624 电子商务物流质量测量模型的构建及运用研究.docx

1、624 电子商务物流质量测量模型的构建及运用研究基于SERVQUAL理论的B2C电商物流质量评价模型构建研究摘要：物流质量是电子商务业务质量的重要内容。通过专家访谈等方式，对各要素信息进行筛选，构建电子商务物流服务质量测度理论模型。在大量调研数据的基础上，通过维度探索性因子分析，对所有指标进行纯化和调整，完成信度与效度检验；在分析各维度与指标重要性之后，为各维度和指标赋予权重，形成最终测度模型。结果表明，该模型能够对B2C电子商务整体物流服务质量进行可靠有效地测度。本研究对提高B2C电子商务物流服务质量有积极参考价值。 关键词：电子商务；B2C模式；物流服务；物流质量；测量模型Research

2、 on the construction of logistics quality evaluation model of B2C e-commerce based on SERVQUAL theoryAbstract: Logistics quality is an important part of the quality of e-commerce business. Through the way of expert interview, the information of each factor is screened, and the theory model of e-comm

3、erce logistics service quality measurement is constructed. On the basis of a large number of research data, through the dimensions and exploration factor analysis, of all the indicators were purified and adjustment, completion of the test the reliability and validity of the; after the analysis of th

4、e dimensions and indicators of the importance, for the dimensions and indicators give weight to form the final measurement model. The results show that the model can effectively measure the overall logistics service quality of B2C e-commerce. This study has a positive reference value for improving t

5、he quality of B2C e-commerce logistics service.Key words: electronic commerce; B2C model; logistics service; logistics quality; measurement model0 引言物流服务质量对B2C电子商务高效运作至关重要。美国学者Russ（1974）率先提出物流服务质量的理念。经过发展，Parasuraman、Zeithaml以及Berry（1994）提出权威的物流服务质量测度量表，得到广泛认同。Tennessee（2001）通过大量实证研究，提出包含9个指标的B2C物流服

6、务评价体系。王之泰（1995）从物流企业的角度提出物流质量评估模型。随着市场经济概念不断外延，后学研究人员将顾客满意度视作物流质量评估的核心。2002年后，随着电子商务快速发展，学者们提出许多物流服务质量评估模型。其中，比较权威的包括ABC成本法、AHP层次分析法、TOPSIS法以及模糊神经网络法等。基于SERVQUAL理论，在已有研究成果基础上，本文将尝试构建B2C电商物流质量评价模型，希望对提升相关物流服务质量评估科学性、促进BEC电商物流水平改善有积极作用。1 电商物流服务质量测度理论模型1.1 模型的构建1.1.1 构建思路如图1所示，在构建电商物流服务质量测度模型时，包含如下4个基本

7、步骤：其一，构建基础模型。包括SERVQUAL模型、LSQ模型。在构建SERVQUAL模型时，须以顾客期望和顾客感知为基础。在构建LSQ模型时，须构建包含多个维度的指标体系。需指出的是，该指标体系须围绕B2C电子商务特点、B2C物流流程、物流能力以及物流效果展开。其二，问卷设计及数据调研。根据调查目标，设计问题量表；基于问题量表，向B2C电子商务物流相关人员发放问卷，并做好问卷回答引导及收回工作。其三，数据分析。首先，须做好数据相关性分析，以对指标进行纯化处理。其次，须做好因子分析，对指标维度进行调整。最后，进行回归分析，对各指标赋予适当权重。其四，确立模型，并对电商物流服务质量进行测度。图1

8、 模型的构建思路示意图1.1.2维度及指标确定如图2所示，本研究构建如下B2C电商物流服务质量测量维度：（1）可靠性。B2C电商物流公司及其职员在为顾客提供物流服务过程中，须对顾客做出承诺并保证其感到可以信赖。在分析时，须从配送范围、货物完整性、货物准确性、物流人员操作规范性等方面进行细分。（2）时间性。物流服务能够对顾客需求做出及时反应，并对其中所存在的问题及时处理。在分析时，须从需求响应时间、送货周期、退货时间、退货/换货周期、物流高峰延迟时间性等方面进行细分。（3）灵活性。物流服务能够对顾客多样化需求做出多种形式的响应。在分析时，须从取货方式种类、配送方式种类以及换货/退货方式种类等方面

