聚類分析下的電子商務物流服務質量評價
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了聚類分析下的電子商務物流服務質量評價范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要:對電子商務物流服務質量差別較大、企業(yè)經(jīng)驗不足及客戶投訴屢見不鮮等問題，以商品配送的延誤率、丟失損毀率和投遞服務投訴率為評價電子商務物流服務質量最重要的3項指標，利用聚類分析算法，建立電子商務物流服務質量評價模型。從類別角度和指標角度分析聚類評價結果并提出相應的物流服務質量改進建議。從聚類評價結果來看，各項指標對不同類型企業(yè)的影響存在差異，服務優(yōu)質類企業(yè)需重點關注投遞服務水平，而服務低質類企業(yè)最需提高商品配送的準時性。
關鍵詞:電子商務物流;服務質量評價;K-means算法;聚類分析
引言
近年來，電子商務快速發(fā)展，我國物流行業(yè)業(yè)務量迅猛增長，進入飛速發(fā)展時期。但是由于我國物流起步較晚、發(fā)展時間較短、企業(yè)經(jīng)驗不足以及缺少行業(yè)規(guī)范等，電子商務物流行業(yè)的服務質量差別較大，客戶投訴現(xiàn)象屢見不鮮［1］。對電子商務物流服務的質量評價，可使企業(yè)更清楚地認識到客戶需求及自身短板，有效提升服務質量，更好地為客戶服務。對于電子商務物流服務質量評價的相關研究，或是以評價指標為重點，研究其內在相關性［2］，提出改進建議［3］;或是從建立評價指標體系出發(fā)，構建評價模型［4-6］;或是以評價方法為重點，研究方法的改進［7］。本文以電子商務物流服務質量評價指標的構建為基礎，采用聚類方法建立物流服務質量評價模型，從不同角度對模型評價結果進行分析，并針對性地提出物流服務質量的改進意見，形成電子商務物流服務質量評價的完整體系。
1電商物流服務質量評價指標
關于企業(yè)服務質量評價指標方面，國內外學者做了大量的理論和實證研究。SERVQUAL模型得到廣泛認可和采用，被認為是適用于評價各類服務質量的最典型方法。SERVQUAL共包含5個層面:可靠性，指可靠地、準確地履行服務承諾的能力;響應性，指提供服務的迅速程度;保證性，指員工表現(xiàn)出的知識、禮節(jié)和能力等;移情性，指設身處地為顧客著想和對顧客給予特別的關注;有形性，指有形的設施、員工服裝的整潔程度等［8］。但在具體到電子商務物流行業(yè)服務質量評估時，該模型需要結合行業(yè)的實際操作規(guī)范，進行必要的調整。蓋青霞［9］基于物流服務質量最新的較完整的定義，提出了影響物流服務質量的以下幾個指標:貨品完好程度、貨品精準率、人員溝通質量、誤差處理、時間性等;段彥輝等［10］認為貨物的完好率、訂單響應時間、物流價格、服務便利性等是影響電子商務物流行業(yè)服務質量的主要因素。花均南等［11］采用SERVPERF模型中感知服務質量測量方法，直接用顧客對感知到的網(wǎng)購快遞服務質量滿意程度，來評價和衡量服務質量，從交付質量、時間性、人員溝通質量、誤差處理質量以及便利性5個維度建立了網(wǎng)購快遞物流服務質量評價的模型;黃陽［12］認為物流服務的質量可以通過質量保證率、商品配送延時率、服務成功率等指標進行衡量?；谝陨戏治?，SERVQUAL量表作為服務質量評價的總體框架，對本文所研究的電子商務物流行業(yè)的服務質量評價也同樣適用，但應根據(jù)行業(yè)特性，對評價維度進行整合，簡化評價模型，構建實用有效的服務質量評價指標體系［5］。本文在SERVQUAL模型和相關研究基礎上，提出物流配送的準時性、準確性、完好性、人員溝通服務質量等是影響電子商務物流企業(yè)服務質量的主要因素。