1. 引言
自Uber于2010年在美国旧金山推出第一款打车APP,为私家车和乘客提供非常便捷的运力和出行需求匹配以来,此后网约车迅速风靡全球。互联网市场向来都是一个“用户为王,流量为王”的市场,以滴滴与优步“烧钱大战”为代表的市场争夺是国内网约车行业的早期阶段,此时国内市场出现了40多个打车软件,为了争夺市场份额,各网约车企业通过补贴的方式抢夺用户及出租车资源。2016年8月,滴滴出行官方宣布,收购并运营优步在中国的品牌、业务、数据等全部资产,二者之间的较量以滴滴胜出、优步退出的结果而告一段落,各平台企业的“补贴大战”、“烧钱大战”迅速降温。
网约车产品形态基本稳定,行业向着精细化方向发展。尽管网约车市场上,领先企业已经具有了突出的优势,巨大的出行服务需求使得网约车市场对于那些拥有流量优势的互联网平台仍有着不小的吸引力,加上国内汽车市场形势严峻,传统车企也在纷纷转向移动出行领域,试图找到转型发展之路。2018年以来,以美团打车、高德地图、携程、哈啰出行为代表的互联网企业,上汽、一汽、东风、北汽、宝马、长城、江淮、福特为代表的传统车企,小鹏汽车、威马汽车为代表的造车新势力,以及广汽与腾讯联手打造的如祺出行,一汽、东风、长安三大汽车央企联合苏宁、腾讯、阿里巴巴等共同打造的智慧出行平台——T3出行相继进入网约车市场,市场竞争格局稳中有变,各企业根据自身情况发掘服务特色,以培育壮大差异化竞争优势(宋逸群,王玉海,2016)。
随着共享经济的发展,市场竞争将进一步加剧,行业洗牌和格局调整的步伐也将加速,能否为用户带来更好的体验和更多的价值将成为企业能否赢得竞争的关键(国家信息中心分享经济研究中心,2020)。而用户体验、感知价值的提升则需要企业进行新产品服务的开发与升级,以满足消费者需求,助力企业获得竞争优势。面对网约车用户的需求、感知与私有化情境下的差异,确定网约车用户感知价值的维度,有助于指导企业更好地进行产品服务设计与用户使用意愿研究,以获得竞争优势。然而,现有研究对网约车用户感知价值的研究较少,现有感知价值维度的划分对网约车用户而言是否适用有待检验。
因此,本文基于访谈法与网约车APP评论的语义分析对网约车用户感知价值进行研究,以对网约车用户感知价值维度进行识别与划分,为网约车产品服务设计以及网约车用户使用意愿等研究的开展提供支撑。
2. 文献综述
理性行为理论认为,个体行为受到了个体行为意愿的影响。感知价值来自于个体的经验和体验,体现为个体的需求满足程度,是个体行为决策的一个主要因素(Fu, Zhang, & Chan, 2018)。Zeithaml (1988)从消费者心理学的角度出发,将顾客感知价值定位为消费者对于某种产品或服务的主观评判,强调感知价值是“顾客获取产品或服务过程中对所付出的成本和感知利益的综合评价”;Wood和Scheer (1996)将顾客感知价值定义为消费者对于产品的品质、货币支出、精神和体力的损耗之间的利益权衡。
关于顾客感知价值的概念,学术界尚未进行一个统一的界定,但从学者们的研究中来看,大多数学者在肯定顾客感知价值对于消费者行为意向研究的重要性的同时,普遍认同“利得”和“利失”两者对比的概念,即顾客感知价值是消费者在消费的全过程中结合自身情况对于其获得的收益和面临的损失之间的权衡。其中“利得”和“利失”所包含的维度不同学者结合不同的行业特征有不同的界定。
Wang等(2004)研究了感知价值各维度与顾客满意的关系,发现感知价值是顾客满意的前因变量;龚主杰等(2013)对虚拟社区成员知识共享的研究同样得到用户感知价值正向影响满意度;在旅游行业,韩春鲜(2015)、张红梅等(2016)利用结构方程模型分析得到感知价值正向影响游客满意度。
国内外学者对消费者感知价值内涵的研究成果较为丰富,不同学者从不同的角度将消费者感知的价值划分为不同的维度(Nathanail, 2008)。包括感知价格、功能价值、品质价值的三维划分(Zeithaml, 1988),功能价值、情感价值和社会价值的三维划分(范秀成,罗海成,2003);四维划分有功能价值、情感价值、社会价值和感知成本的划分(Sweeney & Soutar, 2001),实用价值、情感价值、社会价值和利他价值的划分(龚主杰等,2014),经济价值、可持续性、娱乐价值、个人声誉的划分(Hamari et al., 2016; 陈义涛,林丽敏,2020);功能价值、社会价值、情感价值、认知价值和关系价值的五维划分(Sheth et al., 1991),亦有目的价值、自我实现、人际关系价值、社会提升价值和娱乐价值的五维划分(Dholakia et al., 2003)。可见,学者们根据自身研究需要对感知价值进行多维度划分,多价值维度在统计检验和质量检验上都比单一的“物有所值”的表述更好地解释了客户的选择。
