許 研，陶曉波

(北方工業(yè)大學 經(jīng)濟管理學院，北京 100144)

0 引言

分時租賃共享汽車是一種以時間為計價單位，利用移動互聯(lián)網(wǎng)、全球定位等信息技術構建網(wǎng)絡服務平臺，為用戶提供小微型客車自助式車輛預定、車輛取還、費用結算等服務。在城市道路資源飽和、汽車市場增長疲軟的大環(huán)境下，分時租賃的共享特質讓它承載起了替代私家車的使命[1-2]，分時租賃的平臺服務型商業(yè)模式又令它肩負了引領汽車產業(yè)服務化轉型的重任[3]。我國的各類政策一直鼓勵新能源汽車進入分時租賃領域，加快租賃模式發(fā)展，壯大汽車租賃市場。然而，分時租賃在我國的發(fā)展卻一波三折，當前面臨著市場滲透率低、用戶黏性低、持續(xù)使用意愿低等問題，市場需求不足，國外市場也非常相似[4]。分時租賃運營方的主業(yè)通常是汽車制造或連鎖停車服務，為了使主業(yè)中的資源增值投資運營分時租賃并將其作為副業(yè)來運營，缺少對用戶需求的關注。因此有必要從需求端入手分析分時租賃存在的問題。

一些分時租賃需求研究通過問卷調查和消費心理白描等方法，識別影響用戶使用意愿的因素包括家庭經(jīng)濟狀況、差旅費用預算、車輛需求、個人的共享意愿、基礎設施便利程度以及與其他交通方式銜接便利性等[5-8]。另一些研究則通過訂單數(shù)據(jù)分析，從汽車使用頻率、出行時間、出行距離、出行場景等方面刻畫分時租賃用戶畫像[9-15]。這些研究成果對于身處市場推廣初期的分時租賃大有裨益。然而，分時租賃已經(jīng)在我國發(fā)展了10 a之久，在國外發(fā)展歷程更長，但國內外均缺少用戶反饋的研究。分時租賃是一個以汽車為載體，包含著查詢、預定、駕駛、支付、分享和增值服務等功能的，打包好的整合出行服務。從共享服務的特性出發(fā)，跟隨客戶旅程挖掘和分析用戶的體驗和反饋，對分時租賃的發(fā)展至關重要。

在此背景下，本研究以客戶旅程中的用戶反饋為研究對象，圍繞分時租賃的客戶旅程形成基礎框架，基于時間軸上的縱向跟蹤，挖掘出問題更為突出的服務環(huán)節(jié)，回溯不愉快服務觸點的演化進程以及對用戶持續(xù)使用意愿的影響，并分析問題產生的原因。最后將梳理代表性企業(yè)的策略動態(tài)，識別其在解決用戶反饋方面的效果，完善管理閉環(huán)，為分時租賃的運營服務設計提供改進建議。

1 數(shù)據(jù)與文本挖掘模型

1.1 數(shù)據(jù)挖掘流程

構建的基于論壇用戶討論貼挖掘客戶旅程，探索用戶服務體驗、用戶情感態(tài)度和用戶口碑傳播行為之間關系的文本分析模型，如圖1所示。在構建客戶旅程、情感態(tài)度的內容標記類目表后，進行內容標記，完成內容數(shù)據(jù)向量化數(shù)據(jù)的轉化；通過對用戶評論中頻繁提及的服務環(huán)節(jié)的統(tǒng)計，進行服務關鍵觸點分析；通過對不愉快觸點與消費情感態(tài)度和口碑互動的頻繁項挖掘，進行不愉快觸點產生原因和后續(xù)影響分析。

