基于顾客满意度的B2C购物网站评价体系

朱 霖， 王丹丹

(上海电机学院 商学院, 上海 201306)

基于顾客满意度的B2C购物网站评价体系

朱 霖， 王丹丹

(上海电机学院 商学院, 上海 201306)

借鉴ACSI模型，结合B2C电商网站顾客的特点，从网站环境、服务过程、产品属性、交易安全和品牌忠诚5个维度，设计了一套包含21个二级指标的B2C电商网站顾客满意度评价体系；以天猫网站顾客为样本发放调查问卷,根据问卷调查结果,采用层次分析法(AHP)进行分析,找到影响B2C电商网站顾客满意度的关键因素，并在此基础上提出相关的改进建议。结果表明，影响天猫网站顾客满意度关键因素中支付安全、顾客隐私和商品性价比获得较高评价，而售后服务和商品信息真实方面评价较低，亟待改善。

商对客(B2C)； 顾客满意度； ACSI模型； 层次分析法

随着互联网消费规模不断扩大，越来越多的电商网站试图通过电子商务这种新兴经济盈利模式来获得生存空间。据阿里研究院与埃森哲发布全球跨境B2C电商趋势报告预测2020年全球跨境B2C电商交易额将达到9 940亿美元,惠及9.43亿全球消费者[1]。数据表明，B2C电商模式在中国虽然还处于起步阶段，但有相当大发展空间，同时，还必须看到各种不利因素制约着中国电子商务的快速发展。

通过顾客满意度调查，电子商务网站可以及时了解顾客的购物感受和潜在的需求，掌握顾客满意程度和影响顾客满意度的具体原因，进而有针对性地采取措施对产品和服务进行必要改进和创新，对于电商网站的发展具有较高的实践意义。

研究显示[2]，由一个满意顾客会引出8笔潜在交易且最少有一笔成交，而一个不满意顾客则会对另外25人的购买意向产生影响。1989年美国建立了第一个顾客满意模型，将顾客满意度的数学运算方法和顾客购买产品或服务的心理感知相结合，采用偏微分最小二次方求得顾客满意度指数[3]。瑞典最先运用这一模型和运算方法构建了瑞典顾客满意指数(Sweden Customer Satisfaction Barometer，SCSB)模型[4]。1994年美国正式开始构建美国顾客满意度指数(American Customer Satisfaction Index，ACSI)，其综合评价指数由国家、部门、行业和企业满意度指数4个层次组成[5]。ACSI模型由6个结构变量组成，顾客满意度是目标变量，顾客预期、感知质量和感知价值是顾客满意度的原因变量，顾客抱怨和顾客忠诚则是顾客满意度的结果变量[6]。与其他模型相比较，该模型科学地利用了顾客的消费认知过程，能客观反映出消费者对服务质量的评价，并综合反映出顾客的满意程度[7]，是目前体系最完整、应用效果最好的一个国家顾客满意度理论模型。

目前，国内、外学者针对电商网站顾客满意度的研究相对较晚，主要集中在根据实际环境要求对现有模型的改进及实证研究上。查金祥等[8]认为网络购物的顾客满意度是顾客在网购过程中整体心理感受，其便利性、财务安全和网站设计对顾客满意度有正向影响。潘勇等[9]对网上购物顾客满意度建立了一套评价指标体系，该体系包括10个因素和49个测量项目。LEE等[10]将影响网络购物的顾客满意度的因素分为价格、顾客服务、商家的后勤支持、网站前端各项服务4类。刘广艳[11]将产品因素、价格因素、沟通和信用等因素加入到电商网站的顾客满意度模型中，进而实现模型的拓展。董西梅[12]以在校大学生为对象建立了网上购物满意度指标体系及测评模型，运用因子分析法找出影响因素，并计算出其满意度现状。韩顺平等[13]调查在两电商网站上32家网上服装店成交顾客的评价，用双因素理论和内容分析归纳这些网店的服务保证条款。

综上所述，国内外学者对顾客满意度、顾客满意度模型等方面进行了一定的理论研究和实证分析。但是，针对近年来发展起来壮大的B2C购物网站的研究涉及较少，传统的计量模型体系复杂，实用性不够，因此，建立一个简单易用、具有一定实用性和可操作性的顾客满意度测评体系，为B2C企业服务改进提供科学依据，具有较大的研究意义。

