基于因子分析法的网贷平台满意度研究——以A网贷平台为例

文/张志强，中国人民大学

基于因子分析法的网贷平台满意度研究
——以A网贷平台为例

文/张志强，中国人民大学

本文采用因子分析法，识别出影响A网贷平台用户满意度的3个主要因子，按照影响程度从大到小分别为“收益维度”、“安全维度”和“产品维度”。其中，“安全维度”和“收益维度”的满意度相对较高，“产品维度”的满意度最低。最后，针对满意度得分较低的方面提出优化建议，以供参考。

因子分析法；用户满意度；网贷平台

1 研究综述

P2P网贷是指通过第三方互联网平台进行资金借、贷双方的匹配，需要借贷的人群可以通过网站平台寻找到有出借能力并且愿意基于一定条件出借的人群，帮助贷款人通过和其他贷款人一起分担一笔借款额度来分散风险，也帮助借款人在充分比较的信息中选择有吸引力的利率条件。自P2P网贷诞生以来，人们对其的热情就不曾减退，2014年全国P2P网贷成交额为3291.94亿元，2015年P2P网贷市场成交金额达9541亿，2016年交易额近两万亿，为19544亿元；截至2017年6月底，2017年上半年全国P2P网贷成交额就已经达到1 9,290亿元，同比增长了72.8%。然而，在被负面新闻充斥的P2P行业中，各种网贷平台的安全性、背景、收益等参差不齐，影响用户投资满意度的因素也有很多，因此，P2P网贷企业要想在行业中立足，迎接未知的挑战，进一步开拓市场，必须深入研究用户，优化用户体验。

从20世纪90年代起开始，国外专家学者对客户满意度作了大量的研究，并取得了相当的研究成果，Kotler（2001）认为客户满意是顾客期望与感知效果之间的差异函数，是对这两者相比较所产生的一种心里认知状态；宋先道、李涛（2002）系统分析了国内外顾客满意度测评的现状，通过对国内外顾客满意度测评的对比分析，针对客户满意度测评的一系列问题对顾客满意测评进行了大量改进，大大提高顾客满意度测评体系的准确性；通过对文献的学习，分析其使用的研究方法及功效，本文采用因子分析法对A平台用户满意度进行研究。

2 数据来源及处理

2.1 调查对象

本研究的调查对象为A平台的客户，在A平台的qq交流群中进行发放，发放时间为2017年6月12日～2017年6月15日，共回收问卷3 86份，经过剔除无效问卷后，回收有效问卷352份，有效率为91.2%，具备良好的回收率。

2.2 问卷设计及数据处理

在本次研究之前，在论坛上搜集了大量用户关于网贷平台评价的资料，也对用户满意度水平展开过访谈，通过对资料总结及用户访谈的词频分析发现，用户提及比较多的是：收益、投资安全、产品期限、营销活动、风控等。因此，本研究问卷分两部分组成：一部分是用户满意度评价指标，共有观测变量11项，采用李克特5级量表，“1”表示“非常不满意”，“2”表示“比较不满意”，“3”表示“一般”，“4”表示“比较满意”，“5”表示“非常满意”；一部分是人口统计学变量，包括性别、年龄、投资能力、居住地等变量。

用户基本特征：从性别上来看，女性用户占比为60.1%；从年龄上来看，20～30岁的占26.7%，30～40岁的占30.3%，40～50岁的占3 1.7%，50岁以上的占11.3%，分布较为平均；从投资能力上来看（您愿意在网贷平台上投入多少资金？），投入“5千～1万”的用户居多，占42.5%，投入“1万～5万”的用户次之，占32.6%；从居住地上来看，居住地为直辖市和省会城市的居多，占57.3%，居住地为乡镇村的用户数量最少，不足5.0%，这可能是由于受访群体中居住在农村的用户相对较少所致。

