基于TAM模型的校园快递无人车使用意愿研究

强浓

摘  要：为深入了解大学生对校园无人配送的接受度，文章以技术接受模型（TAM）理论为基础，构建了一个包含感知有用性、感知易用性、感知风险、满意度和行为意向的理论模型，并向在校大学生发放了问卷，收集了有效数据，利用结构方程模型（SEM）进行了实证分析。在此基础上，提出了提高大学生对校园快递无人车接受度和行为意向的策略建议，旨在为校园无人车配送的优化和发展提供参考。

关键词：TAM；校园快递无人车；使用意愿；结构方程模型

中图分类号：F618    文献标志码：A    DOI：10.13714/j.cnki.1002-3100.2024.13.014

Abstract： To gain a deeper understanding of college students' acceptance of unmanned delivery on campus， this article uses the technology acceptance model（TAM）as its theoretical foundation. It constructs a theoretical model that includes perceived usefulness， perceived ease of use， perceived risk， satisfaction， and behavioral intention. The article collects valid data through a questionnaire survey of college students and conducts empirical analysis using structural equation modeling（SEM）. Based on this， the article proposes strategic suggestions for improving college students' acceptance and behavioral intention towards campus express unmanned vehicles， aiming to provide a reference for optimizing and developing unmanned vehicle delivery on campus.

Key words： TAM; campus express delivery robot; intention to use; structural equation model

1  研究背景

近年来我国快递量快速增长，根据国家邮政局数据显示，2022年全国快递量完成1 105.81亿件，人均快递量78.3件[1]。根据中国教育后勤协会、阿里巴巴研究院发布的《校园快递行业发展报告（2022）》，中国高校学生人均快递数量已超过70件，高于全国平均水平。校园快递量的快速增加对于快递物流也提出了较高的要求。最近几年，人工智能、物联网以及大数据快速发展，为了提高驿站工作效率和快递派送效率，目前已有众多高校引入了无人车。截至2022年双十一期间，阿里旗下的小蛮驴覆盖了全国400多所高校，成为校园快递最后一公里中非常重要的一部分。

但是无人车的发展目前处于初级阶段，在使用过程中依然有较多限制，如只能用于人员相对稳定的封闭场所，受限于道路状况、配送货物质量等。客户满意度对于快递行业的发展至关重要，不同的顾客对于无人车配送的需求存在一定差异，对于无人配送车的接受程度也是不同的，因此本文以高校学生对于无人车配送的接受程度为研究对象，分析影响大学生使用无人车配送服务的重要因素，有助于为校园快递运营企业提供差异化的服务提供一些参考，提升客户满意度。

2  理论基础与研究假设

2.1  理论基础

目前研究人们对新技术或新方法接受程度的理论应用最广泛的方法是美国学者戴维斯（Fred D. Davis）提出的技术接受模型（Technology Acceptance Model，TAM）。该模型认为实际使用是受行为意向的影响，行为意向受使用态度和感知有用性的制约，使用态度主要由感知有用性和感知易用性的共同决定，而且感知易用性也会影响感知有用性，同时感知有用性和感知易用性均会受到外部变量的影响[2]。技术接受模型的组成如图1所示。

借鉴该模型，本文不仅考虑了感知有用性和感知易用性对行为意向的影响，同时考虑了感知风险和满意度对于校园无人车使用意愿的影响，构建了研究模型，如图2所示。

2.2  研究假设

（1）行为意向

接受度模型是以实际使用行为作为最终测量变量，但由于实际使用受到行为意向的影响，有了行为意向才会产生实际使用，因此本文将行为意向作为最终因变量。行为意向高则说明大学生对校园无人车的接受度高。

（2）感知有用性、感知易用性和满意度

本文的理论基础是技术接受模型，其核心变量是感知有用性和感知易用性[2]。感知有用性主要体现在用户认为校园无人车更便捷、节省时间。感知易用性是指通过平台的APP来下单取快递、寄快递等过程流程简单，使用简便。很多专家学者的研究验证了感知易用性对感知有用性有显著正向影响。Bhattacherjee的研究结果表明感知有用性对用户满意度和行为意向都有正向作用。他提出用户感知到的有用性不仅仅是满足基本需求，还能带来心理上的享受[4]。因此本文做出如下假设：

