共享單車用戶使用行為與服務感知的影響因素分析

于二澤 周繼彪

(北京北大千方科技有限公司1) 北京 100085) (寧波工程學院建筑與交通工程學院2) 寧波 315211)

0 引 言

互聯網租賃自行車(以下簡稱“共享單車”)是城市綠色交通系統的重要組成部分，近年來在國內得到迅猛發展(250個城市，2 300萬輛).然而，在提供出行便利條件的同時，共享單車的資源浪費、違規停車、押金管理等問題，對行業的可持續發展產生消極影響.因此，準確分析用戶對單車服務的感知態度和使用行為，已經成為政府部門和運營企業制定管理策略的重要前提.

針對共享單車使用的主觀調查研究，主要集中在出行選擇行為、服務感知態度和使用意愿的影響分析方面，通常采用基于隨機效用理論的非集計模型(Logit模型、Probit模型及其衍生模型)和基于理性行為、計劃行為等理論的結構方程模型(structural equation model, SEM)兩種建模方法.Li等[1]構建二元Logit模型，分析了用戶特征、出行特性、主觀態度對共享單車使用的影響，結果表明：教育程度、收入水平、便利性和健康性的感知情況與單車使用呈正相關.Ma等[2]通過建立結構方程模型，分析了共享單車對小汽車出行者的出行方式轉移的影響，結果表明：騎行健康收益對小汽車出行向共享單車的轉移具有正向作用.馬新衛等[3-4]對比了有樁式公共自行車和共享單車的用戶群體和影響因素的差異，研究發現車身故障問題是出行者放棄共享單車的重要原因.Orvin等[5]考慮到共享單車用戶選擇理由的異質性，對調查者進行潛在類別(latent class)劃分，系統分析了不同類別群體的出行特征差異.陳艷艷等[6-7]通過構建SEM模型，研究了用戶持續使用意愿的影響因素，結果表明用戶滿意度對持續使用意向具有正向影響.

服務感知態度是影響公眾對交通工具使用行為的直接因素[8]，為了高效有序地指引共享單車行業可持續發展，針對共享單車用戶使用頻率與服務感知滿意度的影響因素研究備受關注.劉曉杰等[9]以西安市城區為實例，分析了城市空間因素與共享單車周轉率的內在聯系，研究表明：共享單車投放密度與其周轉率呈正相關.Liu等[10]著眼于“軌道交通+共享單車”騎行頻率的影響因素，結果證實了更長的通勤時間(>45 min)對接駁騎行頻率具有顯著正向影響.Xin等[11]研究發現通勤者和非通勤者的服務感知態度存在差異，規范的行業規則和停放條件能夠提高通勤者的滿意度.Bakogiannis等[12]的研究表明缺少自行車基礎設施和騎行安全問題對用戶滿意度存在消極影響.劉建榮等[13]分析了影響用戶滿意度和使用頻率的顯著因素，但是模型僅能考慮到變量對使用頻率的間接影響，無法直接比較變量對使用頻率、滿意度的影響程度差異.

以上研究主要是對共享單車使用行為和服務感知進行獨立分析，較少考慮到兩者之間的內在聯系，仍缺少通過調查數據定量分析騎行頻率和滿意程度的影響因素差異性的研究[14].基于此，文中以寧波市為實例，考慮到出行者服務感知異質性，利用潛在類別分析(latent class analysis, LCA)確定出行者的潛在類別，將出行者潛在類別代入(bivariate ordered probit,BOP)模型，量化分析影響共享單車用戶使用頻率與滿意程度的顯著性因素和關聯關系.

1 數據采集

1.1 問卷設計

通過RP(revealed preference)和SP(stated preference)問卷調查，獲取共享單車用戶的使用與服務感知情況.將共享單車使用頻率與滿意程度作為描述變量，均采用Likert 5級量表設計，對使用頻率分為五個等級：極少(每月使用次數<1次)、偶爾(每月使用1～3 d)、不定期、經常(每周使用2～3 d)、頻繁(每天都用)；將滿意程度分為：不滿意、較差、一般、滿意、十分滿意.

