基于K-Means的EMS天津地区顾客满意度研究

施力文

（天津天狮学院 经济管理学院，天津 301700）

随着市场竞争的加剧和顾客需求的多样化，顾客满意度在企业经营中的重要性日益凸显。顾客满意度不仅直接关系到企业的生存与发展，而且影响着企业的市场份额和竞争力。对顾客满意度的研究和评估有助于企业制定有效的市场策略，提高企业服务质量。

传统的顾客满意度评估方法主要依赖问卷调查和人工分析，这些方法在处理大量数据和挖掘潜在因素方面存在局限性。随着数据挖掘和机器学习技术的发展，越来越多的研究者将这些先进技术应用于顾客满意度研究。通过构建智能化的满意度评估模型，可以更有效地识别影响顾客满意度的关键因素，从而为企业提供有针对性的改进建议。

国内学者方面，崔红艳等人[1]运用因子分析对吉林西部冰雪旅游游客满意度进行了研究，揭示了旅游服务因子、核心体验因子、资源与环境因子和门票价格因子的影响程度以及顺序，得出游客的总体满意度评价不高，门票价格因子的得分最低，核心体验因子得分也较低的结论。刘灯阁等人[2]设计了12个影响满意度的因子，通过因子分析抽取了影响公共自行车满意度的4个公共因子，给出提高公众满意度的合理化建议。王光伟[3]通过因子分析和聚类分析，将涠洲岛民宿游客满意度的影响因素划分为四个层面，提出了相应对策，以提升顾客满意度。李涛涛等人[4]采用K-Means 方法评价广东餐饮业消费者满意度，构建了TES 分析模型，将餐厅划分为4 个满意度等级，为餐厅改进和发展提供科学依据。

目前，在满意度研究领域，因子分析多涉及指标体系中重要影响因素的提取，而聚类分析主要用于顾客分级，能够将二者集成并结合人群画像方法，挖掘不同满意度群体差异性的研究较少。因此，本文在其他学者的研究基础上，对不同顾客群体提取满意度影响因子，挖掘其差异性规则，同时结合人群画像，深入分析差异成因，从而完善满意度数据的挖掘过程。此种程序化的满意度研究方法更严谨，能够更精准地揭示顾客在使用快递服务后的满意度差异，提出更为合理的满意度提升对策，帮助快递企业探索隐含规律，挖掘其潜在的商业价值。

一、相关理论基础

研究采用多种理论和方法，主要包括SERVQUAL模型、中国顾客满意度指数、因子分析与K-Means聚类。

（一）SERVQUAL模型

SERVQUAL（Service Quality）模型是一种广泛应用于服务业顾客满意度评估的理论模型，该模型基于5 个关键维度评估服务质量，进而衡量顾客满意度[5]。一是可靠性，指服务提供商能够准确、一致地提供承诺的服务，包括按时完成任务和遵守约定；二是响应性，指服务提供商能够迅速、及时地对顾客需求、问题或投诉做出回应，以满足顾客的期望；三是保证，指服务提供商具备足够的知识和能力来提供信心和信任感，包括员工的专业素养、礼貌和可靠性；四是沟通，指服务提供商能够理解顾客的需求和期望，体现在对顾客的关心、关注和个性化服务上；五是设施和有形元素，指服务提供商的有形设施、设备和员工外观等方面是否符合顾客的期望。

（二）中国顾客满意度指数

中国顾客满意度指数（China Customer Satisfaction Index，CCSI）是一种衡量和评估中国消费者对各行业及企业产品和服务满意度的指数体系[6]。该模型通常包括5个方面：一是顾客期望，顾客对产品或服务在购买前的预期水平；二是产品或服务的质量，顾客对产品或服务的实际体验；三是顾客价值，顾客在消费过程中所感受到的产品或服务的性价比；四是顾客满意度，综合以上因素，顾客对产品或服务的整体满意程度；五是顾客忠诚度，满意度高的顾客更可能成为企业的忠实客户，为企业创造更多的价值。

（三）因子分析

因子分析是一种多元统计方法，旨在从多个观测变量中提取少量潜在因子，以揭示数据中的内在结构[7]。通过对原始变量进行数据降维，因子分析可以减少数据复杂性，同时揭示潜在的关联关系。因子分析的主要步骤包括因子提取、因子数量确定、因子旋转与解释。因子分析在社会科学、市场研究、心理学等领域应用广泛。

