基于文本挖掘技術(shù)的分時(shí)租賃共享汽車用戶體驗(yàn)及影響

許 研，陶曉波

(北方工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100144)

0 引言

分時(shí)租賃共享汽車是一種以時(shí)間為計(jì)價(jià)單位，利用移動(dòng)互聯(lián)網(wǎng)、全球定位等信息技術(shù)構(gòu)建網(wǎng)絡(luò)服務(wù)平臺(tái)，為用戶提供小微型客車自助式車輛預(yù)定、車輛取還、費(fèi)用結(jié)算等服務(wù)。在城市道路資源飽和、汽車市場(chǎng)增長(zhǎng)疲軟的大環(huán)境下，分時(shí)租賃的共享特質(zhì)讓它承載起了替代私家車的使命[1-2]，分時(shí)租賃的平臺(tái)服務(wù)型商業(yè)模式又令它肩負(fù)了引領(lǐng)汽車產(chǎn)業(yè)服務(wù)化轉(zhuǎn)型的重任[3]。我國的各類政策一直鼓勵(lì)新能源汽車進(jìn)入分時(shí)租賃領(lǐng)域，加快租賃模式發(fā)展，壯大汽車租賃市場(chǎng)。然而，分時(shí)租賃在我國的發(fā)展卻一波三折，當(dāng)前面臨著市場(chǎng)滲透率低、用戶黏性低、持續(xù)使用意愿低等問題，市場(chǎng)需求不足，國外市場(chǎng)也非常相似[4]。分時(shí)租賃運(yùn)營(yíng)方的主業(yè)通常是汽車制造或連鎖停車服務(wù)，為了使主業(yè)中的資源增值投資運(yùn)營(yíng)分時(shí)租賃并將其作為副業(yè)來運(yùn)營(yíng)，缺少對(duì)用戶需求的關(guān)注。因此有必要從需求端入手分析分時(shí)租賃存在的問題。

一些分時(shí)租賃需求研究通過問卷調(diào)查和消費(fèi)心理白描等方法，識(shí)別影響用戶使用意愿的因素包括家庭經(jīng)濟(jì)狀況、差旅費(fèi)用預(yù)算、車輛需求、個(gè)人的共享意愿、基礎(chǔ)設(shè)施便利程度以及與其他交通方式銜接便利性等[5-8]。另一些研究則通過訂單數(shù)據(jù)分析，從汽車使用頻率、出行時(shí)間、出行距離、出行場(chǎng)景等方面刻畫分時(shí)租賃用戶畫像[9-15]。這些研究成果對(duì)于身處市場(chǎng)推廣初期的分時(shí)租賃大有裨益。然而，分時(shí)租賃已經(jīng)在我國發(fā)展了10 a之久，在國外發(fā)展歷程更長(zhǎng)，但國內(nèi)外均缺少用戶反饋的研究。分時(shí)租賃是一個(gè)以汽車為載體，包含著查詢、預(yù)定、駕駛、支付、分享和增值服務(wù)等功能的，打包好的整合出行服務(wù)。從共享服務(wù)的特性出發(fā)，跟隨客戶旅程挖掘和分析用戶的體驗(yàn)和反饋，對(duì)分時(shí)租賃的發(fā)展至關(guān)重要。

在此背景下，本研究以客戶旅程中的用戶反饋為研究對(duì)象，圍繞分時(shí)租賃的客戶旅程形成基礎(chǔ)框架，基于時(shí)間軸上的縱向跟蹤，挖掘出問題更為突出的服務(wù)環(huán)節(jié)，回溯不愉快服務(wù)觸點(diǎn)的演化進(jìn)程以及對(duì)用戶持續(xù)使用意愿的影響，并分析問題產(chǎn)生的原因。最后將梳理代表性企業(yè)的策略動(dòng)態(tài)，識(shí)別其在解決用戶反饋方面的效果，完善管理閉環(huán)，為分時(shí)租賃的運(yùn)營(yíng)服務(wù)設(shè)計(jì)提供改進(jìn)建議。

