唐钦芸　钱大可　李文双　占艳芳　高锦瑶

【摘 要】 随着人工智能技术的发展，在新零售中智能客服成为了解决企业服务数量暴涨问题的关键，智能客服极大程度地影响着顾客满意度。本研究采用问卷调查的方法进行调研，运用描述统计初步分析顾客对智能客服满意度的影响因素，构建满意度模型，利用相关性分析与回归分析对顾客满意度影响因素进行研究，寻找智能客服影响顾客满意度的相关因素。

【关键词】 智能客服 新零售 顾客满意度

2018年中国人工智能市场规模已达到238.2亿元，并且随着购物的增加，顾客对于服务质量的要求越来越高，企业为满足顾客需求，在服务方面逐渐走智能客服代替人工客服的趋势，然而智能客服应用刚起步，人工智能发展有待完善，必然存在一些影响顾客购物满意度的相关因素。

本文拟从顾客满意度影响因素视角出发，深入了解新零售下智能客服对顾客满意度的各影响因素的相关信息。在前人研究基础上，建立了智能客服顾客满意度模型，运用统计学方法来验证模型假设是否成立，从而探索新零售中智能客服对顾客满意度的有效影响因素，提升智能客服服务水平，为新零售下的电商平台提供相应参考。

1.理论模型与研究假设

1.1.基本概念

新零售是以消费者体验为中心的数据驱动的泛零售形态，企业以互联网为依托，通过运用大数据等各种技术，将线上线下以及物流打通，重塑零售业态的新形式。智能客服智能客服是指通过各种线上渠道以及多种线下渠道，为用户随时随地提供触手可及的智能服务。顾客满意度是衡量目标顾客消费某种产品和服务后感到满足的心理体验，是企业对自身提供的产品或服务进行评估与改良的重要指标，不仅能提升企业在行业内的核心竞争力，亦能改善企业的经营效益。

1.2.理论模型

ACSI模型表示总体满意度被置于一个相互影响相互关联的因果互动系统中，该模型是由多个结构变量构成的因果关系模型，顾客满意度是其最终所求的目标变量。本文在ACSI模型的研究基础上，结合智能客服的各类特性，将智能客服回复问题的速度、准确性、易于理解性归结为影响顾客满意度的感知价值维度;将智能客服是否能够提供合适产品搭配与优惠购买方式归结为影响顾客满意度的顾客预期维度;将智能客服犯错迅速致歉弥补与对语义理解程度归结为影响顾客满意度的顾客抱怨维度;将智能客服是否能主动提醒产品特性与主动咨询顾客需求归结为影响顾客满意度的顾客忠诚维度。又结合消费者在消费服务或产品时的体验，引起的对各方面的满意度变化构建了如图1所示的基于智能客服的顾客满意度模型。

通过验证研究假设H1-H4来证实变量之间的影响关系，试图从智能客服的以上四个方面与顾客满意横向层次之间的关系来找到促使和提高顾客满意的思路和方法。

1.3.研究假设

在上述基于智能客服的顾客满意度模型的基础上，本文将智能客服感知价值、顾客预期、顾客抱怨、顾客忠诚作为原因变量，顾客满意度作为结果变量提出四个假设，具体如下：

（1）假设H1：感知价值与顾客满意度正相关;

（2）假设H2：顾客预期与顾客满意度正相关;

（3）假设H3：顾客抱怨与顾客满意度正相关;

（4）假设H4：顾客忠诚与顾客满意度正相关。

2.研究设计

2.1.研究思路与方法

本文研究思路是依据设计的基于智能客服的顾客满意度模型设计李克特量表问卷，并进行发放，并对搜集的有效数据运用数据分析软件对本文的原因变量与结果变量之间的关系进行假设验证。主要采取了描述性分析、相关性分析与回归分析的数据分析方法。

2.2.指标设计

本文问卷设计时结合消费者自身的特点将问卷基本信息指标分为性别（男、女）、年龄（18岁及以下、19岁-25岁、26岁-35岁、36岁-50岁、51岁及以上）、学历（大专及以下、本科、硕士研究生及以上）、就业（已工作、未工作）四个方面。智能客服各原因变量及二级细分子变量指标见表1所示。

