网约专车出行服务的乘客满意度模型

(1.中国科学院行为科学重点实验室，中国科学院心理研究所，北京 100101;2.中国科学院大学心理学系，北京 100049)

1 文献综述

网约专车是由网约车(专车)平台、政府共同认证的企业或私人车主，主要通过手机等移动设备完成订单预约，全职或兼职为有乘车需求的乘客提供接送服务(百度百科,2015)。随着移动互联网的不断发展，尤其是智能手机的快速普及，网约专车的发展十分迅速，网约专车的出现缓解了城市出租车运力不足、出行效率低的打车难问题(罗兰贝格管理咨询公司,2015)。2016年，中国已成为全世界最大的网约车市场(中国消费者协会,2016)。截至2016年12月，中国网约专车用户规模为1.68亿，比2016年上半年增加4616万，网约专车用户在网民中占比为23.0%，比2016年上半年提升5.8个百分点(中国互联网络信息中心,2017)。同时，网约专车频频曝光的许多问题，如乘客安全问题，投诉困难等问题严重影响到以提供优质的用户体验为核心竞争力的网约专车企业的发展(熊建,2016)。以往关于网约专车满意度的研究仅关注了消费者对打车软件的满意程度，并没有对网约专车出行的整体满意度进行研究(赖龙威,2015)。本研究的目的在于探讨影响网约专车乘客满意度的相关因素。

1.1 网约专车出行服务的特点

网约专车出行流程为：乘客下载网约专车软件，然后通过网约专车软件发出订单，软件采用智能匹配的方式给乘客分配最优司机，乘客乘坐网约专车，到达目的地，乘客支付、评价，完成此次网约专车出行。在这个网约专车流程中网约专车软件系统提供从乘客注册、下单到支付的闭环体验；平台客服提供乘客应享有的问题咨询、投诉处理等服务体验；线下乘车环节提供从约定地点接乘客、乘客乘车、到达目的地的完整体验服务。

相比于传统出租车行业，网约专车出行服务的特点主要表现在以下几个方面：

(1)网约专车软件系统服务特性：网约专车软件如同其他手机软件一样，离不开后台系统的支持。软件系统可用性、流程简易程度、系统稳定性、导航是否精准、系统反馈速度、接单反应速度、订单无法取消等，直接影响着乘客的直观体验。中国消费者协会(2016)指出，网约车软件体验不佳会给消费者带来困扰。

(2)网约专车平台客服服务特性：网约专车客服是为乘客提供在线服务、线下乘车服务的补充服务，如乘客投诉司机爽约，获取相应的补偿、软件无法使用向客服求助、因系统原因无法在线支付等等，乘客向客服求助往往带着情绪而来，所以，能否便利地联系到客服、客服响应速度、客服处理能力直接影响到乘客的网约专车出行感受(罗兰贝格管理咨询公司,2015)。

(3)线下乘车体验特性：相对于普通的出租车，网约专车更加方便(张学军,2016)，此外网约专车导入了多样化的运营车辆和社会车辆，这些在配置上优于出租车的多样化的车型满足了乘客多样化、个性化的出行需求，网约专车对司机提供的服务有着更高的要求，网约专车的“体验”就体现在对乘客更尊重的对待，提供更舒适的乘车环境。网约专车司机是否守时、驾驶技术是否熟练、是否识路、服务是否贴心等等都会直接影响到乘客的乘车体验。

(4)风险性：网约专车的司机有部分是来自于兼职，网约专车平台的审核力度不强，司机质量参差不齐(张学军,2016)，导致经常有乘客信息泄露(唐清利,2015)、乘客生命安全受到威胁、乘客财产受损、订单信息与实际车辆不一致等安全问题频发(夏振彬,2016)，还会产生车况不佳、保险缺失等问题(张学军,2016)，网约专车自诞生之日起，风险就一直是人们关注度较高的话题。

1.2 传统出租车服务乘客满意度模型与网约车软件满意度

从上述网约专车的特点来看，网约专车作为一种新兴事物，是传统出租车服务与网约车软件融合的结果。因此，虽然已有研究并未从整体上探讨网约专车的乘客满意度，但可借鉴传统出租车乘客满意度和网约车软件满意度的研究结论。

