文献标识码：A  文章编号：1005-6432（2023）11-0000-04

[DOI]10.13939/j.cnki.zgsc.2023.11.000

1 引言

疫情使“宅经济”逐渐繁荣，人们依托互联网实现远程办公、线上购物，电子商务交易量呈现井喷式增长。第49次中国互联网报告表明，我国线上购物使用人数在2021年底已经达到8.42亿[1]。电商与物流相辅相成，电子商务的迅猛发展也使社会对物流服务的需求急剧增长。然而，疫情防控之下，物流运力受到严重限制，导致顾客对电商物流服务的投诉量增加。物流服务质量水平是影响顾客满意度的重要因素，顾客对物流服务的不满会制约电商的可持续发展。

某宝是网购的主要电商平台，采用以第三方物流为主的物流模式，了解顾客对物流满意度的影响因素有利于企业完善物流服务。以某宝为例，对疫情影响下的某宝物流服务满意度情况进行研究，提出相关改进策略，以期改善某宝物流服务质量，为某宝及其同类型电商物流的发展提供参考。

20世纪70年代，学者们开展了关于物流服务的研究。其中最典型的是perrault提出的7Rs理论，该理论认为物流服务是指企业应当在合适的时间将数量无误的商品精确配送到恰当地点的活动[2]。20世纪90年代后，电子商务逐渐兴起，国内外学者开展了关于物流服务顾客满意度的研究。Hong等使用卷积神经网络文本挖掘模型，利用情感分析和相关性分析后发现可靠性、便利性、响应性和沟通性会对顾客满意度产生正向影响[3]。文朝阳等利用熵权法，对构建的生鲜电商物流评价体系进行研究，发现我国生鲜电商物流主要在时效性、经济性和移情性方面有缺陷，倡导各电商物流企业进一步完善配送系统[4]。

目前物流服务满意度领域的文献大多集中于分析各类产业或不同配送模式的物流服务，缺乏对疫情影响下电商物流服务顾客满意度的研究。因此，本文以后疫情时代为研究背景，结合服务质量（Service Quality，SERVQUAL）量表和物流服务质量（Logistics Service Quality，LSQ）模型，构建某宝物流服务满意度影响因素模型，通过问卷调查，对某宝物流服务质量进行实证分析，验证模型的有效性。

2 模型构建与研究假设

2.1 模型构建

服务质量的研究领域中的经典量表是PZB建立的SERVQUAL量表，将顾客实际感知到的服务质量与其期望的程度与进行对比，测评物流服务质量[5]。另一个经典模型是Mentzer等建立的LSQ模型，从订货、收货和事后顾客的满意程度等三个阶段分析物流服务，体现了影响满意度的因素以及各因素与彼此的关联[6]。在我国后疫情时代的背景下，以SERVQUAL量表和LSQ模型为基础，为某宝物流服务满意度设定5个初始变量，即经济性、及时性、便捷性、可靠性、安全性。构建的理论模型如图1所示。

1.1 研究假设

经济性是指顾客为了享受物流服务需要付出的经济代价。运费是消费者在网购时着重考虑的因素，若消费者接受的服务质量与其付出的成本不匹配，会对物流服务满意度产生负面影响。

及时性是指企业在运输以及接受问题咨询时能否快速完成。疫情爆发后，地区封控易使商品大量积压，物流受疫情影响的延迟时效在一定程度上影响顾客对物流服务的满意度。

便捷性是指物流企业设置的取件时间和地点是否能为顾客的生活提供便利。疫情防控环境下居民取件受限，物流企业提供的服务能否满足人民生活的需要是影响顾客满意度的重要因素。

可靠性是指企业是否能够准确完成配送，例如在承诺的日期送达、物品无缺漏以及实时呈现商品运送的位置等，对物流企业的网点基础建设以及实施跟踪定位技术提出了更高的要求。

安全性是指企业能否注意防疫安全以及信息安全。包括物流企业每日对网点做好防疫消毒措施以及人员体温检测等，顾客满意度的提升需要物流安全保证。

综上，提出假设：

H1：某宝物流服务的经济性与其顾客满意度呈显著正相关。

H2：某宝物流服务的及时性与其顾客满意度呈显著正相关。

H3：某宝物流服务的便捷性与其顾客满意度呈显著正相关。

H4：某宝物流服务的可靠性与其顾客满意度呈显著正相关。

H5：某宝物流服务的安全性与其顾客满意度呈显著正相关。

2 研究设计

2.1 量表设计

依据模型和研究假设，对现有量表进行适当修改，形成某宝物流服务顾客满意度初始量表，如表1所示。基于量表进行问卷设计，问卷由两个模块组成：第一个模块是被调研对象的信息，第二个模块是与某宝物流服务质量满意度模型中各潜在变量相对应的测量题项。题项均设置为正向描述，问卷以Likert五级量表进行量化，根据满意程度将选项分别赋值为5、4、3、2、1。

