基于模糊Kano模型与IPA分析的物流服务绩效评价研究

唐永洪

（佛山职业技术学院，广东 佛山 528000）

基于模糊Kano模型与IPA分析的物流服务绩效评价研究

唐永洪

（佛山职业技术学院，广东 佛山 528000）

及时掌握顾客满意与物流服务绩效之间的关系，采取有针对性的经营策略以不断提升客户满意度与忠诚度，对于物流企业建立竞争优势具有现实意义。通过构建模糊Kano模型，改进了质量要素分类方法，提高了其精确度，且结合IPA分析方法，确定质量要素相应策略及其优先权，最后结合实际运用，验证模型与方法的可行性与有效性，具有广泛应用价值。

模糊Kano模型；IPA；物流服务；绩效评价；优先级

1 引言

面对多样化、个性化、动态性等需求特征，企业需要运用现代方法与手段，及时掌握顾客需求的动态演变，适时改进与完善产品或服务质量，提高顾客满意度，建立市场竞争优势。

科学合理的客户服务绩效评价是改进客户服务质量的必备前提。当前，客户服务绩效评价过程中存在一些突出问题，譬如：欠缺供应链整体绩效的衡量；追求短期行为，弱化企业长远目标与转型升级谋划；缺少实时评估、不能及时地纠正经营偏差等。

Kano模型是一种强调以客户为中心，借助客户的评价数据探寻企业自身存在的主要问题与不足，进而改进经营策略的绩效评价工具，已在质量改进、产品设计、服务创新等领域得到较广泛应用。同时，该模型提出了质量认知二维模式，即客户对质量的感知取决于顾客需求与主观感受同产品或服务客观表现之间的相互作用，客观反映出产品或服务绩效与顾客满意之间的非线性关系等，并将产品或服务质量要素划分为魅力质量要素（A）、一元质量要素（O）、必备质量要素（M）、无差异质量要素（I）和逆向质量要素（R）等五类[1]。

但传统Kano模型在质量要素属性分类过程中没有充分反映顾客的真实内在感知、忽略了顾客需求的不确定性与动态性，一定程度上制约了Kano模型的应用。为此，有学者建议进一步细分质量要素分类结果将其划分为八类，以提高该模型对质量要素分类的准确性[2]。陈波波，齐佳音等提出运用“最大领先度”判别方法改进Kano模型质量要素的重要性指标评价方法等。本文提出构建模糊Kano模型思路与方法，精准化质量要素分类，且结合IPA分析工具研究物流服务绩效评价与改进策略问题。

2 基于模糊Kano模型与IPA分析的物流服务绩效评价

2.1 模糊Kano模型的构建

1965年美国L.A.Zadeh教授提出模糊理论，旨在解决现实生活中存在的复杂模糊现象，其主要思想是运用［0，1］模糊区间值代替0和1。模糊综合评价（FCE）要求评价者首先遴选出影响问题的主要因素，运用相关历史或实际数据，对复杂问题分别做出体现不同程度差异的模糊评价。模糊综合评价的基本模型构建如下。

首先，确定评价对象、因素集、评判等级集，分别用P、U、V表示；其次，对U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵[3]。

其中，rij表示 ui关于 vi的隶属程度，则(U，V，R)构成了一个模糊综合评判模型；最后根据拟定的置信度核算最终评价结果。

模糊Kano问卷可以了解顾客对产品或服务的真实感知，被调查者选择多种选项答案（即区间［0，1］当中的任意值，仅需要满足各行数值之和等于1），具体见表2。最后通过对顾客需求模糊性的量化处理，企业可以更加准确、客观地掌握客户需求及评价，进而不断改进与完善产品或服务质量，提升客户满意度与忠诚度。

模糊Kano模型根据模糊数学的隶属度理论将定性评价转化为定量评价，较好地解决模糊的、难以量化的问题，具有结果清晰、系统性强的特点。既能客观反映顾客需求的模糊性，同时也能发挥Kano模型在产品或服务需求分类上的优势。

表1 Kano模型质量要素分类表

表2 模糊Kano模型调查问卷表

运用模糊Kano问卷了解客户需求信息，进行数据筛选、整理，判断各需求类别。具体实施步骤如下。

（1）构造模糊矩阵。基于表2，假设正向问题（具备功能）矩阵X=[0.2 0.7 0.1 0 0]和负向问题（不具备功能）矩阵Y=[0 0 0 0.2 0.8]，则生成的交互评价矩阵为：

（3）引入置信度水平α∈[0,1]进行筛选。从质量要素属度向量可以看出，同一质量要素同时显示为多个质量属性（M、O、I、A），因此，引入置信度水平 α∈[0 ,1]进行筛选。为此，需要确定α取值，假如隶属度向量中的元素等于或大于α，则其所对应的质量属性用“1”表示；若其隶属度向量中的元素小于α，则其所对应的质量属性用“0”表示。如令α=0.4，则该质量属性向量T'=[1 0 0 0 0]为必备质量因素。α取值的不同会影响分类结果，选取合适的α十分关键，尽量避免信息交叉或信息失真。本论文采用比较法验证α取值。