H1 校园无人车用户的感知易用性显著正向影响感知有用性。

H2 校园无人车用户的感知有用性显著正向影响其对校园无人车的满意度。

H3 校园无人车用户的感知有用性显著正向影响行为意向。

H4 校园无人车用户的满意度显著正向影响行为意向。

H5 校园无人车用户的感知易用性显著正向影响对校园无人车的满意度。

（3）感知风险和满意度

感知风险指的是用户的一种不确定心理，用户无法确定在购买商品或享受服务后是否会产生不愉快的结果，是消费者的主观判断[5]。对校园无人车而言，感知风险指的是用户对校园无人车的安全性、个人隐私等风险的感知。本文做出如下假设：

H6 校园无人车用户的感知风险显著负向影响对校园无人车的满意度。

（4）满意度和行为意向

满意度是指用户的心理感受，在使用校园无人车配送服务后产生的愉悦感。Lin和Wang的研究验证了用户满意度对用户的行为意向有正向影响[6]。用户的满意度越高，行为意向就越强，反之就越低。本文做出如下假设：

H7 校园无人车用户的满意度显著正向影响其行为意向。

3  量表开发与数据收集

通过查阅文献、专家访谈等方法，编制了校园无人车用户使用意愿调查问卷。问卷主要包含两个方面：一是对受访者基本信息的采集，包括性别、年级、专业、收发快递的基本情况等，这部分主要是用于了解样本的大致分布情况以及用户使用校园无人车的的基本概况。第二部分是问卷的主体部分，设计了13个题项对应理论模型的5个变量，问卷采用五级李克特量表。共发放216份问卷，去除答题时间过短以及答案全部相同的无效问卷，最终得到172份问卷。研究维度及测量题项如表1所示。

4  数据分析

4.1  信度分析

信度分析即可靠性分析，是为了检验问卷数据的同质性和稳定性。Cronbach's α（克朗巴哈系数）系数是最为常用的检验问卷信度的指标。分析结果如表2所示，各维度Cronbach's α系数值均在0.7以上，表明具有内部一致性，信度较高。

4.2  效度分析

本文采用结构效度来对数据进行测量，也就是探索性因子分析。因子分析前先进行KMO检验以及Bartlett's球形度检验。检验结果如表3所示。

由表3可知，KMO为0.862，大于0.8，说明数据比较适合做因子分析。Bartlett球形度检验的P值为0，小于0.05，样本数据呈现球状分布，表明样本数据通过了显著水平为1%的显著性检验。KMO检验和Bartlett的检验都满足了标准，可以进行后续的因子分析。

根据样本数据结果，提取了5个特征根大于1的因子，与本文假设模型中的五个主体变量数量一致。5个因子的累计方差解释率为80.9%，说明提取出来的5个因子可以很好的解释问卷内容（见表4）。感知有用性的题项集中在因子4，感知易用性的题项集中在因子2，满意度的题项有两个集中在因子3，题项2的问题“我认为使用校园无人车配送服务是明智的”经分析与满意度不符，因此将其删掉。行为意向的题项集中在因子1，感知风险的题项集中在因子5。剔除掉D2问题以后，剩余的因子载荷都达到0.5以上，说明调查的题项与对应的因子存在相关性，并且此份问卷的内部结构较为清晰，问卷信度符合检验标准，整体的有效性较高。

4.3  结构模型检验

图3为结构方程模型。模型验证中的主要指标及其评价标准如表5所示。

从表5可以看出，本文结构方程模型的各项评价指标均在可接受的范围内，由此得出本文的结构方程模型拟合优度较好，模型有效。表6为自变量到因变量的路径有效性。

通过表6可以看出，本文的研究数据显示所有路径系数均符合评价标准，所有的路径均是有效的。

5  结论与建议

5.1  结  论

本文基于基本的TAM模型，引入了用户满意度和感知风险两个变量，构建理论模型，研究大学生对于校园无人车使用意愿的影响因素。通过问卷调查进行验证，7个原假设得到验证。

用户的行为意向受到对校园无人车满意度的影响。根据前面分析结果显示，用户满意度受到感知有用性和感知易用性的正向影响、感知风险的负向影响。用户使用无人车的目的是为了节约时间、提高效率。无人车能否在用户预期时间内到达是影响满意度非常重要的因素之一，准时度越高，满意度就越高，用户的使用意愿就越高。此外校园无人车是否会泄露个人信息、损坏用户快递等，这些风险也会影响到用户的使用满意度。

