基于模糊综合评价法的电动汽车用户充电满意度分析

廖雨婷 吴亮 徐祥烽

[摘要]掌握电动汽车用户充电满意情况是提升充电运营商服务水平和推广新能源汽车的重要前提。为研究用户充电满意度的实际情况，构建一套量化的用户充电满意度评价指标体系，并利用层次分析法确定各级指标权重。通过问卷调查方式采集数据，运用模糊综合评价模型对数据进行综合评价，根据评价结果绘制四维矩阵图，找出提升用户充电满意度的关键改进因素。研究结果表明：当前电动汽车用户充电满意度属于一般水平，其中“价格感知”“充电便利性”“充电设备状况”三个因素是充电运营商的弱势区域，需重点关注并进行改善；“用户期望”和“售后服务”属于充电运营商的机会区域，可在适当时机进行改進。最后，根据研究结果，提出电动汽车用户充电满意度的提升策略。

[关键词] 用户满意度；层次分析法；模糊综合评价；充电服务

一、 引言

能源短缺、气候变化及空气污染是全球面临的严重问题，各个国家都在试图改变能源消耗方式，努力构建一个清洁、安全、稳定的能源供给体系。2020年中国在联合国大会上明确提出二氧化碳排放量力争在2030年前达到峰值、2060年前实现碳中和。“双碳”目标的实现既是我国生态文明建设的重要举措，又是应对全球气候变化的国家战略。电动汽车能够有效减少化石燃料消耗及温室气体排放，发展电动汽车不仅积极响应了国家“节能减排”的号召，还保障了能源开发及使用的安全，因此受到政府的大力推广。充电基础设施作为电动汽车的配套设施是其产业链中的关键组成部分，是影响新能源汽车产业发展的重要因素。2020年2月28日，充电桩被列为国家七大新基建领域之一，充电基础设施市场前景较好。目前，伴随充电服务行业发展的不断成熟，国家鼓励式政策逐步退出，充电服务行业将由政策驱动转向市场驱动，充电运营商只有以用户满意为导向，在掌握用户充电满意情况及充电需求的基础上，提升服务质量，才能在充电服务行业市场中获得竞争优势。

费鲁姆的期望理论表示，用户满意度是用户对产品/服务期望高于心理期望后所形成的一种感受，如果对产品/服务的评价超过心理期望值就会产生愉悦感而感到满意，反之则会感到不满意[1]。在对用户满意度进行研究时常会用到美国顾客满意度模型（ACSI）[2]、瑞典顾客满意度模型（SCBS）[3]及欧洲顾客满意度模型（ECSI）[4]等，ACSI和SCBS主要是一种针对企业、行业、经济部门和国民经济的新型市场绩效测度模型，包括客户期望、感知质量、客户满意、客户忠诚及客户抱怨等维度。ECSI是欧洲专家根据一系列要求开发出来的，该模型在继承ACSI和SCSB的核心概念和基础架构的基础上，创新地去掉了客户抱怨，加入了企业形象。ECSI主要包括6个维度：企业形象、顾客期望、感知质量、感知价值、顾客满意度以及顾客忠诚[4]。在用户满意度评价方法上，层次分析法和模糊综合评价法较为常见，说明这两种方法的结合运用能够有效解决用户满意度综合评价的问题。如董楠等借助因子分析法构建森林公园游客满意度评价指标体系，再利用模糊综合评价对游客总体满意度进行分析[5]；进一步地，赵宇晴等利用模糊理论和Kano模型对用户需求聚类并构建“需求-满意度”量化模型，实现用户满意度的定量分析[6]；陈祉如等基于改进的层次分析法，再结合模糊综合评价模型，实现对电能计量系统的综合评价[7]。在用户满意度评价的研究领域，现有研究主要集中在在线医疗服务[8]、高校图书馆[9]、网络平台[10]及银行服务[11]等领域，较少有研究关注电动汽车用户充电满意度问题，但随着充电市场的饱和以及新加入角色的不断增多，关注用户的充电需求成为该行业获取竞争优势的关键所在。

