网上顾客满意度的隐式测评研究

王传美

(武汉理工大学理学院，湖北 武汉 430070)

传统商务模式下，有许多因素影响甚至决定顾客的满意情况，如服务质量、顾客期望及顾客价值等。但是电子商务顾客与传统商务模式顾客行为有所不同，同时由于涉及到虚拟网络、Web技术及信息系统，因特网上顾客的行为变得更加复杂，顾客满意度的评估指标更加难以确定。且大多关于满意度影响因素的研究都是显式的，需要顾客直接参与相应影响因素的问卷测评。而要想不惊动顾客，在顾客不知情的情况下完成对满意度的测评，即满意度隐式测评，目前这方面的研究还很少有人涉及，特别是对网上顾客满意度的隐式测评。顾客满意度隐式测评的切入点是顾客的购后行为，特定的购后行为可以对应体现顾客的满意程度。虽然一项特定的购后行为的出现不完全取决于顾客是否满意，但满意与否是主要的影响因素之一。笔者利用顾客购后行为的反馈信息来进行满意度的隐式测评。

1 隐式测量与满意度隐式测评

社会认知的研究方法经历了从直接测量到间接测量的演变过程。到20世纪90年代为止，社会认知的研究大多停留在直接测量的阶段。但是直接测量法只能对意识水平之上的态度进行测量，对无意识操作的内隐态度则无能为力。随着内隐记忆研究方法的形成与发展，越来越多的间接测量方法被引入了社会认知的研究领域。其中比较典型的有投射测量、加工分离法、基于反应时的范式，以及把归因与内隐社会认知的测量相结合的刻板解释偏差(stereotypic explanatory bias，SEB)方法［1-2］。隐式反馈是系统通过被动观察用户与系统间的交互行为提取出来的特征，在网上顾客的网页浏览中，隐式反馈特征包括浏览过的块、在块上的停留时间和滚动块的次数等。这些特征被用来计算用户的兴趣偏好、当前任务等［3-4］。笔者基于顾客购后行为的隐式反馈，将归因与内隐社会认知的测量相结合作为研究网上顾客满意度的隐式测评方法。

根据顾客是否主动参与满意度测评分为显式和隐式测评两种挖掘模式。显式的顾客满意度建模相对简单，也比较容易实现，因为它可以由顾客通过输入相关信息显式地建立。在某些应用中要求用户给出显式的反馈信息是不现实的，因为那会浪费用户很多的时间，打扰他们的正常工作，且其调查动静比较大，需要耗费大量的人力物力，因而存在很大的局限性。相反，隐式顾客满意度建模是利用顾客网上购物后所做的隐式反馈来建立和改进用户兴趣模型。隐式反馈是在观察用户行为的基础上通过推理得到的，可以减少用户很多不必要的负担，保证结果的准确性，而且可以提高顾客对网上信息的接受度，帮助提高顾客的满意度。因此隐式测评是一个非常理想的选择，很多个性化的信息系统都采用隐式的建模方法。

2 顾客购后行为分类

顾客的网上日常交互行为能反映顾客的观点，而购物后的行为则可以反应顾客对卖家的满意度［5］。通过网站的Web日志可以获取顾客购买、再购买的情况，顾客的咨询和投诉情况等信息。这些信息可以归类到顾客抱怨或顾客忠诚等这些顾客满意度的潜变量(变量不能准确、直接地被测量)中，这就可以与显式顾客满意度指数(CSI)模型进行连接，建立满意度隐式测评模型。基本上所有的网上卖家都要求顾客购物后填写“评价”或“体验”，这是反应顾客满意度的主要途径之一，但由于涉及顾客资料的暴露，很多顾客即使购物后不满意，因担心卖家报复也不敢给“差评”，这就使得购后评价不是那么真实全面地反映顾客的满意度。而顾客购物后的其他行为反馈却可以真实地反映顾客的满意度情况。为此，先利用可获取的顾客隐式反馈来对顾客行为进行分类。1997年，NICHOLS给出了能够作为隐式反馈的用户行为类型列表，如购买、访问、重复操作、使用、打印/保存、删除、引用、回复、标注、研究/阅读、略读、关联和查询等。1998年，OARD和KIM调查了隐式反馈技术在信息过滤系统中的应用情况，在NICHOLS所给出的反馈行为的基础上，总结出3种有用的可观察到的隐式反馈行为类型:审查、保留和参考［6］。

