基于大规模定制的证券业顾客保留驱动模型实证研究

徐宏毅 蔡 萌 刘 曼

（1．2．3．武汉理工大学，湖北 武汉 430070）

基于大规模定制的证券业顾客保留驱动模型实证研究

徐宏毅1蔡 萌2刘 曼3

（1．2．3．武汉理工大学，湖北 武汉 430070）

通过对国内外大规模定制理论和顾客保留的回顾，首先初步界定证券行业顾客保留的概念；其次构建基于大规模定制的证券行业顾客保留驱动因素模型，认为顾客价值、顾客满意、顾客情感、顾客忠诚和转换成本是顾客保留的主要影响因素，并提出相关研究假设。然后以中信建投证券公司为对象进行实证研究，设计并发放问卷，运用结构方程模型对相关假设进行检验。

大规模定制 证券业 顾客保留 顾客忠诚 顾客消费情感

一、引言

大规模定制的思想最早由Alvin Toffler（1970）在《未来的冲击》（Future Shock）中提出，即一种以大规模生产的成本和时间，来提供满足客户特定需求产品和服务的设想［1］。这一观点引发了理论界和企业经营管理者的广泛关注。1987年，Stanley Davis将大规模（Mass）和定制（Customization）概念合成，提出了大规模定制（Mass Customization）的概念，并认为这一新模式克服了大规模（整体）和定制（部分）只能取其一的矛盾，同时获得以前不可兼得的定制和大规模［2］。自从大规模定制这一概念出现后，有关这一新的生产模式的研究便层出不穷。许多学者对大规模定制的概念作了深入细致的探讨（B．Joseph PineⅡ，1993；Michael kay，1993；Davis ＆ PineⅡ，1997），还有大量关于大规模定制的分类的相关研究（Westbrook ＆ Williamson，1993；Lampel ＆Mintzberg，1996；Gilmore ＆ PineⅡ，1997；Spira，1996）。除了上述有关大规模定制基本理论的研究之外，许多学者从面向大规模定制的产品开发、设计与制造，以及大规模定制实施当中的管理问题等方面进行了研究。Tseng（1996）认为面向产品族设计是指分析预测现有顾客需求，根据拟采用的产品定制方法提取变型参数，同时设计一族产品，目的是提供可变型的产品模型，从而为客户单个需求进行快速设计和产品配置提供基础［3－4］。He D，et al提出产品变型后延的设计方法，目的是为了增加产品种类，提高客户满意度和制造效率［5］。在大规模定制设计的实施方面，Erens F（1997）等学者对构建大规模定制设计实施的支持环境进行了研究，认为创成式BOM（表示产品零部件装配关系的一种形式）使统一产品族中不同的产品结构成为可能，是实现产品配置的关键［6－7］。在大规模定制产品制造方面，许多学者认为柔性制造系统（FMS）、计算机数控（CNC）、计算机集成制造（CIM）等技术是大规模定制得以实施的基础［8－9］。关于大规模定制实施当中的管理问题是现有研究当中涉及较少的。这一领域当中又可划分为供应链管理、市场营销管理和信息管理。其中供应链管理和大规模定制营销有很多研究成果［10－11］。

二、基于大规模定制的证券业顾客保留模型

1、理论模型的构建

借鉴国内外研究成果，本文认为顾客价值、顾客情感、顾客满意、顾客忠诚等在顾客保留形成过程中起着积极的影响作用；转换成本被看作是防止顾客脱离服务关系的一种障碍，顾客可能对现有关系不满意但仍会维持，因此转换成本更多地被看作是防止顾客行为背叛的一种影响因素，它能够影响顾客保留从而使交易关系得到持续发展。本文构建了顾客保留驱动因素模型，如图1所示，此模型共包括了六个结构变量，分别是顾客价值（CV）、顾客情感（CE）、顾客满意（CS）、顾客忠诚（CL）、转换成本（SC）以及顾客保留（CR）。

图1 顾客保留驱动模型

2、研究假设

顾客价值一直被认为是预测重复购买意向的重要因素。本文将大规模定制服务业的顾客满意定义为：顾客对实施定制服务的企业迄今为止全部消费经历的整体评价，是一种累积的顾客满意。在根据价格进行细分的公寓市场中，Bojanic发现顾客价值与顾客满意之间存在着极为密切的联系。学者们普遍认为，顾客满意是顾客感知价值的结果。因此，给出如下假设：

