基于模糊Kano-QFD 的农产品团购服务设计优化研究

张琦，高齐圣

（青岛大学经济学院，青岛 266061）

受到新冠疫情的影响，多地居民在农产品生鲜购买渠道的选择上发生了变化。社区团购的这种“线上预定，次日自提”的模式成为了人们的重要采购渠道。但由于模式处于初期探索阶段，在服务质量上存在多处短板，对于用户的部分实际需求和体验不够重视，平台提供的产品服务并不能较好的契合用户的需求期望。“新物流”出现和初步发展过程中出现了诸多制约因素，制约限制了与原产地农户的合作，造成了客户的流失[1]。当前众多研究集中在商业模式等的定性分析上，为了能够更直观地剖析该模式在服务质量设计中存在的短板，提出了用Kano-QFD模型来识别农产品团购用户需求、整合服务设计要素，对于服务质量的设计要素进行定量分析，通过优先级排序以及相对重要度探讨服务设计的优化方向[2-6]。已有论文运用Kano-QFD 模型改进各个行业的服务质量，并且取得了不错的效果[7-11]。

1 Kano-QFD 模型介绍

1.1 Kano 模型

Kano 模型通过建立二维指标将用户需求项分类，并针对不同的需求类型给出了该需求与用户满意度之间的关系。Kano 模型将用户需求分为五种类别：魅力需求、期望需求、基本需求、无关需求和相反需求。魅力需求指满足这类需求则会显著增加用户满意度，不满足也不会引起用户大量不满。期望需求指满足这些需求时提升用户满意度，不满足会降低用户满意度的需求类型。基本需求指在满足这些需求时并不会明显增加用户满意度，但在不满足时则会显著降低用户满意度。除上述三种外的剩余两种，无关需求表示用户对此需求不感兴趣，无论满足与否都不影响用户满意度。相反需求表示用户对此需求有着相反的期望，满足反而会降低用户满意度。在对调查结果进行统计时要去除这两种需求。模型主要依靠问卷设计并对结果进行分析得到需求项分类。在问卷设计阶段对每个需求项设置正反两个问题，每个问题对应五个不同的选项，最终生成调查表，调查表如表1 所示。

表1 Kano 模型用户需求调查表Table 1 Kano model user demand questionnaire

传统的Kano 模型侧重于一种基于定性描述的分类方法。Qianli Xu 等[12]则提出了一种分析Kano 模型，这种方法对用户的回答进行定量分析，以减少传统Kano 模型定性描述的主观因素。该模型将正反两向的问题的反馈结果赋予了不同的分数，并做了不对称设计，如表2 所示，同时附加了用户自身评判的需求项的重要性。该模型通过正反向问题的平均得分建立一个二维坐标系，对于落在其中的点进行区域的划分，如图1 所示，将Kano 模型的五种需求分类对应到其中的五个区域中以实现对每个需求项的分类。

图1 Kano 分类区域Fig.1 Kano classification area

表2 功能具备与否时用户需求反馈得分Table 2 User demand feedback score when the function is available or not

将每位受访者的需求反馈得分通过公式（1）（2）计算不具备该服务特性时用户平均满意度以及具备该服务特性的用户平均满意度。其中xij，yij，wij分别代表第j受访者对不提供第i项用户需求项的满意度评价、第j受访者对提供第i项用户需求项的满意度评价、第j受访者对第i项用户需求项的重要度评价。传统Kano 模型分类建立在二维直角坐标，上，通过公式（3）～（5）将其换算为向量极坐标形式（ri，αi），则更加直观方便。最终根据图1 的分类标准对各个需求项进行定量分析得出其分类结果。

1.2 质量功能展开（QFD）

质量功能展开是将用户需求作为输入信息，通过构建质量屋将用户的需求转化为服务质量特性，确保服务设计能够更好的满足用户需求和服务特性。以农产品社区团购QFD 为例，其关键就是质量屋的构建，借助质量屋计算可以将用户需求转换为服务质量特性。质量屋主要由左墙、天花板、屋顶、房间、地下室和右墙构成。左墙代表提取到的用户需求及其重要度；天花板代表针对具体的服务设计指定的服务设计特性；屋顶代表服务设计特性间的自相关矩阵，用于评估各项服务设计特性间的正负相关性；房间代表用户需求与服务设计特性之间的关系矩阵，用于评估用户需求与服务设计特性间的对应关系，服务设计特性可能对应多个用户需求且关系有强有弱；地下室代表服务设计质量特性输出矩阵，用于获取各个服务设计要素的优先级排序；右墙代表市场竞争力评估，用于获取用户角度的相应品和自身产品服务的需求期望评估。具体形式如图2 所示。