以上的用户行为类型或用户行为反馈类型都是针对网上用户的交互行为建立用户兴趣模型的分类方法。而对于网上顾客购物后的满意度隐式测评，它们不能完全适合。笔者从顾客满意度形成的结构理论出发，将网上顾客购后反馈行为归纳为3类:抱怨、信任和忠诚，如表1所示。

购物失误发生以后，顾客首先会考虑是采取行动还是保持沉默。直接抱怨反映了顾客对卖家的信任，保持沉默的顾客很可能已经决定不再与该卖家打交道。顾客抱怨的行为包括不再访问(至少3个月内没再访问)、没有按卖家请求给出评论或评分低、页面浏览时间缩短、要求供方更换产品或赔偿损失、删除收藏等。

虚拟环境下的交易有很多不确定因素，信任是交易能够达成及重复进行的重要因素，因此在对很多电子商务和移动商务的顾客满意度研究中都引入了顾客信任变量。信任的发展是一个动态的过程［7］。其发展包括3个阶段:初始信任的建立、信任的维持和信任的下降。笔者从信任的维持阶段提出前期的满意影响当期的顾客信任。对一般服务性企业而言，顾客满意只是顾客信任的前提，顾客信任是顾客满意不断强化的结果。顾客信任的网上隐式反馈行为有:再次访问、重复操作、选择或打印、转发信息、加为书签或添加注释。

表1 网上顾客购后行为归类

顾客忠诚是多数CSI模型最终的潜变量。顾客忠诚一般是指顾客对某品牌产品或服务的忠诚程度，包括重复采购的意愿，以及对该品牌产品或服务的价格敏感程度［8-9］。正常情况下，如果顾客对某品牌产品或服务感到满意，就会产生一定程度的忠诚。在行动上表现为对该公司的产品或服务的重复购买;反之，顾客就会转向购买其他品牌的产品或服务。顾客忠诚度越高，重复购买的可能性就越大。顾客忠诚的网上隐式反馈行为包括:推荐给好友、价格上调的承受及再次购买。

3 满意度隐式测评模型

由于顾客的购后行为被认为取决于他是否满意，因此，对购后行为意向的研究，大多采用因果关系模型。一般CSI模型以顾客满意作为中间变量，购后行为意向作为满意的结果变量。而笔者是从顾客购后的反馈行为来分析顾客的满意度情况，根据因果关系模型原理建立网上顾客满意度隐式测评概念模型，如图1所示。

图1 网上顾客满意度隐式测评概念模型

笔者所设立的网上顾客满意度隐式测评模型，将顾客购后行为归到满意度指数结构模型中。该模型选取了4个潜变量，其中两个自变量(又称为外生变量):顾客抱怨ξ1和顾客忠诚ξ2;两个因变量(又称为内生变量):顾客信任η1和顾客满意度 η2。β21、γ12、γ21和 γ22表示潜变量之间的影响系数。将网上顾客购后反馈行为都看作观测变量，为了利用结构方程模型(structure equation model，SEM)原理估计模型，顾客满意设置两个观测变量:正面评价程度、评分或评级较高。自变量的观测变量记为xpq(q=1，2;p=1，…，S(q);S(1)=6，S(2)=3);因变量η1对应的观测变量记为 yji［i=1，2;j=1，…，L(i);L(1)=5，L(2)=2］。图1显示的潜变量之间的关系可写成如下结构方程:

式中，ζi(i=1，2)是均值为零、方差有限且与其他变量不相关的随机误差项。结构变量与观测变量之间的关系也可以用方程表示出来。在一般的结构方程模型中，都是设定潜变量对观测变量的影响关系，这里为了隐式测评，设置成观测变量对潜变量的影响关系。图1设定的观测变量对结构变量的影响关系可表示为:

根据路径分析的思路，可以认为观测变量的变化来源于它所对应的潜变量，于是潜变量对观测变量的关系可表述为:

式(2) ～ 式(5)中:ψpq、ωij、μpq和 λij为载荷项;δpq、εij、εξp和 εηi均为与其他变量不相关、均值为零且方差有限的随机误差项;S(p)和L(i)分别为ξp和ηi对应的观测变量个数。

