校園菜鳥驛站服務滿意度問題及改進方案
——以H高校為例

魏銘昊，張國華

(湖南工業大學商學院，湖南 株洲 412000)

0 引言

全國校園快遞量在2019年就已突破30億件，以教育部披露的高等教育在校3 833萬人計，人均快遞達78.2件，這是2018年全國人均42件的1.8倍。據中國勞動經濟學會就業促進專業委員會在2020年會上發布的《快遞服務站：重構快遞末端的困難群體就業增收新渠道》的報告顯示，到2025年，中國快遞業務量將達到1 500億件左右。不斷增加的大學生數量使得快遞業務量也水漲船高，當然，快遞業務量猛烈增加的同時，客戶類型、貨物類型等都發生了變化。菜鳥驛站的建立是目前使用最為廣泛的“最后500米”解決方案。但如此巨大的業務量與客戶日益提高的滿意度要求，也使得校園菜鳥驛站的工作面臨前所未有的壓力。如何提高校園菜鳥驛站服務滿意度，成了一個難題。

1 模型構建

1.1 影響菜鳥驛站滿意度的因素

通過實地考察以及問卷調查的方式，得到學校菜鳥驛站影響客戶滿意度的主要因素有如下幾點。

1)取件效率低。不同的取件方式(人工掃碼和掃描儀掃碼)、排隊時間、出庫效率、尋找包裹的時間等因素都會影響取件效率，過低的取件效率勢必會影響客戶滿意度。

2)丟件。由于工作人員的疏忽、他人錯拿或配送信息錯誤等原因，學校菜鳥驛站偶有快遞丟失的事件發生，這會極大地降低客戶滿意度。

3)包裹破損。快遞運輸途中的暴力配送、不合理的堆疊方式或錯誤的包裝方法等因素都會導致包裹的破損，嚴重時會影響貨物的完整性，進而導致不必要的糾紛，降低客戶滿意度。

4)員工服務態度差。目前，學校菜鳥驛站員工專業知識、文化水平、文明程度參差不齊，過低的服務質量會大大降低客戶對菜鳥驛站的滿意度。

5)驛站距離遠。H高校共有10余個菜鳥驛站，但每個菜鳥驛站都只收、發指定物流公司的快遞。在無法選擇物流公司的情況下，客戶只能去指定的菜鳥驛站收發快遞，由于學校較大，各驛站距離也較遠，導致客戶經常要走很遠的距離收取包裹，增加了客戶的時間成本，因此會影響客戶的滿意度。

6)驛站內擁擠。在中午12點和傍晚18點左右，由于正是學生下課的時間，各菜鳥驛站會迎來每日的高峰期，經常會出現人山人海的情況，除了會降低取件效率外，也會影響客戶的主觀感受。

1.2 指標體系構建

根據問卷調查和實地考查的結果，設置評價指標，如表1所示。

表1 評價指標

1.3 二級指標的相關性和顯著性

在存在多個變量的分析中，多個要素之間通常存在相互關聯、相互影響的情況。

假設某一因變量y受i個自變量x1，x2，…，xi的影響，其n組觀測值為(ya，x1a，x2a，…，xia)，a=1，2，…，n。則多元線性回歸模型的形式為：

ya=β0+β1x1a+β2x2a+…+βkxka+εa

式中，β0，β1，…，βk為待定參數；εa為隨機變量。

首先對6個二級指標采用Pearson相關性分析及多元線性回歸分析，進而確定各指標對滿意度的相關性和顯著性。

1.4 各因素權重確定

AHP是將諸要素配對進行比較，根據各要素之間重要程度(相對)進行判斷，再根據比較矩陣的特征值獲得權重向量Wk，主要步驟如下。

1.4.1 構建比較矩陣

假設比較某一層k個因素C1，C2，…，Ck對上一層因素ο的影響，每次2個因素Ci和Cj，用Cij表示Ci和Cj對ο的影響之比，全部比較結果構成比較矩陣C，也叫正互反矩陣。

若正互反矩陣C元素成立等式：Cij×Cjk=Cik，則稱C為一致性矩陣。

1.4.2 計算矩陣的權重

通過解比較矩陣的特征值，求得相應的特征向量。將其歸一化后稱為權重向量Qk=[q1k，q2k，…，qkk]T，其中的qik就是Ci對ο的相對權重。由特征方程A-λI=0，求得最大特征值λmax和對應的特征向量。

1.4.3 得到最終權值向量

將一致性矩陣任一行或列向量歸一化就會得到所需的權重向量。

計算得到準則層對目標層的權重即不同因素的最終權重。

1.5 灰色關聯度分析比較各因素與滿意度的關聯程度

灰色關聯分析是求因變量和自變量之間的緊密程度，主要應用于樣本量較少的預測。本文采用的自變量是服務態度差、店內擁擠、丟件、驛站距離遠與取件效率低這5個指標的選擇人數，因變量是顧客滿意度指數。具體步驟如下。

