酒店NPS测量系统模型研究

○ 陈海明，董倩婷

(肇庆学院 旅游与历史文化学院，广东 肇庆 526000)

酒店NPS测量系统模型研究

○ 陈海明，董倩婷

(肇庆学院 旅游与历史文化学院，广东 肇庆 526000)

顾客行为意向被酒店视为克制未来市场不稳定性因素的重要手段，净推荐值测量系统因其能够聚焦顾客对酒店的推荐程度，而被高星级酒店广泛应用于顾客关系工作。文章以高星级酒店为例，探索酒店NPS测量系统有机构成，并构建与验证酒店NPS测量系统模型。通过数据分析，研究者探索出NPS测量系统由服务环境、人员服务、个性化服务和餐饮体验四个维度构成，并在因子探索与路径验证基础上构建并修正了NPS系统模型，深刻揭示了酒店NPS测量系统的内在理论机理。

NPS测量系统； 净推荐值； 模型研究

一、绪论

随着我国酒店业快速发展，大批国外著名的酒店集团纷纷入驻中国酒店业市场，如万豪国际酒店集团、洲际国际酒店集团等，酒店业一定程度上逐渐出现供给过剩的现象，行业竞争日趋激烈，获得良好的市场口碑和声誉成为酒店业成功的重要因素。

由于顾客行为意向被视为在未来一段时间内的购买行为意向，因此被酒店业视为减少经营不稳定性因素的重要法宝，并成为酒店赢取未来市场的重要手段。[1]其中“净推荐值(Net Promoter Score，简称NPS)”是顾客标志性行为意向，又称净促进者得分，即顾客将会向其他潜在顾客推荐某个企业或服务的可能性指数，其专注于顾客口碑如何影响企业未来。[2]NPS通过密切跟踪净推荐值，使企业能够预测酒店经营未来，获得经营优势。因此，酒店均希望获得顾客NPS数据，以便做好经营战略预制方向。

单一的“净推荐值”的收集显然不能了解顾客具体的需求和不满意的地方，从而不能更加具体明确地指导企业的经营管理。因此，酒店企业需要一个既包含顾客“净推荐值”又能掌握顾客意见的NPS测量系统。

本研究将以高星级酒店为例，收集酒店顾客NPS测量数据，研究NPS测量系统的有机构成与影响因素，并构建和验证更加科学的NPS测量模型。

二、文献综述

(一)NPS与NPS测量系统

NPS源自于Fred Reichheld(贝恩咨询公司客户忠诚业务的创始人)对顾客提出了一个问题：“您将我公司的产品或服务推荐给您的亲朋好友的概率有多大？”[3]这就是后来归纳总结出来的NPS“净推荐值”，它能将繁冗的顾客忠诚度测量变得简单而富有可操作性。

国外许多企业已开始利用NPS来得出企业的口碑、顾客的忠诚度，从而制定相应的营销策略。中国也不甘落后，推出了C-NPS(中国顾客推荐度指数，China Net Promoter Score)。[4]企业顾客关系人员按照顾客对这一问题打出的0到10分，将顾客分为三个类型：9～10分为推荐者(Promoters)、7～8分为被动者(Passives)，0～6分为贬损者(Detractors)。NPS值就是指推荐者所占比例减去贬损者所占比例后的净值。[5]NPS的得分在50%以上，即推荐者比贬损者要多，则被认为企业忠诚度不错。而NPS的得分值在70～80%之间则证明企业拥有一批忠诚度很高的顾客，同时这些忠诚顾客愿意并将会将企业推荐给他人。NPS 值越高，说明顾客向其亲朋好友推荐该企业的产品或服务的可能性越高，那将为企业所带来的利润也越高。但实际调查中显示，大部分企业的NPS值还是在5～10%之间徘徊，也就是说，企业所建立起来的忠诚顾客仍不足，要更加重视忠诚顾客的培养。[6]

多年来，贝恩咨询公司已经开发了许多不同的方法，将这一简单的问题，逐渐形成一个衡量的特定指标，同时也是一个完整的系统，这就是NPS测量系统。测量中，通常只需要几个问题，通过0～10的打分，便可使顾客的负担降低。NPS是一个单一的数字，可以进行月度、年度的跟踪。企业可以通过电话，电子邮件或网络进行NPS调查，无论哪种方式都能产生最佳的答复率和最有用的数据，越来越多的公司采用了完整的网络NPS系统，并逐步适应自己的业务。NPS测量系统可以快速得出分数，以便人们能够及时看到他们表现的结果，它可以与员工和管理人员无障碍地分享最新的NPS评论。他们可以通过查看给出不利得分的顾客的资料，发现顾客的关注点，并尽可能解决问题。前线经理和高级领导可以通过NPS来对顾客进行回复，表示企业一方的诚意。因此NPS被广泛应用在各种行业业务环境中。