如果利用SEM的估计方法估计上面的模型，需将观测变量设定为它们对相应潜变量的影响程度，一般采用5点Likert法来给观测变量打分，这就需要顾客参与问卷调查，与笔者设计隐式测评不相符。为了利用顾客购后的隐式行为测评其满意度，各观测变量需直接利用其观测值，再利用SEM原理进行估计就会产生很大的偏差。为了解决这个问题，需要先请专家或顾客进行问卷调查，这个模型属于显式 CSI模型系统［10-11］，笔者利用DASC软件直接计算得到模型的估计。

4 满意度隐式测评系统设计

在得到满意度隐式测评模型的估计后，根据网上顾客购后的反馈行为进行满意度的测评。这包括两方面:一是各变量指标对满意度的影响程度分析，二是对每个顾客给出一个量化的满意度指数(CSI)。针对笔者提出的网上顾客满意度隐式测评模型，设计一个稳健而全面的CSI的最终计算公式为:

由于观测值xpq，yij均为向量(因为有多份调查问卷)，取其平均值来计算CSI。除了顾客满意度的两个观测指标直接影响CSI外，其他的观测指标都通过相应的潜变量影响CSI，如顾客抱怨第q个行为对CSI的影响系数为γ21ψ1q，顾客信任第j个行为对CSI的影响系数为β21ω1j，依该方法可分析各个反馈行为对满意度的影响程度。

图2 满意度隐式测评结构图

基于以上的分析研究，设计了顾客满意度隐式反馈系统结构图，如图2所示。该系统包括4个模块:顾客购后行为整理模块，满意度隐式测评建模模块，模型估计模块和满意度隐式测评模块。各个模块均与数据库相连，购后行为整理用于建立满意度模型库，接着提取模型进行隐式测评建模;模型估计用于计算各个隐式测评指标以建立指标库，再提取指标进行隐式最终的测评。建立顾客满意度隐式测评系统的目的是实现顾客长期高度满意，从而形成顾客忠诚。

5 结论

不要求顾客显式地输入购物后的满意度信息，而是通过观察顾客对相应Web页面所采取的浏览动作来获取隐式的反馈信息，运用这些信息建立和更新顾客满意度模型，并与显示满意度指数模型进行了无缝连接，从而实现网上顾客满意度隐式测评。笔者设计了网上顾客对卖家满意度隐式测评的模型，给出了测评方法并设计了测评结构图，实现了个性化的信息检索或信息过滤，为电子商务或移动商务进一步提供更个性化、更恰当准确的服务奠定了基础。

［1］苗艳敏.内隐社会认知的研究方法综述［J］.社会心理科学，2008，23(3/4):258-260.

［2］王沛.刻板印象与内隐推理的实验研究［J］.心理科学，2002，25(6):709-767.

［3］孙铁利，邓安生.智能用户接口Agent的用户模型与系统构建方法［J］.东北师大学报:自然科学版，2000，32(3):115-119.

［4］孙铁利，杨凤芹.根据用户隐式反馈建立和更新用户兴趣模型［J］.东北师大学报:自然科学版，2003，35(3):45-49.

［5］罗晓光.基于顾客购后行为的顾客满意度评价研究［D］.哈尔滨:哈尔滨工程大学图书馆，2006.

［6］LIN H H，WANG Y S.An examination of the determinants of customer loyalty in mobile commerce contexts［J］.Information ＆ Management，2006(2):271-282.

［7］WALCZUCH R，LUNDGREN H.Psychological antecedents of institution-based consumer trust in e-retailing［J］.Information ＆ Management，2004(12):1-13.

［8］LEE M，CUNNINGHAM L F.A cost/benefit approach to understanding service loyalty［J］.Journal of Services Marketing，2001，15(2):113-130.

［9］MAXHAM G J.Service recovery's influence on consumer satisfaction-positive word of mouth and purchase internations［J］.Journal of Business Research，2001，54(1):211-241.

［10］WANG C M，TONG H Q.Best iterative initial values for PLS in a CSI model［J］.Mathematical and Computer Modelling，2007，46(3/4):439-444.

［11］童恒庆.理论计量经济学［M］.湖北:科学出版社，2008:667-686.