（四）K-Means聚类

聚类分析是一种无监督学习方法，通过计算样本间的相似度或距离，将相似的样本划分到同一类别中[8]。聚类分析的主要目的是发现数据中的潜在结构，并根据结构对数据进行分组。KMeans算法通过选取合适的距离公式，来衡量不同数据对象的相似度。数据之间的距离与相似度成反比，即相似度越小，距离越大。

二、顾客满意度分析

根据SERQUAL 模型的有形性、可靠性、响应性、保障性和移情性5 个层次，并结合中国客户满意度指数，构建邮政快递天津地区顾客满意度评价指标体系；使用因子分析方法与K-Means 聚类方法作为研究方法；采用Python 语言与其第三方库pandas、numpy、factor_analyzer、sklearn 的cluster子库等，以及seaborn库、matplotlib的pyplot子库进行数据可视化，实现对顾客满意度影响因素的数据挖掘过程。该过程包括4 个步骤：（1）数据收集与预处理。根据构建的评价指标体系收集顾客满意度数据，对数据完成缺失值处理、异常值剔除和数据标准化处理。（2）满意度影响因子提取。首先，确定提取的因子数量；然后，计算因子载荷并绘制气泡图，比较原始指标对各因子的贡献；最后，计算因子得分并标准化，得到用于后续聚类的维度。（3）顾客群体满意度挖掘。使用聚类方法获得不同满意度等级的顾客群体，针对不同群体再次提取影响因子，从而实现对已有指标体系的深入挖掘，揭示影响不同顾客群体的满意度差异性规则。（4）不同满意度人群画像。根据顾客群体满意度挖掘的结论，结合用户人群画像，进一步探讨形成差异的实际原因，提取不同顾客群体之间的满意度差异。

（一）数据收集与预处理

利用问卷星APP，通过QQ、微信等工具进行线上问卷调查，收集EMS 天津地区顾客满意度数据。共回收有效问卷为220 份。顾客满意度为一级指标，二级指标、三级指标及其编号与对应题项如表1所示。

表1 顾客满意度指标与对应题项

（二）满意度影响因子提取

对满意度数据进行降维处理，根据Kaiser 准则（Kaiser Criterion），保留特征值大于等于1 的因子，该因子能解释原始变量中一个变量的方差，并最终选取2 个因子进行后续分析。采用最大方差法进行因子旋转，使因子具有更高的实际意义与可解释性。旋转后因子载荷矩阵如表2所示。

表2 顾客满意度因子载荷矩阵

因子1相较于因子2具有更高的因子载荷，在19 项三级指标中，11 项指标的载荷达到0.6 以上，具有高度相关性。其中，载荷最高的是“性价比”为0.72；“信誉度”次之，载荷达到0.67。从二级指标来看，因子1与企业形象、服务质量、服务价格、顾客抱怨的相关程度较大，可概括为“服务质量与价格”因子。

因子2 中仅有2 项三级指标的载荷超过0.6，具有高度相关性。其中，“向他人推荐的可能性”载荷最高为0.76，“对抱怨的响应时间”次之，达到0.63，分别对应顾客忠诚与顾客抱怨二级指标，可概括为“顾客忠诚度与问题处理”因子。双因子比较关系可由图1表示。

图1 “服务质量与价格”与“顾客忠诚度与问题处理”因子比较

（三）顾客群体满意度挖掘

在得到满意度影响因子后，使用K-Means 聚类方法将顾客分群，并进一步挖掘不同群体满意度影响因素之间的差异。根据肘部法则（Elbow Method）判断，最佳聚类数量为2 类。聚类结果如图2所示。

图2 顾客群体聚类

从图2 观察到顾客样本清晰地聚为2 类，其中包含198 个高满意度样本，以及22 个低满意度样本。笔者分别对高满意度与低满意度顾客群体进行因子分析，对比其因子载荷绝对值，提取具有针性的三级指标，结果如表3 所示。