1.5.1 確定參考序列和比較序列

1.5.2 指標的規范化處理

指標間通常有不同的量綱或數量級，為了保證結果的可靠性，不能直接進行比較，因此要對原指標進行去量綱處理。通常處理方法有兩種——均值化和初值化，本文采用均值化。分別求出各個指標原始數據的平均值，接著用均值去除對應指標的每個數據，得到新數據。

1.5.3 計算關聯系數

式中，ρ∈(0，1)，一般取ρ=0.5。

1.5.4 計算關聯度

由于關聯系數是比較數列與參考數列在各個時刻的關聯程度的值，它的值不止一個，無法進行比較。因此要將各個時刻的關聯系數集中為一個值，也就是求其平均值，作為比較數列與參考數列間關聯程度的數字表示，加權的關聯度公式如下：

式中，ψk表示由之前AHP得到的各因素權重，其中，0≤ψk≤1。

2 實例分析

本次數據均采用問卷調查的方式獲取，針對H高校師生共發放180份，回收174份，回收率為96.7%；有效問卷為170份，有效率為97.7%。

2.1 信、效度分析

根據問卷得到的數據，使用SPSS軟件進行信度和效度分析，具體結果如表2、表3所示。

表2 可靠性統計

表3 KMO和巴特利特檢驗

由表2可知，量表總信度系數為0.811，表示內部一致性較高，說明較為可信。由表3可知，Bartlett球形檢驗的顯著性為0，而KMO值為0.771，說明效度較高。

2.2 總體滿意度調查

總體滿意度如表4所示，調查人員中，選擇非常不滿意的只占2%，比較不滿意的占11%，一般占28%，比較滿意占39%，非常滿意占19%，整體評價介于一般與比較滿意之間。

表4 總體滿意度調查

2.3 多元線性回歸分析

根據總體滿意度影響指標：快遞破損、員工服務態度差、取件效率低、驛站距離遠、驛站內擁擠和丟件，使用SPSS軟件進行線性回歸分析。由表5可知，快遞破損顯著性為0.307，不顯著，其余各因素顯著性均小于0.05，顯著。故首先剔除快遞破損這個指標。而通過皮爾遜相關性可得各指標與滿意度的相關性排序為：取件效率低>店內擁擠>員工服務態度差>驛站距離遠>丟件。

表5 多元線性回歸分析結果

2.4 AHP層次分析法確定權重

由之前所得的各因素與滿意度相關性排序，可以得到一級指標的判斷矩陣，具體如表6所示。

表6 判斷矩陣

采用SPSS進行分析，得到指標權重，結果如表7所示。

表7 AHP層次分析結果

根據分析結果，得到各因素權重，權重由高到低排列為：取件效率低36.000%，店內擁擠28.000%，員工服務態度差20.000%，驛站距離遠12.000%，丟件4.000%。

2.5 灰色關聯度分析

表8 參考序列與比較序列

根據公式：

采用均值法計算關聯系數，P取0.5，得到關聯系數，結果如表9所示。

表9 關聯系數結果

表10 關聯度結果

綜上所述，可以得到結論：各因素對于菜鳥驛站服務滿意度的關聯程度，由高到低排列為：取件效率低>店內擁擠>服務態度差>驛站距離遠>丟件。

3 對策及建議

根據分析結果，取件效率低對于提高菜鳥驛站服務滿意度最為重要。而導致取件效率低的原因有兩個：出庫效率低和取件時間長。其中，取件時間長是由于驛站擁擠、貨架布局混亂和取件號碼不明顯引起的，而貨架布局也會間接導致驛站擁擠。學校菜鳥驛站存在兩種出庫方式：人工掃描、掃描儀掃描。導致掃描儀效率低的原因是：機器數量少、使用不方便及客戶不了解操作。導致人工掃描效率低的原因是：員工問題、網絡問題。

由上述的分析可以看出，本校菜鳥驛站提高客戶滿意度必須先從優化貨架布局、優化出庫步驟、增強員工培訓、優化派送方式等入手。

3.1 優化貨架布局

3.1.1 雜物清理及空間規劃

在優化貨架的布局前，最好進行雜物的清理以及空間的規劃，提高驛站空間利用率的同時預留客戶排隊的通道[6]。

3.1.2 重新設置貨架位置及編碼

根據貨架數量將貨架進行編號，貨架則在客戶排隊的通道兩側按數字從小到大的順序進行排列，讓客戶一眼就能看到自己的包裹所在的貨架編號，減少客戶尋找貨架的時間。

3.1.3 合理分配貨架存儲空間

貨物按照大小進行擺放，大宗貨物放置在貨架最底層，而文件等小件貨物放在相對上層的位置，使得客戶能根據自己所要尋找的包裹類型有目的地進行尋找，縮短客戶尋找包裹的時間。