因此，本文在对用户充电行为进行实际调查的基础上，构建用户满意度评价指标体系，并借助层次分析法确定各指标权重，再运用模糊综合评价法对用户充电满意度进行综合评价，将评价结果利用四维矩阵法分设在四维矩阵中，从而直观分析充电运营商各指标评价结果，找出影响电动汽车用户充电满意度的关键因素，以此提出管理启示，为充电服务运营商提高用户满意度提供理论参考，促进电动汽车行业更快、更好地发展。

二、 电动汽车用户充电满意度测评指标体系确定

1. 用户满意度评价模型

根据ECSI的理论指导，借鉴刘新燕等[12]和赵利坤[13]的模型设计，得出本文用户充电满意度的评价模型图（图1）。其中，用户对充电服务的满意度不涉及企业形象，故将原有模型中的“企业形象”删除；另外，本文主要探讨用户充电满意度现状及关键影响因素，故将“用户忠诚”此项删除。最后，结合充电服务的实际情况，为更好地分析用户充电满意度由价格驱动的部分，去掉ECSI模型中的“感知价值”，增加独立变量“价格感知”。

“用户期望”是指电动汽车用户在接受充电服务前后感受的对比，用户将充电服务的实际体验与期望进行比较来评估充电服务的满意程度。期望与实际充电服务评价之间的差距决定了用户的满意度，如果用户对充电服务的评价低于期望，用户就会感到不满意。反之，如果用户对充电服务的评价好于预期，则会感到满意。在对用户接受充电服务期望的实际评价中，借鉴梁燕等[14]对顾客期望的具体测量与充电服务业的实际情况，用“与期望相比的充电服务水平”和“与期望相比的充电服务可靠性”两个观测变量进行评价。

“感知质量”是指电动汽车用户在接受充电服务过程中或使用充电服务后对充电服务质量的实际感受与认知[15]。用户对充电服务质量感知的满意程度，是决定用户对充电服务总体满意度的重要影响因素。参考赵利坤[13]对电动汽车用户充电满意度感知质量的评价指标，将“感知质量”进一步细分为“充电服务平台”“充电设备状况”“充电便利性”“结账过程”“售后服务”以及“场站设施”6个结构变量。根据实际调研情况及赵利坤[13]对这6个结构变量所对应的观测变量的设计，形成本文观测变量的设计，使电动汽车用户充电满意度评价具体化。

“价格感知”是指用户在接受充电服务过程中，花费的时间成本和经济成本越少，而达到的实际收益越大时，用户的价格感知就越好。对“价格感知”观测变量的设计，参考赵利坤[13]的设计，用“充电运营商收取的费用”和“充电运营商优惠活动的吸引力”两个维度去测量用户对充电服务费用的满意情况。

2. 用户满意度评价指标体系构建

根据电动汽车用户充电满意度评价模型，构建本文的充电满意度综合评价指标体系，评价体系包含3个级别。“用户充电满意度指数”为一级指标；二级指标是基于ECSI，并结合各参考文献后展开的结构变量，包括“用户期望”“充电服务平台”“充电设备状况”“充电便利性”“结账过程”“售后服务”“场站设施”“价格感知”8个结构变量；三级指标是8个各结构变量相对应的19个观测变量（表2）。

3. 基于层次分析法的指标权重确定

指标评价调查对象由3类人员构成。一是电动汽车用户，该评价对象是充电服务的直接接受者，对充电服务质量有最直接的感知；二是充电场站一线员工，主要处理用户在充电过程中遇到各种问题，与充电用户直接接触、交流和沟通，能够了解用户关注的要点；三是充电运营商的客服人员，该评价对象直接面对用户的投诉、询问和建议等信息，对影响用户充电满意度的因素能够提供较为客观和有价值的评价信息。评价人员的详细信息见表1。

