胡 梅，秦向彬

（天津理工大學 管理學院，天津300384）

0 引言

近年來，網(wǎng)絡購物已成為人們新的消費方式，截止到2012年12月，中國網(wǎng)絡購物用戶規(guī)模達2.47億人，同比增長21.7%，預計未來網(wǎng)絡購物用戶規(guī)模將持續(xù)增長。雖然網(wǎng)絡購物得到了飛速發(fā)展并且具有獨特的優(yōu)勢，但是其仍存在很多缺點和問題，2012年網(wǎng)絡購物投訴占電子商務類投訴的55.4%。如何提高顧客對服務質(zhì)量的感知成為網(wǎng)絡購物業(yè)發(fā)展所面臨的重大問題，而服務質(zhì)量評價是服務質(zhì)量管理的關(guān)鍵，只有通過服務質(zhì)量評價才能知道服務質(zhì)量是否存在問題，繼而發(fā)現(xiàn)問題，解決問題［1］，所以服務質(zhì)量評價就顯得尤為重要。

許多學者對電子商務環(huán)境下的服務質(zhì)量進行了探究，在已知文獻中，電子商務等同或者涵蓋了網(wǎng)絡購物。首先，在網(wǎng)絡購物業(yè)服務質(zhì)量評價體系建立方面，Zeithaml等通過六焦點小組訪談的方法對有網(wǎng)絡購物經(jīng)驗的顧客進行了調(diào)查，歸納出可靠性、可訪問性、安全性、網(wǎng)站美觀等11個維度為電子商務服務質(zhì)量的影響因素。但如果從這11個維度來設計問卷，則問卷過于繁冗，很難作為電子商務服務質(zhì)量的參照標準，而且這11個因素之間的有效性還有待檢驗。李先國、張茜構(gòu)建和完善了C2C綜合拍賣網(wǎng)站評價指標體系，根據(jù)C2C綜合拍賣網(wǎng)站的特點以及前人研究的一些結(jié)論，從消費者角度以及指標的操作性上構(gòu)建C2C綜合拍賣網(wǎng)站的評價指標體系，建立一個三級指標體系，其中包括1個一級指標、7個二級指標、43個三級指標。之后采用層次分析法分析調(diào)查問卷，量化了各指標的相對權(quán)重，探討和解釋了消費者比較看重的影響在線拍賣運營的因素［2］。孫寅通過服務藍圖的分析方法，根據(jù)有關(guān)服務質(zhì)量現(xiàn)有的研究和相關(guān)理論，分析了影響服務質(zhì)量的五大類因素，并在此基礎之上構(gòu)建了評價指標。由于淘寶網(wǎng)提供了標準化的第三方擔保支付系統(tǒng)以及訂購系統(tǒng)，在以往的研究中并未包涵有關(guān)商品訂購及安全的指標。在實證研究中進一步討論了其中各因素的重要程度，結(jié)論顯示網(wǎng)店服務質(zhì)量對網(wǎng)店信譽起到了決定性作用。

在網(wǎng)絡購物業(yè)服務質(zhì)量評價方法方面，孫建紅等根據(jù)電子商務發(fā)展的現(xiàn)狀，分析了以網(wǎng)上購物為例的電子商務客戶滿意度影響因素，利用層次分析法建立了客戶滿意度評價指標體系，排列出指標中影響較大的因素，并提出對策建議［3］。李雯雯指出服務質(zhì)量在很大程度上影響著網(wǎng)購商店的持續(xù)發(fā)展，因此衡量并評價服務質(zhì)量，在網(wǎng)店的經(jīng)營和管理中顯得非常重要。李文采用專家賦權(quán)法和熵權(quán)法相結(jié)合的方法確定指標權(quán)重，并運用模糊綜合評價對電子商務環(huán)境下網(wǎng)絡商店的服務質(zhì)量進行度量，最后以某電子商務網(wǎng)購商店為實例進行了分析，并以Matlab 7.0程序予以實現(xiàn)，為網(wǎng)購商店的服務質(zhì)量評價提供了切實可行的定量化方法［4］。

