朱立偉 嚴(yán)中華 周理

摘 要：在餐飲業(yè)O2O應(yīng)用廣泛、發(fā)展迅猛的前提下，為探究如何改善餐飲業(yè)O2O服務(wù)水平，本文通過對(duì)“餓了么”在線外賣平臺(tái)的130家商家的調(diào)研數(shù)據(jù)，利用回歸分析和結(jié)構(gòu)方程模型的方法，實(shí)證研究了影響餐飲業(yè)O2O模式下顧客滿意度和銷售量的影響因素，包括價(jià)格因素、配送因素和食品質(zhì)量。得出了影響顧客滿意度的主要是食品質(zhì)量、配送時(shí)間和首單立減活動(dòng)，而銷售量主要是配送時(shí)間和滿減額度。有關(guān)的實(shí)證研究成果，為改善餐飲業(yè)O2O應(yīng)用提出了改進(jìn)之道。

關(guān)鍵詞：顧客評(píng)價(jià)；回歸分析；結(jié)構(gòu)方程模型

相關(guān)研究概述

本文的一個(gè)研究要點(diǎn)在于顧客的評(píng)價(jià)，而這個(gè)要點(diǎn)在傳統(tǒng)餐飲行業(yè)中一般體現(xiàn)為顧客的滿意程度。國(guó)內(nèi)外關(guān)于餐飲行業(yè)的顧客滿意度的研究有很多，其中大部分基于回歸分析法和結(jié)構(gòu)方程模型對(duì)于調(diào)查數(shù)據(jù)進(jìn)行分析。

本文綜合應(yīng)用以往常用于研究顧客滿意程度的回歸分析和結(jié)構(gòu)方程模型，著重研究在O2O電子商務(wù)模式下的餐飲業(yè)顧客評(píng)價(jià)受到一些實(shí)際因素的影響。

回歸分析

多元線性回歸分析是一種常用于分析影響因素的方法。在本文中，由于我們需要考慮的是影響顧客評(píng)價(jià)和銷售量的影響因素，利用多元線性回歸分析可以較為清晰地給出顧客評(píng)價(jià)和銷售量受到各個(gè)解釋變量的影響程度。而多元回歸分析的結(jié)果也可以作為后面結(jié)構(gòu)方程模型的參考。

指標(biāo)選擇

在多元回歸分析中我們已經(jīng)選擇好了被解釋變量，即顧客評(píng)價(jià)和銷售量，需要考慮的是解釋變量的選擇問題。前文中已經(jīng)提到O2O模式下的餐飲行業(yè)顧客評(píng)價(jià)與實(shí)體餐飲行業(yè)需要考慮的因素有些不同。如對(duì)于實(shí)體餐飲行業(yè)來說，需要考慮服務(wù)人員的服務(wù)態(tài)度問題，而由于O2O模式下，顧客僅僅需要在接收外賣時(shí)與服務(wù)人員有很短時(shí)間的接觸，憑借O2O在線支付的優(yōu)點(diǎn)，這個(gè)過程可以被最大化的簡(jiǎn)化。那么我們?cè)诳紤]影響因素的時(shí)候就無需考慮實(shí)體餐飲行業(yè)需要注重的服務(wù)態(tài)度的問題，而這對(duì)于就餐環(huán)境、餐廳主觀影響等等變量來說也是相同的。而實(shí)體餐飲行業(yè)中仍然有一些影響因素會(huì)對(duì)于O2O模式下的顧客評(píng)價(jià)和銷售量產(chǎn)生重要影響，比如價(jià)格因素。在O2O模式下的外賣平臺(tái)中，價(jià)格因素一般可以體現(xiàn)為如滿減額度、首單立減和紅包等等，對(duì)于O2O在線餐飲來說，由于每單的標(biāo)注價(jià)格相當(dāng)接近，決定消費(fèi)者最后支出的是以上的這些因素。當(dāng)然，對(duì)于O2O外賣，我們還需要考慮配送的問題，比如說配送的時(shí)間和配送費(fèi)?；谝陨系母鞣N原因與考慮，我們經(jīng)過調(diào)研，確定了選擇的解釋變量，如表1所示。其中起送價(jià)指的是每單用戶選擇食品總金額達(dá)到了起送價(jià)之后，該訂單才會(huì)進(jìn)行配送，否則無法完成交易；滿減額度是指在訂單金額達(dá)到一個(gè)特定的要求時(shí)，用戶需要支付的金額減少的額度，由于訂單原金額需要滿足的要求有所高低，我們使用減少金額與滿足要求金額之比作為變量；首單立減和紅包是兩個(gè)虛擬變量，分別代表了是否具有首單立減的活動(dòng)和能夠使用“餓了么”紅包的活動(dòng)；配送時(shí)間是30天內(nèi)所有訂單配送時(shí)間的平均數(shù)；食品質(zhì)量是通過30天內(nèi)部分訂單的關(guān)于食品本身質(zhì)量的評(píng)價(jià)的平均分?jǐn)?shù)。

