酒店服务质量测量方法研究分析综述
Non-difference 测量方法及应用 Brown 和 Churchill （ 1993) 等人对 SERVQUAL 利用感知与期望之间的算术差值来间接测量服务质量的 做法 进行了批评，认为这种方法存在信度、区分效度以及差异限制（ variancerestriction ）等方面问题。因此，他们提出非差异（ Non-difference ）方法，使用 SERVQUAL 量表的 22 个问项，采用“比期望好 / 差”的评分尺度直接测量顾客感知与期望之间的差异。他们通过实证研究证明该方法优于 SERVQUAL 。 从数据处理角度而言， SERVQUAL 要对顾客期望、感知、两者之差三个方面 66 组数据进行处理，而非差异评价方法只对期望及感知之间的差异 22 组数据进行度量，因而，该方法比 SERVQUAL 简洁了许多。 Webster 和 Hung （ 1994 ）根据 PZB 最初确定的 10 个维度设计了 10 个问题，采用 Non-difference 方法直接测量顾客感知与期望之间的差异，同 Likert 的 1 至 5 点评分尺度不同的是他们采用 -2 至 2 的 5 点评分尺度。其研究结果发现该量表是一个实用、有效而可信的量表。另外，由于该量表仅有 10 个问题，减少了填写时间，提高了问卷回收率。 Antony （ 2004 ）等人使用 Webster 和 Hung （ 1994 ）设计的上述量表对英国某酒店连锁集团的服务质量进行了研究。 Ndhlovu 和 Senguder （ 2002 ）也曾经利用一个 10 属性的量表采用 Non-difference 评分方法研究了性别对酒店服务质量的影响作用。 以上三种方法在服务质量以及酒店服务质量研究中都得到了广泛的应用，但是这些量表并非专门针对酒店业产品特性开发的。因此，很多酒店研究者在 SERVQUAL 基础上针对酒店业的独有特点开发了很多酒店服务质量测量工具。比如， Knutson 和 Stevens 等人开发了 LODGSERV 量表来测量顾客对酒店服务质量的期望，从顾客角度定义酒店服务质量，并利用该量表对酒店业服务质量进行了一系列研究，验证了量表的信度与效度并得出了很多有价值的研究成果。 Getty 和 Thompson 等人开发了 LODGQUAL 量表和 LQI （ LodgingQualityIndex ）量表来测量顾客对酒店服务质量的感知，使用与 SERVPERF 一致的表现测量方法测量酒店服务质量并通过实证研究验证了量表的信度和效度。其中在开发 LQI 量表过程中，为了发现酒店行业可能存在的潜在维度，他们考虑了 PZB 最初提出的 10 个维度。 Mei 和 Dean （ 1999 ）等人开发了 HOLSERV 量表，使用七点 Non-difference 评分尺度直接测量酒店顾客感知与期望之间的差异。实证研究也证明了该量表具有较高的信度和效度。 以上各种服务质量测量方法多侧重从消费者角度进行研究。 Getty （ 1993 ）认为质量可以从两个角度来评价或测量：消费者对服务提供过程的感知以及服务与提供标准的一致性程度（即服务提供者对服务质量的感知）。服务企业往往靠顾客评价来改善服务质量，然而，由于员工在服务质量提供过程中的重要作用，员工对提供服务的感知才是质量 管理 活动成功与否的关键，是评价服务质量的第一步。根据以上理论，他设计了一个测量酒店服务提供者对服务质量感知的量表 PLQPP （ theProvider ’ sLodgingQualityPerceptionProfile ），用其来测量不同组织层次（高层、中层和一线员工）之间对服务质量感知的差异并通过实证研究证明量表具有较高的信度和效度。 IPA 分析方法 激烈的市场竞争中，酒店管理层必须知道他们的优势与劣势，明确其产品与服务属性或维度在顾客心目中的重要性以及表现 , 而使用 IPA 分析方法可以达到以上目的。 IPA 技术是一种通过测量服务对顾客的重要性以及顾客对服务表现的感知来确定特定服务属性优先顺序的技术。 IPA 技术按照某种标准将各属性或维度的重要性与表现得分制图于二维平面的四个象限中，横轴表示客人对服务属性或维度表现的满意程度，纵轴表示客人对服务属性或维度的重视程度。形成的四个区域分别表示：集中关注区（ Concentratehere ）、继续保持区（ Keepupwiththegoodwork ）、低优先区（ Lowpriority ）和过度努力区（ Possibleoverkill ）。 Chu 和 Choi （ 2000 ）认为可以用 IPA 技术代替传统的 SERVQUAL 方法来测量服务质量，该方法对酒店管理来说有两个明显的优点。首先，该技术容易理解并且成本不高，使用简单的象限分析显示属性或维度的优劣。其次，酒店管理者使用 IPA 分析结果可以比较容易的制定营销战略。 一些学者曾经利用 IPA 分析方法对影响 旅游 者选择酒店的因素进行分析。丁国玺（ 2003 ）和陈瑞霞（ 2006 ）分别以服务质量属性和维度为基础利用 IPA 对酒店服务质量进行分析以确定酒店的优劣势。
