基于Kano模型的西服定制服务研究

谢惠灵, 陈子豪, 郭伟淇

(广东工业大学 艺术与设计学院,广州 510000)

随着体验经济时代的到来,服装的消费结构发生了变革[1],用户不再满足于批量化生产且设计同质化明显的服装,越来越关注服装的独特性、实用性及整体的消费体验。西服作为服装的主要类别之一,较好地满足了用户对着装场景的普适性需求,受到不同消费群体的青睐。近年来,随着消费需求的升级,用户购买西服从单一的实用性因素驱动转向用户审美偏好、西服的品类属性及内在价值等多因素共同驱动。定制化西服设计为满足用户多元化的审美偏好需求和个性化着装体验需求提供了机遇[2-3]。由于西服定制流程的复杂性,服务在用户的定制体验中起到了至关重要的作用。定制方提供的服务内容、服务质量和服务价值将直接影响用户的定制体验[4],进而影响西服的产品竞争力和企业发展。目前,国内的西服定制行业正处于发展阶段,西服定制内容创新性不足,定制服务体系不够完善,出现了西服定制内容及相关服务的提供与用户定制需求不匹配的情况。因此,有必要以用户需求和体验为中心对用户在西服定制前期、中期、后期全过程的触点和服务内容进行研究,了解用户的定制需求和服务期待,以优化定制服务,提高用户的满意度[5]。Kano模型是一种分析用户需求优先级的方法,广泛运用于设计、服务等领域,能够快速准确地对用户需求和满意度进行分析[6]。

近年来,许多学者运用Kano模型进行服装和服饰产品的设计与研发,穆芸等[7]运用KJ法和Kano模型分析消费者对风衣的实用性功能需求及满意度等问题;刘红文等[8]运用Kano二维品质与Kano改良模式相结合,探讨国潮T恤产品魅力属性及其设计优化策略;侯科宇等[9]运用传统Kano模型结合Better-Worse系数测算方法,对消费者在鞋类门店中的产品需求属性进行研究。可见Kano模型在服装产品属性分类和用户需求分析中,通过相关实践和应用得到了可行性验证,但较少学者关注Kano模型在服装定制领域中的运用。服装定制强调服装的属性和品质、定制的流程和服务带给用户的综合体验。本文引入Better-Worse系数对传统Kano模型进行优化,分析用户在西服定制过程中产生的触点,探讨用户在西服定制不同阶段的需求要素及对应的优化策略。

1 理论研究

1.1 Kano模型

1984年日本狩野纪昭(Noriaki Kano)在美国行为科学家赫兹伯格的双因素理论的基础上提出了Kano模型。Kano模型是一种对产品服务或质量特征的属性分类与顾客满意度优先级排序的工具[10]。Kano模型将产品的质量特征分成五类属性(图1)。当必备属性(M)中的需求得到满足时,用户满意度不会有明显的提高;反之,用户满意度会降低。当期望属性(O)中的需求得到满足时,用户满意度会提高;反之,用户满意度会降低。当魅力属性(A)中的需求得到满足时,用户满意度会提高;反之,用户满意度不会降低。无差异属性(I)中的需求满足与否都不会对用户满意度造成影响。反向属性(R)中的需求得到满足时,用户满意度反而会降低;反之,用户满意度则会提高。

图1 Kano模型五类属性

1.2 优化Kano模型

1993年,C Berger等[11]对传统Kano模型进行了优化,提出了Better-Worse系数,计算用户的满意度系数(Satisfaction coefficient,SI)和不满意度系数(Dissatisfaction coefficient,DI),从而建立Better-Worse系数坐标(图2)。

在坐标图上,每一项需求要素都以不满意度系数的绝对值为横坐标,满意度系数为纵坐标。不满意系数的绝对值越接近1,说明该项需求不被满足时,用户满意度下降的程度越大;满意度系数越接近1,说明该项需求被满足时,用户满意度上升的程度越大。建立Better-Worse系数坐标后,以满意度系数和不满意度系数的均值作为分界线,将坐标图划分为4个象限。第四象限为优化后的必备属性区域,第一象限为期望属性区域,第二象限为魅力属性区域,第三象限为无差异属性区域。4个象限的需求优先级应为:必备属性>期望属性>魅力属性>无差异属性。其次,在同一类属性区域内,计算需求要素与坐标原点的距离,距离坐标原点越远的需求要素对用户满意度的影响程度越大。综上所述,可对每一项需求要素的优先级进行排序[11]。