問卷共設計20個問題項，包括5部分：①個人屬性，包括性別、年齡、教育程度等特征；②家庭屬性，指家庭擁有車輛類型和機動車保有量；③出行特征，包括出行方式、出行距離、共享單車使用頻率和用途等；④服務感知，是指用戶對單車服務的感受情況，包括使用理由、現狀問題、滿意程度、是否遭遇騎行事故；⑤用戶期望，包括對騎行服務的改進期望、設置電子圍欄和增加非機動車停車位的必要性問題.

1.2 問卷調查與數據分析

問卷調查采取隨機抽樣調查，線上和線下同步開展，回收1 291份調查問卷(線上489份，線下902份)，共得到1 212份有效樣本，問卷合格率為93.88%，調查結果見表1.

表1 問卷調查數據統計

調查發現，使用頻率問題項中選擇“頻繁”“極少”的樣本量較低，滿意度問題項中選擇“較差”、“不滿意”的樣本量也很少，因此將使用頻率和滿意度的部分調查數據進行合并，歸類為3個等級[15]，見圖1.

圖1 共享單車用戶的使用頻率與滿意程度

2 模型構建

2.1 潛在類別分析

假定Xm為潛在類別變量，M為類別數量；yl為外顯變量，其中l∈[1,2,…,L]且yl∈[1,2,…,Dl]，其中L和Dl為外顯變量的數量和內容等級，調查者對各外顯變量的完全響應概率PYl為

(1)

式中：PXm為調查者屬于潛在類別群體m的概率；PYl|Xm為調查者在屬于群體m時，其對各外顯變量Yl的響應概率，其中Yl=(y1,y2,…,yL).

LCA分析遵循局部獨立性假設：對于某個潛在類別下的外顯變量仍能保持相互獨立，所以根據獨立事件聯合發生的概率等于單獨發生概率之積的原理，以上概率公式為

(2)

通過極大似然估計法進行參數估計，可以通過貝葉斯規則得出屬于潛在類別Xm的后驗概率，為

(3)

確定潛在類別數量M是LCA分析的關鍵，以往研究一般是將m的初始值設置為1，然后依次增加m值進行迭代擬合評估.常用的模型評估指標主要有AIC(akaike information criterion)、BIC(bayesian information criterions)和樣本校正的BIC(sample size-adjusted biC, aBIC)，以上指標均是統計值越小表示模型擬合度越高，當AIC、BIC、aBIC所反映的模型擬合效果存在矛盾時，一般以BIC、aBIC為主.

2.2 BOP模型構建

假設將共享單車使用頻率yi,1選擇為j，用戶滿意程度yi,2選擇為k，BOP聯立方程模型：

(4)

BOP模型誤差項：

(5)

通過極大似然估計法求解BOP模型，對影響因素的回歸系數β′進行估計，2個因變量序數的選擇概率為

P(yi,1=j,yi,2=k|Xi,1,Xi,2|)=

(6)

式中：Φ2(·)為累積標準二元正態分布函數.

由式(3)可以得到模型的極大似然對數為

(yi,1=j,yi,2=k|Xi,1,Xi,2)

(7)

式中：δjk為指示變量，如果第i個觀測值yi,1=j且yi,2=k時，則δjk=1，否則δjk=0.

最后，對使用頻率yi,1和滿意程度yi,2對應的影響因素進行邊際效應分析，通過直接邊際效用表示某解釋變量的每單位變化對因變量選擇概率的影響，直接邊際效用的計算公式

(8)

式中：φ(·)為累計分布函數的概率密度；ω為有序因變量的閾值，即ω=j,k.

3 結果分析

3.1 出行者潛在類別劃分

文中將共享單車用戶的服務感知特征作為外顯變量，利用Mplus 8.3軟件執行LCA，對調查者的潛在類別進行劃分，設置類別數目范圍為1～6，計算得出不同分類數目下的統計特征見表2.