(二)酒店业NPS测量系统

酒店业被认为是最典型的服务产业，因此，顾客的行为意向对酒店的经营管理显得尤为关键，以“净推荐值”为核心的NPS测量系统能够直观有效地反映酒店的顾客行为意向，因此该测量系统被诸多星级酒店应用。

与其他服务业不同的是，酒店NPS测量系统聚焦有形的服务环境和无形的人员服务，注重酒店综合服务系统对顾客评价的影响。[7]这是基于顾客中酒店消费所获得的有形和无形服务的感知，包括服务传递的过程与机制、员工角色、服务过程中设施设备等有形成分和环境等。[8]Bitner(1990)也提出顾客在酒店消费中除了会获得无形服务外，还会获得服务组织、服务硬件、服务环境等有形因素的综合感知，[9]即包含技术核心和实体设施两部分，具体体现在服务人员、服务设施、非人员沟通等方面。

但随着顾客需求的升级和多元化发展，酒店顾客还会在意酒店对待顾客的个性化差异服务。个性化服务是指企业针对顾客不同需求或潜在需求，主动地为其提供有别于标准服务、超出其期待、具有一定附加价值的服务。[10]在酒店而言，就是提供给顾客具有酒店个性与特色的服务，包括记住顾客的称呼、喜好、习惯，细致地为顾客服务等内涵。这要求酒店服务人员要用心去关注顾客的需求，揣摩顾客的心理，投其所好给顾客留下深刻的印象。

三、研究方法

(一)量化研究方法

本研究采用量化研究方法，通过收集数据和分析数据得出研究结论。收集数据方法采用的是问卷调查法，分析数据采用的是SPSS21.0和AMOS21.0两个数据统计分析软件，通过探索性因子分析探索NPS测量模型的维度构成，通过模型分析假设和验证模型中的路径关系和模型整体的适配度。

(二)数据收集工具

本研究采用问卷调查收集数据，问卷主要依据行业通用的顾客净推荐值测量系统进行设计，其内容主要包括两部分内容。第一部分为被调查者的基本资料，包括性别、国籍、会员等级、入住区域、入住天数、房间类型、楼层待遇和客人类型；第二部分为影响NPS分数的相关因素量表，包括顾客服务、员工关怀、入住程序、记住我与我的喜好、酒店印象、客房印象、宁静度、酒店餐饮。

由于各要素与顾客忠诚的关系强弱会因为测量方法的不可靠性而产生巨大差异，本研究采用单问项测量和多问项测量两种方法相结合。单问项测量较主观，通常直接询问顾客的总体满意度，因此“顾客净推荐值”“酒店个性化服务”和“酒店餐饮”评价采用单问项测量。多问项测量则是通过设置多个问题，基于该问卷所测量的各个方面对顾客来说同样重要的基础上，用于测量顾客对企业产品或服务不同方面的满意程度，能够全面地反映企业的情况。[11]因此，对酒店服务、酒店环境两方面采用多问项测量。为使得测量更加精细，问卷采用李克特十级量表设计。

(三)数据收集过程

本文对酒店抽选广东省河源市三星级以上酒店实施问卷调查，采用非随机抽样方法抽选调查样本，以面对面纸质问卷调查形式共发出问卷577份，收回有效问卷500份，回收率为86.66%，有效问卷调查样本特征统计如表1。

表1 调查问卷样本特征

备注：1.酒店的会员等级制度中，免费申请会员成为GOLD会员，每次入住可以积分，入住满15个房晚可升级为PLAT会员，入住满50个房晚可升级为DIAM会员；

2.KING/TWIN为园景大床/双床房，1VWK/1VWT为景观大床/双床房，CLBK/CLBT为园景行政大床/双床房，CLVK/CLVT为景观行政大床/双床房，RGBK/RGBT为园景套房，RGVK/RGVT为景观套房。

数据来源：SPSS21.0数据分析。

四、数据统计分析

(一)信度分析

为检测本研究中量表的信度，研究者对量表进行了可靠性分析，得出量表各维度和题项的Cronbach’s Alpha值，其中“酒店餐饮”“个性化服务”和“NPS”三个题项由于均为单个题项，因此对该三题进行捆绑信度分析，分析结果详见表4，分析结果得知各维度题项的信度系数Cronbach’s Alpha值均超过0.7,这说明量表的信度良好，即量表的可靠性较好。

表2 研究量表信度分析表

数据来源：SPSS21.0数据分析。

(二)效度分析

KMO检定值为0.884，Bartlett球形检验卡方值为2617.030，显著性P值<0.01(如表3所示)，表明收集的问卷数据适合进行因子分析。

表3 KMO和Bartlett检验

数据来源：SPSS21.0数据分析。

(三)因子分析

为探测NPS测量系统的维度构成，本研究使用探索性因子分析(Exploratory Factor Analysis, EFA)，分析时运用主成分分析法实施分析，分析得出各题项的公因子方差分布于0.716～0.990之间，未出现低于0.5的公因子方差值，如表4，因此保留所有的题项用于下一步分析。

