鐵路乘客線上購票意愿影響因素實證研究

薛丹杰，袁鵬程，干宏程

（上海理工大學 管理學院，上海 200093）

0 引言

隨著經濟水平的穩步發展，人們的生活質量不斷提高，對于生活便利性的要求也不斷提高。2016年，全國鐵路旅客發送量完成28.14億人，比上年增加2.79億人，增長11.0%，其中，國家鐵路27.73億人，比上年增長11.1%；全國鐵路旅客周轉量完成12 579.29億人公里，比上年增加618.69億人公里，增長5.2%，其中，國家鐵路12 527.88億人公里，比上年增長5.2%[1]。

互聯網的飛速發展和智能移動終端設備的普及，給鐵路客票業務帶來巨大的變革，窗口排隊購票的隊伍變短了，火車票代售點也減少了，在互聯網時代，凡是被貼上“互聯網+”符號的行業都發生了極大的改變，“線上”的優勢正在對傳統“線下”行業造成巨大影響。電子客票業務的推廣不僅提高了乘客購票的便利性，而且提高了客運站的運行效率，也符合建設資源節約型、環境友好型社會的主流趨勢。

這是一個鐵路蓬勃發展的時代，也是“互聯網+”的時代，2011年實現網上購票以來，車站窗口購票的乘客開始逐漸減少了，越來越多的人，開始享受科技進步帶來的福利。現在手機下載12306官網或者其他旅游app就能不出門、不排隊買到火車票，同時在網上也能辦理退票、改簽等手續，十分方便快捷。2015年已經超過60%的購票來自互聯網，不可否認，網絡購票已經飛速發展五六年了，已經在很大程度上緩解了窗口售票的壓力，解放了旅客排隊購票的時間。基于此，本文探究鐵路乘客線上購票意愿的影響因素。

1 理論基礎與假設

1.1 文獻回顧與理論基礎

渠道轉換行為（Customer Channel Migration）是消費者在多渠道環境中，從一個購買渠道向另一個購買渠道轉移的動態過程[2]。近年來，也有學者將這一行為稱為跨渠道行為。郭燕、周梅華認為，消費者跨渠道購買行為是指多渠道零售環境下，消費者在購買決策過程的不同階段運用不同渠道的行為[3]。而Kauffman等學者研究商業模式時，提出了消費者渠道遷移的概念，將其定義為消費者從一個渠道轉移到另外一個渠道的過程而不是在渠道間來回進行轉換[4]。本研究認同并采納Kauffman的觀點，即從渠道屬性出發講消費者渠道分為在線渠道和離線渠道，認為渠道轉換行為是消費者從離線購買渠道向在線購買渠道轉移，或者是在線向離線購買渠道轉移的一個過程[5]。本文選擇研究的對象是在中國受眾和普及區域相當廣泛的鐵路客票系統，該系統既有傳統人工窗口售票方式，又有12306等線上網絡售票方式，多渠道環境下，消費者必定要面對選擇和轉換。基于渠道轉換的定義，本文將以鐵路售票作為研究對象，從轉換成本、自我效能感、感知風險這三個方面綜合分析探討，著重探索乘客從離線向在線購票渠道轉移的影響因素。

1.2 研究模型及假設

1.2.1 轉換成本

轉換成本（Switching Cost）不應該只局限于物質經濟成本，當消費者面臨渠道轉換理由的時候，多種轉換成本應被考慮，包括：經濟風險成本（Economic risk costs）、評估成本（Evaluation costs）、學習成本（Learning costs）、安置成本（Setup costs）、利潤損失風險（Benifit loss costs）、金融損失成本（Monetary loss costs）、人際關系損失成本（Personal relationship loss costs）、品牌關系成本（Brand relationship costs） 這八個方面[4]。Kauffman通過十家大型的韓國電子商務企業的實證分析發現，轉換成本越低，消費者越容易轉換消費渠道[6]。Asim Ansari構建模型識別分析消費者渠道遷移的關鍵現象，并且建立模型估計方法，向線上轉移降低轉換成本，使得在不同商家之間比價更容易[7]。

在乘客購買火車票這種環境下，鐵路是國家壟斷行業不存在品牌關系成本等方面的問題；互聯網+的時代，智能移動終端普及率高，對于選擇線上購票來說，學習使用成本較低，因此，本文主要考慮兩個方面：一是經濟成本，二是時間成本。相對于傳統窗口購票的方式，線上購票是否能夠在一定程度上降低經濟成本和時間成本，是乘客所能感知到的轉換成本的重要方面。據此，提出假設：