影响电动汽车用户充电满意度的因素较为概念化且属于多决策问题，而层次分析法是对复杂问题做出决策的一种简洁有效的方法[16]，因此，本文采用层次分析法计算指标的权重值。首先，找出决策问题并建立相应的层次结构。就电动汽车用户充电问题而言，目标层代表用户充电满意度；决策层代表影响用户满意度的各结构变量；方案层代表各结构变量对应的观测变量。其次，构建判断矩阵，通过两两比较，确定受上层次元素支配的同层次元素之间的相对重要性，构造出结构变量和观测变量判断矩阵（表3—表8）。最后，利用一致性指标、随机一致性指标和一致性比率做一致性检验，其中，CR为一致性比例，CI为一致性指标，RI为平均随机一致性指标，一般认为CR=CI/RI<0.1或CI=0，RI=0时，判断矩阵的一致性通过。利用SPSS25.0计算各层次指标的权重和合成权重，并做一致性检验，确定指标体系中各层次指标权重（表2）。

其中权重W为一级指标对目标层指标影响的权重向量，Wi为二级指标对一级指标影响的权重向量，权重集是与评估因素集相对应的多集合，即：

三、 数据收集与分析

1. 数据收集

本文根据电动汽车用户满意度指标评价体系设计调查问卷。问卷发放主要采用线下实地调研的方式进行，调研地点为贵州省各个充电场站，调研时间从2021年7月30至9月30日，历时2个月。为使问卷调研对象涉及的区域更广泛、更具代表性，本文以问卷星为工具制作网络问卷，利用问卷星的样本服务，进行线上调研，调研时间从2021年10月9日持续到10月12日。线下与线上累计发放问卷420份，收回问卷375份，剔除问卷中不符合样本要求、填写时间过短、答案乱填等无效样本，得到有效问卷共334份，有效率为89.1%。

2. 信度和效度分析

为保证问卷收集的原始数据具有较高的可靠性、稳定性和一致性，本文利用SPSS25.0对数据进行分析。克朗巴哈系数（Cronbachs α）用于观测原始数据的可靠性。一般情况下，当克朗巴哈系数在0.7～0.8，认为样本数据较为可靠。分析结果显示量表整体以及各潜在变量的克朗巴哈系数在0.741～0.891，均大于0.7，说明原始数据较为可靠（表9）。

同样，本文利用SPSS25.0对样本数据进行效度分析，常用KMO测量法，一般情况下当KMO值大于0.5时，认为数据是有效的。分析结果表明各结构变量的KMO均大于0.5，且Bartlett球形检验的伴随概率通过，说明本文的满意度测评体系指标设立比较合理、有效，符合效度检验要求（表10）。

利用AMOS24.0对测量模型进行验证性因子分析，结果表明CR值与克朗巴赫系数基本一致，量表通过信度检验。所有潜在变量的AVE值均高于0.5，模型量表具有较高的收敛效度（表12）。最后，各潜在变量的AVE平方根均高于潜在变量间的相关系数（表11），量表的区别效度得到验证，说明各指标的设立是相互独立的。

四、 用户充电满意度的综合评价

电动汽车用户充电满意度指标评价有较强的模糊性，同时，在评估时决策者更喜欢自然语言表达而不是精确数字[17]。模糊评价法可以根据模糊数学的隶属度理论将定性评价转为定量评价，在处理定性的、不确定及信息不完善的问题上有较大的优越性[18]。因此，本文采用模糊综合评价法对电動汽车用户充电满意度进行定量分析。

1. 模糊综合评价模型应用

（1）指标集的设置

建立评价集[X=x1，x2]，...，[xi]，由各种可能的结构组成。

假设评价指标集[U=u1，u2]，...，[ui]。

在本文中，根据用户充电情况，确定5个级别，即非常不满意、不满意、一般、满意、非常满意。

为将上述定性的评价集定量处理，将评价集U按百分制量化等级分别赋值60，70，80，90，100，组成量化评价集：U={60，70，80，90，[100]。

（2）评价矩阵的建立

确定模糊隶属度，用[rij]表示第i个指标评价为第j个级别的机率，即i对j的隶属度，可简记为模糊隶属度矩阵[Ri]。

[Ri=ri1，ri2，...，rij，...，rin]，j=1，2，...，m

这m个向量组成一个[m×n]的模糊向量矩阵，称作评判矩阵，记为：

[R=r1r2...rm=r11r12 ... r1nr21r22 ... r2n...rm1rm2 ... rmn]