3.数据分析与模型檢验

本次问卷调查为网络问卷调查，共发出776份问卷，收回776份问卷，问卷回收率为100%;其中有效问卷有699份，问卷有效率为90.07%。

3.1.信度效度检验

为检验问卷中的问题能否有效地解释变量，需要做信度和效度分析。本项目采用Alpha信度系数法对项目内在信度进行分析，使用因子分析法对问卷进行效度检验，之后根据检验结果提取出相应的因子来做对应的相关性分析和回归分析。

3.1.1.信度分析

信度分析主要考察一组评价项目是否测量一个概念，这些项目之间是否存在较高的内在一致性。一致性越高，评价项目的可靠性就越强。本项目采用Alpha信度系数法对项目的内在信度进行分析，当信度系数>0.7时，问卷具有一定的可信度，当问卷的信度系数>0.8时便具有较好的信度。

经过Alpha信度系数法监测得出，各维度指标的CronbachsAlpha系数大部分大于0.8，因变量CronbachsAlpha系数为0.819>0.8，表明调查问卷可靠性非常好。总体信度系数值为0.912，大于0.9，因而说明研究数据信度质量很高。

3.1.2.效度分析

效度即有效性，指测量工具或手段能够准确测出所需测量的事物的程度。效度分析采用因子分析法完成，一般认为因子分析之前会进行KMO与Bartlett检验，当KMO值大于0.5时认为可进行因子分析。

经过检验，本问卷巴特球形值为3562.774，总体KMO的值为0.942>0.5，可以进行因子分析。同时，也意味着数据具有较好的效度。另外，w5个因子的方差解释率值分别是18.500%，16.401%，14.251%，13.152%，12.784%，旋转后累积方差解释率为75.087%>50%，意味着研究项的信息量可以有效的提取出来。最后，结合因子载荷系数，确认因子（维度）和研究项对应关系，若与预期相符，则说明具有效度。此处因子载荷系数绝对值大于0.4，即说明选项和因子有对应关系。

3.2.样本描述统计分析

分析本次调研搜集的776份有效问卷数据，发现九成多民众对智能客服有过接触，其中26岁-35岁年龄段人群对智能客服知晓程度最高，但是总体智能客服使用频率较低，而“答案不是我想要的”是使用者放弃智能客服服务的主要原因。

在被调查者对智能客服的满意度分析研究中，根据智能客服对顾客满意度量表的影响因素，将五个等级假设性赋值，计算每项服务角度的满意度平均得分来评判智能客服服务质量，分数越高，顾客对智能客服的满意度越高。

经分析得到，在回复问题速度方面智能客服的平均分数最高，达到了3.43分，这是智能客服相对于人工客服最主要的优势所在;主动程度、弥补错误道歉情况、对语义理解程度、答案的易于理解性此类因素顾客满意度在3分左右，处于一般水平;回复准确性、回复答案的满意度以及主动提醒产品特性方面满意度较低，未达到3分，说明智能客服在回复答案的质量方面处于劣势。综上，智能客服的服务质量方面还存在较大的欠缺，回复的答案质量有待提高。

3.3.相关回归分析

3.3.1.相关性分析

相关分析（correlationanalysis）是用适当的统计指标描述研究变量间某种依存关系和变化趋势，实际运用中有多种方法，本文研究感知价值、顾客预期、顾客抱怨、顾客忠诚和顾客满意度变量相关分析的时，选择Pcarson相关分析法。具体结果如表2所示：

从上表可以看出，四个维度与顾客满意度的相关系数分别为0.767、0.724、0.740、0.787，相关系数均大于0，说明各自变量与因变量之间有显著的正相关关系，均呈现出显著性，表明四个维度对顾客满意度起到正向的相关作用。