9、进行细分。（4）怡情性。顾客从物流服务中所感受到的关心、友好及专业性等。在分析师，须从服务态度、工作人员沟通意愿、错误/误差应对积极性以及服务人性化等方面进行细分。（5）信息性。顾客须有效了解货物物流信息状态。具体来讲，需要从信息及时性、信息充足性、信息准确度以及信息误差处理程序等方面进行指标细化。（6）经济性。顾客为物流服务所支付费用的性价比。在构建指标时，须从正常物流费用、退货/换货费用以及性能-价格比。图2 B2C电子商务物流服务质量测度理论模型 1.2模型假设1.2.1基本假设在构建B2C电商物流服务质量测度模型时，须首先建立如下基本假设：其一，各顾客对服务质量的感知是相互独立的，相互

10、之间不受影响；其二，对所有B2C电商企业，物流服务质量外其他因素的影响方式和程度一致。1.2.2验证假设假设：可靠性、时间性、经济性、怡情性、信息性以及经济性等维度对服务质量的影响都呈正向特征。该假设主要用于检验各维度解释B2C电商物流服务质量的能力。若个维度得分越高，则表明所评价B2C电商物流服务更理想。需指出的是，各维度相互差异显著，与B2C电商物流服务质量的相关性及重要性亦存在差异。1.3模型函数表达基于SERVQUAL理论，B2C电商物流服务质量可由下式表达： （1）式中，QSER表示物流服务质量得分；P表示顾客感知分数；E表示顾客期望分数。 式（1）的成立须基于如下假设：顾客对物流服

11、务质量怡情性、可靠性、时间性等维度的重要性感知一致。然而，这与实际情况存在差异。比如，部分顾客更看重物流服务质量时间性，而另外一些顾客则可能更重视送货服务可靠性。因此，本研究构建如下B2C电商物流服务质量修正表达式： （2）式中，BLQB2C电商物流服务质量总得分；Pi客户对第i指标的感知得分；Ei客户对第i指标的期望得分；Wj各维度权重值；Wiji指标对j维度的权重值；n维度数量；R各维度所含指标数量。2 B2C电商物流服务质量测度模型校验2.1描述性统计 经过专家访谈，本研究所构建B2C电商物流服务质量量表如表1所示。表1 B2C电商物流服务质量测度量表维度二级指标编号描述可靠性覆盖范围R

12、Q1满足多地区不同客户需求的能力收/送货准确度RQ2送货/收货地点准确与否货物准确度RQ3客户收到货物数量、颜色等是否准确货物完好性RQ4货物内容、包装是否完好操作规范性RQ5收货、送货、签收等是否专业换/退货保障能力RQ6相关服务是否完善时间性需求响应时间TQ1确认新订单所需时间发货速度TQ2确认后发货所需时间收货时间TQ3客户订货后等待时间取货速度TQ4到达后客户等待时间退换货速度TQ5申请提出后的响应时间错误/误差处理时间TQ6新货发出、退款处理所需时间高峰期延迟时间TQ7相比正常时期的收货延迟时间灵活性送货方式可选择性FQ1能否提供普通邮递、邮政特快、普通速递、加急速递收货方式可选择性

13、FQ2能否提供自提、到指定网点、送货上门等取货方式退换货方便性FQ3能否上门取货、及时退款怡情性服务人员形象SQ1形象、着装等是否规范服务态度SQ2服务过程是否真诚、有耐心等错误及误差处理状态SQ3能否积极回应误差及错误沟通良好度SQ4服务个性化SQ5针对客户提供预约等服务信息性信息充足度IQ1能否提供价格、配送方式等信息信息及时性IQ2能否提供物流进度追踪信息准确度IQ3信息是否准确信息误差反馈IQ4产生误差后及时告知客户经济性服务费用EQ1物流直接支付成本性价比EQ2费用和服务相符的程度退换货成本EQ3是否有顾客承担费用 本研究中，通过“知己知彼网”、微信、QQ等网络平台，向B2C电商购物

14、人员共发放问卷302份，收回294份，有效问卷274份，有效率为93.197%，符合问卷有效性要求。 如表2所示，为样本基本描述性统计结果。表2 样本基本特征统计表指标选项人数占比（%）累积占比（%）性别男13648.06%48.60%女14751.94%100.00%年龄小于18岁144.95%4.95%18-24岁11139.22%44.17%25-30岁9934.98%79.15%31-35岁5017.67%96.82%36-40岁72.47%99.29%46-50岁20.71%100.00%大于50岁00.00%100.00%学历初中以下学历31.06%1.06%高中124.24%5.

