基于CCSI的物流配送服务顾客满意度测评模型

傅志妍，刘柯良，黄 勇，陈 坚

(1. 重庆交通大学 交通运输学院，重庆 400074； 2. 重庆第二师范学院 经济与工商管理学院，重庆 400067)

0 引 言

随着互联网信息技术的迅速发展，网民与网购用户数量持续增长，电子商务规模持续扩大。2018年，中国电商物流全年业务收入超过6 000亿，共计处理约507亿件快递包裹，高峰时期平均每天处理约4.2亿件，物流配送行业已呈现井喷式发展态势。在电商物流发展初期，物流企业以价格竞争模式占有市场，易产生配送时间延误、信息不准确、快件丢失缺损、工作人员服务态度不友好等问题。近年来，随着配送市场趋于更加稳定成熟，企业竞争已逐渐转变为注重顾客服务体验的质量竞争模式，研究物流配送服务顾客满意度将针对性地提升物流配送服务水平，改善顾客对服务的切实感受。

已有的国内外学者关于物流配送服务满意度研究主要集中于满意度影响因素构念的探索，缺乏影响因素之间定量关系分析。G.TONTINI等[1]研究发现，安全性、可靠性、灵活性等因素对第三方物流配送服务顾客满意度和忠诚度具有非线性影响；E.RABINOVICh等[2]认为，快递物流服务质量是影响B2C顾客满意度的关键因素；R.SHASHANK等[3]研究发现，物流配送费用、服务质量是影响顾客满意度和忠诚度的关键因素；张炎亮等[4]认为，企业形象、物流运行质量、服务水平、物流成本等因素对第三方物流配送服务顾客满意度有着显著影响。目前关于物流配送服务满意度测评，主要采用模糊综合评价法、熵权法等，但各因素的权值赋予方法有待商榷，影响因素对满意度的影响关系亦缺乏精确量化。I.VLACHOS[5]建立了第三方物流企业顾客满意度概念模型；刘明等[6]基于SERVQUAL模型构建了快递物流企业服务质量的评价指标体系；王欣[7]将熵权法与模糊综合评价法相结合构建了快递企业服务质量的评价指标体系。笔者基于中国顾客满意度指数模型，结合服务质量理论、消费行为学理论构建了物流配送服务顾客满意度测评模型，拓展了满意度影响因素的构念维度，并运用结构方程模型对各影响因素之间的定量关系进行了验证，从改善顾客心理体验角度为提高物流配送服务质量提供了理论支撑。

1 基础理论

中国顾客满意度指数模型(China customer satisfaction index，CCSI)由中国标准化研究所与清华大学于2002年共同提出，是中国首个全品类顾客满意度测评模型。CCSI模型结合消费行为学和营销学相关理论，基于美国顾客满意度指数模型(ACSI)与欧洲满意度指数模型(ECSI)的核心架构，以期望质量替代顾客期望，删除顾客抱怨变量，并结合中国国情新增了品牌形象变量，将顾客自身作为质量评价主体，顾客需求作为质量评价标准，认为顾客满意度取决于顾客对产品或服务的期望质量与感知质量的比较以及企业品牌形象的共同作用。CCSI模型核心框架见图1。

图1 CCSI模型框架Fig. 1 CCSI model framework

CCSI模型描述了顾客对产品或服务的消费认知过程，将顾客整体满意度置于一个相互影响、相互关联的因果互动系统中，能够解释消费过程与整体满意度之间的关系，已被广泛应用于社会学、管理学等各个研究领域。但CCSI模型变量的解释能力有限，需对CCSI模型进行适应性的改进(包括融入新变量与调整路径关系等)[8]，以期获得更具有行业针对性、更高解释能力的满意度测评模型。

2 模型构建

2.1 研究假设

笔者结合C.GRÖNROOS[9]的感知服务质量理论以及物流配送系统的服务特性，将CCSI模型中的感知质量、期望质量具体化为感知服务质量、期望服务质量，基于CCSI模型既有路径关系，提出研究假设：感知服务质量对顾客满意度具有正向直接影响(H1)；期望服务质量对顾客满意度具有负向直接影响(H2)；品牌形象对顾客满意度具有正向直接影响(H3)；期望服务质量对感知服务质量具有负向直接影响(H4)；品牌形象对期望服务质量具有正向直接影响(H5)；顾客满意度对顾客忠诚度具有正向直接影响(H6)。