3.2 優化出庫步驟

3.2.1 采用人工掃描和掃描儀相結合的方式

由于掃描儀的普及，許多菜鳥驛站只有掃描儀在進行出庫工作，而工作人員只是在一旁看著。鑒于高峰期取件人數較多，菜鳥驛站光靠掃描儀出庫速度仍然較慢，導致出庫效率低下。而人工掃描可以對驛站內客戶進行分流，減輕排隊壓力，加快出庫速度。掃描儀的普及并不應是工作人員減少工作量的理由，而應是提高出庫效率的方案，因此應采用人工掃描和掃描儀相結合的方式。

3.2.2 改善驛站內網絡環境

據反映，掃描儀操作不便多數是由于驛站內網絡環境不佳導致客戶打開菜鳥app時出現卡頓等現象。因此，驛站可采用Nanocell等技術，滿足LTE和WLAN雙網信號的覆蓋，改善驛站內客戶的網絡環境，以此提高掃描儀出庫的效率，提高客戶的滿意度。

3.3 增強員工培訓

由于菜鳥驛站作為末端物流運營環節，驛站的工作人員直接與客戶接觸。工作人員的專業水平、服務態度等都會影響到客戶的滿意度。因此菜鳥企業可以將專業素養、文明程度、溝通能力等納入考核范圍，定期對各驛站員工進行素質考核，平時注重員工各方面的培訓。這樣菜鳥驛站的員工在為客戶提供服務時能有效提高客戶對驛站的滿意度。

3.4 優化派送方式

鑒于目前大多數時候，客戶期望包裹派送的驛站與包裹實際派送的驛站不符，導致客戶經常要走很長一段路才能到達指定驛站收取包裹，大大增加了客戶的時間成本，降低了客戶的滿意度。雖然學校也存在一些第三方的“代取”服務，可以將驛站的包裹送至客戶宿舍樓下，但是代取價格較高，并且送至宿舍樓下的時間相對較晚，無法滿足大部分客戶的需求。而菜鳥app中的“互助取件”功能只能與微信好友共同使用，范圍較小，目前使用的人也較少，同樣無法滿足客戶需求。因此菜鳥驛站要想縮短客戶前往驛站取件的距離和時間，需要優化派送方式。

3.4.1 采取“包裹靠近客戶”原則

客戶在填寫收件信息時可以備注自己所期望派送的驛站，而驛站也可以根據客戶所填信息，盡量滿足客戶的需求，提高客戶滿意度。但還要考慮到高峰期客戶的分流問題，不能完全按照客戶期望的驛站進行派送，這樣反而會降低客戶的取件效率，得不償失。

3.4.2 嘗試“校園眾包”新模式

假設：客戶甲的包裹被送至驛站A，但他希望去驛站B取包裹，甲就可以在app上發布自己希望代取的申請，而乙的行走路徑剛好要經過驛站A和驛站B，乙就可以接受申請，首先在驛站A對甲的包裹進行拍照上傳，再將甲的包裹從驛站A帶到驛站B。在規定時間內將甲的包裹完好地送達驛站B后，乙也可以享受一次“代取”服務。這種模式的好處是：全程在app上操作，雙方都需要實名認證以及本校學生身份認證，而代取也只是從驛站A到驛站B，不存在客戶私下里的包裹配送，并且后臺可以對上傳的數據實時跟蹤，降低了丟件的風險，提高了眾包物流的保障。而客戶也可以在自己期望的驛站取貨，可以有效縮短客戶前往驛站取件的時間，提高客戶的滿意度。

4 結語

本文通過問卷的方式調查了H高校菜鳥驛站服務滿意度存在的問題及師生對于校園菜鳥驛站的滿意度評價情況。并分別采用多元線性回歸、AHP層次分析法、灰色關聯度分析法分析數據，發現目前菜鳥驛站諸多不足之處。這樣分析的好處是：能夠站在客戶的角度更加客觀地得到結論，利用線性回歸取代了傳統層次分析法中專家打分獲得的重要性程度劃分標準，使之得到的權重更為客觀、準確，而灰色關聯度中加入AHP得到的權重，也使得分析結果更具說服力。接著具體問題具體分析，根據問題對滿意度影響程度，對影響較大的問題提出了合理的建議，對于菜鳥驛站提高客戶滿意度有較大的參考價值。但是文章也存在一些不足之處，例如數據量較少導致數據說服力較低等。

總之，通過對H高校校園菜鳥驛站服務滿意度的研究，提出合理的改進建議，能夠加強物流末端服務質量，促使驛站服務與時俱進，不斷改善。也能夠拋磚引玉，為其他高校菜鳥驛站的服務滿意度研究提供依據。