现有文献对感知价值的维度划分多是基于Zeithaml (1988)在利得、利失两维度划分的基础上依据自身研究的实际情况进行具体划分,因此衍生出三维、四维、五维等多种维度的划分,同时,同一维度内的感知价值划分亦有所差异。而网约车由于所有权与使用权的分离,用户感知价值维度可能产生了变化,私有化情境下的感知价值能否通用至网约车产品值得进一步研究。由于目前学者对网约车用户的感知价值维度划分与相关研究较少,但网约车用户感知价值的研究对于网约车企业发展具有重要意义,因此本文基于访谈法与语义分析对网约车用户感知价值维度划分进行探索,为网约车研究以及用户感知价值相关研究进行完善与补充。
3. 网约车用户感知研究
3.1. 网约车用户访谈设计
本文通过用户深度访谈法与网约车用户进行访谈交流,以获取用户对网约车产品服务的需求与评价,并将其进一步归类为用户感知价值。
本次访谈对象是有过网约车使用经历的人群,共对25位网约车用户(男性14名,女性11名)基于访问提纲进行半结构化访谈,通过对其网约车使用过程中的相关问题进行访谈,进而了解其对网约车的需求、满意度以及期望。为了使访谈样本具备科学性与代表性,本研究选择了不同年龄段、不同性别、不同职业的访谈对象进行调查,主要以面对面访谈与微信聊天的形式进行。
访谈以递进的顺序对网约车用户进行询问,针对不同访谈对象采取不同的沟通交流方式进行访谈。首先,对受访者询问是否曾使用过网约车,以此来筛选使用过网约车的用户,以保证访谈数据的有效;其次,询问受访者“您选择网约车产品,会最为看重哪些功能、服务?”,有助于本研究从中获取影响网约车用户使用的因素,同时进一步询问受访者“您在网约车产品使用过程中,最满意的功能、体验是什么?”、“您在网约车产品使用过程中,最不满意的功能、体验是什么?”,以确定网约车产品现有功能、服务的改进方向;接下来询问受访者“您认为网约车出行与私家车出行相比较,有哪些优点与缺点?”以获得网约车用户对网约车产品的独特功能需求,通过询问受访者“您认为网约车还需要在哪些方面进一步改善?关于网约车产品服务,您有哪些想法、功能希望能够实现?”获取网约车用户对于网约车现有产品欠缺的功能、服务需求。
3.2. 网约车用户访谈结果
本研究意在通过用户访谈探索网约车用户对网约车产品功能、服务的需求与感知。本次访谈对象大多来自北京,其中包括高校学生、事业单位/公务员/政府工作人员、企业员工等。
所有访谈内容已进行详细的记录,并对代表性语句进行提取以提炼出用户需求,并进一步将用户需求概念化以及进行感知价值的划分,为后续研究提供支持。具体结果如表1所示。
![](Images/Table_Tmp.jpg)
Table 1. Arrangement of interview results and classification of perceived value
表1. 访谈结果整理与感知价值归类
通过对访谈结果的整理发现,网约车用户的需求大多集中于服务、功能以及使用成本三方面。服务方面主要是司机服务质量的改善,如提升司机服务质量、改善驾驶行为、改善车辆卫生等;功能方面主要是车辆配置与车辆设计的需求,如满足场景化需求、独立温控、提升座椅舒适度、后排充电配置、净化消毒功能、司乘安全保障配置等配置类需求以及提高车辆辨识度、后备箱人性化、改善车辆空间布局、推出网约车专用车型等设计类需求。使用成本方面则聚焦于网约车价格与优惠券、活动力度等方面。通过对访谈结果的进一步分类,发现网约车用户价值感知主要分为情感价值感知、功能价值感知与付出成本感知三方面。
3.3. 网约车APP评论语义分析
为了对网约车用户需求有更全面的了解,同时弥补因访谈法范围较小、样本量较少所带来的误差,本研究采用Python程序编写代码获取了2018年1月1日0时至2021年3月22日24时期间滴滴、曹操出行、首汽约车等主流网约车APP在华为、苹果、小米等手机应用商店中的用户评论共计443,846条。同时,基于APP应用商店评论的评分,将网约车用户评分分为正面评论(pos,评分为4~5分)与负面评论(neg,1~3分),以进一步探究用户的感知价值。本文通过对评论文本进行分词和LDA主题模型(狄利克雷分配模型)分析,实现对文本评论中用户热点关注问题的挖掘。
本研究采用SnowNLP作为Python分词工具,其主要功能包括中文分词、词性标注、情感分析、文本分类、提取文本关键词等,此次主要使用其中文分词功能。LDA算法由David Blei、Andrew Ng、Jordan Michaell于2003年提出,是一种主题模型,其作用是集中每篇文档的主题以概率分布的形式给出,从而根据主题分布对文本进行主题聚类、文本分类等处理(Blei et al., 2003)。LDA作为一种非监督机器学习技术,通过采用词袋的方法,将每一条评论文本视作一个词频向量,从而将评论文本信息转化为易于建模的数字信息。