传统出租车行业的乘客满意度可由5个大项测评：安全行车、车况车貌、优质服务、合理收费、服务管理，该5大项共包含24个小项，前4项主要针对单个出租车，第5项主要针对出租车公司(沈华,2003)。

在网约车软件满意度的相关研究中，李成功(2015)结合美国用户满意度理论，提出了手机打车软件的用户满意度模型，模型包含系统支持、实体服务、安全性、价值感知、有用性、用户满意和用户忠诚度几个部分，系统支持影响实体服务、价值感知、安全性、有用性，价值感知和有用性影响用户满意，用户满意进而影响用户忠诚度。林玉川(2014)结合计划行为理论、创新扩散理论和技术接受模型提出了移动打车软件的用户使用模型，模型包括感知易用性、感知有用性、兼容性、主管规范、感知风险、感知娱乐、感知价格水平、使用态度和使用意向几个部分，模型如图1所示。

图1打车软件用户行为模型

1.3 顾客满意度指数模型

除了参考传统出租车和网约车软件满意度的研究外，也借鉴了一般性的顾客满意度研究。顾客满意度是指顾客在享受某项服务或使用某种产品以后，形成的满意或者不满意的态度。前人构建了不同的顾客满意度测量模型，其中，由Fornell等人创建的美国顾客满意度指数(ACSI)模型，是目前体系最完整、应用效果最好的一个顾客满意度理论模型(Fornell & 刘金兰,2006)。它以顾客的感知为基础，测量顾客总体满意的情况，将用户满意度置于一个相互联系的因果关系中，包含6个结构变量，感知质量、感知价值、用户期望、用户满意度、用户抱怨和用户忠诚度，变量间的关系如图2所示，其中“+”表示正相关，“-”表示负相关。感知质量、感知价值和用户期望是用户满意度的原因变量，用户满意度是最终追求的目标变量，而用户的满意度会影响两个结果——用户抱怨和用户忠诚度。模型中每个结构变量都是潜变量，不能直接测量，通过一个或多个观测变量，而观测变量则通过实际调查收集数据得到。该模型广泛应用于各类商品的满意度测评，传统出租车满意度研究中也常以此模型作为理论基础。将ACSI模型应用于网约专车乘客满意度研究，一方面是因为ACSI模型以用户为中心的思想与网约专车服务一致，另一方面是因为将系统的用户满意度理念引入到网约专车的乘客满意度评价中，可以让网约专车的相关提供商、供应者明确和理解其宗旨，为乘客提供更好的服务。

图2美国顾客满意度(ACSI)模型

2 网约专车出行乘客满意度模型构建及研究假设

针对网约专车服务的特点，结合现有研究，在ACSI模型的基础上，构建网约专车乘客满意度模型。模型中各变量的定义及影响关系如下：

2.1 变量定义

乘客期望：网约专车的乘客期望是指乘客在使用网约专车出行服务时对网约专车软件服务的期望和专车乘坐体验的期望。

感知质量：网约专车出行服务的质量感知是指顾客在使用网约专车出行服务过程中对网约专车软件、网约专车平台服务、线下乘车体验的服务质量感知。

张雍(2015)根据感知价值的相关理论，结合移动互联网服务现状，从感知利益(利得)、感知风险(利失)2个因子来定义移动互联网服务的感知价值；万苑微(2011)结合网上消费的特点，从感知利益(利得)、感知风险(利失)、购买成本这3个因子来定义线上消费的感知价值。网约专车出行服务的感知价值，也同时包含了感知利益、感知风险、购买成本。因为网约专车的购买成本受影响的因素太多，不同的距离、不同的车型、不同时段的优惠力度等等，较难测量，而网约专车的风险一直备受关注，所以，本模型将ACSI模型中的感知价值分为感知利益、感知风险两个独立的变量进行考量。

