铁路乘客线上购票意愿影响因素实证研究

薛丹杰，袁鹏程，干宏程

（上海理工大学 管理学院，上海 200093）

0 引言

随着经济水平的稳步发展，人们的生活质量不断提高，对于生活便利性的要求也不断提高。2016年，全国铁路旅客发送量完成28.14亿人，比上年增加2.79亿人，增长11.0%，其中，国家铁路27.73亿人，比上年增长11.1%；全国铁路旅客周转量完成12 579.29亿人公里，比上年增加618.69亿人公里，增长5.2%，其中，国家铁路12 527.88亿人公里，比上年增长5.2%[1]。

互联网的飞速发展和智能移动终端设备的普及，给铁路客票业务带来巨大的变革，窗口排队购票的队伍变短了，火车票代售点也减少了，在互联网时代，凡是被贴上“互联网+”符号的行业都发生了极大的改变，“线上”的优势正在对传统“线下”行业造成巨大影响。电子客票业务的推广不仅提高了乘客购票的便利性，而且提高了客运站的运行效率，也符合建设资源节约型、环境友好型社会的主流趋势。

这是一个铁路蓬勃发展的时代，也是“互联网+”的时代，2011年实现网上购票以来，车站窗口购票的乘客开始逐渐减少了，越来越多的人，开始享受科技进步带来的福利。现在手机下载12306官网或者其他旅游app就能不出门、不排队买到火车票，同时在网上也能办理退票、改签等手续，十分方便快捷。2015年已经超过60%的购票来自互联网，不可否认，网络购票已经飞速发展五六年了，已经在很大程度上缓解了窗口售票的压力，解放了旅客排队购票的时间。基于此，本文探究铁路乘客线上购票意愿的影响因素。

1 理论基础与假设

1.1 文献回顾与理论基础

渠道转换行为（Customer Channel Migration）是消费者在多渠道环境中，从一个购买渠道向另一个购买渠道转移的动态过程[2]。近年来，也有学者将这一行为称为跨渠道行为。郭燕、周梅华认为，消费者跨渠道购买行为是指多渠道零售环境下，消费者在购买决策过程的不同阶段运用不同渠道的行为[3]。而Kauffman等学者研究商业模式时，提出了消费者渠道迁移的概念，将其定义为消费者从一个渠道转移到另外一个渠道的过程而不是在渠道间来回进行转换[4]。本研究认同并采纳Kauffman的观点，即从渠道属性出发讲消费者渠道分为在线渠道和离线渠道，认为渠道转换行为是消费者从离线购买渠道向在线购买渠道转移，或者是在线向离线购买渠道转移的一个过程[5]。本文选择研究的对象是在中国受众和普及区域相当广泛的铁路客票系统，该系统既有传统人工窗口售票方式，又有12306等线上网络售票方式，多渠道环境下，消费者必定要面对选择和转换。基于渠道转换的定义，本文将以铁路售票作为研究对象，从转换成本、自我效能感、感知风险这三个方面综合分析探讨，着重探索乘客从离线向在线购票渠道转移的影响因素。

1.2 研究模型及假设

1.2.1 转换成本

转换成本（Switching Cost）不应该只局限于物质经济成本，当消费者面临渠道转换理由的时候，多种转换成本应被考虑，包括：经济风险成本（Economic risk costs）、评估成本（Evaluation costs）、学习成本（Learning costs）、安置成本（Setup costs）、利润损失风险（Benifit loss costs）、金融损失成本（Monetary loss costs）、人际关系损失成本（Personal relationship loss costs）、品牌关系成本（Brand relationship costs） 这八个方面[4]。Kauffman通过十家大型的韩国电子商务企业的实证分析发现，转换成本越低，消费者越容易转换消费渠道[6]。Asim Ansari构建模型识别分析消费者渠道迁移的关键现象，并且建立模型估计方法，向线上转移降低转换成本，使得在不同商家之间比价更容易[7]。

在乘客购买火车票这种环境下，铁路是国家垄断行业不存在品牌关系成本等方面的问题；互联网+的时代，智能移动终端普及率高，对于选择线上购票来说，学习使用成本较低，因此，本文主要考虑两个方面：一是经济成本，二是时间成本。相对于传统窗口购票的方式，线上购票是否能够在一定程度上降低经济成本和时间成本，是乘客所能感知到的转换成本的重要方面。据此，提出假设：

