基于在线评论的跨境电商平台顾客满意度研究以亚马逊为例电子商务毕业论文.docx
《基于在线评论的跨境电商平台顾客满意度研究以亚马逊为例电子商务毕业论文.docx》由会员分享，可在线阅读，更多相关《基于在线评论的跨境电商平台顾客满意度研究以亚马逊为例电子商务毕业论文.docx（28页珍藏版）》请在冰豆网上搜索。
基于在线评论的跨境电商平台顾客满意度研究以亚马逊为例电子商务毕业论文
---文档均为word文档，下载后可直接编辑使用亦可打印---
摘要】跨境电商的迅速发展，使得越来越多中国卖家开始转向跨境出口电商平台的运营。
其中，在以顾客满意至上及维持评论诚实为宗旨的亚马逊平台上，如何提高顾客满意度，在逐渐激烈的平台竞争中脱颖而出是卖家的首要任务。
本文基于在线评论，通过内容分析法获得顾客满意度的影响要素。
然后依据要素构建满意度模型和提出假设，并以各要素为自变量，满意度为因变量，采用回归分析来验证假设和分析结果。
结果表明质量、价格、物流、配件、客服服务态度、订单的退货退款处理及客服处理问题的快慢对顾客满意度有着显著的正向影响，且影响程度从大到小排列。
最后修正模型，并针对各要素提出合理的意见。
【关键词】跨境电商；顾客满意度；内容分析法；在线评论
注：
本论文（设计）题目来源于教师的国家级（或省部级、厅级、市级、校级、企业）科研项目，项目编号为：
。
ResearchonCustomerSatisfactionofCross-borderE-commercePlatformBasedonOnlineReviews——TakingAmazonasanExample
[Abstract]Therapiddevelopmentofcross-bordere-commercehasmademoreandmoreChinesesellersturntotheoperationofcross-borderexporte-commerceplatforms.Amongthem,ontheAmazonplatformwiththepurposeofcustomersatisfactionfirstandmaintaininghonestyofreviews,howtoimprovecustomersatisfactionandstandoutintheincreasinglyfierceplatformcompetitionistheseller'sprimarytask.Basedononlinereviews,thisarticleobtainstheinfluencingfactorsofcustomersatisfactionthroughcontentanalysis.Thenconstructasatisfactionmodelandproposehypothesesbasedonthefactors,anduseeachfactorastheindependentvariableandsatisfactionasthedependentvariable,anduseregressionanalysistoverifythehypothesisandanalysisresults.Theresultsshowthatthequality,price,logistics,accessories,customerserviceattitude,orderrefundprocessingandcustomerserviceprocessingissueshaveasignificantpositiveimpactoncustomersatisfaction,andtheimpactranksfromlargetosmall.Finally,revisethemodelandputforwardreasonableopinionsoneachelement.
[Keywords]Cross-borderE-commerceCustomerSatisfactionOnlineReviewsContentAnalysis
1绪论
1.1研究背景
近年来，电子商务在国际贸易中的影响力日渐突显，已变成中国出口贸易占比较大的趋势。
阿里创始人马云在首届跨境电商大会上表示：
“没有人可以阻止全球贸易化”。
而跨境电商恰恰体现了全球化的特点，它是指不同国境地域的交易主体，通过电子商务的方式达成交易。
