劉鉆石, 耿秀麗

(上海理工大學(xué) 管理學(xué)院,上海 200093)

面向顧客滿意度的服務(wù)供應(yīng)商評價

劉鉆石, 耿秀麗

(上海理工大學(xué) 管理學(xué)院,上海 200093)

現(xiàn)有服務(wù)供應(yīng)商評價方法通常基于多屬性評價方法,逼近于理想值排序方法 (TOPSIS)是常用方法之一.傳統(tǒng)基于TOPSIS的評價方法難以處理定性定量相結(jié)合的評價指標體系,且沒有考慮到指標與顧客滿意度間的非線性關(guān)系.針對這一問題,提出了面向顧客滿意度的服務(wù)供應(yīng)商評價方法,首先將定性定量指標的評價信息借助于卡諾(KANO)函數(shù)轉(zhuǎn)化為顧客滿意度,然后在所得指標顧客滿意度數(shù)據(jù)的基礎(chǔ)上,采用TOPSIS進行供應(yīng)商評價和排序.其中,運用模糊KANO問卷確定各指標的KANO類型,借助KANO模型建立評價指標與顧客滿意度之間的函數(shù)關(guān)系,通過熵權(quán)法計算得出評價指標權(quán)重.最后以實例驗證所提方法的可行性和有效性.

供應(yīng)商評價; 顧客滿意度; 卡諾模型; 逼近于理想值排序方法

在全球生產(chǎn)和消費增長的今天,顧客對服務(wù)要求越來越個性化,對服務(wù)水平要求越來越高.為了適應(yīng)激烈的市場競爭,許多生產(chǎn)商和零售商把資源集中到他們的核心業(yè)務(wù)中,將原材料供應(yīng)外包給服務(wù)供應(yīng)商.在這樣的環(huán)境下,服務(wù)供應(yīng)商扮演著非常重要的角色,因此對供應(yīng)商的評估和選擇變得至關(guān)重要[1].服務(wù)供應(yīng)商的評價和選擇是一個多屬性決策問題,文獻[2]基于現(xiàn)實環(huán)境中供應(yīng)商選擇的信息不確定的特點,考慮非線性目標的隸屬函數(shù)以及不同任務(wù)環(huán)境下的價格優(yōu)惠、服務(wù)水平等,提出了一種新的模糊多目標優(yōu)化模型解決服務(wù)供應(yīng)商選擇問題.文獻[3]提出一種新的機會約束數(shù)據(jù)包絡(luò)分析方法,在雙重作用因素和隨機數(shù)據(jù)存在的基礎(chǔ)上,對逆向物流服務(wù)供應(yīng)商進行評價和選擇.文獻[4]基于服務(wù)供應(yīng)商的群決策和直覺模糊偏好關(guān)系問題,提出一種直覺模糊線性規(guī)劃方法對供應(yīng)商進行評價和選擇.文獻[5]結(jié)合層次分析法和TOPSIS(technique for order preference by similarity to an ideal solution,逼近于理想值的排序方法)方法構(gòu)建了決策支持系統(tǒng),協(xié)助公司高層管理人員對逆向物流服務(wù)供應(yīng)商進行評估和選擇.TOPSIS 是常用的多屬性決策方法,通過尋找距離最優(yōu)理想點最近的點和距離最差理想點最遠的點來選擇候選方案.現(xiàn)有TOPSIS研究主要對定性指標評價進行了研究.文獻[6]構(gòu)建了一種基于模糊決策矩陣處理語義評價的TOPSIS方法,結(jié)合三角模糊數(shù)的平均值和精確值對方案進行排序和選擇.文獻[7]針對具有語言型和直覺模糊數(shù)兩種評價信息的混合型多屬性群決策問題,提出了一種基于TOPSIS的決策方法.文獻[8]提出一種基于區(qū)間直覺梯形模糊幾何加權(quán)Bonferroni平均算子的決策方法.文獻[9]提出了梯形直覺模糊數(shù)的TOPSIS多屬性決策方法.然而,對于定性與定量指標相結(jié)合的評價體系,TOPSIS方法難以進行有效的處理.另外,傳統(tǒng)TOPSIS方法沒有考慮到價指標與總體滿意度之間的非線性關(guān)系.考慮到這些問題,本文提出了面向顧客滿意度TOPSIS的服務(wù)供應(yīng)商評價方法.服務(wù)的特點是生產(chǎn)消費同時進行,顧客接觸是關(guān)鍵的環(huán)節(jié).顧客滿意度是衡量服務(wù)水平的關(guān)鍵因素,顧客滿意度反映了服務(wù)水平[10].顧客滿意度評估的常用理論是KANO(卡諾)模型,基于KANO模型建立評價指標與顧客滿意度間的函數(shù)關(guān)系可以實現(xiàn)指標評價信息的量化.本文對不同指標的實現(xiàn)程度和顧客滿意度進行函數(shù)擬合,從而實現(xiàn)不同指標的量化評估,以便于運用TOPSIS進行決策分析.

