基于SERVQUAL模型的冷链物流企业服务质量研究

胡璇 刘双玉

摘 要：冷链物流逐步受到国家重视，但与发达国家相比仍有较大差距。为研究冷链物流企业服务期望与满意差异状况的冷链物流企业服务质量问题，文章运用SERVQUAL量表方法，设置影响冷链物流服务质量的6大维度25个测量项目，并以连云港地区冷链物流企业为实证研究，通过T检验得出该地区客户服务质量期望性与满意度之间存在差距，并利用IPA模型分析，归纳冷链物流企业需在客户信息保护、个性化服务、企业专业素养等服务质量方面优先改进，最终根据实证分析，结合冷链物流企业实际情况，提出针对性建议，以期为提升冷链物流企业服务质量提供指导意义。

关键词：冷链物流企业;SERVQUAL量表;IPA 模型

中图分类号：F259.23文献标识码：A 文章编号：1005-6432（2022）11-0016-06

DOI：10.13939/j.cnki.zgsc.2022.11.016

1 前言

冷链物流作为物流业的特殊分支，近几年不断受到重视，而冷链物流企业作为为冷链物品提供服务的企业，消费者对其服务要求更为严格。现今客户对冷链物流服务质量感受如何？面对冷链物流企业不同服务问题，如何提出对策，提升服务质量……这些都是现阶段亟待解决的问题。本文通过SERVQUAL模型（服务质量差距模型）及IPA模型，以实证分析为依据，在构建冷链物流企业服务质量评价体系时，发现客户对冷链物流企业服务期望与实际感知之间存在差距，并归纳出不同服务质量问题改进的优先性，提出建议，为冷链物流企业服务质量的提升提供参考和帮助。

1.1 服务差距模型分析

20世纪80年代中期到90年代初，美国营销学家A.Parasuraman、Valarie A. Zeithamal和Leonard L. Berry等人在《服务营销》（Services Marketing： Integrating Customer Focus Across the Firm）一书中详细介绍了服务质量差距模型（见图1），他们分析了五大差距的形成原因，并給出了缩小差距的建议。

1.2 服务差距模型修正

SERVQUAL量表主要运用于服务业，应用范围广，但是由于不同服务业具有各自的针对性，因此在运用SERVQUAL模型测量冷链物流企业服务质量时，考虑到冷链物流企业服务具有服务群体特殊性、冷链服务温控需求性等特征，本文对SERVQUAL模型量表的维度进行了修正（见表1）。

2 冷链物流企业服务质量实证研究——以连云港地区为例

2.1 统计量表

文章以连云港地区冷链物流服务情况进行实证研究，对于冷链物流企业服务差距，假设均无显著性差异。将冷链物流企业服务质量的有形性、可靠性、响应性、保证性、移情性、准确性六大维度分别用字母T（tangibility）、R（reliability）、A（answer）、S（surety）、E（empathy）、V（veracity）代表。在对冷链物流企业服务实际情况的了解和文献研究的基础上，文章将用25个因素对冷链物流企业的服务质量进行测量，具体测量项目见表2。

2.2 数据获取与模型检验

2.2.1 数据获取

根据表2中各项指标设计问卷，并采用李克特7级量表（1：非常不满意;2：不满意;3：比较不满意;4：一般;5：比较满意;6：满意;7：非常满意）对消费者进行测评。考虑到数据获取的有效性和样本收集的便利性，适当采用有偿问卷，并进行为期一个多月的问卷收集。为了增加问卷结果的可靠性，问卷主要针对连云港地区对冷链物流有消费的企业、个体单位进行发放。同时，问卷发放采用纸质发放和问卷星、邮箱、网络交流群等网上问卷发放形式。共发放问卷150份，回收139份，有效问卷102份，有效回收率为68%。

考虑到回收问卷的有效性，因此在问卷设计中，还需包含客户性别、年龄等基本信息，对于回收的有效问卷，样本基本信息如表3所示。

2.2.2 模型检验

（1）信度检验。本文采用反映内部一致性指标（Cronbachs Alpha系数）来表示，检验结果如表4所示。从表中可知，六个维度的分量表及总量表显示的Cronbachs Alpha系数均在0.9以上，表明量表整体的信度非常高，各项目之前具有良好的内在一致性。

（2）效度检验。本文利用因子分析进行问卷的结构效度测量，检验结果如表5所示。从表中可知，KMO值为0.931，KMO值大于0.8，Bartletts球形检验统计量的观测值为7555.007，对应的概率P为0.000，小于显著性水平，因此问卷结构信度较好。

2.3 服务质量差距分析

通过对冷链物流企业服务维度期望性与满意度差距的配对T检验得出（见表6），各个服务维度检验的P值均为小于0.05，两组平均值具有统计学意义。此外，分析结果发现，客户六大维度期望度普遍介于“比较满意和满意”之间，满意度介于“一般和比较满意”之间，服务差异普遍存在。其中“可靠性”期望度最高（5.43），“准确性”满意度最低（4.47）。而对于期望度与满意度差距，六大维度排序为“移情性>可靠性>准确性>响应性>保证性>有形性”，客户对冷链物流企业移情性相关服务带来的感受差异度最大。