图2 社区团购服务设计质量屋Fig.2 Community group purchase service design quality house

2 模型整合

2.1 Kano-QFD 模型

QFD 在构建质量屋时对于左墙也即用户需求重要度的输入过于主观，以往的研究多是通过Kano 模型与QFD 结合的方式，将Kano 模型的分析结果作为用户需求项以及用户需求重要度作为QFD 构建质量屋的左墙输入并转化到服务质量特性中去。在完成QFD 质量屋中服务质量特性与用户需求之间的关系矩阵的确定后，服务质量特性的重要度确定需要将用户需求重要度与关系矩阵进行整合得到服务质量特性的重要度。服务设计优化的最终结果以服务质量特性的重要度作为依据。

但是关系矩阵的确定得到的均是模糊语言表达，想要得到准确的服务质量特性重要度就需要对关系矩阵进行模糊语言信息处理，引入二元语义将不同用户的意见整合后得到用户需求项权重，通过模糊理论中的三角模糊数将关系矩阵转化成三角模糊数并运用需求项权重进行最终整合可以很好的解决这个问题。

2.2 二元语义集结多用户意见

在利用kano 模型确定QFD 中用户需求问卷调查过程中，让用户采用语言术语进行选项回答是较为容易被接受的方法，且更能保证用户在填写调查问卷时不会过于随意扰乱结果。但是在对语言术语等语义信息进行运算时会较为棘手。为此，Herrera 和Martinez[13-14]提出的二元语义就可以通过处理语言信息而不丢失额外信息。这是一种基于符号转移理念的方法，这种方法构建了一个二元组（si，α）i来表示语言学信息。其中si值是语言术语集S={s0，…，sg}中的元素，αi是符号转换的数值，其实际含义是由计算而来的语言信息与预先定义的语言术语集S中最接近语言术语si的偏差，α∈[-0.5，0.5）。如果要在连续域中进行合并运算，则需要用到另一种表述形式β，而非二元组（si，α）i。β∈[0，T]是一个数值，β 与二元组的转换可由公式（6）、（7）得到。其中Round 表示“四舍五入”的取整运算。

同样的，对于二元语义的语言术语集S={s0，…，sg}，存在一个逆函数Δ-1，使二元语义能够转化成对应的数值β[∈0，T]，转化方式如公式（8）所示。

若（sk，αk）和（sl，αl）为任意两个二元语义，则有如下性质：

①有序性，当k≥l时，则（sk，αk）＞（sl，αl），这里“＞”表示“好于”。当k=l时，如果αk=αl，则（sk，αk）=（sl，αl）；如果αk＞αl，则（sk，αk）＞（sl，αl）；如果αk＜αl，则（sk，αk）＜（sl，αl）。

②存在逆运算“neg”，neg（si，αi）=Δ（g-Δ-1（si，αi）），这里g+1 是S 中元素的个数。

③最大、最小化运算，max（（sk，αk），（sl，αl））=（sk，αk），min（（sk，αk），（sl，αl））=（sl，αl），其中（sk，αk）≥（sl，αl）。

对于研究的社区团购服务质量存在多个指标，涉及到多级评价问题，同时也是一个群决策的问题。为了汇总和集结多个不同用户的需求意见，Herrera和Martinez 还提出了加权平均T-OWA （Two-tuple Ordered Weighted Averaging）算子，来综合多用户的语言信息意见，具体如公式（9）、（10）所示：

显然，T-OWA 算子同样遵循二元组的性质，即。针对每个用户给予相同的权重，通过T-OWA 算子将多个用户对同一用户需求项的语言意见信息综合得到相应用户需求项的重要度二元组，实现了多指标的综合，能更为有效的。

2.3 模糊集理论处理关系矩阵和自相关关系

上述Kano-QFD 整合模型中，其关键和难点在于如何确定用户需求和服务质量特性之间的关系矩阵及服务质量特性之间的相关关系。关系矩阵能够更直观地反映服务质量特性对满足客户要求的相关程度，传统方法是采用诸如1-3-5-7-9 等确定数值表示，鉴于用于社区团购服务设计初始阶段的信息大多是模糊和不确定的，即大多是语义信息，采用确定数值必然造成信息的损失。对关系矩阵的语言信息进行定量化处理可以借助模糊集理论与三角模糊数等[15-16]。QFD 存在内在模糊性的前提下，通过三角模糊数表示相关程度可以充分的利用质量屋的全部信息，确定用户需求和服务质量特性之间的关联函数。

