1. 引言
在疫情不间断反弹的今天，外卖展现出了巨大的优越性，“无接触配送”和“智能取餐柜”既满足了疫情防控的要求，又保证了城市居民尤其是职场年轻人的一日三餐，同时，在其它生活必需品方面也保障了市民的日常需求，可以预见的是外卖将会逐步演变为城市服务的重要基础设施、保障民生的重要渠道。
营销大师Kotlor认为顾客在购买产品或者服务后，心理会产生一定程度的满意或者不满意的感觉。如果结果是满意的，则将会促进其再一次购买的意愿。另外，消费者做购买决策时，在“互联网+”的大背景之下，口碑式营销逐渐成为代表大众媒介和人际媒介重要的营销沟通工具。餐饮外卖需要顾客进行一次又一次的重复性购买，才能获得良好的发展，这就要求提高顾客满意度，顾客满意度影响因素的分析是其中很重要的一环。
近年来，美团外卖平台通过增加外卖配送费以及商家广告费用来提高自身收益，这可能会导致外卖骑手消极怠工，商家采用偷工减料、使用劣质食材等手段来获得更多收益，这些会导致顾客收到劣质的商品和不好的服务，顾客对美团平台的满意度也因此会降低。而这最终将使美团外卖平台的好评率降低，交易额也会因此降低，其发展会受限制。为了减少这样的恶性循环，实现平台及商家达到满意的盈业额、用户能够“花较少的钱，买较好的服务”的同时，自身又能在纷繁复杂的互联网时代立于不败之地，美团外卖平台该如何做呢？
本文通过文献研究法针对美团外卖顾客设计了餐饮外卖影响因素的调查问卷，收集数据并结合多种统计方法展开实证研究，探索出影响顾客满意度的因素，并针对性地给出建议。
本文的创新点如下：一是紧扣时政热点，以新冠肺炎疫情为大背景，结合《餐饮业供应链管理指南》、《外卖餐品信息描述规范》、《绿色餐饮经营与管理》等产业政策，不仅可以规范外卖行业行为、提高服务标准与质量，还可以为顾客提供瞄准更高效率、更好质量的美团商家及商品；二是基于ACSI顾客满意度模型设计调查问卷，进行数据收集并建模分析，从而得出美团外卖顾客满意度影响因素；三是选用了K-means算法对顾客进行细分，利用XGBoost回归对顾客满意度进行深层次的探讨。四是根据分析所得结论，针对性地向美团外卖平台提出改进建议。
2. 理论基础及研究设计
2.1. 理论基础
1965年营销学者Cardozo [1] 首次提出了顾客满意度的理论。1989年，瑞典国家统计局设计出了首个全国性的满意度指数模型即SCSB模型，该模型覆盖范围广泛，包括顾客预期、顾客满意度、感知价值以及顾客忠诚度、顾客抱怨五大类变量。在SCSB模型的基础上引入了感知质量这一变量得到了ACSI模型，该模型是现在运用也较为的普遍模型，其是将顾客满意度、顾客抱怨以及顾客忠诚当作结果变量。该模型在一定程度上弥补了SCSB模型在针对不一样的价格和品质的产品以及不同顾客满意度差别时无法表现出其差异的缺点。本文将基于ACSI顾客满意度指数模型，从顾客预期、感知质量、感知价值、顾客满意度、顾客抱怨及顾客忠诚六个维度共26个指标设置调查问卷，并展开关于美团外卖的顾客满意度的问卷调查。
在满意度分析方面，Lin等(2009)为了探明网购用户满意度是否会受到网站服务感知的影响，用结构方程法创建了分析模型 [2]。Luo，Dai等(2014)发现电子商务模型的用户满意度会受到模式创新程度的显著影响 [3]。林青(2006)表示，在用户满意度对忠诚度产生影响的过程中，出现了两个重要的值。通常情况下，如果两者之间不存在线性关系时，如果满意度达到了某个数值时，忠诚度就会有所提升，反之则会下降 [4]。廖颖林(2009)表示，用户满意度、忠诚度之间并没有形成线性关系，满意用户与不满意用户之间、十分满意用户与满意用户之间，都存在着明显差异，形成了一定的阈值 [5]。牛文博(2012)重点分析了用户忠诚是否会受到用户满意度的影响，并对购物网站进行了实证分析，针对如何提升用户满意度提出了合理建议 [6]。