1 問題描述和相關(guān)概念

1.1 問題描述

設(shè)有n個可選擇的服務(wù)供應(yīng)商Ai(1≤i≤n),經(jīng)過專家決策初步確定了m個物流服務(wù)供應(yīng)商的評價指標Dj(1≤j≤m).Xij(i=1,2,…,n;j=1,2,…,m)為針對供應(yīng)商Ai的指標Dj的評價信息,sij(i=1,2,…,n;j=1,2,…,m)為Xij的顧客滿意度值.本文將指標評價信息轉(zhuǎn)化成顧客滿意度值,采用TOPSIS方法對供應(yīng)商方案進行決策,研究方法框架如圖1所示.

圖1 研究方法框架

1.2 KANO模型

KANO 模型可將顧客需求或功能需求分為基本型(M)、期望型(O)、興奮型(A)、無關(guān)型(I)、相反型(R)以及問題型(Q)6種需求類型.現(xiàn)有研究通?？紤]基本型(M)、期望型(O)、興奮型(A)3種類型,這3類需求的特點如下[11]:

a. 基本需求是指當(dāng)某一功能需求滿足的時候,顧客滿意度不會上升很多,但是當(dāng)該功能需求未被滿足的時候,會引起顧客強烈的不滿,顧客滿意度會大幅下降;

b. 期望需求是指當(dāng)某一功能需求滿足的時候,顧客滿意度會上升,未被滿足的時候?qū)陆?

c. 興奮需求是指當(dāng)某一功能需求滿足的時候,顧客滿意度會大幅上升,但未被滿足的時候,顧客一樣可以接受,顧客滿意度不會受太大影響.

1.3 基于模糊理論的評價指標KANO屬性分析

分析供應(yīng)商評價指標的 KANO 類型,需借助于問卷進行調(diào)查,但傳統(tǒng) KANO 問卷的評價標準單一,受訪者只能從多個評價選項中選擇一個最佳選項,不能充分反映受訪者對某一指標的復(fù)雜想法.模糊KANO問卷用百分比的評價方式代替?zhèn)鹘y(tǒng) KANO 問卷中只選一項的評價方式,使評價結(jié)果更準確合理[12].

(1)

將評價矩陣Sk與 KANO 模型需求分類評估表(如表1所示)進行對照,計算評價矩陣Sk中每一種指標類型h(h=M,O,A,I,R,Q)的評價數(shù)值之和Tkh,即Tkh=∑Skxy,Tkh反映了評價指標隸屬于h類顧客需求的程度.

為進一步降低個人的主觀因素對評價結(jié)果的影響,采用α割對Tkh進行修正.如果Tkh≥α,那么{Tkh}α=1,否則{Tkh}α=0.將所有受訪者針對評價指標的修正值{Tkh}α累加即可得到評價指標的分類頻數(shù)fk(h=M,O,A,I,R,Q),其中頻數(shù)最高的評價指標類型即為該指標的KANO類型.如果出現(xiàn)兩種類型頻率相同的情況,需求類型劃分的優(yōu)先順序依次為M,O,A,I.

表1 KANO模型需求分類評估表

令CSij為根據(jù)調(diào)查得到的顧客對指標Dj的滿意度,DSij為根據(jù)調(diào)查得到的顧客對指標Dj的不滿意度,兩者的計算公式為[13]

(2)

(3)

2 基于KANO函數(shù)的指標滿意度計算

圖2是根據(jù)不同KANO類型指標的特點繪制的指標實現(xiàn)程度與指標滿意度曲線圖.模糊KANO模型的量化就是采用不同類型函數(shù)sij=af(xij)+b對圖2中不同類型評價指標的S-D曲線進行擬合,求出各供應(yīng)商評價指標實現(xiàn)程度與滿意度間具體的S-D擬合函數(shù)表達式.首先需要計算圖2的S-D曲線中(1,CSij),(0,DSij)兩點坐標,然后將兩點坐標帶入函數(shù)sij=af(xij)+b中求出其具體的S-D擬合函數(shù)表達式.其中,sij表示針對供應(yīng)商Ai評價指標Dj的顧客滿意度,xij表示評價指標Dj的實現(xiàn)程度,a和b為曲線參數(shù).