2 西服定制需求要素分析

根据不同的定制需求,西服定制划分为全定制和半定制两种类别。全定制强调量身定制服务和个性化定制体验,关注用户从西服定制需求产生到西服定制完成的全过程的服务需求,全定制优势在于定制的合身性和独特性,用户在定制内容上有较高的自由度。半定制介于全定制和成衣之间,指的是西服定制服务提供方提供有限的定制内容供用户选择,在固定的定制内容中根据用户的定制需求进行修改。半定制的优势在于定制速度快、性价比高。本文以西服的全定制为例,对用户在西服定制全过程中产生的需求要素进行分析。

2.1 西服定制的服务流程

目前,西服的全定制方式分为传统定制和数字化定制两种方式。传统定制以线下门店为主,定制流程通常需要经过8个步骤(图3)。第一步,用户选择西服定制的实体门店;第二步,用户到店咨询定制事项,店内客服讲解定制内容及相关流程;第三步,用户同设计师协商个性化定制内容(款式、面料、辅料等);第四步,在门店内由量体师进行量体;第五步,裁缝师傅制作样衣;第六步,用户到店试穿样衣,进行样衣调整;第七步,成衣制作完成,工作人员进行检验和存档;第八步,成衣交付(到店取衣、送货上门)[12-13]。

图3 传统线下服装定制流程

数字化定制通常需要经过12个步骤(图4)。第一步,用户登录定制平台提交个人信息(年龄、性别、职业、风格偏好等);第二步,系统根据用户偏好提供定制内容推荐;第三步,系统匹配在线客服提供定制咨询服务;第四步,用户明确定制需求(品类、款式、面料、个性化内容);第五步,线上下单;第六步,量体(智能工具在线量体、预约上门量体);第七步,版师根据用户的体型进行打版;第八步,裁缝师傅进行裁剪和缝纫;第九步后台进行样品质检;第十步,用户试衣(送衣上门、到店试穿);第十一步,取成衣(物流配送、线下取衣);第十二步,定制完成后的评价反馈[13-16]。

图4 数字化服装定制流程

通过对西服传统定制流程和数字化定制流程的整理和对比,得出影响用户全定制体验的两个主要因素分别是西服属性相关的个性化定制内容和定制流程的服务体验,进而对用户在西服定制流程中的服务触点和满意度影响因素进行洞察和分析。

2.2 提取用户需求要素

通过定制流程对比和分析,本文初步提取“西服定制信息展示”“非接触式量体”等62个西服定制服务相关的初始概念。基于62个初始概念,通过访谈法和焦点小组讨论法进行用户调研。调研的用户分为有服装定制经验和无服装定制经验两个类别,每个类别访谈6名用户,总共访谈12名用户。分别记录12名用户在西服定制过程中的行为特点和意见反馈,结合62个初始概念进行内容比较、合并和剔除,将用户体验流程进行整合,提炼出关键需求,并划分需求类型,得出9项需求范畴与38个需求要素(表1)。

表1 需求要素

为了进一步了解各个服务触点与对应的用户需求之间的关系及各需求要素的内容划分,本文遴选5名具有十年或十年以上西服定制工作经验的设计师组成专家评委小组,进行专家访谈。结合专家意见对38个需求要素进行二次筛选、表述调整及内容合并,提炼出用户在西服定制前、中、后三个阶段的8项需求范畴,22个服务需求要素(DF),如表2所示。

表2 定制服务需求要素

2.3 问卷设计

调研问卷分成被调研者基本信息和22个需求要素两个部分。被调研者的基本信息包括服装定制经验、性别、月收入和年龄。根据Kano模型质量评价分类表将22个需求要素分别设置正向和反向共44个问题(即对用户在西服定制流程中有某项服务或没有某项服务时的体验进行评价)。答案区分为不满意、可以接受、无所谓、理所应当、满意5个选项,分别给予1～5分(表3)。

