基于旅客价值测度模型的客运市场细分和公路客运发展策略研究

王文娣，杨忠振，李一旋

(大连海事大学　交通运输管理学院，辽宁　大连　116026)



基于旅客价值测度模型的客运市场细分和公路客运发展策略研究

王文娣，杨忠振，李一旋

(大连海事大学交通运输管理学院，辽宁大连116026)

以旅客价值为细分变量进行城际客运市场细分，依据公路客运在各细分子市场中的相对优劣性对其进行市场定位，旨在探寻城际公路客运企业的发展策略。首先，建立了旅客价值测度模型。模型以旅客期望、旅客感知质量和服务补救3个要素为原因变量，旅客行为意向为结果变量，分析了影响旅客出行的价值测度要素。其次，基于旅客价值测度结果和大连至沈阳的样本数据，运用因子分析和K-means聚类将城际客运市场细分为服务型市场、经济型市场、慎重型市场和效率型市场。最后，根据旅客对各类市场服务属性的关注点，重新对公路客运进行了定位，从稳固和拓展公路客运的优势领域、提高效率和改善服务质量等方面探讨了新形势下公路客运的发展策略。

运输经济；市场细分；旅客价值测度模型；因子分析；K-means聚类；公路客运

0　引言

高速铁路的快速发展改变了城际客运的供给体系，高铁凭借快速、安全、舒适等优势，使相同走廊上的公路客运市场份额大幅下降，引发了高速公路大巴运营难的问题。面临激烈的竞争，公路客运只有明确目标市场并进行重新定位，针对特定市场进行营销才能提高竞争力。因此，准确的市场细分是公路客运业成功的保障，是其进行重新定位及制订发展策略的关键。

市场细分的核心在于选取细分变量，传统的市场细分方法采用地理特征和人口特征作为细分变量[1]，认为居住在同一区域、同一年龄或收入相近的消费者需求相似，但也有不少学者提出顾客关系、顾客价值等新的细分变量[2-4]。例如，Woodruff[5]指出顾客价值是组织获得竞争力的重要来源并提出顾客价值层次模型框架；Han等[6]基于顾客价值理论应用决策树模型细分了电信市场；Floh等[7]基于顾客感知、价值、忠诚和意图及其间的联系，构建了模型细分金融服务业市场；Ekinci[8]等基于顾客价值理论构建了马尔科夫决策模型,用于确定公司市场营销战略；陈静宇[9]以顾客价值为标准，构建了“价值-特征-行为”三维市场细分模型；武永红等[10]基于文献深入阐述了顾客价值的内涵，并探索性地构建了基于顾客价值的企业竞争力整合模型。高文学[11]归纳了现有的市场细分模式，认为从顾客价值层次细分市场更有利于制订营销策略；金代志等[12]提出理性的顾客会选择能给自己带来最大价值的企业，从而体现了顾客价值的重要性；宋春光等[13]认为顾客价值决定商业价值，是商业模式的价值源泉。

随着社会经济的发展，传统的市场细分方法的缺陷越来越明显，因为即使是具有相同人口和地理特征的顾客在面对相同的营销策略时反应也不尽相同，他们存在心理及行为特征上的差异，因此有必要从消费者心理及行为特征等方面来选择新的市场细分变量。由于购买决策取决于消费者是否认为商品或服务能为其创造价值，所以顾客价值应该是最重要的市场细分变量，将顾客价值理论运用于旅客运输市场，以旅客价值为变量进行市场细分对客运市场的营销意义重大。但是，目前对如何抽取旅客对客运市场的理解和判断方面的研究甚少，在如何定量测度旅客价值方面尚需深入研究。

因此，本文构建客运市场旅客价值测度模型，用于揭示旅客价值与其影响因素之间的关系，定量测度旅客价值。依据旅客价值测度模型，结合实际样本数据细分大连至沈阳的旅客运输市场，然后依据公路客运在各细分旅客市场中的优劣势，重新定位公路客运并探寻其发展策略。

1　城际客运市场的旅客价值测度模型

这里将城际客运市场的旅客价值定义为：旅客基于服务产生的期望、实际感知质量和服务补救对客运服务的综合评价。由此可知，期望、实际感知质量和服务补救是影响旅客价值的关键因素。

