624电子商务物流质量测量模型的构建及运用研究资料Word文档格式.docx
- 文档编号:909146
- 上传时间:2023-04-29
- 格式:DOCX
- 页数:25
- 大小:268.77KB
624电子商务物流质量测量模型的构建及运用研究资料Word文档格式.docx
《624电子商务物流质量测量模型的构建及运用研究资料Word文档格式.docx》由会员分享,可在线阅读,更多相关《624电子商务物流质量测量模型的构建及运用研究资料Word文档格式.docx(25页珍藏版)》请在冰点文库上搜索。
(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2B2C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,BLQ——B2C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;
Wij——i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。
2B2C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1B2C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
RQ1
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
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
136
48.06%
48.60%
女
147
51.94%
100.00%
年龄
小于18岁
14
4.95%
18-24岁
111
39.22%
44.17%
25-30岁
99
34.98%
79.15%
31-35岁
50
17.67%
96.82%
36-40岁
7
2.47%
99.29%
46-50岁
2
0.71%
大于50岁
0.00%
学历
初中以下学历
3
1.06%
高中
12
4.24%
5.30%
大专
4
1.41%
6.71%
本科
135
47.70%
54.42%
硕士
122
43.11%
97.53%
博士及以上
职业
求学
186
65.72%
任教
33
11.66%
77.39%
公务员
28
9.89%
87.28%
普通企业职员
22
7.77%
95.05%
技术职员
6
2.12%
97.17%
企业主
98.59%
一线操作工
其它
月收入
小于1000元
100-1999元
15
71.02%
2000-2999元
34
12.01%
83.04%
3000-3999元
25
8.83%
91.87%
4000-4999元
5000-6999元
98.94%
大于7000元
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
累计占比(%)
网龄(年)
小于1年
1
0.4%
1-2
0.7%
2-3
1.1%
1.8%
3-4
2.1%
3.9%
大于4年
270
96.1%
100.0%
网购经历(年)
20
7.1%
74
26.3%
33.5%
104
37.0%
70.5%
60
21.4%
91.8%
23
8.2%
每季度网购次数
小于一次
10
3.6%
2-4次
49
17.4%
21.0%
5-10次
97
34.5%
55.5%
大于10次
125
44.5%
主要网购类型
日常生活用品
137
48.8%
图书学习用品
90
32.0%
80.8%
电子类产品
32
11.4%
92.2%
大宗产品
19
6.8%
98.9%
最常用网购平台
淘宝网站
101
35.9%
当当网
48
17.1%
53.0%
京东网站
55
19.6%
72.6%
凡客网站
36
12.8%
85.4%
亚马逊网站
7.8%
93.2%
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Cronbach'
sα系数为0.653。
如表5所示,除“换/退货保障能力”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Cronbach'
sα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Cronbach'
sα系数表
Cronbach'
sα
标准化Cronbach'
项数
0.653
0.660
6.0
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
10.27
4.100
0.487
11.55
4.916
0.513
11.14
4.325
0.475
12.24
3.653
0.531
10.75
3.325
0.467
10.16
3.604
0.395
表6可靠性维度一次纯化后Cronbach'
0.681
0.712
5.0
表7可靠性维度一次纯化后各指标总体相关系数表
9.63
4.152
0.492
9.16
4.984
0.522
9.88
8.72
3.824
0.586
8.55
3.721
0.427
2.2.2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,对时间性维度进行一次纯化后,其Cronbach'
sα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Cronbach'
0.678
0.684
表9时间性维度一次纯化后项目总体相关系数表
9.34
4.832
0.482
0.27
3.527
0.385
10.35
4.968
0.588
9.77
4.892
0.446
9.84
3.740
0.493
10.11
4.952
二次纯化后,Cronbach'
sα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Cronbach'
0.686
0.691
表11时间性维度二次纯化后项目总体相关系数表
9.17
4.863
9.85
5.126
0.583
5.541
0.461
9.44
4.071
0.472
9.65
5.412
0.556
2.2.3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的Cronbach'
sα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Cronbach'
0.629
3.0
表13灵活性维度纯化前各指标总体相关系数表
10.20
4.335
0.481
10.64
4.131
0.486
9.82
3.544
0.431
2.2.4怡情性维度纯化
如表14、表15所示,一次纯化前Cronbach'
sα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。
如表15
表14怡情性维度纯化前Cronbach'
0.676
0.702
表15移情性维度纯化前维度总体相关系数表
11.01
7.833
0.374
10.56
8.128
0.533
11.22
7.316
0.632
11.08
9.044
0.661
10.77
8.467
0.455
如表16、表17所示,经过纯化,Cronbach'
sα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Cronbach'
0.704
4.0
表17移情性维度一次纯化后指标总体相关系数表
8.737
0.577
10.51
8.124
0.683
10.34
9.850
10.12
8.175
0.536
2.2.5信息性维度纯化
如表18、表19所示,该维度纯化前的Cronbach'
sα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Cronbach'
Cronbach'
0.598
表19信息性维度纯化前各指标总体相关系数表
6.30
2.186
0.474
6.42
2.554
0.573
5.34
2.835
5.92
2.972
0.432
2.2.6经济性维度纯化
如表20、表21所示,该维度纯化前Cronbach'
sα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Cronbach'
0.758
0.795
表21经济性维度纯化前各指标总体相关系数表
9.80
7.896
8.53
3.247
9.32
8.875
0.488
2.3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SPSS19.0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
5
0.780
0.403
0.154
0.397
0.172
0.372
0.513
0.376
0.222
0.251
0.270
0.377
0.740
0.272
0.203
0.434
0.213
0.230
0.684
0.175
0.279
0.433
0.164
0.371
0.509
0.294
0.379
0.313
0.181
0.292
0.585
0.296
0.254
0.354
0.211
0.755
0.206
0.227
0.255
0.244
0.378
0.543
0.336
0.295
0.344
0.427
0.202
0.550
0.178
0.248
0.176
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 624 电子商务 物流 质量 测量 模型 构建 运用 研究 资料