圖1 基于用戶討論貼的文本挖掘模型Fig.1 Text mining model based on users’ posts

1.2 數(shù)據(jù)來源與預處理

在用戶反饋渠道的選取上，將用戶投訴、抱怨最常見的社交媒體渠道-網(wǎng)絡論壇留言[16]，作為文本挖掘的來源。由于2018，2019兩年間分時租賃行業(yè)吸納了大量資本，獲得融資的企業(yè)迅速擴大城市布局、投放車輛，分時租賃行業(yè)進入快速發(fā)展期，直至2020年底該發(fā)展期落幕，將2018—2020年作為研究的時間窗口。在百度貼吧中選取了2018—2020年間，包含6家萬輛以上分時租賃品牌以及“共享汽車”等關鍵詞的貼吧，共2.06萬條主題帖，10.32萬條回帖。將主題帖和所有回帖作為基本分析單元[17]。數(shù)據(jù)預處理階段去掉了回帖數(shù)為0的主題帖。最后獲得的有效樣本描述性統(tǒng)計如表1所示。

表1 預處理后樣本的描述性分析Tab.1 Descriptive statistics of samples after pre-treatment

1.3 內容分析法

內容分析是基于定量分析的定性研究[18-19]。借鑒Krippendroff[20]的研究，內容分析法主要包括構建類目體系、內容數(shù)據(jù)編碼和信度檢驗這3個步驟。

1.3.1 構建類目體系

本研究需要判斷發(fā)貼內容主要圍繞哪個服務接觸點；該接觸點使用戶產生怎樣的情感和認知反饋；以及用戶反饋引起的共情強度和規(guī)模，因此設計了3個維度的標記任務。

(1)客戶旅程?？蛻袈贸坛尸F(xiàn)用戶與服務產生關系的全過程以及每個環(huán)節(jié)中用戶的需求、體驗和感受。本研究借鑒了共享單車的客戶旅程[21]，電動汽車的操作動作和心理活動列表[22]，以及分時租賃出行活動場景[9]，將分時租賃共享客戶旅程歸納為7個環(huán)節(jié)，見表2。

表2 客戶旅程的內容分析Tab.2 Content analysis of customer journey

(2)用戶情感態(tài)度。結合已有研究[23]，我們重點標記了兩種情感態(tài)度—顧客滿意和顧客信任，見表3。

表3 用戶情感態(tài)度的內容分析Tab.3 Content analysis of users’ emotional attitudes

(3)口碑傳播強度。討論貼的本質是網(wǎng)絡口碑傳播的過程[24]。分時租賃的網(wǎng)絡口碑可以理解成用戶體驗激發(fā)其他用戶情緒或發(fā)貼互動的效果[25]，本研究選取評論數(shù)即回貼數(shù)量定義口碑傳播強度。

1.3.2 數(shù)據(jù)編碼

由4名體驗過分時租賃的項目組成員對文本資料進行獨立編碼，保證每份內容資料均有兩份獨立編碼結果。在預編碼階段，讓編碼人員熟悉各維度類目表中的操作化定義；完善有歧義的操作化定義。在正式編碼階段，對編碼結果進行一致性檢驗；對于不一致的編碼結果，由兩名編碼共同討論，直到達成共識[20]。

1.3.3 編碼一致性檢驗

采用科恩卡帕(Cohen Kappa)系數(shù)計算一致性檢驗信度，檢驗值在≥0.8的范圍內被認為一致。如式(1)所示：

(1)

式中，po為編碼一致的樣本比例；pe為編碼不一致樣本計算出的偶然預期一致性比例。

(2)

例如，兩名成員i和j標記情感態(tài)度，共4類標記，記為m=0，1，2，3。總樣本量記為n。fim是成員i標為類別m的樣本中與成員j標記結果不一致的比例。fjm是成員j標為類別m的樣本中與成員i標記結果不一致的比例。正式編碼階段，科恩卡帕系數(shù)k均通過了一致性檢驗，分別為2018年85.4%，2019年84.3%以及2020年86.4%。

1.4 類目關聯(lián)規(guī)則挖掘

關聯(lián)規(guī)則分析可以發(fā)掘數(shù)據(jù)集中類目之間的關聯(lián)關系和強度。例如，“車輛行駛不安全”、“投訴無效”以及“服務體驗差”的討論內容經(jīng)常一起出現(xiàn)在很多樣本貼中，說明客戶旅程的“開車駕駛”和“用后反饋”兩類目之間，以及它們與情感態(tài)度的“不滿意”類目之間存在著強關聯(lián)。關聯(lián)規(guī)則有助于分析分時租賃的哪些服務環(huán)節(jié)之間存在相互影響，哪些環(huán)節(jié)最易導致用戶不滿意或不信任，以及哪些環(huán)節(jié)容易引發(fā)負面口碑擴散。

