郭鳳香，李明遠(yuǎn) GUO Fengxiang,LI Mingyuan

（昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650504）

(School of Traffic Engineering,Kunming University of Science and Technology,Kunming 650504,China)

0 引言

電子商務(wù)業(yè)的蓬勃發(fā)展推動了物流產(chǎn)業(yè)的迅速崛起，快遞行業(yè)進(jìn)入了發(fā)展的“黃金時期”。據(jù)統(tǒng)計，自2006年至2016年間，快遞業(yè)務(wù)量增幅達(dá)31倍之多，業(yè)務(wù)收入增長了13.7倍，目前我國快遞業(yè)位居世界第一[1]。然而快遞行業(yè)的過快發(fā)展也暴露出許多問題，尤其是處于物流服務(wù)鏈末端的城市配送問題[2]，也被稱為物流的“最后一公里”問題，其服務(wù)水平的落后成為了限制電商及物流行業(yè)發(fā)展的瓶頸[3]。為解決此問題，電商公司進(jìn)行了多種嘗試，如與第三方物流公司合作，或是自營物流公司，但實際效果并不理想[4]。

為了解決物流“最后一公里”難題，阿里巴巴與多家公司合作，成立了面向社區(qū)的物流服務(wù)平臺“菜鳥驛站”，致力于為消費者提供多元化的“最后一公里”服務(wù)[5]，為客戶、加盟商和快遞企業(yè)提供了便利。但是，隨著菜鳥驛站數(shù)量的不斷增長、客戶數(shù)量的迅速擴大，菜鳥驛站在其運營中也暴露出一系列問題，突出體現(xiàn)在客戶服務(wù)方面[6]。目前針對于菜鳥驛站的文獻(xiàn)多為驛站選址研究[2,5]以及對其運營進(jìn)行分析并提供建議[3,7]，缺乏客戶對于菜鳥驛站滿意度的調(diào)查研究。因此，本文以昆明市菜鳥驛站為例，采用問卷調(diào)查收集其客戶對菜鳥驛站所提供服務(wù)的滿意度，并進(jìn)一步探究其影響因素。

1 數(shù)據(jù)采集及處理

1.1 數(shù)據(jù)采集。本文將昆明市作為研究區(qū)域，采用隨機抽樣的方法對使用菜鳥驛站取件的居民進(jìn)行問卷調(diào)查。調(diào)查內(nèi)容包括居民的個人屬性，主要為性別、年齡、學(xué)歷和個人年收入，以及取件頻率、取件時段、步行時間和取件時長，同時還收集了居民對于菜鳥驛站各項服務(wù)的滿意度評分。其中，取件頻率為平均每周的取件次數(shù)；取件時段是根據(jù)對多家菜鳥驛站進(jìn)行多次調(diào)查選取的對應(yīng)時段，高峰時段為11:30～13:00及17:00～18:30，其余營業(yè)時間為非高峰時段；步行時間為居民從其住所至菜鳥驛站的單次步行時間。

本次問卷調(diào)查的時間為2019年3月，共發(fā)放問卷450份，回收有效問卷439份。問卷各項內(nèi)容的統(tǒng)計結(jié)果如表1所示：

表1 樣本統(tǒng)計表

1.2 數(shù)據(jù)特征分析。在本次調(diào)查當(dāng)中，受調(diào)查者被要求對驛站人員服務(wù)態(tài)度、快遞包裹完整性、信息獲取及時性（即菜鳥驛站是否及時將到貨信息通知收件人）以及問題處理速度（即收件人遇到包裹丟失或破損等問題時菜鳥驛站處理問題的速度）等4個方面的滿意度進(jìn)行評價。滿意度的評價分?jǐn)?shù)為1～5分，分別表示不滿意、一般、比較滿意、滿意和非常滿意，如表2所示：

表2 滿意度等級分值表

對被調(diào)查者有關(guān)上述4個項目得分的平均值進(jìn)行計算，計算結(jié)果如表3所示。其中信息獲取及時性的滿意度最高，平均值達(dá)到了3.21分，說明被調(diào)查者對于菜鳥驛站到件信息通知的速度較為滿意。而被調(diào)查者針對問題處理速度的滿意度最低，為2.52分，說明菜鳥驛站的工作人員平時應(yīng)當(dāng)針對客戶出現(xiàn)問題的包裹提升其處理效率，以提升客戶的滿意度。

