论文部分内容阅读
本文在阅读有关客户服务的效用等级文献基础上，对问卷所得数据构建苹果实体店客户服务的效用等级的有序Probit模型，并对模型的有效性进行了检验。根据分析结果，得出显著影响苹果实体店客户服务效用的因素为：友好度、个人关注、产品信息完备性和结账效率，最后，提出了一些改进意见。
一、绪论
苹果不仅仅是全球最大的手机生产商之一，同时也是全球最有价值的品牌之一。2015年，苹果公司在中国的市场销量已经超过美国本土，其净销售额高达2430亿美元，受到广泛关注。苹果的销量持续火爆有非常多的客观因素，例如瞩目性的科技创新。但时常被人忽视的一个因素，就是来自苹果实体店体系的推动。苹果在全球拥有450家以上的零售店，仅在中国，人流日访客在100万人次以上的苹果零售店就超过21家。苹果重视实体店零售销量，并根据销量重组零售体系，促进改革，专注于提升顾客效用等级，从而提升零售店的销售能力。那么，苹果实体店哪些方面的服务，会影响实体店客户效用？基于这样的问题，拟通过定序回归模型，结合微观经济学理论进行研究。
二、实证分析
（一）影响因素提出
苹果创造了一种属于自己的店内购物体验，从很大程度上来说是非常成功的，苹果的实体店体验简单、动态、而且客户也毫无压力，感觉和在线商店一模一样。每一家苹果实体店内都有数百个电子设备产品，苹果实体店的一站式购买产品、一站式产品信息方便快捷，所有的一切都可以在店内搞定。
根据以上分析，本文提出六个苹果实体店客户服务方面的影响因素，Friendly-Welcoming ，Timely-Assistance ，Personal-Attention，Knowledgeable，Clear-Purchase-Process和Efficient-Checkout，均假设对满意度（效用）有相关关系。通过问卷调查的方式获取相关数据进行实证分析。
（二）模型构建
由于本文是对苹果实体店客户服务的效用等级评价，而效用本身是主观的，不可观测的变量，如果直接将效用等级与影响它的因素做普通线性回归，将带来较大的问题，因为左边是一个离散性的定序指标，而右边是一个取值为任意的量。为此前辈们想出了一个极为巧妙的方法，因变量效用等级U，是消费者表达出来的明确的产品偏好，本文表达出来的是对苹果实体店客户某些方面的服务的偏好。假设用Z（满意度的打分）来表达这种效用等级，那么，可以想象在当Z的取值比较高的时候，明确表达出的效用等级U就会比较高。相反，当Z的取值比较低的时候，明确表达出来的效用等级U就会比较低。我们可以假设
，其中，c1，c2，c3，c4，是阈值。根据满意度的打分可知c1=2，c2=4，c3=6，c4=8
因为变量Z是可以视为一个连续变量，因此完全可以对其假设做一个普通线性回归模型即：Z=，我们假设误差项服从均值为0，方差为1的标准正态分布。以U=2为例，于是可以计算出U的各个取值的概率，结果如下：P（U=2|X）=P（c1）=P（c1c2）=（ c2） （标准正态分布的分布函数用（x）表示），其他的可以此类推得到。基于以上理论可以建立有序Probit模型。
本文通过问卷调查所搜集的303个样本数据的因变量是满意度的打分，它并不是用满意度的几个等级来表示的，因此我们可以把满意度打分视为连续型变量。另外，我们所关心的不是打分，而是满意程度的等级，比如“非常不满意1”，“不满意2”，“一般3”，“满意4”，“非常满意5”。根据效用的定义，效用是消费者消费某种商品所获得的满足程度，在序数效用论前提下，效用是不可计量的，只能排序，也就是说效用是一个定序变量，于是我们把满足程度等级转化为效用。设定阈值，把打分在0～2视为非常不满意1，效用等级为1，打分在3～4视为不满意2，效用等级为2，打分在5～6视为一般3，效用等级为3，打分在7～8视为满意4，效用等级为4，打分在9～10视为非常满意5，效用等级为5；效用等级越高越好。基于序数效用论，建立因变量为效用等级的定序变量的有序Probit模型。
下表3-1是定序回归分析结果：
根据上表3-1可知：所建立的效用等级模型为：
我们知道t值越大，越容易拒絕原假设，由于样本量n=303>>45，t分布的临界值与正态分布很接近，所以在显著性水平下，只要t统计量值大于1.96，我们就认为变量系数是显著的，从表1可以看出除了变量Timely-Assistance （TA）和Clear-Purchase-Process（ CPP）极不显著外，其他都比较显著。这说明因素Timely-Assistance （TA）和Clear-Purchase-Process（ CPP）的单位变化量对效用等级的贡献，在概率意义下，相对于其他因素很小。
该模型它的实际评价效果如下表3-2所示：
