Skip to content
返回搜索结果

SERVQUAL 服务质量量表

提出者
A. Parasuraman, Valerie A. Zeithaml, Leonard L. Berry
年份
1988
类型
Multi-dimensional service quality scale
类别
Service quality measurement

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

SERVQUAL 是一个由 Parasuraman、Zeithaml 和 Berry 于 1988 年开发的 22 个条目的多维度量表,用于衡量消费者对服务质量的感知。它涵盖了五个核心维度:有形性 (Tangibles)、可靠性 (Reliability)、响应性 (Responsiveness)、保证性 (Assurance) 和移情性 (Empathy) 之间的客户期望与实际服务绩效之间的差距。该工具已成为营销研究和实践中应用最广泛的服务质量评估工具。

方法背后的直觉

SERVQUAL 将服务质量操作化为一个差距模型:质量根本上是客户期望与他们感知到的服务之间的差异。SERVQUAL 不是仅衡量满意度或绩效,而是分别量化五个关键服务交付维度上的这种期望-感知不匹配。这种方法揭示了服务改进工作应侧重的领域,对于希望使其运营与客户期望保持一致的组织尤其有价值。

历史学

SERVQUAL 源于 Parasuraman、Zeithaml 和 Berry 于 1988 年在《零售学报》(Journal of Retailing) 上发表的关于服务质量决定因素的开创性研究。最初的 22 个条目量表在涉及银行、信用卡、家电维修和保险行业的多个研究(1985-1988 年)中得到了改进。该工具成为数十年服务质量研究的基础,并催生了许多行业特定的改编(例如,教育领域的 HEDPERF,电子商务领域的 E-S-QUAL)。2005 年的一次重大修订(SERVQUAL-R)解决了一些多条目维度问题,尽管最初的 22 个条目版本仍然被引用最多。

何时使用

SERVQUAL 非常适合评估任何服务行业(零售、酒店、医疗保健、电信、金融服务)中的感知服务质量。使用它可以衡量客户期望与体验之间的差距,确定服务改进的优先事项,与竞争对手进行基准比较,并跟踪质量随时间的变化。它特别适用于大规模调查研究,涉及多样化的客户群体和纵向跟踪。

局限与注意事项

  • 期望消费者对服务进行两次评分(期望 vs. 感知)会增加调查负担和响应疲劳,在某些人群中降低完成率
  • 五维结构虽然总体上稳健,但可能无法捕捉到小众行业或新兴服务模式(例如纯数字服务)的所有相关服务质量方面
  • 期望响应可能受到回忆偏差的影响;客户记住的期望可能与其实际的先前信念有所偏离
  • 差距分数假设期望是稳定的;实际上,期望可能在服务暴露后发生变化,从而混淆了比较

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 通过多项服务领域严格开发和验证,具有很强的心理测量特性(每个维度的 Cronbach alpha 通常为 0.60–0.85)
  • 在期望确认模型 (expectancy disconfirmation model) 中具有清晰的理论基础,解释了它为何能捕捉有意义的服务质量感知
  • 灵活且适应性强;维度和条目可以针对特定行业(例如教育、医疗保健)进行定制,同时保持核心的差距模型逻辑
  • 可操作的输出:特定维度的差距分数直接指导服务改进的优先排序

应用

  • 零售和酒店业:酒店和连锁餐厅使用 SERVQUAL 来监控各网点的服务交付一致性并确定员工培训需求(例如,响应性方面的不足表明需要加快结账或餐桌服务协议)
  • 医疗保健系统:医院和诊所应用 SERVQUAL 来衡量患者满意度和质量感知,特别是在门诊和行政服务方面;结果指导患者体验改进计划
  • 电信和公用事业:提供商评估呼叫中心、技术支持和账单的服务质量;差距分析揭示了在客户流失率高的市场中,感知的响应性和可靠性是否与客户期望相符
  • 金融服务和银行:银行部署 SERVQUAL 来评估柜员服务、贷款处理和客户服务质量;对于网点级别的绩效管理和与纯数字竞争对手的竞争定位特别有用

