王中媛　曹艷玲　譚暢

【摘 要】文章以荊門市為調(diào)研地點(diǎn)，以打車軟件為調(diào)研對(duì)象，發(fā)現(xiàn)中青年人群是打車軟件的主要用戶，拒絕使用打車軟件的主要原因?yàn)榘踩禂?shù)低和傳統(tǒng)出租車能滿足其需求。

【關(guān)鍵詞】打車軟件;SPSS軟件;定量分析

【中圖分類號(hào)】F713 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2019）04-0257-02

1 緒論

打車軟件是一種智能手機(jī)應(yīng)用軟件，乘客可以便捷地通過手機(jī)發(fā)布打車信息與搶單司機(jī)直接溝通，大大提高了打車效率。但是一些打車軟件在用戶手機(jī)上植入惡意廣告，傳播不良信息，竊取用戶隱私，間接造成扣費(fèi)，從而影響了用戶體驗(yàn);并且在實(shí)際應(yīng)用中，出租車司機(jī)一心熱衷于搶訂單賺補(bǔ)貼，導(dǎo)致許多乘客路邊打車卻遭空駛出租車司機(jī)的無視，等等。這些問題引發(fā)了人們對(duì)打車軟件發(fā)展前景的質(zhì)疑?；谝陨蠁栴}，本文通過抽樣調(diào)查和以SPSS軟件為基礎(chǔ)的數(shù)據(jù)分析，具體把握打車軟件的使用現(xiàn)狀，并通過因子分析找出影響打車軟件使用程度的因素，進(jìn)而挖掘潛在用戶，針對(duì)不同的使用群體進(jìn)行不同策略的定向服務(wù)，以提高用戶的使用效率。

2 研究設(shè)計(jì)

本文以荊門市為調(diào)研地點(diǎn)，利用問卷調(diào)查的方式，分析經(jīng)常使用打車軟件用戶的人群特征，為后續(xù)調(diào)查和分析做準(zhǔn)備。在“滴滴打車”使用情況調(diào)查的基礎(chǔ)上，通過分層抽樣、簡(jiǎn)單隨機(jī)抽樣相結(jié)合的抽樣方式展開調(diào)查，對(duì)數(shù)據(jù)進(jìn)行了全面系統(tǒng)的分析，對(duì)樣本的基本情況有了充分的了解與掌握。在此基礎(chǔ)上采用描述性分析、Logit回歸分析及因子分析對(duì)問題進(jìn)行全面分析。從“打車軟件的總體現(xiàn)狀分析及產(chǎn)品定位”“打車軟件使用客戶特征分析”“打車軟件使用頻率等級(jí)分析”“打車軟件使用潛在用戶挖掘”等方面進(jìn)行數(shù)據(jù)信息深度挖掘，并對(duì)打車軟件需要改進(jìn)的地方進(jìn)行了思考，提出了科學(xué)的調(diào)研結(jié)果和優(yōu)化方案。

3 數(shù)據(jù)來源

本文采用問卷調(diào)查法在湖北荊門地區(qū)進(jìn)行了抽樣調(diào)查。為了合理地組織抽樣，最大限度地減少誤差，采用分層抽樣與簡(jiǎn)單隨機(jī)抽樣相結(jié)合的抽樣方法。首先，根據(jù)調(diào)研主題的需要對(duì)調(diào)查對(duì)象按各轄區(qū)性質(zhì)進(jìn)行分層。在分層抽樣的基礎(chǔ)上，以層為單位進(jìn)行簡(jiǎn)單隨機(jī)抽樣。通過問卷投放及回收，共計(jì)有效問卷500份。

4 數(shù)據(jù)分析

4.1 打車軟件的總體現(xiàn)狀分析及產(chǎn)品定位

在有效樣本中，有使用和沒有使用打車軟件習(xí)慣的人數(shù)占比分別為55.67%和44.33%。從使用打車軟件的比例可知，已有超過半數(shù)的人有使用打車軟件的習(xí)慣。