圖2 KANO模型S-D曲線圖[13]

服務(wù)評價指標的類型又可分為效益型和成本型,效益型表示指標值越大越好,成本型表示指標值越小越好.考慮到多個候選供應(yīng)商針對不同量綱指標的比較,供應(yīng)商Ai的評價指標Dj的效益型和成本型評價指標值分別為

(4)

(5)

根據(jù)文獻[13]的計算,S-D的擬合函數(shù)為

(6)

3 面向顧客滿意度的TOPSIS決策

在顧客滿意度數(shù)據(jù)的基礎(chǔ)上,利用TOPSIS方法對滿意度數(shù)據(jù)進行處理分析.所提面向顧客滿意度的TOPSIS決策過程分為6個步驟:(a) 熵權(quán)法確定指標權(quán)重;(b)建立指標滿意度矩陣;(c)構(gòu)建基于熵權(quán)的滿意度矩陣;(d)計算正負理想解;(e)確定各方案到正負理想解的距離;(f)計算各方案的貼近度并排序得出最優(yōu)方案.具體的決策過程如下:

步驟1 熵權(quán)法求指標權(quán)重.

a. 計算各指標熵值,設(shè)ej為評價指標Dj的熵值,則熵值ej的計算過程為

(7)

(8)

b. 計算各指標的熵權(quán),設(shè)μj為評價指標Dj的熵權(quán),則指標的熵權(quán)μj為

(9)

步驟2 指標滿意度矩陣的建立.

設(shè)X=(xij)n×m(i=1,2,…,n;j=1,2,…,m)為供應(yīng)商集對指標集的評價矩陣;S=(sij)n×m(i=1,2,…,n;j=1,2,…,m)為供應(yīng)商集對指標集滿意度決策矩陣.則有

步驟3 基于熵權(quán)的滿意度矩陣構(gòu)建.

令Y=(yij)n×m為滿意度加權(quán)判斷矩陣,則有

(10)

步驟4 計算正負理想解.

(11)

(12)

步驟5 計算各方案到正負理想解的加權(quán)歐式距離.

各方案到正負理想解的加權(quán)歐式距離分別為

(13)

(14)

步驟6 計算理想解的貼近度及排序.

按Ci的大小對各方案進行排序,Ci越大方案越優(yōu),否則越劣.

(15)

4 案例分析

某生產(chǎn)型企業(yè)在考慮公司發(fā)展和顧客需要的基礎(chǔ)上,擬將公司的原材料運輸業(yè)務(wù)外包給物流服務(wù)供應(yīng)商,在公司的考慮范圍內(nèi),有5家物流服務(wù)供應(yīng)商(A1,A2,…,A5)符合公司的基本要求,每一家都各具優(yōu)勢.根據(jù)調(diào)查分析其定性和定量指標得出這5家物流服務(wù)供應(yīng)商的評價信息,定量指標有供貨時間(D1)、服務(wù)費用(D2)、貨物破損率(D3)、缺貨率(D4);定性指標包括服務(wù)柔性(D5)、合作能力(D6)、發(fā)展?jié)摿?D7)以及技術(shù)水平(D8).其中,供貨時間是指途中運輸所需的天數(shù),服務(wù)費用是物流服務(wù)供應(yīng)商向所提供服務(wù)的企業(yè)索取的服務(wù)費,服務(wù)柔性指供應(yīng)商滿足客戶需求變化的能力.定量指標是直接通過調(diào)查獲取企業(yè)的相關(guān)數(shù)據(jù)值,20位專家組成一個專家組,對定性指標進行評價,評價結(jié)果采用5級量表的方式進行打分,評分從5到1,分別代表“非常滿意”、“滿意”、“一般”、“不滿意”、“很不滿意”,取其平均值得到指標評價得分.以供應(yīng)商A1的定性指標評價過程為例,評價結(jié)果如表2所示.

表2 專家對供應(yīng)商A1定性指標的評價信息

同理,得出其余4家供應(yīng)商定性指標的評價信息,結(jié)合各供應(yīng)商的定性、定量指標得出綜合評價信息如表3所示.

表3 物流服務(wù)供應(yīng)商評價指標信息

4.1 顧客需求KANO類型分析

采用模糊KANO問卷對各評價指標的類型進行調(diào)查,問卷中,P=N={滿足,必須這樣,中立,可忍受,不滿},m=n=5.總共發(fā)放200份問卷,受訪者為使用過該服務(wù)的客戶、公司內(nèi)部員工以及隨機人員,收回并整理出有效問卷 173 份,保證了問卷調(diào)查的有效性.其中,服務(wù)費用(D2)評價指標的模糊 KANO問卷調(diào)查結(jié)果如表4所示,從而根據(jù)表4中的結(jié)果計算得到m(P)k2=(0.3,0.6,0.1,0,0),m(N)k2=(0,0,0,0.2,0.8).

由式(2)計算得到該受訪者對服務(wù)費用(D2)的評價矩陣,并將該矩陣與KANO模型需求分類評估表(表1)進行對照,計算得TMk=0.56,TOk=0.24,TAk=0.06,TTk=0.14,TRk=0,TQk=0.采用α(本文α=0.4)割對Thk進行修正,如果Thk≥0.4,那么{Thk}α=1,否則{Thk}α=0.將所有受訪者評價的修正值{Thk}0.4=0依次記錄到表5 中,得到評價指標D2評價信息統(tǒng)計表.與以上分析過程類似,計算出所有評價指標的分類頻數(shù)fh,根據(jù)式(2)～(3)將以上計算結(jié)果依次記錄到表6中,從而得到 KANO 模型服務(wù)指標分類評價結(jié)果.

