庄菁雄
摘 要:结合网约车平台分享经济的特点,使用乘客聚类和SERVQUAL量表,计算乘客分群的网约车服务质量评价指标打分。运用DANP法和IPA分析法,计算聚类人群的指标影响权重和打分绩效关系。差异化对待人群改造指标优先级,构建了网约车服务质量评价体系,即“粗分粗判-细分细判-分析总结”,对企业实施分群运营和改善服务质量具有一定的参考价值。
关键词:服务质量;差异化乘客聚类;SERVQUAL量表;DANP法;IPA法
中图分类号:F27 文献标识码:A doi:10.19311/j.cnki.16723198.2023.01.025
0 引言
随着互联网技术的发展,分享经济在全球快速崛起。网约车是分享经济模式下发展迅速的一种服务形态,将司机、乘客、网约车、第三方支付、政府、广告商等集中起来,运用大数据等技术,研发高效的司乘撮合机制,充分利用了闲置资源,降低了司乘之间的撮合成本,提高了司机和平台收益,将闲置交通资源的所有权转变为使用权。
1 评价体系构建
本文结合分享经济下网约车的特点,构建了网约车服务质量评价体系,即“粗分粗判-细分细判-分析总结”。“粗分粗判”基于用户感知理论,针对乘客进行聚类和人群特征分析;“细分细判”通过SERVQUAL量表、DANP法和IPA法,设计多维度多指标量表,计算指标影响关系;“分析总结”分析乘客分群后影响指标改善优先级的差异性。该框架弥补了现有网约车服务质量研究对乘客人群刻画的不足,将乘客聚类后展开人群特征分析,有效地挖掘出乘客人群待改善指标的优先级,为构建服务质量评价体系提供一些启发和思路。
2 实证研究
2.1 数据收集
(1)数据描述。
本文数据包括乘客打分和专家评分数据。乘客打分数据来源于网约车服务质量问卷调查,其中参与人数5392人,实际有效人数5144人。而专家评分数据来源于网约车服务质量专家评分表。
(2)信度和效度检验。
数据的信度和效度检验是确保数据质量的重要前提。首先,对乘客问卷数据进行克隆巴赫系数信度检验,五个维度的系数均值大于0.75,達到可接受的信度标准。再进行效度检验,通过KMO和Bartlett球形检验做因子分析前的充分性检验,KMO值大于0.75,Bartlett的P值为0.001,达到因子分析的要求;对15个指标进行因子分析,前5个因子的方差累计贡献率达到80%以上,使用5个因子、最大方差化因子旋转方法做主成分分析,得到的成分矩阵与SERVERQUAL量表的维度和指标设定基本一致。其次,针对专家调查表数据,方差检验远低于5%,说明各专家对维度和指标之间的影响打分差异不大,观点较为一致。
2.2 粗分粗判
(1)基于用户感知差异化乘客聚类。
粗分粗判的目标是基于用户感知完成乘客聚类和人群特征分析。用户感知是指通过感官、思想等在服务场景下与经营者互动过程中的体验。本文从价格、乘客体验、安全三个维度出发,收集乘客问卷调查数据,将属性按满意程度划分为五个水平。使用KMeans方法将乘客聚类为三类人群,根据每类乘客的属性满意程度,分析乘客人群特点差异。
(2)乘客人群特点差异化分析。
第一类乘客人数为2274,占比44.2%。该类乘客对价格最不满意,对乘客体验持中立,对安全不敏感,属于价格敏感类型。
第二类乘客人数为2593,占比50.4%。该类乘客对乘客体验最不满意,对价格和安全都不敏感,愿意花费更多价格或牺牲更多安全换取更舒适的乘客体验,属于体验敏感类型。
第三类乘客人数为277,占比5.4%。该类乘客对安全最不满意,对乘客体验较不满意,对价格敏感度较低,愿意花费更多价格换取更高安全,属于安全敏感类型。
2.3 细分细判
(1)网约车服务质量水平分析。
基于SERVQUAL量表的有形性、可靠性、响应性、保证性和移情性五个维度,设计乘客评价指标打分表。通过对5144份数据的清洗,得到全量乘客和三类乘客的服务质量得分均值,如表1所示。
(2)维度和指标之间的影响关系DANP分析。
基于SERVQUAL量表设计专家评分表,将属性按影响程度划分为五个水平。本文使用DANP法分析维度和指标的影响关系,步骤如下:
第一,获取网约车服务质量影响关系初始数据,剔除异常数据,得到维度和指标级别的专家评分表。
第二,计算专家评分均值,得到维度和指标级别的初始影响矩阵。
第三,对初始影响矩阵进行规范化,得到维度和指标的规范化矩阵。
第四,计算维度和指标的综合影响矩阵TD和TC。
第五,计算矩阵行和、列和、行和列和求和、行和列和求差,得到维度和指标之间的影响网络关系,包含影响度、被影响度、中心度、原因度。
第六,将维度和指标综合影响矩阵TD和TC标准化,计算未加权超级矩阵W;再计算加权超级矩阵Wa。
第七,计算加权超级矩阵Wa的稳定极限超级矩阵,得到维度和指标的影响权重关系。
由表2得,原因类维度的有行性D1、可靠性D2和移情性D5影响程度较大;结果类型维度的响应性D3和保证性D4,受到其它维度影响程度较大。
由表3得影响权重由高到低依次为响应性D3、保证性D4、移情性D5、可靠性D2、有形性D1。影响权重最高的前五名指标依次为平台投诉咨询响应C7、服务礼貌C10、接单等待时间响应C8、支付安全C11、司机服务时间标准和服务时长C9,关注这些指标对提高网约车服务质量有很大帮助,应重视。