1 數(shù)據(jù)與文本挖掘模型

1.1 數(shù)據(jù)挖掘流程

構(gòu)建的基于論壇用戶討論貼挖掘客戶旅程，探索用戶服務(wù)體驗(yàn)、用戶情感態(tài)度和用戶口碑傳播行為之間關(guān)系的文本分析模型，如圖1所示。在構(gòu)建客戶旅程、情感態(tài)度的內(nèi)容標(biāo)記類目表后，進(jìn)行內(nèi)容標(biāo)記，完成內(nèi)容數(shù)據(jù)向量化數(shù)據(jù)的轉(zhuǎn)化；通過對(duì)用戶評(píng)論中頻繁提及的服務(wù)環(huán)節(jié)的統(tǒng)計(jì)，進(jìn)行服務(wù)關(guān)鍵觸點(diǎn)分析；通過對(duì)不愉快觸點(diǎn)與消費(fèi)情感態(tài)度和口碑互動(dòng)的頻繁項(xiàng)挖掘，進(jìn)行不愉快觸點(diǎn)產(chǎn)生原因和后續(xù)影響分析。

圖1 基于用戶討論貼的文本挖掘模型Fig.1 Text mining model based on users’ posts

1.2 數(shù)據(jù)來源與預(yù)處理

在用戶反饋渠道的選取上，將用戶投訴、抱怨最常見的社交媒體渠道-網(wǎng)絡(luò)論壇留言[16]，作為文本挖掘的來源。由于2018，2019兩年間分時(shí)租賃行業(yè)吸納了大量資本，獲得融資的企業(yè)迅速擴(kuò)大城市布局、投放車輛，分時(shí)租賃行業(yè)進(jìn)入快速發(fā)展期，直至2020年底該發(fā)展期落幕，將2018—2020年作為研究的時(shí)間窗口。在百度貼吧中選取了2018—2020年間，包含6家萬輛以上分時(shí)租賃品牌以及“共享汽車”等關(guān)鍵詞的貼吧，共2.06萬條主題帖，10.32萬條回帖。將主題帖和所有回帖作為基本分析單元[17]。數(shù)據(jù)預(yù)處理階段去掉了回帖數(shù)為0的主題帖。最后獲得的有效樣本描述性統(tǒng)計(jì)如表1所示。

表1 預(yù)處理后樣本的描述性分析Tab.1 Descriptive statistics of samples after pre-treatment

1.3 內(nèi)容分析法

內(nèi)容分析是基于定量分析的定性研究[18-19]。借鑒Krippendroff[20]的研究，內(nèi)容分析法主要包括構(gòu)建類目體系、內(nèi)容數(shù)據(jù)編碼和信度檢驗(yàn)這3個(gè)步驟。

1.3.1 構(gòu)建類目體系

本研究需要判斷發(fā)貼內(nèi)容主要圍繞哪個(gè)服務(wù)接觸點(diǎn)；該接觸點(diǎn)使用戶產(chǎn)生怎樣的情感和認(rèn)知反饋；以及用戶反饋引起的共情強(qiáng)度和規(guī)模，因此設(shè)計(jì)了3個(gè)維度的標(biāo)記任務(wù)。

(1)客戶旅程?？蛻袈贸坛尸F(xiàn)用戶與服務(wù)產(chǎn)生關(guān)系的全過程以及每個(gè)環(huán)節(jié)中用戶的需求、體驗(yàn)和感受。本研究借鑒了共享單車的客戶旅程[21]，電動(dòng)汽車的操作動(dòng)作和心理活動(dòng)列表[22]，以及分時(shí)租賃出行活動(dòng)場(chǎng)景[9]，將分時(shí)租賃共享客戶旅程歸納為7個(gè)環(huán)節(jié)，見表2。

表2 客戶旅程的內(nèi)容分析Tab.2 Content analysis of customer journey

(2)用戶情感態(tài)度。結(jié)合已有研究[23]，我們重點(diǎn)標(biāo)記了兩種情感態(tài)度—顧客滿意和顧客信任，見表3。

表3 用戶情感態(tài)度的內(nèi)容分析Tab.3 Content analysis of users’ emotional attitudes

(3)口碑傳播強(qiáng)度。討論貼的本質(zhì)是網(wǎng)絡(luò)口碑傳播的過程[24]。分時(shí)租賃的網(wǎng)絡(luò)口碑可以理解成用戶體驗(yàn)激發(fā)其他用戶情緒或發(fā)貼互動(dòng)的效果[25]，本研究選取評(píng)論數(shù)即回貼數(shù)量定義口碑傳播強(qiáng)度。