15、30%大专41.41%6.71%本科13547.70%54.42%硕士12243.11%97.53%博士及以上72.47%100.00%职业求学18665.72%65.72%任教3311.66%77.39%公务员289.89%87.28%普通企业职员227.77%95.05%技术职员62.12%97.17%企业主41.41%98.59%一线操作工20.71%99.29%其它20.71%100.00%月收入小于1000元18665.72%65.72%100-1999元155.30%71.02%2000-2999元3412.01%83.04%3000-3999元258.83%91.87%4000-

16、4999元144.95%96.82%5000-6999元62.12%98.94%大于7000元31.06%100.00% 如表3所示，为样本行为特征统计结果。表3 样本行为特征统计表指标选项人数占比（%）累计占比（%）网龄（年）小于1年10.4%0.4%1-210.4%0.7%2-331.1%1.8%3-462.1%3.9%大于4年27096.1%100.0%网购经历（年）小于1年207.1%7.1%1-27426.3%33.5%2-310437.0%70.5%3-46021.4%91.8%大于4年238.2%100.0%每季度网购次数小于一次103.6%3.6%2-4次4917.4%21.0

17、%5-10次9734.5%55.5%大于10次12544.5%100.0%主要网购类型日常生活用品13748.8%48.8%图书学习用品9032.0%80.8%电子类产品3211.4%92.2%大宗产品196.8%98.9%其它31.1%100.0%最常用网购平台 淘宝网站10135.9%35.9%当当网4817.1%53.0%京东网站5519.6%72.6%凡客网站3612.8%85.4%亚马逊网站227.8%93.2%其它196.8%100.0%2.2测度指标纯化及调整2.2.1可靠性维度纯化如表4所示，可靠性维度纯化前Cronbachs 系数为0.653。如表5所示，除“换/退货保障能力

18、”指标外，其它各指标的校正总计相关性系数都在0.40以上。因此，须删除该指标。如表6所示，纯化后的Cronbachs 系数增加为0.681。如表7所示，为纯化后可靠性维度相关系数表，各指标总计相关性系数都大于0.40，纯化过程完成。表4 可靠性维度纯化前Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6530.6606.0表5 可靠性维度纯化前各指标总体相关系数表删除指标均值删除指标方差校正总计相关性覆盖范围10.274.1000.487收/送货准确度11.554.9160.513货物准确度11.144.3250.475货物完好性12.243.6530.531操

19、作规范性10.753.3250.467换/退货保障能力10.163.6040.395表6 可靠性维度一次纯化后Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6810.7125.0表7 可靠性维度一次纯化后各指标总体相关系数表删除指标均值删除指标方差校正总计相关性覆盖范围9.634.1520.492收/送货准确度9.164.9840.522货物准确度9.884.3250.487货物完好性8.723.8240.586操作规范性8.553.7210.4272.2.2时间性维度纯化按照类似方法对时间性维度进行纯化。如表8、表9和表10所示，剔除“高峰期延迟时间”指标，

20、对时间性维度进行一次纯化后，其Cronbachs 为0.678。然而，“发货速度”指标的总计相关性系数为0.385，因此，须继续将该项剔除。表8 时间性维度一次纯化前Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6780.6846.0表9 时间性维度一次纯化后项目总体相关系数表删除指标均值删除指标方差校正总计相关性需求响应时间9.344.8320.482发货速度0.273.5270.385收货时间10.354.9680.588取货速度9.774.8920.446退换货速度9.843.7400.493错误/误差处理时间10.114.9520.531二次纯化后，C

21、ronbachs 系数增加为0.686。如表10所示，经过二次纯化，各指标总计相关性系数都大于0.40，纯化过程完成。表10 时间性维度一次纯化后Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6860.6915.0表11 时间性维度二次纯化后项目总体相关系数表 删除指标均值删除指标方差校正总计相关性需求响应时间9.174.8630.482收货时间9.855.1260.583取货速度9.885.5410.461退换货速度9.444.0710.472错误/误差处理时间9.655.4120.5562.2.3灵活性维度纯化 如表12、表13所示，未纯化处理前灵活性维度