1.1旅客价值的影响因素分析

(1)旅客期望。旅客期望是旅客对要购买的服务的一种预期，来源于运输业者的整体形象、口碑、旅客乘车经历和需求与偏好。实际感受值超过期望值时，旅客价值较高；反之，若实际感受值低于期望值，旅客价值会打折扣。

(2)旅客实际感知质量。旅客实际感知质量是旅客在旅途中的实际感受值，直接影响旅客价值。旅客感知贯穿客运服务的整个过程、涵盖客运服务各个方面。一般而言，票务、时间、安全和服务是旅客在享受服务过程中的主要关注点，因此可将旅客实际感知质量分为票务感知质量、时间感知质量、安全感知质量和服务感知质量。票务方面，获取车票信息的便捷性、车票价格、应急售票设施的完善程度和检票效率等都影响票务感知质量；时间方面，时间感知质量受车站内接驳便捷性、车辆准点率和车辆运行速度等的影响；安全方面，车辆、车站安全和车辆运行平稳性等是安全感知质量的影响因素；服务方面，服务人员数量、服务技术水平和服务态度等是确定服务感知质量的重要依据。

(3)服务补救。服务补救是指经营者针对服务失败环节采取补救措施以维持市场份额的过程。服务补救的效果影响旅客在享受运输服务时(或结束后)对客运服务的总体感知质量，也影响旅客的行为意向。

1.2旅客价值测度模型

结合客运服务特性，构建图1所示的旅客价值模型，用来刻画旅客价值、影响旅客价值测度的原因变量和结果变量之间的相互关系。

图1　旅客价值测度模型Fig.1　Passenger value measurement model

(1)上述模型以旅客价值为核心，以旅客期望、旅客实际感知质量和服务补救为原因变量，旅客行为意向为结果变量。首先，旅客基于实际感受对客运服务进行评价，因此旅客的实际感知质量将直接影响旅客价值。其次，旅客期望与旅客实际感知质量的差值也是决定旅客价值的重要因素。最后，服务补救是影响旅客价值的关键，旅客完全可能因为服务补救而改变其对服务的综合评价值，最终影响旅客价值测度。因此旅客期望、旅客实际感知质量和服务补救在模型中都是原因变量，三者直接或间接影响旅客价值。旅客行为意向包含投诉、宣传和重复购买3种行为。旅客行为意向由最终的旅客价值决定，即旅客价值的高低直接影响旅客投诉、向周围人宣传和重复购买服务的行为，因此旅客行为意向在模型中是结果变量。

(2)旅客价值模型表明了旅客价值、原因变量和结果变量之间的关系，但模型中的旅客期望、旅客实际感知质量、服务补救和旅客行为意向均为隐变量，不能直接测度，因此必须根据完整性、重要性、独立性与可操作性的原则对隐变量逐级细化，直到形成如图2所示的一系列可直接测度的初级要素集合。

图2　旅客价值初级测度要素集合Fig.2　Primary measurement element set of passenger value

由于票务、时间、安全和服务是旅客对客运服务的主要关注点，所以旅客产生的期望也主要来自这些方面，可以假设旅客对这些方面的实际感知价值是在考虑旅客期望量化值的基础上得到的最终结果。因此后续研究将不单独阐述旅客期望的量化，而是将其并入旅客实际感知价值的量化过程中。其次，将旅客实际感知质量进一步分为票务感知质量、时间感知质量、安全感知质量和乘车感知质量，进而去掉旅客实际感知质量这个潜变量。最后，由于服务补救通过影响服务感知质量来影响旅客价值，为简化模型，将服务补救的初级测度变量并入服务感知质量的测度体系中。

在给出初级测度要素集合时，由于主观认识上的偏差，有时会把一些无关紧要的测度要素列在其中，因此不能直接应用初级测度要素集合，而需通过剔除非重要要素使初级测度要素集合转变为高级测度要素集合。剔除非重要要素的一般方法是针对相关人员进行问卷调查，再根据调查结果进行筛选。为此，共发放问卷100份，回收有效问卷67份，调查对象为客运领域的专家学者和普通旅客。在问卷中，要素的重要性由高到低采用5分制表示。对问卷数据进行描述性统计分析，将均值小于3、方差大于1的要素剔除，形成如图3所示的旅客价值高级测度要素集合。

