基于因子分析的B2C电子商务客户体验模糊评价

郭 薇

（1.东华大学 旭日工商管理学院，上海 200051；2.上海建桥学院 商学院，上海 201306）

0 引言

互联网的普及，让网上购物变得简单、方便，综合性的、垂直性的、专业性的B2C电子商务购物网站正不断开拓市场，顾客覆盖的面积越来越大。所以，为了更好地开拓市场，需要更深一步了解顾客需求，有利于B2C公司实现发展的目标。本文在借鉴前人的研究基础上，基于因子分析法构建B2C电子商务客户体验评价体系，基于模糊综合评价法对某公司的的客户体验进行实证分析评价，以期为B2C电子商务企业在改善客户体验方面提供一定的参考。

1 评价体系建立

1.1 因子分析

本文采用问卷调查得到相关的数据，采用随机调查方式总共发放300份调查表，去掉没有填完整或者无效的问卷表，有效问卷总共240份。本文问卷调查主要包括两个方面，第一部分是填写被问卷者的个人详细资料，第二部分是主要内容，调查顾客对那些常用购物网站的详细评估。

本文利用SPSS19.0统计软件分析得到的数据，采用了22个评价指标，评价指标体系如表1所示。Bartlett及KMO检验结果表明，KMO值为0.923，x2=2.891E3，Sig=0.000，df=229，说明该因子分析法科学合理。根据分析结果知道前6个公因子的特征值都比1来得大，所以本文明确总共有6个公因子，所以得到相应的方差累积贡献率分别依次为14.252% 、27.988% 、42.513% 、53.7598% 、65.247% 、75.126%。

1.2 信度分析

为了检验因子分子获取的结果的准确性，对上述数据进行信度分析。分析结果表明，体系总Q系数为0.951，上述6个公因子的Alpha系数如下页表2所示，说明因子分析结果是可靠的。

表1 初始指标体系

1.3 评价体系有效性分析

（1）构建效度

在进一步分析之前，需要对构建的指标体系进行评价，也就是效度分析。对于构建效度分析得到的解释变异量有74.502%，说明该模型的构建效度好。

（2）内容效度

本文为了研究更加合理，特地聘请了三位专家、三位电子商务专家、七位专业博士参加研究。专家学者对各分析指标进行了评判，一致认为选取的22个指标是具有代表性的，研究内容的效度可以有科学性。

表2 因子荷载矩阵

（3）公因子命名

本文主要是研究每个公因子隶属的实际意义，分别有信誉体验、安全保护体验、网站功能体验、网站设计体验、交易体验及完成体验6个公因子。这里解释了每个公因子的含义，信誉体验指的是让顾客通过使用网站后对于网站使用效果评价塑造起来的信任度；安全保护体验主要表示购物网站的防护等级，以及对与客户相关数据及隐私的保护措施；网站功能体验主要表示购物网站导航的完善性、商品信息搜索的准确性等网站功能；对于设计网站要求要具有人性化、多样性等特点；交易体验主要表示购物网站所展示信息的有效性、精准性，以及完成商品交易过程的便捷性；完成体验主要表示商品购买完成物流信息查询、商品接收、商品售后等。

2 实证分析

基于模糊综合方法对国内某著名B2C网站进行评价，分析其客户体验。首先需要确定各个指标的权重系数，采用层次分析法。

2.1 评价层次构建

前面得到了6大类、22个具体指标，根据层次分析法构建评价模型，目标层为B2C电子商务客户体验，中间层为前面得到的6个公因子，指标层为22个具体指标。

2.2 模糊评价集的设置

建立指标评价集V。本文模糊评价集主要说的是顾客利用相关购物网站消费商品后产生的满意程度，根据等级理论可以分类五个等级：V1、V2、V3、V4、V5。每个等级各自表示的是顾客对于网站不同级别的满意程度，可以划分为十分满意、比较满意、一般满意、不满意、十分不满意，分别定量赋予分值1、0.8、0.6、0.4、0.2分。

2.3 指标体系权重的确定

研究的B2C电子商务的顾客体验有很多因素影响，并且不同因素都有不一样的影响程度，仅仅只凭经验确定是不合理的。本文采用的是层次分析法评估每个影响因子的权重系数，根据影响因素的重要等级分为1—9，假如影响因子A和B的重要性比例为x，那么B与A的重要性比例就为1/x），对比矩阵由问卷调查数据确定。在调查问卷中，被调查者需要填写基础指标和评价指标两个表格。根据表格1、表格2分析结果可以得到两个指标对比矩阵A1和评价对比矩阵（i=l，2，…，6），本文随机抽取其中一位被调查者进行分析，分析结果如表3至表9所示。

