O2O电子商务顾客满意度分析

陈湘青

内容摘要：学界对顾客满意问题的研究由来已久，涌现出大量的研究成果，但针对O2O（Online To Offline）这一新的电商模式下的顾客满意度的研究则相对较少。因此，本文引入平台声誉、感知成本、感知风险、顾客期望、感知质量、感知价值、顾客满意和顾客忠诚8个结构变量，构建了O2O电商顾客满意度测评模型，并通过某知名在线旅游网站进行了实证研究。研究结果表明，O2O电商模式下平台声誉是影响顾客期望、顾客满意与顾客忠诚的重要变量；感知风险负向影响顾客满意与顾客忠诚；感知成本与感知质量共同影响感知价值，并进一步影响顾客满意与顾客忠诚。

关键词：O2O 顾客满意 模型 实证

引言

学界对顾客满意问题的研究由来已久，涌现出大量的研究成果，主要包括顾客满意的形成机理、影响因素、测评体系、行业应用等方面（董大海等，2004）。近年来学者们加强了电子商务领域顾客满意的研究，但针对O2O（Online To Offline）这一新的电商模式下的顾客满意度的研究则相对较少。因此，本文选取O2O电商模式下的顾客满意作为研究对象，通过分析其影响因素，建立O2O电商顾客满意评价模型，进行实证研究来探索O2O电商模式下的顾客满意的特征与规律，并提出相关的建议。

模型描述

顾客满意形成过程中的比较标准主要包括期望不一致模式、需要不一致模式、感知绩效模式、感知公平模式等，其中“期望不一致”是当今主流的顾客满意测量模式。一般而言，顾客在进行O2O电子商务消费前均带有明显的期望，并与自己在消费过程中的质量感知进行对比，从而产生满意或者不满意的内心感受。Kassim等（2010）对马来西亚和卡塔尔两种不同文化下的电子商务顾客满意的研究表明，电子商务情境下顾客期望与感知质量对顾客满意存在重要的影响，且不因两地文化的不同而不同。因此，本文对O2O电商顾客满意进行测度时也将主要基于这一模式，引入顾客期望、感知质量、顾客满意等变量，并假设顾客期望对感知质量、顾客期望对顾客满意、感知质量对顾客满意存在直接影响。

顾客满意的形成机理较为复杂，除了期望不一致模式外，感知价值对顾客满意也存在重要影响。如在美国顾客满意指数（ACSI）模型中，顾客满意处于模型的核心位置，顾客期望，感知质量和感知价值共同决定顾客满意。尽管学者们对顾客价值的认识不一，但多数学者倾向于感知价值的核心是感知利得与感知利失之间的权衡，亦或表现为感知质量与感知成本之间的比较。Cemal Zehir等（2015）针对土耳其645名电商消费者的研究表明感知价值显著影响网络消费者的满意度，这一点可为O2O电商顾客满意模型构建提供借鉴。因此，模型将引入感知价值与感知成本变量，并假设O2O电商感知成本对感知质量、感知成本对感知价值，感知价值对顾客满意均存在直接影响。

O2O电子商务平台作为O2O电商模式的重要载体，是维系顾客与商家的纽带。多数消费者选择O2O电商往往是因为平台的知名度与影响力，而对提供具体服务的商家反而并不了解。Askariazad等（2015）研究ECSI在B2B电商领域的应用时发现，电商平台声誉对顾客期望、顾客满意与顾客忠诚产生直接影响。本文认为这一成果对O2O电商顾客满意关系研究具有重要的借鉴意义。因此，本模型的构建将引入平台声誉这一变量，并假设平台声誉对顾客期望、顾客满意和顾客忠诚均存在直接影响。

由于O2O电子商务线上支付与线下体验的分离，消费者也许会更加担心其线上购买的产品或服务在线下能否完全兑现，是否因为线上线下的不一致而发生财务损失，消费者年龄、家庭住址、联系方式等个人信息会否被泄露等等。对这些问题的担忧在某种程度上将影响消费者对采用O2O电子商务的风险感知，进而影响消费者O2O电子商务的满意度与忠诚度。Lin（2015）在针对B2C电子商务购物者满意度测评模型中引入了感知风险变量，并通过542名经验丰富的网上购物者验证了其对顾客满意与顾客忠诚的影响。因此，本模型的构建将引入感知风险这一变量，并假设感知风险对顾客满意和顾客忠诚均存在直接影响。

模型构建

（一）概念模型

根据以上O2O电子商务顾客满意过程假设，本文构建了O2O电子商务顾客满意测评的概念模型（见图1）。模型包括8个结构变量：感知成本ξ1、平台声誉ξ2、感知风险ξ3、顾客期望η1、感知质量η2、感知价值η3、顾客满意η4、顾客忠诚η5，其中感知成本、平台声誉与感知风险三个变量外生，其余变量内生。

