菜鳥驛站服務滿意度調查研究
——以昆明市為例

郭鳳香，李明遠 GUO Fengxiang,LI Mingyuan

（昆明理工大學 交通工程學院，云南 昆明 650504）

(School of Traffic Engineering,Kunming University of Science and Technology,Kunming 650504,China)

0 引言

電子商務業的蓬勃發展推動了物流產業的迅速崛起，快遞行業進入了發展的“黃金時期”。據統計，自2006年至2016年間，快遞業務量增幅達31倍之多，業務收入增長了13.7倍，目前我國快遞業位居世界第一[1]。然而快遞行業的過快發展也暴露出許多問題，尤其是處于物流服務鏈末端的城市配送問題[2]，也被稱為物流的“最后一公里”問題，其服務水平的落后成為了限制電商及物流行業發展的瓶頸[3]。為解決此問題，電商公司進行了多種嘗試，如與第三方物流公司合作，或是自營物流公司，但實際效果并不理想[4]。

為了解決物流“最后一公里”難題，阿里巴巴與多家公司合作，成立了面向社區的物流服務平臺“菜鳥驛站”，致力于為消費者提供多元化的“最后一公里”服務[5]，為客戶、加盟商和快遞企業提供了便利。但是，隨著菜鳥驛站數量的不斷增長、客戶數量的迅速擴大，菜鳥驛站在其運營中也暴露出一系列問題，突出體現在客戶服務方面[6]。目前針對于菜鳥驛站的文獻多為驛站選址研究[2,5]以及對其運營進行分析并提供建議[3,7]，缺乏客戶對于菜鳥驛站滿意度的調查研究。因此，本文以昆明市菜鳥驛站為例，采用問卷調查收集其客戶對菜鳥驛站所提供服務的滿意度，并進一步探究其影響因素。

1 數據采集及處理

1.1 數據采集。本文將昆明市作為研究區域，采用隨機抽樣的方法對使用菜鳥驛站取件的居民進行問卷調查。調查內容包括居民的個人屬性，主要為性別、年齡、學歷和個人年收入，以及取件頻率、取件時段、步行時間和取件時長，同時還收集了居民對于菜鳥驛站各項服務的滿意度評分。其中，取件頻率為平均每周的取件次數；取件時段是根據對多家菜鳥驛站進行多次調查選取的對應時段，高峰時段為11:30～13:00及17:00～18:30，其余營業時間為非高峰時段；步行時間為居民從其住所至菜鳥驛站的單次步行時間。

本次問卷調查的時間為2019年3月，共發放問卷450份，回收有效問卷439份。問卷各項內容的統計結果如表1所示：

表1 樣本統計表

1.2 數據特征分析。在本次調查當中，受調查者被要求對驛站人員服務態度、快遞包裹完整性、信息獲取及時性（即菜鳥驛站是否及時將到貨信息通知收件人）以及問題處理速度（即收件人遇到包裹丟失或破損等問題時菜鳥驛站處理問題的速度）等4個方面的滿意度進行評價。滿意度的評價分數為1～5分，分別表示不滿意、一般、比較滿意、滿意和非常滿意，如表2所示：

表2 滿意度等級分值表

對被調查者有關上述4個項目得分的平均值進行計算，計算結果如表3所示。其中信息獲取及時性的滿意度最高，平均值達到了3.21分，說明被調查者對于菜鳥驛站到件信息通知的速度較為滿意。而被調查者針對問題處理速度的滿意度最低，為2.52分，說明菜鳥驛站的工作人員平時應當針對客戶出現問題的包裹提升其處理效率，以提升客戶的滿意度。

表3 滿意度評價均值

2 取件滿意度影響因素分析

2.1 模型構建。取被調查者的4項滿意度均值作為其對菜鳥驛站的整體滿意度，將整體滿意度及其相關影響因素按照其數值大小作為有序變量，這類變量具備計數變量的性質并兼有半定量比較的性質。變量在各水平之間互不相容，但又有級別上的輕重關系。為了對有序變量進行有效測度，選用有序Logistic回歸模型（Ordered Logistic Regression Model）進行相應分析。有序Logistic回歸模型是將因變量取值的不同劃分成兩個相對的區域，并依次將因變量建立為二分類的Logistic回歸模型。有序Logistic回歸模型為[8]：

式中：λi為分界點，有 J-1 個且 λ1〈λ2〈…λj…〈λJ-1；a為截距；bj為回歸系數；xk為解釋變量；P（ y≤i| ）x為累積概率；y為xk的函數。

有序Logistic回歸模型中，事件發生的相關累計概率通過比值比來描述。累計概率為：

然后，在累計頻率的基礎上計算各事件相應的概率。最后，采用極大似然估計法標定有序Logistic回歸模型中相應的回歸參數。

在調查數據統計分析的基礎上，將菜鳥驛站整體滿意度劃分為5個區域，分別為 [0,1]分， (1,2]分， (2,3]分， (3,4]分以及 (4,5]分。為研究菜鳥驛站使用者的個人屬性以及相應客觀因素對菜鳥驛站整體滿意度的影響，現選取性別、年齡、學歷、收入、取件頻率、取件時段、步行時間以及取件時長作為影響變量，變量賦值如表4所示。

