【携程用户满意度的影响因素实证分析案例9000字】

参考文献携程用户满意度的影响因素实证分析案例目录TOC\o"1-3"\h\u15902携程用户满意度的影响因素实证分析案例 1265501.1分析方法选用 146661.2问卷设计与修订 2176561.2.1问卷设计 2238861.2.2预调研与问卷修订 3277281.3调查与统计分析 4148931.3.1描述性统计分析 459141.3.2信度与效度检验 5182301.3.3影响因素的验证分析 7212231.4用户满意度影响因素及作用分析 13188761.1.1模型的初步检验及修正 1335091.1.2模型的再检验及修正 1496801.1.3模型的三次检验及修正 16228121.5结果分析 1854541.5.1携程OTA用户分析 18173151.5.1.1用户基本属性分析 1882811.5.1.2用户行为特征分析 18250351.5.2携程OTA用户满意度分析 19109201.5.2.1用户满意度IPA结果分析 19114321.5.2.2测量模型结果分析 19174931.5.2.3结构模型结果分析 211.1分析方法选用结构方程模型又名为SEM模型，是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显变量，也可包含无法直接观测的潜变量，用以清晰分析单项指标对总体的作用和单项指标间的相互关系。其优点是能够确定单个因素如何影响整体因素；同时可用于分析单个因素之间的相互作用，因此被广泛应用于教育科学、心理学、社会学等领域。结构方程模型的方程通常为：测量方程：y＝Λy×η＋ε测量方程：x＝Λx×ξ＋δ结构方程：η＝B×η＋Γ×ξ＋ζ其中，x在结构方程模型中表示为外部潜在变量的索引，ξ和η代表的是外部和内部潜在变量的矢量矩阵，y代表的是内部潜在变量的值。Λx和Λy代表的是方程系数，说明外部变量和内部变量之间的联系，δ和ε是x和y代表的是测量误差，是模型中的误差项。B和Γ代表的是结构路径系数矩阵，B代表的是所有内部变量间的关系，而Γ代表的是外部变量对内部变量的影响系数。根据图3.2和表3.2来看，影响用户满意度的因素是多维度的，为了进一步明确各个因素之间的关联，同时明确不同因素对用户满意度的影响作用大小，不仅需要分析方法能具有定性分析功能，而且还应具备定量分析的功能，综合分析要求。因此，选择结构方程模型用于分析用户满意度影响因素和影响路径。1.2问卷设计与修订1.2.1问卷设计基于研究目的和研究内容，并参考借鉴相关理论和已有研究成果，对问卷进行初步设计。问卷包括两部分：第一部分（A部分），用于收集携程平台上相关的用户个人信息，题项涉及到基本属性（如性别、年龄等）和行为特征（如使用频率、使用的服务等）；第二部分（B部分），用于收集了解“携程”平台上的用户满意度情况，主要涉及用户满意度调查、满意度因素调查。问卷设计详见附件1。同时，本研究指标赋值采取李克特量表(Likertscale)评价法，通过对所有指标进行打分与赋值来表征调查对象的情感强烈程度，本文在对“携程”用户的调查中采取了李克特量表，将不同感情强烈程度的感知划分为5个等级，具体的含义如表1.1所示。表1.1李克特量表含义评分12345含义非常满意不满意基本满意满意非常满意1.2.2预调研与问卷修订笔者先进行了预调研工作，主要是通过亲朋好友、同学、同事等，发放问卷，并进行深入的访谈和了解，为后续的研究和改进建议打下基础。问卷共发放50份并且全部回收，剔除7份无效问卷，剩余43份问卷，有效回收率为86%。（1）信度检验运用SPSS软件对预调研数据进行信度分析，本文选择的信度分析方法为Cronbachα系数法，设定初始值为0.7，当样本信度值小于设定的0.7界限时，表明无效，当结果大于0.7时，这表明通过了信度检验。本文所设定的满意度测度体系共有7个子系统，共22个指标，信度检验结果如表1.2所示。