图3　旅客价值高级测度要素集合Fig.3　Advanced measurement element set of passenger value

2　客运市场细分方法

以旅客价值为依据，本文采用K-means聚类方法细分城际客运市场。由于旅客价值高级测度要素集合包含多个测度要素，要素之间可能存在相关性，包含的信息可能相互重叠。因此，在对旅客进行聚类前，需要对高级测度要素集合中的要素精简。因子分析就是在信息损失最小的前提下，将集合中的众多测度要素用几个能高度概括集合要素信息的主因子表示。这样既减少了要素数量，又能体现要素间的内在联系。以主因子为依据，用K-means聚类对旅客进行聚类，就可以得到城际客运市场的细分子市场。

2.1因子分析

用X1,X2,…,Xp表示旅客价值高级测度要素，将每个要素作如下分解得到因子分析模型(式(1))，其矩阵形式为X=aF+ε。

(1)

且满足：

(1)m≤p,m为主因子的个数；p为旅客价值高级测度要素的个数；

(2)协方差矩阵Cov(F,ε)=0， 即F和ε是不相关的；

(3)方差矩阵D(F)=Im, Im为m阶方差矩阵；F1,…,Fm不相关, 且方差均为1。

因子分析法的目的不仅是要找出主因子，更重要的是要明确每个主因子的实际意义，因此需对因子载荷矩阵进行最大方差法旋转，使因子载荷的平方向0和±1两极转化。

2.2K-means聚类

用因子分析模型可以计算所有被调查旅客的各主因子得分，然后以该得分为依据进行客运市场的聚类分析[15]。假设被调查旅客的人数为n，经过相应数据处理后可以得到n个主因子得分，用集合S={s1,s2,…,sn}表示。聚类具体步骤如下：

首先，确定细分子市场的数量K，即从S中随机选择K个值作为初始聚类中心，类中心为μk(k=1,2,…,K)， 用集合C={c1,c2,…,ck,…,cK}表示K个细分子市场。

其次，对剩余的(n-K)个旅客根据其与μk的欧式距离将其划分给距离最近的子市场，至此完成一次聚类。

然后，更新μk，计算该类内各点到聚类中心μk的距离平方和，即：

(2)

最后，当所有类的距离平方和最小时，结束聚类得到最终的细分结果。所有类的距离平方和的计算方法为：

(3)

3　基于旅客价值测度模型的客运市场细分

3.1样本数据

在大连和沈阳的公路客运站和火车站对旅客实施随机抽样调查，共发放问卷1 000份，回收有效问卷960份。问卷由两部分组成，第1部分调查旅客对各价值测度要素的实际感知值，各要素的重要性由高到低采用5分制表示；第2部分调查旅客的基本信息，包括性别、年龄、职业、收入和出行目的等。

3.2客运市场的旅客价值因子

对数据进行KMO和Bartlett检验，结果KMO值为0.761，相应的Bartlett球形度检验近似卡方值为2 716.08，且在0.000水平上显著，说明数据具有相关性，采集的样本数据可以用来进行因子分析。样本数据经过因子分析处理后，得到如表1所示的旋转成份矩阵。

表1　旋转成份矩阵Tab.1　Rotation component matrix

可以看出，按照特征根大于1和累积贡献率大于85%的选择原则，入选的4个主因子的累计方差贡献率达到97.443%，说明这4个主因子能很好地解释12个旅客价值测度要素。其中，因子1包含车票价格合理、获取车票信息便捷、购退票方便3个要素，表现的是客运市场的票务情况，可以将其命名为“票务相关因子”；因子2包含服务人员数量充足、服务技术水平高、投诉处理效果好3个要素，表现的是客运市场的基本服务情况，可将其命名为“基本服务因子”；因子3包含运行速度快、准点率高、车站接驳方便3个要素，表现的是客运市场的效率情况，可将其命名为“乘车效率因子”；因子4包含车站秩序良好、车辆安全状况良好、车辆运行平稳3个要素，表现的是客运市场的乘车安全情况，可将其命名为“乘车安全因子”。