1.3.2 數(shù)據(jù)編碼

由4名體驗(yàn)過分時(shí)租賃的項(xiàng)目組成員對(duì)文本資料進(jìn)行獨(dú)立編碼，保證每份內(nèi)容資料均有兩份獨(dú)立編碼結(jié)果。在預(yù)編碼階段，讓編碼人員熟悉各維度類目表中的操作化定義；完善有歧義的操作化定義。在正式編碼階段，對(duì)編碼結(jié)果進(jìn)行一致性檢驗(yàn)；對(duì)于不一致的編碼結(jié)果，由兩名編碼共同討論，直到達(dá)成共識(shí)[20]。

1.3.3 編碼一致性檢驗(yàn)

采用科恩卡帕(Cohen Kappa)系數(shù)計(jì)算一致性檢驗(yàn)信度，檢驗(yàn)值在≥0.8的范圍內(nèi)被認(rèn)為一致。如式(1)所示：

(1)

式中，po為編碼一致的樣本比例；pe為編碼不一致樣本計(jì)算出的偶然預(yù)期一致性比例。

(2)

例如，兩名成員i和j標(biāo)記情感態(tài)度，共4類標(biāo)記，記為m=0，1，2，3?？倶颖玖坑洖閚。fim是成員i標(biāo)為類別m的樣本中與成員j標(biāo)記結(jié)果不一致的比例。fjm是成員j標(biāo)為類別m的樣本中與成員i標(biāo)記結(jié)果不一致的比例。正式編碼階段，科恩卡帕系數(shù)k均通過了一致性檢驗(yàn)，分別為2018年85.4%，2019年84.3%以及2020年86.4%。

1.4 類目關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則分析可以發(fā)掘數(shù)據(jù)集中類目之間的關(guān)聯(lián)關(guān)系和強(qiáng)度。例如，“車輛行駛不安全”、“投訴無效”以及“服務(wù)體驗(yàn)差”的討論內(nèi)容經(jīng)常一起出現(xiàn)在很多樣本貼中，說明客戶旅程的“開車駕駛”和“用后反饋”兩類目之間，以及它們與情感態(tài)度的“不滿意”類目之間存在著強(qiáng)關(guān)聯(lián)。關(guān)聯(lián)規(guī)則有助于分析分時(shí)租賃的哪些服務(wù)環(huán)節(jié)之間存在相互影響，哪些環(huán)節(jié)最易導(dǎo)致用戶不滿意或不信任，以及哪些環(huán)節(jié)容易引發(fā)負(fù)面口碑?dāng)U散。

編碼后出現(xiàn)在同一樣本帖中的類目之間被定義存在一次鏈接。藉由各類目之間的鏈接生成關(guān)聯(lián)矩陣。從關(guān)聯(lián)矩陣中找出高頻鏈接類目組，即共同出現(xiàn)頻率占樣本帖總數(shù)的比例高于最小支持度的類目組。最后計(jì)算所有高頻類目組的置信度，若滿足最小置信度，稱此規(guī)則為強(qiáng)關(guān)聯(lián)規(guī)則。

關(guān)聯(lián)規(guī)則支持度如式(3)所示：

(3)

置信度如式(4)所示：

Confidence(ci←cj)=P(ci|cj)=P(cicj)/P(cj)，

(4)

式中，ci和cj既可以是同維度內(nèi)不同的類目，例如“開始使用”和“用后反饋”等客戶旅程類目，也可以是不同維度的類目，例如客戶旅程的“開始使用”類目和情感態(tài)度的“不滿意”類目。關(guān)聯(lián)規(guī)則由Apriori算法完成。

2 結(jié)果分析

2.1 關(guān)鍵的服務(wù)環(huán)節(jié)識(shí)別

圖2給出了客戶旅程各類目在總體樣本中的分布情況。客戶旅程研究強(qiáng)調(diào)“一些特定觸點(diǎn)的改善是實(shí)現(xiàn)顧客滿意的關(guān)鍵”[26]。根據(jù)被用戶討論頻率的高低，階段7用后服務(wù)，階段6還車結(jié)賬和階段5開車駕駛這3個(gè)服務(wù)環(huán)節(jié)為分時(shí)租賃服務(wù)的關(guān)鍵觸點(diǎn)。

圖2 客戶旅程各類目占比統(tǒng)計(jì)(單位：%)Fig.2 Customer journey statistics of various categories(unit：%)