3.3.2.回归分析

回归分析是基于收集到的数据找到变量间关系的一种统计分析方法，上述分析只简单的反映出四个维度与顾客满意度之间的相关关系和程度，并不能提供因果关系证明和具体的影响幅度。为了更好地反映问题的本质，我们将采用回归分析法来探讨是否存在显著影响，结果如下：

从表3可以看出，感知价值的回归系数值为0.760（t=27.249，P=0.000<0.01），意味着感知价值会对顾客满意度产生显著的正向影响关系。

顾客满意度=0.679+0.760*感官体验

假设H1成立。

可以看出，回归系数值为0.607（t=24.446，P=0.000<0.01），意味着顾客预期会对顾客满意度有显著的正向影响关系。

顾客满意度=1.104+0.100*顾客预期

假设H2成立。

从表5可以看出，顾客抱怨的回归系数值为0.644（t=19.570，P=0.000<0.01），意味着顾客抱怨对顾客满意度有显著的正向影响关系。

顾客满意度=1.253+0.115*顾客抱怨

假设H3成立。

可以看出，回归系数值为0.668（t=21.427，P=0.000<0.01），意味着顾客忠诚会对顾客满意度产生显著的正向影响关系。

顾客满意度=1.105+0.668*顾客忠诚

假设H4成立。

3.4.研究小结

研究结果主要反映了以下三个方面：

第一，本文验证了最初的假设——顾客在使用智能客服的过程中，“感知价值”、“顾客预期”、“顾客抱怨”、“顾客忠诚”这四个维度对顾客满意度是有影响的，并探讨了各维度对因变量“顾客满意度的影响关系”度对顾客满意度的影响关系。因此，本文验证结果支持假设H1、H2、H3、H4。至此，研究结果验证了新零售下智能客服的顾客满意度影响因素模型，为电商领域“提高顾客满意度”这一目标指明了明确的方向。

第二，这四个维度对顾客满意度的影响程度是各不相同的，并且由各组数据综合分析可以得出，“顾客忠诚”对顾客满意度的影响相对较大。这一结论，可供各电商企业平台参考与应用。

第三，本文在处理消费者自身特点要素的数据时，通过方差分析还可验证出部分消费者的自身特点对顾客满意度有一定的影响，同样也值得各新零售企业对这些消费者自身特点及时关注，并运用在营销测策略上。

4.结论

本文从顾客的视角出发，验证了新零售中智能客服对顾客满意度的影响因素模型假设是成立的，并且通过问卷调查和统计学方法验证了它们之间的关系，从理论上为新零售企业指出了增加顾客黏性的关键因素。

为了简便研究，本文在关系模型的假定、问卷调查的设计和发放以及数据处理等方面作了相应的简化处理，并且这些地方还需要进一步完善。随着互联网革命浪潮进一步高涨，新零售下各种营销模式也会成为学术界感兴趣的焦点问题，这些都有待后期再次深入探索。至此，研究结果验证了新零售下智能客服的顾客满意度影响因素模型，为电商领域“提高顾客满意度”这一目标指明了明确的方向。

【参考文献】

[1] 刘晴.绿色农产品“线上线下”渠道融合中顾客满意度影响因素研究[D].哈尔滨商业大学，2019.

[2] 张建芬.B2C电子商务顾客满意度指标体系构建及其综合评价研究[D].浙江：浙江工商大学，2017.

[3] 唐芳艳.实时在线客户服务的顾客满意度影响因素研究[D].湖北：三峡大学，2016.

[4] 罗倩，陈峻焜.新零售业态下顾客消费意愿的影响因素研究——基于顾客体验视角[J].經济研究导刊，2019，（8）：116-121，151.DOI：10.3969/j.issn.1673-291X.2019.08.040.

基金项目：本文系2019年嘉兴学院国家级大学生创新创业训练计划（项目编号：201910354035）

作者简介：唐钦芸，女，四川自贡人，出生于2000年，汉族，嘉兴学院市场营销学专业，本科在读。

钱大可，男，浙江桐乡人，出生于1975年，研究方向为电子商务，信息管理，博士，副教授。