1.1 預调研

为检验本次调查问卷的设计是否合理，需要进行预调研，利用问卷星制作问卷，并通过微信向周围人发放110份问卷，回收107份，将其中选项完全一致、作答时长过短的问卷定义为无效问卷，筛选后得到有效问卷101份。

信度分析是指多次进行调研后测量结果依然保持可靠性和一致性的程度，一般利用Cronbach’s α系数进行判断。如表2所示，每个潜在变量的Cronbach’s α系数均高于0.7且整体量表的Cronbach’s α系数为0.919，说明初始问卷信度良好，符合要求。

效度是指调研问卷能够反映测量内容的程度，通常利用KMO系数和Bartlett球形检验来测量内容效度。如表3所示，量表的KMO值为0.842，大于0.7，显著性为0.000，小于0.05，均通过检验，允许进行后续的因子分析。

利用探索性因子分析检查量表的结构效度，利用主成分法提取出的6个主因子累计方差解释率为68.078%，采用最大方差法，发现EC3和TI1的因子载荷值小于设定值0.5，不符合条件，于是删除，SV1与原量表设计初衷相差较大，予以删除，由此实现对量表的净化，最终得到由21个题项组成的正式量表，如表4所示。

1 实证分析

1.1 样本描述性统计

本次调研利用社交平台发放350份问卷，历时30天，回收339份，剔除无某宝网购经历和答案前后矛盾等无效问卷36份，得到有效问卷303份，有效率为86.57%。在303个调研对象中，男性占比47.2%，女性占比52.8%，整体分布适中。56.8%的调研对象的年龄在19岁至29岁之间，约有一半的受调查者具有本科学历，职业以学生和公务员或事业单位人员占比最多，月收入在1500以下的顾客占比33%，56.8%的调研对象每月平均接受某宝物流频次在5次及以下，28.7%的顾客最近一次某宝网购接受了中通的物流服务。

物流服务质量各题项的平均值分布在3.40至4.06之间。各题项的标准差位于0.756至1.111之间，表明调查对象的认同感相差不大。各题项中偏度绝对值最大的是RE3，其偏度为-0.967，小于3，各题项峰度绝对值最大的是RE5，其峰度为1.559，小于10，即样本数据满足正态分布，允许进行后续分析。

1.2 信度分析和效度分析

针对本次调研收集到的数据进行信度和效度检验。各潜在变量的Cronbach’s α系数分布在0.766至0.876之间，且整体量表的Cronbach’s α系数为0.939，表明量表信度良好。KMO值为0.931，且显著性为0.000，证明量表具有良好的内容效度，可以进行验证性因子分析。

1.3 验证性因子分析

利用AMOS软件检验模型拟合效果，X2/DF=2.183<3，适配情况理想；RMSEA=0.063<0.08，可以接受；RMR=0.039<0.05，结果适配良好。CFI=0.943>0.9，结果适配良好；NFI=0.900>=0.9，符合参数要求；NNFI=0.931>0.9，结果适配良好；综上所述，模型拟合情况良好。

某宝物流服务质量的验证性因子分析结果汇总，如表5所示。各潜在变量标准化载荷系数均大于0.6，表明每个变量对应的题项有其代表性。各变量的平均萃取方差（AVE）均大于0.5，组合信度（CR）均大于0.7，表明量表聚敛效度良好。

1.1 相关分析

利用皮尔逊系数进行相关性检验，如表6所示。各相关系数的P值均在0.01的级別上显著，且系数均为正值，表明各潜变量之间具有显著正向相关关系，该相关性分析结果为后续影响因素分析提供了依据。

