魏銘昊，張國華

(湖南工業(yè)大學(xué)商學(xué)院，湖南 株洲 412000)

0 引言

全國校園快遞量在2019年就已突破30億件，以教育部披露的高等教育在校3 833萬人計(jì)，人均快遞達(dá)78.2件，這是2018年全國人均42件的1.8倍。據(jù)中國勞動(dòng)經(jīng)濟(jì)學(xué)會(huì)就業(yè)促進(jìn)專業(yè)委員會(huì)在2020年會(huì)上發(fā)布的《快遞服務(wù)站：重構(gòu)快遞末端的困難群體就業(yè)增收新渠道》的報(bào)告顯示，到2025年，中國快遞業(yè)務(wù)量將達(dá)到1 500億件左右。不斷增加的大學(xué)生數(shù)量使得快遞業(yè)務(wù)量也水漲船高，當(dāng)然，快遞業(yè)務(wù)量猛烈增加的同時(shí)，客戶類型、貨物類型等都發(fā)生了變化。菜鳥驛站的建立是目前使用最為廣泛的“最后500米”解決方案。但如此巨大的業(yè)務(wù)量與客戶日益提高的滿意度要求，也使得校園菜鳥驛站的工作面臨前所未有的壓力。如何提高校園菜鳥驛站服務(wù)滿意度，成了一個(gè)難題。

1 模型構(gòu)建

1.1 影響菜鳥驛站滿意度的因素

通過實(shí)地考察以及問卷調(diào)查的方式，得到學(xué)校菜鳥驛站影響客戶滿意度的主要因素有如下幾點(diǎn)。

1)取件效率低。不同的取件方式(人工掃碼和掃描儀掃碼)、排隊(duì)時(shí)間、出庫效率、尋找包裹的時(shí)間等因素都會(huì)影響取件效率，過低的取件效率勢(shì)必會(huì)影響客戶滿意度。

2)丟件。由于工作人員的疏忽、他人錯(cuò)拿或配送信息錯(cuò)誤等原因，學(xué)校菜鳥驛站偶有快遞丟失的事件發(fā)生，這會(huì)極大地降低客戶滿意度。

3)包裹破損?？爝f運(yùn)輸途中的暴力配送、不合理的堆疊方式或錯(cuò)誤的包裝方法等因素都會(huì)導(dǎo)致包裹的破損，嚴(yán)重時(shí)會(huì)影響貨物的完整性，進(jìn)而導(dǎo)致不必要的糾紛，降低客戶滿意度。

4)員工服務(wù)態(tài)度差。目前，學(xué)校菜鳥驛站員工專業(yè)知識(shí)、文化水平、文明程度參差不齊，過低的服務(wù)質(zhì)量會(huì)大大降低客戶對(duì)菜鳥驛站的滿意度。

5)驛站距離遠(yuǎn)。H高校共有10余個(gè)菜鳥驛站，但每個(gè)菜鳥驛站都只收、發(fā)指定物流公司的快遞。在無法選擇物流公司的情況下，客戶只能去指定的菜鳥驛站收發(fā)快遞，由于學(xué)校較大，各驛站距離也較遠(yuǎn)，導(dǎo)致客戶經(jīng)常要走很遠(yuǎn)的距離收取包裹，增加了客戶的時(shí)間成本，因此會(huì)影響客戶的滿意度。

6)驛站內(nèi)擁擠。在中午12點(diǎn)和傍晚18點(diǎn)左右，由于正是學(xué)生下課的時(shí)間，各菜鳥驛站會(huì)迎來每日的高峰期，經(jīng)常會(huì)出現(xiàn)人山人海的情況，除了會(huì)降低取件效率外，也會(huì)影響客戶的主觀感受。

1.2 指標(biāo)體系構(gòu)建

根據(jù)問卷調(diào)查和實(shí)地考查的結(jié)果，設(shè)置評(píng)價(jià)指標(biāo)，如表1所示。

表1 評(píng)價(jià)指標(biāo)

