蒋 佳，杨东海

（河北科技大学经济管理学院，河北石家庄 050018）

人类社会文明的进步、国际控烟运动的影响以及WTO 框架下国际物流巨头对烟草物流终端资源的觊觎等诸多方面的压力使得烟草行业发展空间严重受限。单纯依靠调结构、上产量实现行业增长的传统外延式发展模式的空间日渐收窄。严酷的现实迫使烟草商业企业不得不转变发展观念，调整发展方式，积极探索超常规服务模式，以期提高终端客户物流服务质量，树立企业品牌形象，提高企业经营业绩，降低企业运营风险，从而有效应对新经济形势的挑战。正是在该思想指导下，许多专家学者相继开展了一系列旨在“拓宽企业发展空间，增强企业市场竞争力”的课题研究，力求为卷烟商业企业开辟出新的增值领域；而“通过提高卷烟终端客户满意度促进其忠诚度改善，进而提升其创利能力”成为众多学者的研究重点之一。基于此，本文以A 省卷烟配送中心为研究对象，构建了涵盖23项物流服务性指标的终端客户满意度评价指标体系，进而运用因子分析法进行针对配送服务质量的实证研究，并提出提高终端客户满意度的建设性意见［1］。

1 终端客户满意度

烟草商业终端客户（通常指卷烟零售户）是卷烟分销渠道的终端、卷烟与消费者之间最直接的中介，也是连接卷烟生产与消费的最后关键环节，该环节的运作质量直接影响分销渠道的整体效果。而终端客户满意度则是指终端客户对烟草商业企业卷烟配送全程服务质量的期望值与现实体验效果的匹配程度，它既体现在终端客户主观总体感受层面，也会通过终端客户对所接受的每一项具体服务内容的反馈表现出来，具有主观性和层次性特征［2－3］。主观性表现在终端客户满意与否是建立在对卷烟或配送服务体验上，感受对象是客观的，结论是主观的；层次性表现在处于不同地区、不同阶层的终端客户或同一终端客户在不同条件下对卷烟产品或配送服务的评价不尽相同。这就要求在研究客户满意度问题时，需把握不同类型、不同层次的客户的真实感受，进而对服务质量做出准确判断。

2 卷烟配送中心业务流程

烟草企业依据工商分离原则划分为工业公司、商业公司，工业公司负责组织卷烟的生产，商业公司则负责卷烟销售。商业公司根据市场需求并结合国家计划向工业公司采购卷烟，而后在隶属于商业公司的卷烟配送中心进行卷烟储存，并依据终端客户（零售户）订单进行出库、分拣、配装等作业，最终配送至卷烟终端客户手中。卷烟配送业务流程如图1所示。

图1 A 省商业公司卷烟配送中心业务流程Fig.1 Business procedure of commercial toballo delivery center in A province

分析卷烟业务配送流程，结合市场调查情况不难看出：与终端客户满意度联系非常紧密、客户感受非常直接的是卷烟订购、卷烟配送交接和客户投诉3个大的方面。以下将采用因子分析法对终端客户满意度进行研究，对商业公司订单接纳能力、卷烟交接、终端客户投诉3个环节进行深入分析。

3 A 省卷烟终端客户满意度评价指标体系的构建

3.1 卷烟终端客户满意度影响因素

中国《烟草商业企业卷烟配送中心服务规范》对烟草商业企业卷烟配送服务相关作业过程、环节提出了较为详尽的要求，以此为基础，结合A 省卷烟配送服务实际情况，可将卷烟物流服务内容划分为2个方面，建立A 省卷烟终端客户满意度评价指标体系，该体系从直接性指标、间接性指标2个方面反映终端客户对A 省商业公司卷烟配送中心物流服务质量的满意度情况［4－6］。

1）直接性指标 终端客户在卷烟配送到户过程中能够直接接触或感受到的服务项目，包括工作服装统一性、车况车貌、货物签收、投诉处理满意率、订单全天候接收率、客户货款结算满意度等方面。