表4 公因子方差

续表

题项初始提取您对这家酒店的客房印象如何1．0000．887您对这家酒店的宁静度感觉如何1．0000．716您觉得这家酒店的餐饮如何1．0000．987

提取方法：主成分分析。

数据来源：SPSS21.0数据分析。

进一步分析,所有题项的解释总方差，如表5，分析得出所有题项累计解释总方差达到86.476%，超过60%，说明各题项反应研究变量的程度较高。

表5 解释的总方差

提取方法：主成分分析。

数据来源：SPSS21.0数据分析。

研究者再以最大方差法对因子进行正交旋转(Varimax)，成功探索出4个影响酒店NPS分数的主要因子，详见表6。第一个因子有三个题项，分别是有关酒店印象、客房印象和宁静度方面内容，三者共同指向服务环境方面的内容，因此将其命名为服务环境；第二个因子也有三个题项，分别是有关酒店入住程序、顾客服务和员工关怀三方面内容，该三项内容共同指向酒店的服务人员相关方面，因此将该因子命名为人员服务；第三个因子只有一个题项，该题项是指酒店能记住顾客的个人喜好，由于顾客的个人喜好各不相同，因此需要针对不同顾客针对性做好备注，因人而异，对酒店服务提出较高的要求，因此将该因子命名为个性化服务；第四个因子是有关酒店餐饮评价的，通常酒店顾客以住宿为主要消费项目，餐饮也通常会作为住宿的辅助消费项目，尤其是早餐，因此将该因子命名为餐饮体验。

表6 探索性因子分析旋转成分矩阵

续表

题目成份1234您觉得这家酒店会记住您与您的喜好吗0．2170．2890．9170．138您觉得这家酒店的餐饮如何0．2820．2030．1410．920因子命名服务环境人员服务个性化服务餐饮体验

数据来源：SPSS21.0数据分析。

(四)模型构建与修正

本研究经过探测性因子分析得出NPS测量系统的维度构成，即服务环境、人员服务、个性化服务和餐饮体验。为深入探索NPS测量系统内部的作用机制，即各维度之间、各维度与NPS净推荐值之间的关系机理如何？研究者采用AMOS21.0构建NPS测量系统中各维度与净推荐值之间的关系模型，如图1，模型图中F1代表人员服务，F2代表服务环境，NPS代表净推荐值。

图1 NPS模型构建

模型假设主要包含三个层次：(1)服务环境、人员服务、个性化服务和餐饮体验四个方面分别正向影响净推荐值；(2)服务环境、人员服务和个性化服务三个因素正向影响餐饮体验；(3)模型整体拟合。

研究者将研究数据导入拟定的模型结构中，模型顺利收敛，证明模型没有明显错误，收敛后的模型得出非标准化回归系数的估计及其显著性检验，如表7，分析结果显示所有路径回归系数没有负数，说明模型参数正常。进一步进行显著性检验发现存在三条路径关系不够显著。

因此假设(1)和假设(2)中的路径关系中部分成立、部分不成立。

表7 回归系数分析表

数据来源：AMOS21.0分析。

由于模型回归系数的显著性检验中发现三条路径关系不够显著，分别是“个性化服务对餐饮体验”“个性化服务对净推荐值”和“餐饮体验对净推荐值”。因此，模型需要修正，删除该三条路径后模型能够顺利收敛,如图2。

图2 NPS修正模型非标准化路径系数图

收敛后的非标准路径系数未出现负值，且所有路径关系全部显著，如表8。

表8 回归系数分析表

数据来源：AMOS21.0分析。

模型分析中的标准化回归系数分析得出所有路径系数值较为理想，其中七条路径系数大于0.6，说明模型路径关系较为理想，如表9。

表9 标准化的路径系数分析表

数据来源：AMOS21.0分析。

通过模型分析得出模型整体拟合度相关指标：DF=24，CMIN=79.900，GFI=0.966>0.90，AGFI=0.937>0.90，PGFI=0.515>0.50，NFI=0.975>0.90，RFI=0.963>0.90，CFI=0.982>0.90，PNFI=0.650>0.50，PCFI=0.655>0.50，RMSEA=0.068<0.08。主要指标均符合模型质量标准，说明假设模型与数据适配度较高，模型整体拟合度良好，即假设三成立。