3.3城际客运的市场细分

基于上述4个主因子，用K-means聚类法对城际旅客进行分类，当指定分类数目为4时，得到的最终的旅客分类结果如表2所示。

表2　最终旅客分类结果Tab.2　Result of passenger final classification

主因子得分越高，表明旅客对该主因子的认同程度越高。由表2可以看出：

第1类旅客对主因子2(基本服务因子)的认同程度最高(F2=0.980 75)，说明这类旅客重视服务技术水平和投诉处理效果等要素，倾向于选择服务质量高的运输方式。这里将这类旅客组成的市场称为服务型市场。

第2类旅客对主因子1(票务相关因子)的认同程度最高(F1=0.518 15)，说明这类旅客重视车票价格等要素，倾向于选择票价低廉的运输方式。这里将这类旅客组成的市场称为经济型市场。

第3类旅客对主因子4(乘车安全因子)的认同程度最高(F4=0.662 71)，说明这类旅客重视车站及车辆安全等要素，倾向于选择安全性高的运输方式。这里将这类旅客组成的市场称为慎重型市场。

第4类旅客对主因子3(乘车效率因子)的认同程度最高(F3=0.973 19)，说明这类旅客重视运行速度和准点率等要素，倾向于选择高效准时的运输方式。这里将这类旅客组成的市场称为效率型市场。

综上可以发现，不同类别的旅客重视的客运服务特性不同，这种差异是由内在的社会经济特征和出行需求特征所决定的。基于对调查数据的归纳总结，得到各子市场中旅客的社会经济特征和出行需求特征，如图4所示。

图4　各子市场中旅客的社会经济特征及其出行需求特征Fig.4　Social economy and trip demand features of passengers in each market

从性别来看，各子市场中旅客的性别比例都具有差异，经济型市场中旅客的性别比例差距尤为悬殊；在年龄方面，效率型、慎重型和服务型市场中旅客的年龄几乎集中在26～55岁，而经济型市场中旅客的年龄多在25岁以下和56～65岁；从收入来看，经济型市场中旅客的月收入均值最低，集中在2 000元以下，效率型和服务型市场中旅客的月收入多在4 000元以上，而慎重型市场中旅客的月收入主要分布在2 000～5 000元；在职业方面，效率型市场中旅客多为公务员和企事业单位人员，经济型市场中学生、工人和农民比例最大，而慎重型和服务型市场中旅客多为商务人员和企事业单位人员；从出行目的来看，效率型市场中旅客的出行目的多为商务出行，经济型市场中外出务工和上学的旅客较多，慎重型市场中旅客的出行目的多为回家和旅游出行，而服务型市场中旅客的出行目的多为探亲访友、旅游和购物出行。

4　城际公路客运的发展策略

以高速铁路为代表的新型客运方式的出现与发展改变了城际客运市场的供给格局，运输方式多样化给出行者提供了更多的选择。此时，城际公路客运应准确把握自身优势，科学选择目标市场，进而制订有效的发展对策。

4.1城际公路客运的新定位

根据大连至沈阳的城际客运市场的细分结果，归纳总结出公路客运在4个子市场中的优劣势，具体情况见表3。

表3　各类细分子市场中公路客运与高速铁路客运优劣势比较Tab.3　Comparison of strengths and weaknesses between highway and high-speed rail passenger transport in different subdivided markets

可以看出，公路客运价格明显偏低，在经济型市场中具有明显优势，对学生乘客和农民工乘客吸引力强。因此，公路客运应巩固价格优势，坚守经济型市场。在效率型市场中，公路客运的优势表现在门到门服务、发车时间灵活、进站候车方便快捷，公路客运可以根据客流量动态调整发车密度。因此，公路客运应充分发挥门到门和灵活便捷的优势，通过提高效率来抢占效率型市场。由于空间限制，公路客运的舒适性差，因此针对服务型市场，公路客运可通过提升服务质量来获得市场份额。此外，由于公路客运易受环境、驾驶人员专业和心理素质的影响，安全性无法与铁路客运相比，运行条件和运行时间段也较为严格，雨雪、大雾等恶劣天气和夜晚均无法运营，考虑到竞争成本和竞争效果，公路客运应放弃慎重型市场。综上所述，新形势下公路客运的市场定位应该是：坚守经济型市场、抢占效率型市场、参与服务型市场、放弃慎重型市场。

