基于文本挖掘技术的分时租赁共享汽车用户体验及影响

许 研，陶晓波

(北方工业大学 经济管理学院，北京 100144)

0 引言

分时租赁共享汽车是一种以时间为计价单位，利用移动互联网、全球定位等信息技术构建网络服务平台，为用户提供小微型客车自助式车辆预定、车辆取还、费用结算等服务。在城市道路资源饱和、汽车市场增长疲软的大环境下，分时租赁的共享特质让它承载起了替代私家车的使命[1-2]，分时租赁的平台服务型商业模式又令它肩负了引领汽车产业服务化转型的重任[3]。我国的各类政策一直鼓励新能源汽车进入分时租赁领域，加快租赁模式发展，壮大汽车租赁市场。然而，分时租赁在我国的发展却一波三折，当前面临着市场渗透率低、用户黏性低、持续使用意愿低等问题，市场需求不足，国外市场也非常相似[4]。分时租赁运营方的主业通常是汽车制造或连锁停车服务，为了使主业中的资源增值投资运营分时租赁并将其作为副业来运营，缺少对用户需求的关注。因此有必要从需求端入手分析分时租赁存在的问题。

一些分时租赁需求研究通过问卷调查和消费心理白描等方法，识别影响用户使用意愿的因素包括家庭经济状况、差旅费用预算、车辆需求、个人的共享意愿、基础设施便利程度以及与其他交通方式衔接便利性等[5-8]。另一些研究则通过订单数据分析，从汽车使用频率、出行时间、出行距离、出行场景等方面刻画分时租赁用户画像[9-15]。这些研究成果对于身处市场推广初期的分时租赁大有裨益。然而，分时租赁已经在我国发展了10 a之久，在国外发展历程更长，但国内外均缺少用户反馈的研究。分时租赁是一个以汽车为载体，包含着查询、预定、驾驶、支付、分享和增值服务等功能的，打包好的整合出行服务。从共享服务的特性出发，跟随客户旅程挖掘和分析用户的体验和反馈，对分时租赁的发展至关重要。

在此背景下，本研究以客户旅程中的用户反馈为研究对象，围绕分时租赁的客户旅程形成基础框架，基于时间轴上的纵向跟踪，挖掘出问题更为突出的服务环节，回溯不愉快服务触点的演化进程以及对用户持续使用意愿的影响，并分析问题产生的原因。最后将梳理代表性企业的策略动态，识别其在解决用户反馈方面的效果，完善管理闭环，为分时租赁的运营服务设计提供改进建议。

1 数据与文本挖掘模型

1.1 数据挖掘流程

构建的基于论坛用户讨论贴挖掘客户旅程，探索用户服务体验、用户情感态度和用户口碑传播行为之间关系的文本分析模型，如图1所示。在构建客户旅程、情感态度的内容标记类目表后，进行内容标记，完成内容数据向量化数据的转化；通过对用户评论中频繁提及的服务环节的统计，进行服务关键触点分析；通过对不愉快触点与消费情感态度和口碑互动的频繁项挖掘，进行不愉快触点产生原因和后续影响分析。

图1 基于用户讨论贴的文本挖掘模型Fig.1 Text mining model based on users’ posts

1.2 数据来源与预处理

在用户反馈渠道的选取上，将用户投诉、抱怨最常见的社交媒体渠道-网络论坛留言[16]，作为文本挖掘的来源。由于2018，2019两年间分时租赁行业吸纳了大量资本，获得融资的企业迅速扩大城市布局、投放车辆，分时租赁行业进入快速发展期，直至2020年底该发展期落幕，将2018—2020年作为研究的时间窗口。在百度贴吧中选取了2018—2020年间，包含6家万辆以上分时租赁品牌以及“共享汽车”等关键词的贴吧，共2.06万条主题帖，10.32万条回帖。将主题帖和所有回帖作为基本分析单元[17]。数据预处理阶段去掉了回帖数为0的主题帖。最后获得的有效样本描述性统计如表1所示。