本文以天猫网站为研究对象，借鉴ACSI模型，结合B2C电商网站顾客的特点，建立B2C购物网站顾客满意度评价模型；运用层次分析法(Analytic Hierarchy Process, AHP)对影响B2C购物网站顾客满意度因素权重进行分析，意在找出影响B2C购物网站顾客满意度的决定因素，并提出改进的策略方法，在为顾客提供更好的服务的同时，提升企业的竞争力。

1 B2C购物网站顾客满意度评价体系的建立

1.1指标选取

根据消费者在购物网站服务质量的实际感知，借鉴ACSI模型，参考网络购物顾客满意度综合模型及相关满意度模型的测评指标的选取，本文具体选取了5个指标作为顾客满意度测评体系的指标：网站环境A、服务过程B、产品质量C、交易安全D、品牌忠诚E，并进一步对一级指标进行分解，其测评指标体系如图1所示。

图1B2C购物网站顾客满意度评价指标

Fig.1 Service quality evaluation indicators of B2C online shopping mall

1.2权重确定

完成电商网站顾客满意度评价指标体系构建后，根据AHP来确定各层次指标的权重。AHP是20世纪70年代初由美国运筹学家萨蒂提出,是运用定性与定量相结合的一种多目标决策分析法[14]。AHP将与决策相关的元素分解为目标、准则、方案等不同层次，求解判断矩阵特征向量，并将每一层次的各元素对上一层次对应元素的优先权重进行一致性检验，确定目标层的权重[15]。对XA和XB两因素，按照表1的矩阵判断标度表，用WAB表示XA对XB的影响程度，并用1～9的比例标度来度量。

表1 B2C购物网站服务质量判断矩阵

根据表中列出的9个重要性等级及赋值，初步建立电商网站顾客满意度的评价指标的判断矩阵，再根据各层次指标的问卷得分情况，通过计算分析，建立各个层次的指标的判断矩阵。

表2所示为顾客满意度一级指标的判别矩阵(表中的计算结果以此类推),求得一级指标判断权重集Wi={0.056,0.157,0.240,0.450,0.097},i=A，B，C，D，E, 判断矩阵一致性比例CR=0.072≤0.1, 总目标权重为1.0，最大特征值为5.324，通过一致性检验。

表2一级指标两两判断表

Tab.2 Judgment matrix of service quality of B2C online shopping mall

ABCDEWiA11/31/41/51/30．056B311/21/430．157C4211/340．240D543140．450E31/31/41/410．097

表3所示为网站环境的判别矩阵,求得其判断权重集WA={0.106,0.634,0.260},其判断矩阵一致性比例CR_A=0.032≤0.1, 总目标权重为1.0，最大特征值为3.037，通过一致性检验。

表3 网站环境两两判断表

表4所示为网站服务过程的判别矩阵,求得其判断权重集WB={0.045,0.096,0.235，0.158，0.466},其判断矩阵一致性比例CR_B=0.029≤0.1, 总目标权重为1.0，最大特征值为5.128，通过一致性检验。

表5所示为产品属性的判别矩阵,求得其判断权重集WC={0.398,0.249,0.055，0.098，0.200},其判断矩阵一致性比例CR_C=0.067≤0.1, 总目标权重为1.0，最大特征值为5.300，通过一致性检验。

表4 服务过程两两判断表

表5 产品属性两两判断表

表6所示为交易安全的判别矩阵,求得其判断权重集WD={0.055,0.564,0.118，0.263},其判断矩阵一致性比例CR_D=0.043≤0.1, 总目标权重为1.0，最大特征值为4.117，通过一致性检验。

表6 交易安全两两判断表

表7所示为品牌忠诚的判别矩阵,求得其判断权重集WE={0.146,0.432,0.349，0.074},其判断矩阵一致性比例CR_E=0.076≤0.1, 总目标权重为1.0，最大特征值为4.206，通过一致性检验。