編碼后出現(xiàn)在同一樣本帖中的類目之間被定義存在一次鏈接。藉由各類目之間的鏈接生成關聯(lián)矩陣。從關聯(lián)矩陣中找出高頻鏈接類目組，即共同出現(xiàn)頻率占樣本帖總數(shù)的比例高于最小支持度的類目組。最后計算所有高頻類目組的置信度，若滿足最小置信度，稱此規(guī)則為強關聯(lián)規(guī)則。

關聯(lián)規(guī)則支持度如式(3)所示：

(3)

置信度如式(4)所示：

Confidence(ci←cj)=P(ci|cj)=P(cicj)/P(cj)，

(4)

式中，ci和cj既可以是同維度內不同的類目，例如“開始使用”和“用后反饋”等客戶旅程類目，也可以是不同維度的類目，例如客戶旅程的“開始使用”類目和情感態(tài)度的“不滿意”類目。關聯(lián)規(guī)則由Apriori算法完成。

2 結果分析

2.1 關鍵的服務環(huán)節(jié)識別

圖2給出了客戶旅程各類目在總體樣本中的分布情況。客戶旅程研究強調“一些特定觸點的改善是實現(xiàn)顧客滿意的關鍵”[26]。根據(jù)被用戶討論頻率的高低，階段7用后服務，階段6還車結賬和階段5開車駕駛這3個服務環(huán)節(jié)為分時租賃服務的關鍵觸點。

圖2 客戶旅程各類目占比統(tǒng)計(單位：%)Fig.2 Customer journey statistics of various categories(unit：%)

2.2 分時租賃不愉快接觸點分布

圖3給出了用戶情感態(tài)度的占比，可以發(fā)現(xiàn)負面情緒帖(不滿意+不信任)的總占比一直呈上升趨勢，從2018年的36.4%逐步增長到2019年的47.4%，再到2020年的49.8%。這段時間里伴隨著融資熱潮，分時租賃企業(yè)一直在擴張城市布局、投放車輛，隨之而來的市場流水也增長顯著。但從用戶視角來看分時租賃的服務品質卻下降了。

注：業(yè)務擴展城市數(shù)為分時租賃頭部企業(yè)Gofun和EVCARD總和；分時租賃市場流水數(shù)據(jù)來自易觀-前瞻產業(yè)研究院圖3 情感態(tài)度占比的變動情況Fig.3 Change of users’ emotional attitudes

為了明確哪些服務環(huán)節(jié)對用戶的負面情緒帖起主要責任，進一步考察不愉快接觸點的分布情況。圖4展示了不同客戶旅程階段包含負面情緒帖占比的差異，以及在這3年中的變化。通過熱力圖可以發(fā)現(xiàn)不愉快觸點還是集中在客戶旅程的第5階段開車駕駛，第6階段還車結賬和第7階段用后服務環(huán)節(jié)。白色和淺灰色塊為用后服務環(huán)節(jié)引發(fā)的不滿最多，從2018的25.5%上升至2020年的35.6%。每年有1/3左右的主題帖在討論用后服務的問題。灰色塊為還車結賬和開車駕駛，問題也較多，并且兩個環(huán)節(jié)引發(fā)的負面帖占比在2019年和2020年都有大幅度增長。尤其是還車結賬，在2019年之后反超了開車駕駛成為問題次多的服務環(huán)節(jié)。

圖4 不愉快觸點在不同客戶旅程階段的占比Fig.4 Percentage of unpleasant touchpoints at different stages of customer journey

2.3 分時租賃不愉快觸點的影響

表4給出了客戶旅程類目和用戶情感態(tài)度類目之間的強關聯(lián)規(guī)則?？梢园l(fā)現(xiàn)開車駕駛、還車結賬和用后服務階段最容易導致不滿意、不信任或既不滿意又不信任，其引發(fā)的負面情緒占總帖數(shù)的39.6%，占負面情緒帖總數(shù)的91.1%。