Hudson （ 2004 ）等人使用 IPA 方法以及 SERVQUAL 、 SERVPERF 和加权 SERVQUAL 方法对旅行社服务质量进行了分析和比较，发现虽然各方法在服务质量维度重要性排序方面存在一些不同，但四种方法之间不存在显著性差异。 Ekinci （ 2002 ）通过文献综述对 IPA 与 CIT 进行了比较，认为 CIT 应该用来从顾客角度解释和了解服务提供过程，进而采取适当的措施对其进行改善，而 IPA 在确定了量表的信度和效度后，可以用来制定服务质量和顾客满意战略。 需要指出的是使用 IPA 分析方法有必要区分重要性与期望两个概念，进行实证研究时将它们作为两个不同的概念来进行处理。将重要性和期望作为一个概念混用的 做法 是不科学的。 Kano 二维测量方法 大部分服务质量研究基于传统的一维质量模型，即认为产品或服务的质量属性若具备的话，顾客会满意，反之，则会不满意，具备的程度越高，顾客会越满意。然而事实上却并非如此。 二维质量模型认为某些质量要素并不一定能够促成顾客满意，具备某些要素可能导致没有任何感觉甚至不满，这是该模型的理念核心。 最早关于二维质量的理念可以追溯到心理学家赫茨伯格（ Herzberg ）在 1959 年提出的激励 – 保健双因素理论。日本学者 NoriakiKano 发展了该理论，按照愉悦质量、线性质量、必要质量、无差异质量以及反转质量要素来区分服务质量。 必要质量要素（ must-bequalityelement ）：是顾客最基本的需要，不具备此质量要素会使顾客非常不满意，但由于顾客将此类要素看作理所当然，具备此类要素不会增加满意度。 线性质量要素（ one-dimensionalqualityelement ）：是顾客的显性需要，顾客满意度同此类质量要素成正比例关系，具备的程度越高，顾客会越满意。 愉悦质量要素（ attractivequalityelement ）：是超出顾客期望的要素，此类质量要素如果具备的话，则会让顾客感到惊喜，若不具备，顾客也不会感到不满。 无差异质量要素（ indifferentqualityelement ）：该质量要素不论是具备或不具备，都不会引起顾客满意或不满意。 反转质量要素（ reversequalityelement ）：具备了此类质量要素会引起顾客的不满意，而未具备反而会使顾客满意。 Matzler 和 Hinterhuber （ 1998 ）认为要提高顾客满意度，保持长期可持续竞争优势，首先必须实现必要质量要素，其次要保持线性质量要素有竞争力，最后要突出愉悦质量要素。他们对该模型存在的优点以及使用方法做了比较详细的阐述。 Lee 和 Chen （ 2006 ）按照他们提出的方法采用二维模型对台湾温泉酒店的服务质量进行了评价，将温泉酒店的服务质量要素按照前述的分类方法分为 5 类。 Erto 和 Vanacore （ 2002 ）也以 Kano 二维模型为基础提出了酒店服务质量评价与控制的概率方法（ probabilisticapproach ）。他们认为现有的以顾客评价为基础的服务质量测量方法是对服务质量的一种“事后”测量（ aposteriorimeasure ），这对于需要不断监测和并改善的服务质量来说没有多少价值。同时，期望和感知未必可预测未必稳定，它们都是基于感觉的复杂结构，并非像以前假设的那样具有“理性”的结构。据此，他们提出了一种更有效的测量实际服务质量水平的方法——概率方法。为了降低顾客行为和期望等不可控因素造成的影响，仅研究酒店服务过程的内部变动对服务质量的影响作用，他们利用经验丰富的质量专家（ qualityexperts ）在较短的时间内模拟顾客与酒店的接触，对酒店服务质量进行统计性测量与评价。他们以 Kano 二维模型为基础将服务质量要素分为三类：愉悦质量、线性质量和必要质量，根据各类要素的特点利用概率理论建立概率模型确定他们对总体服务质量的影响作用。最后，根据三类要素的关系提出了酒店服务质量的测量模型，将最终服务质量分为 6 个层次：最优质量（ excitingquality ）、优质量（ optimumquality ）、普通质量（ commonquality ）、低质量（ lowquality ）、最低限度质量（ minimalquality ）和差质量（ noquality ）。他们的实证研究结果表明 : 利用该模型可以对酒店服务质量进行可靠和有效的评价，并且仅需要较少的数据。 酒店服务质量测量研究的发展方向 属性研究方法中问卷设计是一个关键的环节，而属性或问项的确定是问卷设计的第一步。从前面的分析可以看出：以前研究者使用的量表属性缺乏统一性，往往令人无所适从。因此，使用属性研究方法 , 首先需要确立一个简单易用并被普遍接受的量表或属性集合，这是未来属性研究方法的研究方向之一。
其次，在数据分析过程中，除了因子分析、方差分析、回归分析、聚类以及判别分析等传统统计分析工具外，一些新的分析工具——结构方程建模技术和模糊数学等方法在酒店研究领域应用越来越广泛。结构方程建模技术为分析潜在变量、显在变量及其相互关系提供了令人满意的研究手段。很多学者在酒店服务质量或满意度研究中都采用了结构方程建模技术。模糊数学评价方法为克服语言信息的主观性与不精确性，解决与主观判断相关的概念的测量问题提供了新途径。邢文刚（ 2005 ）、 Ben í tez 和 Mart í n （ 2007 ）等人在对酒店服务质量的研究过程中都采用了模糊评价方法。 另外， Lewis （ 1984 ）和 Schall （ 2003 ）等人对酒店服务质量研究中的样本规模问题进行了研究。根据他们提出的样本规模公式并对比酒店服务质量研究者们使用的样本数量，当前酒店服务质量研究存在样本规模较小的问题，可能影响了其研究结果的信度。因此，今后对酒店服务质量的研究应该加大样本规模，以提高分析结果的普适性。 最后，虽然很多学者在酒店服务质量研究中使用了定量研究方法，但有些学者认为测量酒店服务质量需要定量和定性方法相结合，以弥补定量研究方法的不足。