假设H1a：顾客价值与顾客保留之间存在正相关关系；

假设H2a：顾客价值与顾客忠诚之间存在正相关关系；

假设H3a：顾客价值与顾客满意之间存在正相关关系；

Oliver（1999）从认知、情感、意动和行为四个维度出发，认为顾客忠诚可以通过四个阶段形成，即认知忠诚、情感忠诚、意向忠诚、行为忠诚。Dwayne D．Gremle等人对顾客满意感与顾客的四类忠诚感的关系进行过实证研究，结果表明顾客满意感对顾客的四类忠诚感都有显著的直接影响。据此，给出如下假设：

假设H1b：顾客满意与顾客忠诚之间存在正相关关系；

假设H1c：顾客忠诚与顾客保留之间存在正相关关系；

假设H1d：顾客情感与顾客满意之间存在正相关关系；

假设H2d：顾客情感与顾客忠诚之间存在正相关关系；

假设H1e：转换成本与顾客忠诚之间存在正相关关系；

假设H2e：转换成本与顾客保留之间存在正相关关系。

三、实证研究

1、抽样对象与方法

本文的调查方式主要是重点调查和网上调查相结合。由于研究条件有限，本研究重点选取中信建投武汉中北路营业厅作为调研地点进行现场调查。通过发放问卷，并结合访谈与现场顾客进行交流，以便了解顾客的真实感受。通过这种方式，我们发送200份问卷，有效回收110份，有效回收率为55%。但是，由于营业部人流量有限且多数为退休或者自由工作者等时间比较充裕的顾客，没有包括大量的通过网上进行交易的顾客，因此，本研究通过Web站点法将调查问卷放置在访问率较高的专业调研平台问卷星上进行网上调查，共回收148份有效问卷。

在使用结构方程模型进行理论估计和解释变量时，样本规模对最终结果有一定的影响。样本容量少于100的情况下，所产生的相关矩阵不稳定，会使结构方程分析结果的信度降低。在使用极大似然估计法进行估计时，样本规模最小为200个。另外，Boomsma（1982）建议样本规模最小应大于100，大于200则更好。Nunnally（1967）建议被调查者是变量的10倍。本问卷共有题项23个，依照Nunnally的建议，样本量应为230份。本次收集了258份调查问卷，多于230份，符合结构方程模型对样本量的要求。

2、信度与效度检验

（1）信度分析

信度分析主要是检验所使用的量表在度量相关变量方面是否具有稳定性和一致性。本研究采用内部一致性指标对量表的信度进行检验。内部一致性以Cronbach’sα系数来估计。本研究总体的α系数值为0．8959，明显大于0．8，表明本研究总体上具有较高的信度。

（2）效度分析

效度是指一个量表度量它所要度量的内容的能力。本研究采用测量工具LISREL 8．30进行验证性因子分析来从定量的方面检验效度。在验证性因子分析中，首先要检验模型的基本拟合情况，其次要对模型的内在品质进行检验，即观察组成信度（CR）和平均变异数抽取量（AVE）。最后需要检验整体模型的拟合度，如果模型的拟合指数可以接受，则表明理论模型较好地拟合了样本数据。研究结果表明：标准化因子负荷在0．5－0．9之间不等，因此不存在小于0．5或者超过0．95的情况；标准化误差值多集中在0．5左右，除少数指标如SC3和CR4外，其余标准误差均较小。因此，模型的基本拟合情况可以通过，可进行下一步分析。同时，各构面组成信度分布在0．673－0．852之间不等，都大于0．6，同时，平均变异抽取量除顾客忠诚较小外，其余都大于0．5，说明量表在整体上具有不错的信效度，模型内在拟合程度较好。

3、结构方程模型的评价

（1）结构方程模型的设定

本研究主要探讨顾客价值、顾客满意、顾客忠诚、顾客情感、转换成本和顾客保留之间的关系，这些变量关系复杂且度量过程中肯定存在误差。结构方程模型将多元回归、路径分析和验证性因子分析等统计技术进行了集成，既可以在分析中处理测量误差，又可以分析各个变量之间的结构关系。因此本文将采用结构方程模型分析软件LISREL 8．30对本研究模型进行分析。

