论文部分内容阅读
摘 要：本文基于南昌市大学生的568份有效问卷，将影响共享单车使用者满意度的因素分为价格、外观、舒适度、车身功能、骑行速度和使用便捷度，通过因子分析提示大学生使用共享单车满意度的主要影响因素，并运用IPA模型确定南昌市大学生对各指标满意度情况与指标重要程度，确定南昌市大学生对共享单车使用过程中满意因素及需要改进的地方。
关键词：共享单车 满意度 因子分析 IPA分析
中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2018）09（a）-019-03
共享单车是新时代“大众创新，万众创业”的缩影，这一新生事物的出现带来方便群众绿色出行，加速经济转型发展等一系列“溢出效应”。但不可否认的是，伴随着这一新生事物的出现，大量占用公共空间，共享单车大量损坏等新的问题接踵而至。而大学生对新生事物接受程度较高，是共享单车的重要使用群体，比较具有代表性。因此，从大学生视角入手，深入研究影响大学生使用共享单车满意度，对提升南昌市共享单车使用效率具有一定借鉴意义。
1 问卷调查情况综述
问卷主要分为大学生用户基本情况调查与共享单车满意度与指标重要度调查两部分：第一部分包括性别、年级、使用共享单车频率与共享单车用途；第二部分为满意度调查，采用李克特五级量表，分别为“很不满意”“不满意”“一般”“满意”与“很满意”，分别赋值1～5。
1.1 问卷发放与收集
基于大学生为共享单车的重要使用群体，本次研究以南昌市大学生为调查对象，对南昌市各大高校在校学生随机发放纸质问卷，获取线下数据。共回收620份问卷，剔除无效问卷，最后得到568份有限问卷。
1.2 信度检验
本文使用SPSS 22软件，运用α系数（Cronbach’s Alpha，CA）对量表的可信度进行衡量。检验得到α系数为0.891，目前，大多数学者认为，测验或量表的信度系数在0.8以上都是可以接受的，这说明量表的可信度与内部一致性较好。
1.3 KMO和Bartlett检验
利用KMO和Bartlett检验对6个满意度因素之间的效度与相关性进行检验，判断数据是否适合做因子分析。檢验结果如表1所示。
从检验结果来看，KMO检验系数>0.5，说明问卷结构性较好；另外，Bartlett值为2140.638，当显著性水平为0.01时，P值小于显著性水平，认为满意度因素之间存在相关性，适合做因子分析。
2 因子分析
由公因子方差表可知，前三个因子的累计方差贡献率为85.567%。提取前三个因子可以使信息集中度百分比达到85%以上。接着使用最大方差法进行旋转，经过6次迭代收敛，旋转成份矩阵如表3所示。
从旋转成分矩阵中可以得出各因子的特征：因子1，主要与共享单车的舒适度、车身功能和骑行速度有关，将其命名为“骑行体验”因子；因子2，主要与车身价格、外观有关，将其命名为“初始体验”因子；因子3，主要与使用便捷度有关，将其命名为“友好体验”因子。
得到因子后，接下来使用回归法得到各因子得分。成分评分系数矩阵如表4所示。
从最终得到的满意度指数表达式可以看出，影响大学生总体满意度的指标主要有舒适度、车身功能与骑行速度，也就是“骑行体验”因子，其中舒适度指标影响最大。消费者对于产品的满意度往往大部分取决于使用起来的体验，从因子分析结果也可以看出对大学生满意度评价共享单车影响最大的因素是骑行共享单车时的舒适度。
3 IPA分析
为更好体现六个指标满意度与重要程度的相对情况，采用IPA法（“重要性—表现程度”分析法）进行分析，通过被调查者对指标的满意度和重要性评价来衡量各指标对提升消费者满意度的意义。IPA模型构架将重要性列为横轴，绩效表现（满意度）列为纵轴，并分别以消费者对产品属性的重要性和绩效评价（满意度）总平均值作为X-Y轴分割点，将空间分为四个象限。如图1所示。
模型横轴表示指标重要度得分高低，纵轴表示指标满意度得分高低。A、B、C、D四个象限分别代表着不同情况。
（1）A象限：继续保持区，高重要性、高满意度。
分布在这个象限的指标对于用户来说是关键性因素，代表消费者十分重视并对厂商表现的绩效感到满意的产品属性。
（2）B象限：努力过头区，低重要性、高满意度。
分布在这个象限的指标是消费者不重视但对厂商表现绩效满意的商品属性。
（3）C象限：低优先级区，低重要性、低满意度。
分布在这个象限的指标是消费者既不重视也对厂商表现绩效不满意的商品属性。