1.3 二級(jí)指標(biāo)的相關(guān)性和顯著性

在存在多個(gè)變量的分析中，多個(gè)要素之間通常存在相互關(guān)聯(lián)、相互影響的情況。

假設(shè)某一因變量y受i個(gè)自變量x1，x2，…，xi的影響，其n組觀測(cè)值為(ya，x1a，x2a，…，xia)，a=1，2，…，n。則多元線性回歸模型的形式為：

ya=β0+β1x1a+β2x2a+…+βkxka+εa

式中，β0，β1，…，βk為待定參數(shù)；εa為隨機(jī)變量。

首先對(duì)6個(gè)二級(jí)指標(biāo)采用Pearson相關(guān)性分析及多元線性回歸分析，進(jìn)而確定各指標(biāo)對(duì)滿意度的相關(guān)性和顯著性。

1.4 各因素權(quán)重確定

AHP是將諸要素配對(duì)進(jìn)行比較，根據(jù)各要素之間重要程度(相對(duì))進(jìn)行判斷，再根據(jù)比較矩陣的特征值獲得權(quán)重向量Wk，主要步驟如下。

1.4.1 構(gòu)建比較矩陣

假設(shè)比較某一層k個(gè)因素C1，C2，…，Ck對(duì)上一層因素ο的影響，每次2個(gè)因素Ci和Cj，用Cij表示Ci和Cj對(duì)ο的影響之比，全部比較結(jié)果構(gòu)成比較矩陣C，也叫正互反矩陣。

若正互反矩陣C元素成立等式：Cij×Cjk=Cik，則稱C為一致性矩陣。

1.4.2 計(jì)算矩陣的權(quán)重

通過解比較矩陣的特征值，求得相應(yīng)的特征向量。將其歸一化后稱為權(quán)重向量Qk=[q1k，q2k，…，qkk]T，其中的qik就是Ci對(duì)ο的相對(duì)權(quán)重。由特征方程A-λI=0，求得最大特征值λmax和對(duì)應(yīng)的特征向量。

1.4.3 得到最終權(quán)值向量

將一致性矩陣任一行或列向量歸一化就會(huì)得到所需的權(quán)重向量。

計(jì)算得到準(zhǔn)則層對(duì)目標(biāo)層的權(quán)重即不同因素的最終權(quán)重。

1.5 灰色關(guān)聯(lián)度分析比較各因素與滿意度的關(guān)聯(lián)程度

灰色關(guān)聯(lián)分析是求因變量和自變量之間的緊密程度，主要應(yīng)用于樣本量較少的預(yù)測(cè)。本文采用的自變量是服務(wù)態(tài)度差、店內(nèi)擁擠、丟件、驛站距離遠(yuǎn)與取件效率低這5個(gè)指標(biāo)的選擇人數(shù)，因變量是顧客滿意度指數(shù)。具體步驟如下。

1.5.1 確定參考序列和比較序列

1.5.2 指標(biāo)的規(guī)范化處理

指標(biāo)間通常有不同的量綱或數(shù)量級(jí)，為了保證結(jié)果的可靠性，不能直接進(jìn)行比較，因此要對(duì)原指標(biāo)進(jìn)行去量綱處理。通常處理方法有兩種——均值化和初值化，本文采用均值化。分別求出各個(gè)指標(biāo)原始數(shù)據(jù)的平均值，接著用均值去除對(duì)應(yīng)指標(biāo)的每個(gè)數(shù)據(jù)，得到新數(shù)據(jù)。

1.5.3 計(jì)算關(guān)聯(lián)系數(shù)

式中，ρ∈(0，1)，一般取ρ=0.5。

1.5.4 計(jì)算關(guān)聯(lián)度

由于關(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個(gè)時(shí)刻的關(guān)聯(lián)程度的值，它的值不止一個(gè)，無法進(jìn)行比較。因此要將各個(gè)時(shí)刻的關(guān)聯(lián)系數(shù)集中為一個(gè)值，也就是求其平均值，作為比較數(shù)列與參考數(shù)列間關(guān)聯(lián)程度的數(shù)字表示，加權(quán)的關(guān)聯(lián)度公式如下：