表3 滿意度評價均值

2 取件滿意度影響因素分析

2.1 模型構(gòu)建。取被調(diào)查者的4項滿意度均值作為其對菜鳥驛站的整體滿意度，將整體滿意度及其相關(guān)影響因素按照其數(shù)值大小作為有序變量，這類變量具備計數(shù)變量的性質(zhì)并兼有半定量比較的性質(zhì)。變量在各水平之間互不相容，但又有級別上的輕重關(guān)系。為了對有序變量進(jìn)行有效測度，選用有序Logistic回歸模型（Ordered Logistic Regression Model）進(jìn)行相應(yīng)分析。有序Logistic回歸模型是將因變量取值的不同劃分成兩個相對的區(qū)域，并依次將因變量建立為二分類的Logistic回歸模型。有序Logistic回歸模型為[8]：

式中：λi為分界點，有 J-1 個且 λ1〈λ2〈…λj…〈λJ-1；a為截距；bj為回歸系數(shù)；xk為解釋變量；P（ y≤i| ）x為累積概率；y為xk的函數(shù)。

有序Logistic回歸模型中，事件發(fā)生的相關(guān)累計概率通過比值比來描述。累計概率為：

然后，在累計頻率的基礎(chǔ)上計算各事件相應(yīng)的概率。最后，采用極大似然估計法標(biāo)定有序Logistic回歸模型中相應(yīng)的回歸參數(shù)。

在調(diào)查數(shù)據(jù)統(tǒng)計分析的基礎(chǔ)上，將菜鳥驛站整體滿意度劃分為5個區(qū)域，分別為 [0,1]分， (1,2]分， (2,3]分， (3,4]分以及 (4,5]分。為研究菜鳥驛站使用者的個人屬性以及相應(yīng)客觀因素對菜鳥驛站整體滿意度的影響，現(xiàn)選取性別、年齡、學(xué)歷、收入、取件頻率、取件時段、步行時間以及取件時長作為影響變量，變量賦值如表4所示。

表4 變量及賦值

2.2 模型檢驗。初步分析變量為有序變量，符合有序Logistic回歸模型。為進(jìn)一步檢驗自變量不同取值對因變量影響系數(shù)是否相同，采用平行線檢驗進(jìn)行判別，平行線檢驗結(jié)果顯示，卡方=37.278，P=0.678〉0.05，符合平行線假定，說明模型中各自變量回歸系數(shù)與分割點無關(guān)，模型是可行的。此外，模型擬合信息中P=0.000，說明模型中的自變量對模型具有較好的解釋能力。結(jié)果如表5所示。

表5 平行檢驗及模型擬合信息

2.3 模型結(jié)果。利用SPSS.25.0軟件對有序Logistic回歸模型回歸參數(shù)進(jìn)行標(biāo)定，結(jié)果如表6所示：

在具有顯著性的自變量中，性別為男性的被調(diào)查者估算系數(shù)為負(fù)數(shù)，表明男性被調(diào)查者相比女性被調(diào)查者傾向于更低的整體滿意度，且滿意度低于一個等級的可能性是女性被調(diào)查者的1.828倍；取件時段為高峰時段的被調(diào)查者估算系數(shù)為負(fù)數(shù)，表明高峰時段取件的被調(diào)查者相比非高峰時段取件的被調(diào)查者傾向于更低的整體滿意度，且滿意度低于一個等級的可能性是非高峰時段取件的被調(diào)查者的3.536倍；步行時間小于5分鐘的被調(diào)查者和步行時間為5至10分鐘的被調(diào)查者的估算系數(shù)為正數(shù)，表明步行時間小于5分鐘的被調(diào)查者和步行時間為5至10分鐘的被調(diào)查者傾向于更高的整體滿意度，且滿意度高于一個等級的可能性分別是步行時間大于10分鐘群體6.424倍和8.917倍；取件時長小于2分鐘的被調(diào)查者和取件時長為2至5分鐘的被調(diào)查者的估算系數(shù)為正數(shù)，表明取件時長小于2分鐘的群體和取件時長為2至5分鐘的被調(diào)查者傾向于更高的整體滿意度，且滿意度高于一個等級的可能性分別為取件時長大于5分鐘的被調(diào)查者的3.401倍和6.733倍。此外，年齡、學(xué)歷、收入和取件頻率對整體滿意度在統(tǒng)計上無顯著差異。