鉴于上述分析，可以将传统QFD 中关系矩阵和自相关矩阵扩展为模糊QFD 处理。一是在反映用户需求与服务质量特性之间的关联关系程度上，采用类似“很弱”“弱”“中”“强”“很强”等语言变量评价，二是在揭示服务质量特性之间自相关程度也采用“显著负相关”“负相关”“不相关”“正相关”“显著正相关”等语言变量评价。这样关系矩阵和自相关矩阵的元素取值可选用三角模糊数A˜=（l，m，u）表示，对应隶属度函数如下：

记语言变量取值为S={s0，s1，…，sT}，T 称为标度且取值一般为偶数，语言变量中某一等级可用上述三角模糊数表示为si=（ai，bi，ci），其中a0=0，cT=1，ai+1=bi，bi+1=ci，i=0，1，…，T。

设T为服务质量特性的优先级排序指标，，其中W为由T-OWA 算子得到的整合后的用户需求重要度，为用自相关矩阵修正后的关系矩阵。

根据三角模糊数运算规则，服务质量特性优先级排序的计算方式如公式（12）所示：

3 整合模型在社区团购平台优化上的应用

3.1 问卷设计

在对消费者需求的提取过程中，参考了Parasuraman、Zeithaml 和Berry 设计的SERVQUAL 量表，从有形性、可靠性、响应性、保证性和移情性等角度，结合相关领域的文献以及线下采访得到的需求项进行初步的Kano 模型问卷的设计[17-21]。为了对初步设计问卷中的有效部分进行验证，同时发现问卷设计中冗余或不足的问题，将初步Kano 模型问卷进行了预发放。在收集30 份问卷后根据数据结果将无关需求以及相反需求项从问卷的考察中去除，同时结合咨询相关专家的意见对各需求项的考察角度进行丰富和优化，将用户需求项确定为：商品详细介绍、快速登陆途径、良好的界面布局与设计、丰富的商品类目、相对实惠的价格、较高的商品质量、健全的售后服务、较多的自提点数目、良好的配送时效、良好的服务态度、安全的支付环境、多样的付款方式、下单流程便捷通畅。分别用CR1、CR2、CR3、CR4、CR5、CR6、CR7、CR8、CR9、CR10、CR11、CR12、CR13 表示。在确定了问卷以后，对当前的社区团购平台进行了对比和考察发现“多多买菜”这一社区团购平台起步较晚，整体的服务质量落后于市场平均水平。考察到“多多买菜”作为市场后来者的落后处境以及市场竞争中的劣势地位，决定以“多多买菜”社区团购平台作为实例进行服务质量优化研究。针对“多多买菜”社区团购平台用户进行问卷发放，最终问卷累计回收165 份。为了确保数据的真实性和可靠性，对问卷进行了筛选，主要针对问卷填写时间短、大量问题结果同质化严重以及填写结果不符合规范的问卷进行剔除，剔除不符合要求的问卷后得到有效问卷138份，问卷有效率83.6%。在运用SPSS 对问卷的有效性进行了信度检验，克朗巴哈系数为0.82，认为问卷有较为不错的信度，可以进行后续分析。

3.2 数据处理

首先按照kano 模型公式（1）（2）（4）（5）对问卷收集结果进行量化处理，得到需求项的正反向得分以及向量的大小与夹角，用户需求分类结果如表3 所示。模糊QFD 模型中语言变量均采用标度为4 的语言等级进行划分[22]，关联矩阵采用的是“很弱”“弱”“中”“强”和“很强”等，自相关矩阵采用的是“显著负相关”“负相关”“不相关”“正相关”“显著正相关”等。标度为4 的语言变量各等级术语对应模糊数为s0=（0，0，0.25），s1=（0，0.25，0.5），s2=（0.25，0.5，0.75），s3=（0.5，0.75，1），s4=（0.75，1，1），隶属函数如图3 所示。

图3 标度4 的语言变量隶属函数Fig.3 Membership function of language variables on scale 4

表3 Kano 问卷结果Table 3 Kano questionnaire results

3.3 需求重要度确定

通过二元语义的算术平均算子整合问卷中多个用户对需求特性的偏好，得到各个用户需求项重要程度。服务质量优化需要以当前的服务质量水平作为前提，设定需要实现的改进目标水平。通过用户的意见决定各项服务质量特性的改进幅度更能契合用户的使用意愿，也能更好地达到提升用户满意度的目的。基于这一考虑，在问卷中增加了相应需求优化意愿的问题，通过定义“需大幅改进”，“小幅改进即可”，“无需改进”对应相应的改进系数1.5，1.2，1.0。计算得到各个用户需求项的改进系数IR0。

