張慧+李克芳+李志楨
[摘要]文章運(yùn)用聚類分析中的K-means聚類法對(duì)在校大學(xué)生網(wǎng)購抱怨行為進(jìn)行聚類分析。研究發(fā)現(xiàn),大學(xué)生網(wǎng)購抱怨類型可以分為傳播型抱怨者、效用型抱怨者和沉默型抱怨者,不同類型的抱怨者各有其特點(diǎn),這就要求電商應(yīng)根據(jù)不同的抱怨類型的特點(diǎn)采取相應(yīng)的補(bǔ)救策略,以保持和提高大學(xué)生網(wǎng)購的忠誠度。
[關(guān)鍵詞]抱怨行為;K-means聚類分析;補(bǔ)救策略
隨著互聯(lián)網(wǎng)的興起,網(wǎng)購正成為一種趨勢(shì)和潮流,在人們的日常生活中占據(jù)越來越重要的位置。眾所周知,大學(xué)生接受新事物能力強(qiáng),能熟練使用互聯(lián)網(wǎng),因此大學(xué)生對(duì)于網(wǎng)購的接受程度比其他人群更高,現(xiàn)在的在校大學(xué)生將成為未來網(wǎng)購市場(chǎng)的主要組成部分。但是大學(xué)生網(wǎng)購常常會(huì)遇到不滿意的情況,產(chǎn)生抱怨行為,若不能有效安撫抱怨者的情緒,其忠誠度會(huì)大打折扣。所以,電商必須了解大學(xué)生抱怨行為的類型和特點(diǎn),采取有效的補(bǔ)救策略,消除他們的抱怨情緒。本文在借鑒前人研究成果和方法的基礎(chǔ)上,主要以在校大學(xué)生為樣本,研究他們?cè)诮昱d起的網(wǎng)購大潮中的抱怨行為類型。
1文獻(xiàn)回顧
1.1顧客抱怨
顧客抱怨是指顧客對(duì)產(chǎn)品或服務(wù)的不滿和責(zé)難,顧客對(duì)產(chǎn)品或服務(wù)的抱怨即意味著經(jīng)營者提供的產(chǎn)品或服務(wù)沒達(dá)到他的期望、沒滿足他的需求。另外,也表示顧客仍舊對(duì)經(jīng)營者具有期待,希望能改善服務(wù)水平。其目的就是為了挽回經(jīng)濟(jì)上的損失,恢復(fù)自我形象。大致在20世紀(jì)70年代,由于受到消費(fèi)至上主義的影響,西方學(xué)者就已經(jīng)開始注意對(duì)顧客投訴行為的研究。直到現(xiàn)在,顧客抱怨領(lǐng)域總是能引起很多研究者的興趣。通過對(duì)以往有關(guān)抱怨主題的研究文獻(xiàn)進(jìn)行收集整理,發(fā)現(xiàn)這一主題的研究成果逐漸成熟和完善。
1.2網(wǎng)購抱怨行為
1999年年底,隨著互聯(lián)網(wǎng)高潮來臨。中國網(wǎng)絡(luò)購物的用戶規(guī)模不斷上升。2010年中國網(wǎng)絡(luò)購物市場(chǎng)延續(xù)用戶規(guī)模、交易規(guī)模的雙增長態(tài)勢(shì)。《2013—2017中國網(wǎng)絡(luò)購物行業(yè)市場(chǎng)前瞻與投資預(yù)測(cè)分析報(bào)告》統(tǒng)計(jì)數(shù)據(jù)顯示,2010年中國網(wǎng)絡(luò)購物市場(chǎng)交易規(guī)模接近5000億元,達(dá)4980.0億元,占到社會(huì)消費(fèi)品零售總額的3.2%;同時(shí),網(wǎng)絡(luò)購物用戶規(guī)模達(dá)到1.48億,在網(wǎng)民中的滲透率達(dá)30.8%。網(wǎng)購將成為未來發(fā)展的必然趨勢(shì),在人們的生活中占據(jù)十分重要的位置。不可否認(rèn)的是網(wǎng)購的興起和蓬勃發(fā)展為人們的生活帶來很多的便利,同時(shí)本身也存在很多的問題:大量的假冒偽劣產(chǎn)品充斥著網(wǎng)購;誠信問題;配送的速度不一;退貨不方便等。由于這些問題的存在使得網(wǎng)購的抱怨行為難以避免,同時(shí),網(wǎng)購抱怨行為發(fā)生的頻率更高,傳播性更廣,危害性也更大,不同于線下購買的顧客抱怨行為。網(wǎng)購抱怨行為是絕大多數(shù)電商必將面臨的重要問題,具有十分重要的研究意義。