表3 Kano模型质量评价分类

3 实验数据及结果分析

3.1 西服定制需求满意度属性归类分析

受疫情因素影响,本次问卷调研以线上的形式进行。通过网络平台发放电子问卷共331份,低于2 min回答时间的问卷视为无效问卷。最后共收回有效问卷233份,符合问卷调研的数量建议[17]。借助SPSSAU对有效问卷进行信度效度检验,得出问卷整体Cronbachα系数为0.861,其中正向问题为0.916,反向问题为0.917,均高于0.800,表明问卷信度较高;采用KMO统计量和巴特球形检验进行效度分析,得出问卷整体KMO值为0.908,正向问题和反向问题KMO值均为0.928,均高于0.800,且p值均小于0.050,表明问卷效度良好,适合进行信息提取及后续研究。在233份有效问卷中,从定制经验上看,有定制经验106人,无定制经验127人;从性别上看,男性130人,女性103人;从月收入上看,收入5 000元以下109人,5 000～10 000元84人,收入10 000元以上40人;从年龄分布上看,25岁以下101人,25～35岁102人,35岁以上30人。

借助Kano模型对影响用户满意度的22项服务需求要素进行属性分类,分类结果如表4所示,魅力属性(A)、期望属性(O)和必备属性(M)分别有9个、4个和0个要素;无差异属性(I)、反向属性(R)、可疑属性(Q)分别有8个、1个和0个要素。

表4 西服定制用户需求要素Kano属性分类

3.2 西服定制需求要素优先级排序

在原始Kano属性分类中无必备属性,原因可能是受众群体对西服定制相关需求的认知比较模糊。为进一步分析需求满足与用户满意度之间的关系,并对用户需求要素进行排序,本文引入用户满意度增加系数(Better系数)和用户不满意度降低系数(Worse系数),根据式(1)(2)计算每一需求要素相应的Better-Worse系数[11],最终绘制以Worse系数的绝对值为横坐标,Better系数为纵坐标的Better-Worse散点分布(图5)。

Better=(A+O)/(A+O+M+I)

(1)

Worse=-1×(O+M)/(A+O+M+I)

(2)

以Better系数与Worse系数的均值0.560、0.340为界将散点图分为4个象限。第四象限为必备属性(M),第一象限为期望属性(O),第二象限为魅力属性(A),第三象限为无差异属性(I)对所有用户需求要素重新分类(图5)。由图5可得,展示定制案例(DF3)、展示定制流程(DF4)、门店人工量体(DF6)位于第四象限,为必备属性,这些需求不被满足时会降低用户满意度,应引起高度重视,首先考虑这些需求的满足。推荐风格(DF9)、推荐款式版型(DF10)、面料介绍(DF11)、推荐颜色(DF12)、个性化定制选项(DF13)、到店试穿(DF17)、七天内免费返修一次(DF21)位于第一象限,为期望属性,对提高用户满意度具有重要影响,在定制服务中应优先考虑。上门人工量体(DF5)、一对一客服(DF8)、三维效果图(DF14)、流程追踪(DF16)、送货上门试穿(DF18)、专人送货到家(DF19)、免费取件洗护(DF22)位于第二象限,为魅力属性,满足这些需求能够提高用户满意度,可以根据实际情况进行选择性开发;门店定制咨询(DF1)、线上定制咨询(DF2)、门店非接触三维量体(DF7)、下单付全款(DF15)、到店自取(DF20)位于第三象限,为无差异属性,可进行观察和预测决定是否需要改进。

图5 需求要素四象限示意

根据式(3)计算同一类需求属性中的需求要素敏感度,以获得同一类需求属性中的需求要素优先级。敏感度越高,坐标距离原点(0,0)越远,说明该项需求的重要程度越高,应在同一类需求属性中优先考虑。经过计算得到敏感度排序结果,如表5所示。

表5 需求要素敏感度排序

(3)