2）间接性指标 终端客户在卷烟配送到户过程中无法直接接触或感受到，但对配送服务效果又具有不同程度影响的服务项目，包括公司信赖度、员工信赖度、运输过程、客户需求了解度等内容。

3.2 A 省卷烟终端客户满意度评价指标体系的框架与内容

参考现有资料，同时考虑评价指标的可行性、代表性、差异性和独立性等原则［7－8］，构建了由2个一级指标，23个二级指标组成的A 省卷烟终端客户满意度评价指标体系，如表1所示。

4 A 省卷烟终端客户满意度评价模型的确定

常用的评价方法有因子分析法、灰色关联度评价法、偏最小二乘法、模糊层次分析法等，不同评价方法各有侧重、各有优点及适用范围［9－12］。本研究采用因子分析方法［13］，在评价卷烟终端客户服务质量时要根据评价的具体目的和对象来选择最合适的评价方法，并通过把23个复杂服务质量指标归类为少数几个要素，进而根据少数要素的得分情况，提出提升卷烟终端客户服务质量的举措。

表1 A 省卷烟终端客户满意度评价指标体系Tab.1 Assessment indicator system of customer satisfaction for cigarette delivery in A province

因子分析是通过研究多变量间相互关系矩阵或协方差矩阵的内部依赖关系，根据相关性大小把变量分组，使得同组间变量具有较强的相关性，不同组间变量相关性较弱。每组代表一个基本结构，称其为公共因子，通过最少量不可测公共因子的线性函数与特殊因子之和描述原观测的各变量。

假设m个样品，每个样品观测到p个变量，记为x1，x2，…，xp（为简单起见，可以设xi均值为0，方差为1，1≤i≤p），得到每个原有变量用k（k＜p）个因子F1，F2，…，Fk的线性组合为

式（1）就是因子分析的数学模型，也可用矩阵形式表示为

式中：F称为公共因子，是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量；η叫做特殊因子，是向量A所特有的因子。式（2）中的矩阵A＝（aij）中的元素aij叫做因子载荷，aij绝对值越大，表明xi和Fj的相依程度越大。

5 A 省卷烟终端客户服务质量实证评价与分析

为真实了解A 省卷烟配送中心的配送服务质量，特设计出终端客户满意度调查表，并针对其服务的市区、乡镇、农村3类终端客户进行了服务质量满意度调查，共发放问卷310 份，回收问卷299份，其中，有效问卷265份（市区发放问卷140份，回收有效问卷123份；乡镇发放问卷100份，回收有效问卷85份；农村发放问卷70份，回收有效问卷57份），有效问卷数量占85.48%，符合应用统计标准要求。继而，应用SPSS20.0软件对数据进行了因子分析。

5.1 因子分析适应性检验

本研究采用KMO 检验和Bartlett检验2种方式来检测因子分析法的适用性［3］。KMO 检验和Bartlett检验结果如表2所示。

表2 KMO 和Bartlett检验Tab.2 KMO and Bartlett’test

从检验结果来看，KMO值为0.688，大于0.5；同时Bartlett的球形度检验近似卡方值为3 079.738，自由度为276，统计值显著性概率为0.000，小于0.01，这说明所需分析数据适合作因子分析。

5.2 因子提取

对经过KMO 检验和巴特利特球度检验的23个指标进行因子分析，计算出相关系数矩阵的特征值、解释能力、累计解释能力和共同度，如表3所示。

表3 7大因子特征值、解释能力、累计解释能力和共同度Tab.3 Eigenvalue，explanatory ability，Cumulative explanatory ability and commonality of the seven factor

