關(guān)于打車(chē)軟件使用情況的調(diào)查分析

打車(chē)軟件是一種智能手機(jī)應(yīng)用軟件，乘客可以便捷地通過(guò)手機(jī)發(fā)布打車(chē)信息，和搶單司機(jī)直接溝通，大大提高了打車(chē)效率。但是一些打車(chē)軟件在用戶(hù)手機(jī)上植入惡意廣告，傳播不良信息，竊取用戶(hù)隱私，間接造成扣費(fèi)，從而影響了用戶(hù)體驗(yàn)；并且在實(shí)際應(yīng)用中，出租車(chē)司機(jī)一心熱衷于搶訂單賺補(bǔ)貼，導(dǎo)致許多乘客路邊打車(chē)卻慘遭空駛出租車(chē)司機(jī)的無(wú)視，等等問(wèn)題的存在引發(fā)了人們對(duì)其發(fā)展前景的質(zhì)疑?；谝陨蠁?wèn)題，本文將通過(guò)抽樣調(diào)查和以SPSS軟件為基礎(chǔ)的數(shù)據(jù)分析，具體把握打車(chē)軟件的使用現(xiàn)狀。并通過(guò)因子分析找出影響打車(chē)軟件使用程度的因素，進(jìn)而挖掘潛在用戶(hù)，針對(duì)不同的使用群體進(jìn)行不同策略的定向服務(wù)，以提高用戶(hù)的使用效率。

1  研究設(shè)計(jì)

本文以荊門(mén)市為調(diào)研地點(diǎn)，利用問(wèn)卷調(diào)查的方式，分析出經(jīng)常使用打車(chē)軟件用戶(hù)的人群特征，為后續(xù)調(diào)查和分析做準(zhǔn)備。在滴滴打車(chē)使用情況調(diào)查的基礎(chǔ)上，此次調(diào)研將通過(guò)分層抽樣、簡(jiǎn)單隨機(jī)抽樣相結(jié)合的抽樣方式展開(kāi)調(diào)查。對(duì)數(shù)據(jù)進(jìn)行了全面的描述性系統(tǒng)分析，對(duì)樣本的基本情況有了充分的了解與掌握；在此基礎(chǔ)上采用描述性分析、Logit回歸分析和因子分析對(duì)問(wèn)題進(jìn)行全面分析。從“打車(chē)軟件的總體現(xiàn)狀分析及產(chǎn)品定位”、“打車(chē)軟件使用客戶(hù)特征分析”、“打車(chē)軟件使用頻率等級(jí)分析”、“打車(chē)軟件使用潛在用戶(hù)挖掘”等方面進(jìn)行數(shù)據(jù)信息深度挖掘，并對(duì)打車(chē)軟件需要改進(jìn)的地方進(jìn)行了思考，提出了科學(xué)的調(diào)研結(jié)果和優(yōu)化方案。

2  數(shù)據(jù)來(lái)源

本文采用問(wèn)卷調(diào)查法在湖北荊門(mén)地區(qū)進(jìn)行了抽樣調(diào)查。為了合理地組織抽樣，更大程度上減少誤差，我們采用分層抽樣與簡(jiǎn)單隨機(jī)抽樣相結(jié)合的抽樣方法。首先，根據(jù)調(diào)研主題的需要對(duì)調(diào)查對(duì)象按各轄區(qū)性質(zhì)進(jìn)行分層。在分層抽樣的基礎(chǔ)上，我們?cè)僖詫訛閱挝贿M(jìn)行簡(jiǎn)單隨機(jī)抽樣。通過(guò)問(wèn)卷投放及回收，共計(jì)有效問(wèn)卷500份。

3  數(shù)據(jù)分析

3.1  打車(chē)軟件的總體現(xiàn)狀分析及產(chǎn)品定位

在470份有效樣本中，有使用和沒(méi)有使用打車(chē)軟件習(xí)慣的人數(shù)各自占比為55.67%和44.33%。從使用打車(chē)軟件的比例可知，已有超過(guò)半數(shù)的人有使用打車(chē)軟件的習(xí)慣。