1.1 回归分析

针对模型的自变量和因变量进行多元线性回归分析，结果如表7所示。R2=0.585>0.3，表明本次运算结果较为真实可靠。VIF值均小于5，即自变量之间不存在多重共线性。F值为83.705，P小于0.001，即五个自变量中至少有一个自变量可以显著影响因变量。经济性的显著性为0.070，大于0.05，不能显著影响顾客满意度，其余变量的显著性均小于0.05，系数B均大于0，即可以显著正向影响顾客满意度。构建多元线性回归模型如下：

Y=β0+β1X1+β2X2+…βnXn+μ

其中：Y为被解释变量，X1，X2…Xn为解释变量，n为解释变量的数目，β0为常数项，β1，β2…βn为回归系数，表示当其他解释变量不变时，某个解释变量对被解释变量均值的影响，μ是随机误差项。

得出某宝物流服务顾客满意度回归方程如下：

CS=0.376+0.236×TI+0.118×SV+0.333×RE+0.145×SA

每个维度的权重：

TI=0.236/（0.236+0.118+0.333+0.145）=0.284

SV=0.118/（0.236+0.118+0.333+0.145）=0.142

RE=0.333/（0.236+0.118+0.333+0.145）=0.400

SA=0.145/（0.236+0.118+0.333+0.145）=0.174

由此得出，某宝物流服务的可靠性对顾客满意度的影响最大，其余影响力由大到小依次是及时性、安全性和便捷性。线性回归分析结果见表7。

1.1 结果分析

依据回归分析结果可知，除假设H1不成立外，其余假设均成立。实际上，经济性对顾客满意度的影响不显著是可以理解的，某宝店家为吸引顾客，大多选择商品包邮，使顾客对于各物流企业的运费等情况不甚了解，因此在顾客不必支付运费也不常退货的情况下，经济性对顾客满意度的影响不会显著。依据研究假设检验结果修正原模型，最终模型如图2所示。

2 结论及建议

2.1 结论

通过整理相关文献，以物流服务质量理论为基础，构建了某宝物流服务质量满意度影响因素模型，利用SPSS和AMOS软件对收集的问卷样本数据进行实证分析。结果显示，物流服务的及时性、便捷性、可靠性和安全性对某宝物流服务顾客满意度存在显著正向影响，根据影响力的大小，提出相应的建议，为物流企业提升服务质量提供参考。

2.2 对策建议

第一，着力提升物流服务的可靠性。建立健全商品定位系统，及时录入正确的物流信息，在疫情影响下需重点关注受管制地区的物流情况，对错误的物流信息给予修正，以便顾客能随时查看商品的位置，了解预计送达的时间。

第二，保证物流服务的及时性。利用云计算等发展智慧物流，根据订单和送达的区域，合理选择出货的仓库，尽力避开疫情严重地区物流节点；优化退换货流程，完善物流网点布局，加强逆向物流建设，争取为顾客提供更快速的退换货服务。

第三，提高物流服务的安全性。将每日消杀和员工体温情况及时反映在物流信息上，使顾客放心取件；重视保护消费者的个人信息，启用隐私面单，避免顾客的信息被收集利用，增强顾客对物流企业的信任感。

第四，维护物流服务的便捷性。为顾客提供多种取件时间的选择；以顾客需求为主导，提供送货上门等多样的收件方式；支持上门取件等个性化的退换货方式，加强员工的责任意识，准时上门取件，节约顾客的时间，为人们生活提供便利。

参考文献：

[1]第49次《中国互联网络发展状况统计报告》[R].北京：中国互联网络信息中心，2022．

[2]PERRAULT W D，RUSS F R. Physical distribution service：a neglected aspect of marketing management[J].MSU business topics，1974（22）：37-45.

[3]HONG W， ZHENG C， WU L， et al. Analyzing the relationship between consumer satisfaction and fresh e-commerce logistics service using text mining techniques[J].Sustainability， 2019，11：1-16.

[4]文朝陽，张新洁.基于消费者满意度的生鲜电商物流评价体系研究[J].山西能源学院学报，2020，33（2）：75-77.

[5]PARASURAMAN A， ZEITHAML V A， BERRY L L. SERVQUAL：a multiple-item scale for measuring consumer perceptions of service quality[J].Journal of retailing，1988，64（1）：12-40.

[6]MENTZER J T，FLINTDANIEL D J，HULT G T M.Logistics service quality as a segment-customized process[J].Journal of marketing，2001，65（4）：82-104.

[作者简介]陈璐（1998—），女，汉族，河南许昌人，硕士研究生，研究方向：物流与供应链管理。