五、研究结论与启示

(一)NPS系统由服务环境、人员服务、个性化服务和餐饮体验四个维度构成

本研究对NPS系统进行探索性因子分析发现，NPS测量系统实际由服务环境、人员服务、个性化服务和餐饮体验四个维度构成。说明NPS测量系统既涵盖了有形服务指标，又涵盖了无形服务指标，而且还体现人性化服务特征，同时兼顾附属于酒店住宿核心消费的酒店餐饮消费体验。NPS测量系统虽然只有简简单单的九个题项，但体系构建较为科学和全面，并便于调查实施，既具有理论指导性又兼顾实际实施和操作，是一套兼顾理论与操作两个层面的酒店顾客消费评价系统。

(二)NPS系统模型中有三条路径关系不显著

本研究通过构建假设模型并与数据进行验证分析时发现，“个性化服务”并不能显著影响“餐饮体验”，也不能显著影响“净推荐值”，同时发现“餐饮体验”也不能显著影响“净推荐值”。因此说明“个性化服务”和“餐饮体验”并不能显著的影响和提升顾客的净推荐值，二者并不是酒店顾客净推荐值的主要影响因素。这一结论与酒店大部分顾客消费现实相吻合，原因是酒店大部分顾客实际上只参与较为常规的产品消费，因此对酒店的服务评价不会过于注重更具针对性的“个性化服务”，在产品消费评价上主要关注点仍是核心住宿产品。

(三)经修正后的NPS系统模型整体拟合度高

通过删除三条不显著的路径关系后，本研究的假设模型能够与研究数据较好地适配，证明修正后的模型具有较好的整体拟合度，修正后的整体模型主要由三组路径关系构建：一是酒店服务环境与人员服务正向影响顾客净推荐值的路径，这是模型中的主要回归路径关系，证实了酒店大多顾客较为注重酒店常规的无形服务和有形环境；二是酒店服务环境与人员服务正向影响顾客的餐饮体验，这是模型的附加路径关系，即作为核心产品的附属产品，顾客在酒店就餐同样注重酒店的无形服务和服务环境；三是酒店人员服务正向影响酒店人性化服务，这一路径关系是模型中的延伸路径关系，说明人性化服务也是一种无形服务，这一无形服务对酒店服务人员提出了更高的要求。

[1]谢婷.顾客选择入住绿色饭店的行为意向研究——基于计划行为理论角度[J].旅游学刊, 2016, 31(6)：94-103.

[2]蔡丽华.基于净推荐值的A电商的客户满意度提升策略研究[D].上海：上海外国语大学, 2016.

[3]刘扬, 郭正权. NPS顾客忠诚度测评法研究[J]. 科技创新导报, 2009，(8)：236-236.

[4]杨大蓉.提高客户忠诚度的NPS方法及其实证分析[J].江苏商论, 2007，(3)：31-33.

[5]兰波万.净推荐值[J].市场观察, 2012，(2)：28.

[6]康黎.NPS在客户服务中的提升策略[J].企业技术开发月刊, 2015，(4)：78-79.

[7]肖芸.服务接触中的顾客管理实例研究[J].商业经济研究, 2012，(3)：32-33.

[8]黎冬梅, 朱沆.引起饭店商务旅客不满的服务接触研究——对携程网上北京酒店顾客评论的CIT分析[J]. 旅游科学, 2007, 21(2)：46-51.

[9]Bitner M J. Evaluating Service Encounters：The Effects of Physical Surroundings and Employee Responses[J]. Journal of Marketing, 1990, 54(2)：69-82.

[10]伍海琳.饭店个性化服务经营模式研究[J].企业经济, 2011，(2)：92-95.

[11]郑秋莹.基于Meta分析的“顾客满意-顾客忠诚”关系影响因素研究[J].管理评论, 2014, 26(2)：111-120.

TheModelResearchonHotelNPSMeasuringSystem

CHEN Haiming, DONG Qianting

(Tourism and Historical Culture College, Zhaoqing University, Zhaoqing 526000, China)

The behavioral intention of the customer is regarded by the hotel as an important device to resist the instability of future market. The NPS measuring system is widely applied in high-star hotels to dealing with customer relationship, because it can focus on how well the customer recommends the hotel. This paper takes a high-star hotel as a case to explore the organic composition of the hotel NPS measurement system, and to construct and verify its model. Through quantitative research, the dimensions of the NPS measurement system appear to be service environment, manual service, personalized service and dining experience. This research also builds and modifies the model of the NPS system on the basis of factor discovery and path verification, which profoundly reveals the theoretical mechanism of the hotel NPS measurement system.

the NPS measurement system; Net Promoter Score; model research

2017-06-14

河源市哲学社会科学课题“河源市酒店服务满意度与再宿意愿研究”(HYSK14P10)；肇庆学院人文社会科学项目“酒店顾客净推荐值测量系统研究”(ZQXY201701)

陈海明(1980—)，男，江西瑞昌人，肇庆学院旅游与历史文化学院讲师，博士。

F719.2

A

1672—1012(2017)06—0044—09