CCSI模型中的感知质量侧重于评判顾客对产品或服务的真实质量感受，感知价值则指产品或服务的质量相较于其价格在顾客心中的感知地位。考虑到物流配送服务顾客满意度更关注影响因素作用贡献究竟是质量致胜还是价格领先，以感知服务质量与感知服务费用替代感知价值，直接探究质量与价格对顾客满意度的影响，并结合消费行为学理论提出研究假设：感知服务费用对顾客满意度具有负向直接影响(H7)。此外，由于笔者研究变量间的直接影响效应，故对CCSI模型中的品牌形象对感知服务质量的间接影响路径予以剔除。研究假设路径关系见图2。

图2 研究假设Fig. 2 Research hypothesis

2.2 变量测度

为定量描述模型中不可直接观测的潜变量，需以观察变量(测量题项)对其进行构念测度。考虑到期望服务质量、感知服务质量、品牌形象3个潜变量的构念含义较为复杂，涉及多维度、多层次内容，若直接以测量题项表征可能造成构念解析力度不够、被调查对象不易理解等问题，故对感知服务质量、期望服务质量、品牌形象分别设立一级测量指标和二级测量题项。结合C.GRÖNROOS[9]的感知服务质量模型，以大众口碑、过去经验、个人需求作为期望服务质量的一级测量指标，以信息服务、配送服务以及售后服务过程中的服务质量作为感知服务质量的一级测量指标，并将认知形象、服务形象、社会形象作为品牌形象的一级测量指标，而感知服务费用、顾客满意度、顾客忠诚度的构念相对简单，可直接设立二级测量题项。采用李克特五点评分量表对不可直接观测的潜变量进行测度，具体变量测度见表1。

表1 变量测量题项Table 1 Variable measurement items

2.3 结构方程模型构建

结构方程模型(structural equation model, SEM)以观察变量对概念抽象、不可直接观测的潜变量进行测度。该模型基于变量的协方差矩阵分析变量间的相互作用关系，并允许自变量和因变量均可含测量误差，是多元数据分析的重要工具，在心理学、社会学等研究领域已有广泛应用[10-12]。

SEM借助因子分析计算潜变量与观察变量间的因子载荷系数，以此表征二者之间的关系，进而得到潜变量的观测值，并可同时以此观测值分析多个因变量之间的相互影响关系，有效避免分析自变量与因变量之间的影响作用时所受到其他因变量的干扰。SEM包括测量模型与结构模型两部分。测量模型描述外生潜变量ξ与外生显变量X之间、内生潜变量η与内生显变量Y之间的关系；结构模型描述内生潜变量η与外生潜变量ξ之间的关系。

测量模型如式(1)：

(1)

式中：X为由12个外生显变量(B1～B9、PC1～PC3)构成的向量；ξ为由2个外生潜变量(品牌形象BI、感知服务费用PC)构成的向量；ΛX为X对ξ的因子载荷矩阵；δ为由X的观测误差构成的向量；Y为由25个内生显变量(E1～E9、P1～P9、CS1～CS3、CL1～CL3)构成的向量；η为由4个内生潜变量(期望服务质量EQ、感知服务质量PQ、顾客满意度CS、顾客忠诚度CL)构成的向量；ΛY为Y对η的因子载荷矩阵；ε为由Y的观测误差构成的向量。

结构模型如式(2)：

(2)

式中：B为内生潜变量η的结构系数矩阵，反映模型中内生潜变量间的作用大小；Γ为外生潜变量ξ的结构系数矩阵，反映外生潜变量ξ对内生潜变量η的作用大小；ζ为内生潜变量的误差向量。

