網購平臺客服響應時間對詢單轉化率影響研究
——基于某快時尚服裝品牌數據

(戴 韜， 趙 星

(東華大學 旭日工商管理學院，上海 200051)

網購平臺客服響應時間對詢單轉化率影響研究
——基于某快時尚服裝品牌數據

(戴 韜， 趙 星

(東華大學 旭日工商管理學院，上海 200051)

近年來，網絡購物平臺(尤其是天貓平臺)快時尚服裝品牌之間的競爭尤為激烈。由于快時尚服裝目標人群統一、定價區間集中、設計風格同質化等特點，使得各商家非常重視通過提升服務質量來提高轉化率。本文從售前服務質量的響應性角度，分析了詢單轉化率與客服響應時間的關系。通過對某快時尚品牌真實數據的定量分析，發現在一定服務水平下，詢單轉化率與客服響應時間沒有明顯相關性，因此建議平臺商家更關注服務質量的移情性和有形性等其他維度。研究對電商商家實現有限成本下更大價值的服務質量提升有較強的實際意義。

網購；快時尚；客服響應性；轉化率

隨著電商購物平臺的日益成熟與發展，平臺上商家間的競爭日益激烈(如天貓平臺現有商家14萬余家)，尤以快時尚服裝類別為甚。該類別具有產品更新快、目標人群統一、定價區間集中、設計風格同質化等特點，在激烈的競爭中商家獲客的成本越來越高，因此，利用好既有流量提高轉化率成為運營者關注的焦點。

轉化率的提升與顧客在購物過程中接受的良好服務是密不可分的，根據PZB服務質量模型[1]，服務質量劃分為5個維度：有形性、可靠性、響應性、保證性、移情性。通過提升響應性來提升服務質量是商家的主要方式，如通過增加客服上班人數來減少顧客咨詢的等待時間，但因此也會帶來成本的增加。因此本文通過對某服裝品牌旗艦店的客服接待數據進行分析，揭示天貓客服詢單轉化率與服務響應時間的關系，為運營者合理進行客服排班提供理論支持。

1 研究現狀

目前，網購轉化率的研究主要是定性描述歸納網站轉化率的影響因素。Econsultancy(2014)[2]將影響B2C平臺轉化率的主要因素歸納為頁面吸引力、商品吸引力、優質服務、網站誠信度四個方面。劉貴容等(2015)[3]從消費者和網站兩個角度將影響轉化率的因素歸納為9個方面，并針對這些因素提出了相應的改進策略。陳世欣(2012)[4]認為從本質上來說，影響網站轉化率的關鍵在于網站能夠吸引真正對網站內容和服務感興趣的人，并且在其訪問網站的過程中提供優質的服務來促使訪客轉化。

基本上，所有的學者都認為好的客戶服務對轉化率有正向作用。目前，對服務質量的研究通常用到SERVQUAL模型[1]。左文明等(2010)[5]以SERVQUAL方法構建了B2C網站的服務質量評價指標體系框架，并通過問卷調研和因子分析確立了最終的指標體系。陳林芬(2005)提出了影響網絡消費行為意向的服務質量模型，并通過實證分析證明了網絡消費者對電子商務服務質量的感知會直接影響其實際消費行為。蘇秦等(2009)從服務交互的角度構建了B2C電子商務服務質量模型，研究結果表明人際交互比人機交互更重要，顧客更加關注在購物過程中獲得的服務。

綜上，當前以定量方式研究電商平臺轉化率的文獻較少，在現有的定性研究文獻中，雖然都肯定了客戶服務對顧客購買意向的正面影響，但是卻鮮有論文利用PZB模型解構服務質量，深入分析響應性維度與顧客轉化率的關系。這恰恰是現實中急需解決的問題，因為服務響應性是由上班客服人數決定，直接連接著網購平臺的運營成本。基于此，本文將利用某快時尚服裝品牌的實際數據，從服務響應性的角度，用實證分析的方式來揭示天貓客服的詢單轉化率與客服響應時間的關系。

2 研究設計

2.1 研究假設

客服的詢單轉化率是運營者關注的焦點，運營者希望通過提高客服的服務水平來提高詢單轉化率，在短時間內提高服務水平的方式之一是調整在線客服的人數以達到一定的響應速度，同時也帶來了運營成本的上升。