感知利益：网约专车出行服务的感知利益是指乘客在服务中感知到的对自己有利的价值。

感知风险：网约专车出行服务的感知风险是指乘客在使用过程感知道对自己造成损失的可能性。

乘客满意度：网约专车出行服务的乘客满意度是指乘客在使用网约专车出行服务的过程中及一段时间后对其所感受到的乘客体验和各种服务的感受所形成的最终的满意程度。

乘客抱怨：网约专车出行服务的乘客抱怨是指乘客对网约专车出行服务表达的不满。

乘客忠诚度：网约专车出行服务的乘客忠诚度是指乘客再次使用网约专车出行服务的可能性，是乘客内在积极态度、性格、偏好和外在重复行为的统一。

2.2 变量间关系及研究假设

根据ACSI模型，用户期望与用户的感知质量、感知价值、用户满意度均成正相关；万苑微(2011)认为在线上购物行为中，张雍(2015)认为在移动互联网的服务中，感知风险负向影响感知价值，感知利益正向影响感知价值。因此，本文提出以下假设：

H1a：乘客期望正向影响感知质量

H1b：乘客期望正向影响乘客满意度

H1c：乘客期望正向影响感知利益

H1d：乘客期望负向影响感知风险

万苑微(2011)认为，线上打车软件和线下乘车服务的服务质量会正向影响乘客的感知利益、负向影响乘客的感知风险。由此本文推测，网约专车服务的感知质量对乘客的感知利益与感知风险起到同样的作用。中国消费者协会(2016)在《2016年网约车服务体验式调查报告》中指出，网约车软件服务质量低，如不能取消订单，平台无法提供便捷的联系方式；专车司机服务意识薄弱提供的服务质量低，让乘客越会觉得乘坐网约专车的风险性高，会为乘客的满意度大打折扣。综上所述，本文提出假设：

H2a：感知质量正向影响感知利益

H2b：感知质量负向影响感知风险

H2c：感知质量正向影响乘客满意度

罗兰贝格管理咨询公司(2015)认为，网约专车包含线上软件服务和线下乘车服务，正是这两者提供了优质的服务才让乘客选择网约车出行，因此，本文推测，乘客的在感知利益与乘客满意度正相关，故假设如下：

H3：感知利益正向影响乘客满意度

网约专车的乘客有可能会面临到司机抢劫、恐吓、辱骂、殴打乘客(罗兰贝格管理咨询公司,2015)，产品功能缺陷(Fornell和刘金兰,2006)，隐私信息缺乏保障(万苑微,2011)等等风险，而这些风险会影响到乘客的出行体验，极大的降低乘客的满意度。故假设如下：

H4：感知风险负向影响乘客满意度

根据ACSI模型，顾客满意度越高，顾客抱怨越少，顾客忠诚度越高。由此，本文提出假设：

H5a：乘客满意度负向影响乘客抱怨

H5b：乘客满意度正向影响乘客忠诚度

H6：乘客抱怨负向影响乘客忠诚度

综合以上假设，本研究提出的网约专车乘客满意度模型如图3所示：

图3网约专车乘客满意度模型

3 研究方法

3.1 研究样本与数据收集

本研究包含一个预调查和一个正式调查，被试均为有过网约专车使用经验的成年人。预调查的目的是对问卷的问题描述与语言表达进行调整，56名被试参加了预调查。根据预实验的反馈，对问卷进行了修订，进一步明确了问题的描述，减少了语言文字的歧义。正式调查使用问卷星发放网络问卷300份，剔除了做答不认真的被试，如：全部选择一个答案的被试，共回收有效问卷267份，有效率为89%。

3.2 测量工具

ACSI来源变量：根据ACSI的测量模型及网约专车行业特点进行编制，将原量表题项中的描述对象替换为“网约专车”，如“您的总体满意度为”改为“您对网约专车的总体满意度为”，其中乘客期望、乘客满意度分别包含3道题。

感知质量：根据网约专车行业特点，将其分为3个子维度，“APP软件服务感知质量”综合了张雍(2015)开发的10道题与中国消费者协会(2016)报告提出的4道题，共14道题；“对线下乘车服务质量的感知质量”，综合了张雍(2015)开发的12道题和中国消费者协会(2016)报告提出的5道题，共17道题；“对平台的感知质量”，采用了中国消费者协会(2016)报告提出的5道题。