（4）重复上述步骤，计算并确定全部质量要素的属性类别。对不同质量要素的不同属性出现频率进行统计，取累计次数最高的属性类别为该质量要素属性类别。若某属性累计次数相等，则按质量属性类别的优先级排序，一般来说其由高到低的顺序为必备质量因素、一元质量因素、魅力质量因素、无差异质量因素、逆反质量因素[4]。

2.2 绩效评估矩阵分析法

IPA是从客户的角度探寻影响服务质量关键性因子的分析工具。以质量要素市场表现评价值（即满意度指标）为横坐标、质量要素感知的重要性数值为纵坐标建立评价矩阵，矩阵图划分为低满意度低重要性，低满意度高重要性，高满意度低重要性，高满意度高重要性四个区域。各项指标重要性及其表现评价以问卷调查形式度量，评价指标数量要恰当，过少会影响分析效果，过多则会增大分析难度或者分散了对重要问题的关注度。根据原始数据的统计处理结果确定各质量要素在矩阵图的具体位置，矩阵图中不同象限的质量要素对应不同的经营策略。具体如图1所示。

图1 IPA矩阵图

第I象限：维持或降低策略。处于该区域的产品或服务质量要素，顾客满意度高，感知重要度低。与象限Ⅱ比较，象限I优先权低于象限Ⅱ。具体经营策略包括通过服务质量改进等增强重要性指标值或者适当降低服务质量指标等。

第Ⅱ象限：维持策略。处于该区域的产品或服务质量要素，顾客满意度高，感知重要度度均高，因此应继续保持高重要度及高服务绩效。

第Ⅲ象限：重点改进策略。处于该区域的服务质量要素，顾客满意度低，感知重要性高。需要重点改进该区域服务质量要素。

第Ⅳ象限：改进策略。处于该区域的服务质量要素，顾客满意度低，感知重要性均低。应采取改进策略提高服务质量。与象限Ⅲ比较，改进优先权低于象限Ⅲ。

此外，服务质量要素的不同分类也会影响所应采取的具体策略。譬如,必备质量要素达不到顾客要求顾客将会转向其他企业，因此必备质量要素具有最高优先权，其次是一维质量要素，然后是魅力质量要素，最后属于无差异质量要素。数字1－6代表了策略的优先顺序：对于改进策略，优先改进M－Ⅲ，其次是M－Ⅳ，以此类推；同理，对于维持策略，优先维持M－Ⅱ，其次M－I，以此类推。对于无差异质量要素和逆向质量要素，企业通常采取的策略是不关心或者忽略[5]。故表中未列出无差异质量和逆向质量要素。

结合IPA分析方法与Kano模型质量要素分类结果，确定各服务质量要素的应对策略及其优先权，具体见表3。

表3 产品或服务质量要素的优先权确定

3 实证研究

结合实证探讨企业物流服务质量评价与改进问题。A公司是一家新兴的生产建陶企业，公司面临原材料、人工成本上涨、环保投入增加以及市场竞争加剧等多重压力。该公司为了改善客户关系管理水平与绩效，提高客户满意度，组织了客户对其质量、价格、物流可靠性、供货及时性等的评价与期望的调查，以便发现存在的问题与不足，适时采取有针对性的经营策略。

3.1 问卷设计与数据收集

总共选择供货质量、供货成本、订单交货期、缺货率、交货期稳定性、配送仓位保障、配送正确率、客户响应能力、投诉处理效率及包装耐用性等十个服务评价指标，并将评价指标重要性及表现情况均分为五个等级（赋值为1至5）[6]。具体见表4。

表4 质量要素重要性等级及赋值表

问卷的第一部分是顾客基本信息，第二部分是质量要素情况调查。Kano问卷部分共10个条目，每个条目按表2形式进行设计。

表5描述了物流服务的各个质量要素及其为客户提供价值间的相互关系。

表5 物流质量要素分类及其客户价值

采用分层随机抽取调查对象与面谈调查形式，共发放问卷126份，最后共收回119份，其中有效问卷115份，有效问卷回收率为90%。

3.2 结果分析

便于比较，取不同置信水平 α =0.1，0.3，0.4，0.5，0.7分析。计算过程省略，最后得到不同置信水平下质量要素其质量属性的分类结果，见表6。

表6 不同置信水平α质量要素分类结果

表6中，各个质量要素在不同的置信度水平α情况下，所得到分类结果并不完全相同。譬如，质量要素G8在α=0.1或0.7时，其分类结果为A（魅力质量因素），但是，当α=0.3、0.4或0.5时，对应分类结果却是O（一元质量因素）。