表1 预处理后样本的描述性分析Tab.1 Descriptive statistics of samples after pre-treatment

1.3 内容分析法

内容分析是基于定量分析的定性研究[18-19]。借鉴Krippendroff[20]的研究，内容分析法主要包括构建类目体系、内容数据编码和信度检验这3个步骤。

1.3.1 构建类目体系

本研究需要判断发贴内容主要围绕哪个服务接触点；该接触点使用户产生怎样的情感和认知反馈；以及用户反馈引起的共情强度和规模，因此设计了3个维度的标记任务。

(1)客户旅程。客户旅程呈现用户与服务产生关系的全过程以及每个环节中用户的需求、体验和感受。本研究借鉴了共享单车的客户旅程[21]，电动汽车的操作动作和心理活动列表[22]，以及分时租赁出行活动场景[9]，将分时租赁共享客户旅程归纳为7个环节，见表2。

表2 客户旅程的内容分析Tab.2 Content analysis of customer journey

(2)用户情感态度。结合已有研究[23]，我们重点标记了两种情感态度—顾客满意和顾客信任，见表3。

表3 用户情感态度的内容分析Tab.3 Content analysis of users’ emotional attitudes

(3)口碑传播强度。讨论贴的本质是网络口碑传播的过程[24]。分时租赁的网络口碑可以理解成用户体验激发其他用户情绪或发贴互动的效果[25]，本研究选取评论数即回贴数量定义口碑传播强度。

1.3.2 数据编码

由4名体验过分时租赁的项目组成员对文本资料进行独立编码，保证每份内容资料均有两份独立编码结果。在预编码阶段，让编码人员熟悉各维度类目表中的操作化定义；完善有歧义的操作化定义。在正式编码阶段，对编码结果进行一致性检验；对于不一致的编码结果，由两名编码共同讨论，直到达成共识[20]。

1.3.3 编码一致性检验

采用科恩卡帕(Cohen Kappa)系数计算一致性检验信度，检验值在≥0.8的范围内被认为一致。如式(1)所示：

(1)

式中，po为编码一致的样本比例；pe为编码不一致样本计算出的偶然预期一致性比例。

(2)

例如，两名成员i和j标记情感态度，共4类标记，记为m=0，1，2，3。总样本量记为n。fim是成员i标为类别m的样本中与成员j标记结果不一致的比例。fjm是成员j标为类别m的样本中与成员i标记结果不一致的比例。正式编码阶段，科恩卡帕系数k均通过了一致性检验，分别为2018年85.4%，2019年84.3%以及2020年86.4%。

1.4 类目关联规则挖掘

关联规则分析可以发掘数据集中类目之间的关联关系和强度。例如，“车辆行驶不安全”、“投诉无效”以及“服务体验差”的讨论内容经常一起出现在很多样本贴中，说明客户旅程的“开车驾驶”和“用后反馈”两类目之间，以及它们与情感态度的“不满意”类目之间存在着强关联。关联规则有助于分析分时租赁的哪些服务环节之间存在相互影响，哪些环节最易导致用户不满意或不信任，以及哪些环节容易引发负面口碑扩散。

编码后出现在同一样本帖中的类目之间被定义存在一次链接。藉由各类目之间的链接生成关联矩阵。从关联矩阵中找出高频链接类目组，即共同出现频率占样本帖总数的比例高于最小支持度的类目组。最后计算所有高频类目组的置信度，若满足最小置信度，称此规则为强关联规则。

关联规则支持度如式(3)所示：

(3)

置信度如式(4)所示：

Confidence(ci←cj)=P(ci|cj)=P(cicj)/P(cj)，

(4)

式中，ci和cj既可以是同维度内不同的类目，例如“开始使用”和“用后反馈”等客户旅程类目，也可以是不同维度的类目，例如客户旅程的“开始使用”类目和情感态度的“不满意”类目。关联规则由Apriori算法完成。

2 结果分析

2.1 关键的服务环节识别

图2给出了客户旅程各类目在总体样本中的分布情况。客户旅程研究强调“一些特定触点的改善是实现顾客满意的关键”[26]。根据被用户讨论频率的高低，阶段7用后服务，阶段6还车结账和阶段5开车驾驶这3个服务环节为分时租赁服务的关键触点。

图2 客户旅程各类目占比统计(单位：%)Fig.2 Customer journey statistics of various categories(unit：%)