3.3.1. 分词与词频统计
对评论文本进行情感分析与词频统计前需先将其按照规范拆分为单独的词语迸行中文分词处理。本研究采用广泛使用且简洁高效的中文分词包——Jieba分词进行分词处理,分词后去除停用词,采用哈工大停用词表等并根据分析结果进一步补充停用词库,最终进行词频统计,以获得关键词汇。
本研究选取正面评论组与负面评论组词频最高的前20组字/词进行网约车用户感知分析,见表2。
![](Images/Table_Tmp.jpg)
Table 2. Statistical results of comment frequency of online car APP
表2. 网约车APP评论词频统计结果
根据词频统计结果制作网约车评论词云图,见图1、图2。
![](//html.hanspub.org/file/16-1132394x9_hanspub.png?20210819174501290)
Figure 1. Cloud picture of positive comments
图1. 正面评论词云图
![](//html.hanspub.org/file/16-1132394x10_hanspub.png?20210819174501290)
Figure 2. Cloud picture of negative comments
图2. 负面评论词云图
3.3.2. 高频字/词感知价值归类
如表3所示,通过将分词后统计的高频词进行感知价值归类,可以发现无论是正面评论还是负面评论,网约车用户其感知价值主要集中于情感价值、功能价值与成本付出感知。其中,情感价值感知、成本付出感知维度高频词与其正负面评论相对应,例如情感价值维度正面评论多聚焦于方便等正向情感词,而负面评论多聚焦于投诉等负面情感词;成本付出感知维度亦是如此,正面评论聚焦于便宜等词,而负面评论则聚焦于贵等字词。功能价值感知维度,负面评论较于正面评论更多的集中于定位、派单机制等算法层面。考虑到采用的分析文本来源于APP评论,功能层面更多的集中于APP功能,因此在功能价值维度出现与访谈法有差异的结果,但是同时也可视为对网约车产品功能需求的补充。而情感价值与成本付出感知维度则与访谈法结果一致。
![](Images/Table_Tmp.jpg)
Table 3. Classification of perceived value of high frequency words/words
表3. 高频字/词感知价值归类
4. 结论与启示
基于顾客角度的感知价值研究中,学者们广泛认可接受的是Zeithaml (1988)对感知价值的定义:感知价值是顾客将所能得到的利得与其在获取产品或服务中所付出的成本进行权衡后对产品或服务效用的整体评价,其后众多感知价值的维度划分都是基于此定义中的利得与利失两个维度进行进一步探究。基于网约车APP评论的语义分析对访谈结果划分维度进一步检验,可以认为访谈法结果具有代表性。至此,本文通过访谈法与语义分析,将网约车用户感知价值划分为情感价值感知、功能价值感知、成本付出感知三个维度,其中情感价值感知与功能价值感知属于感知利得,成本付出感知属于感知利失。
感知价值对消费者满意度与使用意愿具有重要影响。网约车企业应着重针对用户的情感价值感知、功能价值感知以及成本付出感知三方面进行产品服务的改善与升级,以提高用户的满意度与使用意愿,在激烈的网约车市场竞争中获得优势。在情感价值感知维度,网约车用户主要是基于乘车服务体验与软件服务体验两方面,网约车企业应加强对司机服务质量与驾驶行为的监督,如今网约车行业已由补贴大战转向精细化方向发展,服务质量的提升对于网约车企业占据市场竞争优势具有重要影响。在功能价值感知维度,现有网约车运营车辆多为私家车直接投入使用,而网约车所有权与使用权的分离使得用户对网约车产品有了新的需求,网约车用户的功能价值感知对网约车产品服务设计具有重要指导作用,重视网约车用户的功能价值感知,基于用户功能价值感知进行网约车产品的设计有助于提升用户满意度以进一步提高消费者使用意愿,在细分市场获得优势。在成本付出感知维度,主要是基于使用成本对网约车产品进行评价,即使补贴大战时代已成为过去时,网约车的适当价格优惠仍是获得市场的重要基础,同时网约车企业应注重用户乘车前后价格一致性,保证网约车用户成本付出维度的感知。
巨大的出行服务需求使得网约车市场具有不小的吸引力,网约车平台企业通过补贴大战占据市场已成为过去时,能否为用户带来更好的体验和更多的价值将成为企业能否赢得竞争的关键,网约车企业应注重用户感知价值,基于用户角度进行产品服务设计以提高用户的使用意愿,在市场竞争中获得优势。
基金项目
中国工程科技发展战略广东研究院粤港澳大湾区智能汽车与智慧出行协调发展战略研究项目资助。