基于TAM模型的校園快遞無人車使用意愿研究

強濃

摘? 要：為深入了解大學生對校園無人配送的接受度，文章以技術接受模型（TAM）理論為基礎，構建了一個包含感知有用性、感知易用性、感知風險、滿意度和行為意向的理論模型，并向在校大學生發放了問卷，收集了有效數據，利用結構方程模型（SEM）進行了實證分析。在此基礎上，提出了提高大學生對校園快遞無人車接受度和行為意向的策略建議，旨在為校園無人車配送的優化和發展提供參考。

關鍵詞：TAM；校園快遞無人車；使用意愿；結構方程模型

中圖分類號：F618??? 文獻標志碼：A??? DOI：10.13714/j.cnki.1002-3100.2024.13.014

Abstract： To gain a deeper understanding of college students' acceptance of unmanned delivery on campus， this article uses the technology acceptance model（TAM）as its theoretical foundation. It constructs a theoretical model that includes perceived usefulness， perceived ease of use， perceived risk， satisfaction， and behavioral intention. The article collects valid data through a questionnaire survey of college students and conducts empirical analysis using structural equation modeling（SEM）. Based on this， the article proposes strategic suggestions for improving college students' acceptance and behavioral intention towards campus express unmanned vehicles， aiming to provide a reference for optimizing and developing unmanned vehicle delivery on campus.

Key words： TAM; campus express delivery robot; intention to use; structural equation model

1? 研究背景

近年來我國快遞量快速增長，根據國家郵政局數據顯示，2022年全國快遞量完成1 105.81億件，人均快遞量78.3件[1]。根據中國教育后勤協會、阿里巴巴研究院發布的《校園快遞行業發展報告（2022）》，中國高校學生人均快遞數量已超過70件，高于全國平均水平。校園快遞量的快速增加對于快遞物流也提出了較高的要求。最近幾年，人工智能、物聯網以及大數據快速發展，為了提高驛站工作效率和快遞派送效率，目前已有眾多高校引入了無人車。截至2022年雙十一期間，阿里旗下的小蠻驢覆蓋了全國400多所高校，成為校園快遞最后一公里中非常重要的一部分。

但是無人車的發展目前處于初級階段，在使用過程中依然有較多限制，如只能用于人員相對穩定的封閉場所，受限于道路狀況、配送貨物質量等。客戶滿意度對于快遞行業的發展至關重要，不同的顧客對于無人車配送的需求存在一定差異，對于無人配送車的接受程度也是不同的，因此本文以高校學生對于無人車配送的接受程度為研究對象，分析影響大學生使用無人車配送服務的重要因素，有助于為校園快遞運營企業提供差異化的服務提供一些參考，提升客戶滿意度。

2? 理論基礎與研究假設

2.1? 理論基礎

目前研究人們對新技術或新方法接受程度的理論應用最廣泛的方法是美國學者戴維斯（Fred D. Davis）提出的技術接受模型（Technology Acceptance Model，TAM）。該模型認為實際使用是受行為意向的影響，行為意向受使用態度和感知有用性的制約，使用態度主要由感知有用性和感知易用性的共同決定，而且感知易用性也會影響感知有用性，同時感知有用性和感知易用性均會受到外部變量的影響[2]。技術接受模型的組成如圖1所示。

借鑒該模型，本文不僅考慮了感知有用性和感知易用性對行為意向的影響，同時考慮了感知風險和滿意度對于校園無人車使用意愿的影響，構建了研究模型，如圖2所示。

2.2? 研究假設

（1）行為意向

接受度模型是以實際使用行為作為最終測量變量，但由于實際使用受到行為意向的影響，有了行為意向才會產生實際使用，因此本文將行為意向作為最終因變量。行為意向高則說明大學生對校園無人車的接受度高。

（2）感知有用性、感知易用性和滿意度

本文的理論基礎是技術接受模型，其核心變量是感知有用性和感知易用性[2]。感知有用性主要體現在用戶認為校園無人車更便捷、節省時間。感知易用性是指通過平臺的APP來下單取快遞、寄快遞等過程流程簡單，使用簡便。很多專家學者的研究驗證了感知易用性對感知有用性有顯著正向影響。Bhattacherjee的研究結果表明感知有用性對用戶滿意度和行為意向都有正向作用。他提出用戶感知到的有用性不僅僅是滿足基本需求，還能帶來心理上的享受[4]。因此本文做出如下假設：