（二）测评指标体系

整个测评体系由三级指标构成，前述8个结构变量组成测评体系的二级指标，对应24个观测变量构成三级指标，如表1所示。问卷设计尽量参照国内外一些成熟的量表，但也做了一定程度的创新。比如在感知质量的测度方面，考虑到消费者对O2O电子商务的感知主要受电商平台、线下商家的影响，因此设计了平台质量感知，商家质量感知以及总体质量感知三个观测变量；在平台声誉的测度上，重点考虑了平台知名度、平台美誉度与平台总体形象作为主要的测度变量；O2O电子商务的风险感知方面则主要考虑了有关交易的功能风险、财务风险、以及消费者隐私风险等内容。在感知价值、顾客满意、顾客忠诚等变量的测度上，由于国内外已有较为成熟的量表，则主要参照这些国内外的成熟作法构建相关的观测变量。

（三）模型的数学表达

实证分析

（一）样本和数据收集

本文通过对某知名在线旅游网站的客户进行问卷调查，共回收问卷590份，其中有效问卷有539份，有效率达到91.4%。调研数据的样本分布如下：男性占56.7%，女性占43.3%；年龄在18岁以下的占2.1%，18-30岁48.4%， 31-45岁43.7%，45岁以上5.8%；月收入水平3000元以下占18.2%，3000-5000元34.7%，5000-8000元26.6 %，8000-10000元11.9%，10000元以上8.6%；文化水平高中及以下占22.1%，专科占32.8 %，本科占34.5 %，硕士及以上占10.6%。

（二）描述性统计分析

本文通过SPSS19.0对调研问卷涉及的24个观测变量进行描述性分析，所得结果如表2 所示。

（三）测量模型的检验

1.可靠性分析。本文利用SPSS19.0，得出各结构变量的信度系数（Cronbach α）和组成信度，如表3所示。8个结构变量各分量表的信度系数从0.717（感知风险）到0.909（顾客满意），均在0.70以上，且总量表的信度系数达到0.953，8个结构变量的组成信度在0.729（感知风险）到0.913（感知成本）之间，全部在0.7以上，表明此量表的可靠性较高。

2.确认性因子分析。本文使用LISREL8.70软件，对测量模型进行确认性因子分析，分析结果如表4所示。全部24个显变量的因子载荷系数均在13.672到27.457 （t值）之间，且8个结构变量的平均变异抽取量均高于0.50。可见，模型的会聚效度较高。而28个共享方差数据，有26个小于0.50 ，变量之间的共享方差均小于或者接近小于其平均变异抽取量，模型区分效度较好。

（四）结构模型的检验

从本文数据与模型的拟合程度来看，测量模型的χ2值为618.357（236个自由度），χ2/df=2.620<3.00，SRMR=0.051<0.08， RMSEA =0.065<0.08 ，其他指标NFI、NNFI、PNFI、CFI、IFI、RFI、GFI、AGFI、PGFI分别为0.975、0.978 、0.929、 0.981、0.982、0.971、0.912、0.899、0.853，均达到或接近0.9，表明这个模型与数据有较高的拟合程度。

结果与讨论

本文利用LISRE L8.70软件，得到模型中各变量之间的路径系数，如表5所示。总体而言，模型拟合良好，各路径系数统计显著。模型所有路径系数的t值介于3.627至22.931之间，表明所有路径系数在P=0.01上统计显著。各路径直接效应最高为0.759（平台声誉到顾客期望），最低为-0.209（感知风险到顾客忠诚），呈现出负向影响。具体分析如下：

（一）感知成本与感知质量通过感知价值影响顾客满意的假设得到验证

研究数据显示，感知成本到感知质量的直接效应为0.488（10.991），感知成本到感知价值的直接效应为0.724（15.823），感知质量到感知价值的直接效应为0.208（4.612），感知价值到顾客满意的直接效应为0.539（6.553），各路径的影响效应统计显著（P=0.01）。可见引入一个感知成本的结构变量，通过感知质量与感知成本之间的比较影响感知价值，进而对顾客满意产生影响的模型假设得到验证，有利于更为清楚的了解期望不一致模式与感知价值模式各自对O2O电商顾客满意度所作的贡献。研究结果同时表明，感知成本对感知价值的影响效应达到0.724，在所有影响效应中列第2位，而感知价值对顾客满意的直接影响效应为0.539，是所有影响因素中最高的，可见成本优势仍是O2O电商吸引消费者的重要条件，通过加强成本控制，帮助消费者建立合理的成本感知将是提高O2O电商顾客满意度与忠诚度的一种重要手段。

（二）平台声誉变量的引入及路径关系得到验证

模型引入了平台声誉这一结构变量，并构建了三条路径关系。实证研究的结果表明，从平台声誉到顾客期望的直接效应为0.759（22.931），从平台声誉到顾客满意为0.412（5.596），从平台声誉到顾客忠诚为0.310（5.517），各路径的影响效应在P=0.01上统计显著。由此可见，引入平台声誉变量并建立相应的路径关系是合理且必要的，有利于更为合理的解释O2O电子商务模式下顾客期望，顾客满意与顾客忠诚的关系。通过加强O2O电商平台的运营管理、宣传推广，树立平台的良好声誉，将有利于提升O2O电商的顾客满意与顾客忠诚。