2.2 分时租赁不愉快接触点分布

图3给出了用户情感态度的占比，可以发现负面情绪帖(不满意+不信任)的总占比一直呈上升趋势，从2018年的36.4%逐步增长到2019年的47.4%，再到2020年的49.8%。这段时间里伴随着融资热潮，分时租赁企业一直在扩张城市布局、投放车辆，随之而来的市场流水也增长显著。但从用户视角来看分时租赁的服务品质却下降了。

注：业务扩展城市数为分时租赁头部企业Gofun和EVCARD总和；分时租赁市场流水数据来自易观-前瞻产业研究院图3 情感态度占比的变动情况Fig.3 Change of users’ emotional attitudes

为了明确哪些服务环节对用户的负面情绪帖起主要责任，进一步考察不愉快接触点的分布情况。图4展示了不同客户旅程阶段包含负面情绪帖占比的差异，以及在这3年中的变化。通过热力图可以发现不愉快触点还是集中在客户旅程的第5阶段开车驾驶，第6阶段还车结账和第7阶段用后服务环节。白色和浅灰色块为用后服务环节引发的不满最多，从2018的25.5%上升至2020年的35.6%。每年有1/3左右的主题帖在讨论用后服务的问题。灰色块为还车结账和开车驾驶，问题也较多，并且两个环节引发的负面帖占比在2019年和2020年都有大幅度增长。尤其是还车结账，在2019年之后反超了开车驾驶成为问题次多的服务环节。

图4 不愉快触点在不同客户旅程阶段的占比Fig.4 Percentage of unpleasant touchpoints at different stages of customer journey

2.3 分时租赁不愉快触点的影响

表4给出了客户旅程类目和用户情感态度类目之间的强关联规则。可以发现开车驾驶、还车结账和用后服务阶段最容易导致不满意、不信任或既不满意又不信任，其引发的负面情绪占总帖数的39.6%，占负面情绪帖总数的91.1%。

表4 消费环节与情感态度的关联规则Tab.4 Association rules of consumption link and emotional attitude

表5给出了情感态度类目和口碑传播强度的强关联规则。关联分析发现不信任的情绪比不满意更容易导致负面口碑传播。既不信任又不满意最容易引发高强度口碑传播，引发公众的共情。

开车驾驶环节中，由于新手驾车或对共享车辆本身不熟悉导致的求助讨论贴很多(3.5%，27.6%)，不会引发过多的口碑传播(19.7%，68.5%)，见表4～5中标下划线的关联规则；但如果是车辆质量问题的发贴，则会引发不满情绪(3.3%，25.8%)，导致中度的口碑扩散(9.7%，42.1%)，见表4～5中标灰色的关联规则。还车结账环节中，很多讨论贴谈到了App计费有误或者信号弱无法还车导致被动计费，因而引发不满意(6.0%，39.4%)甚至是怀疑平台技术水平的不信任情绪(3.9%，25.9%)，导致中度口碑传播。用后服务环节，这阶段产生了大量的违章误判和违章处罚滞后的事故，所以产生的不信任情绪较多(16.6%，3.2%)，进而引发了中高程度的口碑传播，见表4～5中标灰色的关联规则。

2.4 不愉快接触点的内容分析

表6列出了内容分析标记为不愉快触点的高频语句，它们反映了分时租赁在“运营车辆”、“技术”、“服务意识与责任感”、“体量与运营规模”以及“与经营伙伴之间的关系”这5方面问题。

表6 内容分析反映的问题Tab.6 Problems reflected by content analysis

在开车驾驶阶段，由于2018年前后分时租赁公司一直致力于增加布点，投放车辆。用车便利性的负面口碑并不突出。只出现少数关于“车少”和“停车位少无法还车”的反馈。但是分时租赁在扩张的同时，对旧有故障车辆没有及时维护，给用户造成了“行驶过程中突然熄火”“行驶过程中爆胎” “剩余电量显示不准确”“部分可租共享汽车无法正常使用”等困扰。用车阶段“车内不卫生” “车轮气压不足”“车辆严重故障或损坏” “行驶过程中突然熄火”、“行驶过程中爆胎”等用户反馈，一方面是维修和清洁不及时、服务意识不高或运维人手不足导致的；另一方面也是对车辆情况的检测技术缺失引发的问题。分时租赁运营需信息系统和车辆控制技术协同运作，包括车辆定位和监控系统、充电系统、计费和订单管理系统、车辆分配调度维修保养系统等等。如果有更精准的车内环境监控技术、胎压自检测技术，不仅可以降低运维成本，还能提升用户体验。