2.2 分時(shí)租賃不愉快接觸點(diǎn)分布

圖3給出了用戶情感態(tài)度的占比，可以發(fā)現(xiàn)負(fù)面情緒帖(不滿意+不信任)的總占比一直呈上升趨勢(shì)，從2018年的36.4%逐步增長(zhǎng)到2019年的47.4%，再到2020年的49.8%。這段時(shí)間里伴隨著融資熱潮，分時(shí)租賃企業(yè)一直在擴(kuò)張城市布局、投放車輛，隨之而來的市場(chǎng)流水也增長(zhǎng)顯著。但從用戶視角來看分時(shí)租賃的服務(wù)品質(zhì)卻下降了。

注：業(yè)務(wù)擴(kuò)展城市數(shù)為分時(shí)租賃頭部企業(yè)Gofun和EVCARD總和；分時(shí)租賃市場(chǎng)流水?dāng)?shù)據(jù)來自易觀-前瞻產(chǎn)業(yè)研究院圖3 情感態(tài)度占比的變動(dòng)情況Fig.3 Change of users’ emotional attitudes

為了明確哪些服務(wù)環(huán)節(jié)對(duì)用戶的負(fù)面情緒帖起主要責(zé)任，進(jìn)一步考察不愉快接觸點(diǎn)的分布情況。圖4展示了不同客戶旅程階段包含負(fù)面情緒帖占比的差異，以及在這3年中的變化。通過熱力圖可以發(fā)現(xiàn)不愉快觸點(diǎn)還是集中在客戶旅程的第5階段開車駕駛，第6階段還車結(jié)賬和第7階段用后服務(wù)環(huán)節(jié)。白色和淺灰色塊為用后服務(wù)環(huán)節(jié)引發(fā)的不滿最多，從2018的25.5%上升至2020年的35.6%。每年有1/3左右的主題帖在討論用后服務(wù)的問題?；疑珘K為還車結(jié)賬和開車駕駛，問題也較多，并且兩個(gè)環(huán)節(jié)引發(fā)的負(fù)面帖占比在2019年和2020年都有大幅度增長(zhǎng)。尤其是還車結(jié)賬，在2019年之后反超了開車駕駛成為問題次多的服務(wù)環(huán)節(jié)。

圖4 不愉快觸點(diǎn)在不同客戶旅程階段的占比Fig.4 Percentage of unpleasant touchpoints at different stages of customer journey

2.3 分時(shí)租賃不愉快觸點(diǎn)的影響

表4給出了客戶旅程類目和用戶情感態(tài)度類目之間的強(qiáng)關(guān)聯(lián)規(guī)則。可以發(fā)現(xiàn)開車駕駛、還車結(jié)賬和用后服務(wù)階段最容易導(dǎo)致不滿意、不信任或既不滿意又不信任，其引發(fā)的負(fù)面情緒占總帖數(shù)的39.6%，占負(fù)面情緒帖總數(shù)的91.1%。

表4 消費(fèi)環(huán)節(jié)與情感態(tài)度的關(guān)聯(lián)規(guī)則Tab.4 Association rules of consumption link and emotional attitude

表5給出了情感態(tài)度類目和口碑傳播強(qiáng)度的強(qiáng)關(guān)聯(lián)規(guī)則。關(guān)聯(lián)分析發(fā)現(xiàn)不信任的情緒比不滿意更容易導(dǎo)致負(fù)面口碑傳播。既不信任又不滿意最容易引發(fā)高強(qiáng)度口碑傳播，引發(fā)公眾的共情。

開車駕駛環(huán)節(jié)中，由于新手駕車或?qū)蚕碥囕v本身不熟悉導(dǎo)致的求助討論貼很多(3.5%，27.6%)，不會(huì)引發(fā)過多的口碑傳播(19.7%，68.5%)，見表4～5中標(biāo)下劃線的關(guān)聯(lián)規(guī)則；但如果是車輛質(zhì)量問題的發(fā)貼，則會(huì)引發(fā)不滿情緒(3.3%，25.8%)，導(dǎo)致中度的口碑?dāng)U散(9.7%，42.1%)，見表4～5中標(biāo)灰色的關(guān)聯(lián)規(guī)則。還車結(jié)賬環(huán)節(jié)中，很多討論貼談到了App計(jì)費(fèi)有誤或者信號(hào)弱無法還車導(dǎo)致被動(dòng)計(jì)費(fèi)，因而引發(fā)不滿意(6.0%，39.4%)甚至是懷疑平臺(tái)技術(shù)水平的不信任情緒(3.9%，25.9%)，導(dǎo)致中度口碑傳播。用后服務(wù)環(huán)節(jié)，這階段產(chǎn)生了大量的違章誤判和違章處罰滯后的事故，所以產(chǎn)生的不信任情緒較多(16.6%，3.2%)，進(jìn)而引發(fā)了中高程度的口碑傳播，見表4～5中標(biāo)灰色的關(guān)聯(lián)規(guī)則。