（4）D象限：重点改善区，高重要性、低满意度。
分布在这个象限的指标是消费者重视对厂商表现绩效满意的商品属性。
接着，计算各指标的满意度与重要度，计算方法如下：
为指标对应重要程度为等级的分值。为第个指标等级人数占总人数的比例。
经过计算我们得到每个指标的满意度和重要程度，结果表5所示。
将各个指标重要性、满意度标于二维图中，以消费者对产品属性的重要性和绩效评价（满意度）总平均值作为X-Y轴分割点。得到图2所示的IPA分析图。
数字1～6分别代表指标价格、外观、舒适度、车身功能、骑行速度和使用便捷度。从IPA分析图中，可以看到共享单车产品使用便捷度属性位于第一象限；价格和外观属性位于第二象限；车身功能与骑行速度属性位于第三象限；舒适度属性位于第四象限。结合IPA模型定义，得出厂商需继续保持共享单车便捷度属性的优势，但需要在舒适度属性上重点改善。另外厂商可以在价格和外观属性上适当放松重视度。
4 结语
（1）研究发现，南昌市大学生对共享单车车身功能，骑行速度与舒适度不甚满意，共享单车厂商思考自身在这些方面的不足，在这些方面多做努力，增加共享单车产品设计的科技投入，生产研发更适合消费者骑行的单车构造，并适当增加共享单车使用的功能性。
（2）共享单车舒適度属性对用户满意度影响最大，共享单车厂商应充分了解消费者对共享单车骑行方面的需求，可以根据不同年龄段，不同性别生产不同款式的共享单车，提升用户的骑行体验，以期降低共享单车闲置率，提升南昌市共享单车的使用效率。
参考文献
[1] 卢纹岱，朱红兵.SPSS统计分析[M].北京：电子工业出版社， 2015.
[2] 陈涌泉，刘振颖，殷超杰，等.基于四分图模型的京东商城顾客满意[EB/OL].http：//www.docin.com/touch/detail. do？id=1314004494.2015年6月20日发布.
[3] 张倩雯.当前我国共享单车现状、问题与对策研究[J].现代商业，2017（23）.
[4] 谭淼.基于IPA的共享单车服务质量评价研究[D].长安大学， 2017.
[5] 梁希，程婷婷.不同背景大学骑乘共享单车运动满意度的调查研究[J].体育科技文献通报，2017（10）.
[6] 肖风桢，莫嘉卫.ofo共享单车满意度影响因素研究[J].中国市场，2018（4）.
[7] 陈旭.IPA的修正及其在游客满意度研究的应用[J].旅游期刊， 2013（11）.
关键词：共享单车 满意度 因子分析 IPA分析
中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2018）09（a）-019-03
共享单车是新时代“大众创新，万众创业”的缩影，这一新生事物的出现带来方便群众绿色出行，加速经济转型发展等一系列“溢出效应”。但不可否认的是，伴随着这一新生事物的出现，大量占用公共空间，共享单车大量损坏等新的问题接踵而至。而大学生对新生事物接受程度较高，是共享单车的重要使用群体，比较具有代表性。因此，从大学生视角入手，深入研究影响大学生使用共享单车满意度，对提升南昌市共享单车使用效率具有一定借鉴意义。
1 问卷调查情况综述
问卷主要分为大学生用户基本情况调查与共享单车满意度与指标重要度调查两部分：第一部分包括性别、年级、使用共享单车频率与共享单车用途；第二部分为满意度调查，采用李克特五级量表，分别为“很不满意”“不满意”“一般”“满意”与“很满意”，分别赋值1～5。
1.1 问卷发放与收集
基于大学生为共享单车的重要使用群体，本次研究以南昌市大学生为调查对象，对南昌市各大高校在校学生随机发放纸质问卷，获取线下数据。共回收620份问卷，剔除无效问卷，最后得到568份有限问卷。
1.2 信度检验
本文使用SPSS 22软件，运用α系数（Cronbach’s Alpha，CA）对量表的可信度进行衡量。检验得到α系数为0.891，目前，大多数学者认为，测验或量表的信度系数在0.8以上都是可以接受的，这说明量表的可信度与内部一致性较好。
1.3 KMO和Bartlett检验
利用KMO和Bartlett检验对6个满意度因素之间的效度与相关性进行检验，判断数据是否适合做因子分析。檢验结果如表1所示。
从检验结果来看，KMO检验系数>0.5，说明问卷结构性较好；另外，Bartlett值为2140.638，当显著性水平为0.01时，P值小于显著性水平，认为满意度因素之间存在相关性，适合做因子分析。
