高永琴，潘毛妮

(郑州工商学院，河南 郑州 450000)

根据中国移动互联网发展报告显示，截至2021年6月，我国网民规模达10.11亿，我国手机网民规模达10.07亿，网民使用手机上网的比例为99.6%。在智能手机、移动通信网络和移动应用服务方面，处于全球领先地位。并随着智能终端设备的大力推广和普及，推动着移动互联网市场规模的进一步扩张，用户规模也不断地攀升。基于此，移动互联网时代的消费者更加关注服务消费，那么移动互联网时代的移动电子商务企业需要提高服务水平。学术界对移动电子商务服务质量评价的指标体系的研究尚不成熟，大多是从网站、物流等方面来分别研究。鲜有学者通过定量的方法对移动电子商务服务质量进行评价。因此，在移动互联网的环境下从电商全流程出发对B2C移动电子商务的服务质量评价体系显得尤为重要和迫切。

1 相关理论研究

1.1 国外相关理论研究

20世纪80年代中期到90年代初，美国营销学家帕拉休拉曼(A.Parasuraman)，赞瑟姆(ValarieA.Zeithamal)和贝利(LeonardL.Berry)，他们提出了服务质量差距模型——SERVELAUAL模型[1]。Zeithaml等(2000)以SERVQUAL模型为基础，通过实证研究提出了包含11个维度的E-SQ模型。Zeithaml(2005)又在E-SQ模型的基础上，将模型简化，建立评价不同类型的网站服务质量的新的E-S-QUAL模型，同时提出E-Rec S-QUAL模型[2]。包括3大维度和11个项目。E-S-QUAL模型侧重于对零售业的服务过程质量进行评价，在研究B2C电子商务服务质量这一领域得到了国内外的一致认可。

1.2 国内相关理论研究

国内学者在如何提高电子商务服务质量，衡量电子商务服务质量的指标体系方面做出了自己的探索与贡献。左文明等(2010)认为B2C商务网站服务质量评价体系应结合服务质量的含义和商务网站的特性来研究，并提出了B2C商务网站服务质量的研究方向[3]。谢广营(2016)构建了包含商家交付环节、物流配送环节、消费者签收环节和消费者满意或退换货环节等4个环节的39个指标的评价B2C网络购物物流服务质量的测量模型[4]。王明明(2015)基于SERVQUAL模型采用探索性因子分析等方法，构建了B2C移动电子商务服务质量的指标体系[5]。

综上，学者们对电子商务服务质量的研究为移动电子商务服务质量的研究提供理论基础，且基于移动电子商务服务质量的研究在国内处于初步探究阶段。笔者主要以E-S-QUAL和E-Rec S-QUAL模型为基础，吸纳权威学者的研究成果，从电商全流程出发，来对B2C移动电子商务服务质量指标体系展开研究。

2 B2C移动电子商务服务质量指标集

2.1 指标集选取依据

鉴于电子商务服务质量评价指标体系的研究中，SERVQUAL[1]模型以及E-S-QUAL与E-Rec S-QUAL[2]模型应用广泛，可将其引入B2C移动电子商务服务质量评价中，作为初选指标集的一部分。但是SERVQUAL模型需要在移动互联网的环境下进行重新解释，E-S-QUAL与E-Rec S-QUAL模型侧重于零售商电子商务服务过程质量，没有考虑到网站设计、物流等其他环节的服务质量指标。因此，另外一部分指标通过其他学者的研究指标作为补充，并结合移动互联网阶段的电子商务服务质量存在的问题和移动互联网时代的用户特征，对已有指标进行筛选。B2C移动电子商务服务质量指标集的选取依据，如表1所示。

表1 指标集选取的主要参考文献

2.2 指标集的确定

对上述B2C移动电子商务服务质量指标体系的梳理和总结，最终形成从电子商务活动全过程出发的B2C移动电子商务服务质量指标集，并对这些指标集进行初步的分类，形成初选的7大维度52个指标的指标集，如表2所示。