4.2城际公路客运的发展策略

基于新的发展定位，城际公路客运要积极实施以下发展策略。

(1)多样化票价体系，坚守经济型市场

为保持价格优势，公路客运可以在旅客出行淡季，推出淡季打折票，在出行者购买客运包车服务时，推荐包车打折票，还可以成立公路客运旅客俱乐部，鼓励出行者成为会员，享受会员优惠价格；为进一步提升公路客运对学生旅客的吸引力，建议推出学生特惠票；另外，要将乘车次数与票价折扣挂钩，即乘车次数越多，票价越低。上述措施能提升旅客的忠诚度，为公路客运拓展城际客运的优势领域提供保障。

(2)突出灵活性特征，抢占效率型市场

将公路客运场站体系扁平化，增加服务网点，使服务网点覆盖中、小站点，弱化公路客运站的规模聚集客流效应。扩大城际公路客运的覆盖面，在高铁服务的 “盲点”和“弱点”地区提供精细服务，减少旅客在出行链两端的时间成本。具体的方案是，在同一线路的多个出行者集散点或商贸中心设置配客点，车辆从始发站出站后可顺路配载。对于客流量大的线路，实行流水式发车，提高便捷性。这样可以进一步抢占效率型市场。

(3)提高服务质量，拓展服务型市场

为改变公路客运企业主体分散、个体竞争力弱、相互之间无序竞争的现象，采用政策引导的方式优化城际公路客运的市场结构，使其从完全竞争向适度寡头垄断竞争转变。培育具有网络经济和规模经济的大型公路客运企业，鼓励中小公路客运企业建立优势互补、风险分担、收益共享的战略联盟，基于同一个战略目标，协同组织运营。在公路客运市场规范化的基础上，由客运联盟推动运载工具和服务设施的更新换代，提高公路客运的舒适性；提升司乘人员的服务意识，建立统一的服务规范；提供个性化服务，满足多样化的需求；进行信息化建设，为出行者提供发车频率、票务等信息。

5　结论

将顾客价值理论应用于城际客运的市场营销实践，构建了客运市场的旅客价值测度模型。该模型以旅客价值为中心，以旅客期望、旅客实际感知质量和服务补救为原因变量，以旅客行为意向为结果变量，分析得出了影响旅客出行的价值测度要素。基于该模型，以大连至沈阳的客运市场为例进行了客运市场细分的研究，结果表明，城际客运市场可以细分为服务型、经济型、慎重型和效率型4类子市场。根据公路客运自身特点及其在4类子市场中的优劣势，提出公路客运的市场定位和经营措施为：多样化票价体系，坚守经济型市场；突出灵活性特征，抢占效率型市场；提高服务质量，拓展服务型市场；节约运营资源，放弃慎重型市场。

References:

[1]周建明. 市场细分变量应用模型探索[J]. 网络财富，2008(6)： 65-67.

ZHOU Jian-ming. Exploration of Application Model of Market Segmentation Variables[J]. Internet Fortune，2008(6)：65-67.

[2]赵保国. 顾客细分模型及实证研究[J]. 财经问题研究，2006(7)： 85-90.

ZHAO Bao-guo. The model of Customer Segmentation and Empirical Research[J]. Research on Financial and Economic Issues，2006(7)：85-90.

[3]黄莹. 基于关系营销的市场细分变量研究[D].长春：吉林大学，2007.

HUANG Ying. Study on Variables of Segmentation Based on Relationship Marketing[D]. Changchun：Jilin University，2007.

[4]闵梅梅，罗新星.基于顾客价值构成维度的顾客价值链的构建[J].价值工程，2007，26(5)：60-62.

MIN Mei-mei，LUO Xin-xing. Construction of Customer Value Chain Based on Customer Value Dimension[J].Value Engineering，2007，26(5)：60-62.

[5]WOODRUFF R B. Customer Value：The Next Source for Competitive Advantage[J].Journal of the Academy of Marketing Science，1997，25(2)：139-153.

[6]HAN Shui-hua，LU Shui-xiu，LEUNG S C H. Segmentation of Telecom Customers Based on Customer Value by Decision Tree Model[J]. Expert Systems with Applications，2012，39(4)：3964-3973.