表1.2预调研信度检验结果科伦巴赫α系数入驻商家质量(T)0.927网站设计体验(W)0.827移动APP体验(A)0.894信息搜寻体验(I)0.902社区建设质量（S）0.849用户服务质量（C）0.935用户满意度（SA）0.924表1.2的结果显示，7个次级系统的信度检验结果均大于0.7，表明通过了信度检验，预调研的数据结果比较可靠。（2）效度检验基于SPSS，采用KMO检验与巴特利特球形检验方法，对预调研数据进行效度检验，检验结果如表1.3。表1.3KMO与巴特利特球形检验结果KMO值巴特利特球形检验APProx.Chi-SquareSig.入驻商家质量(T)0.839381.3820.000网站设计体验(W)0.743121.3860.000移动APP体验(A)0.841379.7850.000信息搜寻体验(I)0.764287.7810.000社区建设质量（S）0.682319.1420.000用户服务质量（C）0.803313.3830.000用户满意度（SA）0.741312.8930.000通过表1.3可知，所有的次级系统KMO检验值都大于0.6，其中社区建设评价KMO值为0.682，其余的6个指标均大于0.7，入驻商家、移动APP与用户服务建设KMO大于0.8，所有指标的sig值均为0.000，结果通过了99%置信区间内的检验，以上结果表明预调研数据通过了效度检验。结合信度、效度检验结果，可以判断问卷设计相对合理，不需要进行修订。1.3调查与统计分析通过微信、QQ等渠道对“携程”用户群体进行正式调查，采用不记名填写，共发放问卷330份并全部回收，其中无效卷25份、有效卷305份，有效回收率为92.42%。1.3.1描述性统计分析对问卷信息进行整理和统计，具体如下图。图1.1样本的描述性统计分析从上图可看出，被调查对象包含了不同性别、年龄段、户籍、职业、收入水平、使用频率、出行方式等，随机性较强，保证了问卷数据的可靠性。1.3.2信度与效度检验继续对正式问卷的数据进行信度检验与效度分析。从信度分析的结果来看，信度值均大于0.6，合信度检验要求，具体见表1.4，结果表明符合进行结构方程检验。表1.4正式调研数据信度分析指标名称Cronbach'sα观察指标代码CITC服务产品T10.731入驻商家质量(T)0.748服务水平T20.676服务态度T30.726服务价格T40.804系统操作习惯W10.743网站设计体验(W)0.724网站友好W20.659网站稳定性W30.628APP页面设计A10.676移动APP体验(A)0.856运行流畅度A20.793APP功能A30.683个性化推荐T10.656信息搜寻体验(I)0.876信息分类与导航T20.795搜寻便捷性T30.669社区活跃度S10.871社区建设质量（S）0.797社区友好度S20.636社区信息质量S30.826折扣优惠C10.681用户服务质量（C）0.766问题便捷性C20.862争端问题处理C30.795整体满意度SA10.749用户满意度（SA）0.841预期满意度SA20.673对比满意度SA30.799信度检验后，进一步运用因子分析法中的KMO检验与Bartlett's检验进行效度检验，具体见表1.5。效度检验结果表明，各指标KMO值均大于0.7，符合检验要求，而sig值为0.000<0.05，达到了检验要求，这说明整体上通过了效度检验。表1.5正式调研KMO与巴特利特球形检验KMO值巴特利特球形检验APProx.Chi-SquareSig.入驻商家质量(T)0.829376.570.000网站设计体验(W)0.739133.780.000移动APP体验(A)0.783399.260.000信息搜寻体验(I)0.748291.370.000社区建设质量（S）0.683348.650.000用户服务质量（C）0.881385.530.000用户满意度（SA）0.687332.380.0001.3.3影响因素的验证分析为了保证验证结果的准确性，选择B部分数据验证性分析；同时根据理论分析的结果，设计结构方程模型图并选择了AMOS软件作为分析工具。