表2 B2C移动电子商务服务质量评价海选指标集

3 建立B2C移动电子商务服务质量指标体系

3.1 指标体系构建思路

指标体系的构建主要通过调查问卷的方式获取数据，文章围绕研究主题，具体的问卷设计步骤如下：①对初选的52个B2C移动电子商务服务质量指标集，通过邀请专家，并与专家学者进行深度探讨，对指标选取的合理性、有效性和可行性进行评估，删除不合理的指标，达到对问卷的初步优化。②经过专家筛选，对得到的指标集进行小范围测试，根据反馈意见，对一些不合理的测度题项删除或修改，最终形成问卷终稿。

3.2 指标初选

B2C移动电子商务服务质量评价体系的构建，第一步对初选的包含52个指标的指标集，通过专家打分的方式进行初判、筛选。

在同事的帮助下，邀请了3位从事电子商务的企业经理、1位电子商务方向的教授和2位从事服务行业性研究的研究员和4位电子商务专业方向的具有丰富购物经验的研究生。由他们组成一个专家委员会。

对这10位专家采取现场询问和调查问卷相结合的方式，对52个指标进行一个初步的筛选。①向他们介绍了本次调研的目的、意义和填写问卷所要注意的问题；②针对他们所不明白的地方进行着重解释，以保证所获得的数据真实、客观；③专家针对各个指标的重要性进行评分。分值跨度从1分到10分，1分表示完全不重要，10分表示十分重要，且假设每位专家对所有指标均充分理解无偏差，保证每位专家都能对指标的重要性进行客观真实的判断。

经专家委员会讨论，认为当指标的平均得分≥6分时[6]，即为关键性指标，剩下的低于6分的指标由于交叉程度高或者相比较其他指标重要性程度不够而被剔除。专家打分后，对52个指标的分数值，利用SPSS 22.0 软件，计算每个指标的平均得分和标准差，并挑选出平均得分≥6分的33个指标剔除19个指标。

3.3 数据获取

3.3.1 问卷设计。通过专家对指标进行初步的筛选后，选出33个可操作性指标。对这33个可操作性的指标在10岁～39岁的年龄段的消费者发放问卷，做一个小范围的测试，并统计反馈意见，对一些描述不清楚的指标进行修改，最终形成问卷终稿。

问卷主要分为两个部分：第一部分为填卷人的个人信息，以便能够对搜集的数据做更加准确的分析；第二部分主要为测量指标的重要性程度，并覆盖33个指标的量表。本问卷采用了李克特七级量表法，将每个指标按程度划分为7个维度，分值从1～7分别为非常不重要、不重要、稍微不重要、一般、稍微重要、重要、非常重要。

3.3.2 数据回收。借助第三方问卷发放网站，共计发放231份，回收218份问卷，剔除无效和残缺问卷，最后得到198份有效问卷，有效回收率达到85.7%。对获得的数据进行简单的统计分析发现，被调查者经常网购，且普遍选择使用手机等移动端设备进行网购活动，获得的人群数据满足此次的调研目的。

3.4 问卷信度和效度分析

对搜集的数据做了初步分析后，运用SPSS 22.0对数据再进行分析，验证模型的信度和效度。

3.4.1 信度分析。从经验上来说，如果克朗巴哈系数α>0.9则说明指标的可靠性信度很高，克朗巴哈系数α值在0.8～0.9之间，则量表信度可以接受，克朗巴哈系数α值<0.8则认为量表设计存在一定问题。利用SPSS 22.0软件对整个量表的所有项目进行内部一致性分析，得出问卷的内部一致性信度系数Alpha值为0.968，说明量表的信度非常好，量表不需要修改，每个指标都可以保留。