根据评价矩阵，构建用户充电满意度二级指标评价矩阵（表13）。

（3）二级评价矩阵结果计算

将各评价指标的权重放进每个二级评价指标中，精准体现出所有评价指标的综合性影响。各因素综合评价模型为：

[Ci=Wi*Ri]

式中，[Ci]为指标[Ai]的模糊隶属度距阵，[Ci=（c1，c2，c3...cn）]。

其中“*”为模糊合成算子，对[Wi]和[Ri]之间进行模糊运算。[Ci]为第i个一级评价指标的评价结果矩阵；[Cij]为第i个一级评价指标隶属于第j个评价等级程度。

参考以上准则，计算第1个一级评价指标隶属度的评价等级[CB1]：

[CB1=W1*RB1][=0.667  0.33330.08 0.13  0.27  0.46  0.06 0.03  0.02  0.29  0.60  0.06 ][= 0.063  0.093  0.277  0.507  0.060]

归一化特征向量为：

[CB1=0.063  0.093  0.277  0.507  0.060]

同理，可求解得[CB2]，[CB3]，[CB4]，[CB5]，[CB6]，[CB7]，[CB8]。构建模糊综合评价模型（表14）。

从[CB1=0.063  0.093  0.277  0.507  0.060]，能够看出在对一级指标[CB1]的评价中，电动汽车用户充电满意度评价为“比较满意”和“一般满意”的隶属度较高，评价为“非常不满意”和“非常满意”两个极端评价的隶属度最低，总体而言电动汽车用户对充电期望的评价程度较好，对其他指标的评价类似如此。

（4）准则层模糊综合评价

构建综合评价模型后，采用模糊综合算子模型对用户充电满意度进行综合评价。结果表示如下：

[C=W×R][=W×CB1，CB2，CB3，CB4，CB5，CB6，CB7，CB8]

归一化特征向量为：

[C=0.0817  0.2008  0.3205  0.3228  0.0742]

由此可看出，评价为非常满意的隶属度为0.0817，评价为比较满意的隶属度为0.2008，评价为一般满意的隶属度为0.3205，评价为不满意的隶属度为0.3228，评价为非常不满意的隶属度为0.0742，反应出电动汽车用户充电满意度总体一般。

（5）综合评价结果定量分析

经由上述分析可计算出模糊评语集的最终评价结果及一级评价结果的综合评价结果，将电动汽车用户充电满意度评价从定性分析转化为定量分析，再由定量分析的结果推出定性分析的研究结论，为了使结果更具有直观性，对评价结果进行量化处理。根据评语集V={60，70，80，90，[100]计算用户满意度的综合评价值及一级指标评价值。

各一级指标综合评价值模型为：

[Di=Ci×Vτ]

参考以上模型，计算第1个一级指标评价值[Di]，有：

[DC1=C1×Vτ=0.063  0.093  0.277  0.507  0.06060708090100= 84.07]

通过计算得到第一个一级指标的评价总体得分为84.07分，属于一般满意。同理，可求解得[DB2]，[DB3]，[DB4]，[DB5]，[DB6]，[DB7]，[DB8]评价的总体得分（表15）。

最后计算电动汽车用户满意度的总分：

[D=C×Vτ=C1，C2，C3，C4，C5，C6，C7，C8，C9，C1060708090100=81.07]

计算得到电动汽车用户充电满意度的总体得分为81.07分，电动汽车用户充电满意度的评价结果为一般满意，较为符合当前电动汽车用户充电满意度的基本现状，同时表明当前电动汽车充电服务的质量有待提高。

2. 用户充电满意度影响因素分析

四维矩阵法是衡量用户满意度的常用工具，其中Ⅰ、Ⅱ表示关键区，处在该区域的因素对用户整体满意度影响较为重要，处于Ⅰ的因素是保持区，处于Ⅱ的因素用户满意度低，是需要提升用户整体满意度的关键区域。Ⅲ、Ⅳ表示非关键区，处于该区域的因素对用户整体满意度的重要性低。处于Ⅲ区域的因素是易被忽视区域，是满意度提升的机会点[20]。根据上文的计算结果，可繪制出各一级指标的四维矩阵图，直观分析充电运营商各指标的评价结果，并找出关键指标（图2）。