由于AMOS结构方程模型检验要求次级指标数量需要大于3，所以对于不符合要求的，则采用SPSS的因子分析方法进行检验。图1.1验证性因子分析模型（1）入驻商家质量的因子分析在满意度指标体系中，入住商家质量这一指标包含了4个维度，通过AMOS指标的分析结果表明，其中T1-T4系数均大于0.5，具体结果如图1.2。图1.2入驻商家质量的验证分析为验证以上结果的准确性，需计算拟合指标，计算结果如表1.6所示。由于TLI并不符合检验标准，则表明上述结果并不完全适配，需要进行修正。表1.6入驻商家质量拟合优度表增值拟合优度绝对拟合度指标AGFINFIIFICFIX²PRMRGFIRMSEA模型值0.9370.9120.9260.9633.9130.2480.040.9580.005参考值>0.9接近1为佳越小越好>0.05<0.05>0.9<0.1在修正过程中，采用模型修正指标进行完善，通过计算可知e2与e4相关系数为-0.42，表明e2与e4之间为不相关，应进行模型的修正，修正后各项指标均达到了相应的要求。图1.3修正后的入驻商家质量的验证分析（2）网站设计体验的因子分析在网站设计体验中，因指标数量不足4个，所以采用SPSS的主成分分析法进行因子分析，并计算各因子的载荷，结果如下表所示。表1.7网站设计体验验证性因子分析变量分项KMOBartlettSig因子荷载解释方差网站设计体验W10.639W20.822281.09200.74576.93%W30.579在因子分析的结果中，网站设计体验这一变量KMO值大于0.7，sig检验结果为0，并且累计贡献率超过70%，说明进行因子分析是适合的。从各因子的载荷结果来看，其中W1达到了0.639，W2达到了0.745，W3达到了0.579。（3）移动APP设计体验的因子分析在移动APP设计因子中，其次级指标数量与网站设计体验相同，所以同样采用SPSS进行因子分析。移动APP设计这一因子，KMO值达到了0.778，sig为0.00，累计方差贡献率超过70%，对其进行因子分析是合适的。从各因子载荷来看，A1为0.721，A2为0.526，A3为0.766，具体结果如表1.8所示。表1.8移动APP设计体验验证性因子分析变量分项KMOBartlettSig因子荷载解释方差移动APP设计A10.721A20.778289.1710.0000.52673.12%A30.766（4）信息搜寻体验的因子分析信息搜寻体验因子仅有3个指标，所以不适合采用AMOS软件进行分析，本部分采用SPSS软件进行了主成分分析，分析结果表明，信息搜寻体验因子适合进行验证性因子分析，其中KMO值与解释方差均符合相关要求，各次级指标载荷均大于0.5，其中I1为0.678，I2为0.747，I3为0.598。表1.9网站设计体验验证性因子分析变量分项KMOBartlettSig因子荷载解释方差信息搜寻体验I10.678I20.757331.0230.0000.74778.97%I30.598（5）社区建设质量的因子分析社区建设质量因子仅有3个观测变量，故采用SPSS软件的因子分析法进行了分析。其中KMO值为0.684，累计贡献率超过70%，说明适合进行因子分析。从各指标的因子载荷来看，S1为0.659，S2为0.646，S3为0.686,具体结果如表1.10所示。表1.10社区建设质量验证性因子分析变量分项KMOBartlettSig因子荷载解释方差社区建设质量S10.659S20.684267.4850.0000.64675.71%S30.686（6）用户服务质量的因子分析同理，在用户服务质量因子仅有3个观测变量，适宜采取因子分析。检验结果为：KMO值为0.794，累计贡献率为77.35%，说明符合进行因子分析的条件。各因子指标载荷中，C1为0.654，C2为0.759，C3为0.866。表1.11用户服务质量验证性因子分析变量分项KMOBartlettSig因子荷载解释方差用户服务质量C10.654C20.794288.3130.0000.75977.35%C30.866（7）满意度的因子分析在满意度因子仅有3个观测变量，适宜采取因子分析。