22、的Cronbachs 系数为0.629，各指标总计相关性系数皆在0.40以上。因此，不需要对该维度进行纯化。表12 灵活性维度纯化前Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6290.6843.0表13 灵活性维度纯化前各指标总体相关系数表 删除指标均值删除指标方差校正总计相关性送货方式可选择性10.204.3350.481收货方式可选择性10.644.1310.486退换货方便性9.823.5440.4312.2.4怡情性维度纯化如表14、表15所示，一次纯化前Cronbachs 系数为0.672，“服务人员形象”指标相关性系数为0.374，须予以剔除。

23、如表15表14 怡情性维度纯化前Cronbachs 系数表Cronbachs 标准化Cronbachs 项数0.6760.7025.0表15 移情性维度纯化前维度总体相关系数表 删除指标均值删除指标方差校正总计相关性服务人员形象11.017.8330.374服务态度10.568.1280.533错误及误差处理状态11.227.3160.632沟通良好度11.089.0440.661服务个性化10.778.4670.455如表16、表17所示，经过纯化，Cronbachs 系数增加为0.678，且各指标相关性系数都大于0.40。至此，纯化过程完成。表16 怡情性维度一次纯化后Cronbachs

24、系数表Cronbachs 标准化Cronbachs 项数0.6780.7044.0表17 移情性维度一次纯化后指标总体相关系数表 删除指标均值删除指标方差校正总计相关性服务态度9.858.7370.577错误及误差处理状态10.518.1240.683沟通良好度10.349.8500.691服务个性化10.128.1750.5362.2.5信息性维度纯化 如表18、表19所示，该维度纯化前的Cronbachs 系数为0.588，且各指标总计相关性都大于0.40。因此，无需对该维度剔除指标。表18 信息性维度纯化前Cronbachs 系数表 Cronbachs 标准化Cronbachs 项数0.

25、5880.5984.0表19 信息性维度纯化前各指标总体相关系数表 删除指标均值删除指标方差校正总计相关性信息充足度6.302.1860.474信息及时性6.422.5540.573信息准确度5.342.8350.467信息误差反馈5.922.9720.4322.2.6经济性维度纯化 如表20、表21所示，该维度纯化前Cronbachs 系数为0.758，且且各指标总计相关性都大于0.40。因此，该维度无需剔除指标。表20 经济性维度纯化前Cronbachs 系数表 Cronbachs 标准化Cronbachs 项数0.7580.7953.0表21 经济性维度纯化前各指标总体相关系数表 删除指

26、标均值删除指标方差校正总计相关性服务费用9.807.8960.427性价比8.533.2470.536退换货成本9.328.8750.4882.3探索性因子分析在探讨公共因子、观测变量之间的关系时，须按下式进行： （3）式中，表示公共因子；xi表示观测变量；表示误差。 通过探索因子分析，能够对理论模型与实际分析结果之间的拟合度进行计算，并进一步对模型进行调整。 运用SPSS 19.0软件，对B2C电商物流服务质量问卷所得数据进行因子分析。如表21所示，为6个主因子与各指标旋转载荷矩阵计算结果。在判断各指标与主因子是否存在隶属关系时，须判断该指标是否在该主因子上拥有大于0.5的载荷量。由表22可

27、知，各指标在其所属主因子上的旋转载荷量皆在0.5以上。因此，不需要剔除指标，理论模型的合理性通过探索因子检验。表22 旋转载荷矩阵表 指标编号主成分123456RQ10.780 0.403 0.154 0.397 0.172 0.372 RQ20.513 0.376 0.222 0.251 0.270 0.377 RQ30.740 0.272 0.203 0.434 0.213 0.230 RQ40.684 0.175 0.279 0.433 0.164 0.371 RQ50.509 0.294 0.379 0.313 0.181 0.181 TQ10.292 0.585 0.251 0.296 0.254 0.354 TQ30.211 0.755 0.206 0.227 0.255 0.244 TQ40.378 0.543 0.336 0.295 0.344 0.427 TQ50.202 0.550 0.178 0.248 0.176 0.