并且可以分为进口及出口跨境电商。
据前瞻产业研究院的报告显示，截至2019年底中国跨境电商交易规模达到10.8万亿元，预测2020年交易规模将达到12.7万亿元，并且呈现持续增长的趋势。
受“海淘”、“代购”的冲击，以天猫国际、考拉海购、洋码头等为例的跨境进口平台如春笋般涌出，并对国内消费者进行激烈的争抢。
在这种趋势下，一些企业转型做跨境出口电商，通过对国外市场的产品需求分析，在国内寻求合适的厂家进行合作，并通过跨境出口平台把货卖给国外客户，减少海外进口商、零售商等中间环节，慢慢形成了一条稳定的供应链，以提升利润率，获得更大的效益。
iiMediaResearch的调查表明，在众多跨境出口电商平台中，最受国际消费者喜爱的是亚马逊，其余依次为速卖通、eBay、Lazada等。
而亚马逊作为跨境出口电商的主流平台，顾客满意至上是其核心宗旨。
但是，让顾客满意不仅是亚马逊的追求，也是亚马逊卖家的首要任务。
并且受新冠状病毒的影响，自2020年2月末开始，亚马逊卖家收到的积极评论的数量与2019年相比，一直在逐步下降，亚马逊买家的购物满意度创下了新的低潮（如图11）。
由此看来，众多亚马逊卖家的运营状况艰难，顾客满意度的提升势在必行。
数据来源：
雨果网
图112020年亚马逊全球站点的正面评论与去年的比较
1.2研究目的及意义
（1）研究目的
亚马逊对顾客满意的高重视度，使得企业对产品的排名和在线评论的关注度加重。
并且相关数据表明，亚马逊卖家在产品售后、评论维护等方面占有一定的消费支出，这笔支出还需要根据实际的情况来计算。
本文运用相关研究方法进行顾客满意度的影响因素分析，找出该公司在亚马逊运营过程中出现的短板，查漏补缺，以提高顾客满意度，减少售后和评论维护支出，从而提高产品的销量，进而提高该公司的绩效，实现利润的增长。
（2）研究意义
一方面，以在线评论为数据源、且以跨境出口电商平台来研究满意度的文献较少。
因为大多数文献采用问卷调查法，由于跨境出口电商平台主要是面向国外消费者，所以比较难获得可靠性较高的问卷数据。
另一方面，对于亚马逊中国卖家来说，满意度的提升，可以减少产品的来差评数量，维持较高的产品评分，从而可以在亚马逊的A9算法中获得更高的产品排名，为产品提供更好的运营环境。
1.3文献论述
国内外的不同学者分别从不同角度对满意度的影响因素进行了考察。
GilbertA.Churchill和CarolSurprenant分别对耐用和非耐用产品进行建模，结果表明，顾客的满意程度完全取决于耐用商品的性能[1]。
Lee研究表明商品、顾客、后勤和网站服务四类对满意度有一定的影响程度[2]。
Liljander研究发现服务质量要素的可靠性、用户界面、反应性、关怀性、保证性等会对顾客满意起显著性影响[3]。
Szymanski和Hise提出4个影响因素并进行验证，结果表明只有平台的安全性、网页设计和便利性对满意度有影响，并且影响程度从小到大排列[4]。
而国内，查金祥和王立生认为网站安全性、产品的性价比和质量是影响满意度的主要因素[5]。
张建华通过结构方程模型路径和拟合指数，发现企业形象、网站安全性、产品及服务、评论与评级会对顾客满意度产生显著影响[6]。
宁连举,闫春晓,肖海弘以国内的电商平台为例，界定了质量、物流配送、产品信息等九个影响顾客满意度的因素，并在双因素理论的基础上，把影响因素划分成决定、积极、消极和中立因素四类并确定各类因素的作用[7]。
乔均,康玉兰以京东商城为例，研究发现商品质量、价格、物流、售后服务、网络互动性、网络安全性等八个因素分别对顾客满意度起促进作用[8]。
根据上述学者的研究结果，我们可以归纳得到电子商务平台上的顾客满意度影响因素主要分为产品、服务、物流及平台技术这四大方面。
但电商平台和产品类目的不同，可能会使满意度影响因素呈现着不同的影响程度。
2相关理论基础
2.1顾客满意度
顾客满意是指顾客的期望已被满足的程度的主观感受。
而满意度是顾客在满足的情况下所给出的反应。
它是对产品或者服务本身的评价；并给出了一个与消费的满足感有关的快乐水平，是一种心理体验。
对于顾客满意度，Oliver提出它是顾客对产品或服务能否满足自我需要的一种判断[9]。
Woodside等人认为满意度是能够反映出顾客在消费之后的喜欢程度[10]。
综上所述，要得到顾客的满足，首先要对顾客的需求进行了解。
顾客的需求包括质量、功能、外延和价格需求。