H1 校園無人車用戶的感知易用性顯著正向影響感知有用性。

H2 校園無人車用戶的感知有用性顯著正向影響其對校園無人車的滿意度。

H3 校園無人車用戶的感知有用性顯著正向影響行為意向。

H4 校園無人車用戶的滿意度顯著正向影響行為意向。

H5 校園無人車用戶的感知易用性顯著正向影響對校園無人車的滿意度。

（3）感知風險和滿意度

感知風險指的是用戶的一種不確定心理，用戶無法確定在購買商品或享受服務后是否會產生不愉快的結果，是消費者的主觀判斷[5]。對校園無人車而言，感知風險指的是用戶對校園無人車的安全性、個人隱私等風險的感知。本文做出如下假設：

H6 校園無人車用戶的感知風險顯著負向影響對校園無人車的滿意度。

（4）滿意度和行為意向

滿意度是指用戶的心理感受，在使用校園無人車配送服務后產生的愉悅感。Lin和Wang的研究驗證了用戶滿意度對用戶的行為意向有正向影響[6]。用戶的滿意度越高，行為意向就越強，反之就越低。本文做出如下假設：

H7 校園無人車用戶的滿意度顯著正向影響其行為意向。

3? 量表開發與數據收集

通過查閱文獻、專家訪談等方法，編制了校園無人車用戶使用意愿調查問卷。問卷主要包含兩個方面：一是對受訪者基本信息的采集，包括性別、年級、專業、收發快遞的基本情況等，這部分主要是用于了解樣本的大致分布情況以及用戶使用校園無人車的的基本概況。第二部分是問卷的主體部分，設計了13個題項對應理論模型的5個變量，問卷采用五級李克特量表。共發放216份問卷，去除答題時間過短以及答案全部相同的無效問卷，最終得到172份問卷。研究維度及測量題項如表1所示。

4? 數據分析

4.1? 信度分析

信度分析即可靠性分析，是為了檢驗問卷數據的同質性和穩定性。Cronbach's α（克朗巴哈系數）系數是最為常用的檢驗問卷信度的指標。分析結果如表2所示，各維度Cronbach's α系數值均在0.7以上，表明具有內部一致性，信度較高。

4.2? 效度分析

本文采用結構效度來對數據進行測量，也就是探索性因子分析。因子分析前先進行KMO檢驗以及Bartlett's球形度檢驗。檢驗結果如表3所示。

由表3可知，KMO為0.862，大于0.8，說明數據比較適合做因子分析。Bartlett球形度檢驗的P值為0，小于0.05，樣本數據呈現球狀分布，表明樣本數據通過了顯著水平為1%的顯著性檢驗。KMO檢驗和Bartlett的檢驗都滿足了標準，可以進行后續的因子分析。

根據樣本數據結果，提取了5個特征根大于1的因子，與本文假設模型中的五個主體變量數量一致。5個因子的累計方差解釋率為80.9%，說明提取出來的5個因子可以很好的解釋問卷內容（見表4）。感知有用性的題項集中在因子4，感知易用性的題項集中在因子2，滿意度的題項有兩個集中在因子3，題項2的問題“我認為使用校園無人車配送服務是明智的”經分析與滿意度不符，因此將其刪掉。行為意向的題項集中在因子1，感知風險的題項集中在因子5。剔除掉D2問題以后，剩余的因子載荷都達到0.5以上，說明調查的題項與對應的因子存在相關性，并且此份問卷的內部結構較為清晰，問卷信度符合檢驗標準，整體的有效性較高。

4.3? 結構模型檢驗

圖3為結構方程模型。模型驗證中的主要指標及其評價標準如表5所示。

從表5可以看出，本文結構方程模型的各項評價指標均在可接受的范圍內，由此得出本文的結構方程模型擬合優度較好，模型有效。表6為自變量到因變量的路徑有效性。

通過表6可以看出，本文的研究數據顯示所有路徑系數均符合評價標準，所有的路徑均是有效的。

5? 結論與建議

5.1? 結? 論

本文基于基本的TAM模型，引入了用戶滿意度和感知風險兩個變量，構建理論模型，研究大學生對于校園無人車使用意愿的影響因素。通過問卷調查進行驗證，7個原假設得到驗證。

用戶的行為意向受到對校園無人車滿意度的影響。根據前面分析結果顯示，用戶滿意度受到感知有用性和感知易用性的正向影響、感知風險的負向影響。用戶使用無人車的目的是為了節約時間、提高效率。無人車能否在用戶預期時間內到達是影響滿意度非常重要的因素之一，準時度越高，滿意度就越高，用戶的使用意愿就越高。此外校園無人車是否會泄露個人信息、損壞用戶快遞等，這些風險也會影響到用戶的使用滿意度。

