“互联网+”对物流末端配送服务的影响

张 静， 刘晓平

(北京邮电大学，北京 100876)

随着我国消费结构的升级和内需的不断扩大，物流业在经济发展中的地位稳定提升，对提升国民经济生产效率和推动居民消费增长的作用日渐显现。据国家邮政局统计，2016年我国快递业务量累计达到321.8亿件，日均服务量达1.7亿人次，累计业务收入近4000亿元[1]。虽然物流快递服务已成为企业生产调度和人们日常生活的必需品，但快递服务质量的提升与业务量的增长并不成比例，物流末端配送服务的质量问题已成为制约行业发展的瓶颈。“互联网+”使物流行业末端配送市场迎来了来自物流园区经营者、互联网跨界者、快递公司创业者及具有3PL基因团队的多方参与[2]。市场参与者的多元化使处于市场中的每个企业都面临强大的竞争压力，谋求服务质量提升成为新形势下物流企业发展转型的关键所在。

本文通过对主要服务质量模型的比较研究，围绕用户核心，从服务期望、服务感知和服务质量三个维度探讨“互联网+”背景下影响末端配送服务质量的因素，以此为基础构建物流企业末端配送服务质量的结构方程模型并进行实证验证，探寻物流企业末端配送服务提升路径。

一、模型构建依据

20世纪70年代，由于科学管理原则对服务业的不适用性而导致的“管理陷阱”，学者们开始关注以客户满意度为中心的服务质量问题。Grönroos最先将心理学的相关理论引入服务管理，提出了客户关系价值理论，强调客户感知价值对企业经营的影响，认为客户对服务的评价受客户心理预期和客户在接受服务过程中的实际感知的影响[3]。其中，客户对服务的预期来自营销沟通、服务企业形象、其他顾客的影响以及客户对服务的需求等因素的综合作用，而客户对服务的感知主要来自对服务所实现的功能结果的评价和对服务过程的评价，具有一定的主观性。

Lewis 和 Booms认为，从概念上来说，客户对服务的预期(E)与对服务的感知(P)二者之间的差值构成了服务质量，可以用等式SQ=P-E表示[4]。此后，学界对基于客户感知的服务质量展开了深入研究，以Parasuranman、Berry和Zeithaml(以下简称PBZ)提出的SERVQUAL模型影响最为广泛。SERVQUAL模型是用来获取用户对服务的期望和感知的多维研究工具，包括用以评价服务质量的5个方面22个测量项目。PBZ将服务质量定义为通过服务体验的实际感知，客户对之前的服务消费预期进行确认或否定的过程[5]。客户的服务感知及其对服务的期望存在差别，这种差别可以用服务质量差距模型进行描述。基于“期望—差距”范式，服务质量差距模型确定了衡量服务质量的主要维度以及可能导致服务质量问题的原因，为SERVQUAL的普遍应用提供了概念框架[6]。SERVOUAL量表通常具有良好的信度和效度，能明确测量影响服务期望和感知的各个维度的相对重要程度。其后，学界关于服务质量的研究大多是基于SERVQUAL模型的改进，包括增加维度、运用新方法评估质量感知等。

二、模型构建

(一)测度变量描述

通过对经典的服务质量理论和模型的研究，结合对物流企业末端配送服务用户调查的分析，本文从客户服务期望、服务感知和服务质量三个维度入手，研究物流末端配送服务质量评价问题，并通过13个显性变量的定义对其进行测度，如表1所示。

(二)概念模型及假设

基于以上各项工作，本文构建物流企业末端配送服务质量的结构方程概念模型，如图1所示。

表1 测度变量描述及含义

并提出假设如下：H1，客户服务期望对服务感知具有显著的正向影响；H2，客户服务感知对末端配送服务质量具有显著的正向影响；H3，客户服务期望对末端配送服务质量具有显著的正向影响。

图1 物流末端配送服务质量的概念模型

三、实证分析与模型检验

(一)样本采集

根据上文测度变量的设置，本文设计了物流末端配送服务质量调查问卷，并采用专家访谈、组内试答、小样本测试等方式对问卷量表进行评价改进。问卷采用李克特(Likert Scale)7级量表[12]设计，调查过程合计发放问卷700份，回收698份，有效问卷643份，有效率92%。在回收的有效问卷中，单问题的样本容量均在641人以上，作答率超过99%，符合统计标准。