表2 潛在類別回歸統計特征

由表2可知:當分類數量為5時，LCA模型計算結果中BIC、aBIC指標值最小，因此確定樣本集可以分為5類，不同群體的外顯變量特征差異見圖2.由圖2可知:可以將共享單車用戶群體類型分別定義為：class1為通勤型群體(19.88%)，其中70.22%的出行者反映使用理由是租還車方便；class2為創新型群體(12.13%)，該類人群往往對新產品或新服務具有良好的接受度，選擇共享單車的理由也更多是處于好奇；class3為混合型群體(43.65%)，相比于其他用戶，此類出行者對單車用途反映結果分布較均衡，且更加注重經濟性和環保意識；class4為換乘型群體(16.34%)，其中76.24%的出行者反映使用理由是換乘便利；class5為隨機型群體(8.00%)，該類用戶多是將共享單車作為小汽車、公共交通的代替，出行活動具有臨時性、短時性.

圖2 潛在類別對應的外顯變量選擇概率

3.2 BOP模型結果

采用表1中變量和出行者類別作為BOP模型的解釋變量，對模型參數進行標定，見表3.根據似然比檢驗，發現考慮出行者潛在類別的BOP模型擬合效果優于一般BOP模型(log pseudolikelihood=-2 471.549)，模型結果顯示共享單車使用頻率與用戶滿意度之間的誤差項相關系數為正值并且顯著(ρ=0.160，p<0.001)，表示兩因變量之間呈顯著正相關，說明騎行頻率越高的用戶對單車服務的滿意程度相應越高.

表3 模型參數標定結果

3.3 邊際效應分析

按式(8)～(9)計算顯著變量的邊際效應，見表4，用以定量分析相關影響因素對用戶使用頻率和服務滿意度的作用程度.

表4 模型邊際效應

結合邊際效應計算結果，可知：

1) 個人屬性 與男性相比，女性用戶經常使用共享單車的概率低12.8%；月收入與共享單車使用頻率呈顯著負相關，高收入的用戶經常使用共享單車的概率低4.6%，這與Li等的觀點一致.在職業分布方面，企業職員對單車服務持滿意態度的概率高4.0%，離退休人員經常使用共享單車的概率低46.7%，原因在于老年人對智能手機等新興技術的接受程度不高，同時也對共享騎行的安全問題存在擔心.

2) 家庭屬性 相比機動車家庭的受訪者，家庭中擁有電動自行車和私人自行車的用戶對共享單車服務持滿意態度的概率分別高14.0%和12.8%，這主要與低碳出行群體的環保意識有關，此外模型顯示上述兩變量對使用頻率的影響并不顯著，一定程度上也反映出共享單車與私人非機動車之間的競爭關系[16].

3) 出行特征 相比其他受訪者，從日常出行方式層面來看，日常出行以步行為主的受訪者持滿意態度的概率高6.2%，但是經常使用共享單車的概率低6.7%，私家車、出租車/網約車用戶經常使用共享單車的概率分別低13.7%和7.7%，由于公眾的出行習慣相對固定，共享單車的引入并未對步行、私家車、出租車/網約車出行者的出行行為產生明顯影響，這也印證了Ricci等[17-18]的研究結論.長距離出行者經常使用共享單車的概率低8.4%，研究數據顯示共享單車的平均用戶距離約為1.8 km，長距離騎行產生疲勞感，會降低對共享單車的選擇意愿.

4) 服務感知 從現存問題層面來看，4個因素對用戶服務感知滿意態度的邊際效應依次排序：開鎖不便(-11.5%)<亂停亂放(-9.3%)<車身故障(-6.5%)<押金問題(-6.2%)，押金問題對單車經常使用呈顯著負相關(-7.9%)；在騎行安全方面，騎行事故經歷對用戶的服務感知具有消極影響，此類用戶對單車服務持滿意態度的概率低14.4%.