2.4 不愉快接觸點(diǎn)的內(nèi)容分析

表6列出了內(nèi)容分析標(biāo)記為不愉快觸點(diǎn)的高頻語句，它們反映了分時(shí)租賃在“運(yùn)營(yíng)車輛”、“技術(shù)”、“服務(wù)意識(shí)與責(zé)任感”、“體量與運(yùn)營(yíng)規(guī)?！币约啊芭c經(jīng)營(yíng)伙伴之間的關(guān)系”這5方面問題。

表6 內(nèi)容分析反映的問題Tab.6 Problems reflected by content analysis

在開車駕駛階段，由于2018年前后分時(shí)租賃公司一直致力于增加布點(diǎn)，投放車輛。用車便利性的負(fù)面口碑并不突出。只出現(xiàn)少數(shù)關(guān)于“車少”和“停車位少無法還車”的反饋。但是分時(shí)租賃在擴(kuò)張的同時(shí)，對(duì)舊有故障車輛沒有及時(shí)維護(hù)，給用戶造成了“行駛過程中突然熄火”“行駛過程中爆胎” “剩余電量顯示不準(zhǔn)確”“部分可租共享汽車無法正常使用”等困擾。用車階段“車內(nèi)不衛(wèi)生” “車輪氣壓不足”“車輛嚴(yán)重故障或損壞” “行駛過程中突然熄火”、“行駛過程中爆胎”等用戶反饋，一方面是維修和清潔不及時(shí)、服務(wù)意識(shí)不高或運(yùn)維人手不足導(dǎo)致的；另一方面也是對(duì)車輛情況的檢測(cè)技術(shù)缺失引發(fā)的問題。分時(shí)租賃運(yùn)營(yíng)需信息系統(tǒng)和車輛控制技術(shù)協(xié)同運(yùn)作，包括車輛定位和監(jiān)控系統(tǒng)、充電系統(tǒng)、計(jì)費(fèi)和訂單管理系統(tǒng)、車輛分配調(diào)度維修保養(yǎng)系統(tǒng)等等。如果有更精準(zhǔn)的車內(nèi)環(huán)境監(jiān)控技術(shù)、胎壓自檢測(cè)技術(shù)，不僅可以降低運(yùn)維成本，還能提升用戶體驗(yàn)。

在還車結(jié)賬階段，首先突顯出的是與經(jīng)營(yíng)伙伴的關(guān)系問題。例如“停車位少無法還車”和“出停車場(chǎng)被索要停車費(fèi)”是和網(wǎng)點(diǎn)租賃方?jīng)]有達(dá)成靈活的車位和收費(fèi)協(xié)議造成的麻煩；而“違章通知與還車時(shí)間間隔太久、處理流程復(fù)雜”則反映了分時(shí)租賃企業(yè)和交管部門的信息交互不暢?？梢姺謺r(shí)租賃企業(yè)與利益相關(guān)方的合作中話語權(quán)不高，運(yùn)營(yíng)水平受到經(jīng)營(yíng)伙伴的制約。其次，技術(shù)手段不能保障運(yùn)營(yíng)也是很多負(fù)面反饋背后深層次的問題。例如還車結(jié)賬階段“車沒還上，后續(xù)計(jì)費(fèi)”“行程0 km，計(jì)費(fèi)70 元”等零星討論，都是分時(shí)租賃app系統(tǒng)偶發(fā)故障導(dǎo)致的。

在用后服務(wù)階段，討論帖中“客服態(tài)度差”的投訴較少，而“不處理、不解決”、“車內(nèi)不衛(wèi)生”、“胎壓不足”等投訴相對(duì)更多。這不是單純的售后服務(wù)部門的問題，而是運(yùn)營(yíng)服務(wù)意識(shí)以及售后部門與其他部門協(xié)作水平的問題。其次，體量和經(jīng)營(yíng)規(guī)模問題。由于分時(shí)租賃公司一直擴(kuò)大布局，盲目擴(kuò)張規(guī)模后資金鏈斷裂引發(fā)了“倒閉”、“押金不退”、“退押金手續(xù)復(fù)雜周期長(zhǎng)”等反饋。分時(shí)租賃企業(yè)不是體量和規(guī)模不足，反而是體量和規(guī)模過大，超過了其資產(chǎn)安全監(jiān)管和營(yíng)收能力。倒閉風(fēng)險(xiǎn)使用戶產(chǎn)生了不信任的態(tài)度。