(二)信度、效度分析

信度反映了问卷统计结果的一致性、稳定性和可靠性程度。测量信度有多种方法，例如重测信度、复本信度、折半信度法、信度系数等[13]。Cronbach’s α系数是最为常用的信度评价方法。 由于该系数通常会随着被测项目之间相关性的增加而增加，因而可以用于信度测量的内部一致性估计。Cronbach’s α系数的计算公式为

效度主要是指测试项目对所要测量的变量的解释程度。效度的分类方法和评价方法都很多，通常效度可以分为内容效度、表面效度、结构效度等。本文采用结构效度分析，对问卷的效度进行评价。结构效度通常可以从探索性因子分析的结果中间接得到，而作为因子分析的前提，首先需要对统计数据进行KMO 检验和 Bartlett 球形检验。一般认为，全体量表问题的KMO≥0.8，Bartlett球形检验在0.05水平上显著，则该量表问题适合进行因子分析[15]。KMO测量主要用来对样本的适配性进行检验。本文检测全体样本的KMO值为0.816，Bartlett球形检验小于0.05，说明量表问题适合做因子分析，可以用于构建结构方程模型。

图2 物流企业末端配送服务质量影响路径

(三)模型生成与评价

本研究采用AMOS16.0作为研究工具，建立基于用户需求的物流企业末端配送服务质量模型的结构方程，使用样本数据拟合并修正后的模型如图2所示。

拟合优度的检测主要用于评价样本数据是否支持研究中的假设，通过对模型拟合度的分析，可以判断一个模型是否可以被接受。常用的拟合优度指标主要有卡方X2和X2/df检验、拟合优度指数(GFI)和调整拟合优度指数(AGFI)、增量拟合指数(IFI)、比较拟合指数(CFI)和近似误差均方根(RMSEA)等。按照各指标的通用检验标准，该模型的整体拟合度均处于标准值域之内，表示拟合度很好，样本数据支持本文提出的末端配送服务质量模型的假设。此外，结构方程模型的所有路径假设均通过小于0.05的显著性检验，表明模型中各路径均为有效路径。各路径系数均大于0，则可以证明两两要素之间的正相关关系。

综合以上分析，概念模型的假设H1、H2和H3得到验证。

四、结论与建议

(一)结论

通过结构方程路径分析，可以看出：首先从消费者角度来说，客户对物流末端配送服务质量的评价主要来自于其对该企业服务能力的期望，这种期望来自于消费者自身配送需求的迫切程度，同时，配送过程中的协调沟通情况和企业本身塑造的品牌形象也起到了重要作用。其次，消费者对服务的期望是影响其服务感知的重要因素。随着移动互联网的普及和“互联网+”的全行业推动，消费者配送服务的个性化需求进一步激发，强调差异化服务，追求客户体验提升成为塑造末端配送企业核心能力的重要手段。对物流配送企业来说，快速响应能力和配送服务的可靠性是消费者感知其服务能力的重要评价因素。最后，对于现阶段的末端物流配送企业来说，资源配置和服务过程因素仍然是评价企业服务质量的决定性因素。虽然在“互联网+”背景下外部环境的改变使得协同合作成为众多企业谋求改善和探索转型的方向，但就目前来看，无论从政策层面还是发展模式上，行业合作共赢的基础尚未成熟。

(二)建议

“互联网+”背景下，服务流程优化与服务过程中的沟通协调仍是现阶段影响消费者评价的主要因素，一套行之有效的动态配送调度与优化方法对提升末端物流配送企业的竞争力将会起到关键作用。首先，为提高配送效率，企业末端配送服务在建设自有配送人员队伍的基础上，可以考虑与物业、社区便利店、报刊亭等合作，设置代收服务点；或是与专业服务商合作，如“菜鸟驿站”、“小麦公社”、智能快递柜等。另外，发展城市共同配送点也是提供物流末端配送服务的有效途径。其次，通过企业标识、员工形象、配送设备、设施等外化物品直接强化消费者的企业印象的同时，加强和完善操作流程、服务规范、员工服务意识等企业软实力建设，积极参与社会活动，承担相应的社会责任，塑造良好的企业形象，从而提升消费者对企业的信任感与安全感。最后，强化新技术和科学管理方法在企业配送服务中的应用，塑造企业核心竞争力。未来企业的竞争更多是基于技术和算法的竞争，GIS、GPS、EDI、BarCode等技术已经在物流领域得到广泛应用，对物流运营效率的提升有目共睹。新的技术也已悄然成型，机器人、大数据、人工智能算法、云服务等正引导着物流业的发展方向，智慧物流将从根本上改变传统物流业结构的运营机制。