感知利益：本研究采用了张雍(2015)开发的3道题和中国消费者协会(2016)报告梳理出的4道题，共7道题。

感知风险：本研究采用了张雍(2015)开发的3道题和(中国消费者协会(2016)报告梳理出的3道题，共6道题。

乘客抱怨：本研究参考了Dominique Crie?(2003)和陈姝(2014)将抱怨分为负面口碑、直接抱怨、采取法律行动、什么也不做，退出共4种类型；具体采用了陈红(2013)开发的9道题。

乘客忠诚度：本研究采用了蔡丽梦(2016)开发的6道题。

题项均为原题，或将描述对象修改为“专车”。

本研究中所有量表均为Likert五点量表。

3.3 分析方法

本研究采用SPSS和AMOS对研究数据进行统计分析，分析方法包括描述性统计、相关分析、项目分析、验证性因素分析和路径分析。

4 结 果

为了避免共同方法偏差，对问卷进行哈曼单因素检验，未旋转抽取的第1个因子解释的变异量为30.80%，小于40%，说明本研究的共同方法偏差问题不严重，可以进行后续分析。

被试人口统计学情况如表1所示。

表1 被试人口统计学情况(n=267)

4.1 项目分析

为了确保本研究所采用的题项具有良好的区分度，首先进行了项目分析，采用临界比率法，结果显示，CR值均显著(p<0.001)，题项的区分度良好，可以进行后续分析。

4.2 验证性因素分析

为了确保本研究所采用量表的结构效度，对问卷进行验证性因素分析，模型拟合指标见表2，结果显示，模型拟合良好。

4.3 描述性统计及相关分析

各变量的描述性统计、内部一致性系数及相关分析结果见表3。

4.3 路径分析

使用AMOS进行路径分析，模型拟合指标为：χ2=119.89，df=21，χ2/df=5.71，RMSEA=0.13，GFI=0.92，AGFI=0.92，IFI=0.92，CFI=0.92，模型拟合较好。标准化路径系数如图4所示，乘客期望、感知质量和感知利益对乘客满意度有正向影响，感知风险对乘客满意度有负向影响；乘客满意度正向影响乘客忠诚度，负向影响乘客抱怨；感知质量正向影响感知利益，负向影响感知风险；乘客抱怨对乘客忠诚度有负向影响。

表2 验证性因素分析模型拟合指标

注：ACSI来源变量为来自ACSI原量表的两个变量：乘客期望、乘客满意度。

表3 相关分析

注：*p<0.05(双侧),**p<0.01(双侧)，对角线上为内部一致性系数。

注：0.05

图4网约专车乘客满意度模型路径分析图

5 讨 论

本研究基于ACSI模型，结合中国网约专车出行服务的特点，构建了网约专车乘客满意度模型，并结合已有量表和行业报告开发了适用于网约专车乘客满意度模型的测量问卷，该模型由乘客期望、感知质量、感知利益、感知风险、乘客满意度、乘客抱怨与乘客忠诚度六个变量构成，其中感知质量包括平台服务感知质量、线下乘车服务感知质量和APP软件服务质量三个子维度。采用了问卷调查法对模型进行了验证。

研究结果显示，乘客期望正向影响感知质量和乘客满意度，假设H1a、H1b得到验证，这可能是因为对网约专车有较高期望的乘客对网约专车持更积极的态度，因此感知到的质量更好，满意度更高。乘客期望对感知利益和感知风险没有影响，假设H1c和H1d没有得到验证，可能是因为在现阶段，乘客对网约专车的期望主要是对网约专车的服务质量方面的期望，而对感知利益、感知风险的直接期望并不明显。

感知质量正向影响感知利益与乘客满意度，负向影响感知风险，假设H2a，H2b和H2c得到验证，这表明网约专车的服务质量的提高，确实能够提高乘客对网约专车的感知利益、降低对网约专车的风险感知、提升满意度。感知利益正向影响乘客满意度，感知风险负向响乘客满意度，假设H3和H4得到验证，这意味着提升网约专车的服务质量能够提高乘客对网约专车的利益感知，进而能提高乘客对网约专车的满意度；同时服务质量的提高会降低乘客对风险的感知，风险感知降低了，乘客的满意度也会随之而上升。