2 因子分析
由公因子方差表可知，前三个因子的累计方差贡献率为85.567%。提取前三个因子可以使信息集中度百分比达到85%以上。接着使用最大方差法进行旋转，经过6次迭代收敛，旋转成份矩阵如表3所示。
从旋转成分矩阵中可以得出各因子的特征：因子1，主要与共享单车的舒适度、车身功能和骑行速度有关，将其命名为“骑行体验”因子；因子2，主要与车身价格、外观有关，将其命名为“初始体验”因子；因子3，主要与使用便捷度有关，将其命名为“友好体验”因子。
得到因子后，接下来使用回归法得到各因子得分。成分评分系数矩阵如表4所示。
从最终得到的满意度指数表达式可以看出，影响大学生总体满意度的指标主要有舒适度、车身功能与骑行速度，也就是“骑行体验”因子，其中舒适度指标影响最大。消费者对于产品的满意度往往大部分取决于使用起来的体验，从因子分析结果也可以看出对大学生满意度评价共享单车影响最大的因素是骑行共享单车时的舒适度。
3 IPA分析
为更好体现六个指标满意度与重要程度的相对情况，采用IPA法（“重要性—表现程度”分析法）进行分析，通过被调查者对指标的满意度和重要性评价来衡量各指标对提升消费者满意度的意义。IPA模型构架将重要性列为横轴，绩效表现（满意度）列为纵轴，并分别以消费者对产品属性的重要性和绩效评价（满意度）总平均值作为X-Y轴分割点，将空间分为四个象限。如图1所示。
模型横轴表示指标重要度得分高低，纵轴表示指标满意度得分高低。A、B、C、D四个象限分别代表着不同情况。
（1）A象限：继续保持区，高重要性、高满意度。
分布在这个象限的指标对于用户来说是关键性因素，代表消费者十分重视并对厂商表现的绩效感到满意的产品属性。
（2）B象限：努力过头区，低重要性、高满意度。
分布在这个象限的指标是消费者不重视但对厂商表现绩效满意的商品属性。
（3）C象限：低优先级区，低重要性、低满意度。
分布在这个象限的指标是消费者既不重视也对厂商表现绩效不满意的商品属性。
（4）D象限：重点改善区，高重要性、低满意度。
分布在这个象限的指标是消费者重视对厂商表现绩效满意的商品属性。
接着，计算各指标的满意度与重要度，计算方法如下：
为指标对应重要程度为等级的分值。为第个指标等级人数占总人数的比例。
经过计算我们得到每个指标的满意度和重要程度，结果表5所示。
将各个指标重要性、满意度标于二维图中，以消费者对产品属性的重要性和绩效评价（满意度）总平均值作为X-Y轴分割点。得到图2所示的IPA分析图。
数字1～6分别代表指标价格、外观、舒适度、车身功能、骑行速度和使用便捷度。从IPA分析图中，可以看到共享单车产品使用便捷度属性位于第一象限；价格和外观属性位于第二象限；车身功能与骑行速度属性位于第三象限；舒适度属性位于第四象限。结合IPA模型定义，得出厂商需继续保持共享单车便捷度属性的优势，但需要在舒适度属性上重点改善。另外厂商可以在价格和外观属性上适当放松重视度。
4 结语
（1）研究发现，南昌市大学生对共享单车车身功能，骑行速度与舒适度不甚满意，共享单车厂商思考自身在这些方面的不足，在这些方面多做努力，增加共享单车产品设计的科技投入，生产研发更适合消费者骑行的单车构造，并适当增加共享单车使用的功能性。
（2）共享单车舒適度属性对用户满意度影响最大，共享单车厂商应充分了解消费者对共享单车骑行方面的需求，可以根据不同年龄段，不同性别生产不同款式的共享单车，提升用户的骑行体验，以期降低共享单车闲置率，提升南昌市共享单车的使用效率。
参考文献
[1] 卢纹岱，朱红兵.SPSS统计分析[M].北京：电子工业出版社， 2015.
[2] 陈涌泉，刘振颖，殷超杰，等.基于四分图模型的京东商城顾客满意[EB/OL].http：//www.docin.com/touch/detail. do？id=1314004494.2015年6月20日发布.
[3] 张倩雯.当前我国共享单车现状、问题与对策研究[J].现代商业，2017（23）.
[4] 谭淼.基于IPA的共享单车服务质量评价研究[D].长安大学， 2017.
[5] 梁希，程婷婷.不同背景大学骑乘共享单车运动满意度的调查研究[J].体育科技文献通报，2017（10）.
[6] 肖风桢，莫嘉卫.ofo共享单车满意度影响因素研究[J].中国市场，2018（4）.
[7] 陈旭.IPA的修正及其在游客满意度研究的应用[J].旅游期刊， 2013（11）.