H1转换成本负向影响渠道转换行为。

1.2.2 自我效能感

自我效能感（Self Efficacy）来源于社会认知理论，在20世纪70年代由Bandura提出，是个体在特定情况下，对自己是否有能力组织和执行某一行为的主观判断[8]。在社会学分析中，自我效能感基于四个主要信息来源：表现成就、间接经验、言语劝说和生理状态。自我效能感是一种自我把握感和控制感，而个体的心理与行为的改变都要通过自我效能感来实现[9]。在现实生活中，当消费者没有足够的能力去采取某种方式完成一项任务时，即使这种方式是一个更好的选择，他们也会放弃这一选择[10]。比如不会或者不习惯使用智能手机，没有网银或者第三方支付，或者是对窗口购票已经习惯等原因，都会影响他们的在线购票行为。信息技术的发展使得消费者不再完全处于信息劣势、被动接受的状态，在多渠道购物环境中，具有越强的自我效能感的消费者在渠道转换中更为活跃，即越有可能发生渠道转换行为，基于此，本文提出假设：

H2：自我效能感正向影响渠道转换行为。

1.2.3 感知风险

网络线上购票虽然方便、快捷，足不出户就能提前买到火车票，但是也存在一定风险，例如信息安全问题、经济风险、服务风险等情况。在现代社会生活中，人们在与大数据环境交互过程中，个人信息安全正在受到极大的威胁，网上购票时需要填写真实姓名、手机号码、相关证件号码等，这些信息都存在着被泄露的风险，可能会暴露个人的某些隐私，也在无形之中增加了账号被盗风险；经济风险是指消费者在线上购票过程中可能产生的经济损失。线上购票付款的方式有中国银行、中国工商银行、中国建设银行等银行的网银支付，支付宝等第三方支付，多种支付方式是否存在一定的风险，让购票乘客感到担心。服务风险是指消费者在线下享受到的服务与线上信息不相符，无法获得服务的风险，比如春运期间难以买到回家的火车票；甚至有人在钓鱼网站买到假票，到车站后发现无法乘坐列车。基于此，本文提出假设：

H3：感知风险负向影响渠道转换行为。

2 研究设计

2.1 问卷设计

本研究采用问卷调查的方式，提出假设检验，并依据相关文献的一般步骤和原则，设计本研究的问卷题项，问卷的设计大致包括三个步骤。第一步，通过文献研究的初步提取变量指标，并组织对购票渠道转移有经验的研究生进行讨论，形成初步问卷；第二步，在校大学生中小范围发放问卷，做预调查对所提问题进一步提炼和修改；第三步，正式发放问卷调查，获取数据。

问卷调查的主要研究对象为有出行需求的青年和中年。选择这两个群体主要有两方面的考虑：一方面，青年主要包括在校学生或者毕业不久的工作者，这部分人群较早接触互联网和智能手机，并且有较高的信息素养，对互联网的使用频率和熟练程度都处于较高水平，同时，这类人群也是选择铁路出行的最集中的人群。另一方面，互联网不断向中高龄网民群体渗透，而中年人是社会的中流砥柱，平日出差商旅选择铁路客运的情况也很多，这是一个不容忽视的大群体。因此本问卷面向中青年铁路旅客调查出行购票方式的影响因素。

量表开发采用李克特五分量表进行设计，从“非常不同意”到“非常同意”分五个等级对问题项进行选择。问卷测量题项的设计主要参考国内外相关文献中普遍采用的测量项目，有些根据铁路购票的语境适当进行修正。测度项具体来源，如表1所示，其中SC表示转换成本，SE表示自我效能，PR表示感知风险，BI表示行为意向。

2.2 实验设计

表1 测度项来源

本次问卷总共发放问卷210份，收回有效问卷196份，整个实验的有效问卷反馈率是93.3%。样本信息如表2所示，接受调查的乘客中，男性为110人，占总人数的比例为56.12%；女性为86人，占总人数的比例为43.88%。被调查者中，小于18岁的未成年人10人，占比5.10%；年龄在18～50岁的人占了94.4%，青年和中年占了绝大多数。职员和其它总共166人，占总人数的比例84.69%，即样本非学生的比例较高。60.71%的被调查者本次或最近一次出行目的是休闲，39.29%是为了工作。34.69%的乘客选择窗口购票。本文把售票大厅自助购票机购票算在线下购票范畴内，因为同样是到达车站后购票，不同的是面对售票工作人员和售票机器，与线上购票不同。

表2 样本信息特征（N=196）

3 数据分析与假设检验

3.1 样本信度效度检验

信度是指测验结果的一致性、稳定性及可靠性，一般多以内部一致性来加以表示该测验信度的高低。信度系数愈高即表示该测验的结果愈一致、稳定与可靠。本文利用软件SPSS22对所得数据进行信度分析，如表3所示，所有因子的Cronbach's alpha值均大于0.600，显示了良好的信度。