3 結(jié)論及建議

本文以昆明市作為案例，對菜鳥驛站服務(wù)滿意度進(jìn)行了調(diào)查研究。研究結(jié)果表明，被調(diào)查者對于包裹出現(xiàn)問題后菜鳥驛站處理速度的滿意度分值最低。此外，通過有序logit的模型結(jié)果可以看出，性別、取件時間段、取件時長和步行至菜鳥驛站的時間對顧客的滿意度有顯著影響，其中，在高峰期取件、取件時間大于5分鐘以及步行至菜鳥驛站的時間超過10分鐘，均會顯著降低顧客對于菜鳥驛站的服務(wù)滿意度。

菜鳥驛站的取件操作較為簡單，但是菜鳥驛站加盟的快遞公司較多，貨物數(shù)量較多，且快遞配送時間較為統(tǒng)一，容易形成貨物積壓。而且，菜鳥驛站的顧客多為上班族或著學(xué)生，此類人群的作息時間較為固定，容易形成聚集取件的現(xiàn)象，形成取件高峰期，增加顧客取件等待時間，使其對菜鳥驛站服務(wù)滿意度降低。對此，菜鳥驛站應(yīng)當(dāng)在高峰時期加派工作人員或提供合理的分流機制，提升取件效率。隨著微信應(yīng)用的推廣，菜鳥驛站應(yīng)當(dāng)進(jìn)一步健全其微信公眾號的功能，例如顧客能夠選定其取件時間，為菜鳥驛站的分流機制提供相應(yīng)依據(jù)；或通過微信實名簡化取件流程，減少顧客高峰時期的取件等待時間。

在菜鳥驛站數(shù)量高速增長的同時，其各類投訴的數(shù)量也不斷攀升?？紤]到有相當(dāng)數(shù)量的菜鳥驛站都是由個體商戶加盟而來，菜鳥驛站應(yīng)當(dāng)加強對這些驛站的管理工作，制定更高的加盟和管理的標(biāo)準(zhǔn)，并定期對其進(jìn)行考察。針對調(diào)查中菜鳥驛站問題處理速度滿意度低的問題，菜鳥驛站應(yīng)當(dāng)建立健全的客戶服務(wù)平臺。當(dāng)顧客在線下驛站遇到的問題無法得到滿意處理時，應(yīng)當(dāng)有線上的客服能夠及時與顧客取得溝通，由線上客服記錄顧客的問題或投訴，協(xié)同處理問題，同時線上客服接到的投訴數(shù)量也可以作為線下驛站的考核標(biāo)準(zhǔn)。

表6 有序Logistic回歸模型標(biāo)定結(jié)果

目前，針對菜鳥驛站選址問題的研究已有很多，但大多數(shù)建立在配送成本最低的基礎(chǔ)上。而在實際的調(diào)查當(dāng)中，菜鳥驛站加盟管理缺乏規(guī)范，網(wǎng)點選址混亂的問題較為突出，這主要源于選址忽略了顧客感受。在研究中發(fā)現(xiàn)當(dāng)顧客步行至菜鳥驛站的時間大于10分鐘時，其滿意度會顯著降低，因此菜鳥驛站應(yīng)當(dāng)根據(jù)其未來的發(fā)展戰(zhàn)略及方向，科學(xué)合理地制定菜鳥驛站的位置，既要考慮運營成本問題，同時能夠兼顧顧客取件的感受。

菜鳥驛站的發(fā)展時間較短，但是作為有效解決物流“最后一公里”問題的平臺，發(fā)揮著越來越大的作用。同時，菜鳥驛站在高速發(fā)展的過程中也暴露了一些問題。本文對菜鳥驛站各項服務(wù)的滿意度及其影響因素進(jìn)行了研究，可為菜鳥驛站未來的發(fā)展提供一些參考。