表3 两类顾客的因子载荷比较

在表3 中，高满意度群体仅有“知名度”的因子载荷绝对值为0.41，表明具有相关性，其余因子载荷均较低，相关性相对较弱；低满意度群体中，“信誉度”“配套设施”“货损率”“投诉渠道便利性”“长期使用意图”因子载荷均在0.45 以上，其中以“货损率”最高，达到0.69，具有高度相关性。通过对比可发现：（1）顾客满意的原因单一。“知名度”所属二级指标为“企业形象”，对应题项为“知名度高，送达地区广泛”。一方面，企业的宣传推广情况影响其在顾客群体中的知名度；另一方面，送达地区影响快递的便利性与时效性。（2）顾客不满的原因复杂。引起顾客不满的因素主要集中在“服务质量”“顾客抱怨”“顾客忠诚”二级指标。结合题项分析，其中以货物破损私拆引发的不满最为强烈，可直接造成顾客对企业服务质量的差评，并拒绝再次使用；快递配送取件设施的不完善，尤其在配送如生鲜或高价值商品时，无法达到配送标准，可造成顾客对企业实力的质疑；发生纠纷后投诉渠道的不便利、不通畅可引发顾客的抱怨情绪，如果顾客进一步向国家邮政局等机构投诉，可对企业产生较大影响；当顾客对整体服务产生不满时，可造成用户流失，导致企业竞争力下降；顾客群体对企业品牌形象不认可，可表现为对企业的不信任、不使用，从而进一步增加用户流失率，使企业市场价值受损。

（四）高满意度与低满意度人群画像

调查问卷包括省份、性别、年龄、教育程度、使用频次等题项，用以收集顾客的基本信息。其中，“省份”数据包含中国主要省份，“满意”顾客在各省份中均有分布，“不满意”顾客所属省份及频数如表4所示。

表4 “不满意”顾客所属省份及频数

由表4可知，距离天津较远的省份更容易出现不满意的情况。结合满意度挖掘结论，促使顾客形成高满意度的因素为“知名度高，送达地区广泛”，然而表4的数据表明：当送达地区距离天津较远时，长途运输造成送达时效性降低，可对顾客满意度产生负面影响。进一步对比不同满意度下“顾客性别”“教育程度”“顾客年龄”“EMS 使用频次”占比情况，结果如表5、表6所示。

表5 不同满意度下“顾客性别”与“教育程度”占比情况%

表6 不同满意度下“顾客年龄”与“EMS使用频次”占比情况%

由表5 可知，调查对象中女、男占比分别为57.27%与42.73%，在男性顾客中高满意度占比达到90.43%，女性顾客中高满意度占比为89.68%，由“性别”造成的满意度差异不明显；顾客受教育程度中“高中”最多，达到28.64%，“本科及以上”最少为18.64%，随着“教育程度”的提高，不满意的顾客逐步增加，但比例差异仍然较小。

由表6 可知，调查对象年龄以“30 岁以下”最多，达到56.36%，“50 岁以上”的顾客仅占9.55%，但随着年龄增长，“不满意”的顾客比例呈倍数关系攀升，其中“30 岁以下”群体仅占6.45%，而“50岁以上”群体已达到23.81%；不同“EMS使用频次”顾客比例接近，其中“不满意”情况随着使用频次的上升而下降。结合满意度可得出结论，一方面，30岁以下的顾客群体是1995年后出生的“Z世代”，其伴随着互联网技术的发展而成长，该群体能够使用多种新媒体渠道接收信息，EMS 在疫情期间做出“国家队”应有的贡献[10]，在网络中其品牌影响力也随之上升，因此在该顾客群体中具有较高的知名度；另一方面，顾客选择EMS服务后，随着使用频次的增加，又进一步巩固了其长期使用的意愿。

三、顾客满意度提升策略

笔者在深入分析数据挖掘结果的基础上，分别对高满意度与低满意度对应的影响因素提出具有针对性的对策，以协助EMS改善服务质量，从整体上提高顾客满意度水平。

（一）高满意度影响因素强化措施

1.加强数字化品牌营销，提升企业知名度

目前，快递企业提供的服务同质化严重，品牌营销成为企业竞争的重要领域。EMS应充分利用数字化工具，重新定位当前的经济与消费形势，并对未来发展趋势进行预判。同时，在品牌定位中植入个性化元素，打造品牌、产品、内容三位一体的品牌价值体系；采用多渠道网络推广手段覆盖流量公域，同时构建KOL意见领袖组合传播矩阵，实现流量私域圈层内的良性循环。通过上述手段拓宽消费者对EMS 品牌认知的广度与深度，从而提升企业在顾客群体中的知名度。