表4 消費環(huán)節(jié)與情感態(tài)度的關聯(lián)規(guī)則Tab.4 Association rules of consumption link and emotional attitude

表5給出了情感態(tài)度類目和口碑傳播強度的強關聯(lián)規(guī)則。關聯(lián)分析發(fā)現(xiàn)不信任的情緒比不滿意更容易導致負面口碑傳播。既不信任又不滿意最容易引發(fā)高強度口碑傳播，引發(fā)公眾的共情。

開車駕駛環(huán)節(jié)中，由于新手駕車或對共享車輛本身不熟悉導致的求助討論貼很多(3.5%，27.6%)，不會引發(fā)過多的口碑傳播(19.7%，68.5%)，見表4～5中標下劃線的關聯(lián)規(guī)則；但如果是車輛質量問題的發(fā)貼，則會引發(fā)不滿情緒(3.3%，25.8%)，導致中度的口碑擴散(9.7%，42.1%)，見表4～5中標灰色的關聯(lián)規(guī)則。還車結賬環(huán)節(jié)中，很多討論貼談到了App計費有誤或者信號弱無法還車導致被動計費，因而引發(fā)不滿意(6.0%，39.4%)甚至是懷疑平臺技術水平的不信任情緒(3.9%，25.9%)，導致中度口碑傳播。用后服務環(huán)節(jié)，這階段產生了大量的違章誤判和違章處罰滯后的事故，所以產生的不信任情緒較多(16.6%，3.2%)，進而引發(fā)了中高程度的口碑傳播，見表4～5中標灰色的關聯(lián)規(guī)則。

2.4 不愉快接觸點的內容分析

表6列出了內容分析標記為不愉快觸點的高頻語句，它們反映了分時租賃在“運營車輛”、“技術”、“服務意識與責任感”、“體量與運營規(guī)?！币约啊芭c經(jīng)營伙伴之間的關系”這5方面問題。

表6 內容分析反映的問題Tab.6 Problems reflected by content analysis

在開車駕駛階段，由于2018年前后分時租賃公司一直致力于增加布點，投放車輛。用車便利性的負面口碑并不突出。只出現(xiàn)少數(shù)關于“車少”和“停車位少無法還車”的反饋。但是分時租賃在擴張的同時，對舊有故障車輛沒有及時維護，給用戶造成了“行駛過程中突然熄火”“行駛過程中爆胎” “剩余電量顯示不準確”“部分可租共享汽車無法正常使用”等困擾。用車階段“車內不衛(wèi)生” “車輪氣壓不足”“車輛嚴重故障或損壞” “行駛過程中突然熄火”、“行駛過程中爆胎”等用戶反饋，一方面是維修和清潔不及時、服務意識不高或運維人手不足導致的；另一方面也是對車輛情況的檢測技術缺失引發(fā)的問題。分時租賃運營需信息系統(tǒng)和車輛控制技術協(xié)同運作，包括車輛定位和監(jiān)控系統(tǒng)、充電系統(tǒng)、計費和訂單管理系統(tǒng)、車輛分配調度維修保養(yǎng)系統(tǒng)等等。如果有更精準的車內環(huán)境監(jiān)控技術、胎壓自檢測技術，不僅可以降低運維成本，還能提升用戶體驗。

在還車結賬階段，首先突顯出的是與經(jīng)營伙伴的關系問題。例如“停車位少無法還車”和“出停車場被索要停車費”是和網(wǎng)點租賃方?jīng)]有達成靈活的車位和收費協(xié)議造成的麻煩；而“違章通知與還車時間間隔太久、處理流程復雜”則反映了分時租賃企業(yè)和交管部門的信息交互不暢?？梢姺謺r租賃企業(yè)與利益相關方的合作中話語權不高，運營水平受到經(jīng)營伙伴的制約。其次，技術手段不能保障運營也是很多負面反饋背后深層次的問題。例如還車結賬階段“車沒還上，后續(xù)計費”“行程0 km，計費70 元”等零星討論，都是分時租賃app系統(tǒng)偶發(fā)故障導致的。