由图2所示的四维矩阵图可知“充电便利性”“充电设备状况”“价格感知”是充电运营商提升用户满意度的关键区，处于重要不满意区域，是充电服务运营商的弱势区域，这些因素对用户满意度的提升至关重要，需要充电运营商重点关注并进行改善。“用户期望”“客服服务”落在非关键区，处于不重要也不满意区域，属于提升用户满意度的机会区域，充电运营商可以在适当的机会进行改进。“场站设施”“充电服务软件”处于不重要但满意的非关键区，不是当前需要改善的因素，可以暂时维持原状。

五、 结论与建议

本文基于顾客满意度模型，结合电动汽车充电服务行业实际特点，构建电动汽车用户满意度指标体系，利用层次分析法较强科学性、可行性和操作性的优势，对电动汽车用户充电满意度影响因素赋予权重，再结合模糊综合评价法，克服层次分析法中主观因素的影响，建立一套量化的电动汽车用户充电满意度评价指标体系，并进行综合评价实证分析。研究结果表明：就指标的相对重要性而言，“价格感知”“充电便利性”“充电设备状况”3个因素较为重要，同时这3个指标用户满意度均低于80分，是造成用户满意度总体偏低的主要影响因素，企业应当对其重点关注并进行改善；“用户期望”和“客服服务”两个指标虽然不是影响用户满意度的主要因素，但也处于不满意区域，充电运营商对此区域的改善也能间接提高充电用户的整体满意度。根据研究结果本文提出以下几点建议：

一是提升电动汽车用户充电的价格感知。“价格感知”是影响电动汽车用户充电满意度最关键的指标，方案层指标中用“充电运营商收取的费用”以及“充电运营商优惠活动的吸引力”两个维度对其进行评价。其中充电运营商收取的费用相对于充电运营商优惠活动的吸引力的价格感知更为重要，说明用户更倾向于从价格角度来衡量满意度。因此，充电运营商应通过低价策略和灵活多样的优惠活动提高电动汽车用户对充电服务的价格感知。低价策略不单是低价，要借助现代化的传播手段，结合行业内竞争对手的情况，合理设置促销策略，制定适合企业自身的总体促销策略。

二是提高电动汽车用户充电便利性。首先，在充电站的选址建设上，可以建立以集中站为主、共建站为辅的公共充换电设施。“集中站”即集中式共用充电站，集快充和慢充等功能于一体，“共建站”即共建试充电站，主要与大型公用服务设施、商业、商办、酒店、医院等联合建设充电设施，该策略可以有效避免“僵尸桩”的出现；其次，在充电车位管理上，利用互联互通技术，聚合“车-桩”网络，让车主提前知晓车位状态，精准记录车辆在停车场的时空状态，减少用户找桩时间成本，同时，运用经济手段的管理方法解决燃油车占用电动车位影响充电问题，从而提升充电体验；最后，在充电操作的便利上，简化App下载、用户注册、手动支付结算等流程，利用边缘计算和区块链技术建立本地化服务网络，实现“插-充-付”智慧充电性能。上述方法从“充电站位置便利性”“充电车位专用管理”“充电操作引导”3个维度上综合提升用户“充电便利性”的满意度，使用户获得良好的充电体验感。

三是改善充电设备质量。“充电设备状况”也是影响电动汽车用户充电满意度的关键指标，主要包括“充电设备的可用性”和“充电设备的稳定性”两个维度。充电桩的可靠性和稳定性是保证用户获得良好充电体验的基础与关键。由于充电桩行业入局门槛低，不少充电桩企业选择盲目扩张，“跑马圈地”建桩拿补贴，导致前期铺设了大量低成本、低技术含量的慢充电桩，并且企业对充电桩维护不到位，使充电桩无法适应市场需求，导致用户体验差。基于此，在设备制造环节上，充电运营商应该加强供应商的管控，建立供应商质量管控制度，保证供应商提供的充电设施的质量水平；在设备维护上，充电运营商要加强充电设备的运营和维护，完善充电设备运维体系，通过智能化和数字化手段提升设备可用率和故障处理能力，对充电设备进行实时监控，实现充电桩故障预警、报修处理及检修监控等运维工作的智能管控，从而提升用户充电的感知质量。

本文在对用户充电满意度综合评价时，没有对充电用户的类别（如私家车用户、网约车用户、商用车用户等）进行区分研究，在后续的研究中，可以对不同充电用户类型的满意度进行比较研究，以帮助充电运营商制定针对性充电服务策略。

参考文献：

[1] Ferris K R.A Test of the Expectancy Theory of Motivation in an Accounting Environment： A Response[J].Accounting Review，1979，52（3）：605-615.