但因为每种用户需求的需求类别不同，其优化改进后对用户满意度提升带来的贡献也不同，所以在对需求重要度的确定时往往会引入修正因子。修正因子通常采用Tan 和Shen 对不同的需求类型定义的调整系数，将初始的改进系数在调整系数的处理后得到最终的改进系数，计算方式如公式（13）所示[23]。

其中，IR0是初始改进系数，IRadj是调整的改进系数，k是调整系数，对于基本需求、期望需求、魅力需求k分别取值为0.5，1，2。通过最终改进系数对原始需求重要度修正得到调整后的需求重要度。运用公式（14）进一步对调整后的需求重要度进行归一化处理，将需求重要度作为权重整合到QFD 中。其中（si，αi）为第i项用户需求重要度的二元语义表达。

Kano 模型收集结果中的需求向量的大小以及夹角作为判断需求项所属类型的依据，其中向量的大小决定了需求项的类型为无关需求或其他类型，向量与X 轴的夹角则用来进一步确定需求项类型为基本需求、期望需求还是魅力需求。在确定了需求项类型后即可由上述得到每个需求项对应的调整系数，需求项的重要程度以及改进系数则通过问卷中的用户自述的数据转化为二元组并且以二元语义算子的形式通过公式（9）（10）在MATLAB 中进行计算获得初始重要度的值。在运用公式（13）对初始重要程度进行调整后得到最终重要程度并通过公式（14）进行归一化处理得到相对重要程度，用于后续阶段的模型整合，如表4 所示。

表4 A-Kano 模型整合结果Table 4 A-kano model integration results

3.4 服务要素优先级确定

在整合阶段QFD 的质量屋中关系矩阵的构建过程中，通过咨询专家来确定社区团购平台的质量要素和关系系数矩阵，关系矩阵同样的使用标度为4的语言术语来描述顾客需求与质量要素的关联程度，语言术语集S={s1:极弱，s2：弱，s3：中，s4：强，s5：极强}，使用三角模糊数来表示语言术语，基于质量屋的构建信息，关系系数矩阵通过确定的语言术语及模糊数表示如下：

运用公式（12）对关系矩阵对应的三角模糊数进行整合运算，将需求项重要程度（wi）和关系矩阵整合得到的结果去模糊化转换成二元组（β）表示，最终得到服务质量特性的优先级排序。表5 显示了QFD 质量屋的构建与服务质量特性的优先级排序，表中VL、L、M、H、VH 代表了语言术语集S={s1: 极弱，s2：弱，s3：中，s4：强，s5：极强}中的极弱、弱、中、强、极强。此表底部的质量要素重要度指数（β）表示在连续域中运用Kano 模型与QFD 整合的结果，得分越高的质量要素的优化更能大幅度提升用户的满意度。社区团购服务要素的优先级排序为：平台APP 研发、前置仓管理、自提点管理、供应链管理、物流管理、流程监控、补救服务、客服综合素质。

表5 QFD 关系矩阵对服务设计要素的排序Table 5 Ordering of service design elements by QFD relationship matrix

3.5 结果分析讨论

根据服务设计要素的优先级排序结果可以将服务设计要素大致分为三类：关键要素、必要要素以及边缘要素。由平台APP 研发、前置仓管理和自提点管理构成的关键要素，能够在优化后显著提升用户各方面满意度；由供应链管理、流程监控和物流管理组成的必要要素，在优化后能够在一定程度上影响用户多方面满意度；由客服综合素质、补救服务组成的边缘要素，在优化后对用户整体满意度的提升上帮助较小。

