基于顧客滿意度的B2C購物網站評價體系

朱 霖， 王丹丹

(上海電機學院 商學院, 上海 201306)

基于顧客滿意度的B2C購物網站評價體系

朱 霖， 王丹丹

(上海電機學院 商學院, 上海 201306)

借鑒ACSI模型，結合B2C電商網站顧客的特點，從網站環境、服務過程、產品屬性、交易安全和品牌忠誠5個維度，設計了一套包含21個二級指標的B2C電商網站顧客滿意度評價體系；以天貓網站顧客為樣本發放調查問卷,根據問卷調查結果,采用層次分析法(AHP)進行分析,找到影響B2C電商網站顧客滿意度的關鍵因素，并在此基礎上提出相關的改進建議。結果表明，影響天貓網站顧客滿意度關鍵因素中支付安全、顧客隱私和商品性價比獲得較高評價，而售后服務和商品信息真實方面評價較低，亟待改善。

商對客(B2C)； 顧客滿意度； ACSI模型； 層次分析法

隨著互聯網消費規模不斷擴大，越來越多的電商網站試圖通過電子商務這種新興經濟盈利模式來獲得生存空間。據阿里研究院與埃森哲發布全球跨境B2C電商趨勢報告預測2020年全球跨境B2C電商交易額將達到9 940億美元,惠及9.43億全球消費者[1]。數據表明，B2C電商模式在中國雖然還處于起步階段，但有相當大發展空間，同時，還必須看到各種不利因素制約著中國電子商務的快速發展。

通過顧客滿意度調查，電子商務網站可以及時了解顧客的購物感受和潛在的需求，掌握顧客滿意程度和影響顧客滿意度的具體原因，進而有針對性地采取措施對產品和服務進行必要改進和創新，對于電商網站的發展具有較高的實踐意義。

研究顯示[2]，由一個滿意顧客會引出8筆潛在交易且最少有一筆成交，而一個不滿意顧客則會對另外25人的購買意向產生影響。1989年美國建立了第一個顧客滿意模型，將顧客滿意度的數學運算方法和顧客購買產品或服務的心理感知相結合，采用偏微分最小二次方求得顧客滿意度指數[3]。瑞典最先運用這一模型和運算方法構建了瑞典顧客滿意指數(Sweden Customer Satisfaction Barometer，SCSB)模型[4]。1994年美國正式開始構建美國顧客滿意度指數(American Customer Satisfaction Index，ACSI)，其綜合評價指數由國家、部門、行業和企業滿意度指數4個層次組成[5]。ACSI模型由6個結構變量組成，顧客滿意度是目標變量，顧客預期、感知質量和感知價值是顧客滿意度的原因變量，顧客抱怨和顧客忠誠則是顧客滿意度的結果變量[6]。與其他模型相比較，該模型科學地利用了顧客的消費認知過程，能客觀反映出消費者對服務質量的評價，并綜合反映出顧客的滿意程度[7]，是目前體系最完整、應用效果最好的一個國家顧客滿意度理論模型。

目前，國內、外學者針對電商網站顧客滿意度的研究相對較晚，主要集中在根據實際環境要求對現有模型的改進及實證研究上。查金祥等[8]認為網絡購物的顧客滿意度是顧客在網購過程中整體心理感受，其便利性、財務安全和網站設計對顧客滿意度有正向影響。潘勇等[9]對網上購物顧客滿意度建立了一套評價指標體系，該體系包括10個因素和49個測量項目。LEE等[10]將影響網絡購物的顧客滿意度的因素分為價格、顧客服務、商家的后勤支持、網站前端各項服務4類。劉廣艷[11]將產品因素、價格因素、溝通和信用等因素加入到電商網站的顧客滿意度模型中，進而實現模型的拓展。董西梅[12]以在校大學生為對象建立了網上購物滿意度指標體系及測評模型，運用因子分析法找出影響因素，并計算出其滿意度現狀。韓順平等[13]調查在兩電商網站上32家網上服裝店成交顧客的評價，用雙因素理論和內容分析歸納這些網店的服務保證條款。

綜上所述，國內外學者對顧客滿意度、顧客滿意度模型等方面進行了一定的理論研究和實證分析。但是，針對近年來發展起來壯大的B2C購物網站的研究涉及較少，傳統的計量模型體系復雜，實用性不夠，因此，建立一個簡單易用、具有一定實用性和可操作性的顧客滿意度測評體系，為B2C企業服務改進提供科學依據，具有較大的研究意義。