H1轉換成本負向影響渠道轉換行為。

1.2.2 自我效能感

自我效能感（Self Efficacy）來源于社會認知理論，在20世紀70年代由Bandura提出，是個體在特定情況下，對自己是否有能力組織和執行某一行為的主觀判斷[8]。在社會學分析中，自我效能感基于四個主要信息來源：表現成就、間接經驗、言語勸說和生理狀態。自我效能感是一種自我把握感和控制感，而個體的心理與行為的改變都要通過自我效能感來實現[9]。在現實生活中，當消費者沒有足夠的能力去采取某種方式完成一項任務時，即使這種方式是一個更好的選擇，他們也會放棄這一選擇[10]。比如不會或者不習慣使用智能手機，沒有網銀或者第三方支付，或者是對窗口購票已經習慣等原因，都會影響他們的在線購票行為。信息技術的發展使得消費者不再完全處于信息劣勢、被動接受的狀態，在多渠道購物環境中，具有越強的自我效能感的消費者在渠道轉換中更為活躍，即越有可能發生渠道轉換行為，基于此，本文提出假設：

H2：自我效能感正向影響渠道轉換行為。

1.2.3 感知風險

網絡線上購票雖然方便、快捷，足不出戶就能提前買到火車票，但是也存在一定風險，例如信息安全問題、經濟風險、服務風險等情況。在現代社會生活中，人們在與大數據環境交互過程中，個人信息安全正在受到極大的威脅，網上購票時需要填寫真實姓名、手機號碼、相關證件號碼等，這些信息都存在著被泄露的風險，可能會暴露個人的某些隱私，也在無形之中增加了賬號被盜風險；經濟風險是指消費者在線上購票過程中可能產生的經濟損失。線上購票付款的方式有中國銀行、中國工商銀行、中國建設銀行等銀行的網銀支付，支付寶等第三方支付，多種支付方式是否存在一定的風險，讓購票乘客感到擔心。服務風險是指消費者在線下享受到的服務與線上信息不相符，無法獲得服務的風險，比如春運期間難以買到回家的火車票；甚至有人在釣魚網站買到假票，到車站后發現無法乘坐列車。基于此，本文提出假設：

H3：感知風險負向影響渠道轉換行為。

2 研究設計

2.1 問卷設計

本研究采用問卷調查的方式，提出假設檢驗，并依據相關文獻的一般步驟和原則，設計本研究的問卷題項，問卷的設計大致包括三個步驟。第一步，通過文獻研究的初步提取變量指標，并組織對購票渠道轉移有經驗的研究生進行討論，形成初步問卷；第二步，在校大學生中小范圍發放問卷，做預調查對所提問題進一步提煉和修改；第三步，正式發放問卷調查，獲取數據。

問卷調查的主要研究對象為有出行需求的青年和中年。選擇這兩個群體主要有兩方面的考慮：一方面，青年主要包括在校學生或者畢業不久的工作者，這部分人群較早接觸互聯網和智能手機，并且有較高的信息素養，對互聯網的使用頻率和熟練程度都處于較高水平，同時，這類人群也是選擇鐵路出行的最集中的人群。另一方面，互聯網不斷向中高齡網民群體滲透，而中年人是社會的中流砥柱，平日出差商旅選擇鐵路客運的情況也很多，這是一個不容忽視的大群體。因此本問卷面向中青年鐵路旅客調查出行購票方式的影響因素。

量表開發采用李克特五分量表進行設計，從“非常不同意”到“非常同意”分五個等級對問題項進行選擇。問卷測量題項的設計主要參考國內外相關文獻中普遍采用的測量項目，有些根據鐵路購票的語境適當進行修正。測度項具體來源，如表1所示，其中SC表示轉換成本，SE表示自我效能，PR表示感知風險，BI表示行為意向。

2.2 實驗設計

表1 測度項來源

本次問卷總共發放問卷210份，收回有效問卷196份，整個實驗的有效問卷反饋率是93.3%。樣本信息如表2所示，接受調查的乘客中，男性為110人，占總人數的比例為56.12%；女性為86人，占總人數的比例為43.88%。被調查者中，小于18歲的未成年人10人，占比5.10%；年齡在18～50歲的人占了94.4%，青年和中年占了絕大多數。職員和其它總共166人，占總人數的比例84.69%，即樣本非學生的比例較高。60.71%的被調查者本次或最近一次出行目的是休閑，39.29%是為了工作。34.69%的乘客選擇窗口購票。本文把售票大廳自助購票機購票算在線下購票范疇內，因為同樣是到達車站后購票，不同的是面對售票工作人員和售票機器，與線上購票不同。

表2 樣本信息特征（N=196）

3 數據分析與假設檢驗

3.1 樣本信度效度檢驗

信度是指測驗結果的一致性、穩定性及可靠性，一般多以內部一致性來加以表示該測驗信度的高低。信度系數愈高即表示該測驗的結果愈一致、穩定與可靠。本文利用軟件SPSS22對所得數據進行信度分析，如表3所示，所有因子的Cronbach's alpha值均大于0.600，顯示了良好的信度。