（1）社区团购平台需要在以后的优化中着重提升关键要素。其一，平台APP 作为社区团购这种线上采购形式的载体，其优劣关系到众多用户需求的满意度。与传统线下生鲜选购不同，线上选购无法提前接触到实物，也就让APP 中商品详情页面的商品介绍成为用户了解生鲜农产品的主要途径。同时，线上消费的形式也需要满足足够安全以及更加便捷的特点。平台APP 研发应该作为首要质量要素进行改进，重点加强用户的支付安全、APP 流畅程度、多方支付接口、更详细的商品介绍以及售后系统的搭建上面，如果能够做好快捷登录等较为便利的新颖功能，将能大幅度提升用户的体验进而增加对于多数需求的满意度。其二，作为一种生鲜农产品独有的仓储形式的前置仓同样也是满足用户需求，提升用户满意度的关键。前置仓的选址关系到自提点的覆盖范围，关系到配送的时效以及商品的成本问题。此外，前置仓的仓储管理同样关系到商品的成本；更重要的是生鲜农产品的存储条件较为苛刻，需要平衡存储成本与商品品质，以相对少的成本投入前提下保证商品的质量不会受存储影响，商品质量为基本需求，如果与线下周边产地的生鲜农产品的质量差距过大则会显著影响用户满意度，所以在优化改进过程中应该重点强化前置仓的管理。其三，自提点作为社区团购的最后一环，对用户满意度的提升也是至关重要的。自提点的选取一般以社区的超市等店面作为合作方，将这些店面作为连接平台与用户的桥梁，方便用户的商品获取，同时为这些店面带来更大的流量，但也导致了这种模式的诸多诟病。自提点并非平台一手搭建，这种合作的方式使得自提点并没有较为统一的商品存放标准，不同的店面所拥有的商品存放条件不同，部分存放条件较差的自提点就影响了商品的品质。同时，店面负责人（团长）并非平台内部人员，在态度以及售后保障上并没有建立一个较为统一的标准。在对于平台优化改进上，可以更多的关注自提点的管理，拓宽合作店面的类型，建立自提点评定标准，在订单商品配送至自提点时对自提点存放情况进行定期考察，同时考虑建立奖惩机制更为主动地保障存放于自提点商品的品质。

（2）农产品团购平台需保障必要要素在现有基础上稳步提升，确保用户满意度稳中向好。供应商决定了产品的供货品质，供应商的地理位置与规模也决定了物流运输的速度与成本。平台可以根据以往的产品销售数据推断用户的产品偏好，有针对性地改善供应商的选择与合作，在优化方向上可以扩大合作供应商范围，针对不同产区的农户考察提高与农户直接合作的渠道比例，节省中间成本，争取农产品的仓储条件。可以根据自身平台的定位确定产品的层级占比，对于带来较高成本负担的农产品可以在平台内部做差异化，建立“臻品专栏”，确保平台在价格上保有的优势，实现用户需求多样化的同时。物流是保障产品品质的关键一环，关系到产品后续存储的成本以及存储时间。在物流管理方面，加强与冷链物流服务商的合作，建立属于关键环节的质量标准，处理好现有物流体系中的运输调度、路径优化、入库流程简化、不同生命周期产品分类存储、产品溯源以及全程监控预警等方面的服务工作，同时不断补全优化各个流程间的补救措施，保障自身产品及服务的质量稳定性。

（3）对于补救服务和客服综合素质这两个边缘要素，农产品团购平台也应保持一定的关注。补救服务能够弥补部分环节导致的用户满意度不足的情况，也能以此建立品牌形象，有利于在与竞品相的竞争中取得优势。针对出现特殊状况的平台订单，如果平台具有较为成熟的补救措施，不仅能够提升用户粘性，还能通过用户的口碑帮助平台达到抢占竞争者的市场份额的作用，从侧面降低了品牌宣传拉新的成本，促进企业将节省的成本投入产品的保存以及物流的运输上，实现企业内部的良性循环。客服综合素质虽然在优先级排序中位列最后，但其要素水平也影响着如服务态度、健全的售后等基本需求类型的用户需求。如果完全不考虑此要素的质量水平可能会影响到由其他要素建立起的高水平用户满意度。虽然这两个边缘要素的提升并不能为企业带来显著的用户满意度的提升，但是一旦出现这二者的缺失，很容易造成群体的负面响应和舆论的发酵，这是平台不愿看到的。因此，社区团购平台应对此服务质量要素保有持续的关注，保持这两个要素的水平趋于稳定，谨防二者的缺失所引起的连锁反应。

4 结论

为城乡统筹背景下大力发展和完善社区农产品团购平台服务机制，提出模糊Kano-QFD 应用于团购平台服务设计优化，提升用户满意度，促进农产品交易渠道新脉络的巩固拓展。运用二元语义集结多用户需求项指标、三角模糊数整合用户需求项与服务设计要素，得到鲜明的服务设计要素重要度层级。方式有利于服务设计人员多方面考虑设计优化方案，直观的定位服务设计要素所对应的用户需求项，提升用户满意度，进一步巩固拓展农产品贸易的新渠道。并未引入行业其他竞争者的经营状况来构建竞品间差距的优化改进系数进行研究，存在一定的不足与局限性，后续研究可在竞品间展开更全面丰富的研究。