本文以天貓網站為研究對象，借鑒ACSI模型，結合B2C電商網站顧客的特點，建立B2C購物網站顧客滿意度評價模型；運用層次分析法(Analytic Hierarchy Process, AHP)對影響B2C購物網站顧客滿意度因素權重進行分析，意在找出影響B2C購物網站顧客滿意度的決定因素，并提出改進的策略方法，在為顧客提供更好的服務的同時，提升企業的競爭力。

1 B2C購物網站顧客滿意度評價體系的建立

1.1指標選取

根據消費者在購物網站服務質量的實際感知，借鑒ACSI模型，參考網絡購物顧客滿意度綜合模型及相關滿意度模型的測評指標的選取，本文具體選取了5個指標作為顧客滿意度測評體系的指標：網站環境A、服務過程B、產品質量C、交易安全D、品牌忠誠E，并進一步對一級指標進行分解，其測評指標體系如圖1所示。

圖1B2C購物網站顧客滿意度評價指標

Fig.1 Service quality evaluation indicators of B2C online shopping mall

1.2權重確定

完成電商網站顧客滿意度評價指標體系構建后，根據AHP來確定各層次指標的權重。AHP是20世紀70年代初由美國運籌學家薩蒂提出,是運用定性與定量相結合的一種多目標決策分析法[14]。AHP將與決策相關的元素分解為目標、準則、方案等不同層次，求解判斷矩陣特征向量，并將每一層次的各元素對上一層次對應元素的優先權重進行一致性檢驗，確定目標層的權重[15]。對XA和XB兩因素，按照表1的矩陣判斷標度表，用WAB表示XA對XB的影響程度，并用1～9的比例標度來度量。

表1 B2C購物網站服務質量判斷矩陣

根據表中列出的9個重要性等級及賦值，初步建立電商網站顧客滿意度的評價指標的判斷矩陣，再根據各層次指標的問卷得分情況，通過計算分析，建立各個層次的指標的判斷矩陣。

表2所示為顧客滿意度一級指標的判別矩陣(表中的計算結果以此類推),求得一級指標判斷權重集Wi={0.056,0.157,0.240,0.450,0.097},i=A，B，C，D，E, 判斷矩陣一致性比例CR=0.072≤0.1, 總目標權重為1.0，最大特征值為5.324，通過一致性檢驗。

表2一級指標兩兩判斷表

Tab.2 Judgment matrix of service quality of B2C online shopping mall

ABCDEWiA11/31/41/51/30．056B311/21/430．157C4211/340．240D543140．450E31/31/41/410．097

表3所示為網站環境的判別矩陣,求得其判斷權重集WA={0.106,0.634,0.260},其判斷矩陣一致性比例CR_A=0.032≤0.1, 總目標權重為1.0，最大特征值為3.037，通過一致性檢驗。

表3 網站環境兩兩判斷表

表4所示為網站服務過程的判別矩陣,求得其判斷權重集WB={0.045,0.096,0.235，0.158，0.466},其判斷矩陣一致性比例CR_B=0.029≤0.1, 總目標權重為1.0，最大特征值為5.128，通過一致性檢驗。

表5所示為產品屬性的判別矩陣,求得其判斷權重集WC={0.398,0.249,0.055，0.098，0.200},其判斷矩陣一致性比例CR_C=0.067≤0.1, 總目標權重為1.0，最大特征值為5.300，通過一致性檢驗。

表4 服務過程兩兩判斷表

表5 產品屬性兩兩判斷表

表6所示為交易安全的判別矩陣,求得其判斷權重集WD={0.055,0.564,0.118，0.263},其判斷矩陣一致性比例CR_D=0.043≤0.1, 總目標權重為1.0，最大特征值為4.117，通過一致性檢驗。

表6 交易安全兩兩判斷表

表7所示為品牌忠誠的判別矩陣,求得其判斷權重集WE={0.146,0.432,0.349，0.074},其判斷矩陣一致性比例CR_E=0.076≤0.1, 總目標權重為1.0，最大特征值為4.206，通過一致性檢驗。