[2] Fornell C.A National Customer Satisfaction Barometer：The Swedish Experience[J].Journal of Marketing，1992，56（1）：6-21.

[3] 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（4）：7-18.

[4] Kristensen K，Martensen A，Gronholdt L.Customer Satisfaction Measurement at Post Denmark： Results of Application of the European Customer Satisfaction Index Methodology[J].Total Quality Management，2000，11（7）：1007-1015.

[5] 董楠，张春晖.全域旅游背景下免费型森林公园游客满意度研究——以陕西王顺山国家森林公园为例[J].旅游学刊，2019，34（6）：109-123.

[6] 赵宇晴，阮平南，刘晓燕，等.基于在线评论的用户满意度评价研究[J].管理评论，2020，32（3）：179-189.

[7] 陈祉如，郭亮，杜艳，等.基于改进层次分析法的电能计量系统综合评价[J].山东大学学报（工学版），2022（8）：1-9.

[8] 邓君，胡明乐.基于用户感知的在线医疗社区信息服务质量影响因素研究[J].情报科学，2019，37（10）：40-45.

[9] 张晓娜.扎根理论视角下的公共图书馆健康信息服务满意度影响因素[J].图书馆论坛，2019，39（7）：91-98.

[10] Zhang K，Qian Y X， He J P， et al.Construction and Analysis of the User Satisfaction Evaluation System for Baidu Scholar[J].Journal of Academic Librarianship，2021，47（5）：102435.

[11] Geebren A，Jabbar A，Luo M.Examining the role of consumer satisfaction within mobile eco-systems：Evidence from mobile banking services[J].Computers in Human Behavior，2020（114）：106584.

[12] 刘新燕，刘雁妮，杨智，等.构建新型顾客满意度指数模型——基于SCSB，ACSI，ECSI的分析[J].南开管理评论，2003，6（6）：52-56.

[13] 赵利坤.P公司顾客满意度评价研究[D].北京：中国地质大学（北京），2019.

[14] 梁燕，金勇进.顾客满意度模型的样本量研究[J].统计研究，2007（7）：68-74.

[15] 张馨遥，沈涌，张健，等.基于模糊综合评价的在线健康信息服务用户满意度分析[J].情报科学，2018，36（6）：73-78，99.

[16] Saaty T L.The Seven Pillars of the Analytic Hierarchy Process[J].Lecture Notes in Economics and Mathematical Systems，2001（34）：15-37.

[17] 向文英，杨静，张雪.模糊综合评价法的改进及其在水库水质评价中的应用[J].安全与环境学报，2015，15（6）：344-348.

[18] 常建娥，蒋太立.层次分析法确定权重的研究[J].武汉理工大学学报（信息与管理工程版），2007（1）：153-156.

[19] 江林，杨静，顾客关系管理[M].北京：首都经济贸易大学出版社，2017：131-140，233-240.

基金项目：貴州省科技支撑计划项目“基于物联网的大功率智能充电桩关键技术研究与应用”（项目编号：20202Y038）；贵州省科技支撑计划项目“基于云计算的共享充电桩信息系统平台及示范工程建设”（项目编号：202023Y009）。

作者简介：吴亮（1969-），男，博士，贵州师范大学经济与管理学院教授，硕士生导师，研究方向为电动汽车充电控制技术，；廖雨婷（1996-），女，硕士研究生，贵州师范大学经济与管理学院，研究方向为新能源汽车充电基础设施；徐祥烽（1999-），男，硕士研究生，贵州师范大学经济与管理学院，研究方向为新能源汽车充电基础设施。

（收稿日期：2022-05-08  责任编辑：苏子宠）