林小芳+王海船+程林

摘 要：針對傳統(tǒng)Kano模型應用過程中遇到的顧客需求模糊不確定的問題，提出將模糊數(shù)學方法引入，設計模糊Kano問卷并對數(shù)據(jù)進行模糊化處理。另外，利用熵值法進行需求初始權重的確定。結(jié)合學者對不同質(zhì)量屬性類別需求重要度調(diào)整的經(jīng)驗方法，對改進因子進行修正，利用修正后的改進因子確定最終質(zhì)量需求重要度，并利用該方法對連鎖配送服務質(zhì)量屬性進行了研究。結(jié)果表明，模糊Kano模型能夠弱化顧客需求的不確定性，較好地解決傳統(tǒng)Kano問卷中出現(xiàn)的混合需求屬性問題。

關鍵詞：傳統(tǒng)Kano模型；模糊Kano模型；熵值法；連鎖配送服務質(zhì)量

中圖分類號：F253.4 文獻標識碼：A

Abstract： Based on the problems occurring in the implementation process of traditional Kano model that customers' requirements is fuzzy and uncertain， this paper presented to introduce fuzzy mathematical method in the process， designed fuzzy Kano questionnaire and handled the data fuzzily. In addition， the original weights of customers' requirements were determined by entropy method. Based on the experience and methods of attributes adjusting for different quality demands， this paper modified the improved factor and calculated the final importance of quality requirement， and studied the quality requirements of chain distribution service in that way. The results showed that fuzzy Kano model could weaken the uncertainty of customer demand， and also could solve mixed demand attribute problems occurring in traditional Kano questionnaire.

Key words： traditional Kano model； fuzzy Kano model； entropy method； quality of chain distribution service

0 引 言

用戶需求對產(chǎn)品設計、客戶滿意度的提高有著不可忽視的作用，QFD是一種能夠很好地將用戶需求轉(zhuǎn)換成產(chǎn)品（服務）設計的工具。在進行需求重要度評判時，通常會采用用戶詢問調(diào)查法、需求重要度評判法及AHP法等，但這些方法會存在明顯不足，主要表現(xiàn)在過于主觀，容易受人為因素的作用而造成誤判。Kano模型是一種能夠很好地識別顧客需求、將定性需求定量化的工具，自質(zhì)量管理專家狩野紀昭提出以來，已在很多領域得到了應用，國內(nèi)外學者也對此展開了深入的理論及應用研究。

由于顧客需求的模糊性，Kano方法雖然采用結(jié)構(gòu)式問卷調(diào)研，并形成了一套數(shù)據(jù)處理方法，但該方法存在很多不足，如問卷調(diào)研時反復的詢問會引起被調(diào)者厭倦、隸屬度接近時會造成質(zhì)量屬性類別的誤判、質(zhì)量屬性初始權重不能反映其對顧客滿意度的實際貢獻大小等問題。本論文通過梳理國內(nèi)外研究中對以上諸多不足之處的改進方法，權衡利弊，并將傳統(tǒng)Kano方法與改進方法在連鎖配送服務質(zhì)量改進中進行實證研究，進一步驗證傳統(tǒng)方法的不足之處，同時提出下一步改進思路。

1 Kano模型

1.1 Kano原理

Kano理論認為：不同客戶需求之間的界限模糊，且隨著時間的變化需求種類會發(fā)生變化；不同用戶由于認知差異及喜好不同，對需求也會有著不同的理解。Kano模型是一種定量方法，用以協(xié)助確認產(chǎn)品/服務質(zhì)量需求要素的Kano質(zhì)量類別，實現(xiàn)對顧客需求的定量分類并賦予不同的需求權重，借以消除顧客調(diào)查中的模糊性。

做法：通過設計正反向調(diào)查問卷（表1）對顧客需求進行詢問，并將獲取的數(shù)據(jù)利用二維Kano質(zhì)量屬性分類表（表2）進行歸類，以識別每個屬性類別。將質(zhì)量屬性分為魅力質(zhì)量A、一元質(zhì)量O、必備質(zhì)量M、漠然質(zhì)量I與逆反質(zhì)量R共五類。此外，問卷數(shù)據(jù)處理時還會有可疑的問題質(zhì)量Q。不同的質(zhì)量屬性對于顧客滿意度的貢獻不一，魅力質(zhì)量充足時顧客滿意度會大幅度提升，但不充足時顧客不會因此表現(xiàn)出明顯不滿；一元質(zhì)量的充足程度與顧客滿意度呈正線性相關；必備質(zhì)量不充足時會導致顧客滿意度急劇下降，充足時卻不會增加顧客的滿意度。