通過各一級指標的權重計算結果可得知，WD>WC>WB>WE>WA，即在電商網站的顧客滿意度影響因素中，交易安全的權重最大，說明交易安全對顧客滿意度的影響最大，也是顧客最為看重的一個方面；其次是產品屬性，這表明顧客比較在意電商網站的商品滿足需求的程度，這也是直接影響顧客滿意度的一個方面；服務過程的權重也較高，可見其對顧客滿意度存在著正向的影響，顧客只有在對服務過程滿意的情況下才會進行購物消費及再次光顧；而品牌忠誠和網站環境指標對電商網站顧客滿意度的影響較小，其中，網站環境的權重最小，即對顧客而言，它們并不是影響其滿意度的關鍵性因素。

表7 品牌忠誠兩兩判斷表

2 實證分析

2.1問卷設計

根據已建立的電商網站顧客滿意度指標體系，構建調查問卷。根據顧客滿意度調查問卷中的問題對指標變量進行量化，從非常不滿意到非常滿意來加以衡量；其中，非常不滿意為1分、比較不滿意為2分，不確定為3分，比較滿意為4分，非常滿意為5分。被訪者根據自身實際情況以打鉤的形式選擇相應分數。

調查問卷主要使用電子郵件、即時通訊工具和在線論壇等網絡形式發放，以電子郵件的形式進行收集。發放時間為2014-12-06—2015-02-06，共發放問卷160份，其中有效問卷127份。調查以天貓網站顧客為研究對象，這是由于天貓網站是國內最大的B2C購物平臺，對國內B2C購物具有代表性和指標性意義。問卷選項使用李克特Likert5點量表，可使顧客在回答問卷時做出更加準確的描述。

2.2問卷信度分析

信度是指測量結果穩定性或一致性程度。針對電商網站顧客滿意度的調查，完全通過模型展開來控制信度，使量表的可靠性和穩定性均有所提高。最常用的測量信度的方法是克朗巴哈信度系數法[16](Cronbach’sα)，即

(1)

通常，α為0～1，α越大，則其信度越高。當α>0.7時，表示具有非常高的信度。筆者使用統計軟件SPSS(Statistical Program for Social Sciences)20.0對所得數據進行分析，得到α=0.859>0.7，表明該問卷量表的信度相當高。

2.3實證分析結果及分析

對收集的調查問卷根據題目進行分類，求其平均值，可得各二級指標的滿意度SQ ij得分，然后根據權重Wi可計算得到各一級指標的滿意度分數SQ i，具體結果如表8所示。

根據表8中的數據及各一級指標的權重可以計算得到電商網站的總體顧客滿意度指數SQ，即

SQ= ∑SQ iWi=3.911×0.056+3.477×

0.157+3.612×0.240+3.844×0.450+

3.532×0.097=3.704

由此可見，問卷調查得出的電商網站的總體顧客滿意度不是很高，這說明天貓網站顧客滿意度還有很大的改善和提升空間，未來需要做的工作還很多。其中，根據一級指標的滿意度分值，顧客對該網站滿意的指標由高到低依次為網站環境、交易安全、產品屬性、品牌忠誠和服務過程。

由二級指標相對于總目標的權重Wi·Wij可見，顧客最為重視的指標依次為支付安全、顧客隱私、商品性價比、售后服務、商品信息真實，它們的顧客滿意度分別為3.916、3.857、3.785、3.485、3.495。其中，支付安全、顧客隱私和商品性價比3個指標的滿意度相對較高，表明顧客認同網站在支付方式上趨于完善和對其相應購物過程中隱私的保密，同時，商品的實用性方面能滿足顧客需求，具有較好的性價比；當然，網站在今后的運營管理中應繼續維護和完善相關工作。相比之下，售后服務和商品信息真實指標的顧客滿意度較低，是亟待解決和改善的首要因素。

表8 天貓網站顧客滿意度評價結果

對于網站的服務過程，售后服務、網站效率和網站促銷3個指標的滿意度分值較低，則網站不僅需要保持顧客在選購商品時有較好的客服態度以及保持商品物流暢通，還應該注重提升商品銷售前的促銷方式和處理售后問題的能力，更好地滿足消費者的需求，維護消費者的權益。

商品信息真實準確指標的顧客滿意度較低，網站在做到商品種類豐富及性價比較優的情況下，還應做好商品信息的展示，確保商品信息的真實可靠，使顧客在網上購物，不會因為看不到實物而擔憂其質量，使顧客真正從心底感到滿意。