从排序结果来看,在西服定制信息咨询服务需求中,服务提供优先级为DF4>DF3>DF1>DF2,其中展示定制流程(DF4)敏感系数较高且处于必备属性,说明提供该项服务是必要的,缺少该项服务将会降低用户满意度;线上定制咨询(DF2)敏感系数较低且处于无差异属性,说明用户对线上定制咨询服务关注度较低。在量体服务需求中,服务提供优先级为DF6>DF5>DF7,其中门店人工量体(DF6)敏感系数最高且处于必备属性,即到店人工量体服务是必要的,由此推测在提供量体服务时,应重点关注量体的准确性和便利性;门店非接触三维量体(DF7)敏感系数较低且处于无差异属性,说明用户对于技术型量体服务关注度较低。在个性化定制服务需求中,服务提供优先级为DF11>DF10>DF13>DF12>DF9>DF14>DF8,其中面料介绍(DF11)敏感度系数得分最高且处于期望属性,即该项服务提供与否直接影响用户满意度的高低,说明用户非常重视西服面料的选择;一对一客服(DF8)得分最低且处于魅力属性,说明当定制流程清晰和服务体验良好时,用户可能会降低对一对一客服的需求。在付费方式上,下单付全款(DF15)处于无差异属性的倒数第一位,即对用户满意度无影响,但可以考虑完善付款方式及相关服务。在流程追踪上,流程追踪服务(DF16)处于魅力属性,说明用户期望掌握西服定制进度。在试穿服务需求中服务提供优先级为DF17>DF18,即到店试穿(DF17)敏感度系数较高且处于期望属性,应该重点关注,由此可以洞察用户倾向到店试穿的深层原因,以提高用户的试穿体验。在取衣服务需求中,服务提供优先级为DF19>DF20,专人送货到家(DF19)敏感度系数较高且处于魅力属性第二位,说明用户较为关注定制后取衣的便利性。在售后服务需求中,服务提供优先级为DF21>DF22,七天内返修一次(DF21)敏感度系数较高,且位于期望属性第一位,说明该项服务会极大影响用户满意度,应重点关注。

3.3 各类型群体的西服定制需求分析

用户的服装定制经验、性别、收入水平和年龄可能对用户需求要素的重要程度造成影响,因此按照服装定制经验(有、无)、性别(男、女)、月收入(5 000元以下、5 000～10 000元及10 000元以上)、年龄(25岁以下、25～35岁、35岁以上)四类用户信息分别建立Better-Worse系数四象限散点分布图,分析不同用户群体的需求要素差异。

按照有服装定制经验(图6(a))和无服装定制经验(图6(b))对用户群体的Better-Worse系数进行划分,通过四象限散点分布图对比,可见两种用户群体的需求要素分布情况与总体分布无较大差距。具体到单一需求要素,在有定制经验的用户中,门店定制咨询服务(DF1)进入必备属性,在无定制经验的用户中处于无差异属性。可以认为随着线上服装定制及相关服务的完善,西服定制咨询途径逐渐多元化,且用户受到现实距离、时间等因素影响,到店咨询成为了非必要选项,但提供线下门店咨询服务能够增加用户好感度。

图6 有无定制经验的用户需求散点示意

在无定制经验的用户中,推荐西服风格(DF9)进入到魅力属性,在有定制经验的用户中处于期望属性。可以认为部分西服定制用户有着明确的着装场合及个人风格倾向,但存在部分用户对自身着装风格不明确,风格推荐服务能够帮助这类用户快速选择相对适配的西服风格,因此该需求的重要程度具有一定的提升潜力。在无定制经验的用户中,面料介绍(DF11)进入到必备属性,在有定制经验的用户中处于期望属性。由此推测,受过往定制经验影响,用户在面料介绍服务中体验差异较大,表明该项服务存在完善的空间,有必要重视该项服务需求。在有定制经验的用户中,到店试穿(DF17)进入到必备属性,在无定制经验的用户中,处于期望属性,可以认为寄送试穿有可能引发未知因素,用户更倾向于到店试穿,现场沟通。因此,到店试穿作为一项重要的服务需求,满足该项服务有助于提高用户的好感度建立用户信任。总体看来,有定制经验的用户更加注重线下服务体验,无定制经验的用户倾向于线上线下结合的多样化定制体验。