张伊等 [7] (2021)基于美团网用户生成内容(UGC)，以文本评论作为体验分析的资料来源，以商家满意度评分作为满意度数据，运用内容分析、因子分析、回归分析等方法，阐释外卖消费体验的重点内容、属性维度及构成要素，定量评估消费体验对满意度的影响效应。任濛等 [8] (2021)基于多层次模糊综合评价方法，构建社区团购模式下生鲜电商顾客满意度评价体系。罗琴等 [9] (2016)运用多元回归分析方法对建立出顾客满意度和影响因素之间的数学模型。万思远等 [10] (2022)利用结构方程模型对用户满意莫进行模型构建。龚思齐 [11] (2020)依据ACSI美国顾客满意度测评模型建立了千岛湖自行车骑行满意度测评模型。农丽颖等 [12] (2022)基于Kano模型对0~3岁婴幼儿托育服务需求要素满意度进行模型的构建与评价。XGBoost算法的基本思想是基于分类和回归树的算法，通过一系列弱分类器的迭代计算实现准确的分类效果，其优势在于能快速对特征级数据进行训练，预测精度较高，并且能有效避免维度灾难，有学者将XGBoost应用于共享单车短时需求预测，预测结果比神经网络BP模型、ARMA模型、KNN模型、支持向量机(SVM)和梯度增强决策树GB有更好预测精度 [13] [14] [15]。
本文将基于问卷调查收集到的数据利用K-means聚类算法对美团外卖顾客进行用户画像，将美团外卖顾客进行细分，并针对不同用户的特征，向美团外卖平台提出相应的改进建议；另外，本文还将基于XGBoost回归进行顾客满意度影响因素分析，并给出综合性的改进建议。
2.2. 研究模型
以ACSI模型为基础，结合外卖及外卖平台的特点，从六个维度来探讨美团外卖顾客满意度影响因素，具体如图1所示。相对应地设计了调查问卷，满意度影响因素方面共涉及26个测量项，见表1。
2.3. 研究假设
通过以上模型，提出以下假设：
假设一：顾客期望与顾客满意度正相关；
假设二：产品质量感知与顾客满意度正相关；
假设三：产品服务感知与顾客满意度正相关；
假设四：价值感知与顾客满意度正相关；
假设五：顾客抱怨与顾客满意度负相关。
2.4. 问卷调查
2.4.1. 调查目的
本次研究的数据来源为问卷调查，问卷调查有三个目的：第一，搜集所调查群体的基本信息，包括性别、年龄、每月可支配收入、对美团外卖APP的使用情况，分析美团外卖用户的的主要特征；第二，构建用户画像来明确不同类别用户的典型特征，以使美团更好地差异化设计平台；第三，搜集美团外卖顾客满意度可能的影响因素，包括顾客对美团外卖平台、入驻美团的商家以及骑手的评分情况，分析出影响美团外卖顾客满意度的主要影响因素，从而为美团外卖情况的改善及未来发展方向提供一定的参考。
2.4.2. 顾客满意度指标体系构建
根据问卷设计的七大原则，即目的性原则、一般性原则、逻辑性原则、明确性原则、便于整理分析的原则、可接受性原则和效率原则，参考张一帆(2015) [16] 及李春燕(2015) [17] 在研究我国旅游APP用户满意度及A寿险公司顾客满意度时对指标体系的构建，并结合美团外卖APP自身特点构建了美团外卖顾客满意度指标体系：
1) 顾客期望是指顾客在购买前对某种产品或服务质量的预期，达到了预期，顾客就回满意，否则不满意。决定顾客期望的观测变量有3个，分别是顾客对美团外卖APP的总体期望，顾客平台自身设计及使用感受的期望，顾客对平台提供的期望。
2) 感知质量是指顾客在购买或消费了某种产品或服务的一定时期以后对质量水平的实际感受，感知质量是用户对于产品或服务最直观的感受。考虑到美团外卖的具体情况，本次调查考虑纳入七个指标来反映顾客感知质量，一方面是对产品质量的感知，具体包括顾客对美团外卖卫生质量、味道及包装的感知，另一方面是服务质量感知，具体包括顾客对平台服务质量、商家服务质量、骑手服务质量及准时程度的感知。
3) 感知价值是指顾客在同时考虑价格和感知质量之后对产品或服务的评价，对顾客满意度有直接影响。本次调查的感知价值选取了三个指标进行观测，分别是“在同一商家点外卖，与饿了么相比，美团价格更实惠”、“美团商家提供的外卖比饿了么商家提供的质量更好”及“美团平台的售前和售后服务比饿了么好”。
4) 顾客满意度是对顾客满意程度的衡量指标。顾客满意度对顾客抱怨和顾客忠诚有直接影响。这里考虑了顾客在三个方面的满意度，分别是对美团餐饮团购整个消费过程的总体满意度、对美团所提供餐饮团购服务的满意及对美团商家的满意度。
5) 顾客抱怨被用于测定顾客的不满程度，顾客抱怨涉及方方面面，这里纳入了最常见的顾客抱怨的7个类型，分别是骑手送餐慢、配送费偏高、商家良莠不齐、优惠券折扣力度小且适用范围窄、外卖配送期间骑手位置更新不及时、平台上存在杀熟情况、存在隐私泄露的问题。
6) 顾客忠诚包括三个观测变量：重复购买的可能性；向他人推荐美团外卖的可能性；向美团提供建议的可能性。
2.4.3. 调查问卷设计