但是，由于地域及顾客消费的习惯的不同，对产品和服务就会有不同的期望或追求。
所以，企业应该根据顾客的不同需求，确定主要的需求结构，使顾客满意。
2.2在线评论
（1）在线评论的概念及其作用
在线评论是指顾客在消费之后，在所购买产品的电子商务平台上，针对该商品的质量、商家的服务、并根据自身的使用经历和满意程度等方面来发表的一种表示积极、消极或者中等的评价。
闫强基于豆瓣网的在线评论进行验证，结果显示拥有比较极端的情感倾向和篇幅较长的正文评论会影响评论的有用性[11]。
李宏通过对国内的三个电商平台的在线评论研究，表明消极评论对顾客的购买意愿具有显著影响[12]。
由此可见，在线评论在电商平台上的作用越来越重要了。
一方面，在线评论是评估产品质量、商家服务和售后服务等的重要依据。
另一方面，在线评论的好坏影响着顾客的购买决策和行为，从而间接影响了该产品的销量，进而影响着产品的运营。
（2）亚马逊在线评论机制
亚马逊认为维持评论忠诚是对顾客最好的消费保障。
在线评论分为评论（Review）&反馈（Feedback）。
两者的区别在于，前者是用来评价产品的质量、价格和顾客的个人体验等，后者则是用来评价店铺的服务、亚马逊物流的快慢及商品的包装等。
而且顾客评论的积极性可以给卖家带来不同的影响。
积极的评论，可以帮助卖家提高产品排名，从而增加销量；相反，消极的评论会导致产品评分降低，影响卖家的销量，但可以给卖家提供一个产品改进的方向。
因此，尽可能地减少消极的评论，才能更好的为企业的运营带来更大的收益。
2.3内容分析法
（1）内容分析法的概念和特征
内容分析法是对文本内容进行客观的、系统的定量分析方法。
Fearing认为内容分析法是一种半定量研究方法，是把非量化的有交流价值的信息转化为定量的数据，并建立相关类目分解文本内容，借此来分析文本信息的某些特征[13]。
内容分析法有两个方面的特征：
①研究对象是明确的。
②分析方法是客观、系统和定量的。
客观性要求由不同的分析员来制定类目，并达成分析结果一致，以便确定的类目可以精确反映文本内容[14]。
系统性是指内容的保留或者舍弃，必须遵循统一的标准[15]。
而定量性，彭翎认为它更为关注的是对量化结果的解释，对客观事实的主观判断[16]。
（2）内容分析法的一般流程
主要分为3个步骤：
（1）样本的选取：
本文的数据来自D公司的亚马逊平台所运营的Y品牌产品，主要以欧洲和美国站点的评论进行研究。
由于在线评论会影响产品的排名和顾客的购买意愿，使得各个卖家使出浑身解数去移除消极的评论，从而导致获取的评论有效性减少。
所以，本文的评论时间采取范围在2020年1月1日至3月31日，以确保得到较新的、真实可靠的数据源。
（2）量化处理：
量化处理是指将文本的内容转为数据化形式的过程，包括作评判记录和信度分析。
①评判记录是根据已确定的类目对样本中的信息作评判，记下每一个类目是否存在和出现的频率。
划分了类目后，要制定得分规则，对文本内容进行编码。
李克特五级量表则是比较常用的数据量化方法，且本文以顾客评论的星级作为该顾客的总体满意值，具体的得分规则（见表格21）。
表格21编码等级得分表
满意程度
分值
非常满意
5
满意
4
一般
3
不满意
2
非常不满意
1
制定得分标准后，需要按照标准对参与本文评论数据编码的人员进行培训。
本次我们选择2个人员参与此次编码。
利用随机抽取的评论数据给2位编码人员进行练习和测试，并且对最后的编码结果进行讨论和统一编码标准，最终确定编码规则[16]（见附录）。
②信度分析:
对评判结果进行信度检验和多次修改，直至获得可接受的信度。
本文信度检验[17]的算法见式（3-1）：
（3-1）
式中：
R为信度（保留两位小数）；n为编码员人数；K为平均相互同意的程度；
其中，相互平均同意度的算法见式（3-2）：
（3-2）
式中：
M是编码员们相互同意的类目数；N1和N2分别是两位编码员所分析的类目数。
3基于在线评论的顾客满意度影响因素研究
本章通过创想软件对在线评论进行采集，按照内容分析法的步骤，分析D公司在亚马逊上的顾客满意度影响因素，为模型的建立提供现实依据。
3.1评论的采集和评判
（1）创想软件的操作流程：
抓取评论的具体步骤如下：
1添加产品ASIN。
点击“添加单个商品采集”，并在下方输入你需要采集的产品ASIN、国家，最后点击“添加”，如图31所示。
2开始采集评论。