各大支付平臺(tái)，微信、支付寶、打車(chē)APP、QQ支付使用比例分別為：58.49%、17.74%、23.40%、0.38%，微信支付占據(jù)最大的市場(chǎng)，打車(chē)APP的使用率僅次于微信支付，支付寶及QQ支付在打車(chē)出行中的使用率則相對(duì)較小。對(duì)打車(chē)軟件非常滿(mǎn)意的受訪(fǎng)者僅占7.56%，46.43%的受訪(fǎng)者對(duì)打車(chē)軟件基本滿(mǎn)意，還有接近一半的受訪(fǎng)者持中立態(tài)度，有接近2%的受訪(fǎng)者對(duì)打車(chē)軟件不滿(mǎn)意和非常不滿(mǎn)意。

針對(duì)“未來(lái)是否有可能向別人推薦打車(chē)軟件”的問(wèn)題有48.32%的受訪(fǎng)者表示未來(lái)有可能向別人推薦打車(chē)軟件，14.29%的受訪(fǎng)者明確表示不會(huì)向別人推薦打車(chē)軟件。依然有37.39%的受訪(fǎng)者持中立態(tài)度?？梢詫⒊种辛B(tài)度的這一人群作為目標(biāo)人群，探索其有沒(méi)有可能成為打車(chē)軟件的潛在消費(fèi)者。

3.2  Logit模型建立及分析

根據(jù)二元選擇模型的原理，運(yùn)用SPSS進(jìn)行Logit回歸分析，在顯著性水平時(shí)，可以得到各變量的系數(shù)估計(jì)值、統(tǒng)計(jì)量及其值。

表1  二元選擇模型回歸結(jié)果

解釋變量 系數(shù) 標(biāo)準(zhǔn)差 統(tǒng)計(jì)量 值 發(fā)生比率

年齡 0.227 0.114 3.943 0.047 1.255

收入 -0.207 0.077 7.144 0.008 0.813

如上表所示，模型自動(dòng)剔除了職業(yè)變量和性別變量。剩余變量的系數(shù)估計(jì)值均在0.05的顯著性水平下顯著。因此可以得到如下二元選擇模型：

從回歸結(jié)果可以看出，年齡對(duì)是否有使用打車(chē)軟件的習(xí)慣存在顯著影響，變量“年齡”回歸系數(shù)大于零，說(shuō)明在各年齡段間，有使用打車(chē)軟件習(xí)慣的用戶(hù)更傾向于10-19歲，20-29歲這兩個(gè)年齡段。這與年輕人的生活方式及對(duì)新鮮的追求程度和接受程度有關(guān)，年輕人在日常生活中養(yǎng)成的很少攜帶現(xiàn)金出門(mén)的生活習(xí)慣，使得其更傾向于接受打車(chē)軟件出行這種出行方式，而本身具有較強(qiáng)適應(yīng)能力的他們就成為了這種出行方式的主要使用群體。

3.3  打車(chē)軟件使用頻率等級(jí)分析

本文將使用頻率采用五分制量表，分為總是使用、經(jīng)常使用、偶爾使用、很少使用和從不使用。并用有序回歸模型對(duì)參數(shù)進(jìn)行求解。根據(jù)有序回歸模型的原理，運(yùn)用進(jìn)行回歸分析的結(jié)果如下表所示。

表2  多元選擇模型結(jié)果

變量 系數(shù) 標(biāo)準(zhǔn)誤 統(tǒng)計(jì)量 值

年齡10-19歲 1.363 0.507 7.225 0.007

年齡20-29歲 1.218 0.428 8.085 0.004

年齡30-39歲 1.040 0.432 5.781 0.016

運(yùn)用模型擬合信息對(duì)該模型進(jìn)行估計(jì)，各系數(shù)均通過(guò)顯著性水平的顯著性檢驗(yàn)。模型擬合信息的顯著性為0.025，該模型具有有效性。因此得到方程如下：

在模型中，年齡在10-19歲、20-29歲和30-39歲的人對(duì)使用頻率有顯著影響。系數(shù)均為正值，其中10-19歲為1.363，20-29歲為1.218。相比于30-39歲及40歲及以上的人群有更高的使用頻率趨勢(shì)，青年相對(duì)于中年人有更強(qiáng)的接受新鮮事物的能力。而10-19歲相比于20-29歲的人有更高的使用頻率，與年輕人喜歡新鮮事物，接受能力強(qiáng)的特性相吻合。

3.4  主成分分析

本文將人群特征分為基本特征和經(jīng)濟(jì)特征兩類(lèi)。基本特征包括：性別、年齡和職業(yè)，經(jīng)濟(jì)特征為月收入。分析中發(fā)現(xiàn)性別和職業(yè)對(duì)是否選擇使用打車(chē)軟件無(wú)明顯影響，因此未將其納入分析。