3 研究方法及分析过程

3.1 研究方法

研究方法采用了因子分析法。因子分析法是一种降维的方法，是将具有错综复杂关系的变量综合为少数几个因子，以再现原始变量与因子之间的相互关系，探讨多个能够直接测量，并且具有一定相关性的实测指标是如何受少数几个内在的独立因子所支配，并在条件许可时借此尝试对变量进行分类。简而言之，实质就是研究多个变量间的协方差矩阵，找出能综合所有变量主要信息的少数几个随机变量。

3.2 指标选取

根据文献资料总结及用户访谈，确定了“平均收益率”、“客户服务质量”、“邀请人投资返利”、“营销活动力度”、“投资的安全性评价”、“个人隐私信息的保护”、“平台的背景及资质”、“金融产品的丰富性”、“金融产品的投资期限”、“金融产品的起投金额”、“金融产品的灵活性”共计11项指标。

3.3 分析过程

根据量表的分析步骤，首先对量表进行了项目分析，将量表的总分按从高到低的顺序排列，项目按27%分位数进行独立t检验，以考察项目的区分度，结果项目全部通过，保留全部题目；然后，用主成分分析法对题目进行探索性因子分析（EFA），问卷的KMO值为0.765，Bartlett球形检验的显著性小于0.001，说明适合进行因子分析。按照特征值＞1的原则和正交旋转法抽取因子，删除跨载荷超过0.4的项目或载荷不足 0.4的项目，经过多次EFA，删除一个题目后（客户服务质量指标），得到收敛效度与区分效度良好的因素结构，变异解释程度如表1所示。模型中包含三个特征值大于1的因子，因子分析结果显示这三个公因子的方差贡献率累计达到65.4%，这三个因子包含了原始变量的大部分信息。接着对三个因子进行内部一致性信度分析，“第一公因子”维度的信度为0.76，“第二公因子”维度的信度为0.70，“第三公因子”维度的信度为0.68，问卷的总体信度为0.72，问卷的信度都达到了0.70以上, 表明包含10个项目的网贷用户满意度问卷的信度相对良好。“第一公因子”主要是与产品收益相关，命名为“收益维度”；“第二公因子”主要是与安全防护相关，命名为“安全维度”，“第三公因子”主要是与产品相关，命名为“产品维度”。

3.4 因子得分

根据spss得出的成分得分系数矩阵（如表2所示），我们可以将各公因子表达为各变量的线性形式，具体表达式如下所示：

F1=0.473Q1+0.486Q2-0.061Q3-0.040Q4-0.157Q5+0.180Q6+0.1 00Q7+0.130Q8-0.075Q9+0.262Q10

F2=-0.139Q1-0.167Q2+0.425Q3+0.411Q4+0.386Q5-0.187Q6-0.013Q7-0.002Q8+0.219Q9+0.056Q10

F3=0.079Q1+0.065Q2+0.043Q3+0.026Q4-0.053Q5+0.404Q6+0.4 39Q7-0.247Q8+0.385Q9+0.025Q10

表2 成分得分系数矩阵

由公因子的表达式，我们可以计算出每个因子的满意度得分，各变量的原始数据进行标准化后取均值并代入表达式，然后将结果进行百分化处理，最终的数据是，收益维度得分为81分，安全维度得分为87分，产品维度得分为70分。单一因子的满意度情况并不能反映整体的满意度，因此考虑按各公因子对应的方差贡献率比例为权数进行加权平均，来计算综合得分，总体满意度的计算公式为：F=0.517F1+0.293F2+0.190F3。通过计算，A平台的满意度总体得分为80分。