针对本次研究的目的，设计了相应的调查问卷。问卷主要分为三个部分，第一部分是筛选出有使用美团订餐经历的用户；第二部分是被调查者的基本情况，包括性别、年龄、月均可支配收入、点外卖的频率以及美团外卖的月消费金额；第三部分是满意度测评部分，采用五级李克特量进行评分，包括对顾客期望、产品质量感知、产品服务感知、价值感知、顾客满意度、顾客抱怨和顾客忠诚各维度的评分。具体如表1所示。
本次采用配额抽样与滚雪球抽样相结合进行抽样，在贵州省、云南省等多省份进行网络问卷调查，并结合线下调研的方式收集数据，共发放600份问卷，经筛查后后保留有效问卷460份，问卷的有效回收率为76.7%。
3. 实证分析
3.1. 信度和效度检验
使用SPSS数据分析软件对本次调查问卷的量表题进行信度和效度检验，得到克朗巴哈系数信度系数为0.921，表明本问卷中满意度测评部分的量表题目具有很强的内在一致性。另外，本次研究的的采用结构效度检验，总体KMO值为0.928，大于0.9，说明很适合做因子分析。另外，Bartlett球形度检验的p值为0.000，说明问卷中的量表题具有良好的结构效度。综合问卷的信度检验和效度检验，可以说明，本次问卷设计具有较高可信度，且有良好的结构效度。
3.2. 描述性统计分析
根据描述性统计分析的结果可知，使用美团外卖APP的性别比例相当，女性略多于男性；年龄主要集中在18~30岁，占比94.35%；学生群体居多，月可支配收入集中在2000~5000元；顾客一周点外卖次数不超过3次比例最高，其次每周4~7次，也有少部分顾客一周点10次外卖；约有52%的顾客美团外卖月均消费在100元以下，月均消费100~300元的比例次之，约为30%；26~30岁的人群更偏向月均花费301~600元。另外，对顾客基本特征与行为特征进行相关分析，不同年龄段的顾客与用于美团外卖的月均消费金额具有显著性差异，顾客职业与在美团平台是否存在杀熟行为有一定的相关性，顾客月均收入与用于美团外卖的月均消费金额具有一定的相关性，卡方检验的p值均为0.000，检验结果如表2所示：
Table 2. Test the correlation between customer basic characteristics and behavior characteristics
表2. 顾客基本特征与行为特征的相关性检验
3.3. 用户画像
为了对美团外卖顾客进行细分，了解顾客的具体特征，包括收入情况，消费情况，对外卖服务满意情况，对商家商品满意情况等，对美团外卖顾客进行用户画像。利用K-Means聚类算法，可以将美团外卖顾客进行细分为四大类，其矩阵量化表包括除提交答卷时间，所用时间，来源，来源详情，来自IP，等以外的其它信息。据统计，第一类占比6%，第二类占比36%，第三类占比6%，为不使用美团外买APP进行消费的群体，不在本次研究范围内；第四类占比18%，第五类占比34%。对于第一，二，四，五类顾客，从性别、年龄、工作状态、文化程度、居住地区、平均月收入等多个方面进行分析，构造相应的用户画像，得到如图2所示的不同类别顾客的特征图。
根据各类顾客的特征，将美团外卖顾客细分为以下五类：第一类为“万事皆可有钱人”，绝大多数为国企员工，经济收入较高，使用美团外卖频率和消费金额都不高，对美团外卖各方面都很满意；第二类为“基本满意学生党”，绝大多数为在校学生，经济收入较低，使用美团外卖频率和消费金额都不高，对美团外卖各方面都较为满意；第四类为“争分夺秒打工人”，绝大多数为其他工作从业者，有一定的经济收入，使用美团外卖频率不高但消费金额较高，重视外卖的干净卫生和配送速度；第五类为“犹豫不决学生党”，绝大多数为学生，经济收入较低，使用美团外卖频率和消费金额都不高，对美团外卖各方面都持怀疑态度，可以说是对各因素普遍重视，精益求精。
3.4. 回归分析——XGBoost回归
通常情况下，少数类样本在学习任务中常常是会被模型抛弃的一类样本，而XGBoost模型每次迭代一颗新树都考虑到上一颗树的判错样本，因此XGBoost模型对少数类样本极其友好。所以，在构建预测模型时，选择XGBoost模型。
3.4.1. 变量筛选