乘客满意度负向影响乘客抱怨，假设H5a得到验证，乘客的满意度越高，抱怨越低，与实际相符。乘客满意度正向影响乘客忠诚度，假设H5b得到验证，网约专车乘客满意度感知较高的乘客，更愿意再次乘坐网约专车，忠诚度也会有提升。

乘客抱怨对乘客忠诚度的负向影响边缘显著(p=0.063)，假设H6得到验证，从整体趋势上看，抱怨越多，乘客对网约专车的忠诚度越低，然而现阶段网约专车的替代品有限，乘客即使有抱怨也可能因为缺乏合适的替代品而选择继续使用，因此造成了抱怨和忠诚度仅为负向的边缘显著。随着共享经济的发展，可替代网约专车产品的增加，乘客可选择的变多，抱怨对乘客忠诚度的影响应呈负向趋势。

本研究的理论意义：基于ACSI模型，构建了适应于中国网约专车出行服务特点的乘客满意度模型，并分析了模型中各相关因素的作用关系，为网约专车乘客满意度测评提供了一个可靠和合理测评方法。相比于以往的网约车的满意度研究，本研究基于ACSI模型，对乘客满意度的感知质量和感知价值两个变量的分析更加系统和详细。首先：本研究将感知质量分为平台服务感知质量、线下乘车服务感知质量、APP软件服务感知质量三个维度。在以往的网约车研究中，张雍(2015)将网约出租车的服务质量分为软件服务质量和线下乘车体验；叶寒青(2017)采用了采用了SERVQUAL量表，没有对感知质量进行维度的划分；中国消费者协会(2016)在手机打车软件用户满意度研究中将手机软件的服务分为系统支持(软件支持)和实体服务(乘车体验)，他们的研究都没有指出平台服务质量的作用，本研究证实了平台服务的感知质量在感知质量中的重要作用。其次：以往ACSI模型的应用中，如黄承启(2012)、张一(2015)、刘京娟(2011)、叶寒青(2017)等人在中在传统汽车行业、旅游、移动搜索的研究里，均将感知价值作为一个单一的变量进行研究，考虑到网约专车的风险特性，本研究将感知价值拆分为感知利益与感知风险两个单独的变量，拓展了ACSI模型的应用。。

本研究的实际意义在于：网约专车乘客满意度模型，有助于网约专车出行服务的企业了解到哪些变量是影响乘客使用该服务的关键变量，协助企业调整、优化运营及品牌营销策略，从而帮助企业增加乘客黏性、增加市场占有率。比如：完善网约专车的平台服务质量，优化乘客联系客服的流程，提升平台客服的服务速度、质量，都能有效地提高乘客对网约专车的服务质量感知。在本阶段乘客较在意线下乘车体验，如何提升线下乘车服务质量，特别是专车司机个人行为、专车乘坐环境等是网约专车出行服务的提供商应重点考虑的关键方面。

本研究有以下几方面的不足之处：第一，本研究采用方便取样法且被试多集中在一线城市，未来的研究可以补充中小型城市和乡镇中的网约专车乘客满意度情况；第二，本研究变量均使用量表测量，未来研究可以结合网约专车的实际使用频率、订单打分和投诉情况等作为乘客忠诚度、乘客满意度与乘客抱怨的指标；第三，本研究处于网约专车快速发展，市场份额集中在少数品牌的阶段，未来研究可以结合互联网产品所处发展阶段、供求关系等维度来研究用户抱怨和用户忠诚度；第四，本研究采用横断面研究，未来可采用纵向研究探索服务的改进对乘客满意度的提升作用。

研究展望：随着共享经济的发展，网约专车出行服务会越来越发达，网约专车的业态也会越来越丰富，如现在兴起的网约自行车(如摩拜单车、OFO、1步单车、快兔出行)等等，因此对于网约专车用户满意度测评的研究也会面临新的课题：如网约自行车的用户满意度影响因素会有哪些特别的要求，软件APP的服务质量感知、线下骑车体验感知等等，这些都需要进行进一步的研究。