5.2? 建? 議

5.2.1? 優化服務，提升用戶滿意度

用戶在初次使用校園無人車配送服務之后，如果獲得了良好的使用感受，就會產生用戶滿意度，促使下一次使用并向身邊人推廣。因此，企業要充分考慮大學生這一特殊群體的需求和特征，調整無人車的運營策略，提升用戶滿意度。可采取以下策略：

（1）優化服務時間，增加服務覆蓋范圍

結合筆者所在高校來看，目前無人車的運營時間段主要集中在白天，并且避開了上下課高峰時間段，通過實際訪談發現，在中午12時—13時的熱門時間段經常出現約滿的情況，大部分學生都認為應該增加無人車數量或者營業時間段延長至晚上，并且細化預約送貨時間段。此外，受到校園內道路條件的限制，并沒有覆蓋到所有宿舍樓。作為運營方需要與校方溝通協作，解決運營時間短、覆蓋范圍有限的問題。

（2）加強管理，提高準時發車率和及時履約率

快遞能否準時配送是影響用戶滿意度非常重要的因素之一，以筆者所在高校為例，無人車大部分時間都是100%準時發車，有少數時間段是90%左右，但也有時是60%左右。筆者在實際觀察中發現，存在部分學生故意攔車的現象，這會導致無人車無法準時完成送貨任務，進而影響下一班次的運行。此外包裹滯留情況也經常出現，很多同學無法在規定時間內到樓下領取，嚴重時甚至遣返率高達10%以上，還有些同學在裝車后才取消訂單，驛站工作人員還需要找到原先的貨架重新入庫，增加了工作人員的負擔，造成了人力物力的浪費，也極大的影響了驛站派件效率。

（3）加強人機交互，增加服務內容

大學生群體對于新鮮事物充滿著強烈的參與感，目前無人車人機交互還比較單一，僅體現在輸入取件碼、打開柜門取走快遞。如果可以豐富人機交互方式和內容，會給用戶帶來更好的體驗，從而提升滿意度，增強使用黏性。

此外，為了進一步提升無人車使用率，還應考慮增加服務內容。例如，與食堂或其他商家合作提供無人配送服務。

（4）優化無人車配送路徑

目前的無人車配送路線的設計僅僅是依靠主觀經驗來設置的，缺乏一定的科學依據，但是在運營中發現，不同樓棟的需求量是存在差異的，例如女生宿舍樓需求量要遠遠高于男生宿舍樓需求量，距離驛站較遠的宿舍樓需求量也較高。應該結合實際情況，運用一定的優化算法來設計配送路線并能夠動態調整，進而節約配送距離，提升用戶滿意度。

5.2.2? 加快完善無人車配送的相關法律法規和制度

目前，我國還沒有專門針對無人配送的法律法規，菜鳥驛站經營方需要制定和完善無人車的使用規范，作為高校一方，也需要出臺相關的制度對無人車的運營進行監管，此外，還需要有相關的制度保障用戶的利益。

5.2.3? 加大對無人車技術的研發力度，提高安全性保障

為了解決無人車配送發展中遇到的問題，企業需要加大對無人車的技術研發，改進產品性能，提升用戶使用體驗，提高安全性保障。

參考文獻：

[1] 國際郵政局. 2022年郵政行業發展統計公報[EB/OL]. （2023-05-26）[2023-06-30]. https：//www.spb.gov.cn/gjyzj/c100276/202305

/d5756a12b51241a9b81dc841ff2122c6.shtml.

[2]? DAVIS F D. Perceived usefulness， perceived ease of use and user acceptance of information technology[J]. MIS Quarterly， 1989，13（3）：319-340.

[3] 魯佼佼，孫劍斌. 國內技術接受模型的實證研究綜述[J]. 贛南師范學院學報，2013（6）：89-93.

[4]? BHATTACHEIJEE A. Understanding information systems continuance： An expectation-confirmation model[J]. MIS Quarterly， 2001，25（3）：351-370.

[5]? BARACH J A. Advertising effectiveness and risk in the consumer decision process[J]. Journal of Marketing Research， 1969，6（3）：314-320.

[6]? LIN W S， WANG C H. Antecedences to continued intentions of adopting E-Learning system in blended learning instruction： A contingency framework based on models of information system success and task—technology fit[J]. Computers & Education， 2012，58（1）：88-99.