表3 指標均值Cronbach α

效度分析是指所測量到的結果反映所想要考察內容的程度，測量結果與要考察的內容越吻合，則效度越高；反之，則效度越低。KMO（Kaiser-Meyer-Olkin）檢驗統計量是用于比較變量間簡單相關系數和偏相關系數的指標。利用SPSS22檢驗本實驗數據效度，KMO（Kaiser-Meyer-Olkin）統計量為0.604，適合做因子分析。Bartlett球度檢驗統計量為593.176，檢驗的P值接近0，適合進行因子分析。

利用主成分分析法提取因子進行因子分析，如表4所示。其中“提取平方和載入”部分是提取四個公因子對原始變量方差的解釋情況，四個變量總共解釋了原始變量方差的72.78%，表明因子分析的效果較為理想。采用最大方差法（Varmax Rotation Analysis，VR），旋轉后得到的因子載荷矩陣如表5所示，與旋轉前的因子載荷相比，旋轉后的因子含義更加清楚了。

第一個公因子消費者對自我購票渠道選擇評估、使用不同渠道的難易程度、自我對于購票渠道選擇的能力這三個方面有較大載荷，分別是0.874,0.884,0.778。這里自我效能感是主要參考因素，將因子命名為自我效能感因子。

第二個公因子在個人信息不安全、是否會產生經濟損失、購票之后得不到相應服務這三個方面有較大的因子載荷，分別是0.693,0.838,0.769。這里主要考慮了風險因素，看出乘客對于網購車票風險的擔心，因此將第二個公因子命名為感知風險因子。

第三個公因子在消費者認為相對于傳統窗口購票，在線購票的方式所引起的金錢和時間耗費，因子載荷分別為0.897,0.864。這里主要考慮了從線下到線上渠道轉換的時間成本和經濟成本，因此將第三個公因子命名為轉換成本因子。

3.2 模型檢驗

本文提出的模型假設涉及三個變量：轉換成本、自我效能感、感知風險和行為意向。由于這幾個潛變量無法直接觀測得到，需要通過可測的變量來表達，因此利用Amos軟件，構建結構方程模型，可以較好地有效處理潛變量。本實驗分析得出主要擬合數據：卡方值Chi-square為37.199，顯著性概率值p=0.072＞0.05，擬合優度指數GFI為0.964＞0.05，調整擬合優度指數AGFI為 0.924＞0.05，漸進殘差均方和平方根RMSEA0.047＜0.05，表示假設模型與調查數據可以適配。

表4 各因素的方差貢獻率

表5 最大方差旋轉后因子荷載矩陣

通過擬合度檢驗和多次修正后，用極大似然估計法對模型進行路徑系數檢驗，進而驗證假設。變量之間的標準化路徑系數的估計值及檢驗結果如表6所示。

表6 假設檢驗結果

4 結論與啟示

4.1 結果分析

本研究構建了鐵路購票線下到線上渠道轉移模型，如表6所示，P值均小于0.05，由此，H1、H2、H3得到驗證。

第一，轉換成本對行為意向有顯著負向影響。假設H1得到支持，表明轉換成本越大，消費者購票渠道向線上轉移的可能性越小。

第二，自我效能感對行為意向有顯著正向影響。假設H2通過，表明自我效能感越大，行為意向越大，即越有可能發生渠道轉移。如果幫助消費者提高自我效能感，給予他們更多和更方便快捷的線上購票選擇和網絡支付工具，有利于吸引消費者轉移到線上購票。

第三，感知風險對行為意向有負向影響。假設H3得到支持，表明感知風險越大，線上購票的行為意向越小。要從多方面樹立良好的形象，有助于降低消費者的感知風險的程度，從而更加信任線上購票這種方式。

4.2 研究不足和展望

從轉換成本、自我效能感、感知風險等方面探討研究鐵路乘客從線下到線上的購票渠道轉移的影響因素，通過對模型進行統計分析可知，轉換成本、感知風險對行為意向有負向影響，自我效能感對行為意向有正向影響。使用線上購票方式的意愿主要影響因素是自我效能感，自我效能感是基于多個信息來源的一種主觀判斷，要增加自我效能感應，在購票操作和應用界面等方面應注重提高線上購票體驗和便捷性。在信息化時代，還應增加信息對等，同步線上線下的票務信息，使旅客能盡量全面的了解信息，做出理性判斷。此外，增強渠道吸引力也是一種方式，例如2017年底鐵路部門推出“鐵路暢行”常旅客計劃，即可通過購買車票累計積分，憑積分可兌換相應車票等方式，給予旅客實實在在的優惠是吸引旅客的重要方式。

由于一些客觀條件的限制，本文還存在一些不足和需要繼續探究的問題。本文調查樣本不夠大，具有一定的局限性，在后續研究中可以適當擴大樣本調查范圍，同時，細化調查問卷對象范圍的選擇和購票方式選擇，增強人群針對性。作為國家公共服務性質的鐵路票務，具有一定的獨特性，考慮到社會公平性，線下和線上票源投放可能也存在一定的法律法規要求。