根據(jù)我們對(duì)于130個(gè)“餓了么”客戶端上的快餐和正餐類商家的調(diào)研結(jié)果，獲取了130個(gè)商家的解釋變量和被解釋變量的各項(xiàng)參數(shù)的值。表2中是各個(gè)非虛擬變量之間的Pearson相關(guān)系數(shù)。可以看到起送價(jià)、配送費(fèi)和滿減額度三個(gè)變量之間相關(guān)程度較高，這可能由于商家一般為了促銷，會(huì)在各個(gè)方面都提供較好的優(yōu)惠力度，盡量降低每個(gè)訂單的價(jià)格。而食品質(zhì)量與配送時(shí)間之間相關(guān)性較高，可以認(rèn)為是配送時(shí)間對(duì)于食品溫度有較大的影響，而食品溫度在食品質(zhì)量問題中起著重要的影響作用。被解釋變量顧客評(píng)價(jià)與配送時(shí)間和食品質(zhì)量之間相關(guān)程度較高，尤其是顧客評(píng)價(jià)與食品質(zhì)量之間的相關(guān)系數(shù)甚至能夠達(dá)到0.785的高水平，這反映了食品質(zhì)量因素對(duì)于顧客評(píng)價(jià)的重要影響。而銷量與滿減額度和配送時(shí)間之間的顯著相關(guān)則可以反映銷量與顧客評(píng)價(jià)不同之處，訂單的價(jià)格因素對(duì)于銷量可能會(huì)起到影響，但是對(duì)于顧客評(píng)價(jià)影響卻較小。值得注意的是，顧客評(píng)價(jià)與銷量之間甚至呈現(xiàn)一個(gè)負(fù)相關(guān)的關(guān)系，這意味著對(duì)于一個(gè)商家來說，并不一定有著較好的顧客評(píng)價(jià)就會(huì)有很好的銷量，而其中的作用關(guān)系，則需要通過回歸分析和結(jié)構(gòu)方程模型來解釋。