由前面的定义及表3-2可知：效用等级为1，2的都是对产品iPhone不满意的，模型局部正确率达71.43%；效用等级为3，对产品iPhone满意程度为一般，模型局部正确率达78.38%，效用等级为4，5的都是对产品iPhone满意的，模型局部正确率达82..86%。模型整体预测正确率率约达到82%，这说明所建立的效用等级评价模型是有效的。
（三）模型评价
本文所采用的有序Probit模型，对整体效用等级评价的准确率较高，但是对于局部的评价正确率相对较低，比如：效用等级为1和2的都表示不满意的范畴，效用等级为4和5的都表示满意的范畴，而模型对此相似程度的评价敏感度较低。为了获得更为精准的效用等级评价，可以采用结构方程，层次分析等方法，还可以增加一些影响效用等级的因素，得到更为完善的模型。
三、结论与建议
（一）结论
苹果产品中，iphone的满意度最高，且不同顾客对其评价标准差较小，imac的满意度最低，且不同顾客对其评价参差不齐。
从整体上看，对苹果系列满意度的打分与友好的欢迎程度打分和个人注意力的打分都成正比例关系。这两个因素在5分以下所对应的满意度打分也是很低。从部分上看，iPhone的累积打分都是最高的，其次是Accessory，ipod的累积满意度打分是最低的。
在所构建的效用定序模型中，Personal-Attention，Knowledgeable这2个因素对苹果系列产品的效用模型的影响因素最大，而Timely-Assistance、Clear-Purchase-Process这二个因素几乎对模型不产生影响，可剔出模型。
（二）建议
1.提高线下服务质量，创新盈利模式
手机进入智能化形态，对实体店的需求比以前更高，互联网宣传了手机的基本常识，消费者需要亲身体验、比较不同手机的不同功能。因此苹果线下实体门店不应该仅仅是卖手机，更需要提供差异化服务，弥补线上销售的短板。
2.注重消费者个人需求，提高消费者忠诚度
随着市场经济的发展，如今的市场已经变为买方市场，因此苹果实体店要尽量去满足消费者的潜在需求，满足消费者追求个性的心理，要将消费者对产品外观、功能的基本需求与人性内心的需求相结合，去赢得顾客更加显著、持久的忠诚度。
3.透明产品信息，提升客户体验
大多数消费者由于知识结构和知识水平的限制或者功能性文盲会导致消费者不能正确解读从手机市场获得的信息。因此苹果实体店进一步的让顾客可轻松的看到并体验到全部产品，可供用户体验的各种demo应用。同时实体店内应摆放好一个清楚地标签，上面都对应产品具体的信息。实际上，用户体验可以驱动商业创新，并可以提升客户忠诚度，吸引回头客。（作者单位为上海大学经济学院）
一、绪论
苹果不仅仅是全球最大的手机生产商之一，同时也是全球最有价值的品牌之一。2015年，苹果公司在中国的市场销量已经超过美国本土，其净销售额高达2430亿美元，受到广泛关注。苹果的销量持续火爆有非常多的客观因素，例如瞩目性的科技创新。但时常被人忽视的一个因素，就是来自苹果实体店体系的推动。苹果在全球拥有450家以上的零售店，仅在中国，人流日访客在100万人次以上的苹果零售店就超过21家。苹果重视实体店零售销量，并根据销量重组零售体系，促进改革，专注于提升顾客效用等级，从而提升零售店的销售能力。那么，苹果实体店哪些方面的服务，会影响实体店客户效用？基于这样的问题，拟通过定序回归模型，结合微观经济学理论进行研究。
二、实证分析
（一）影响因素提出
苹果创造了一种属于自己的店内购物体验，从很大程度上来说是非常成功的，苹果的实体店体验简单、动态、而且客户也毫无压力，感觉和在线商店一模一样。每一家苹果实体店内都有数百个电子设备产品，苹果实体店的一站式购买产品、一站式产品信息方便快捷，所有的一切都可以在店内搞定。
根据以上分析，本文提出六个苹果实体店客户服务方面的影响因素，Friendly-Welcoming ，Timely-Assistance ，Personal-Attention，Knowledgeable，Clear-Purchase-Process和Efficient-Checkout，均假设对满意度（效用）有相关关系。通过问卷调查的方式获取相关数据进行实证分析。
（二）模型构建
由于本文是对苹果实体店客户服务的效用等级评价，而效用本身是主观的，不可观测的变量，如果直接将效用等级与影响它的因素做普通线性回归，将带来较大的问题，因为左边是一个离散性的定序指标，而右边是一个取值为任意的量。为此前辈们想出了一个极为巧妙的方法，因变量效用等级U，是消费者表达出来的明确的产品偏好，本文表达出来的是对苹果实体店客户某些方面的服务的偏好。假设用Z（满意度的打分）来表达这种效用等级，那么，可以想象在当Z的取值比较高的时候，明确表达出的效用等级U就会比较高。相反，当Z的取值比较低的时候，明确表达出来的效用等级U就会比较低。我们可以假设