很多學者對網(wǎng)絡購物業(yè)的服務質(zhì)量進行了研究，關(guān)于網(wǎng)絡購物業(yè)服務質(zhì)量評價的文獻多為單純的研究評價指標，或單獨研究評價模型，只有少數(shù)學者對網(wǎng)絡購物業(yè)的服務質(zhì)量的指標體系和評價方法進行系統(tǒng)的一體性的探索。鑒于此，本文將在學者們的研究成果的基礎上，結(jié)合對網(wǎng)絡購物業(yè)服務藍圖的分析，得到網(wǎng)絡購物業(yè)服務質(zhì)量的評級指標體系，使用BP神經(jīng)網(wǎng)絡對網(wǎng)絡購物業(yè)服務質(zhì)量建立評價和預測模型并根據(jù)問卷調(diào)查進行模型驗證，從而有效地確保了網(wǎng)絡購物業(yè)服務質(zhì)量評價模型的客觀性和準確性，以期為網(wǎng)絡購物業(yè)服務質(zhì)量評價提供借鑒和參考。

1 理論基礎

1.1 服務藍圖

服務藍圖是一種準確地描述服務體系的工具，它借助流程圖，將無形服務以有形證據(jù)的形式展現(xiàn)，能夠讓服務過程中所涉及到的不同人員理解并客觀地使用它，而無論其在這一過程中所處的位置或持有怎樣的個人觀點［5］。經(jīng)過服務藍圖的描述，服務被合理地分解為服務提供過程的步驟、任務及完成任務的方法，使服務提供過程中所涉及的人都能客觀地理解和處理它，也不需要關(guān)心他們的出發(fā)點和目的是什么，而且客戶同服務人員的接觸點在服務藍圖中被清晰地識別，從而達到通過這些接觸點來控制和改進服務質(zhì)量的目的［6］。服務藍圖由四種行為、連接行為的流向線、分割行為的三條分界線和設置在顧客行為上方的有形展示組成。服務藍圖結(jié)構(gòu)圖如圖1所示［7－8］。

圖1 服務藍圖結(jié)構(gòu)圖

1.2 BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡算法即誤差反傳訓練算法（Error Back Propagation）是一種多層前饋型神經(jīng)網(wǎng)絡，具有結(jié)構(gòu)簡單、可塑性強等特點，是目前人工神經(jīng)網(wǎng)絡（ANN）模型中使用最廣泛的一種算法［9］。BP神經(jīng)網(wǎng)絡的學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播階段，輸入樣本從輸入層傳入，輸入數(shù)據(jù)經(jīng)過S型激活函數(shù)

作用后，再經(jīng)過各中間隱含層處理，傳向輸出層，輸出層節(jié)點k（k＝1，2，…，H）得到輸出數(shù)據(jù)：

每一層神經(jīng)元的狀態(tài)只影響下一層的神經(jīng)元狀態(tài)。若在輸出層得到的結(jié)果與期望不符，則轉(zhuǎn)入誤差反向傳播階段。誤差信號沿著原來的神經(jīng)元連接通路返回，在這一過程中逐一修改各層神經(jīng)元連接的權(quán)值。這種正向傳播與誤差反向傳播的各層權(quán)值調(diào)節(jié)過程周而復始，最終使信號誤差在允許的范圍之內(nèi)。

2 模型構(gòu)建

2.1 服務藍圖設計及關(guān)鍵點分析

服務藍圖有效地將服務分解為服務提供過程的步驟、任務及完成任務的方法，使服務提供過程中涉及到的人都能清楚地了解自己所處的位置，通過對服務藍圖的分析，不僅可以找到服務過程中的關(guān)鍵點，而且通過對這些關(guān)鍵點的控制（建立評價指標、進行考核、有針對性改進），實現(xiàn)提高服務質(zhì)量的目的［10－12］。本文對淘寶網(wǎng)的服務藍圖繪制及對失敗點、等待點和體驗點等關(guān)鍵點的分析如圖2所示。