在應用Kano方法時，難點在于對需求的定量歸類以及對不同的質(zhì)量需求類型賦予權重大小的確定。

1.2 Kano方法的不足

傳統(tǒng)Kano方法存在以下不足：①利用傳統(tǒng)Kano問卷進行調(diào)研時需要被調(diào)查者進行繁瑣的正反向問題的回答，極易引起用戶厭煩，使問卷調(diào)研結(jié)果有效性受到一定程度的影響；顧客心理復雜多變導致需求不確定；樣本數(shù)量不足或覆蓋不夠均勻時結(jié)果會產(chǎn)生偏差。以上這些均會影響分類結(jié)果的準確性。②單純依靠重復頻度判定需求重要度不夠科學合理，表現(xiàn)在：對于重復頻度高，重要度高是合理的，但重復頻度低并不代表重要度低，如Kano分類中的魅力需求由于尚未被顧客發(fā)現(xiàn)，調(diào)查結(jié)果重復頻度會偏低。endprint

1.3 學者對Kano模型的改進研究綜述

由于Kano模型能夠有效識別不同類型的顧客需求，以利于進一步在產(chǎn)品開發(fā)、市場營銷等領域?qū)Σ煌男枨螅ɑ拘枨蟆⑵谕枨?、魅力需求等）采取差異化的處理方式。因此，理論界對此展開了深入的研究，關于Kano模型的理論研究主要集中在Kano分類、不同Kano類別對滿意度的影響及需求重要度的改進等方面。

1.3.1 關于質(zhì)量屬性分類的改進研究。Berger（1993）[1]針對Kano分類時質(zhì)量屬性隸屬度存在最大值與次大值接近時，歸屬類別無法判別或誤判的問題，提出了“相對顧客滿意系數(shù)比值”。Matzler和Hinterhuber（1996）[2]提出在QFD中可加入該比值，認為產(chǎn)品開發(fā)需要滿足必備質(zhì)量，期望質(zhì)量要具備競爭力，在魅力質(zhì)量上超越競爭對手。陳波波（2007）[3]提出基于質(zhì)量要素的時間特性和統(tǒng)計概率特性并利用最大領先度概念推導出質(zhì)量要素評價傾向的指標—質(zhì)量要素評價傾向歸屬度，對Kano類別判定進行改進。Q.L.Xu（2007，2008）[4-5]針對Kano模型定性且缺乏需求分類標準，提出了分析型Kano模型，設計出一組量化的分析指標實現(xiàn)顧客需求的定量化分析。段黎明和黃歡（2008）[6]對Matzler的方法進行改進，并特別分析了當兩個需求權重接近時的區(qū)分方法（采用統(tǒng)計測試法處理）。Yu-Chen Lee等（2009）[7]構(gòu)建模糊Kano模型來解決質(zhì)量屬性分類的不確定性。姚海（2009）等[8]提出利用模糊聚類法進行Kano分類。實踐證明，模糊聚類法是較有效的分類方法，特別是當某質(zhì)量需求對于兩個或兩個以上的類別隸屬度較接近時，采用模糊聚類法可有效避免誤判[9]。孟慶良等（2012）[10]構(gòu)建了一種定量化Kano模型并改進重要度函數(shù)進行需求分類。

除了以上學者研究之外，還有很多學者對Kano模型與QFD整合使用進行了研究，研究重點均集中在兩者的銜接上。學者統(tǒng)一認為，基本重要度需要作出調(diào)整，但如何調(diào)整則說法不一。結(jié)合以上研究的特點，以下利用模糊Kano模型對連鎖配送服務質(zhì)量進行深入研究。