，其中，c1，c2，c3，c4，是阈值。根据满意度的打分可知c1=2，c2=4，c3=6，c4=8
因为变量Z是可以视为一个连续变量，因此完全可以对其假设做一个普通线性回归模型即：Z=，我们假设误差项服从均值为0，方差为1的标准正态分布。以U=2为例，于是可以计算出U的各个取值的概率，结果如下：P（U=2|X）=P（c1）=P（c1c2）=（ c2） （标准正态分布的分布函数用（x）表示），其他的可以此类推得到。基于以上理论可以建立有序Probit模型。
本文通过问卷调查所搜集的303个样本数据的因变量是满意度的打分，它并不是用满意度的几个等级来表示的，因此我们可以把满意度打分视为连续型变量。另外，我们所关心的不是打分，而是满意程度的等级，比如“非常不满意1”，“不满意2”，“一般3”，“满意4”，“非常满意5”。根据效用的定义，效用是消费者消费某种商品所获得的满足程度，在序数效用论前提下，效用是不可计量的，只能排序，也就是说效用是一个定序变量，于是我们把满足程度等级转化为效用。设定阈值，把打分在0～2视为非常不满意1，效用等级为1，打分在3～4视为不满意2，效用等级为2，打分在5～6视为一般3，效用等级为3，打分在7～8视为满意4，效用等级为4，打分在9～10视为非常满意5，效用等级为5；效用等级越高越好。基于序数效用论，建立因变量为效用等级的定序变量的有序Probit模型。
下表3-1是定序回归分析结果：
根据上表3-1可知：所建立的效用等级模型为：
我们知道t值越大，越容易拒絕原假设，由于样本量n=303>>45，t分布的临界值与正态分布很接近，所以在显著性水平下，只要t统计量值大于1.96，我们就认为变量系数是显著的，从表1可以看出除了变量Timely-Assistance （TA）和Clear-Purchase-Process（ CPP）极不显著外，其他都比较显著。这说明因素Timely-Assistance （TA）和Clear-Purchase-Process（ CPP）的单位变化量对效用等级的贡献，在概率意义下，相对于其他因素很小。
该模型它的实际评价效果如下表3-2所示：
由前面的定义及表3-2可知：效用等级为1，2的都是对产品iPhone不满意的，模型局部正确率达71.43%；效用等级为3，对产品iPhone满意程度为一般，模型局部正确率达78.38%，效用等级为4，5的都是对产品iPhone满意的，模型局部正确率达82..86%。模型整体预测正确率率约达到82%，这说明所建立的效用等级评价模型是有效的。
（三）模型评价
本文所采用的有序Probit模型，对整体效用等级评价的准确率较高，但是对于局部的评价正确率相对较低，比如：效用等级为1和2的都表示不满意的范畴，效用等级为4和5的都表示满意的范畴，而模型对此相似程度的评价敏感度较低。为了获得更为精准的效用等级评价，可以采用结构方程，层次分析等方法，还可以增加一些影响效用等级的因素，得到更为完善的模型。
三、结论与建议
（一）结论
苹果产品中，iphone的满意度最高，且不同顾客对其评价标准差较小，imac的满意度最低，且不同顾客对其评价参差不齐。
从整体上看，对苹果系列满意度的打分与友好的欢迎程度打分和个人注意力的打分都成正比例关系。这两个因素在5分以下所对应的满意度打分也是很低。从部分上看，iPhone的累积打分都是最高的，其次是Accessory，ipod的累积满意度打分是最低的。
在所构建的效用定序模型中，Personal-Attention，Knowledgeable这2个因素对苹果系列产品的效用模型的影响因素最大，而Timely-Assistance、Clear-Purchase-Process这二个因素几乎对模型不产生影响，可剔出模型。
（二）建议
1.提高线下服务质量，创新盈利模式
手机进入智能化形态，对实体店的需求比以前更高，互联网宣传了手机的基本常识，消费者需要亲身体验、比较不同手机的不同功能。因此苹果线下实体门店不应该仅仅是卖手机，更需要提供差异化服务，弥补线上销售的短板。
2.注重消费者个人需求，提高消费者忠诚度
随着市场经济的发展，如今的市场已经变为买方市场，因此苹果实体店要尽量去满足消费者的潜在需求，满足消费者追求个性的心理，要将消费者对产品外观、功能的基本需求与人性内心的需求相结合，去赢得顾客更加显著、持久的忠诚度。
3.透明产品信息，提升客户体验
大多数消费者由于知识结构和知识水平的限制或者功能性文盲会导致消费者不能正确解读从手机市场获得的信息。因此苹果实体店进一步的让顾客可轻松的看到并体验到全部产品，可供用户体验的各种demo应用。同时实体店内应摆放好一个清楚地标签，上面都对应产品具体的信息。实际上，用户体验可以驱动商业创新，并可以提升客户忠诚度，吸引回头客。（作者单位为上海大学经济学院）