圖2 淘寶網(wǎng)服務藍圖

現(xiàn)將圖2所示的關(guān)鍵點對顧客服務質(zhì)量感知的影響做出分析。

（1）體驗點E，在各體驗點顧客感知服務時考慮的問題如下：

E1：①網(wǎng)頁布局是否合理？②商品信息齊全是否有效？③顧客是否容易搜索所需商品？

E2：①服務人員是否能夠及時響應顧客需求？②服務人員是否對顧客尊重有禮貌？③服務人員是否能夠快速正確解決問題？

E3：①服務人員是否能及時響應顧客需求？②服務人員是否對顧客尊重有禮貌？③服務人員是否能夠快速正確解決問題？

（2）等待點W，在各體驗點顧客感知服務時考慮的問題如下：

W1：①顧客進入店家是否及時得到響應？②服務人員是否能夠快速解決顧客提出的問題？

W2：①顧客是否能隨時查看物流情況？②商品是否能準時送達？

W3：顧客的申請是否能得到及時的處理？

（3）失敗點F，在各失敗點導致服務失敗的原因如下：

F1：①服務人員不能夠及時響應顧客需求；②服務人員對顧客的服務態(tài)度不佳；③ 服務人員不能快速正確解決問題。

F2：交易程序繁雜。

F3：商品配送錯誤。

F4：①商家不能履行承諾；② 商品不能準時送達；③ 商品配送錯誤；④商品在配送過程中受損；⑤商品為假冒劣質(zhì)產(chǎn)品。

F5：商品評價客觀真實。

F6：①服務人員態(tài)度差；②服務人員對顧客的退貨申請置之不理。

2.2 評價指標體系的構(gòu)建

根據(jù)指標選取的一般原則，參考了相關(guān)文獻［13－20］，并征求相關(guān)專家的意見，結(jié)合網(wǎng)絡購物的實際情況和淘寶網(wǎng)服務藍圖的分析，本文選取可靠性、易用性、反應性和安全性作為網(wǎng)絡購物業(yè)服務質(zhì)量評價的二級指標，每個二級指標又包含若干個三級指標，從而構(gòu)建了一整套淘寶網(wǎng)服務質(zhì)量評價指標體系，見表1。

表1 淘寶網(wǎng)服務質(zhì)量評價指標體系

2.3 數(shù)據(jù)收集及處理

本文的研究數(shù)據(jù)通過問卷調(diào)查方法進行收集，問卷采用了Likert五級量表形式，其中5代表非常符合，1代表非常不符合。本次調(diào)查的范圍大部分集中在天津各高校在校學生，包括本科生和研究生，小部分問卷通過網(wǎng)絡傳遞，調(diào)查對象為近幾年大學畢業(yè)的年輕工作者。根據(jù)2012年中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的《第29次中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》，在學歷方面，大專及以上學歷人群中互聯(lián)網(wǎng)使用率在2011年已達96.1%；學生上網(wǎng)人數(shù)為1.55億，是網(wǎng)民中規(guī)模最大的群體，占我國網(wǎng)民總?cè)藬?shù)的30.2%。所以，本次調(diào)查結(jié)果可以在很大程度上反映淘寶網(wǎng)服務質(zhì)量的真實情況。

在數(shù)據(jù)收集階段，共發(fā)放100份問卷，收回83份，問卷回收率為83%。刪減掉不合格問卷3份（有缺失值），最終得到合格樣本80份。

為了使數(shù)據(jù)符合訓練過程的函數(shù)運算要求，加快訓練網(wǎng)絡的收斂性，對所有原始輸入層的數(shù)據(jù)進行歸一化處理，將數(shù)據(jù)轉(zhuǎn)換為區(qū)域［0，1］內(nèi)的數(shù)據(jù)，然后作為輸入值輸入網(wǎng)絡［9］。使用歸一化公式如下：

2.4 建立模型

2.4.1 BP神經(jīng)網(wǎng)絡的設計

BP網(wǎng)絡最佳設計的原則是簡潔實用，即在能夠滿足求解要求的前提下盡量減少網(wǎng)絡的規(guī)模，這樣能減少學習的時間，降低系統(tǒng)的復雜性。BP神經(jīng)網(wǎng)絡有一個很重要的定理，即對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)可以用單隱層的BP網(wǎng)絡逼近，且理論上已經(jīng)證明三層BP網(wǎng)絡可以實現(xiàn)任意的非線性關(guān)系的映射，四層網(wǎng)絡比三層網(wǎng)絡收斂速度快，但更容易進入局部極小點，并且過多的網(wǎng)絡層數(shù)和神經(jīng)元個數(shù)會使網(wǎng)絡的泛化能力減弱，網(wǎng)絡的預測能力下降。因此，本文將使用含一個隱層的三層BP神經(jīng)網(wǎng)絡。

2.4.2 隱層的神經(jīng)元數(shù)的設定

隱層的神經(jīng)元數(shù)的確定是一個復雜的問題。數(shù)量過少，BP神經(jīng)網(wǎng)絡從樣本中獲取信息的能力差，網(wǎng)絡不足以概括和體現(xiàn)訓練集中的樣本規(guī)律；隱層神經(jīng)元數(shù)量過多，可能會將樣本中非規(guī)律的內(nèi)容牢記，從而出現(xiàn)“過度吻合”，并且會使網(wǎng)絡的復雜程度增加，訓練時間增長。本文由經(jīng)驗公式