通过各一级指标的权重计算结果可得知，WD>WC>WB>WE>WA，即在电商网站的顾客满意度影响因素中，交易安全的权重最大，说明交易安全对顾客满意度的影响最大，也是顾客最为看重的一个方面；其次是产品属性，这表明顾客比较在意电商网站的商品满足需求的程度，这也是直接影响顾客满意度的一个方面；服务过程的权重也较高，可见其对顾客满意度存在着正向的影响，顾客只有在对服务过程满意的情况下才会进行购物消费及再次光顾；而品牌忠诚和网站环境指标对电商网站顾客满意度的影响较小，其中，网站环境的权重最小，即对顾客而言，它们并不是影响其满意度的关键性因素。

表7 品牌忠诚两两判断表

2 实证分析

2.1问卷设计

根据已建立的电商网站顾客满意度指标体系，构建调查问卷。根据顾客满意度调查问卷中的问题对指标变量进行量化，从非常不满意到非常满意来加以衡量；其中，非常不满意为1分、比较不满意为2分，不确定为3分，比较满意为4分，非常满意为5分。被访者根据自身实际情况以打钩的形式选择相应分数。

调查问卷主要使用电子邮件、即时通讯工具和在线论坛等网络形式发放，以电子邮件的形式进行收集。发放时间为2014-12-06—2015-02-06，共发放问卷160份，其中有效问卷127份。调查以天猫网站顾客为研究对象，这是由于天猫网站是国内最大的B2C购物平台，对国内B2C购物具有代表性和指标性意义。问卷选项使用李克特Likert5点量表，可使顾客在回答问卷时做出更加准确的描述。

2.2问卷信度分析

信度是指测量结果稳定性或一致性程度。针对电商网站顾客满意度的调查，完全通过模型展开来控制信度，使量表的可靠性和稳定性均有所提高。最常用的测量信度的方法是克朗巴哈信度系数法[16](Cronbach’sα)，即

(1)

通常，α为0～1，α越大，则其信度越高。当α>0.7时，表示具有非常高的信度。笔者使用统计软件SPSS(Statistical Program for Social Sciences)20.0对所得数据进行分析，得到α=0.859>0.7，表明该问卷量表的信度相当高。

2.3实证分析结果及分析

对收集的调查问卷根据题目进行分类，求其平均值，可得各二级指标的满意度SQ ij得分，然后根据权重Wi可计算得到各一级指标的满意度分数SQ i，具体结果如表8所示。

根据表8中的数据及各一级指标的权重可以计算得到电商网站的总体顾客满意度指数SQ，即

SQ= ∑SQ iWi=3.911×0.056+3.477×

0.157+3.612×0.240+3.844×0.450+

3.532×0.097=3.704

由此可见，问卷调查得出的电商网站的总体顾客满意度不是很高，这说明天猫网站顾客满意度还有很大的改善和提升空间，未来需要做的工作还很多。其中，根据一级指标的满意度分值，顾客对该网站满意的指标由高到低依次为网站环境、交易安全、产品属性、品牌忠诚和服务过程。

由二级指标相对于总目标的权重Wi·Wij可见，顾客最为重视的指标依次为支付安全、顾客隐私、商品性价比、售后服务、商品信息真实，它们的顾客满意度分别为3.916、3.857、3.785、3.485、3.495。其中，支付安全、顾客隐私和商品性价比3个指标的满意度相对较高，表明顾客认同网站在支付方式上趋于完善和对其相应购物过程中隐私的保密，同时，商品的实用性方面能满足顾客需求，具有较好的性价比；当然，网站在今后的运营管理中应继续维护和完善相关工作。相比之下，售后服务和商品信息真实指标的顾客满意度较低，是亟待解决和改善的首要因素。

表8 天猫网站顾客满意度评价结果

对于网站的服务过程，售后服务、网站效率和网站促销3个指标的满意度分值较低，则网站不仅需要保持顾客在选购商品时有较好的客服态度以及保持商品物流畅通，还应该注重提升商品销售前的促销方式和处理售后问题的能力，更好地满足消费者的需求，维护消费者的权益。

商品信息真实准确指标的顾客满意度较低，网站在做到商品种类丰富及性价比较优的情况下，还应做好商品信息的展示，确保商品信息的真实可靠，使顾客在网上购物，不会因为看不到实物而担忧其质量，使顾客真正从心底感到满意。

3 结 语

本文以电商网站作为研究主体，借鉴ACSI模型，参考已有指标体系，结合电商网站顾客的特点，建立了适合电商网站客户满意度的评价指标体系，将顾客满意度的影响因素分为5大类，即网站环境、服务过程、产品属性、交易安全和品牌忠诚。选取天猫网站作为实证分析对象，通过发放及回收问卷进行数据分析整理，验证了方法的有效性。根据研究结果，提出了电商网站顾客满意度的提升建议，对当今电商网站的运营和管理有一定的借鉴作用，促使电商网站进一步提高网络服务的质量，为顾客提供满意的服务。

[1] 余桂兰. 跨境电商B2C模式下:交易纠纷的处理规则及相关流程——以《阿里速卖通网上交易纠纷规则》英文版为例[J]. 对外经贸实务, 2016(9):48-51.