表3 指标层对评价指标层的判断矩阵和向量W1汇总

表4 指标层A1—A3对M1的判断矩阵和向量w1 2汇总

表5 指标层A4—A7对M2的判断矩阵和向量w2 2汇总

表6 指标层A8—A11对M3的判断矩阵和向量w3 2汇总

表7 指标A12—A14对M4的判断矩阵和向量w4 2汇总

表8 指标C15—C18对M5的判断矩阵和向量w5 2汇总

2

表9 指标A19—A22对M6的两两判断矩阵与相对权重向量w6

根据以上表格可以知道，CR的数值都小于0.1，说明这些矩阵每个因子之间都存在一定的关系。表明矩阵合理性。接着，利用特征值法计算得到评价指标层和指标层的权重向量。每个数值在评估之前都需要进行矩阵的一致性检验方可计算参数：

其中，n代表的是矩阵的参数数量；RI代表的是随机一致性指标平均值；λmax代表的是矩阵中最大特征根。

利用归一化法矩阵的λmax对应的特征向量，就可以估算受访者一些相关指标的权重系数，最后可以计算得到各指标对目标层的权重向量，用（i=l，2，…，6）表示，详细分析结果如表10所示。

表10 客户体验各层指标权重计算结果汇总

2.4 综合模糊评价

确定各个指标权重后，需要借助上述的综合评价集分析顾客体验网页的感觉。这里需要几个相关集合：Ui集合代表的是第i个根本指标集，Uij集合代表的是Ui的子评价指标集，Rj代表的是Uij的单因素评判矩阵，Bi代表的是某基础指标的综合模糊评判向量，这些集合计算公式如下为：Bi=W3i×Rj。式中

针对每个子集Ui，从而求出相对应集合Uij的Rj，然后根据上述公式估算Bi。然后依据前文给的等级赋值结果，求出Ui的值，可以根据下面公式估算：

利用下面公式加权平均可以求出顾客质量评价值：

接着，以第一个基础指标为例进行分析，说明计算过程，其他指标计算过程相同。首先，专家评判给出评价矩阵N1：

可以计算得到模糊评定向量为B1=（0 0.3121 0.5236 0.1425 0），根据式(1)，本文求出的首个技术指标综合数值有0.6342，接着根据一样的方法求出其他5个基础指标的综合数值，依次为0.6241、0.6998、0.6335、0.8417、0.9578，参照式(2)，最终是可以求出顾客体验评分为0.7116。从得分上来看，客户对该购物网站的体验经济相对比较满意，但还有继续提高的空间。

3 总结

随着B2C电子商务的蓬勃发展，网上购物成为众多客户的选择之一，在激烈的市场竞争中，如何改善客户购物体验、提高客户体验质量，成为企业成功发展的关键因素之一。本文先是在引言部分介绍B2C电子商务发展的实际情况，然后借助模糊综合评价法分析相关数据并进行合理地实证分析，构建了相关指标体系，并分别求出各个指标的权重，根据实例分析，构建顾客评价公式分析顾客体验评价值达到0.7116，根据这个分析结果可以认为公司的顾客对于网页体感相当满意。本文数据主要是来源于问卷调查，并且相关数值都是经过专家进行分析，使得本文分析法更加科学、合理，更加具有参考意义。本文的研究为B2C电子商务企业提供了评估客户体验新途径，为企业吸引客户、增强发展活力提供了一定的参考。

参考文献：

[1]Lee P M.Behavioral Model of Online Purchasers in E-Commerce En⁃vironment[J].Electronic Commerce Research,2002,(2).

[2]周巧,王宪云,朱明敏等.基于客户体验的电子商务平台客户关系管理探究[J].科技视界,2013,(25).

[3]毕达天,邱长波.B2C电子商务企业-客户间互动对客户体验影响机制研究[J].中国软科学,2014,(12).

[4]李恒.B2C电子商务客户体验实证分析——以鞋类电子商务为例[J].嘉兴学院学报,2013,25(2).

[5]裴一蕾,薛万欣,李丹丹.B2C电子商务物流企业顾客体验模型研究[J].价值工程,2016,35(4).

[6]邓新婷.B2C电子商务顾客体验影响因素研究[D].桂林：桂林电子科技大学硕士论文,2015.