检验结果为：KMO值为0.582，累计贡献率为61.847%，整体拟合程度相对一般，且从各指标的因子载荷结果来看，其中SA3指标载荷为0.386，低于0.5，可以考虑将其删除。表1.12满意度验证性因子分析变量分项KMOBartlettSig因子荷载解释方差用户满意度SA10.769SA20.582198.8520.0000.66961.847%SA30.386通过将SA3指标进行删除之后，对模型进行了重新修复，并进行因子分析。修复后的模型，KMO值为0.627，解释方差为71.83%，相比较于删除前的指标体系，有了较为明显的提升。从各因子载荷结果来看，各因子的载荷均超过0.5，其中，SA1指标为0.673，SA2指标载荷为0.782。表1.13修复后的满意度验证性因子分析变量分项KMOBartlettSig因子荷载解释方差用户满意度SA10.673SA20.627187.0840.0000.78271.83%（8）用户满意度IPA分析随后根据调查数据（见问卷第三部分），应用SPSSAU对6个影响因素进行在线旅行商IPA分析，可得在线旅行商用户满意度的四象限图（图1.4）。图1.4在线旅行商用户IPA分析从上图可知，用户服务质量、入职商家质量、移动APP体验3个因素处于继续维持区，即这三者不仅重要性较高，而且也得到了用户较好的认可，可以继续维持该状态；社区建设质量、网站设计体验2个因素处于优先顺序较低区，即这两者重要性不是很大，虽然用户对其满意度也较低，但由于重要性不大，可以暂缓对其改进；信息搜寻体验1个因素处于加强改善重点区，即该因素重要性较高，但用户对其满意度较低，与用户的期望存在一定差距，急需加以改进。1.4用户满意度影响因素及作用分析1.1.1模型的初步检验及修正根据验证性因子分析的结果，对结构方程模型进行了重新调整，在调整的过程中，主要删除了不相关的因素，重新构建的结构方程模型如图1.5。图1.5结构方程初始模型M1在进行结构方程模型分析时，首先需要进行方程的拟合度检验，运用修正后的全部数据与指标进行了测试，测试结果见表1.17。其中AGFI/NFI/IFI/X2/P/RMR/GFI/RMSEA/与PGFI均符合参考值的要求，虽然CFI为0.868，但是仅略低于参考值，说明整体拟合度基本上符合要求，可以进行参数路径分析。表1.17M1模型估计参数表增值拟合优度绝对拟合度指标AGFINFIIFICFIX²PRMRGFIRMSEA模型值0.9440.9250.9360.8682.9960.2780.040.9630.004参考值>0.9接近1为佳越小越好>0.05<0.05>0.9<0.1其次需对各指标进行路径的参数与显著性检验，检验内容为各因子对满意度的影响路径是否显著，具体结果见表1.18。其中，路径2的p值为0.24，即“网站设计体验影响满意度”这一路径未能通过显著性检验外，其余5组路径在检验中均为显著。表1.18M1路径参数估计及显著性检验路径EstimateS.E.C.R.P入驻商家质量(T)满意度0.350.065.61**网站设计体验(W)满意度0.140.131.090.24移动APP体验(A)满意度0.280.055.53**信息搜寻体验(I)满意度0.270.083.67**社区建设质量（S）满意度0.280.122.37**用户服务质量（C）满意度0.300.066.21**检验结果表明，网站设计影响满意度可能并不显著，或者目前并没有足够的证据表明网站设计会影响用户的满意度，这可能是由于目前大多数用户群体均使用移动APP，而网站使用的相对较少有关（本调研结果表明，网页用户仅占28%）。所以需将该路径删除，即检验路径剩下5组，并需重新进行路径检验。1.1.2模型的再检验及修正删除修正之后的结构方程模型如图1.5所示。图1.6结构方程修正模型M2同样，新的结构方程模型仍需进行拟合优度检验，结果见表1.19。