2 Kano模型的改進——模糊Kano模型

Kano問卷調(diào)查存在的模糊性問題主要是由于人的主觀判斷被量化了的統(tǒng)計活動取代，引入模糊數(shù)學方法主要在需求篩選、需求分類兩個階段。通過對每個需求指標與研究對象的貼近程度進行測量、比較，篩選出優(yōu)良指標，在此基礎上進行權重的測度；利用模糊聚類分析，掌握類內(nèi)與類間距離，把握需求總體的實際分類情況，避免誤判。

2.1 引入模糊方法后的Kano模型實現(xiàn)過程

2.1.1 指標的建立。從服務者角度建立的質(zhì)量指標項目是不完善的，還需要從顧客的角度出發(fā)，因此本研究綜合模型、前人研究成果及對顧客、銷售服務人員及技術人員的訪談，整理出服務質(zhì)量需求項目，共計33項。在調(diào)研過程中，特別注意了對魅力型需求的挖掘。隨后，根據(jù)獲得的需求項目設計問卷試調(diào)，確定最終服務質(zhì)量需求項目。采用KJ法進行需求的歸類，理清各需求項目之間的初步關系，此階段可進一步剔除重復需求項目。

以上階段與傳統(tǒng)方法同。

傳統(tǒng)Kano方法根據(jù)調(diào)研結(jié)果進行數(shù)據(jù)分析時需要利用二維屬性歸類表（表2），并統(tǒng)計每個質(zhì)量屬性對屬性分類的隸屬度，按照隸屬度最大原則確定屬性歸類。但實際數(shù)據(jù)會存在最大值與次大值較接近，故可利用Lee和Newcomb提出的混合分類判斷標準進行判別，若判定結(jié)果為混合類，則無法判斷。

此外，在問卷設計中集成對顧客需求重要度的問項，有利于后續(xù)對重要度進行進一步研究，以便與QFD方法相結(jié)合。

2.2 模糊Kano問卷的數(shù)據(jù)處理

2.2.1 Kano屬性的確定過程。根據(jù)顧客對模糊Kano問卷的填寫數(shù)據(jù)結(jié)果，按以下步驟確定Kano類別：

（4）重復1～3步，得到每個客戶的判定結(jié)果，再統(tǒng)計該項屬性對各需求類別的頻率。需求屬性頻率最高的即為該需求的屬性類別；若出現(xiàn)兩種需求類型頻率相同的情況，需求類別優(yōu)先級按以下方式確定：基本型>期望型>興奮型>無關型；

（5）重復1～4步，得到每種質(zhì)量需求的屬性類別。

2.2.2 需求重要度的集成及初始權重的確定。問卷設計時，將需求重要度調(diào)查集成至Kano問卷中，對需求重要度進行調(diào)查，并采用熵值法計算初始權重：

2.3 需求重要度的調(diào)整

3 傳統(tǒng)Kano模型與模糊Kano模型的對比研究

3.1 服務質(zhì)量需求項目的確定

首先獲取顧客對產(chǎn)品（服務）的質(zhì)量需求項目，考慮到項目的全面合理性，該階段不僅要顧客參與，也需要公司銷售人員及管理人員的參與。連鎖零售企業(yè)目前主要采用自營配送、第三方配送、廠商直供等方式。本研究以第三方配送為主，結(jié)合SERVQUAL模型、前人的研究成果[1-12]與問卷訪談調(diào)研（主要針對顧客、銷售人員及管理人員），共整理出33項服務質(zhì)量需求項目（具體需求項目可見表4），并以此設置模糊Kano問卷。按初始需求設計好問卷進行小樣本試用，對回收問卷進行進一步分析，以剔除不合理的問項并增加可能遺漏的質(zhì)量需求項目。按修正后的問題設計Kano問卷，分別設計正向及反向問題，對被調(diào)查者進行調(diào)查。

3.2 問卷及回收情況

本研究設計2套問卷——傳統(tǒng)Kano問卷及模糊Kano問卷，將重要度問項集成在傳統(tǒng)Kano問卷中。被訪對象主要是連鎖零售企業(yè)的管理人員、配送企業(yè)的工作人員等，要求被調(diào)查者分別填寫兩種問卷。共發(fā)放問卷50份，回收有效問卷41份，有效問卷回收率為82%。