3.4.2 效度分析。笔者运用探索性因子分析进行效度分析，可以实现两个目的：①通过因子旋转，可以对指标进行层级划分，将反映同一方面的指标进行分类，这样可以实现指标按B2C移动电子商务过程的不同阶段对指标进行分类与分层。②识别指标中方差贡献率大的指标，删除贡献率小的指标，实现指标的显著性与独立性。

通过软件对样本数据进行KMO和Bartlett检验，验证数据是否符合进行因子分析的条件。KMO统计量是用于比较变量之间简单相关系数和偏相关系数的指标，取值是在0～1之间，KMO的值越接近于1，则变量间的相关性就越强，原有变量就越适合做因子分析，KMO值接近0，则变量间的相关性越弱，则越不适合做因子分析。通常KMO的值在0.9以上时，则非常适合做因子分析，0.6及以下则不适合做因子分析。Bartlett球体检验统计的显著性概率小于显著性水平适合做因子分析。通过分析，最终检验结果，KMO的值为0.944，Bartlett球体检验通过(P值<0.001)，则表明各指标之间存在很强的相关关系，满足进行因子分析的条件。

3.4.3 探索性因子分析。通过主成分分析并通过正交旋转法，对样本数据进行探索性因子分析，按照特征值>1的原则，得到了4个公因子，Nunally(1978)认为，每个指标在因子中的载荷应该0.3<0.5[7]，张新安(2005)把这个范围放宽了限制，将>0.5放宽至>0.45[8]。文章也将条件放宽至0.45，删除载荷在0.3和0.45之间的指标。根据因子分析结果，删除了以下指标，分别为商品信息可靠、配送网络覆盖范围、实时追踪查询方便性、网站由于它造成的问题是否进行赔偿、退换货是否会上门取货等5个指标。

在主成分分析的基础上，再进行正交旋转，获得如表3所示的旋转成分矩阵，对得到的4个公因子进行了分类并命名。

表3 旋转成分矩阵a

第一个因子包括9个指标，由B2C移动电子商务平台的安全性，可靠性和设计指标组成，因此第一个因子可命名为移动端的可靠性维度。第二个因子C2包括5个指标，且与平台相关，可命名为移动端平台的易用性。第三个因子C3包括5个指标，描述移动端企业在与消费者沟通时，所能提供的服务。因此可命名为沟通性。第四个因子C4主要包括9个指标，且都跟与物流的服务质量息息相关，因此可命名为物流服务性。

3.5 结构方程模型拟合分析

对样本数据进行了信度和效度分析之后，为了进一步得到可靠的B2C移动电子商务服务质量评价模型，采用AMOS 23.0软件，通过结构方程模型对B2C移动电子商务服务质量评价模型进行拟合度分析，使模型更加合理和可靠。笔者通过整体模型拟合度和模型内在结构拟合度两个标准来分析模型的拟合度。①整体模型拟合度。评价整体模型与数据的拟合度，可以用绝对拟合度指标和相对拟合度指标进行衡量。绝对拟合度指标包括卡方值(χ2)、χ2/df、RMSEA 3个指标。相对拟合度指标包括NFI、CFI、IFI和TLI 3个指标。②模型内在结构拟合度。用来评价模型估计参数的显著性程度。其衡量指标及标准为：估计参数的显著性水平(P)<0.05，误差变异均为正，因子负荷量在0.5～0.95之间。

3.5.1 整体模型拟合。卡方值(χ2)，一般用显著性水平P值来衡量，P值<0.05，则拟合程度好；卡方拟合指数与自由度的比例“χ2/df”，一般而言，被测模型的卡方值/自由度越小越好，但必须大于1，且小于2～3；正太化拟合指数“NFI”NFI>0.9，说明模型拟合程度好；比较拟合指数“CFI”，CFI的>0.9说明模型拟合程度好；递增拟合指数“IFI”，IFI>0.9说明模型拟合程度好；塔克-路易斯指标“TLI”，TLI>0.9，说明模型拟合程度好；估计误差均方根“RMSEA”，RMSEA<0.06代表较好的拟合程度，<0.08为拟合程度尚可。