按照男性(图7(a))和女性(图7(b))对用户群体的Better-Worse系数进行划分,通过四象限散点分布图对比,可见男性用户和女性用户的Better-Worse系数分布差别较小且与总体分布相似。但在男性用户中,门店定制咨询(DF1)和到店试穿(DF17)进入了必备属性区域,在女性用户中,上门人工量体(DF5)进入了无差异属性,门店非接触三维量体(DF7)和风格推荐服务(DF9)进入了魅力属性;七天内免费返修一次(DF21)进入了必备属性区域。

图7 不同性别的用户需求散点示意

由此可见,在定制咨询环节,提供线下门店定制咨询对于男性用户而言是至关重要的,对于女性用户是可有可无的,可以认为受生活习惯和性格特征等影响,男性和女性用户对于定制的咨询方式需求不同,因此有必要提供多种定制咨询方式,以适应不同的用户咨询习惯。在试穿环节,男性用户和女性用户都认为提供线下门店试穿是必要的,这意味着线下门店试穿服务将会较大程度影响用户的定制体验,因此有必要提供该项服务。在量体环节,男性用户比女性用户更乐于接受上门量体服务,女性用户更倾向于门店非接触式三维量体服务。由此推测,该项服务可能受隐私安全、量体方式等因素影响;在售后服务环节,男性和女性用户都注重七天内免费返修一次服务。在个性化定制服务上,男性用户比女性用户更重视风格推荐服务。总体看来,男性用户更加注重线下定制服务并且更加关注服务的实用性和便捷性,女性用户更加注重服务内容的多样性和隐私性。

按照月收入5 000元以下(图8(a))月收入5 000～10 000元(图8(b))及月收入10 000元以上(图8(c))对用户的Better-Worse系数进行划分,通过四象限散点分布图对比,可见月收入5 000元以下和月收入5 000～10 000元的用户群体Better-Worse系数分布与总体分布基本一致,月收入10 000元以上的用户群体分布情况与总体有较大差异。

图8 不同月收入的用户需求散点示意

从必备属性上看,在月收入5 000元以下的用户中,门店定制咨询(DF1)进入了必备属性;在月收入5 000～10 000元的用户中,到店试穿(DF17)进入了必备属性。可以认为对于月收入10 000元以下的用户群体而言,提供线下门店服务是必要的。在月收入10 000元以上的用户中,七天内免费返修一次(DF21)进入了必备属性,可以认为对于这一部分用户群体而言,售后服务属于定制服务的必备内容。

从期望属性上看,月收入5 000元以下、月收入5 000～10 000元的用户更关注定制内容推荐和个性化定制服务。在月收入10 000元以上的用户中,上门人工量体(DF5)、一对一客服(DF8)从魅力属性进入到了期望属性,展示定制案例(DF3)从必备属性区域向期望属性区域移动,表明该类用户群体更加注重服务内容的便捷性和服务流程的完整性,由此推测高效的定制服务和专属的定制内容有利于提高该类用户群体的满意度。

从魅力属性上看,月收入5 000元以下的用户中,门店非接触三维量体(DF7)进入了魅力属性,在月收入5 000～10 000元和月收入10 000元以上的用户中,风格推荐(DF9)进入了魅力属性。从无差异属性上看,月收入5 000元以下的用户中,上门人工量体(DF5)进入了无差异属性,在月收入10 000元以上的用户中,展示定制流程(DF4)、推荐颜色(DF12)重要程度显著下降,均进入了无差异属性。由此推测,无差异属性内的要素可能与用户的定制经验有关。

总体看来,月收入5 000元以下、月收入5 000～10 000元的用户更加关注服务内容的丰富性和创新性,月收入10 000元以上的用户更加注重定制效率和服务细节。因此,在提供定制服务时应考虑不同收入水平的用户满意度的影响因素,有所侧重地提供定制服务。