这23个项目的共同度均达到0.5以上，因子负荷量均在0.4以上，亦无双重负荷的项目。7 个主要因子解释的累计总方差达到66.999%，满足因子个数对累计解释能力的要求。其中6项归类为因子1，命名为“企业形象性措施”，反映卷烟商业企业在进行卷烟配送过程中有关企业形象树立情况；5 项归类为因子2，命名为“员工业务素养措施”，反映配送员工在卷烟交接环节业务素质情况；3项归类为因子3，命名为“企业信誉措施”，反映卷烟售后环节的完成情况；3 项归类为因子4，命名为“温暖性措施”，反映卷烟商业企业针对偏远、特殊需求终端客户开展的帮扶性、温暖性服务举措；3项归类为因子5，命名为“接纳订单措施”，反映烟草商业公司对终端客户卷烟订购品牌、数量的满足情况；2项归类为因子6，命名为“订单完成措施”，反映卷烟交接环节订单清点、签收完成情况；1项归类为因子7，命名为“结款措施”，反映终端客户对卷烟结算方式的满意度情况。

5.3 因子得分分布及结果分析

假设bi为第i份问卷标准化后的指标变量，i＝（1，2，…，288），cj为第j个因子得分系数向量，j＝（1，2，…，7），此向量由旋转因子载荷矩阵可得。则各份问卷在第j个因子的得分为Fj＝bi×cj。取各因子的解释能力为其得分权重，得出各份问卷的综合因子得分，并将其绘制成得分分布图，如图2所示。

图2 A 省卷烟终端客户满意度因子得分分布图Fig.2 Scattergram of factors of customer satisfaction for cigarette delivery in A province

因子得分计算结果显示卷烟终端客户满意度得分均值为0，低于平均分的有156人，占问卷总数的54.17%；高于平均分的有132 人，占总数的45.83%。同时，由满意度因子得分分布图亦不难看出得分小于零的人数较多。这说明A 省烟草商业企业服务质量的满意度偏低。

依据7个主因子得分不难看出A 省卷烟终端客户的满意度呈阶梯状分布，见表4。

表4 A 省卷烟终端客户满意度分布Tab.4 Distribute of customer satisfaction for cigarette delivery in A province

通过分析可知造成终端客户不满意的因素主要集中在以下2方面。

1）A 省烟草市场采取专营专卖模式，施行差异化货源分配政策：优质终端客户享有VIP 待遇，对畅销烟、高档烟拥有绝对的占有量；中等终端客户次之；市场发育差的弱势终端客户（地理位置欠佳、店面规模小、销量低）则无更多的选择权，通常分得较少畅销烟。

2）A 省烟草商业企业卷烟配送、签收、清点环节存在不规范行为；零售终端客户投诉机制不健全，投诉处理不及时、处理方案不完善且缺乏透明度。

6 结 论

此次研究虽然在样本数量、指标选取的全面性等方面还存在一定的局限性，但通过满意度和业务流程分析，总体上已经挖掘出当前A 省卷烟配送终端客户满意度偏低的问题，特别是接纳订单能力和订单完成情况2个方面问题突出。

6.1 接纳订单方面

针对A 省烟草市场差异化货源分配政策，A 省应考虑打破现行常规卷烟货源分配模式，充分考虑各级各类客户的订货需求，从战略高度把握市场配货平衡，逐步改善商业公司的订单接纳能力，全方位提升客户市场的创利能力。具体而言，就是对优质客户货源分配规模要适度控制、全面培育中等客户、积极扶持弱势客户。

6.2 订单完成方面

针对A 省烟草商业企业卷烟交接不规范和终端客户投诉机制不健全的问题，A 省可以通过开展“服务客户”培训活动，提高员工服务意识，规范员工作业行为，全面提升员工对终端客户的服务能力；同时，应逐步完善投诉机制、拓展投诉渠道。以现有电话投诉手段为基础，积极开辟网络投诉等渠道，不断提升事件处理的时效性和完整性，最终实现终端客户满意度的全面提升。

／References：

［1］ 王甜源.基于因子分析的物流配送客户满意度指标量化测评［J］.物流科技，2011，34（5）：42－44.WANG Tianyuan.A quantitative evaluation based on factor factor analysis for logistics ＆ distribution CSI［J］.Logistics Sci－Tech，2011，34（5）：42－44.