5.2  建  议

5.2.1  优化服务，提升用户满意度

用户在初次使用校园无人车配送服务之后，如果获得了良好的使用感受，就会产生用户满意度，促使下一次使用并向身边人推广。因此，企业要充分考虑大学生这一特殊群体的需求和特征，调整无人车的运营策略，提升用户满意度。可采取以下策略：

（1）优化服务时间，增加服务覆盖范围

结合笔者所在高校来看，目前无人车的运营时间段主要集中在白天，并且避开了上下课高峰时间段，通过实际访谈发现，在中午12时—13时的热门时间段经常出现约满的情况，大部分学生都认为应该增加无人车数量或者营业时间段延长至晚上，并且细化预约送货时间段。此外，受到校园内道路条件的限制，并没有覆盖到所有宿舍楼。作为运营方需要与校方沟通协作，解决运营时间短、覆盖范围有限的问题。

（2）加强管理，提高准时发车率和及时履约率

快递能否准时配送是影响用户满意度非常重要的因素之一，以笔者所在高校为例，无人车大部分时间都是100%准时发车，有少数时间段是90%左右，但也有时是60%左右。笔者在实际观察中发现，存在部分学生故意拦车的现象，这会导致无人车无法准时完成送货任务，进而影响下一班次的运行。此外包裹滞留情况也经常出现，很多同学无法在规定时间内到楼下领取，严重时甚至遣返率高达10%以上，还有些同学在装车后才取消订单，驿站工作人员还需要找到原先的货架重新入库，增加了工作人员的负担，造成了人力物力的浪费，也极大的影响了驿站派件效率。

（3）加强人机交互，增加服务内容

大学生群体对于新鲜事物充满着强烈的参与感，目前无人车人机交互还比较单一，仅体现在输入取件码、打开柜门取走快递。如果可以丰富人机交互方式和内容，会给用户带来更好的体验，从而提升满意度，增强使用黏性。

此外，为了进一步提升无人车使用率，还应考虑增加服务内容。例如，与食堂或其他商家合作提供无人配送服务。

（4）优化无人车配送路径

目前的无人车配送路线的设计仅仅是依靠主观经验来设置的，缺乏一定的科学依据，但是在运营中发现，不同楼栋的需求量是存在差异的，例如女生宿舍楼需求量要远远高于男生宿舍楼需求量，距离驿站较远的宿舍楼需求量也较高。应该结合实际情况，运用一定的优化算法来设计配送路线并能够动态调整，进而节约配送距离，提升用户满意度。

5.2.2  加快完善无人车配送的相关法律法规和制度

目前，我国还没有专门针对无人配送的法律法规，菜鸟驿站经营方需要制定和完善无人车的使用规范，作为高校一方，也需要出台相关的制度对无人车的运营进行监管，此外，还需要有相关的制度保障用户的利益。

5.2.3  加大对无人车技术的研发力度，提高安全性保障

为了解决无人车配送发展中遇到的问题，企业需要加大对无人车的技术研发，改进产品性能，提升用户使用体验，提高安全性保障。

参考文献：

[1] 国际邮政局. 2022年邮政行业发展统计公报[EB/OL]. （2023-05-26）[2023-06-30]. https：//www.spb.gov.cn/gjyzj/c100276/202305

/d5756a12b51241a9b81dc841ff2122c6.shtml.

[2]  DAVIS F D. Perceived usefulness， perceived ease of use and user acceptance of information technology[J]. MIS Quarterly， 1989，13（3）：319-340.

[3] 鲁佼佼，孙剑斌. 国内技术接受模型的实证研究综述[J]. 赣南师范学院学报，2013（6）：89-93.

[4]  BHATTACHEIJEE A. Understanding information systems continuance： An expectation-confirmation model[J]. MIS Quarterly， 2001，25（3）：351-370.

[5]  BARACH J A. Advertising effectiveness and risk in the consumer decision process[J]. Journal of Marketing Research， 1969，6（3）：314-320.

[6]  LIN W S， WANG C H. Antecedences to continued intentions of adopting E-Learning system in blended learning instruction： A contingency framework based on models of information system success and task—technology fit[J]. Computers & Education， 2012，58（1）：88-99.