多元線性回歸結(jié)果

根據(jù)相關(guān)分析的初步結(jié)果，進(jìn)行多元線性回歸分析，結(jié)果如表3所示。當(dāng)顧客評(píng)價(jià)作為被解釋變量時(shí)，模型一中首單立減和配送時(shí)間是影響較大的兩個(gè)變量，都可以在0.01的顯著性水平下解釋顧客評(píng)價(jià)，且這兩個(gè)變量乘數(shù)的正負(fù)號(hào)與一般經(jīng)濟(jì)規(guī)律和常識(shí)相符。但是對(duì)于紅包這個(gè)變量，可以看到其t統(tǒng)計(jì)量絕對(duì)值較大，在0.05的顯著性水平下都成立，但是其乘數(shù)為負(fù)數(shù)，而從一般規(guī)律來說，具有紅包的商家應(yīng)該具有更好的顧客評(píng)價(jià)，那么這說明該模型可能存在較強(qiáng)的多重共線性的問題。這個(gè)問題在加入了食品質(zhì)量作為解釋變量后得到了緩解，而從整個(gè)方程的F統(tǒng)計(jì)量、擬合優(yōu)度系數(shù)可以看出，該模型對(duì)于顧客評(píng)價(jià)的解釋程度是相對(duì)較高的。這說明食品質(zhì)量對(duì)于顧客評(píng)價(jià)的影響程度是最高的，而除了食品質(zhì)量的影響之外，配送時(shí)間和首單立減對(duì)于顧客評(píng)價(jià)也有著較好的解釋能力。而在多重共線性的影響下，其余的解釋變量都不能很好地解釋顧客評(píng)價(jià)，甚至它們的乘數(shù)估計(jì)會(huì)與一般規(guī)律相悖。

當(dāng)銷售量的自然對(duì)數(shù)作為被解釋變量時(shí)，從t統(tǒng)計(jì)量中可以看出，滿減額度和配送時(shí)間的解釋程度較高，其中滿減額度能夠在0.05的顯著性水平下解釋銷售量。而配送時(shí)間能夠在0.01的顯著性水平中進(jìn)行解釋。對(duì)于加入了另外一個(gè)被解釋變量顧客評(píng)價(jià)的模型，可以看到對(duì)于其他的變量的解釋程度基本上沒有影響，從AIC和SC兩種信息準(zhǔn)則的比較上看也基本上沒有差距。這可以認(rèn)為是選擇的解釋變量的線性組合已經(jīng)很好地估計(jì)了被解釋變量的顧客評(píng)價(jià)，當(dāng)顧客評(píng)價(jià)作為解釋變量加入銷售量的估計(jì)過程中時(shí)，由于很強(qiáng)的多重共線性，并不會(huì)起到很重要的影響作用。

結(jié)構(gòu)方程模型

通過回歸分析已經(jīng)可以分析出顧客評(píng)價(jià)和銷售量受到幾種價(jià)格因素、配送條件和食品質(zhì)量等解釋變量的影響，利用結(jié)構(gòu)方程模型就可以進(jìn)一步地分析處理兩個(gè)因變量，充分考慮因變量之間的相互作用關(guān)系對(duì)于模型的影響。

通過在結(jié)構(gòu)方程模型中構(gòu)造潛在變量，我們可以更加清晰地理解出各個(gè)指標(biāo)變量的作用路徑和大小，從而了解它們對(duì)于潛在變量的作用機(jī)理。本文模型采用AMOS21構(gòu)建結(jié)構(gòu)方程模型，使用極大似然法為基礎(chǔ)進(jìn)行分析，結(jié)構(gòu)變量系數(shù)圖如圖1所示。對(duì)于這個(gè)結(jié)構(gòu)方程模型來說，由于使用的是驗(yàn)證性因子分析，結(jié)果包括相關(guān)擬合指數(shù)和結(jié)構(gòu)參數(shù)。主要的相關(guān)擬合指數(shù)結(jié)果如下，模型卡方統(tǒng)計(jì)值（χ2）為70.27，自由度（DF）為26，CMIN/DF=2.703<3，模型絕對(duì)擬合度較好；近似誤差均方根（RMSEA）0.0542<0.06；絕對(duì)擬合參數(shù)（GFI）為0.774，與要求的0.8相比有點(diǎn)差距，可以認(rèn)為基本接受；相對(duì)擬合參數(shù)（CFI）為0.920>0.9；可以認(rèn)為模型擬合程度尚且可以，能夠接受模型的設(shè)定。而對(duì)于模型參數(shù)的估計(jì)值如表4所示。