图2 理论模型路径图及其参数

本研究的理论模型具体转化为结构方程模型路径图，如图2所示。其中，潜在变量以椭圆形来表示，方框表示测量变量，单项箭头表示单项因果关系，单项箭头指向因子表示内生潜变量未被解释的部分，单项箭头指向指标表示测量误差。本研究中各研究变量的度量指标为：顾客价值（ξ1）：包括过程性（x1），功能性（x2）和对比性（x3）等三个测量指标；顾客情感（ξ2）：包括高兴（x4）、快乐（x5）、愉悦（x6）、兴奋（x7）等四个测量指标；转换成本（ξ3）：包括转换前的搜索与评估成本（x8）、转换后行为的认知成本（x9）、组织成本（x10）等三个测量指标；顾客满意（η1）：包括对定制产品的满意情况（y1），对业务流程的满意情况（y2），对配套设施的满意情况（y3），以及对全部消费经历的总体满意情况（y4）等四个测量指标；顾客忠诚（η1）：包括认知性忠诚感（y5），情感性忠诚感（y6），意向性忠诚感（y7），行为性忠诚感（y8）顾客保留（η3）：包括重购意愿（y9）、保留意愿（y10）、顾客承诺（y11）和交叉购买（y12）。

（2）结构方程模型的评价

LISREL 8．30统计软件可用于结构方程模型的参数估计和效果检验，可以提供非标准化和标准化的估计结果。研究结果表明：顾客保留最后一个测量指标因子载荷为0．49外，其余都分布在0．5－0．9之间，并且都达到0．05显著性水平，没有负的误差方差。这表明模型完全符合基本拟合标准，即模型是可识别的。

表1 各指标在其变量上的因子负荷

表2 假设检验方式及结果

H2d：顾客情感与顾客忠诚之间存在正相关关系 γ22〉0 0．27 3．14 显著H1e：转换成本与顾客忠诚之间存在正相关关系 γ23〉0 0．27 3．32 显著H2e：转换成本与顾客保留之间存在正相关关系 γ33〉0 0．13 1．65 不显著

本文的各种研究假设可以通过各潜在变量之间的回归系数来验证，本研究将运用LISREL8．30对全部数据进行分析，利用上述模型中的β和γ系数显著性来验证本研究模型及其假设，每一个因果假设评价都是在统计显著性基础上用标准路径系数来估计因果关系强度。由于本文前文所设9个研究假设都为正相关关系，因此只有当各结构变量之间的回归系数大于零时，才能说明两两结构变量之间存在正相关关系。

四、研究结果讨论

1、顾客价值与顾客保留、顾客忠诚、顾客满意的关系

本研究假设顾客价值与顾客保留之间存在正相关关系（H1a）。顾客价值对顾客保留的路径系数是0．11，大于0说明这一影响是显著的（T值为1．23），假设获得支持。这表明顾客价值对顾客保留有一定的直接促进作用。

2、顾客满意与顾客忠诚的关系

本研究假设顾客满意与顾客忠诚之间存在正相关关系（H1b）。顾客满意与顾客忠诚之间的路径系数是0．50，达到0．05的显著性水平（T值为3．68），假设获得支持。这表明顾客满意与顾客忠诚之间有明显的直接促进作用，也就是说，提高顾客满意可以提高顾客忠诚。

3、顾客忠诚与顾客保留的关系

本研究假设顾客忠诚与顾客保留之间存在正相关关系（H1c）。顾客忠诚与顾客保留之间的路径系数是0．68，达到0．05的显著性水平（T值为4．70），假设获得支持。这表明顾客忠诚与顾客保留之间有明显的直接促进作用，也就是说，提高顾客忠诚可以提高顾客保留。

4、顾客情感与顾客满意、顾客忠诚的关系

本研究假设顾客情感与顾客满意之间存在正相关关系（H1d）。顾客情感与顾客满意之间的路径系数是0．45，达到0．05的显著性水平（T值为5．53），假设获得支持。这表明顾客正面情感与顾客满意之间有明显的直接促进作用，也就是说，提高顾客正面情感可以提高顾客满意。