[2] 徐冬磊，汪祖柱. C2C电子商务顾客满意度的影响因素及其模型 [J]. 科技情报开发与经济, 2010, 20(3):143-145.

[3] 赵富强, 刘金兰, 彭悦. PLS算法的顾客满意度指数模型 [J]. 北京理工大学学报(社会科学版)，2012, 14(1):56-59，65.

[4] FORNELL C. A national customer satisfaction barometer: The Swedish experience [J]. The Journal of Marketing,1992，56(1)：6-21.

[5] 王伟军．电子商务网站评价研究与应用分析 [J]．情报科学，2003，21(6)：639-642．

[6] FORNELL C, JOHNSON M D, ANDERSON E W, et al. The American customer satisfaction index: Nature, purpose, and findings [J]. Journal of Marketing,1996，60(3)：7-18.

[7] 简彩云．顾客满意度指数测评模型比较与借鉴 [J]．商业时代·理论，2005(11)：39-42．

[8] 查金祥，王立生．网络购物顾客满意度影响因素的实证研究 [J]．管理科学，2006，19(1)：50-58．

[9] 潘勇,赵军民.基于顾客满意度的B2C电子商务网站评价 [J].现代情报,2008(5):220-223.

[10] ZHANG K Z K, CHEUNG C M K，LEE M K O. Examining the moderating effect of inconsistent reviews and its gender differences on consumers’ online shopping decision [J]. International Journal of Information Management, 2014，34(2)：89-98.

[11] 刘广艳.网上购物消费者满意度模型研究 [J]. 山东电力高等专科学校学报,2007(2):13-16．

[12] 董西梅．电子商务顾客满意度指标体系及测评模型 [J]．科技情报开发与经济，2007，17(27)：153-155．

[13] 韩顺平，王秀娟．双因素理论在网上商店服务中的应用 [J]．经济问题，2006(11):50-51.

[14] 叶靖克, 闫丽, 杨德华. 基于AHP的快递业SERVQUAL评价模型改进研究[J]. 物流工程与管理, 2010, 32(9):78-80.

[15] 顾建华.城市居民对农贸市场满意度影响因素实证研究：以淮安市为例[J]. 价值工程，2014 (12):5-7.

[16] 胡启国, 张鹏. 顾客满意度指数测评指标体系的构建 [J]. 统计与决策, 2009(10):55-57.

Evaluation of B2C Online Shopping Mall Based on Customer Satisfaction

ZHULin,WANGDandan

(School of Business, Shanghai Dianji University, Shanghai 201306, China)

Based on the ACSI model and combining characteristics of domestic consumers, an evaluation system is designed to measure the performance of B2C online shopping. The system contains 21 individual indicators in five categories: website environment, service process, product attributes, transaction security, and brand scale. Each indicator undergoes weighted analysis according to the following analytic hierarchy process (AHP). The objective is to determine the dominant factors, which affect the level of customer satisfaction on services provided by the B2C online shopping. In addition, an empirical study on a typical multinational B2C online shopping, the mall, is conducted using a method of face-to-face interview and questionnaire. The result suggests that the three dominant factors that most affect the service quality provided by B2C online shopping are payment security, private information of customers, and performance-price ratio of the products.

business-to-customer (B2C); customer satisfaction; ACSI model; analytic hierarchy process(AHP)

2017 -08 -21

国家自然科学基金青年基金项目资助(71401099)；上海电机学院科研启动经费项目资助(14QD46)；上海电机学院重点学科建设项目资助(13XKJ02)

朱 霖(1981-)，男，讲师，博士，主要研究方向为产业经济学，E-mail：linnzhu@163.com

2095-0020(2017)05 -0295-06

F 713.36

A