進行確定，其中：S表示隱含層神經(jīng)元數(shù)；m表示輸入層神經(jīng)元數(shù)；n表示輸出層神經(jīng)元數(shù)；a取區(qū)域［1，10］內(nèi)的整數(shù)。

2.4.3 BP神經(jīng)網(wǎng)絡模型的建立

將指標體系中的三級指標的數(shù)據(jù)歸一化后，作為網(wǎng)絡的輸入值，歸一化后的網(wǎng)絡購物業(yè)服務質(zhì)量綜合評價值作為輸出值，隨機選取部分樣本輸入網(wǎng)絡進行網(wǎng)絡的學習訓練，當權(quán)值、誤差等達到精度要求之后，使用剩余部分的樣本數(shù)據(jù)進行驗證。根據(jù)評價指標體系，體系中16個三級指標的數(shù)據(jù)為網(wǎng)絡的輸入值，網(wǎng)絡購物業(yè)服務質(zhì)量綜合評價為輸出值，故BP神經(jīng)網(wǎng)絡的輸入神經(jīng)元數(shù)為16，輸出神經(jīng)元數(shù)為1。淘寶網(wǎng)服務質(zhì)量評價BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖如圖3所示。

圖3 淘寶網(wǎng)服務質(zhì)量評價BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

使用經(jīng)驗公式（5）初步確定網(wǎng)絡的隱層神經(jīng)元數(shù)。在上述BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖中，輸入神經(jīng)元數(shù)目m為16，輸出神經(jīng)元數(shù)目n為1，計算可知隱層神經(jīng)元數(shù)取［8，17］內(nèi)的整數(shù)。通過仿真擬合，確定隱層神經(jīng)元數(shù)為12。隨機選取70組數(shù)據(jù)作為訓練樣本輸入BP神經(jīng)網(wǎng)絡進行學習訓練，將剩余10組數(shù)據(jù)輸入已經(jīng)訓練好的BP神經(jīng)網(wǎng)絡進行仿真測試。輸入訓練樣本，Matlab軟件訓練結(jié)果如圖4所示，對10組學習樣本的仿真結(jié)果與調(diào)查結(jié)果對比如表2所示。

圖4 淘寶網(wǎng)服務質(zhì)量評價仿真

表2 淘寶網(wǎng)服務質(zhì)量評價目標輸出與網(wǎng)絡輸出對比

由表2可知，使用BP神經(jīng)網(wǎng)絡算法對淘寶網(wǎng)服務質(zhì)量進行評價，得到的輸出結(jié)果與實際調(diào)查的所得評價結(jié)果誤差較??；除第6組和第9組數(shù)據(jù)之外，其他8組數(shù)據(jù)的網(wǎng)絡輸出基本與目標輸出一致，符合根據(jù)“5表示非常滿意、4表示滿意、3表示一般、2表示不滿意、1表示非常不滿意”得到的服務質(zhì)量評價。由此可知使用BP神經(jīng)網(wǎng)絡算法對網(wǎng)絡購物業(yè)進行評價具有可行性和合理性，同時可以預測網(wǎng)絡購物業(yè)未來服務質(zhì)量的趨勢，根據(jù)服務質(zhì)量水平來采取控制措施。

3 結(jié)論

本文以淘寶網(wǎng)為網(wǎng)絡購物業(yè)的典型代表，以網(wǎng)絡購物業(yè)的服務質(zhì)量為研究對象，基于對網(wǎng)絡購物業(yè)服務藍圖的設計，并對服務藍圖的關(guān)鍵點進行分析，設定了網(wǎng)絡購物業(yè)服務質(zhì)量評價的指標體系，建立了基于BP網(wǎng)絡的網(wǎng)絡購物業(yè)服務質(zhì)量評價模型，并根據(jù)指標體系設計相關(guān)調(diào)查問卷，進行實地考察，為網(wǎng)絡購物業(yè)的服務質(zhì)量評價和預測提供了依據(jù)。