按照年龄25岁以下(图9(a))、25～35岁(图9(b))、35岁以上(图9(c))对用户的Better-Worse系数进行划分,通过四象限散点分布图进行对比。可见25岁以下用户的Better-Worse系数分布与总体分布基本一致,25～35岁用户的个别需求要素发生了明显变化,35岁以上用户的Better-Worse系数分布与总体分布有较大差异。在25岁以下的用户中,门店定制咨询(DF1)、推荐款式版型(DF10)进入了必备属性,上门人工量体(DF5)从魅力属性进入到无差异属性;在25～35岁的用户中,门店定制咨询(DF1)和个性化选项(DF13)的重要程度提升,成为必备属性;在35岁以上的用户中,线上定制咨询(DF2)从无差异属性进入到必备属性,流程追踪(DF16)从魅力属性进入到必备属性,推荐款式版型(DF10)、推荐颜色(DF12)、到店试穿(DF17)从期望属性进入到必备属性,上门人工量体(DF5)、三维效果图(DF14)从魅力属性进入到期望属性,门店定制咨询(DF1)从无差异属性区域进入到魅力属性区域,展示定制案例(DF3)和展示定制流程(DF4)从必备属性区域进入无差异属性区域。可以认为,25岁以下、25～35岁的用户更加关注定制内容的个性化选择和流程体验的细致性,35岁以上的用户更加注重服务内容的针对性和有效性,提供协助定制决策以快速达到理想定制效果的服务将成为提高用户满意度的要点。

图9 不同年龄的用户需求散点图

4 结 论

本文通过对西服定制流程进行分析,基于Kano模型设计调查问卷,结合Better-Worse系数对用户需求要素的优先级进行排序和属性归类,了解不同用户群体定制需求的差异,探讨西服定制流程及相关服务提供的优化策略,得到以下结论。

1)整体看来,西服定制前提供的定制案例展示、定制流程展示、量体方式等服务内容主要集中在必备属性区域,是影响用户满意度的首要因素;西服定制过程中提供的风格推荐、款式版型推荐、面料介绍、颜色推荐和个性化定制选项服务相对集中地分布在期望属性区域,是影响用户满意度的关键因素;在西服定制后,七天免费返修服务位于期望属性区域,是影响用户满意度的重要因素。魅力属性中的需求要素受不同用户群体的需求影响,涉及定制流程的各个环节。因此,企业应根据各区域内的用户需求优先级排序选择性优化定制内容,以提升用户定制体验。

2)有定制经验的用户较为注重线下定制服务体验,无定制经验的用户则倾向于多元化的定制体验。因此,有必要完善线上和线下定制服务流程,重点优化线下服务环节,为无定制经验的用户提供更多渠道的定制体验。

3)从性别上看,男性用户和女性用户的需求属性和优先级排序有所不同,男性注重定制的便捷性,女性更注重定制内容的多样性。因此,应优化男性用户的定制流程,推荐内容应具有明确的目的指向性,以提高定制的便捷度。对于女性用户,定制流程和内容应提供更多的可选择性,使定制服务更契合女性用户的需求。

4)从月收入上看,月收入5 000元以下和月收入5 000～10 000元的用户更加关注个性化定制内容,月收入10 000元以上的用户更加关注私人化定制服务。因此,应考虑不同收入的用户群体的核心定制需求以提供相应的服务,为月收入5 000元以下和月收入5 000～10 000元的用户群体提供高性价比的定制服务,为月收入10 000元以上的用户提供专属、快捷的私人服务。

5)从年龄上看,25岁以下、25～35岁的用户更加注重定制内容和服务流程的多样性,35岁以上的用户更加关注预期的定制效果的呈现和售后服务。因此,应对不同年龄的用户群体进行划分,制定具有群体适用性的西服定制流程及服务内容。

由于西服定制的方式和流程会随着社会的进步和科技的发展而产生变化,加上用户具有动态复杂性,对西服定制流程及相关服务体验的需求会受到不同因素的影响而发生变化。因此,研究结果具有一定局限性:没有将西服定制价格因素纳入调查范围;以线上问卷调查和访谈法为主,调研渠道较单一;按有无定制经验、性别、月收入和年龄对用户群体进行分类后,群体比例不够平衡,有可能对调研样本的总体需求要素分布产生影响。未来可以综合多种调研渠道,对调研群体进行更细致的划分,平衡样本数量比例,以进一步提高结论的准确性和完整性。

《丝绸》官网下载

中国知网下载