点击常用快捷开关，在下方的选项中选择“开启采集评论项”，接着按“手动采集列表详细信息”，进行评论数据的采集。
3导出数据。
采集完成后，选择数据保存的位置和格式，导出数据。
具体的样例如图32所示：
图31创想软件采集步骤图
图32评论采集样例
（2）进行评论的采集：
按照评论发布的时间进行数据的采集。
表格31不同类目的Y牌产品的评论采集情况
序号
商品类目
型号
好评数
差评数
总评论数
1
牙刷
Y-ABB-P11
358
22
380
2
牙刷
Y-ABB-959
38
6
44
3
牙刷
Y-ABB-921
25
7
32
4
牙刷
Y-ABP-921
6
0
6
5
牙刷
Y-ABB-917
1
0
1
6
牙刷
Y-ABW-917
52
6
58
7
牙刷
Y-ABB-551
15
0
15
8
牙刷
Y-ABB-515
3
0
3
9
牙刷
Y-A5B-508
439
45
484
10
牙刷
Y-A3B-508
18
4
22
11
牙刷
Y-A5P-508
81
14
95
12
牙刷
Y-A5W-508
36
8
44
13
牙刷
Y-A8-507
904
113
1017
14
牙刷
Y-ABB-507
3761
558
4319
15
牙刷
Y-ABP-507
206
34
240
16
牙刷
Y-ABW-507
211
45
256
17
牙刷
Y-A4-507
21
5
26
18
牙刷
Y-BP-507
269
22
291
19
牙刷
Y-BW-507
176
20
196
20
牙刷
Y-AB-2029
1
3
4
21
牙刷
Y-AB-2205
94
19
113
22
牙刷
Y-AB-2011
18
0
18
23
牙刷
Y-BU-2001
12
1
13
24
牙刷
Y-RO-2001
3
0
3
25
洗牙器
Y-AB-5020E
200
18
218
26
洗牙器
Y-AB-5020A
212
54
266
27
洗牙器
Y-AB-169
6
1
7
28
温度计
Y-WDJ-401
227
19
246
29
刷头
Y-ST-06
55
6
61
30
刷头
Y-ST-05
40
4
44
31
刷头
Y-ST-04
9
1
10
32
刷头
Y-ST-03
1
0
1
33
刷头
Y-ST-02
133
12
145
34
刷头
Y-ST-01
22
1
23
35
数据线
Y-USB-Black
15
0
15
总计
共35种
7668
1048
8716
从表格31中，我们看到，本次采集的在线评论总数共计8716条。
其中反映了在D公司的亚马逊平台上购物感到非常满意、满意的评论数占比87.98%，感到一般、不满意及非常不满意的评论数占比12.02%。
（3）评论的评判：
从有效的评论中随机抽取200条，并按照相关文献的研究和采集的评论结果进行类目划分和内容评判，具体的评论内容和划分情况如表格32：
表格32具体的评论内容和划分情况
一级类目
二级类目
三级类目
反映的问题/满意的地方
评论数
产品
质量
可用性
电池寿命短/牙齿干净、变白了/测量不准
83
刷头软硬程度
刷毛硬/太软了
3
配件完整性
缺少相关配件/没有充电座，不能站着充电
3
价格
价格比大牌便宜
52
功能
防水性能好/有计时器/模式多样
2
配件
多样性
套装种类多
10
可用性
替换刷头容易购买
3
服务
客服服务态度
客服很热情/态度不好
10
客服处理问题的快慢
客服回复很快/回复慢
4
平台
物流
交货速度
没收到货物/配送速度快
22
快递包装
包装损坏
2
退货退款处理
收到二手牙刷/退货费贵/退款没收到
6
总计
共8个二级要素
200
评论内容可以反映出顾客对不同方面的关注度，从而得出影响顾客满意程度的不同要素。
根据评判记录，我们得知质量、价格和物流这三方面是顾客关注的重点，其余要素影响程度从大到小分别是配件、客服服务态度、退货退款处理、客服处理问题的快慢和功能（见图33）。
图33评论要素的二级类目出现的频次统计
3.2评论的量化处理
确定了评论的类目，我们需要将评论文本进行量化处理，即编码。
在编码的过程中，为了保证编码的有效性，编码人员需要独立进行编码，同时还应该注意以下几点：
①如果随机抽取的评论没有反应任何一个评论要素，则视为无用评论，应重新再次选取新的评论进行补充编码；相反，只要涉及到一个方面的要素，则视为有用评论。