(3)影响指标的IPA分析。
IPA法主要用于分析指标的改造优先级,帮助平台提高服务质量。本文扩展了IPA法,由表1和表3得影响权重均值0.067和三类乘客的打分均值(3.7,3.9,3.5)为三个交叉点将二维坐标扩展为多个聚类的四象限图,如图1所示。
图1 分人群的网约车服务质量评价指标的IPA象限图
第一类乘客更关注乘车价格。以平台投诉咨询响应C7、价格优惠C13指标作为改造方向,更符合该类人群对定价靠谱或物超所值的期望。
第二类乘客更关注乘客体验。以平台投诉咨询响应C7、服务礼貌C10和额外增值服务C14指标作为改造方向,更符合该类人群对舒适乘客体验的期望。
第三类乘客更关注乘车安全。以车辆安全措施完备C3、合规司机C4、合规平台C5、合规车辆C6、司机驾驶能力C12和司机优先考虑乘客利益C15等作为改造方向,更符合该类人群对安全第一的期望。
2.4 分析总结
(1)网约车服务质量整体评价。
由表1得,网约车服务质量总体得分均值为3.8,服务质量处于偏上水平。
(2)维度和指标的影响关系分析。
由表2得,合规车辆C6和司机优先考虑乘客利益C15是影响程度较高的原因类型指标,它们显著影响平台投诉咨询响应C7、接单等待时间响应C8和司机服务时间标准和服务时长C9、服务礼貌C10等结果类型指标。因此,基于这些指标,设计改善措施可以提高服务质量,如遵守交通规则,以乘客的安全利益为先;及时上报乘客遗落物品,保障乘客的财产安全,这些措施可以减少安全事故、增加乘客粘性,为品牌赢得良好口碑。
(3)基于IPA分析的三类人群服务质量评价差异化讨论。
由图1得,三类人群的特点和期望不同,故网约车平台应实施乘客分群运营策略,以提高服务质量。
针对第一类价格敏感型乘客,需要特别重视平台投诉咨询响应C7、司机服务时间标准和服务时长C9、服务礼貌C10、司机驾驶能力C12、车辆性能C2和价格优惠C13;其中,车辆性能C2和司机驾驶能力C12属于原因类型;平台改善措施有:改善车辆性能、匹配中高端车型、提高司机驾驶技术和业务操作熟练程度等,这将有助于平台缩短司机接驾时长,减少平台投诉,积累乘客对品牌的认可度,影响平台定价。
针对第二类体验敏感型乘客,需要特别重视平台投诉咨询响应C7、服务礼貌C10和额外增值服务C14;其中,额外增值服务C14是原因类型指标;平台改善措施有:提供便捷友好的APP操作、车内Wifi、视频广告等增值服务,这将有助于平台提高乘客满意度,增加用户粘性。
针对第三类安全敏感型乘客,需要特别重视合规平台C5、平台投诉咨询响应C7、服务礼貌C10、司机驾驶能力C12、车辆安全措施完备C3、合规司机C4、合规车辆C6和司机优先考虑乘客利益C15;其中,合规司机C4、合规平台C5、合规车辆C6和司机优先考虑乘客利益C15原因度较高;因此,平台改善措施有:加大平台监管力度、严格执行三个合规验证,这将有助于平台确保乘客人身和财产安全,增强乘客安全感和信任度,降低乘客投诉率。
3 结语
网约车服务平台可以运用本文提出的研究框架构建一套有效的服务质量评价体系,帮助平台及时了解服务质量现状,实施分群运营策略,形成服务质量管理閉环,持续地迭代优化服务质量。
参考文献
[1]左文明,朱文锋.分享经济下基于SERVQUAL的网约车服务质量管理研究——以滴滴出行和优步为例[J].管理案例研究与评论,2018,11(4):349367.
[2]Adomavicius G,Tuzhilin,A.Toward the next generation of recommender systems:a suevey of the stateofart and passible extensions[J].IEEE Transactions on Knowledge and Data Engineering,2005,17(6):734749.
[3]Parasuraman A,Zeithaml V A,Berry L L.SERVQUAL:A multipleitem scale for measuring consumer perceptions of service quality[J].Journal of Retailing,1988,64(1):1240.
[4]YuPing Ou Yang,HowMing Shieh,GwoHshiung Tzeng.A VIKOR technique based on DEMATEL and ANP for information security risk control assessment[J].Information Sciences,2013,232(232):482500.
[5]Martilla J A,James J C.ImportancePerformance Analysis[J].Journal of Marketing,1977,41 (1) :7779.