3 結 語

本文以電商網站作為研究主體，借鑒ACSI模型，參考已有指標體系，結合電商網站顧客的特點，建立了適合電商網站客戶滿意度的評價指標體系，將顧客滿意度的影響因素分為5大類，即網站環境、服務過程、產品屬性、交易安全和品牌忠誠。選取天貓網站作為實證分析對象，通過發放及回收問卷進行數據分析整理，驗證了方法的有效性。根據研究結果，提出了電商網站顧客滿意度的提升建議，對當今電商網站的運營和管理有一定的借鑒作用，促使電商網站進一步提高網絡服務的質量，為顧客提供滿意的服務。

[1] 余桂蘭. 跨境電商B2C模式下:交易糾紛的處理規則及相關流程——以《阿里速賣通網上交易糾紛規則》英文版為例[J]. 對外經貿實務, 2016(9):48-51.

[2] 徐冬磊，汪祖柱. C2C電子商務顧客滿意度的影響因素及其模型 [J]. 科技情報開發與經濟, 2010, 20(3):143-145.

[3] 趙富強, 劉金蘭, 彭悅. PLS算法的顧客滿意度指數模型 [J]. 北京理工大學學報(社會科學版)，2012, 14(1):56-59，65.

[4] FORNELL C. A national customer satisfaction barometer: The Swedish experience [J]. The Journal of Marketing,1992，56(1)：6-21.

[5] 王偉軍．電子商務網站評價研究與應用分析 [J]．情報科學，2003，21(6)：639-642．

[6] FORNELL C, JOHNSON M D, ANDERSON E W, et al. The American customer satisfaction index: Nature, purpose, and findings [J]. Journal of Marketing,1996，60(3)：7-18.

[7] 簡彩云．顧客滿意度指數測評模型比較與借鑒 [J]．商業時代·理論，2005(11)：39-42．

[8] 查金祥，王立生．網絡購物顧客滿意度影響因素的實證研究 [J]．管理科學，2006，19(1)：50-58．

[9] 潘勇,趙軍民.基于顧客滿意度的B2C電子商務網站評價 [J].現代情報,2008(5):220-223.

[10] ZHANG K Z K, CHEUNG C M K，LEE M K O. Examining the moderating effect of inconsistent reviews and its gender differences on consumers’ online shopping decision [J]. International Journal of Information Management, 2014，34(2)：89-98.

[11] 劉廣艷.網上購物消費者滿意度模型研究 [J]. 山東電力高等專科學校學報,2007(2):13-16．

[12] 董西梅．電子商務顧客滿意度指標體系及測評模型 [J]．科技情報開發與經濟，2007，17(27)：153-155．

[13] 韓順平，王秀娟．雙因素理論在網上商店服務中的應用 [J]．經濟問題，2006(11):50-51.

[14] 葉靖克, 閆麗, 楊德華. 基于AHP的快遞業SERVQUAL評價模型改進研究[J]. 物流工程與管理, 2010, 32(9):78-80.

[15] 顧建華.城市居民對農貿市場滿意度影響因素實證研究：以淮安市為例[J]. 價值工程，2014 (12):5-7.

[16] 胡啟國, 張鵬. 顧客滿意度指數測評指標體系的構建 [J]. 統計與決策, 2009(10):55-57.

Evaluation of B2C Online Shopping Mall Based on Customer Satisfaction

ZHULin,WANGDandan

(School of Business, Shanghai Dianji University, Shanghai 201306, China)

Based on the ACSI model and combining characteristics of domestic consumers, an evaluation system is designed to measure the performance of B2C online shopping. The system contains 21 individual indicators in five categories: website environment, service process, product attributes, transaction security, and brand scale. Each indicator undergoes weighted analysis according to the following analytic hierarchy process (AHP). The objective is to determine the dominant factors, which affect the level of customer satisfaction on services provided by the B2C online shopping. In addition, an empirical study on a typical multinational B2C online shopping, the mall, is conducted using a method of face-to-face interview and questionnaire. The result suggests that the three dominant factors that most affect the service quality provided by B2C online shopping are payment security, private information of customers, and performance-price ratio of the products.

business-to-customer (B2C); customer satisfaction; ACSI model; analytic hierarchy process(AHP)

2017 -08 -21

國家自然科學基金青年基金項目資助(71401099)；上海電機學院科研啟動經費項目資助(14QD46)；上海電機學院重點學科建設項目資助(13XKJ02)

朱 霖(1981-)，男，講師，博士，主要研究方向為產業經濟學，E-mail：linnzhu@163.com

2095-0020(2017)05 -0295-06

F 713.36

A