3.3 兩種Kano問卷的數(shù)據(jù)處理結(jié)果

根據(jù)3.3.1中提到的混合分類判斷準則進行判斷，33項配送質(zhì)量屬性中，無混合類屬性，即傳統(tǒng)Kano方法得出的結(jié)論中，u1和u3 2個混合類屬性在利用模糊Kano模型問卷調(diào)查并經(jīng)數(shù)據(jù)處理后，有了較為明確的屬性分類結(jié)果。由此可見，模糊Kano模型能夠較好地解決顧客需求調(diào)查中由于顧客心理復雜多變等所造成的不確定性。而模糊Kano模型與傳統(tǒng)Kano模型對于非混合類質(zhì)量屬性的判定結(jié)果并無太大的區(qū)別。endprint

4 質(zhì)量屬性需求重要度的調(diào)整

5 結(jié) 論

Kano模型的決策準則要求企業(yè)滿足必備質(zhì)量，提升一元質(zhì)量，挖掘魅力質(zhì)量，這種表述是含糊的，且沒有涉及各需求的優(yōu)先度。在企業(yè)資源一定的情況下，如何利用有限資源提升顧客滿意度，需要更加客觀的方法。模糊Kano模型能夠?qū)⒉淮_定的顧客需求以定量的方法反映出來。

注：①改進率，是QFD工具中一項重要指標，即設定的質(zhì)量目標值與顧客對公司滿意度的現(xiàn)有評價值的比值，可以反映質(zhì)量屬性需要改進的程度。

參考文獻：

[1] BERGER C.. Kano's methods for understanding customer-defined quality[J]. Center for Quality Management Journal， 1993，2（4）：3-36.

[2] KURT M.， HANS H. HINTEHUBER， et al. How to delight your customers[J]. Journal of Product & Brand Management， 1996，5（2）：6-18.

[3] 陳波波，齊佳音，黃逸珺，等. 對KANO模型中質(zhì)量要素評價傾向判定方法的改進[J]. 北京郵電大學學報（社會科學版），2007，9（2）：51-54.

[4] XU Q.L.， JIAO R.J.， YANG X.. Customer Requirement Analysis Based on an Analytical Kano Model[C] // Singapore： IEEE， 2007：2-4.

[5] XU Q. L.， JIAO J.， YANG X.. An analytical Kano model for customer need analysis[J]. Design Studies， 2008，30：87-110.

[6] 段黎明，黃歡. QFD和Kano模型的集成方法及應用[J]. 重慶大學學報，2008，31（5）：515-519.

[7] LEE Y. C.， HUANG S. Y.. A new fuzzy concept approach for Kano's model[J]. Expert Systems with Applications， 2009，36（3）：4479-4484.

[8] 姚海，鮑勁松，金燁，等. 產(chǎn)品功能需求的分類及分析方法[J]. 機械設計與研究，2009，25（3）：7-9，13.

[9] 林小芳，蹤鋒，王海船，等. 模糊聚類法在服務質(zhì)量屬性Kano分類中的應用研究[J]. 物流工程與管理，2014，36（10）：59-62.

[10] 孟慶良，蔣秀軍. 基于定量化KANO模型的顧客需求最終重要度確定方法[J]. 統(tǒng)計與決策，2012（6）：32-35.

[11] TAN K.C.， SHEN X.X.. Integrating Kano's model in the planning matrix of quality function deployment[J]. Total Quality Management， 2000，11（8）：1141-1151.

[12] 侯智，陳世平. 基于Kano模型的用戶需求重要度調(diào)整方法研究[J]. 計算機集成制造系統(tǒng)，2005，12（11）：1185-1189.

[13] GERSON T. Integrating the Kano Model and QFD for Designing New Products[J]. Total Quality Management & Business Excellence， 2007，18（6）：599-612.

[14] 李延來，唐加福，姚建明，等. 質(zhì)量屋中顧客需求最終重要度確定的集成方法[J]. 計算機集成制造系統(tǒng)，2008，14（5）：1015-1022.

[15] 何林. Kano模型拓展方法及應用研究[D]. 鎮(zhèn)江：江蘇科技大學（碩士學位論文），2010.endprint