②在有用评论中，没有涉及到的其他方面的要素，我们认为该顾客对其他要素的满意程度为一般。
编码示例如表格33。
表格33评论内容编码示例
评论内容
评论星级
要素
质量
价格
功能
配件
客服服务态度
客服处理问题的快慢
物流
退货退款处理
牙刷不符合预期，想退货，发邮件给客服，客服不理人，太糟糕了，而且退货比购买该产品还贵了27欧元，失望！
总体满意度
等级
不满意
一般
没涉及
没涉及
没涉及
非常不满意
没涉及
非常不满意
1
分值
2
3
3
3
3
1
3
1
3.3评论量化的信度检验
对于编码信度系数的标准，不同的文献研究者提出了不同的范围。
Kassarjian认为编码信度系数最好大于0.85[18]。
因此，当两个编码员一致认同的类目数小于6时，则表明该数据为无效，应当删除。
最终只有90条有效数据。
编码信度的最终结果见表格34各因素的编码信度检验结果，信度均大于0.8，通过信度检验，编码数据可靠。
表格34各因素的编码信度检验结果
评论要素
相互同意度
信度
质量
0.83
0.9071
价格
0.89
0.9418
功能
0.81
0.895
配件
0.79
0.8827
客服服务态度
0.9260
0.9616
客服处理问题的快慢
0.9444
0.9714
物流
0.9556
0.9773
退款退货处理
0.9111
0.9535
3.4基于量化结果的数据分析
本小节利用SPSS23.0对上一小节的量化数据进行内容的信度和效度分析，考察量化数据的可用性。
（1）可靠性分析
由于在线评论对亚马逊产品运营的高重要性，其难免会参杂了来自不少竞争对手的恶意差评，还有该公司为了提升产品的评分和排名而进行的EDM测评。
所以，我们需要对数据进行信度分析。
本文采用α信度系数法，查看基于内容分析法的量化数据是否具有一致性。
量表的信度系数最好高于0.7，低于0.6就要考虑重新进行数据的编码。
表格35量表数据的描述统计
平均值
删除项后的克隆巴赫Alpha
个案数
满意度
3.667
.642
90
质量
3.511
.699
90
价格
3.178
.745
90
功能
3.111
.755
90
配件
2.878
.754
90
客服服务态度
3.833
.745
90
客服处理问题的快慢
3.311
.733
90
物流
3.267
.718
90
退货退款处理
3.544
.740
90
从表格35来看，删除项后的α系数没有显著性的提高，表明量化数据的稳定性和内部一致性较好。
表格36可靠性分析
可靠性统计
克隆巴赫Alpha
基于标准化项的克隆巴赫Alpha
项数
0.756
0.740
9
结果表明α系数值为0.756，大于0.7，表明量表的信度水平具有一定的可接受度（见表格36），所以，我们可以继续进行下面步骤。
（2）效度分析
本文采用KMO统计量和Barlett球体检验，对量化的结果进行判断，看能否反映所需要的内容的有效性。
KMO大于0.6，则认为该数据是有效的。
表格37效度检验
KMO和巴特利特检验
KMO取样适切性量数。
.694
巴特利特球形度检验
近似卡方
250.185
自由度
36
显著性
.000
从表格37中，KMO等于0.694，且Sig显著性小于0.001，我们认为该量化结果的效度良好。
4基于回归分析的顾客满意度模型验证
本章基于上一章节的量化结果，来构建基于D公司的顾客满意度模型并提出假设，最后利用回归分析进行检验。
4.1顾客满意度模型构建
4.1.1模型构建
结合表格32，本文建立了以下顾客满意度的概念模型（见图41）。
图41基于评论内容的顾客满意度概念模型
4.1.2变量的描述及假设提出
（1）质量：
宁连举等人通过实证表明质量在顾客满意度影响因素中属于决定因素[7]。
且在亚马逊的产品运营中，不少人认为“7分靠产品，3分靠运营”，表明了产品质量对顾客满意度的影响之重。
（2）价格：
价格则是除了质量之外，顾客关注的另一个焦点。
詹姆斯、恩格尔等人指出，“由于顾客对产品的精确价格的关注度较低，因而存在一个可以承担的价格范围，若是超出或低于这个范围界限，价格就显得极为重要[19]”。
（3）功能：
是指产品所能使用的功效。
邱晔等人运用结构方程模型分析发现,手机产品的功能体验对顾客满意度存在显著的正向影响[20]。
（4）配件：
有配件的多样性和可用性两个方面。
多样性是指产品的套装种类。
不同的套装可以满足不同群体的需求。
配
升级会员 