在用后服務階段，討論帖中“客服態(tài)度差”的投訴較少，而“不處理、不解決”、“車內不衛(wèi)生”、“胎壓不足”等投訴相對更多。這不是單純的售后服務部門的問題，而是運營服務意識以及售后部門與其他部門協(xié)作水平的問題。其次，體量和經(jīng)營規(guī)模問題。由于分時租賃公司一直擴大布局，盲目擴張規(guī)模后資金鏈斷裂引發(fā)了“倒閉”、“押金不退”、“退押金手續(xù)復雜周期長”等反饋。分時租賃企業(yè)不是體量和規(guī)模不足，反而是體量和規(guī)模過大，超過了其資產安全監(jiān)管和營收能力。倒閉風險使用戶產生了不信任的態(tài)度。

這些問題中用戶監(jiān)管技術缺失最為關鍵。“違章處罰不準確、事故責任認定不準確”是由于共享汽車沒有有效的車內設備和環(huán)境、車身部件的檢測監(jiān)管技術；僅靠“用車前全車身拍照，車內環(huán)境拍照”、“用戶可以對違規(guī)停車、剮蹭等問題舉報前一位用戶……”等操作規(guī)定不僅無法準確地認定每位用戶的過失，而且繁瑣的操作導致用車體驗差，“勸退”了很多老用戶。更嚴重的后果是過失認定錯判后，“事主沒有被懲罰”的負面口碑開始傳播，一些用戶用車越來越隨意，違規(guī)還車現(xiàn)象越來越多。更多的無辜用戶被卷入懲罰糾紛，或者在車輛行駛過程中發(fā)生故障。破窗理論認為環(huán)境中的不良現(xiàn)象如果被放任存在，會誘使人們仿效，甚至變本加厲。如圖5所示，分時租賃服務目前就形成了這樣一條從“違規(guī)行為被誤判→負面口碑傳播→更多的違規(guī)行為(破窗效應)→更差的服務體驗”的循環(huán)關系，并且在用戶論壇中廣為人知。用戶討論帖中顯現(xiàn)了這種破窗心里和行為的連鎖反應。

圖5 用戶監(jiān)管技術缺失引發(fā)的破窗效應Fig.5 Broken window effect caused by lack of user supervision technology

3 結論

在客戶旅程的框架下本研究對分時租賃服務用戶體驗和反饋進行了實證研究。研究發(fā)現(xiàn)：首先，分時租賃服務的不愉快觸點集中在開車駕駛、還車結賬和用后服務這3個階段。其次，3個階段引發(fā)的用戶負面情感逐年增長，且易引發(fā)負面口碑傳播。最后，不愉快服務觸點反映了分時租賃服務在運營車輛、體量和規(guī)模、與經(jīng)營伙伴關系、技術和服務意識這5個方面的問題。特別是用戶管理技術缺失，不僅導致了車輛剮蹭、車內不衛(wèi)生、車況差等開車駕駛環(huán)節(jié)的服務痛點，還導致了還車后被誤判違規(guī)等用后服務環(huán)節(jié)的痛點。隨著負面口碑擴散，一些用戶了解到“技術無法準確判定違規(guī)行為”后紛紛有了恣意用車、違規(guī)還車念頭，產生了破窗效應，引發(fā)了惡性循環(huán)。

與已有文獻相比，分時租賃服務的協(xié)作式消費風險、不良顧客、衛(wèi)生清潔和責任風險等問題在本研究中再次得到了證實。此外，本研究發(fā)現(xiàn)了一條負面口碑傳播引發(fā)破窗效應，進而引發(fā)更多服務痛點的循環(huán)關系鏈。用戶監(jiān)管技術落后是制約分時租賃服務發(fā)展的重要原因，也是一直被行業(yè)和企業(yè)忽視的問題。這一結論值得所有共享出行企業(yè)思考和借鑒。