根据软件最终拟合结果可知，绝对拟合指数为χ2=0<0.05，χ2/df=1.388<3，RMSEA=0.044<0.08，满足要求。相对拟合指数NFI=0.904，CFI=0.971，IFI=0.971，TLI=0.965，均>0.9，说明模型的整体拟合度较好。

3.5.2 模型内在结构拟合。运用AMOS 23.0对评价B2C移动电子商务服务质量的4大维度28个指标的评价模型进行拟合，得到其方差和标准化回归系数。

4大维度28个指标的方差估计值均为正数，且达到显著。此外，误差项及残差项的误差方差均为正值，表示模型达到了基本适配度检验标准。表明各指标拟合度较好，模型内在适配度的质量比较理想，指标均保留。

潜变量间的回归系数，也称路径系数，反映了变量之间相互作用的效果。潜变量对观测变量的回归系数称为因素负荷量，反映观测变量对潜在变量的解释程度。观测变量的因素负荷量都>0.60，说明模型内在适配度的质量较为理想。

3.6 指标体系确定

根据以上的信度、效度和模型拟合分析，得到了B2C移动电子商务服务质量评价模型，即4大维度28个指标的指标体系，并对B2C移动电子商务服务质量评价指标体系中的4大维度进行阐述。

3.6.1 移动端的可靠性。移动端的可靠性指标从网站本身、网站商品、网站客户等3个角度来阐述，主要包含移动端展示的界面的友好性和系统的稳定性、网站对于个人信息的安全性和商品信息的可靠性。主要包含9个指标，分别为移动客户端界面设计美观、移动客户端界面感觉友好、移动客户端设计结构清晰、保护顾客网上购物信息、保护顾客个人信息、能够保证顾客交易安全、移动端能够马上启动并运行、移动端不会崩溃、商品描述与实物一致。

3.6.2 移动端的易用性。易用性主要从平台操作、信息搜索、交易是否易于完成等角度来考虑。选择网上购物的客户都是抱着一个省时省力的心态去购物，希望通过移动端的网站能够快速的通过平台傻瓜式操作搜索到心仪的商品。主要包含5个指标组成，分别为平台操作简单方便、搜索信息容易、能够随时查看交易情况、交易易于完成、页面加载快速。

3.6.3 沟通性。移动端平台的服务性主要从售后和售前的角度出发。首先是售前客户的问题咨询，客服人员能否耐心细致及时地进行解答，并对于回头客能够做好客户关系，了解客户喜好。主要包括5个指标，分别为在线客服态度好、客服应答及时、退款及时容易、客户抱怨处理速度快、能够按要求提供正规发票。

3.6.4 物流的服务性。物流是在整个交易完成后的配送阶段，这个阶段会出现很多的问题影响客户的直观服务感受，例如物品丢失、商品破损、配送人员态度差、不提供送货到门服务等。主要包括9个指标，分别为价格收费合理，支付方式多样、订单记录准确、不存在虚假发货、有商品保险服务、退换货速度快、配送人员态度好、提供送货到门服务、配送商品准确，无损坏丢失、配送网点分布合理。

4 结束语

在互联网和手机如此重要的时代，困扰消费者的服务却不能够跟随时代的步伐不断的改进创新。因此，文章立足于移动互联网的大背景下，从电子商务全过程出发，确定了B2C移动电子商务服务质量指标体系。通过梳理基于零售业的电子商务和移动电子商务服务质量评价指标，并对指标进行整理。结合目前移动互联网时代，电子商务发展到今天，一直困扰消费者的电子商务服务弊端，通过专家打分、消费者打分等方式获得数据。利用探索性因子分析等方法最终确定了四大维度28个指标的B2C移动电子商务服务质量评价指标体系。