通过配对T检验分析同样发现（见表7），冷链物流企业服务项目的期望度和满意度差距均达到了0.01的显著性水平。其中各服务项目在期望度与满意度差距上，“企业能及时完成承诺客户的事情”（R1，0.91）和“物流服务人员了解客户的需求”（E2，0.91）差距最大，物流服务人员很有礼貌（S2，0.41）差距最小。而从“有形性、可靠性、响应性、保证性、移情性、准确性”，期望性和满意度差异最大的项目分别是“物流企业具有先进的冷链物流设施设备及物流信息软件”（T3，0.64）、“企业能及时完成承诺客户的事情”（R1，0.91）、“物流服务人员随时为客户服务，及时回答客户问题”（A2，0.72）、“物流服务企业规章制度健全、合理”（S4，0.66）、“物流服务人员了解客户的需求”（E2，0.91）、“物流企业不泄露客户个人信息，保密性好”（V3，0.81）。gzslib202204041337

综上所述，无论是在冷链物流企业服务维度还是在各个服务指标，客户的期望性和满意度差距均存在统计学差异。

2.4 IPA象限分析

“重要性-表现程度”分析法（Importance-performance Analysis，IPA），由Martilla 和 James提出，客户对服务的满意来自其对该服务的各属性的重视程度和对各属性绩效表现程度的评价，有助于了解客户对不同服务的满意度以及明晰服务质量有限改进领域。文章利用IPA分析法，对冷链物流企业服务质量从不同象限进行评价，并将客户期望性设为“重要性”，作为横轴，将客户对服务质量的满意度作为纵轴。此外，对冷链物流企业服务质量评价6大维度，25 个项目所有样本进行描述性统计，得到冷链物流企业服务重要性均值为5.3256，满意度均值为4.6604，将其各总平均值作为X-Y轴为参考线，把图形分为A、B、C、D四个象限（见图2，为使结果更精确，图形数值保留4位小数）。

3 冷链物流企业服务质量提升对策建议

通过对连云港地区冷链物流企业服务质量实证分析，根据图2被划分的四个象限，并针对冷链物流企业服务质量具体实际，提出以下改进冷链物流企业服务质量的对策建议。

3.1 维护客户信息，营造良好冷链环境

企业与客户合作过程中，客户信息不可避免会进入合作企业，冷链物流企业作为特殊物流行业，客户信息更具有针对性，信息一旦被不良侵占，会给企业与客户双方造成困扰，尤其损害企业信誉。IDC公司的调查表明，80%受访者会因隐私问题而失去对企业的忠诚[1]。因此，可以执行CRM客户关系管理理论，严禁企业滥用客户信息，企业设立“信息维护报警机制”，利用现代信息技术和大数据网络，并结合《侵权责任法》等国家法律，一旦监测到企业人员非法利用客户信息，通过罚金、通报批评，甚至通过法律途径制裁，营造良好的冷链信息环境。

3.2 个性服务客户，提升客户满意度

個性化服务是现今社会物流领域重要发展方向，针对冷链物流企业，首先，应明确市场定位，找出客户核心需求。通过市场调研、客户需求心理分析，掌握目标客户基本情况，总结消费需求，并结合企业资源优势与核心竞争力，科学细分市场，提升企业客户针对性[2];其次，不断丰富物流企业服务项目，如对于新客户，可在物流费用上有折扣，不断创新服务项目，使客户个性化需求得到满足，提高客户满意度。

3.3 提升专业素养，维护企业形象

专业员工专业化水平，是任何企业保持持续发展的基础。数据分析表明，冷链物流企业在专业化水平、对待客户热情度等方面均导致客户不满意。因此，冷链物流企业不仅要通过思想教育完善企业员工工作热情度、着装规范性等要求，更要通过不断的培训，将理论最大限度应用于实际，通过专业知识的交流学习，提升企业的整体水平，维护企业声誉度与美誉度。

3.4 以客户为中心，提升客户自我实现感

数据分析中，关于“以客户为主体，优先客户利益”的几项测量项目中，客户均表现出不满意。针对企业客户，可进行分级管理，并同时将客户分为良性与恶性客户[3]。及时消除恶性客户，并不断通过物流成本折扣、企业回访、节日慰问等途径维护良性客户，通过分级区分管理，留住应留客户，增加客户自我实现感，夯实企业发展道路。

参考文献：

[1]马维国.客户关系管理与客户隐私保护[J].化工管理，2003（9）：36-37.

[2]郝静.第三方物流个性化服务策略思考[J].价格月刊，2016（3）：55-58.

[3]赵珣.以客户为中心的第三方物流企业服务质量评价研究[J].商场现代化，2017（1）：29-30.

[基金项目]上海震旦职业学院教育科学研究项目（项目编号：SHZD2020007）。