第五章 服務品質的度量方法、模式及量表
第一節 服務品質的度量方法
服務品質的度量方法
從顧客觀點來度量服務品質的方法
軟性度量方法是那些不容易被觀察到的且必須藉由與顧客、員工或其他人對話來搜集。
硬性標準和度量方法是與那些可被計次、計時或藉由稽核來度量的特徵和活動有關
服務行銷者所面臨的挑戰是要確保服務品質
的操作度量值能確實反應顧客的意見
軟性度量方法(1/3)
整體市場調查、年度調查和交易調查
整體市場調查和年度調查
度量所有主要顧客服務流程及產品的滿意度
目的在於獲得對公司整體服務滿意度的一個整體指數或指標
說明了顧客的滿意程度但未解釋顧客為何滿意或不滿意
交易調查是在顧客已完成某一特定交易後再較深入的詢問他們有關該交易流程的問題
軟性度量方法(2/3)
服務意見卡
這些服務意見卡是流程品質的一個良好指標和產出針對那些工作做的好或不好的特定回饋，但是回答者較不具有代表性且朝向非常滿意或非常不滿意的方向傾斜
神秘購買者
提供了高度可執行的和深入的觀點
因為神祕來電或拜訪的次數通常都較少，無單一調查是可靠的或有代表性的
軟性度量方法(3/3)
顧客主動回饋
不是一種可靠的整體顧客滿意度量，但它是未來改善想法的一種良好來源。
可做為向內部溝通顧客要什麼的工具以及直接傾聽顧客要什麼
焦點團體討論和服務檢視
焦點團體是由主要顧客區隔或使用者團體所組成來深入挖掘使用者的需要
服務檢視聚焦於最有價值顧客的維持和得到高度的服務補救潛能之印象
其他軟性調查方法
對顧客做持續性的調查
使用電話或郵件進行調查；利用科學性的抽樣程序以決定顧客的滿意度
顧客諮詢小組討論會
提供對服務表現上的回饋和建議
員工調查和小組討論會
瞭解員工對顧客服務品質的認知，認定阻礙更佳服務的因素，和獲取員工對服務品質改進上的建議
軟性度量方法的優點與缺點
硬性度量方法(1/2)
硬性度量是指作業程序或結果，包括機器正常運作時間(uptime)、服務回應時間、失敗率、和傳遞成本
美國聯邦快遞公司(FedEx)是許多最早瞭解到有需要建立一個全公司的服務品質指數(Service Quality Index，SQI)
硬性度量方法(2/2)
第二節 服務品質的度量模式
SERVQUAL度量模式(1/8)
服務品質(Q)的評量，是認知(Perceived) 品質與期望(Expected) 品質兩者相減所得的差異分數，且明確的提出服務品質衡量的計算公式為：Q＝P－E
基礎即為“認知-期望缺口” 觀念
服務品質評斷是由五種根本的特質所組成
SERVQUAL度量模式(2/8)
服務品質只直接受到認知品質的影響
應避免使用差異分數來度量服務品質
“很少，甚或任何理論或實驗上的證據足以支持認知-期望缺口可做為度量服務品質的基礎”，
詢問受訪者標示他的表現認知，已引導受訪者在心理上比較了認知和期望。換言之，認知判斷可能已包含了認知減期望(P－E)的心理過程
SERVQUAL度量模式(3/8)
Carman 質疑期望(E)的實際重要性，並建議不須要每次在度量消費者認知(P)時都度量期望(E)。建議當消費者未具有完好成形的期望時，不要度量期望，期望可被假定為零
Teas (1993)指出服務品質的期望觀念可能有嚴重的辨認效度問題，進而造成Q＝P－E的架構變成消費者服務品質認知的潛在錯誤指標。辨認效度是指某一度量(如，Q)不與其應為不同者(如，E或P)過度相關的程度
SERVQUAL度量模式(4/8)
消費者的期望觀念
預測的表現
應得的表現
公平的表現
最低可忍受的表現
理想的表現
SERVQUAL度量模式(5/8)
如果服務品質期望觀念是與應得的或公平的表現觀念相關時， (P－E)服務品質分數可代表一個符合邏輯的認知品質的連續。
服務期望度量是與預測的或理想的表現觀念相關，或與服務特性重要程度相關時，潛在嚴重度量效度問題就產生了
SERVQUAL度量模式(6/8)
若期望等於預測的表現
服務品質模式中的期望並非預測的表現水準
如果服務期望被定義為預測的表現水準，則服務品質(P－E)模式變成與消費者滿意度模式中的不一致的期望成分要素沒有差異
若回答者解讀服務品質度量中的消費者期望度量為要求預測服務表現水準，那麼產出的(P－E)分數將不是服務品質的度量，而只是不一致的期望的度量
SERVQUAL度量模式(7/8)
若期望等於理想特性的水準