式中，ψk表示由之前AHP得到的各因素權(quán)重，其中，0≤ψk≤1。

2 實(shí)例分析

本次數(shù)據(jù)均采用問卷調(diào)查的方式獲取，針對(duì)H高校師生共發(fā)放180份，回收174份，回收率為96.7%；有效問卷為170份，有效率為97.7%。

2.1 信、效度分析

根據(jù)問卷得到的數(shù)據(jù)，使用SPSS軟件進(jìn)行信度和效度分析，具體結(jié)果如表2、表3所示。

表2 可靠性統(tǒng)計(jì)

表3 KMO和巴特利特檢驗(yàn)

由表2可知，量表總信度系數(shù)為0.811，表示內(nèi)部一致性較高，說明較為可信。由表3可知，Bartlett球形檢驗(yàn)的顯著性為0，而KMO值為0.771，說明效度較高。

2.2 總體滿意度調(diào)查

總體滿意度如表4所示，調(diào)查人員中，選擇非常不滿意的只占2%，比較不滿意的占11%，一般占28%，比較滿意占39%，非常滿意占19%，整體評(píng)價(jià)介于一般與比較滿意之間。

表4 總體滿意度調(diào)查

2.3 多元線性回歸分析

根據(jù)總體滿意度影響指標(biāo)：快遞破損、員工服務(wù)態(tài)度差、取件效率低、驛站距離遠(yuǎn)、驛站內(nèi)擁擠和丟件，使用SPSS軟件進(jìn)行線性回歸分析。由表5可知，快遞破損顯著性為0.307，不顯著，其余各因素顯著性均小于0.05，顯著。故首先剔除快遞破損這個(gè)指標(biāo)。而通過皮爾遜相關(guān)性可得各指標(biāo)與滿意度的相關(guān)性排序?yàn)椋喝〖实?店內(nèi)擁擠>員工服務(wù)態(tài)度差>驛站距離遠(yuǎn)>丟件。

表5 多元線性回歸分析結(jié)果

2.4 AHP層次分析法確定權(quán)重

由之前所得的各因素與滿意度相關(guān)性排序，可以得到一級(jí)指標(biāo)的判斷矩陣，具體如表6所示。

表6 判斷矩陣

采用SPSS進(jìn)行分析，得到指標(biāo)權(quán)重，結(jié)果如表7所示。

表7 AHP層次分析結(jié)果

根據(jù)分析結(jié)果，得到各因素權(quán)重，權(quán)重由高到低排列為：取件效率低36.000%，店內(nèi)擁擠28.000%，員工服務(wù)態(tài)度差20.000%，驛站距離遠(yuǎn)12.000%，丟件4.000%。

2.5 灰色關(guān)聯(lián)度分析

表8 參考序列與比較序列

根據(jù)公式：

采用均值法計(jì)算關(guān)聯(lián)系數(shù)，P取0.5，得到關(guān)聯(lián)系數(shù)，結(jié)果如表9所示。

表9 關(guān)聯(lián)系數(shù)結(jié)果

表10 關(guān)聯(lián)度結(jié)果

綜上所述，可以得到結(jié)論：各因素對(duì)于菜鳥驛站服務(wù)滿意度的關(guān)聯(lián)程度，由高到低排列為：取件效率低>店內(nèi)擁擠>服務(wù)態(tài)度差>驛站距離遠(yuǎn)>丟件。

3 對(duì)策及建議

根據(jù)分析結(jié)果，取件效率低對(duì)于提高菜鳥驛站服務(wù)滿意度最為重要。而導(dǎo)致取件效率低的原因有兩個(gè)：出庫效率低和取件時(shí)間長(zhǎng)。其中，取件時(shí)間長(zhǎng)是由于驛站擁擠、貨架布局混亂和取件號(hào)碼不明顯引起的，而貨架布局也會(huì)間接導(dǎo)致驛站擁擠。學(xué)校菜鳥驛站存在兩種出庫方式：人工掃描、掃描儀掃描。導(dǎo)致掃描儀效率低的原因是：機(jī)器數(shù)量少、使用不方便及客戶不了解操作。導(dǎo)致人工掃描效率低的原因是：?jiǎn)T工問題、網(wǎng)絡(luò)問題。