（三）感知风险对顾客满意与顾客忠诚呈现负向影响

实证研究的结果表明，感知风险到顾客满意的直接效应为-0.163（3.627）、感知风险到顾客忠诚为-0.209（4.735），均呈现出负向的影响。可见由于O2O电商线上线下业务的分离，消费者对线上线下产品与服务是否一致，有无存在虚假宣传，线下商家能否做到诚信经营，支付的资金会否发生损失，有关的个人信息会否泄漏等仍心存疑虑，这种种担忧势必会降低其满意度，并影响其后续的消费行为。

对策与建议

本文针对O2O电商这一新型电子商务模式，引入平台声誉、感知成本、感知风险、顾客期望、感知质量、感知价值、顾客满意和顾客忠诚8个结构变量，构建了O2O电商顾客满意度测评模型，并通过某知名在线旅游网站开展了实证研究。研究结果表明，O2O电商模式下感知成本、平台声誉、感知风险是影响顾客满意与顾客忠诚的重要变量。其中，感知成本通过感知价值间接影响顾客满意与忠诚，平台声誉对顾客期望、顾客满意与顾客忠诚存在直接影响，感知风险负向影响顾客满意与顾客忠诚。基于以上研究结论，提出如下建议：

（一）充分发挥O2O电商的成本优势，提升顾客价值感知

首先要充分发挥O2O平台的引流作用，通过增加客流量，扩大业务规模，降低经营成本，实现规模经济效应；其次借助O2O电商平台，实现营销渠道的扁平化，通过减少中间环节，降低交易成本；除了减少顾客的货币成本支出外，还应在增加顾客体验上下功夫，通过有效降低顾客的时间成本、精神成本、体力成本等非货币成本支出，提升顾客的价值感知水平。

（二）加强O2O电商平台建设，提升平台声誉

首先要结合大数据分析O2O电商平台顾客的来源、年龄、文化程度、消费特点、操作习惯等行为特征，利用社会化营销技术、本地化定位搜索技术、移动互联技术，优化平台的操作流程，尤其是要加大O2O电商移动客户端的应用开发，做到简单、易懂、好操作，突出其易用性；其次要充分考虑到O2O作为本地化的电商应用平台，要充分整合本地的餐饮、医疗、美容业、家政、房屋、教育、旅游、水电煤气等相关信息资源，并尽可能针对不同消费者进行分类推送，以有效减少消费者获取信息的成本，突出信息的有用性；第三，要加强平台的运营管理，严保线上线下产品与服务的一致性，提升顾客体验水平；第四，要充分利用微信、微博等自媒体工具，通过广告、公关、人员推销、销售促进等传播方式，加强平台的宣传与推广，扩大平台的知名度与美誉度，提升平台声誉。

（三）严格质量管控，降低消费者风险感知

首先，要加强对平台入驻商家的资质审核，适当提高平台商家的准入门槛，完善平台的消费者评价系统，建立平台商家的淘汰机制，确保平台商家诚信经营，降低交易的功能风险；其次，加强网络系统的安全与维护，强化员工风险意识，防止顾客信息外泄或被恶意盗取，确保顾客的个人信息安全，降低顾客的隐私风险；第三，建立平台与入驻商家违约赔付连带责任制度，商家发生履约责任时消费者可向平台与商家任何一方提出索赔。O2O平台作为资金支付的中介方，顾客在消费前可先将资金汇入平台方账户暂存，待消费完成无异议后再由平台账户转入对应商家账户，或者消费前先部分支付给线下商家，待消费无异议后再支付剩余部分。除此之外，还可建立履约保证金制度，资金支付保险制度，以确保客户资金安全，降低交易的财务风险。

参考文献：

1.董大海，汪克艳.西方的顾客满意测量模式研究述评[J].科学学与科学技术管理，2004（1）

2.Norizan Kassim， Nor Asiah Abdullah. “The effect of perceived service quality dimensions on customer satisfaction， trust， and loyalty in e-commerce settings： A cross cultural analysis”， Asia Pacific Journal of Marketing and Logistics， 2010， Vol.22 （3）.

3.Fornell C，Johnson M D， Eugene W， etc. The American Customer Satisfaction Index： Nature，Purpose，and Findings[J]Journal of Marketing，1996，60：7-18.

4.白长虹，廖伟.基于顾客感知价值的顾客满意研究[J].南开学报，2001（6）

5.Cemal Zehir， Yasin Sehitoglu， Elif NarMei-Ju Lin， Wei-Tsong Wang. “Examining E-Commerce Customer Satisfaction and Loyalty： An Integrated Quality-Risk-Value Perspective”， ournal of Organizational Computing and Electronic Commerce， 2015， Vol.25 （4）， pp.379-401

6.Mohammad Hossein Askariazad， Nazila Babakhani. “An application of European Customer Satisfaction Index （ECSI） in business to business （B2B） context”， Journal of Business & Industrial Marketing， 2015， Vol.30 （1）， pp.17-31

7.Mei-Ju Lin， Wei-Tsong Wang. “Examining E-Commerce Customer Satisfaction and Loyalty： An Integrated Quality-Risk-Value Perspective”， Journal of Organizational Computing and Electronic Commerce， 2015， Vol.25 （4）， pp.379-401