2.细化供应链信息管理，提高送达时效性

根据2019年至2021年的数据，国内常用快递全程时效排名前三位的品牌为顺丰44.78 h、EMS 55.40 h、京东57.29 h，标准差依次为5.76、7.51、5.37；72 h 准时率由高到低排名为顺丰91.05%、京东78.20%、EMS 77.83%，标准差依次为0.048、0.076、0.095[11]。数据表明，EMS 整体时效性较好，但数据分布较为分散，部分快递时效性难以保障，结合满意度挖掘结论，应重点关注长距离运输产生的延误情况。EMS 可以结合国家物流枢纽、城郊大仓等基础物流设施，加强信息化建设，实时监控进程并优化运输路线，避免因中转过多造成的延迟情况，提高快递送达时效性。

（二）低满意度影响因素改善措施

1.提高监管力度，提升企业信誉度

顾客倾向于选择信誉度较高的快递企业为其提供服务，EMS应建立良好的信用体系，提高顾客对企业的信任度。EMS 可根据《邮政业寄递安全监督管理办法》《快递暂行条例》《快递市场管理办法》《快递业务经营许可管理办法》等完善监管机制，注重服务过程监管与服务质量监管，并确保监管办法能够有效执行；对监管人员制定量化考核方案，强化其责任心；建立诚信机制、诚信公示系统，培养员工自我监管意识。EMS 需要从监管制度、考核方案、诚信机制等方面，全面提升企业信誉度。

2.完善配套设施，满足顾客多元需求

众多快递企业通过配置数字技术工具、人工智能系统、自动化分拣设备、智能快递柜等方式实现数字化转型。EMS应采用智能化仓储管理系统，对库存、出入库等环节进行监管并优化；加强无人分拣技术装备的部署与应用；整合配送网络信息，优化配送网络，广泛开展共同配送，提升城乡“最先一公里”和“最后一公里”的快递末端服务能力，尤其要重视节假日、电商大促等重要时期的送达效率。

3.规范装卸与包装标准，降低货损率

造成货物发生损坏的原因主要有3个方面：一是货物包装方式不合理，无法对货物形成有效保护。应采用现代包装技术，按照货物类型制定包装标准，并在货物内部适当添加缓冲物，同时针对特殊商品重点包装。二是装卸流程不规范，存在人工转运暴力装卸情况。应加强员工培训并进行有效监督，同时使用无人机、无人车、电动叉车等智能装卸工具，减少人工装卸搬运，降低人为货损率。三是包装破损未及时修复，造成货物丢失。应在货物发出前严格检查包装情况，必要时进行二次包装。通过上述方式，有效降低EMS的货损率。

4.优化投诉处理机制，增加信息透明度

针对顾客抱怨的不同阶段，EMS 可制定相应的应对策略。第一，在快递发生延误或损坏时，为缓解顾客产生的不满情绪，可将事故原因上传至信息服务平台，并与顾客及时沟通；第二，注重员工培训质量，确保其能够提供专业、及时、周到的服务，并全面准确地将解决进度信息呈现给顾客；第三，在投诉与索赔方面，应拓展索赔渠道和投诉途径，并加强执行力度；第四，需要建立投诉回访制度，针对投诉处理环节的服务质量进行调查，了解顾客评价；第五，采用数字化工具对顾客的评价深入挖掘，获取抱怨的关键信息并予以改善。

5.实施客户关系管理，提高顾客忠诚度

为了进一步了解顾客需求，EMS 可效仿电商平台对顾客信息的收集力度，详细记录顾客的基本信息与用户行为，提供个性化的优惠和服务；通过大数据分析，根据顾客消费习惯，制定有针对性的营销策略；定期联系顾客，收集反馈信息，调研顾客满意情况；根据用户画像优化会员制度，提供专属优惠、礼品、积分，定期举办回馈活动，通过加强互动增加用户黏性，巩固长期使用意图，提高顾客忠诚度。

四、结语

本研究主要提出基于因子分析与聚类的方法，实现了对高、低满意度等级影响因素的区分，并分别提出应对措施。该研究可为改善EMS以及其他快递企业的顾客满意度提供参考，对快递企业未来更好地发展具有指导意义。然而，研究仍存在一定局限性，由于样本范围和来源有限，未来研究可进一步拓展调研范围并改进数据获取方法，弥补当前数据与方法的局限性。