各大支付平臺(tái)，微信、支付寶、打車APP、QQ支付使用比例分別為58.49%、17.74%、23.40%、0.38%，微信支付占據(jù)最大的市場(chǎng)，打車APP的使用率僅次于微信支付，支付寶及QQ支付在打車出行中的使用率則相對(duì)較小。對(duì)打車軟件非常滿意的受訪者僅占7.56%，46.43%的受訪者對(duì)打車軟件基本滿意，還有接近一半的受訪者持中立態(tài)度，有接近2%的受訪者對(duì)打車軟件不滿意和非常不滿意。

針對(duì)“未來是否有可能向別人推薦打車軟件”的問題，有48.32%的受訪者表示未來有可能向別人推薦打車軟件，14.29%的受訪者明確表示不會(huì)向別人推薦打車軟件，有37.39%的受訪者持中立態(tài)度。可以將持中立態(tài)度的這一人群作為目標(biāo)人群，探索其有沒有可能成為打車軟件的潛在消費(fèi)者。

4.2 Logit模型建立及分析

根據(jù)二元選擇模型的原理，運(yùn)用SPSS進(jìn)行Logit回歸分析，在顯著性水平α=0.05時(shí)，可以得到各變量的系數(shù)估計(jì)值、WaId統(tǒng)計(jì)量及其p值。二元選擇模型回歸結(jié)果見表1。

如表1所示，模型自動(dòng)剔除了職業(yè)變量和性別變量。剩余變量的系數(shù)估計(jì)p值均在0.05的顯著性水平下顯著，因此可以得到如下二元選擇模型：

β1x1+…+βmxm=0.227×年齡-0.207×收入

從回歸結(jié)果可以看出，年齡對(duì)是否有使用打車軟件的習(xí)慣存在顯著影響，變量“年齡”回歸系數(shù)大于零，說明在各年齡段間，有使用打車軟件習(xí)慣的用戶更傾向于10～19歲、20～29歲這兩個(gè)年齡段。這與年輕人的生活方式及對(duì)新鮮的追求程度和接受程度有關(guān)，年輕人在日常生活中養(yǎng)成很少攜帶現(xiàn)金出門的習(xí)慣，使得其更傾向于接受打車軟件出行這種出行方式，而本身具有較強(qiáng)適應(yīng)能力的他們就成為這種出行方式的主要使用群體。

4.3 打車軟件使用頻率等級(jí)分析

本文將使用頻率采用五分制量表，分為總是使用、經(jīng)常使用、偶爾使用、很少使用和從不使用，并用有序回歸模型對(duì)參數(shù)進(jìn)行求解。根據(jù)有序回歸模型的原理，運(yùn)用SPSS進(jìn)行回歸分析的結(jié)果（見表2）。

運(yùn)用模型擬合信息對(duì)該模型進(jìn)行估計(jì)，各系數(shù)均通過顯著性水平的顯著性檢驗(yàn)。模型擬合信息的顯著性為0.025，該模型具有有效性。因此得到方程如下：

■ = ■ x1+…+■ xn=1.363×年齡10～19歲+1.218×年齡20～29歲+1.040×年齡30～39歲

在模型中，年齡在10～19歲、20～29歲和30～39歲的人對(duì)使用頻率有顯著影響。系數(shù)均為正值，其中10～19歲為1.363，20～29歲為1.218。相比于30～39歲及40歲及以上的人群有更高的使用頻率趨勢(shì)，青年相對(duì)于中年人有更強(qiáng)的接受新鮮事物的能力。而10～19歲相比于20～29歲的人有更高的使用頻率，與年輕人喜歡新鮮事物，接受能力強(qiáng)的特性相吻合。

4.4 主成分分析

本文將人群特征分為基本特征和經(jīng)濟(jì)特征兩類。基本特征包括性別、年齡和職業(yè)，經(jīng)濟(jì)特征為月收入。分析中發(fā)現(xiàn)，性別和職業(yè)對(duì)是否選擇使用打車軟件無明顯影響，因此未將其納入分析。