5) 用戶期望 在用戶期望方面，改進之處(APP服務)對使用頻率和滿意態度均呈負相關，邊際效應分別是-9.4%和-6.8%，說明高頻率用戶以及持滿意態度的用戶對APP操作感受的關心程度較低，根據表1調查結果可知，該類用戶更加關注于停車秩序、車身質量等騎行體驗的相關問題；設置電子圍欄(是/否)的邊際效應為-13.1%，說明高頻率用戶對該項措施的認可程度并不高，這是因為設置電子圍欄也在一定程度上降低了共享單車的便利性，所以如何統籌考慮停車秩序和用戶需求，是企業制定規范管理策略的關鍵.

6) 潛在類別 共享單車是服務公眾短距離出行和公共交通換乘的重要方式，由表4中模型結果可知:通勤型群體class1和換乘型群體class4經常使用共享單車的概率分別高13.4%和17.6%，可以看出通勤/通學、多模式換乘出行者是共享單車的主要用戶群體；相比于其他類型用戶，混合型群體class3對共享單車服務持滿意態度的概率高16.1%，結合圖2中數據，class3對共享單車的經濟性和環保性明顯高于其他群體，所以從理解用戶需求的角度來說，加強推廣綠色騎行理念和騎行優惠舉措，是拓展共享單車應用場景的必要手段.

根據表3數據，預測不同類型出行者對于共享單車使用頻率和滿意程度的選擇分布，見圖3.由圖3可知:不同群體的用戶在使用行為和服務感知的贊同度方面，存在較大的差異.class2(創新型群體)和class5(隨機型群體)較少是經常使用共享單車以及持高滿意度，使用行為和服務感知上整體持中和的態度；class1(混合型群體)經常使用共享單車的預測概率顯著高于其他群體；class3(混合型群體)對騎行服務持滿意態度的預測概率最高，達到66%.

圖3 使用頻率和服務感知滿意度的選擇概率

4 結 束 語

文中利用寧波市共享單車用戶問卷調查數據，根據出行者對共享單車的主要用途和使用理由，通過潛在類別分析將出行者劃分為5類：通勤型群體、創新型群體、混合型群體、換乘型群體、隨機型群體，分別占樣本總體的19.88%、12.13%、43.65%、16.34%、8.00%；將潛在類別作為解釋變量代入BOP模型，實證分析了影響共享單車使用頻率和用戶服務感知滿意程度的顯著因素，并量化分析各因素對因變量的直接邊際效應.結果表明：共享單車使用頻率與服務感知滿意程度呈顯著正相關，影響共享單車使用頻率有13個顯著變量，影響用戶滿意程度有11個顯著變量.

基于模型結果，本文建議：

1) 在提高使用頻率方面 ①加強對共享單車騎行安全性和APP易用性的宣傳力度，簡化APP注冊和支付使用的操作方式，并提供優惠的押金租賃政策，以提高老年群體對單車服務的接受度；②為保證通勤型、換乘型兩類用戶群的出行體驗，需要從區域規劃層面著手，結合出行數據和職住空間分布特征，合理控制區域內單車投放規模，并規范共享單車停靠點布局，以保障通勤廊道安全、暢通和換乘順暢銜接；③押金管理方面，經營方應當積極推廣信用擔保的新押金模式，建立健全用戶押金管理機制，提高押金流動的透明性和退還效率.

2) 在提升用戶感知方面 ①共享單車無序停放對用戶滿意度具有消極影響，對于目前企業推行的電子圍欄等規范措施，仍需要充分做好出行需求調研和大數據分析，科學制定停放區選址規劃；②對于車輛故障和開鎖不便的問題，一是要健全故障車輛上報與運維機制，并配備專門工作人員，負責單車的定期檢查、調度，及時清運故障車輛；二是構建單車運行監測數據平臺，加快科研攻關與車型升級，通過終端設備實現車身/車鎖故障狀態的監測和提示功能；③加強推廣綠色騎行理念和騎行優惠舉措，可考慮通過提供公交優惠券或減碳獎勵等措施，提高混合型群體對健康騎行的關注度和參與度.