這些問題中用戶監(jiān)管技術(shù)缺失最為關(guān)鍵?！斑`章處罰不準(zhǔn)確、事故責(zé)任認(rèn)定不準(zhǔn)確”是由于共享汽車沒有有效的車內(nèi)設(shè)備和環(huán)境、車身部件的檢測(cè)監(jiān)管技術(shù)；僅靠“用車前全車身拍照，車內(nèi)環(huán)境拍照”、“用戶可以對(duì)違規(guī)停車、剮蹭等問題舉報(bào)前一位用戶……”等操作規(guī)定不僅無法準(zhǔn)確地認(rèn)定每位用戶的過失，而且繁瑣的操作導(dǎo)致用車體驗(yàn)差，“勸退”了很多老用戶。更嚴(yán)重的后果是過失認(rèn)定錯(cuò)判后，“事主沒有被懲罰”的負(fù)面口碑開始傳播，一些用戶用車越來越隨意，違規(guī)還車現(xiàn)象越來越多。更多的無辜用戶被卷入懲罰糾紛，或者在車輛行駛過程中發(fā)生故障。破窗理論認(rèn)為環(huán)境中的不良現(xiàn)象如果被放任存在，會(huì)誘使人們仿效，甚至變本加厲。如圖5所示，分時(shí)租賃服務(wù)目前就形成了這樣一條從“違規(guī)行為被誤判→負(fù)面口碑傳播→更多的違規(guī)行為(破窗效應(yīng))→更差的服務(wù)體驗(yàn)”的循環(huán)關(guān)系，并且在用戶論壇中廣為人知。用戶討論帖中顯現(xiàn)了這種破窗心里和行為的連鎖反應(yīng)。

圖5 用戶監(jiān)管技術(shù)缺失引發(fā)的破窗效應(yīng)Fig.5 Broken window effect caused by lack of user supervision technology

3 結(jié)論

在客戶旅程的框架下本研究對(duì)分時(shí)租賃服務(wù)用戶體驗(yàn)和反饋進(jìn)行了實(shí)證研究。研究發(fā)現(xiàn)：首先，分時(shí)租賃服務(wù)的不愉快觸點(diǎn)集中在開車駕駛、還車結(jié)賬和用后服務(wù)這3個(gè)階段。其次，3個(gè)階段引發(fā)的用戶負(fù)面情感逐年增長(zhǎng)，且易引發(fā)負(fù)面口碑傳播。最后，不愉快服務(wù)觸點(diǎn)反映了分時(shí)租賃服務(wù)在運(yùn)營(yíng)車輛、體量和規(guī)模、與經(jīng)營(yíng)伙伴關(guān)系、技術(shù)和服務(wù)意識(shí)這5個(gè)方面的問題。特別是用戶管理技術(shù)缺失，不僅導(dǎo)致了車輛剮蹭、車內(nèi)不衛(wèi)生、車況差等開車駕駛環(huán)節(jié)的服務(wù)痛點(diǎn)，還導(dǎo)致了還車后被誤判違規(guī)等用后服務(wù)環(huán)節(jié)的痛點(diǎn)。隨著負(fù)面口碑?dāng)U散，一些用戶了解到“技術(shù)無法準(zhǔn)確判定違規(guī)行為”后紛紛有了恣意用車、違規(guī)還車念頭，產(chǎn)生了破窗效應(yīng)，引發(fā)了惡性循環(huán)。

與已有文獻(xiàn)相比，分時(shí)租賃服務(wù)的協(xié)作式消費(fèi)風(fēng)險(xiǎn)、不良顧客、衛(wèi)生清潔和責(zé)任風(fēng)險(xiǎn)等問題在本研究中再次得到了證實(shí)。此外，本研究發(fā)現(xiàn)了一條負(fù)面口碑傳播引發(fā)破窗效應(yīng)，進(jìn)而引發(fā)更多服務(wù)痛點(diǎn)的循環(huán)關(guān)系鏈。用戶監(jiān)管技術(shù)落后是制約分時(shí)租賃服務(wù)發(fā)展的重要原因，也是一直被行業(yè)和企業(yè)忽視的問題。這一結(jié)論值得所有共享出行企業(yè)思考和借鑒。