若消費者的認知表現高過或低於理想的表現時，皆被認為呈現出較差的服務品質，此因最高品質分數發生在認知分數等於期望分數的時候
然而， (P－E)差異分數並不符合此種品質分數型態；差異分數正(反)向且絕對數值愈大者，被認為呈現出較佳(差) 的服務品質。在此情況下，SERVQUAL度量將產出無效的品質評價
SERVQUAL度量模式(8/8)
若期望等於重要程度權重
如果回答者解讀服務期望度量與特性重要程度觀念相關時，則(P－E)差異分數將產出無效的品質度量
以旅館的“可見的魅力”特性為例，加以說明
Carman度量模式
Q＝I(P－E)
此模式提供了一張清楚的優先順序表，以確保服務供應者首先聚焦在最重要的事務上。若遵循此程序，公司可清楚瞭解顧客的期望、公司表現的如何、和顧客最重視的服務層面為何
加入重視程度權重並不會提昇態度模式的預測能力
SERVPERF度量模式
Q＝P
不需要衡量期望品質，只要以簡單的認知品質來作為服務品質的衡量即可，且認為SERVPERF 比SERVQUAL 有較佳的預測能力、符合效度與辨認效度
品質認知並不受制於消費者的實際經驗
差異分數的問題(1/4)
信度(Reliability)問題
差異分數經常比它們的成分變數較不可靠 ;差異分數信度視兩個成分變數的相關係數及信度而定
無差異分數的兩個成分變數常被期望為正相關 ，較低的差異分數信度降低了它與其他變數的相關性
差異分數的問題(2/4)
辨認效度(Discriminant Validity)問題
辨認效度是指理論上不同概念的度量不會過高相關的程度
差異分數至少與它的兩個成分變數其中一個高度相關。
差異分數的問題(3/4)
假相關(Spurious Correlations)問題
因為差異分數不獨特於它的兩個成分變數，所以差異分數與其他變數間的關係可能是假的
兩個成分變數其中之一可能表現的比差異分數更好
當差異分數及它的兩個成分變數都包含在一個相同的分析且做為獨立變數於迴歸程式中時，差異分數與它的兩個成分變數之間的高度相關變的更加麻煩了
差異分數的問題(4/4)
變異數限制(Variance Restriction)問題
這問題來自於，當兩個成分變數之一持續地大於另外一個的情況
這變異數限制是系統性的
直接比較操作模式
於量表上直接評量顧客對認知與期望品質兩者的差距
不會破壞實質理論(subustantive theory)中的一個概念被認為是其他兩個概念的差異的說法。
優點是允許消費者隨其所欲地混合他們的想法
重要–表現程度分析法(1/5)
一種藉由「重要」-對消費者的重要性和「表現」-消費者認為表現情形的測度，將特定服務產品的相關性優先排序的技術
IPA潛在的假定即是消費者對屬性的滿意程度，來自於他對產品或服務的表現情形之期望與評價。IPA可將分析結果呈現在四個象限之內，而產生在各象限內的主要屬性就是詮釋消費者在做購買決策時的重要性與滿意程度特性，可依照屬性分佈情況進一步提出實用的建議
表現程度分析法(2/5)
分析四步驟
列出休閒活動或服務的各項屬性，並發展成問卷的問項形式
請使用者針對這些屬性分別在「重要度」與「表現度」二方面評定等級。
以重要度為縱軸，表現程度為橫軸，並以各屬性的評定等級為座標，將各項屬性標示在二維空間中
以等級中點為分隔點，將空間分為四個象限
表現程度分析法(3/5)
表現程度分析法(4/5)
IPA有三項假設
重要性和表現性有相關
所知覺的重要性與所知覺的表現情形是相反關係
重要性是表現情形的導因函數
表現程度分析法(5/5)
主要的限制在於調查工具本身
李克特尺度並沒有能力區分重要程度和表現程度之間微妙的差異。也未考量重要程度和表現程度與服務成本之間可能存在的任何關係
聚集所有顧客來產出與單一屬性或整體服務有關的期望和表現的度量，也是問題
尤其有可能，認為某一屬性重要的顧客也認知該屬性供應不佳，而認為某一屬性不重要的顧客也可能認知該屬性供應不錯
IPA與SWOT分析間之關係
IPA法的爭議論點(1/12)
缺乏一個重要程度觀念的清楚定義
IPA文獻並未提供屬性重要程度的一個明確定義
至少有另外五種與不同度量方法有關的重要性的定義
重要性可得自以記憶為基礎的自由誘導
自目標導向搜尋屬性所反應的重要性，是消費者在做一購買決定時主動在標的產品中尋找的
效用類型的重要性，可自聯合度量來獲得
消費者在做一購買決定時，願意考量某一特定屬性特質的主觀條件式機率亦是重要性的另一種操作