表4 變量及賦值

2.2 模型檢驗。初步分析變量為有序變量，符合有序Logistic回歸模型。為進一步檢驗自變量不同取值對因變量影響系數是否相同，采用平行線檢驗進行判別，平行線檢驗結果顯示，卡方=37.278，P=0.678〉0.05，符合平行線假定，說明模型中各自變量回歸系數與分割點無關，模型是可行的。此外，模型擬合信息中P=0.000，說明模型中的自變量對模型具有較好的解釋能力。結果如表5所示。

表5 平行檢驗及模型擬合信息

2.3 模型結果。利用SPSS.25.0軟件對有序Logistic回歸模型回歸參數進行標定，結果如表6所示：

在具有顯著性的自變量中，性別為男性的被調查者估算系數為負數，表明男性被調查者相比女性被調查者傾向于更低的整體滿意度，且滿意度低于一個等級的可能性是女性被調查者的1.828倍；取件時段為高峰時段的被調查者估算系數為負數，表明高峰時段取件的被調查者相比非高峰時段取件的被調查者傾向于更低的整體滿意度，且滿意度低于一個等級的可能性是非高峰時段取件的被調查者的3.536倍；步行時間小于5分鐘的被調查者和步行時間為5至10分鐘的被調查者的估算系數為正數，表明步行時間小于5分鐘的被調查者和步行時間為5至10分鐘的被調查者傾向于更高的整體滿意度，且滿意度高于一個等級的可能性分別是步行時間大于10分鐘群體6.424倍和8.917倍；取件時長小于2分鐘的被調查者和取件時長為2至5分鐘的被調查者的估算系數為正數，表明取件時長小于2分鐘的群體和取件時長為2至5分鐘的被調查者傾向于更高的整體滿意度，且滿意度高于一個等級的可能性分別為取件時長大于5分鐘的被調查者的3.401倍和6.733倍。此外，年齡、學歷、收入和取件頻率對整體滿意度在統計上無顯著差異。

3 結論及建議

本文以昆明市作為案例，對菜鳥驛站服務滿意度進行了調查研究。研究結果表明，被調查者對于包裹出現問題后菜鳥驛站處理速度的滿意度分值最低。此外，通過有序logit的模型結果可以看出，性別、取件時間段、取件時長和步行至菜鳥驛站的時間對顧客的滿意度有顯著影響，其中，在高峰期取件、取件時間大于5分鐘以及步行至菜鳥驛站的時間超過10分鐘，均會顯著降低顧客對于菜鳥驛站的服務滿意度。

菜鳥驛站的取件操作較為簡單，但是菜鳥驛站加盟的快遞公司較多，貨物數量較多，且快遞配送時間較為統一，容易形成貨物積壓。而且，菜鳥驛站的顧客多為上班族或著學生，此類人群的作息時間較為固定，容易形成聚集取件的現象，形成取件高峰期，增加顧客取件等待時間，使其對菜鳥驛站服務滿意度降低。對此，菜鳥驛站應當在高峰時期加派工作人員或提供合理的分流機制，提升取件效率。隨著微信應用的推廣，菜鳥驛站應當進一步健全其微信公眾號的功能，例如顧客能夠選定其取件時間，為菜鳥驛站的分流機制提供相應依據；或通過微信實名簡化取件流程，減少顧客高峰時期的取件等待時間。

在菜鳥驛站數量高速增長的同時，其各類投訴的數量也不斷攀升。考慮到有相當數量的菜鳥驛站都是由個體商戶加盟而來，菜鳥驛站應當加強對這些驛站的管理工作，制定更高的加盟和管理的標準，并定期對其進行考察。針對調查中菜鳥驛站問題處理速度滿意度低的問題，菜鳥驛站應當建立健全的客戶服務平臺。當顧客在線下驛站遇到的問題無法得到滿意處理時，應當有線上的客服能夠及時與顧客取得溝通，由線上客服記錄顧客的問題或投訴，協同處理問題，同時線上客服接到的投訴數量也可以作為線下驛站的考核標準。

表6 有序Logistic回歸模型標定結果

目前，針對菜鳥驛站選址問題的研究已有很多，但大多數建立在配送成本最低的基礎上。而在實際的調查當中，菜鳥驛站加盟管理缺乏規范，網點選址混亂的問題較為突出，這主要源于選址忽略了顧客感受。在研究中發現當顧客步行至菜鳥驛站的時間大于10分鐘時，其滿意度會顯著降低，因此菜鳥驛站應當根據其未來的發展戰略及方向，科學合理地制定菜鳥驛站的位置，既要考慮運營成本問題，同時能夠兼顧顧客取件的感受。

菜鳥驛站的發展時間較短，但是作為有效解決物流“最后一公里”問題的平臺，發揮著越來越大的作用。同時，菜鳥驛站在高速發展的過程中也暴露了一些問題。本文對菜鳥驛站各項服務的滿意度及其影響因素進行了研究，可為菜鳥驛站未來的發展提供一些參考。