本文評價維度如表1所示。商品配送延誤率衡量了商品由于各種因素未在承諾時間內送達收貨人手中的延誤程度。商品丟失損毀率綜合反映了以下兩種情況發(fā)生的頻率:一是商品在運輸過程中由于人為或意外事故導致包裹丟失的情況;二是包裹沒有丟失但出現(xiàn)積壓破損的情況。投遞服務投訴率是企業(yè)投遞服務質量好壞的綜合體現(xiàn)和直接反映。此外，物流企業(yè)違規(guī)收費、誤投事故等也會對電子商務物流服務質量產(chǎn)生影響，但這些事件發(fā)生概率較低，統(tǒng)一劃分為其他類。
2電商物流服務質量評價模型
2．1評價流程
基于聚類分析的電子商務物流服務質量評價過程如圖1所示。整個評價過程分為3大部分:輸入、分析及輸出應用。評價的輸入部分為與物流服務質量相關的各項指標;分析部分主要包括數(shù)據(jù)的預處理及聚類建模過程;聚類結果分析及質量改進建議為輸出應用部分。
2．2數(shù)據(jù)預處理
本研究共收集了2015年1月至2018年5月間來自32家物流企業(yè)的1046條有關服務質量評價的數(shù)據(jù)。數(shù)據(jù)來源為國家郵政局(www．spb．gov．cn/sj/tjxx_1/index．html)每月公布的郵政行業(yè)消費者申訴情況。數(shù)據(jù)的預處理包含異常值的處理、缺失值的填補以及數(shù)據(jù)的標準化處理。1)異常值處理。收集到的數(shù)據(jù)中可能存在不合理即異常值。異常值會加大聚類的復雜程度，影響聚類整體準確性，需要進行處理。常用的異常值處理方法是用均值或者其他統(tǒng)計量來代替，但這種方法改變了數(shù)據(jù)自身的分布，使數(shù)據(jù)的方差發(fā)生變化。當異常值觀察數(shù)據(jù)非常少時，也可直接刪除異常值，這樣既不會對變量的原有分布造成影響，還可以簡化模型的復雜程度。本研究對收集到的數(shù)據(jù)進行統(tǒng)計探索，分析各項指標的分布情況。以丟失損毀率這一指標數(shù)據(jù)的分布情況為例，有近1000條觀測數(shù)據(jù)的取值分布在0～50之間，只有2個觀測樣本的指標值分布在此區(qū)間之外，即異常值個數(shù)為2。由于異常值觀察數(shù)據(jù)量很少，因此這里使用剔除法，將丟失損毀率大于50的異常數(shù)據(jù)值排除。類似地，對其他指標進行異常值的檢測和處理，最終共排除掉13條異常數(shù)據(jù)，剩余1033條觀測數(shù)據(jù)用于后續(xù)分析。2)缺失值填補。數(shù)據(jù)收集過程中，個別觀測樣本的某一項指標可能較難獲取，存在缺失值，這時就需要選擇合適的方法對缺失值進行填補。對于區(qū)間型變量，常用的缺失值填補方法有均值插補法、期望值最大化法、極大似然估計法、多重插補法等。其中，均值插補法是以最大概率可能的取值來補充缺失的屬性值，與其他方法相比，既可用現(xiàn)存數(shù)據(jù)的多數(shù)信息來推測缺失值，又易于操作，因此在實踐中應用較多。通過數(shù)據(jù)的統(tǒng)計探索，發(fā)現(xiàn)各項指標均存在缺失值，其觀測數(shù)及所占比例如表2所示。由于各項指標缺失值所占總體比例均較小，采用了常用的均值插補方法對缺失值進行處理。3)數(shù)據(jù)標準化處理。在電子商務物流質量評價這樣的多指標評價體系中，各評價指標由于性質不同，通常具有不同的量綱和量級。當各評價指標間的量綱和量級差異很大時，如果直接使用原始指標值進行分析，就會突出數(shù)值水平較高的指標在綜合分析中的作用，相對地，數(shù)值水平較低的指標的作用則會被削弱。