3.5 A平台满意度均值分析

为了更好地了解用户满意度情况现将调查结果分为三个水平，选择5（非常满意）和4（比较满意）的视为“满意”，选择3（一般）的视为“中立”，选择2（比较不满意）和1（非常不满意）的视为“不满意”，结果发现：安全维度得分最高，A平台用户对安全的满意度均值最高，为4.38，说明用户对平台的安全最为认可，这有一部分原因是由于用户在投资前对平台的资质、背景有过相关的调查和研究，在自己对资金安全充分肯定的情况下，将资金放入平台；收益维度的满意度均值相对次之，为3.96分，其中营销活动力度方面用户评价相对较低，这可能是由于与同行业相比，A平台的活动少或者活动优惠不及其他平台，使得用户评价低于同维度其他两项；产品维度的满意度同样偏低，为3.85分，尤其是产品的起投金额和灵活性两个方面，均有超过30%的用户选择“一般”或“不满意”，产品方面是A平台后续加强改善的重点。

3.6 其他满意度影响因素分析

投资能力越强的人满意度越高，40对以上的用户对平台的满意度较高。将每个用户的满意度评价得分汇总平均后（数值变量），将投资能力变量作为分类变量（问卷调查中已做了分类处理）进行方差分析，发现不同投资能力的人满意度是不同的（sig值＜0.05），投资能力越强的人对A平台的满意度越高；另外，对满意度得分按照分值的区间转化成分类变量，并与各人口统计学变量进行交叉分析及卡方检验。数据显示，不同年龄的用户对A平台的满意度是不同的（sig值＜0.05），相比于40岁以下的用户来说，40岁以上的用户对A平台的满意度评价较高（见图4）。

图1 年龄 * 满意度交叉分析

通过词频分析用户对A平台的主观评价时发现（就您对A平台的接触和使用情况来看，您还有哪些意见和建议？），“安全性高”、“收益较满意”、“提现到账快”、“产品种类少”、“活动少”等词的出现频率相对较高，另外结合定量分析，可以将A平台的用户总结为以下几种类型：

一是信任型用户，此类用户对A平台有较深的感情、看好A平台的发展，他们从回款-提现效率、收益、安全性等方面对A平台加以高度评价，投资能力也相对较高。

二是收益型用户，此类用户对A平台的安全性、信用有信心，但是对收益非常看重，一旦利率上有所下降，此类用户最为敏感，如果利率下降到突破其底线，此类用户则有较大的流失风险。

三、活动型用户，此类用户中，投资能力分布较为平均，各档位投资能力的用户均有涉猎，其对平台活动最为关心，只有在平台有活动时才会进行投资。

四是标签型用户，此类用户并不是一个特定的群体，如有些用户对产品的丰富程度有所要求、有些用户对提现的及时性比较在意、有些用户对平台背景比较看重等等，他们均有自己独特的标签，独立的需求。

4 结论与建议

4.1 根据因子分析模型得出，影响用户满意度的因素分为“收益维度”、“安全维度”和“产品维度”这三个维度，其中“收益维度”的方差贡献率为35.1%，是影响满意度的最主要因素，其次是“安全维度”和“产品维度”。

4.2 因子得分结果显示，用户满意度的整体得分为80分，满意度水平相对较高。从三个公因子得分上来看，安全维度得分最高为87份、收益维度得分相对次之，为81分，产品维度的得分最低为70分，A平台应着重提升金融产品满意度，尤其优化产品的灵活性和产品的起投金额。

4.3 根据方差分析和卡方检验结果发现，投资能力越强的用户满意度越高、40岁以上的用户满意度较高，A平台今后可根据用户的画像、用户的类型进行差异化营销方法，优化营销策略，弥补与同行业相比营销方面的短板，提升用户的满意度。

[1]柏亮.中国P2P借贷服务行业发展报告[M].北京：中国经济出版社，2016.

[2]吴明隆.SPSS统计应用实务：问卷分析与应用统计[M].北京科学出版社，2003.

[3]何晓群.多元统计分析[M].北京：中国人民大学出版社，2008:192-206.

[4]李敏芳，田晨军.基于因子分析法的我国P2P网贷评级研究[J].湖北经济学报，2015,12(6):37-40.

[5]府亚军,黄海南.基于因子分析模型的上市公司经营业绩评价[J].统计与决策,2006(24):167-168.