1.3K-means聚類
聚類分析中常用的一種聚類算法是1967年MacQueen提出的基于誤差平方和準(zhǔn)則的K-均值算法,該算法因具有簡(jiǎn)單且容易理解,計(jì)算方便、速度快以及能夠有效處理大型數(shù)據(jù)庫的優(yōu)點(diǎn)而成為聚類分析中的經(jīng)典算法。K-means算法是很典型的基于距離的聚類算法,采用距離作為相似性的評(píng)價(jià)指標(biāo),即認(rèn)為兩個(gè)對(duì)象的距離越近,其相似度就越大。
2研究方法
2.1研究對(duì)象及數(shù)據(jù)收集
本文以有網(wǎng)上購物經(jīng)歷的在校大學(xué)生為研究對(duì)象。2008年6月發(fā)布的《中國網(wǎng)絡(luò)購物報(bào)告》顯示網(wǎng)購用戶中學(xué)歷是大專及以上的用戶比例已高達(dá)85%。其中大專和本科學(xué)歷的用戶占75%,也就是說,在校的本科、??拼髮W(xué)生將成為未來網(wǎng)購市場(chǎng)的主要組成部分。從2012年來看,在校大學(xué)生網(wǎng)購用戶占總體網(wǎng)購用戶的3成,亞馬遜網(wǎng)和拍拍網(wǎng)用戶群體中在校大學(xué)生比例超過4成。目前,在校大學(xué)生的網(wǎng)購人數(shù)有增無減。由此可見,在校大學(xué)生已經(jīng)在現(xiàn)在的網(wǎng)購的市場(chǎng)中占據(jù)不可忽略的位置,也必將在未來的網(wǎng)購市場(chǎng)中占據(jù)十分重要的位置,因此本文選擇在校大學(xué)生為研究對(duì)象。向某高校的大學(xué)生隨機(jī)發(fā)放問卷,共發(fā)放了150份,回收136份,有效問卷125份。
2.2變量測(cè)量
本文采用了Likert 5分量表法,它是由美國社會(huì)心理學(xué)家李克特于1932年在原有的總加量表基礎(chǔ)上改進(jìn)而成的。該量表由一組陳述組成,每一陳述有“非常同意”“同意”“不一定”“不同意”“非常不同意”五種回答,分別記為5、4、3、2、1,每個(gè)被調(diào)查者的態(tài)度總分就是他對(duì)各道題的回答所得分?jǐn)?shù)的加總,總分的高低說明了消費(fèi)者的態(tài)度強(qiáng)弱。在參考相關(guān)文獻(xiàn)的基礎(chǔ)上,本研究中涉及的變量及測(cè)項(xiàng)如表1所示。
3數(shù)據(jù)分析與結(jié)果
整理問卷數(shù)據(jù)并錄入,運(yùn)用SPSS軟件進(jìn)行K-means聚類運(yùn)算。得到表2、表3、表4,如下:
利用方差分析可以判斷所分的類別是否合理。由表2可以看出,分類后各變量在不同類別之間的差異都是顯著的,P值均小于0.05,說明分類比較合理。
表3數(shù)據(jù)表示各類別在各變量上的平均值,比如:2.82就表示第一類在變量V1上的平均值??梢钥闯?,大學(xué)生網(wǎng)上購物抱怨行為共分為3類。
第一類在變量V2、V7上的平均值較大,在其他變量上的平均值較小。根據(jù)V2和V7描述的特點(diǎn),把這類抱怨行為定義為“傳播型抱怨者”。
第二類在變量V1、V5上的平均值較大,在其他變量上的平均值偏小,我們可以把這種期望通過抱怨獲得一定補(bǔ)償?shù)男袨槎x為“效用型抱怨者”。
第三類在變量V3、V4、V6 上的平均值較大,而在其他變量上的平均值較小。根據(jù)這三個(gè)變量描述的特點(diǎn),把這類抱怨者命名為“沉默型抱怨者”。
由表4可知,第一類“傳播型抱怨者”含33個(gè)樣本,占總樣本(125個(gè))的26.4%;第二類“效用型抱怨者”含27個(gè)樣本,占總樣本的21.6%;第三類“沉默型抱怨者”含65個(gè)樣本,占總樣本的52%,顯然沉默型抱怨者占絕大部分。
4管理啟示
通過對(duì)以上數(shù)據(jù)分析與結(jié)果的思考,得出以下管理啟示:
第一類“傳播型抱怨者”僅占了26.4%的比例,但對(duì)電商的聲譽(yù)會(huì)造成很大影響。他們會(huì)向周圍的人或通過社交媒體傳播負(fù)面口碑,并轉(zhuǎn)向其他競(jìng)爭(zhēng)者。電商可以采取以下補(bǔ)救措施:培養(yǎng)與顧客的關(guān)系,牢固的關(guān)系是電商發(fā)生嚴(yán)重失誤時(shí)的緩沖劑,可以降低消極口碑出現(xiàn)的可能性;從流失的顧客身上學(xué)習(xí),發(fā)現(xiàn)自身的不足之處,避免以后再出現(xiàn)同樣的失誤。
第二類“效用型抱怨者”對(duì)抱怨產(chǎn)生的結(jié)果抱有積極的預(yù)期,不會(huì)輕易選擇轉(zhuǎn)向其他電商。建議電商采取以下措施:首先了解抱怨者抱怨的原因及對(duì)補(bǔ)救結(jié)果的最高期望和最低期望。其次補(bǔ)救結(jié)果不能低于其最低期望,否則“效用型抱怨者”將轉(zhuǎn)為“傳播型抱怨者”或“沉默型抱怨者”。
第三類“沉默型抱怨者”是大學(xué)生網(wǎng)購抱怨群體的主流,也是電商應(yīng)給予重點(diǎn)關(guān)注的群體。這類抱怨者具有以下特點(diǎn):保持沉默,很少采取行動(dòng),不太可能進(jìn)行負(fù)面口碑傳播,更不會(huì)向第三方投訴,只是會(huì)吸取經(jīng)驗(yàn)教訓(xùn),默默轉(zhuǎn)向其他電商。針對(duì)這類抱怨者,電商可以采取如下補(bǔ)救措施:一開始就把事情做好,這是最佳的補(bǔ)救策略。如果大學(xué)生一開始就對(duì)網(wǎng)購很滿意,自然就沒有抱怨,不會(huì)轉(zhuǎn)換電商;鼓勵(lì)并跟蹤抱怨,鼓勵(lì)抱怨是打破沉默、促使大學(xué)生直接向電商抱怨的有效辦法,電商可以通過大學(xué)生網(wǎng)購滿意度調(diào)查、關(guān)鍵事件研究等來鼓勵(lì)和跟蹤抱怨。
5結(jié)論
對(duì)大學(xué)生網(wǎng)購抱怨行為進(jìn)行K-means聚類分析有利于電商深入了解大學(xué)生抱怨行為的內(nèi)在特點(diǎn),大學(xué)生抱怨行為的類型及各抱怨類型所占比例,并根據(jù)不同的抱怨類型有針對(duì)性地采取相應(yīng)的補(bǔ)救策略,加強(qiáng)補(bǔ)救的效果,維持和提高大學(xué)生對(duì)電商的認(rèn)可度和忠誠度。
參考文獻(xiàn):
[1]劉靖明,韓麗川,候立文.基于粒子群的K均值聚類算法[J].系統(tǒng)工程理論與實(shí)踐,2005(6):54-58.
[2]楊善林,李永森,胡笑旋,等.K-means算法中的K值優(yōu)化問題研究[J].系統(tǒng)工程理論與實(shí)踐,2006(2):97-101.
[3]劉艷麗,劉希玉.K-均值算法聚類分析及其在人力資源管理中的應(yīng)用[J].山東科學(xué),2008(4).
[4]趙喜倉,崔冬梅,竇志紅.聚類分析在客戶細(xì)分中的研究與應(yīng)用[J].江蘇商論,2007(8).
[5]郭志剛.社會(huì)統(tǒng)計(jì)分析方法——SPSS 軟件應(yīng)用[M].北京:中國人民大學(xué)出版社,1999.
[6]金立印.顧客抱怨傾向的決定因素:模型及基于中國零售業(yè)的實(shí)證檢驗(yàn)[J].南開管理評(píng)論,2007,10(1):38-43.
[7]朱美艷,莊貴軍,劉周平.顧客投訴行為的理論回顧[J].山東社會(huì)科學(xué),2006(11): 137-144.
[8]薄湘平,周琴.服務(wù)補(bǔ)救:重建顧客滿意的重要手段[J].湖南大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2005(1).
[9]李克芳,聶元昆.服務(wù)營銷學(xué)[M].北京:機(jī)械工業(yè)出版社,2012.