在还车结账阶段，首先突显出的是与经营伙伴的关系问题。例如“停车位少无法还车”和“出停车场被索要停车费”是和网点租赁方没有达成灵活的车位和收费协议造成的麻烦；而“违章通知与还车时间间隔太久、处理流程复杂”则反映了分时租赁企业和交管部门的信息交互不畅。可见分时租赁企业与利益相关方的合作中话语权不高，运营水平受到经营伙伴的制约。其次，技术手段不能保障运营也是很多负面反馈背后深层次的问题。例如还车结账阶段“车没还上，后续计费”“行程0 km，计费70 元”等零星讨论，都是分时租赁app系统偶发故障导致的。

在用后服务阶段，讨论帖中“客服态度差”的投诉较少，而“不处理、不解决”、“车内不卫生”、“胎压不足”等投诉相对更多。这不是单纯的售后服务部门的问题，而是运营服务意识以及售后部门与其他部门协作水平的问题。其次，体量和经营规模问题。由于分时租赁公司一直扩大布局，盲目扩张规模后资金链断裂引发了“倒闭”、“押金不退”、“退押金手续复杂周期长”等反馈。分时租赁企业不是体量和规模不足，反而是体量和规模过大，超过了其资产安全监管和营收能力。倒闭风险使用户产生了不信任的态度。

这些问题中用户监管技术缺失最为关键。“违章处罚不准确、事故责任认定不准确”是由于共享汽车没有有效的车内设备和环境、车身部件的检测监管技术；仅靠“用车前全车身拍照，车内环境拍照”、“用户可以对违规停车、剐蹭等问题举报前一位用户……”等操作规定不仅无法准确地认定每位用户的过失，而且繁琐的操作导致用车体验差，“劝退”了很多老用户。更严重的后果是过失认定错判后，“事主没有被惩罚”的负面口碑开始传播，一些用户用车越来越随意，违规还车现象越来越多。更多的无辜用户被卷入惩罚纠纷，或者在车辆行驶过程中发生故障。破窗理论认为环境中的不良现象如果被放任存在，会诱使人们仿效，甚至变本加厉。如图5所示，分时租赁服务目前就形成了这样一条从“违规行为被误判→负面口碑传播→更多的违规行为(破窗效应)→更差的服务体验”的循环关系，并且在用户论坛中广为人知。用户讨论帖中显现了这种破窗心里和行为的连锁反应。

图5 用户监管技术缺失引发的破窗效应Fig.5 Broken window effect caused by lack of user supervision technology

3 结论

在客户旅程的框架下本研究对分时租赁服务用户体验和反馈进行了实证研究。研究发现：首先，分时租赁服务的不愉快触点集中在开车驾驶、还车结账和用后服务这3个阶段。其次，3个阶段引发的用户负面情感逐年增长，且易引发负面口碑传播。最后，不愉快服务触点反映了分时租赁服务在运营车辆、体量和规模、与经营伙伴关系、技术和服务意识这5个方面的问题。特别是用户管理技术缺失，不仅导致了车辆剐蹭、车内不卫生、车况差等开车驾驶环节的服务痛点，还导致了还车后被误判违规等用后服务环节的痛点。随着负面口碑扩散，一些用户了解到“技术无法准确判定违规行为”后纷纷有了恣意用车、违规还车念头，产生了破窗效应，引发了恶性循环。

与已有文献相比，分时租赁服务的协作式消费风险、不良顾客、卫生清洁和责任风险等问题在本研究中再次得到了证实。此外，本研究发现了一条负面口碑传播引发破窗效应，进而引发更多服务痛点的循环关系链。用户监管技术落后是制约分时租赁服务发展的重要原因，也是一直被行业和企业忽视的问题。这一结论值得所有共享出行企业思考和借鉴。