通过对检验结果进行路径分析，可以发现各项检验结果均符合要求，其中CFI值为0.971，相比修正前的模型，有一定程度的提升，说明新的模型拟合结果较好。表1.19M2模型估计参数增值拟合优度绝对拟合度指标AGFINFIIFICFIX²PRMRGFIRMSEA模型值0.9510.9330.9390.9712.7960.3780.040.9670.003参考值>0.9接近1为佳越小越好>0.05<0.05>0.9<0.1根据结果，进一步进行参数路径检验。表1.20M2路径参数估计及显著性检验路径EstimateS.E.C.R.P入驻商家质量(T)满意度0.460.076.35**移动APP体验(A)满意度0.380.162.59**信息搜寻体验(I)满意度0.350.032.22**社区建设质量（S）满意度0.170.071.550.19用户服务质量（C）满意度0.430.096.28**检验结果表明，社区建设质量和满意度影响路径不显著，P值为0.19，不符合通过条件。原因可能是当前用户对于互联网平台社区建设关注度不高有关。由于未通过路径检验，应将其删除并再次进行路径检验。1.1.3模型的三次检验及修正在第2次检验结果的基础上，再次删除了社区建设质量这一维度，并且进行了重新的检验与修正，新建模型如图1.7所示。图1.7结构方程修正模型M3运用同样的方法，进行拟合优度检验，检验结果表明各项指标均符合参考值的要求，适合进行结构方程分析。表1.21M3模型估计参数表增值拟合优度绝对拟合度指标AGFINFIIFICFIX²PRMRGFIRMSEA模型值0.9550.9370.9420.9762.8060.3950.030.9690.003参考值>0.9接近1为佳越小越好>0.05<0.05>0.9<0.1最后进行路径检验与分析，具体结果如表1.22。从结果来看，4组影响路径均显著都通过检验，说明新的模型拟合效果更好，符合相应要求。表1.22M3路径参数估计及显著性检验路径EstimateS.E.C.R.P入驻商家质量(T)满意度0.690.065.48**移动APP体验(A)满意度0.680.176.57**信息搜寻体验(I)满意度0.750.083.74**用户服务质量（C）满意度0.790.095.68**综合各组对比与检验，基于理论层面上构建的6组假设模型，其中网站设计体验与满意度正相关、社区建设质量与满意度这2个假设未通过显著性检验，其余4个通过显著性检验。即对“携程”而言，用户的满意度主要与入驻商家质量、移动APP体验、信息搜寻体验、平台用户服务质量等4个因素相关。经过3次检验与2次修正，最终构建了新的结构方程影响路线图，见图1.8。图1.8OTA平台用户满意影响因素及路径1.5结果分析1.5.1携程OTA用户分析1.5.1.1用户基本属性分析（1）从性别上看，男性群体占比接近42%，女性群体占比为58%左右，男性群体要低于女性群体。之所以会出现这种原因，这可能是由于女性群体在出行前更加倾向于进行旅游规划，所以对平台的依赖性较高。（2）从年龄上看，年轻群体占比要高于非年轻群体，其中，19~30岁的用户群体占比较高，这部分群体大多为大学生或者刚入职场的新人，对旅游的热爱程度较高，并且这部分群体大多是第一代移动互联网用户，对互联网的掌握程度高于其他群体，是“携程”用户的主力军。（3）从户籍上看，有66%的用户为城镇户籍，34%为农村户籍，这是由于城镇用户对互联网的掌握程度要高于农村用户，且城市互联网普及率高于农村，（4）从职业与月收入上看，稳定职业者与在读学生占比相对较高，前者达到了47%，后者占比为33%。月收入＜5000元与5000～1万元的群体占比较接近，≧1万元的群体占比较低。1.5.1.2用户行为特征分析用户行为指用户在使用“携程”平台的时候，所表现出的特征与状况。这些行为与特征，可以为在线旅游服务平台开发产品、改进服务提供参考。（1）从整体上来看，“携程”用户粘性相对较低，每天使用者仅占20%左右，这与社交软件等用户的粘性相比，其粘性程度相对较低。