关于服务质量属性水平和顾客满意度的非线性模型.docVIP

关于服务质量属性水平与顾客满意度的非线性、非对称性关系的研究很多，其中以Kano模型应用最为广泛，是其他研究的理论基础。下面将介绍Kano模型的内容以及质量属性类别归属识别方法。 2.2.3.1 Kano模型 受行为科学家赫兹伯格的双因素理论的启发[44]在对大量的问卷的分析基础上，发现单维度的质量认知方法并不能充分揭示出顾客的偏好和行为，进一步通过大量的理论和实证研究，建立起对质量属性满足状况和满意程度的双维度认知，如图5所示。 图 5 Kano模型 根据不同类型的质量属性与顾客满意度之间的关系，Kano将产品/服务的质量属性分为 ：魅力Attractive quality)：魅力可以被描述为惊奇或惊喜的必备Must-be quality)：必备质量不时会 线性属性(One dimensional quality)：质量时会导致满意，不时会引起不满无差异Indifferent quality)：是质量中不好也不坏的方面，它们不会导致顾客满意或不满意。逆向Reverse quality)：逆向指引起强烈不满的质量特性和导致低水平满意的质量性， 2.2.3.2 质量属性类别归属识别方法 质量属性类别归属的识别方法即是如何识别出每一个特定质量属性归属于哪一个类别的问题。 Kano问卷法(Kano questionnaire) Kano开发了一个结构型客户问卷法来帮助确认不同功能的质量属性，以消除客户调查中的模糊性，这个方法比较直观，基本步骤如下: 从质量特性满足与否两个角度设计问卷，如表7所示。针对每一属性的配对问题,每个被访者可得到5×5种可能的回答组合, Kano给出了典型的属性分类,如表8所示,表中,“A”表示魅力质量,“M”表示必备质量,“O”表示线性质量,“I”表示无差异质量,“R”表示逆向质量,“Q”表示有问题的回答。最后，将所有被访者对每个属性的归类进行汇总，选择频数最大的一类作为该属性最终的类别归属。如表9所示，针对属性“护士的服务态度”，总体样本922人中认为该属性应该归为线性质量的人数最多，因此该属性被判定为线性质量。 表 7 Kano问卷的数据采集格式 如果护士的服务态度较好，您会 如果护士的服务态度不好，您会 (1)我喜欢 (1)我喜欢 (2)理应如此 (2)理应如此 (3)无所谓 (3)无所谓 (4)我能忍受 (4)我能忍受 (5)我不喜欢 (5)我不喜欢 表 8 Kano模型分析的质量属性分类 产品或服务提供此功能 产品或服务不提供此功能 喜欢 理应如此 无所谓 能忍受 不喜欢 喜欢 Q A A A O 理应如此 R I I I M 无所谓 R I I I M 能忍受 R I I I M 不喜欢 R R R R Q 表 9 质量属性归类汇总及判别举例 质量属性 魅力(A) 必备(M) 线性(O) 无差异(I) 逆向(R) 其他 质量属性归属类 护士的服务态度 12 377 499 22 11 1 线性（O） 关键事件法(Critical incident technique,CIT) 关键事件法最早由Flanagan(1954)[47]提出。很多的学者将其应用于服务质量领域来确定满意度影响因素[48],[49],[50]。这个方法潜在的思想是有些事件只会导致不满，而不会与满意相关，而有些事件则只会让人满意，而不会引起人们的不满，还有些事件既可能带来不满也可能带来满意。这三类事件分别对应于必备属性、魅力属性和线性属性。根据这个方法，顾客将会被询问，一方面想想他们感觉满意的时候并描述为什么他们感觉很高兴，另一方面，让他们想想他们感觉不满意的时候并描述为什么他们感觉这么不高兴。将这些细节总结成关键词并最终关联到一系列的属性。通过比较每个属性在满意情境和不满意情境中被提到的频次，得到满意度组成的因素结构。例如图6显示的Johnston(1995) [49]年对银行业满意度因素的研究,attensiveness/helpfulness主要出现在满意情境中，而很少出现在不满意情境中，说明这个属性是属于魅力质量；Integrity主要出现在不满意情境中，而几乎没在满意情境中出现，说明这个属性是必备质量；而commnunication这个属性引起满意与不满意的频次差不多，说明这是一个线性属性。 图 6 将关键事件法应用于确定满意因素与不满意因素的举例 Regression analysis with dummy variables) Brandt (1987)[51], Mittal et al. (1998)[46] and Anderson and Mittal (2000)[52]等使用多元虚拟变量回归分析法来确定质量属性对顾客总体满意度的非线性、非对称性影响。传统的回归