另一方面，不同置信度水平下质量属性出现频数也不相同。统计结果见表7。

表7 不同置信水平α下质量要素频数分布情况统计表

表7数据分布显示：随着置信度α的增大，各个质量要素的属性类别累计频数在逐渐减少。当α≤0.4时，每个质量要素属性类别的累计频数均大于115（有效问卷数），保证了信息基本不失真，但存在信息交叉现象（即同一个质量要素被判定为两种或两种以上属性类别）；当α＞0.4时，质量要素属性类别的累计频数有小于115的情形，表明存在信息失真现象。

通过以上对比分析，置信度水平α取0.4时最为理想，既可以确保信息不失真，也能够减少信息交叉，从而得到较为准确的分类结果。因此，A公司质量要素的属性类别结果见表8。

表8 EH公司服务质量要素的分类结果

整理问卷数据，统计计算得出客户对服务质量要素的满意度与重要度评价值，所得结果见表9。

表9 质量要素满意度与重要性指标评价均值

根据表9数据，以满意度指标值为横轴，重要性指标值为纵轴，且以两指标评价值的均值（满意度均值为0.696 4、重要性均值为3.560 7）坐标为象限划分点，绘制IPA分析矩阵图。具体如图2所示。

结合图1、图2可知：处于象限Ⅱ与象限I的服务质量要素应采取维持策略，且象限Ⅱ的维持优先权高于象限I；象限Ⅲ和象限Ⅳ内的质量要素顾客应提高其绩效，且象限Ⅲ的改进优先权高于象限Ⅳ，属于重点改进项目，同时，结合Kano模型质量要素的属性类别，经营策略及其优先权的确定如下。

（1）改进优先权确定：G1、G9、G5、G7拥有最高优先权，且G1、G9优先级高于 G5、G7，因此，G1、G9为最优先改进项目；其次是G5、G7；最后是一维质量要素G3、G8。

（2）维持优先权确定：G4、G10、G2应采取维持策略，且优先权最高者为G4、其次G10、最后为G2。

（3）降低策略选择：象限I的质量要素应该采取维持或降低策略。包装耐用性（G6）客户认为最不重要，因此可适当降低产品包装耐用性，降低供货成本，具体见表10。

图2 物流质量要素的IPA分布图

4 结束语

构建模糊Kano模型改进了质量要素分类，提高了其精确度，同时运用IPA分析法，确定质量要素相应策略及其优先权。关键是要量化客户服务评价指标的重要性、绩效表现值。同时，根据所调查客户对企业重要性不同赋予不同客户的权重数，计算加权平均值。同时，考虑到不同客户群体对物流需求的差异，可以进行市场细分，了解不同目标市场顾客的需求差异，进而制定更具针对性的物流服务策略。

表10 质量要素相应策略及优先级

[1]唐一灵,王晓春,等.基于KANO模型的物流服务探测研究[J].价值工程,2011,30(4)：19-20.

[2]陈波波,齐佳音,等.对Kano模型中质量要素评价倾向判断判定方法的改进[J].北京邮电大学学报(社会科学版),2007,4（2）：51-53.

[3]孟庆良,何林.基于模糊Kano模型的质量属性分类方法及应用[J].工业工程,2013,16(3)：121-125.

[4]孟庆良,何林,等.基于GM(1,1)模型的Kano模型质量要素分类动态预测方法[J].中国管理科学,2015,9(9)：139-144.

[5]孟庆良,卞玲玲,何林,等.整合Kano模型与IPA分析的快递服务质量探测方法[J].工业工程与管理,2014,4(2)：75-82

[6]唐永洪.客户关系管理绩效评估矩阵及相对绩效矩阵的应用[J].中国市场,2008,11(45)：10-12.

Study on Logistics Service Performance Assessment Based on Fuzzy Kano Model and IPA

Tang Yonghong
(Foshan Vocational&Technical College,Foshan 528000,China)

In this paper,in order to have a timely handle on the relationship between customer satisfaction and logistics service performance,we built the fuzzy Kano model after improving its quality element classification process and accuracy,then in connection with IPA,determined the relevant strategy for the quality elements and its order of priority,and at the end,through practical application,demonstrated the feasibility and validity of the model and process.

fuzzy Kano model;IPA;logistics service;performance evaluation;order of priority

F224.0

A

1005-152X(2017)06-0107-05

10.3969/j.issn.1005-152X.2017.06.025

2017-04-20

2016年度广东省科技厅软科学研究基金项目“广东省建筑陶瓷产区一体化物流配送体系构建路径及对策研究”（2016A070705001）

唐永洪（1971-），男，湖南邵阳人，硕士研究生，佛山职业技术学院副教授，工商系副主任，研究方向：物流与供应链系统。