4.4.1 潛在用戶基本特征分析

在第一個(gè)分類數(shù)據(jù)主成分分析模型中，我們引入基本特征變量，把5個(gè)不使用打車軟件的原因變量與年齡變量放入二維空間，得到成分負(fù)荷圖。在第一個(gè)模型中，提取了兩個(gè)主成分，代表兩個(gè)維度的信息。從年齡結(jié)構(gòu)來看，30歲以上的人群主要由于安全系數(shù)低而不愿意使用打車軟件;而20～29歲的年輕群體主要由于傳統(tǒng)出租車能滿足需求而不使用打車軟件。而操作步驟麻煩、身邊使用人少和不愿意嘗試均不構(gòu)成影響其選擇使用打車軟件的主要因素。

4.4.2 潛在用戶經(jīng)濟(jì)特征分析

在第二個(gè)分類數(shù)據(jù)主成分分析模型中，僅引入人群經(jīng)濟(jì)特征變量，把5個(gè)不使用打車軟件的原因變量與人群經(jīng)濟(jì)特征變量放入二維空間，得到成分負(fù)荷圖。在第二個(gè)模型中，提取了兩個(gè)主成分，代表了兩個(gè)維度的信息。從月收入來看，月收入在2 001～3 000元的人群因?yàn)閭鹘y(tǒng)出租車能滿足出行需求而不使用打車軟件;月收入在4 001元及以上的人群主要由于不愿意嘗試而拒絕使用打車軟件，針對(duì)這一點(diǎn)，在調(diào)查中有很多受訪者反映是因?yàn)樽约簱碛兴郊臆嚩鴽]有使用打車軟件的必要。

5 調(diào)查結(jié)論

5.1 中青年人群是選擇使用打車軟件的主要消費(fèi)群體

打車軟件的主要消費(fèi)群體是年齡在20～39歲之間的中青年消費(fèi)群體，收入在2 001～3 000元的人群也是構(gòu)成使用打車軟件的主要消費(fèi)群體之一。這類人群對(duì)新鮮事物有較強(qiáng)的接受能力，對(duì)新鮮事物比較熱衷，注重消費(fèi)體驗(yàn)。針對(duì)這種情況，打車軟件公司可以在司機(jī)注冊(cè)過程中加強(qiáng)對(duì)司機(jī)素質(zhì)方面的測(cè)評(píng)。后期，在司機(jī)完成配單后的乘客測(cè)評(píng)中，突出司機(jī)素質(zhì)測(cè)評(píng)占星級(jí)的比重。從而起到時(shí)刻監(jiān)督司機(jī)，規(guī)范其行為的作用，增強(qiáng)乘客滿意度。

5.2 未使用打車軟件的主要原因是安全系數(shù)低和傳統(tǒng)出租車能滿足需求

打車軟件的發(fā)展受限在很大程度上歸因于中小城市的消費(fèi)者大多數(shù)認(rèn)為傳統(tǒng)出租車能滿足消費(fèi)需求，在當(dāng)?shù)?，路邊攔車的方式并沒有對(duì)居民的出行造成很大的困擾。此外，對(duì)打車軟件缺乏認(rèn)識(shí)，再加上近年來“網(wǎng)約車”的負(fù)面新聞層出不窮，使得這一部分未使用打車軟件的受訪者對(duì)打車軟件形成了消極認(rèn)知，從而導(dǎo)致其拒絕使用打車軟件。對(duì)于這樣的情況，打車軟件公司可以在體制上進(jìn)行完善和改進(jìn)，加強(qiáng)司機(jī)審核機(jī)制，并且在打車軟件的廣告宣傳中突出強(qiáng)調(diào)安全性。

參 考 文 獻(xiàn)

[1]李冬新，欒潔.滴滴打車的營(yíng)銷策略與發(fā)展對(duì)策研究[J].青島科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，31（1）：105-108.

[2]劉嘯.滴滴打車公司發(fā)展戰(zhàn)略研究[D].廣州：廣東財(cái)經(jīng)大學(xué)，2016.

[3]田苗，周旭升.電子商務(wù)新領(lǐng)域出租車訂車應(yīng)用軟件的發(fā)展趨勢(shì)與建議[J].中國(guó)電子商務(wù)，2013（22）：33-34.

[責(zé)任編輯：高海明]