2.4 模型求解及检验

运用Mplus软件对模型进行参数估计，并检验模型所生成的测量变量协方差矩阵与样本协方差矩阵的接近程度(拟合度)。模型拟合度越好，参数估计结果越准确。

拟合度检验指标包括卡方自由度比(χ2/df, 亦称规范卡方)、近似误差均方根(RMSEA, root mean square error of approximation)、比较拟合指数(CFI, comparative fit index)、非规范适配指数(TLI, tacker-lewis Index)、标准化残差均方根(SRMR, standardized root mean square residual)。其中，良好的模型适配度要求如下：χ2/df属于(1, 3)范围内；RMSEA、SRMR均小于0.08；CFI、TLI均大于0.90。

3 实证分析

以重庆市的城市居民为调查对象进行物流配送服务满意度研究。在设计初始问卷基础上，通过预测试收集的数据检验问卷的信度和效度，并进行一阶测量模型与二阶测量模型的适用性分析，根据测试结果适当调整问卷测量题项得到最终问卷。于2019年6月发放正式离线调查问卷550份，剔除不认真填答、缺失值个数大于3、连续选择极端值超过5个的样本，最终共回收有效问卷518份，有效回收率94.19%，有效样本数量达到问卷测量题项数目(37个)的10倍以上，符合R.B.KLINE等[13]提出的经验准则。

3.1 描述性统计分析

本次调查所得的518份有效问卷中，受访者男女比例均在50%左右，年龄主要集中在18～40岁之间(75.17%)，受教育程度多为本科层次(33.58%)，平均每月使用物流配送(寄递)服务次数最多的为1～2次(62.40%)，具体统计信息见表2。

表2 问卷描述性统计信息Table 2 Descriptive statistic information of questionnaire

3.2 信度与效度分析

由表3，表4可知，各潜变量的组合信度值(CR, composite reliability)均大于0.8，表明模型潜变量的测量指标之间的内部一致性较好。一级测量指标与二级测量题项的因子载荷均大于0.7，各变量的平均方差抽取量(AVE, average variance extracted)均大于0.5，且AVE值的平方根均大于与其他变量间的皮尔森相关系数，模型的区别效度较好。综上，模型具有良好的信度与效度，计算结果可被接受。

表3 因子载荷系数Table 3 Factor loading coefficient table

表4 皮尔森相关系数Table 4 Pearson correlation coefficient table

3.3 模型适配度检验

利用Mplus软件对模型适配度进行检验，相关检验指标计算结果见表5。由表5可知，χ2/df、RESEA等检验指标均在可接受的范围内，模型拟合度符合检验标准。

表5 模型适配度检验结果Table 5 Test results of model fitness

3.4 路径分析及假设检验

以标准化路径系数反映各变量间的影响作用大小(负号表示负向影响作用)，结构方程路径系数及假设检验结果见表6，结构方程模型标准化路径分析结果见图3。各潜变量对顾客满意度的影响作用按标准化路径系数大小排序依次为感知服务质量、感知服务费用、品牌形象、期望服务质量，说明顾客对物流配送服务质量的重视高于服务费用，且物流配送企业的品牌形象也备受关注；品牌形象、期望服务质量对感知服务质量的标准化路径系数分别为0.59、-0.32；顾客满意度对顾客忠诚度标准化路径系数为0.83，影响显著。各潜变量之间的标准化路径系数计算结果见表6，变量间的影响关系均达到95%置信度的显著性(P<0.05)，故关于潜变量的7个假设均成立。

表6 结构方程路径系数及假设检验结果Table 6 Path coefficient of structural equation and hypothesis test results

图3 结构方程模型标准化路径分析结果Fig. 3 Standardized path analysis results using structural equation model

4 结 语

在CCSI模型的基础上，以感知服务质量、感知服务费用诠释感知价值，研究质量与价格对满意度的影响贡献，构建了物流配送服务顾客满意度测评模型。运用结构方程模型对潜变量与测量变量以及各潜变量之间的影响关系进行了具体化描述，进行了重庆市居民的实证分析，定量验证了模型中变量的相互影响关系，表明该模型能够从心理感知角度描述物流配送服务中顾客满意度情况，但其对于不同社会群体的适用性有待进行进一步研究。