使用方式

使用方式

1

受访者对 22 个条目进行两次评分:一次是期望服务 (E 条目),一次是感知服务 (P 条目),每个条目均使用 7 点李克特量表(1=非常不同意至 7=非常同意)。条目涵盖有形性(外观、设备)、可靠性(一致性、准确性)、响应性(乐于助人、速度)、保证性(能力、礼貌)和移情性(理解、关怀)。通常通过问卷(纸质、数字或面谈)进行管理。

2

对于每个条目,计算差距分数:Q = P − E(感知减去期望)。计算五个维度的平均差距,然后计算所有 22 个差距分数的平均值作为总体服务质量分数。负差距表示未满足期望;正差距表示超出期望。分量表分数范围为 −6 至 +6;总体分数范围为 −6 至 +6。

3

负的总体 SERVQUAL 分数表示服务质量低于客户期望;零表示符合期望;正分数表示服务卓越。组织通常会与竞争对手进行基准比较,并跟踪特定维度的差距以确定改进的优先顺序。任何维度上 −1.0 或更差的差距都表明该服务要素需要紧急改进。

常见陷阱

  • 仅管理感知 (P) 条目而不管理期望 (E) 条目会否定差距模型,并产生通用的满意度衡量标准,而不是真正的 SERVQUAL
  • 未能考虑特定维度的差距而仅报告总体分数会掩盖关键的改进优先事项
  • 假设所有五个维度同等重要;实际上,不同的客户群体可能对维度的重视程度不同(例如,医疗保健患者比有形性更重视移情性)

常见问题

SERVQUAL 和 SERVPERF 有何区别?

SERVPERF(Cronin & Taylor, 1992)仅衡量感知服务绩效,不包含期望部分,简化了数据收集,但牺牲了差距模型的洞察力。SERVQUAL 的双重管理揭示了期望超出感知的地方,而 SERVPERF 仅产生总体绩效分数。当理解期望-现实不匹配具有战略意义时,首选 SERVQUAL;当调查简短性至关重要时,首选 SERVPERF。

SERVQUAL 可以为我的特定行业或服务进行改编吗?

可以。保留五维框架和差距模型逻辑,但修改 22 个条目以反映您服务的特定接触点。例如,高等教育使用 HEdPERF(Srikanthan & Dalrymple, 2003),它将 SERVQUAL 条目改编到学术环境中。通过客户焦点小组对改编后的条目进行预测试,以确保它们保持有效和相关性。

如何解读一个维度的负差距,而总体 SERVQUAL 为正?

这表明,虽然总体质量符合期望,但该特定维度相对于客户期望而言是一个弱点。例如,一家酒店可能总体 SERVQUAL 为正,但在响应性方面存在负差距,这表明即使其他维度表现出色,服务速度也落后于客户期望。针对该维度进行改进,以防止其成为竞争劣势。

可靠的 SERVQUAL 研究需要多大的样本量?

建议每个服务网点或细分市场至少有 100-150 名受访者,以获得稳定的维度级别估计。对于多网点基准比较,每个网点 200-300 名受访者可确保可靠的差距比较。更大的样本量(500+)允许进行细分分析(例如,按客户任期或使用频率),并提高检测有意义的长期变化的能力。

我应该多久进行一次 SERVQUAL 管理?

频率取决于服务的波动性和组织目标。每月或每季度管理一次可以捕捉短期波动和员工培训的影响;对于稳定、成熟的服务,年度调查就足够了。在对服务进行重大重新设计后,在实施后 3 个月和 6 个月进行基线 SERVQUAL 管理,以跟踪向改进质量期望的收敛情况。

相关方法

参考文献

  1. Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality. Journal of Retailing, 64(1), 12-40.

    打开出版物文献
    已复制。
  2. Zeithaml, V. A., Parasuraman, A., & Berry, L. L. (1990). Delivering Quality Service: Balancing Customer Perceptions and Expectations. Free Press.

    ISBN:978-0029362174
    已复制。