為了分析響應速度和詢單轉化率的關系，本文提出如下2個待驗證假設：

假設1：詢單轉化率與響應時間之間是負相關關系，即響應時間越短，顧客的轉化率越高。

假設2：成功下單付款和未成功下單付款的咨詢響應時間有明顯差異。

2.2 數據來源與模型

論文主要以某快時尚服裝品牌天貓旗艦店的旺旺接待記錄為分析對象，該品牌旗艦店交易額在同行業內排名前10%，具有較強的代表性。為了避免聚劃算等活動帶來的影響，僅利用非活動日的數據作分析。

本文選取的樣本涉及天、小時、客服三個維度的數據，從數據可獲得性以及模型應用的角度將本文的假設驗證劃分為以下4部分：

針對假設1：

驗證(1)：不同客服的平均轉化率與平均響應時間是否為負相關。

驗證(2)：同一客服不同天內轉化率和平均響應時間是否為負相關。

驗證(3)：不同客服各小時的平均轉化率是否與其工作負荷負相關。

對于驗證(1)和驗證(2)建立如下回歸模型：

μdhk=β0+βdhk*tdhk+ε

其中，μdhk和tdhk分別代表第d天第h小時客服k的轉化率和平均響應時間，βdhk和β0為待估參數，βdhk代表回歸系數，按照假設βdhk應為負值，ε為隨機誤差項。

假定顧客類型單一，可以用平均每小時客服的負荷(每小時服務人數)代替響應時間，就得到驗證(3)的回歸模型：

μdhk=β0+βdhk*pdhk+ε

其中，pdhk為第d天第h小時客服k服務的人數。

假設2要驗證成功轉化的咨詢響應時間和未成功轉化的咨詢響應時間是否有差別。論文的處理方式是從系統中選取某熟練客服一天不同工作負荷下所有的接待記錄，統計每條記錄的平均響應時間，于是針對假設2有：

驗證(4)：通過非參數檢驗的方式驗證成功付款的咨詢響應時間和未成功付款的咨詢響應時間是否有明顯差別。

3 分析結果

由于驗證(1)、(2)、(3)均是線性的回歸模型，因此利用最小二乘法進行回歸分析，詳細結果見表1和表2。

表1 驗證(1)、(2)、(3)結果摘要

從表1中可知，驗證(1)的樣本決定系數R2為0.457，表示平均詢單轉化率和平均響應時間是一種中度的相關關系，回歸模型的p值為0.000<0.05，回歸模型顯著；Dubin-Watson檢驗的DW值為1.918，約等于2，說明殘差是相互獨立的；殘差正態概率圖、趨勢正態概率圖顯示殘差基本為正態分布且無異方差性；標準化后的響應時間的回歸系數系數經過t檢驗也是顯著的，但回歸系數為正值，這恰恰和假設相反，因此驗證(1)中的回歸模型不能用于描述不同客服同一天內轉化率與平均響應時間之間的關系。

表2 回歸系數

驗證(2)通過顆粒度更小的數據進一步來驗證假設1。從表1和表2可以看出，驗證(2)的樣本決定系數R2為0.053，回歸模型的顯著性p值為0.358，大于0.05，因此模型不顯著，可以認為同一客服不同天的詢單轉化率和響應時間之間沒有明顯的相關性。

對于驗證(3)，表1和表2的結果顯示其R平方為0.033，即每小時客服工作負荷(負荷越大響應性越低)和每小時的平均詢單轉化率之間并沒有直接的線性關系。再嘗試對詢單轉化率和工作負荷進行曲線估計，得到表3。

表3 曲線估計結果

由表3可知，每小時客服接待的工作負荷和其詢單轉化率無法用常用函數曲線有效擬合，進一步說明客服負荷和轉化率之間沒有顯著的相關性。

綜上，驗證(2)和驗證(3)都無法證明詢單轉化率與響應時間和工作負荷之間的相關性，而驗證(1)甚至得到與假設相反的結果，但驗證(1)的數據是以天為單位，較粗糙，且隱藏著貨品差異、價格差異等影響因素，因此我們也不接受其正相關的結論。因此，本文認為在一定的服務水平范圍內(如天貓顧客對客服的評分已經超過平均值)，客服響應時間和詢單轉化率之間沒有顯著的相關關系。

為了驗證(4)，共獲取某客服一天中的接待記錄250條，其中135條流失，115條成功付款。首先，利用Kolmogorov-Smirnov檢驗對兩組記錄的平均響應時間進行正態性檢驗，結果顯示兩組記錄的平均響應時間均不滿足正態分布。因此，采用非參數檢驗中的Wilcoxon秩和檢驗對兩組記錄的分布位置是否相同做檢驗，得到表4和表5。