[7]FLOH A, ZAUNER A, KOLLER M, et al. Customer Segmentation Using Unobserved Heterogeneity in the Perceived-value-loyalty-intentions Link[J]. Journal of Business Research, 2014，67(5)：974-982.

[8]EKINCI Y, ÜLENGIN F, URAY N, et al. Analysis of Customer Lifetime Value and Marketing Expenditure Decisions through a Markovian-based Model[J].European Journal of Operational Research，2014，237(1)：278-288.

[9]陈静宇. 价值细分: 价值驱动的细分模型[J].中国流通经济，2003，17(6)：53-56.

CHEN Jing-yu. Value Segmentation: A Value-driven Segmentation Model [J]. China Business and Market，2003，17(6)：53-56.

[10]武永红，范秀成. 基于顾客价值的企业竞争力整合模型探析[J]. 中国软科学，2004(11)：86-92.

WU Yong-hong，FAN Xiu-cheng. Research on the Customer-value-based Integrated Model for Competiti-veness of Enterprise [J]. China Soft Science，2004(11)：86-92.

[11]高文学.顾客价值导向的市场细分模式[J].商场现代化，2007(4)：219.

GAO Wen-xue. Customer Value Oriented Market Segmentation Mode[J]. Market Modernization，2007(4)：219.

[12]金代志，王春霞，石春生. 基于BP神经网络的顾客价值识别研究[J]. 中国软科学，2009(7)：151-156.

JIN Dai-zhi，WANG Chun-xia，SHI Chun-sheng. Study on the Customer Value Recognition Based on BP Neural Network[J]. China Soft Science，2009(7)：151-156.

[13]宋春光，李长云. 基于顾客价值的商业模式系统构建: 以移动信息技术为主要视角[J]. 中国软科学，2013 (7)：145-153.

SONG Chun-guang，LI Chang-yun. Construction of the Business Model Based on Customer Value:The Mobile Information Technology Perspective [J]. China Soft Science，2013(7)：145-153.

[14]宋健.基于AHP和因子分析的地区信用环境指标体系构建的实证研究[J]. 中国软科学，2006(6)：111-119.

SONG Jian. The Empirical Study on Establishing Regional Credit Evaluation System Based on AHP & Factor Analysis [J]. China Soft Science，2006(6)：111-119.

[15]王千，王成，冯振元, 等.K-means聚类算法研究综述 [J]. 电子设计工程，2012，20(7)：21-24.

WANG Qian，WANG Cheng，FENG Zhen-yuan，et al. Review ofK-means Clustering Algorithm[J]. Electronic Design Engineering，2012，20(7)：21-24.

Study on Market Segmentation and Development Strategy of Highway Passenger Transport Based on Passenger Value Measurement Model

WANG Wen-di，YANG Zhong-zhen，LI Yi-xuan

(School of Transportation Management，Dalian Maritime University，Dalian Liaoning 116026，China)

Passenger value is regarded as the segmentation variable in the segmentation of the intercity passenger transport market. According to the relative advantages and disadvantages of highway passenger transport in each submarket, its market orientation is conducted to explore the development strategy of intercity highway passenger transport enterprises. First, a passenger value measurement model is built to analyze the value measurement elements affecting passenger travels with passenger expectation, passenger perceive quality and service recovery as cause variables, and passenger behavioral intention as the outcome variable. Then, based on the passenger value measurement result and the sampled data from Dalian to Shenyang, the intercity passenger transport market is subdivided into service-oriented, economical, prudent and efficiency-oriented ones with the methods of factor analysis andK-means clustering. Finally, service of highway passenger transport is repositioned based on passengers’ concerns in each submarket. And the development strategy of highway passenger transport in the new context is discussed with the respect of maintaining and expanding the strength field, increasing efficiency and improving service quality.

transport economics; market segmentation; passenger value measurement model; factor analysis;K-means clustering; highway passenger transport

2015-09-21

国家自然科学基金项目(51078049)

王文娣(1991-)，女，辽宁大连人，硕士研究生. (1159904107@qq.com)

U492.4

A

1002-0268(2016)08-0152-07

doi:10.3969/j.issn.1002-0268.2016.08.023