佘史東式的重要性度量，得自相對屬性重要性的配對比較，也在態度研究中受到重視
IPA法的爭議論點(1/12)
對IPA整體架構而言，缺少一個明確的評斷變項(a criterion variable)
當要度量屬性的重要性和表現性時，消費者滿意應成為一個標的評斷變項
重要性與表現認知和滿意之間存有一個函數關係
雖然如此，使用任何評斷變項並不是以前IPA研究中的一項傳統作為
IPA法的爭議論點(3/12)
重要性和期望的混合使用
重要性與期望的微弱差異在於，消費者滿意是與特定重要屬性相關的期望和屬性表現判斷的一個函數
重要性是「一種慾求的結果(a desired outcome )」，而期望是「消費者對服務品質認知中一種容忍的結果(a tolerated outcome)」
IPA法的爭議論點(4/12)
缺乏對絕對及相對重要性的研究
絕對及相對重要性的預測效度(predictive validity)在IPA研究中未受到充分的考量
當受訪者做重要性評分時，被指導一次考量一個屬性。這種「天花板效應(ceiling effect)」非常可能是因為研究者傾向使用一套選取過的屬性來度量重要性
絕對重要性無法反應競爭的商業環境。
一個屬性的市場導向相對重要性可能會比屬性的絕對重要性更有效
IPA法的爭議論點(5/12)
重要性和表現之間的關係及屬性之間的關係的含意
許多IPA研究沒有考量重要性和表現之間的潛在關係。
重要性可被用做表現的一個權重變項。
重要性與表現是正相關
這種關係也可由可概論化理論來說明。
既知重要性和表現兩者之間存有一種因果關係，傳統IPA方格可能提供嚴重的錯誤資訊，依該關係的本質和強度而定
重要性和表現兩者之間存有一高度正值相關
此種屬性的分散狀態違反了分類原則。
IPA法的爭議論點(6/12)
IPA法的爭議論點(7/12)
只要重要性和表現兩者之評分共變異(covary)，則傳統IPA方格做為發展管理建議的一種依據就變的無效了。
各屬性的重要程度之間和表現程度之間的相關性可能對屬性在IPA方格中的分佈型態有所影響
這種屬性間相關的型態可能造成兩個相關的屬性落在同一個象限之中。
IPA法的爭議論點(8/12)
缺乏發展出一套可使用屬性的指導原則。
一個典型的IPA研究從相當多用來度量重要性和表現的屬性開始。但是，大部分的研究者在預測階段開始減少屬性的數目，為了要達成一個簡約的研究架構和將累贅減至最低，而在研究模式的完全性與實際性之間做取捨的決定
IPA法的爭議論點(9/12)
使用單向或雙向度量尺度於重要性
重要性觀念是單向的或雙向的？許多研究者使用一種尺度從「不重要」到「非常重要」來單向地度量重要性，而其他研究者使用雙向的尺度來度量重要性，從「非常不重要」到「非常重要」。卻少見其在心理計量上的原因說明
IPA法的爭議論點(10/12)
使用實際平均值或尺度平均值於建構IPA方格之中
使用重要性和表現的尺度平均值或實際度量的平均值，會造成研究結果和說明相當不同
當使用實際的平均值時有必要小心地解釋研究結果，因為原來尺度的範圍可能被切割劃分了，而需要不同的解釋
IPA法的爭議論點(11/12)
潛在的錯誤屬性分類於IPA方格之中
看圖中，假設的屬性A，B，和C。依據IPA方法，屬性A和B被分到第一象限，而屬性C在第三象限。諷刺的是，屬性A和B的心理計量距離大於屬性B和C。所以非常可能，常用的統計技術，如因素分析、多元尺度分析、和集群分析，將會產出屬性B和C更可能落在同一分類中而非屬性A和B
從屬性A和B萃取同樣的行銷建議可能造成各屬性特定資訊的流失，所以可能並不是一個有效的資訊解讀。這分類問題透露出IPA可能並非夠高級來精確地代表資料結構
IPA法的爭議論點(12/12)
與策略建議有關的一個哲學性的議題。
IPA的目標與今日市場中大多數公司的策略哲學並不一致。IPA視公司表現高於預期的結果，如同資源和努力的過度投入。在觀光事業中，更多的表現常常產出顧客滿意而。
一間公司不容易總能表現的確實符合屬性的重要程度，以避免可能的過度投入或減少屬性對額外資源分配的需要
第三節 觀光服務品質的評估量表
觀光服務品質的評估量表
觀光服務品質的評估量表
航空業服務品質評估量表
主題遊樂園服務品質評估量表
旅遊網站服務品質評估量表
國際觀光旅館服務品質評估量表
團體全包式旅遊產品服務品質評估量表
旅行社服務品質評估量表