因此，為了保證結果的可靠性，需要對原始指標數(shù)據(jù)進行標準化處理，以便于不同單位或量級的指標能夠進行比較和加權。最常用的數(shù)據(jù)標準化處理方法是min-max標準化法，它通過對原始數(shù)據(jù)的線性變換將數(shù)據(jù)統(tǒng)一映射到［0，1］區(qū)間上。對于正向指標即效益型指標，指標值越大結果就越好，其標準化轉換函數(shù)為對于逆向指標也稱成本型指標，數(shù)值越小結果就越好，其標準化轉換函數(shù)為式中:xi為第i個指標的實際數(shù)值;x'i為第i個指標無量綱處理后的標準化值;ximin為第i個指標的最小值;ximax為第i個指標的最大值。
2．3K-means聚類建模
聚類分析是一種無監(jiān)督的學習方法，它能從樣本數(shù)據(jù)出發(fā)，自動將目標群體劃分幾個具有明顯特征的細分群體。本文研究的目的就是將不同物流企業(yè)的服務質量按照商品配送服務、投遞服務、丟失損毀三個維度進行精細化劃分，對不同類提出不同的管理建議，提升物流服務質量，因此聚類分析較為適合本文的研究。將經(jīng)過異常值和缺失值處理的數(shù)據(jù)標準化之后，利用SASEM軟件，采用K-means算法對所收集到的關于電子商務物流服務質量的數(shù)據(jù)進行聚類分析。K-means的基本思想為:對于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個簇，簇內點之間的距離盡可能的小，而簇間距則盡可能的大。利用K-means算法進行聚類的具體步驟如下:1)從樣本數(shù)據(jù)集中隨機選取k個樣本，作為初始聚類中心。2)計算數(shù)據(jù)集中每個點到選擇的初始聚類中心的距離，按照最小歐氏距離原則分配到k個聚類類別中，即對以下表達式求最小值:3)使用每個聚類的均值作為新的聚類中心。4)重復步驟2)、3)，直到?jīng)]有對象被重新分配給不同的類。5)結束聚類循環(huán)運算，得到k個聚類，并給不同類打上歸屬的聚類標簽。
3聚類結果分析
對聚類類別k賦予2、3、4、5、6等不同的值，對所收集到的數(shù)據(jù)進行聚類分析。通過對比聚類結果發(fā)現(xiàn)，當k=3時，聚類效果最優(yōu)，聚類結果如表3所示。從表3可以看出，各類的類內間距相對較小，而類間距離相對較大，符合K-means聚類分析的原則，說明聚類結果較為理想。特別是對于類1，該類具有所有類別中最小的類內間距0．3673，其與最近聚類的類間距離為2．2233，說明該類與其他兩類亦具有明顯的區(qū)分度，綜合來看是3個類別中聚類效果最好的一類。從表3聚類結果可知，類1商品配送延誤率類中心值僅為1．3774，丟失損毀類中心值為1．4976，投遞服務投訴率僅為2．0160，與其他類相比這些指標的值均較低，可以判斷出該類企業(yè)屬于電子商務物流服務的優(yōu)質企業(yè)。由于類1所占比例最大，聚類頻數(shù)為747，占總體樣本比例的72．31%，說明電子商務物流行業(yè)整體服務水平較高。類2的企業(yè)各項指標的類中心值均遠高于其他兩類，特別是配送的延誤率更是高達17．25，負向指標的值越大說明企業(yè)的服務水平越差，則類2屬于服務水平低下的企業(yè)，但類2所包含的樣本數(shù)較少，僅為63，占總體比例的6．1%，說明電子商務物流服務質量差的企業(yè)為少數(shù)。類3的企業(yè)屬于中等服務水平的企業(yè)，各項指標值介于類1和類2之間且較為均衡，該類包含223個樣本，占總體比例的21．59%。
4服務質量改進建議
4．1基于類別角度的服務質量改進建議