利用服務藍圖將無形的服務過程有形化，可以清晰地觀察到企業(yè)與顧客的服務人員的接觸過程，通過對關(guān)鍵點的分析，可以找到影響顧客感知服務質(zhì)量的影響因素；應用BP神經(jīng)網(wǎng)絡建構(gòu)網(wǎng)絡購物業(yè)質(zhì)量評價模型，充分發(fā)揮了神經(jīng)網(wǎng)絡優(yōu)越性：既可擺脫人為因素及隨機性的影響，又能保證評價的客觀性和準確性，具有一定的理論與實用價值。本文的研究結(jié)果表明服務藍圖是網(wǎng)絡購物業(yè)服務質(zhì)量指標體系建立的有效依據(jù)，BP神經(jīng)網(wǎng)絡方法是對網(wǎng)絡購物業(yè)服務質(zhì)量水平評價和預測的可行工具，在網(wǎng)絡購物網(wǎng)站和其他服務業(yè)的服務質(zhì)量評價方面具有較強的推廣性。但BP網(wǎng)絡輸入的每個指標對輸出的網(wǎng)絡購物業(yè)服務質(zhì)量評價的影響程度的權(quán)重沒有做出計算、分析，這應該是以后的研究方向。

［1］ 孫寅.網(wǎng)店服務質(zhì)量影響因素分析［J］.中國商貿(mào)，2010（17）：40－41.

［2］ 李先國，張茜.C2C綜合拍賣網(wǎng)站評價指標體系研究［J］.管理世界，2009（5）：178－179.

［3］ 孫建紅，邢寶山，賈春梅.基于AHP理論電子商務客戶滿意度指標體系構(gòu)建［J］.情報科學，2011，29（6）：898－901.

［4］ 李雯雯.電子商務環(huán)境下網(wǎng)購商店服務質(zhì)量評價定量化模型的構(gòu)建［J］.科技管理研究，2011（14）：158－161.

［5］ Reena Roy，Vaijayanthi Dr P，Shreenivasan K A.Service quality gap of foreign banks in india using PZB service quality model－an empirical study［J］.2011International Conference on Software and Computer Applications，2011（9）：142－146.

［6］ 劉佳民.服務藍圖法及其應用［J］.企業(yè)改革與管理，2008（8）：58－59.

［7］ 王鶴，張婷.基于服務藍圖的電力客戶滿意度評價研究［J］.華北電力大學學報，2007（2）：7－11.

［8］ 馮俊，張運來.服務管理學［M］.北京：科學出版社，2010：41－52.

［9］ 張晶，何楨.BP網(wǎng)絡在呼叫中心服務質(zhì)量管理中的應用［J］.哈爾濱商業(yè)大學學報，2008，24（2）：471－483.

［10］ 王萍，嚴太山，唐明利，等.基于用戶的高校圖書館服務質(zhì)量智能化評價方法研究［J］.圖書館，2008（3）：80－87.

［11］ James A Fitzsimmons，Mona J Fitzsimmons.Service management operations，strategy，information technology［M］.北京：機械工業(yè)出版社，2007：60－68.

［12］ 劉卉，韓福榮.美容企業(yè)服務藍圖的設計與實施［J］.中國質(zhì)量，2011（5）：34－36.

［13］ 桂河清.改善我國移動通信運營商服務質(zhì)量的探討［J］.經(jīng)濟師，2008（4）：41－42.

［14］ Ajayi A O，Aderounmu G A，Soriyan H A，et al.An intelligent quality of service brokering model for ecommerce［J］.Expert Systems with Applications，2010（37）：816－823.

［15］ 楊洋.電子商務環(huán)境中的服務質(zhì)量評價研究［J］.經(jīng)濟論壇，2010（4）：129－132.

［16］ 費小燕.層次分析法在電子商務企業(yè)績效評價中的應用［J］.企業(yè)經(jīng)濟，2010（9）：90－92.

［17］ Michel Benaroch，Ajit Appari.Pricing e－service quality risk in financial services［J］.Electronic Commerce Research and Applications，2011（10）：534－544.

［18］ 左文明，黎紹發(fā)，易聰.基于SVM的B2C商務網(wǎng)站服務質(zhì) 量 評 價 模 型 ［J］.商 場 現(xiàn) 代 化，2007（515）：176－177.

［19］ 宋彥軍.ISO9000與服務質(zhì)量管理［M］.北京：機械工業(yè)出版社，2004：32－33.

［20］ 陳芝，張東亮，單汨源.基于BP神經(jīng)網(wǎng)絡的中小企業(yè)技術(shù)創(chuàng)新能力評價研究［J］.科技管理研究，2010（2）：56－58.