［2］ 郑兵，董大海，金玉芳.第三方物流客户满意度前因研究——基于客户视角［J］.管理工程学报，2008，22（2）：51－57.ZHENG Bing，DONG Dahai，JIN Yufang.Research on antecedents of customer satisfaction for the third logistics：Customerbased［J］.Journal of Industrial Engineering and Engineering Management，2008，22（2）：51－57.

［3］ 束庄健.基于因子分析的江苏区域物流能力实证研究［J］.物流技术，2013，32（4）：192－194，210.SHU Zhuangjian.Empirical study on Jiangsu regional logistics capacity based on factor analysis［J］.Logistics Technology，2013，32（4）：192－194，210.

［4］ 王伟，纪寿文.物流配送中心客户满意度管理［J］.物流技术，2009，28（9）：67－69.WANG Wei，JI Shouwen.Customer satisfaction management in physical distribution center［J］.Logistics Technology，2009，28（9）：67－69.

［5］ 蔡萍萍，章勤俭，倪震海.烟草商业企业物流配送满意度模糊评价［J］.中国烟草学报，2012，18（5）：66－72.CAI Pingping，ZHANG Qinjian，NI Zhenhai.Fuzzy evaluation of degree of customer satisfaction on logistics distribution services［J］.Acta Tabacaria Sinica，2012，18（5）：66－72.

［6］ 宋光磊.银行零售客户满意度的影响因素研究——基于问卷数据的实证分析［J］.中央财经大学学报，2010（3）：33－38.SONG Guanglei.Reasearch on the affection of customers’satisfaction in retail banking：Empirical analysis based on questionnaire data［J］.Journal of Central University of Finance＆Economics，2010（3）：33－38.

［7］ 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选［M］.北京：清华大学出版社，2008.DU Dong，PANG Qinghua，WU Yan.Modern Comprehensive Evaluation Method and Case Selection［M］.Beijing：Tsinghua University Press，2008.

［8］ 陈思，甘蜜，闫英.物流需求多样性下的区域物流需求预测研究［J］.河北工业科技，2014，31（6）：480－487.CHEN Si，GAN Mi，YAN Ying.Regional logistics demand prediction research with considering the logistics diversity demand［J］.Hebei Journal of Industrial Science and Technology，2014，31（6）：480－487.

［9］ 徐兰，李晓萍，戴云徽.基于灰色关联分析的企业员工满意度评价［J］.中国管理科学，2008，16（1）：68－70.XU Lan，LI Xiaoping，DAI Yunhui.The evaluation of staff’s satisfaction degree based on grey relational analysis ［J］.Chinese Journal of Management Science，2008，16（1）：68－70.

［10］ 刘圣春.基于因子分析的安徽省区域物流发展对策研究［J］.物流技术，2008，27（4）：76－78，103.LIU Shengchun.Study on Anhui regional logistics development policy based on factor analysis［J］.Logistics Technology，2008，27（4）：76－78，103.

［11］ 周敏，王琼，邢洁冰，等.基于模糊可拓层次分析法的物流客户满意度研究［J］.物流技术，2011，30（4）：78－81.ZHOU Min，WANG Qiong，XING Jiebing，et al.Study on logistics customer satisfaction based on fuzzy－EAHP ［J］.Logistics Technology，2011，30（4）：78－81.

［12］ 曹庆奎，张京华.基于隶属度转换的第三方逆向物流服务商评价［J］.河北工程大学学报（自然科学版），2011，28（3）：79－82.CAO Qingkui，ZHANG Jinghua.Research on the evaluation of the third party rererse logistics suppliers based on an algorithm of membership degree transformation［J］.Journal of Hebei University of Engineering（Natural Science Edition），2011，28（3）：79－82.

［13］ 张炎亮，胡琳琳，李亚东.基于神经网络集成的第三方物流客户满意度测评［J］.工业工程，2013，16（3）：84－88.ZHANG Yanliang，HU Linlin，LI Yadong.A research on customer satisfaction evaluation in 3PL enterprises based on neural networks ensemble［J］.Industrial Engineering Journal，2013，16（3）：84－88.