3.4.1  潛在用戶(hù)基本特征分析

在第一個(gè)分類(lèi)數(shù)據(jù)主成分分析模型中，我們引入基本特征變量，把5個(gè)不使用打車(chē)軟件的原因變量與年齡變量放入二維空間，得到成分負(fù)荷圖。在第一個(gè)模型中，提取了兩個(gè)主成分，代表兩個(gè)維度的信息。從年齡結(jié)構(gòu)來(lái)看，30歲以上的人群主要由于安全系數(shù)低而不愿意使用打車(chē)軟件；而20-29歲的年輕群體主要由于傳統(tǒng)出租車(chē)能滿(mǎn)足需求而不使用打車(chē)軟件。而操作步驟麻煩、身邊使用人少和不愿意嘗試均不構(gòu)成影響其選擇使用打車(chē)軟件的主要因素。

3.4.2  潛在用戶(hù)經(jīng)濟(jì)特征分析

在第二個(gè)分類(lèi)數(shù)據(jù)主成分分析模型中，僅引入人群經(jīng)濟(jì)特征變量，把5個(gè)不使用打車(chē)軟件的原因變量與人群經(jīng)濟(jì)特征變量放入二維空間，得到成分負(fù)荷圖。在第二個(gè)模型中，提取了兩個(gè)主成分，代表了兩個(gè)維度的信息。月收入來(lái)看，月收入在2001-3000元的人群因?yàn)閭鹘y(tǒng)出租車(chē)能滿(mǎn)足出行需求而不使用打車(chē)軟件；月收入在4001及以上的人群主要由于不愿意嘗試而拒絕使用打車(chē)軟件。而針對(duì)這一點(diǎn)，在調(diào)查中，有很多受訪(fǎng)者反映是因?yàn)樽约簱碛兴郊臆?chē)而沒(méi)有使用打車(chē)軟件的必要。

4  調(diào)查結(jié)論

4.1  中青年消費(fèi)群體是選擇使用打車(chē)軟件的主要消費(fèi)群體

打車(chē)軟件的主要消費(fèi)群體是年齡在20-39歲之間的中青年消費(fèi)群體。收入在2001-3000元的人群也是構(gòu)成使用打車(chē)軟件的主要消費(fèi)群體之一。這類(lèi)人群對(duì)新鮮事物有較強(qiáng)的接受能力，對(duì)新鮮事物比較熱衷，注重消費(fèi)體驗(yàn)。針對(duì)這種情況，打車(chē)軟件公司可以在司機(jī)注冊(cè)過(guò)程中加強(qiáng)對(duì)司機(jī)素質(zhì)方面的測(cè)評(píng)。在后期，在司機(jī)完成配單后的乘客測(cè)評(píng)中，突出司機(jī)素質(zhì)測(cè)評(píng)占星級(jí)的比重。從而起到時(shí)刻監(jiān)督司機(jī)，規(guī)范其行為的作用，增強(qiáng)乘客滿(mǎn)意度。

4.2  未使用打車(chē)軟件的主要原因是安全系數(shù)低和傳統(tǒng)出租車(chē)能滿(mǎn)足需求

打車(chē)軟件的發(fā)展受限在很大程度上歸因于中小城市的消費(fèi)者大多數(shù)認(rèn)為傳統(tǒng)出租車(chē)能滿(mǎn)足消費(fèi)需求，在當(dāng)?shù)?，路邊攔車(chē)的方式并沒(méi)有對(duì)居民的出行造成很大的困擾。其次，對(duì)打車(chē)軟件缺乏認(rèn)識(shí)，再加上近年來(lái)“網(wǎng)約車(chē)”的負(fù)面新聞層出不窮，使得這一部分未使用打車(chē)軟件的受訪(fǎng)者對(duì)打車(chē)軟件形成了消極認(rèn)知，從而導(dǎo)致其拒絕使用打車(chē)軟件。對(duì)于這樣的情況，打車(chē)軟件公司可以在體制上做完善和改進(jìn)，加強(qiáng)司機(jī)審核機(jī)制。并且在打車(chē)軟件的廣告宣傳中突出強(qiáng)調(diào)安全性。

本文來(lái)源：《企業(yè)科技與發(fā)展》：http://12-baidu.cn/w/kj/21223.html