但从月使用量来看，其占比程度相对较高，有超过90%的用户平均每个月使用一次。（2）在出行方式上，自由行用户与单人行用户相对较高，正是由于相比较于报团旅游，自由行用户需要自主进行旅游信息检索，所以会通过“携程”平台来查找相关信息与购买相关服务，因为在团队旅游中相关的事物都有导游解决，减轻了旅游者的负担。（3）从购买渠道，用户更多地选择客户端来购买相关服务，而网页端的使用人数占比要低于客户端。当然，仍然有25%左右的用户会经常使用网页端进入“携程”平台，这可能是由于在游记撰写方面更加具有优势。（4）从用户类别来看，调查结果表明，1年以上的用户占比超过三分之二，作为一家在线旅游服务平台的龙头企业，其老用户占比相对较高。未来，对于“携程”公司而言，如何积极的保留住老用户，开发新用户，是未来需要考虑的问题。（5）从服务购买种类上看，大多数用户会选择“携程”来购买交通出行服务，“携程”公司不仅自己提供旅游出行服务，同时也为提供航空、铁路、公路的票务订购活动，比较方便。排名第二的购买服务为订购酒店，“携程”平台上有众多的酒店，用户可以根据自身需求进行订购，节约了酒店订购的时间。1.5.2携程OTA用户满意度分析用户满意度分析包括应用IPA进行定性分析，同时应用结构方程模型进行定量分析。其中，结构方程模型是由测量模型和结构模型两部分组成，因此相应分别进行分析。1.5.2.1用户满意度IPA结果分析（1）由于携程平台的发展时间较长，业务管理水平较好，在商家选择与管理、客户服务以及移动app开发上，已形成一定优势，使得用户服务质量、入职商家质量、移动APP体验基本达到用户的期望。（2）多数用户认为网站设计和社区建设并非那么重要，对其满意度也相对较低，其原因可能是越来越多的人群选用移动APP，而且选择性关注想要的信息，而不再那么关注社区建设情况，对其感知评价可能出现较低的现象。（3）随着工作生活节奏的加快，人们对信息搜寻的要求越来越高，尤其是响应速度和反馈内容，而目前所存在的差距，提示了在线旅行商应着力消除感知和期望之间的鸿沟，以提升在线旅行商用户的满意度。1.5.2.2测量模型结果分析（1）入驻商家质量。根据显著性判断，产品质量、服务水平、服务态度、服务价格是构成商家质量的重要因素，但在影响商家质量上的重要程度有所不同。根据标准化回归系数（即荷载）可判断出产品质量（0.771）重于服务态度（0.746，再而服务价格（0.717），最后为服务水平（0.692）。商家满足用户需求的前提和根本是产品（服务）质量，但在服务价格相对透明的网络时代、而且差异不大的情形下，服务态度势必影响对商家的评价，从而影响商家质量，使得服务态度优先于服务价格，相比上述3个因素，服务水平自然不再那么重要。（2）移动APP体验。根据显著性判断，页面设计、运行流畅、具备功能是共同形成移动APP体验的重要因素，但在影响作用上，三者的影响作用力有所差异，根据标准化回归系数（即荷载）可判断出具备功能（0.766）大于页面设计（0.721），及大于运行流畅（0.526）。随着手机客户端的普及映红，移动APP已经成为在线服务门户，因此首先要求APP具备人机交互功能，能为用户提供所需的包括食宿、交通出行、购物、保险等查询、预订、购买、反馈等功能；其次是这些功能应能被用户容易发现并便捷使用，这就涉及到页面设计的问题；当然，APP运行速度也会影响用户的心情，进而影响体验感。（3）信息搜寻体验。根据显著性判断，个性推荐、分类导航、搜索便捷是共同支撑信息搜寻体验的重要因素，但在影响体验程度上，三者的影响作用力有所差异，根据标准化回归系数（即荷载）可判断出分类导航（0.747）大于个性推荐（0.678），及大于搜寻便捷（0.598）。不管在网站还是移动APP，在功能齐全的前提下，信息搜寻是在线服务的前置环节，信息搜寻的效率虽受个体差异影响，但对大多数而言，还是在于信息搜寻的设计与实现功能，这使得分类导航优先于大数据下的个性推荐；当然，搜寻便捷是对分类导航、个性推荐的锦上添花。（4）用户服务质量。根据显著性判断，折扣促销、服务便捷、服务结果是共同形成用户服务质