表4 等級

表5 檢驗統計資料

檢驗結果顯示顯著性值為0.017，小于0.05，因此拒絕原假設，認為雖然兩組記錄服從的分布可能不同，但其分布位置(數學期望)沒有明顯不同。

為了進一步觀察兩組數據的差別，利用matlab做出兩組數據的響應時間(單位：s)的頻數分布和頻率累計曲線如圖1所示。

其中，成功單響應時間的均值181.35s，標準差為106.46s；流失單響應時間的均值為187.38s，標準差為186.39s，二者的均值相差不大，標準差的差距較大，說明若表現出咨詢響應時間的波動，可能會導致顧客流失的加劇。

綜合假設1和假設2的驗證結果，可知在一定的服務水平下，客服的詢單轉化率和平均響應時間沒有直接的相關關系，反而可能跟響應時間的波動程度有關。詢單轉化率和響應時間沒有直接相關關系的可能原因是：對于已經咨詢的顧客，他們必然通過頁面的貨品陳列介紹及已購買的客戶評論對產品有了一定的認識，并表現出比較明確的購買意愿，這部分顧客尋求客戶服務時對客服的響應速率并不敏感，而只是希望獲得一些決定性的有價值信息幫助其做出是否下單的決策。

圖1 頻數和頻率累計分布對比圖

4 結論

本文通過某快時尚品牌天貓客服實際運營數據，分析了詢單轉化率與響應時間的關系，得到以下結論：

(1) 顧客詢單轉化率與客服響應時間之間并沒有顯著相關性。

(2) 成功單和流失單的平均響應時間差別較小，流失單的響應性波動(標準差)大于成功單。

(3) 已經達到一定服務水平的店鋪，客服服務的響應性對詢單轉化率的影響較弱。

以上結論表明，對于有一定規模和達到平均服務質量的網購店鋪來說，服務的響應性并不是影響轉化率的主要因素。這對于店鋪經營者的實際管理有一定的參考意義，即在實際管理中不應盲目追求高的響應速度，而是應該更加關注服務的有形性、移情性等，優化商品展示、個性化服務、提升品牌內涵等是提升客戶黏性和轉化率不可忽略的因素。

本文的研究雖然是針對快時尚品牌某一店鋪的數據進行的，得到的結論可能也缺乏行業普遍性，但本文的研究方法和思路對其他商家想要進行相關的分析有較強的借鑒意義。

[1] 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.

[2] Conversion Rate Optimization Report 2014[R]. New York& London: Econsultancy.com Ltd, 2014.

[3] 劉貴容, 王哲, 林毅. 電商轉化率影響因素分析與改進策略[J]. 商業時代, 2015(34):72-74.

[4] 陳世欣. 如何設計高轉化率的網站[J]. 程序員, 2012(7):74-75.

[5] 左文明, 楊文富, 黃秋萍,等. B2C商務網站服務質量評價體系與模型[J]. 情報雜志, 2010, 29(11):82-85.

[6] 陳林芬, 王重鳴. 網絡消費者行為與電子商務服務質量的關系[J]. 消費經濟, 2005, 21(3):78-81.

[7] 蘇秦, 劉野逸, 曹鵬. 基于服務交互的B2C電子商務服務質量研究[J]. 情報學報, 2009, 28(5):784-790.

[8] 郭存芝. 計量經濟學[M]. 北京：科學出版社, 2013.

ResearchontheInfluenceofAgentResponseTimeofOnlineShoppingPlatformonInquiryConversionRate

(DAITao,ZHAOXing

(Glorious Sun School of Management, Donghua University, Shanghai 200051, China)

Recently, there is fierce competition among fast fashion brand sellers in e-business, especially on the Tmall. Because of the concentrated target customers, same price range, and similar design styles, the sellers in fast fashion try to improve the conversion rate by improving their pre-sale service. From the view of service responsiveness, the relationship between inquiry conversion rate and agents’ response time is studied. Based on the real data from a fast fashion brand, the conclusion that the inquiry conversion rate has no significant correlation with agents’ response time within the specific service level, was found by regression analysis. As a result, the recommendation that more attention should be put to service empathy and tangibility is given. This research has a strong practical significance on helping sellers gain greater service quality within limited cost.

online shopping; fast fashion; agent responsiveness; conversion rate

2017-10-12

國家自然科學基金項目(71202065)。

戴韜(1983—)，男，浙江臺州人，副教授，主要研究方向：服務運作管理。E-mail t.dai@dhu.edu.cn；

趙星(1993—)，男，河南信陽人，碩士研究生，主要研究方向：服務運作管理。

1005-9679(2017)06-0056-04

F 768

A