由上述的分析可以看出，本校菜鳥驛站提高客戶滿意度必須先從優(yōu)化貨架布局、優(yōu)化出庫步驟、增強(qiáng)員工培訓(xùn)、優(yōu)化派送方式等入手。

3.1 優(yōu)化貨架布局

3.1.1 雜物清理及空間規(guī)劃

在優(yōu)化貨架的布局前，最好進(jìn)行雜物的清理以及空間的規(guī)劃，提高驛站空間利用率的同時(shí)預(yù)留客戶排隊(duì)的通道[6]。

3.1.2 重新設(shè)置貨架位置及編碼

根據(jù)貨架數(shù)量將貨架進(jìn)行編號(hào)，貨架則在客戶排隊(duì)的通道兩側(cè)按數(shù)字從小到大的順序進(jìn)行排列，讓客戶一眼就能看到自己的包裹所在的貨架編號(hào)，減少客戶尋找貨架的時(shí)間。

3.1.3 合理分配貨架存儲(chǔ)空間

貨物按照大小進(jìn)行擺放，大宗貨物放置在貨架最底層，而文件等小件貨物放在相對(duì)上層的位置，使得客戶能根據(jù)自己所要尋找的包裹類型有目的地進(jìn)行尋找，縮短客戶尋找包裹的時(shí)間。

3.2 優(yōu)化出庫步驟

3.2.1 采用人工掃描和掃描儀相結(jié)合的方式

由于掃描儀的普及，許多菜鳥驛站只有掃描儀在進(jìn)行出庫工作，而工作人員只是在一旁看著。鑒于高峰期取件人數(shù)較多，菜鳥驛站光靠掃描儀出庫速度仍然較慢，導(dǎo)致出庫效率低下。而人工掃描可以對(duì)驛站內(nèi)客戶進(jìn)行分流，減輕排隊(duì)壓力，加快出庫速度。掃描儀的普及并不應(yīng)是工作人員減少工作量的理由，而應(yīng)是提高出庫效率的方案，因此應(yīng)采用人工掃描和掃描儀相結(jié)合的方式。

3.2.2 改善驛站內(nèi)網(wǎng)絡(luò)環(huán)境

據(jù)反映，掃描儀操作不便多數(shù)是由于驛站內(nèi)網(wǎng)絡(luò)環(huán)境不佳導(dǎo)致客戶打開菜鳥app時(shí)出現(xiàn)卡頓等現(xiàn)象。因此，驛站可采用Nanocell等技術(shù)，滿足LTE和WLAN雙網(wǎng)信號(hào)的覆蓋，改善驛站內(nèi)客戶的網(wǎng)絡(luò)環(huán)境，以此提高掃描儀出庫的效率，提高客戶的滿意度。

3.3 增強(qiáng)員工培訓(xùn)

由于菜鳥驛站作為末端物流運(yùn)營環(huán)節(jié)，驛站的工作人員直接與客戶接觸。工作人員的專業(yè)水平、服務(wù)態(tài)度等都會(huì)影響到客戶的滿意度。因此菜鳥企業(yè)可以將專業(yè)素養(yǎng)、文明程度、溝通能力等納入考核范圍，定期對(duì)各驛站員工進(jìn)行素質(zhì)考核，平時(shí)注重員工各方面的培訓(xùn)。這樣菜鳥驛站的員工在為客戶提供服務(wù)時(shí)能有效提高客戶對(duì)驛站的滿意度。