從上述聚類結果分析可知，類1內企業(yè)屬于服務質量較優(yōu)企業(yè)，其4個指標中，投遞服務投訴率最高，說明對于此類企業(yè)來說，最需要改進的方向是提高投遞服務質量。類3各項指標表現(xiàn)較為均衡，說明服務質量水平中等的電商物流企業(yè)在各方面保持現(xiàn)狀，均衡發(fā)展即可。類2的企業(yè)各項指標表現(xiàn)均較差，但商品配送的延誤尤為明顯，所以應該投入更多精力來提高商品配送的效率，具體可以通過縮短訂單響應時間、提高異常處理效率、合理安排配送線路等來提高商品配送的效率。
4．2基于指標角度的服務質量改進建議
在K-means聚類中，各指標對物流企業(yè)服務質量的影響程度如表4所示。從表4可見，投遞服務投訴率的聚類貢獻度為1，說明投遞服務是影響電商物流服務質量最重要的因素，物流企業(yè)均應該努力提高投遞服務的水平。同時，丟失損毀率和商品配送延誤率對物流服務質量也有很重要的影響?？梢酝ㄟ^加強對物流配送人員的培訓、引導配送人員分析自己在配送服務上的不足之處，改善投遞服務質量。此外還可以建立靈活的獎勵機制，加大對優(yōu)秀配送人員的獎勵，來提升工作的積極性，以達到改善服務質量的目的。
5結束語
本文在服務質量模型(SERVQUAL)的基礎上，結合電子商務物流行業(yè)特征，提出影響電子商務物流服務質量的關鍵指標，然后運用K-means算法建立聚類模型。通過分析聚類結果，從類別角度和指標角度提出了提高物流服務質量的方法和建議，對物流企業(yè)服務質量的改進具有一定的參考價值。但是，本研究依舊存在一定的局限性，比如，指標體系建立不夠全面，只分析了對電商物流服務質量影響較大的因素;此外，由于數(shù)據(jù)獲取的困難性，本文只收集到部分物流企業(yè)的數(shù)據(jù)，樣本量有限。在今后的研究中將逐步增加物流企業(yè)的財務能力、發(fā)展能力、盈利能力等評價因素，建立更加系統(tǒng)、完善的評價指標體系，同時擴大研究的企業(yè)范圍，收集更多企業(yè)的相關數(shù)據(jù)，使所得的結論更具有實際指導意義。
參考文獻:
［1］趙彩，陳陽．快遞企業(yè)服務質量評價體系的制定［J］．物流科技，2009，32(11):128－129．
［2］李慶昌，張恩敏．國際快遞物流行業(yè)服務評價體系研究———基于DANP方法［J］．物流科技，2016，39(01):89－94．
［3］委棟．物流企業(yè)改進服務質量應綜合施策［J］．鐵路采購與物流，2017，12(02):25－27．
［4］朱美虹，繆圣陶，卓駿．基于SERVQUAL的中國快遞業(yè)服務質量評價實證研究［J］．科技管理研究，2011，31(08):38－45．
［5］李旭東，王耀球．跨境電商快遞物流服務質量評價與實證研究———基于“一帶一路”區(qū)域［J］．技術經(jīng)濟與管理研究，2018(06):3－9．
［6］谷玲玲，耿秀麗．基于改進ER的生鮮冷鏈物流服務質量評估方法［J］．計算機應用研究，2019(05):1－6．
［7］翟小可，吳祈宗．基于AHP-模糊綜合評價的農(nóng)村電商物流服務質量評價研究［J］．數(shù)學的實踐與認識，2019，49(05):121－127．
［9］蓋青霞．物流企業(yè)客戶服務質量滿意度研究［J］．物流工程與管理，2019，41(04):59－61．
［10］段彥輝，陳曉丹．農(nóng)村電商物流服務質量評價探究［J］．電子商務，2019(05):1－8．
［11］花均南，胡雪陽．基于顧客感知的網(wǎng)購快遞物流服務質量評價模型分析［J］．大眾科技，2018，20(11):113－115．
［12］黃陽．第三方物流供應商服務現(xiàn)狀研究及服務評價體系的構建［J］．時代金融，2017(17):273．
作者：趙夢函 吳麗花 單位：北京信息科技大學