表3 指标均值Cronbach α

效度分析是指所测量到的结果反映所想要考察内容的程度，测量结果与要考察的内容越吻合，则效度越高；反之，则效度越低。KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。利用SPSS22检验本实验数据效度，KMO（Kaiser-Meyer-Olkin）统计量为0.604，适合做因子分析。Bartlett球度检验统计量为593.176，检验的P值接近0，适合进行因子分析。

利用主成分分析法提取因子进行因子分析，如表4所示。其中“提取平方和载入”部分是提取四个公因子对原始变量方差的解释情况，四个变量总共解释了原始变量方差的72.78%，表明因子分析的效果较为理想。采用最大方差法（Varmax Rotation Analysis，VR），旋转后得到的因子载荷矩阵如表5所示，与旋转前的因子载荷相比，旋转后的因子含义更加清楚了。

第一个公因子消费者对自我购票渠道选择评估、使用不同渠道的难易程度、自我对于购票渠道选择的能力这三个方面有较大载荷，分别是0.874,0.884,0.778。这里自我效能感是主要参考因素，将因子命名为自我效能感因子。

第二个公因子在个人信息不安全、是否会产生经济损失、购票之后得不到相应服务这三个方面有较大的因子载荷，分别是0.693,0.838,0.769。这里主要考虑了风险因素，看出乘客对于网购车票风险的担心，因此将第二个公因子命名为感知风险因子。

第三个公因子在消费者认为相对于传统窗口购票，在线购票的方式所引起的金钱和时间耗费，因子载荷分别为0.897,0.864。这里主要考虑了从线下到线上渠道转换的时间成本和经济成本，因此将第三个公因子命名为转换成本因子。

3.2 模型检验

本文提出的模型假设涉及三个变量：转换成本、自我效能感、感知风险和行为意向。由于这几个潜变量无法直接观测得到，需要通过可测的变量来表达，因此利用Amos软件，构建结构方程模型，可以较好地有效处理潜变量。本实验分析得出主要拟合数据：卡方值Chi-square为37.199，显著性概率值p=0.072＞0.05，拟合优度指数GFI为0.964＞0.05，调整拟合优度指数AGFI为 0.924＞0.05，渐进残差均方和平方根RMSEA0.047＜0.05，表示假设模型与调查数据可以适配。

表4 各因素的方差贡献率

表5 最大方差旋转后因子荷载矩阵

通过拟合度检验和多次修正后，用极大似然估计法对模型进行路径系数检验，进而验证假设。变量之间的标准化路径系数的估计值及检验结果如表6所示。

表6 假设检验结果

4 结论与启示

4.1 结果分析

本研究构建了铁路购票线下到线上渠道转移模型，如表6所示，P值均小于0.05，由此，H1、H2、H3得到验证。

第一，转换成本对行为意向有显著负向影响。假设H1得到支持，表明转换成本越大，消费者购票渠道向线上转移的可能性越小。

第二，自我效能感对行为意向有显著正向影响。假设H2通过，表明自我效能感越大，行为意向越大，即越有可能发生渠道转移。如果帮助消费者提高自我效能感，给予他们更多和更方便快捷的线上购票选择和网络支付工具，有利于吸引消费者转移到线上购票。

第三，感知风险对行为意向有负向影响。假设H3得到支持，表明感知风险越大，线上购票的行为意向越小。要从多方面树立良好的形象，有助于降低消费者的感知风险的程度，从而更加信任线上购票这种方式。

4.2 研究不足和展望

从转换成本、自我效能感、感知风险等方面探讨研究铁路乘客从线下到线上的购票渠道转移的影响因素，通过对模型进行统计分析可知，转换成本、感知风险对行为意向有负向影响，自我效能感对行为意向有正向影响。使用线上购票方式的意愿主要影响因素是自我效能感，自我效能感是基于多个信息来源的一种主观判断，要增加自我效能感应，在购票操作和应用界面等方面应注重提高线上购票体验和便捷性。在信息化时代，还应增加信息对等，同步线上线下的票务信息，使旅客能尽量全面的了解信息，做出理性判断。此外，增强渠道吸引力也是一种方式，例如2017年底铁路部门推出“铁路畅行”常旅客计划，即可通过购买车票累计积分，凭积分可兑换相应车票等方式，给予旅客实实在在的优惠是吸引旅客的重要方式。

由于一些客观条件的限制，本文还存在一些不足和需要继续探究的问题。本文调查样本不够大，具有一定的局限性，在后续研究中可以适当扩大样本调查范围，同时，细化调查问卷对象范围的选择和购票方式选择，增强人群针对性。作为国家公共服务性质的铁路票务，具有一定的独特性，考虑到社会公平性，线下和线上票源投放可能也存在一定的法律法规要求。