5、转换成本与顾客忠诚、顾客保留的关系

本研究假设转换成本与顾客忠诚之间存在正相关关系（H1e）。转换成本与顾客忠诚之间的路径系数是0．27，达到0．05的显著性水平（T值为3．14），假设获得支持。这表明转换成本与顾客忠诚之间有明显的直接促进作用，也就是说，提高顾客转换成本可以提高顾客忠诚。

五、结论

伴随着中国证券市场的发展，证券业经营环境的巨大变化使得我国证券市场竞争日益激烈，在证券监管趋紧、行业垄断行将打破、证券业进入微利时代的背景下，证券公司越来越意识到顾客才是企业生存和发展的关键。而大规模定制这一概念的提出，为企业低成本、高效率的满足顾客个性化的需求提供了可行之路。本文在结合理论推演和实证研究的基础上，得出如下结论：

第一，证券行业大规模定制的实施需要强大的CRM管理系统的支撑，而客户关系管理的最终目的是实现有效识别和管理，提升顾客满意和忠诚，并最终保留住优质顾客。本文以此为出发点，构建基于大规模定制的证券行业顾客保留驱动因素模型，认为顾客价值、顾客满意、顾客情感、顾客忠诚和转换成本是顾客保留的主要影响因素。

第二，以中信建投为对象进行实证研究，设计并发放问卷，对样本数据的信度和效度分析结果说明本研究所设计的度量指标是合理有效的。另外，本研究构建的结构方程模型的各项拟合指数也显示模型与样本数据的拟合程度较高。

第三，运用LISREL统计软件对模型参数进行估计，实证结果显示本文提出的9个研究假设，除顾客价值与顾客忠诚之间的正相关关系未得到验证之外，其余研究假设均得到实证结果的支持。通过对各结构变量之间的影响系数进行计算，本研究得出顾客忠诚对顾客保留的影响效应最大，这也与经典理论假设相一致，其次是顾客满意、顾客情感和转换成本，顾客价值的影响效应最小。

［1］托夫勒．未来的冲击［M］．北京：中国对外翻译出版公司，1985：229－282．

［2］Stanley D．Future Perfect［M］．Addison－Wesley Publishing，1987：5－120．

［3］Tseng M，et al．Design for Mass Customization［J］．Annuals of the CIRP，1996，45（1）：153－156．

［4］Jiao J，Tseng M．A methodology of developing product family architecture for mass customization［J］．Journal of Intelligent Manufacturing，1999，10（1）：3－20．

［5］He D，et al．Delayed Product Differentiation：a Design and Manufacturing Perspective ［J］．Computer－Aided Design，1998，30（2）：105－113．

［6］Erens F．Product Modelling and Other Functions［M］．London：Chapman ＆Hall，1997：193－208．

［7］Olsen K A，et al．A Procedure－oriented Generic Bill of Materials［J］．Computer and Industrial Engineering，1997，32（1）：29－45．

［8］S．Kotha．Mass customization：Implementing the emerging paradigm for competitive advantage［J］．Strategic Management Journal，1995（16）：21－42．

［9］Laitinen J Ollus M，Hannus M．Global engineering and manufacturing in enterprise networks Globeman，Proc of 3rd European Conf on Product and Process Modeling Lisbon，Portugal，2000．

［10］Feitzinger E，Lee H．Mass customization at Hewlett－Packard：the power of postponement［J］．Harvard Business Review，1997，75（1）：116－121．

［11］LAU R．Mass customization：the next industrial revolution［J］．Industrial Management，1995，（5）：18－19．

F830．91 < class="emphasis_bold">［文献标识码］A［文章编号］

1671－2803（2012）06－0081－05

2012－10－21

本文系国家自然科学基金资助项目（70471020）；教育部人文社会科学研究规划基金项目（12YJA790155；11YJA790219）。

1．徐宏毅（1964—），男，浙江宁波人，武汉理工大学教授，管理学博士；2．蔡萌（1988—），男，湖北麻城人，武汉理工大学高教所研究生；3．刘曼（1985—），女，河北石家庄人，武汉理工大学管理学院研究生。

肖建平