变量命名如表1所示，根据本次调研的目的，即美团外卖顾客满意度分析，对变量进行初步筛选。将顾客“对美团餐饮团购整个消费过程的总体满意度”选作因变量y，将其他变量作为自变量；又考虑到x15和x16与因变量有重叠部分，将其删除，以避免多重共线性；另外，顾客忠诚与因变量是因果关系，考虑将x17、x18和x19删除，最终剩下20个自变量。由于目前数据维数较多，首先利用XGBoost算法对数据进行降维，根据得出的重要度排序，将重要度大于0.04的变量留下，即将x7、x11、x8、x13、x25、x26和x1纳入模型做回归分析，其重要度排序如表3所示，柱状图如图3所示。绘制上述7个自变量与因变量y的散点图，由图可知X25和X26与 的存在负相关性，即“美团外卖平台上存在杀熟情况”与“美团外卖存在隐私泄露的问题”与“美团外卖用户满意度”之间是负向影响关系，其余变量与用户对美团外卖的满意度之间均为正相关关系。因此假设一至假设五均成立。
Table 3. Rank table of importance of each variable
表3. 各变量重要度排序表
Figure 3. Scale diagram of variable importance
图3. 变量重要性比例图
从图3不难发现，变量X13、X8、X11、X7对于y有较高的贡献率，分别占比：19.6%、16.7%、14.7%、14.50%。其中，上述四个变量依次为：“美团平台的售前售后服务比饿了么好”、“入驻美团的商家服务质量好”、“在同一家点外卖，美团价格比饿了么便宜”、“美团外卖平台服务质量好”。说明顾客对美团外卖的的满意度评分很大程度上受到这几个因素的的影响。
3.4.2. XGBoost模型预测
用新训练集对XGBoost模型进行拟合，训练好的模型在测试集上对顾客满意度评分进行测试，并得出了如图4混淆矩阵热力图。混淆矩阵热力图的竖轴的标签表示真实属性，而横轴的标签表示分类的预测结果，例如此矩阵的第一行第一列这个数字27表示类3被成功分类成为类3的样本数目，即被正确分类数目为27，被错误分类的数目为10。混淆矩阵热力图除主对角处外，颜色越深则表示预测效果越差，通过上述混淆矩阵热力图可知，我们的分类预测效果是较好的。
Figure 4. Confusion matrix thermal diagram
图4. 混淆矩阵热力图
表4展示了交叉验证集、训练集和测试集的预测评价指标，通过量化指标来衡量XGBoost的预测效果。通过交叉验证集的评价指标可以不断调整超参数，以得到可靠稳定的模型。其中，准确率是指预测正确样本占总样本的比例；召回率指的是实际为正样本的结果中，预测为正样本的比例；精确率指的是预测出来为正样本的结果中，实际为正样本的比例；F1是精确率和召回率的调和平均，精确率和召回率是互相影响的，虽然两者都高是一种期望的理想情况，然而实际中常常是精确率高、召回率就低，或者召回率低、但精确率高。若需要兼顾两者，那么就可以用F1指标。本次构建的XGBoost预测准确率与召回率均达到71%，准确率较高。
4. 研究结论
本文以美团外卖APP用户为研究对象，探索影响顾客满意度的主要因素，及其影响大小。第一，在美团外卖APP的使用者中，女性略多于男性，多为学生，订餐频率较低，月均消费金额较低。第二，“争分夺秒打工人”对美团外卖APP使用频率高且消费金额也较高，他们尤其重视外卖的干净卫生和配送速度。“犹豫不决学生党”，对美团外卖各方面都持怀疑态度，对各因素普遍重视，精益求精。第三，比起菜品质量，包装好坏等，顾客更注重平台和商家提供的服务。第四，对于不同平台同一商家，顾客更加注重价格。第五，杀熟和隐私泄露问题的存在会影响到顾客满意度。
5. 美团外卖改进方案设计
在对问卷数据进行分析后，我们发现，影响美团外卖顾客满意度的因素众多，涉及到的美团平台应当做出改进和提升的部分主要有宣传方面，外卖平台设计，外卖的产品质量的保障，骑手管理，配送速度改善，平台及商家服务管理以及顾客抱怨处理方面。具体方案设计如表5所示：
Table 5. Improved plan design of Meituan Takeout
表5. 美团外卖改进方案设计
6. 不足及展望
回望全文，不足之处有两点：第一，问卷调查的范围比较狭窄，学生群体占了绝大部分，实际上职场年轻人也是外卖消费大军，也应当占一个较大比重，但是问卷调查难度较大；第二，样本量较小，在这样一个大数据时代，460个样本相对较小了；第三，针对顾客满意度影响因素的研究，顾客对商品的评论也尤为重要，它可以直接看出顾客满意与否，本文对评论文本的研究有所欠缺。
因此，在做进一步研究时，应该将本次研究的不足考虑进去，既要紧扣热点，选择合适的分析方法，也要适当扩充样本，这样才能更好地达到研究的目的。