從得到的模型參數(shù)估計(jì)值可以看到，基本上與回歸分析的結(jié)論是相同的：價(jià)格因子（Pricefac）和配送時(shí)間（Delitime）對(duì)于銷售量（ln（Sales））的影響是較大的，其中價(jià)格因子作為潛在變量，與銷售量之間的路徑系數(shù)為正，具有顯著性；而配送時(shí)間作為指標(biāo)變量，與銷售量之間的路徑系數(shù)為負(fù)，且同樣具有顯著性。評(píng)價(jià)因子（Comfac）與銷售量之間的路徑系數(shù)為負(fù)，但是不具有顯著性，而且其路徑系數(shù)的符號(hào)為負(fù)也與一般規(guī)律不相符。而價(jià)格因子對(duì)于幾個(gè)價(jià)格指標(biāo)變量的路徑分析也與回歸分析相符：只有滿減額度（Fullreduce）與價(jià)格因子之間的路徑系數(shù)是顯著的，其余的幾種價(jià)格指標(biāo)變量與價(jià)格因子之間的路徑系數(shù)都是不顯著的。

結(jié)語

在餐飲行業(yè)的O2O模式發(fā)展得如火如荼的今天，對(duì)于餐飲行業(yè)中已深入研究的顧客滿意度問題，我們希望將其引入到O2O模式中來進(jìn)行研究，結(jié)合傳統(tǒng)餐飲行業(yè)影響顧客滿意度的要素和O2O模式下的特點(diǎn)，我們綜合考慮了食品質(zhì)量，價(jià)格因素和配送因素等等方面的影響。通過對(duì)于“餓了么”應(yīng)用上130家中餐快餐類和中餐正餐類外賣商家的調(diào)研，基于回歸分析和結(jié)構(gòu)方程模型的分析，本文得到了以下結(jié)論：

第一，基于回歸分析的結(jié)果，可知當(dāng)考慮了所有解釋變量對(duì)于顧客評(píng)價(jià)的作用時(shí)，食品質(zhì)量對(duì)于顧客評(píng)價(jià)有著重要的影響。這說明如果商家需要提升顧客滿意程度，最重要的還是改進(jìn)食物的質(zhì)量，這與人們?cè)诮o一個(gè)商家做最基本的評(píng)價(jià)時(shí)首先想到食物美味程度的心理有關(guān)，當(dāng)服務(wù)質(zhì)量和其他影響因素沒有引起人們特別注意的條件下，確實(shí)只有食品美味程度才能夠給顧客留下最直接的印象。

第二，而對(duì)于銷售量的回歸分析中，我們可以看到主要是配送時(shí)間和滿減額度影響了銷售量。配送時(shí)間作為本研究中一個(gè)最重要的參數(shù)，不僅對(duì)于顧客評(píng)價(jià)有著顯著的影響，而且還對(duì)于銷售量的改變有著最重要的作用。

基金項(xiàng)目：廣東省自然科學(xué)基金項(xiàng)目“電子商務(wù)模式構(gòu)建與創(chuàng)新實(shí)證研究” （項(xiàng)目編號(hào)：S2013010011522）

（作者單位：廣東省科技干部學(xué)院）

【參考文獻(xiàn)】

[1] 王實(shí)倩.我國(guó)餐飲O2O模式的發(fā)展?fàn)顩r探究[J].中國(guó)商貿(mào)，2015（Z1）.

[2] 潘光杰，楊衛(wèi)華，宋振宇.餐飲業(yè)提高顧客滿意度探討[J]. 商場(chǎng)現(xiàn)代化，2007（19）.

[3] 譚江濤，黃麗婷.餐飲業(yè)顧客滿意度指數(shù)模型的實(shí)證研究——基于大學(xué)飲食服務(wù)中心的實(shí)地調(diào)研[J].蘭州商學(xué)院學(xué)報(bào)，2014（01）.

[4] 曾劍秋，王帆. O2O在線外賣用戶滿意度研究與實(shí)證分析[J]. 現(xiàn)代情報(bào)， 2015， 35（08）.

[5] 榮泰生.AMOS與研究方法[M].重慶大學(xué)出版社，2009.