3.4 優(yōu)化派送方式

鑒于目前大多數(shù)時(shí)候，客戶期望包裹派送的驛站與包裹實(shí)際派送的驛站不符，導(dǎo)致客戶經(jīng)常要走很長(zhǎng)一段路才能到達(dá)指定驛站收取包裹，大大增加了客戶的時(shí)間成本，降低了客戶的滿意度。雖然學(xué)校也存在一些第三方的“代取”服務(wù)，可以將驛站的包裹送至客戶宿舍樓下，但是代取價(jià)格較高，并且送至宿舍樓下的時(shí)間相對(duì)較晚，無法滿足大部分客戶的需求。而菜鳥app中的“互助取件”功能只能與微信好友共同使用，范圍較小，目前使用的人也較少，同樣無法滿足客戶需求。因此菜鳥驛站要想縮短客戶前往驛站取件的距離和時(shí)間，需要優(yōu)化派送方式。

3.4.1 采取“包裹靠近客戶”原則

客戶在填寫收件信息時(shí)可以備注自己所期望派送的驛站，而驛站也可以根據(jù)客戶所填信息，盡量滿足客戶的需求，提高客戶滿意度。但還要考慮到高峰期客戶的分流問題，不能完全按照客戶期望的驛站進(jìn)行派送，這樣反而會(huì)降低客戶的取件效率，得不償失。

3.4.2 嘗試“校園眾包”新模式

假設(shè)：客戶甲的包裹被送至驛站A，但他希望去驛站B取包裹，甲就可以在app上發(fā)布自己希望代取的申請(qǐng)，而乙的行走路徑剛好要經(jīng)過驛站A和驛站B，乙就可以接受申請(qǐng)，首先在驛站A對(duì)甲的包裹進(jìn)行拍照上傳，再將甲的包裹從驛站A帶到驛站B。在規(guī)定時(shí)間內(nèi)將甲的包裹完好地送達(dá)驛站B后，乙也可以享受一次“代取”服務(wù)。這種模式的好處是：全程在app上操作，雙方都需要實(shí)名認(rèn)證以及本校學(xué)生身份認(rèn)證，而代取也只是從驛站A到驛站B，不存在客戶私下里的包裹配送，并且后臺(tái)可以對(duì)上傳的數(shù)據(jù)實(shí)時(shí)跟蹤，降低了丟件的風(fēng)險(xiǎn)，提高了眾包物流的保障。而客戶也可以在自己期望的驛站取貨，可以有效縮短客戶前往驛站取件的時(shí)間，提高客戶的滿意度。

4 結(jié)語

本文通過問卷的方式調(diào)查了H高校菜鳥驛站服務(wù)滿意度存在的問題及師生對(duì)于校園菜鳥驛站的滿意度評(píng)價(jià)情況。并分別采用多元線性回歸、AHP層次分析法、灰色關(guān)聯(lián)度分析法分析數(shù)據(jù)，發(fā)現(xiàn)目前菜鳥驛站諸多不足之處。這樣分析的好處是：能夠站在客戶的角度更加客觀地得到結(jié)論，利用線性回歸取代了傳統(tǒng)層次分析法中專家打分獲得的重要性程度劃分標(biāo)準(zhǔn)，使之得到的權(quán)重更為客觀、準(zhǔn)確，而灰色關(guān)聯(lián)度中加入AHP得到的權(quán)重，也使得分析結(jié)果更具說服力。接著具體問題具體分析，根據(jù)問題對(duì)滿意度影響程度，對(duì)影響較大的問題提出了合理的建議，對(duì)于菜鳥驛站提高客戶滿意度有較大的參考價(jià)值。但是文章也存在一些不足之處，例如數(shù)據(jù)量較少導(dǎo)致數(shù)據(jù)說服力較低等。

總之，通過對(duì)H高校校園菜鳥驛站服務(wù)滿意度的研究，提出合理的改進(jìn)建議，能夠加強(qiáng)物流末端服務(wù)質(zhì)量，促使驛站服務(wù)與時(shí)俱進(jìn)，不斷改善。也能夠拋磚引玉，為其他高校菜鳥驛站的服務(wù)滿意度研究提供依據(jù)。