表4 針對服務(wù)費用(D2)的問卷調(diào)查結(jié)果

表5 服務(wù)費用KANO評價信息統(tǒng)計表

表6 服務(wù)指標分類評價

通過式(6)計算出不同指標下物流服務(wù)供應(yīng)商顧客滿意度函數(shù),結(jié)果如表7所示.

4.2 基于TOPSIS的方案評價

步驟1 確定指標權(quán)重

根據(jù)表3中的數(shù)據(jù)以及式(7)～(9)計算出評價指標的權(quán)重,評價8個指標所對應(yīng)的權(quán)重分別為0.124,0.121,0.128,0.126,0.127,0.121,0.128,0.125.

表7 供應(yīng)商服務(wù)指標分類評價結(jié)果

步驟2 計算滿意度評價矩陣

將表3中不同量綱的評價數(shù)據(jù)通過式(4)～(5)轉(zhuǎn)化為0～1之間的評價信息,初始評價信息矩陣X為

根據(jù)表7中每一個評價指標所對應(yīng)的滿意度函數(shù)及矩陣X中指標所對應(yīng)的供應(yīng)商評價信息計算出Ai供應(yīng)商對應(yīng)Dj指標的滿意度值,滿意度決策矩陣S為

步驟3 計算加權(quán)判斷矩陣

根據(jù)式(10)計算出滿意度加權(quán)判斷矩陣,計算結(jié)果為

步驟4 計算正負理想解

根據(jù)式(11)～(12)求出正負理想解為

步驟5 計算加權(quán)歐氏距離及相對貼近度

根據(jù)式(13)～(15)分別求出候選供應(yīng)商正負理想解的加權(quán)歐式距離和相對貼近度的結(jié)果,如表8所示.

表8 基于所提TOPSIS方法的候選供應(yīng)商排序結(jié)果

4.3 與傳統(tǒng)TOPSIS結(jié)果進行對比

傳統(tǒng)TOPSIS評價過程與上述步驟類似,區(qū)別在于傳統(tǒng)TOPSIS評價所用的評價信息不需轉(zhuǎn)化為滿意度值,根據(jù)初始評價信息對各供應(yīng)商方案進行評估.用傳統(tǒng)TOPSIS方法計算出的各方案距正負理想解的距離及其貼近度如表9所示.

表9 傳統(tǒng)TOPSIS方法的計算結(jié)果

將本文TOPSIS方法和傳統(tǒng)TOPSIS方法計算出的供應(yīng)商貼近度和方案排序進行對比可以發(fā)現(xiàn),兩者得出的結(jié)果存在一定的差異.本文所用方法求出的最優(yōu)方案是供應(yīng)商A3;而傳統(tǒng)TOPSIS方法計算得出的最優(yōu)方案是供應(yīng)商A1.選取對比性較強的3種指標D1(基本型指標)、D8(期望型指標)和D7(興奮型指標),運用兩種方法對這5個供應(yīng)商進行對比,來分析不同方法評價結(jié)果上的差異.圖3(見下頁)為評價指標D1兩種評價結(jié)果對比圖,圖4(見下頁)為評價指標D8兩種評價結(jié)果對比圖,圖5(見下頁)為評價指標D7兩種評價結(jié)果對比圖.

圖3 評價指標D1兩種評價值對比

圖4 評價指標D8兩種評價值對比

圖5 評價指標D7兩種評價值對比

從圖3可以看出,針對D1,供應(yīng)商A1的兩種評價結(jié)果差距較小而供應(yīng)商A3兩種評價結(jié)果相差較大，并且供應(yīng)商A1與供應(yīng)商A3的本文TOPSIS評價結(jié)果相差較大.這會導(dǎo)致所提方法中A1的排名下降,A3的排名上升.從圖4所示的評價指標D8變化趨勢可以看出,供應(yīng)商A3和A1的本文TOPSIS評價結(jié)果差距明顯大于傳統(tǒng)TOPSIS評價結(jié)果,這也會影響所提方法中A1的排名下降,A3的排名上升.評價指標D7為興奮型指標,滿意度會隨著評價指標數(shù)據(jù)上升而快速上升,隨著評價數(shù)據(jù)的下降而緩慢下降.從圖5可以看出,供應(yīng)商A3和A1的傳統(tǒng)TOPSIS評價結(jié)果差距較小,但是本文TOPSIS評價結(jié)果因此卻相差較大.這也會影響所提方法中A1的排名下降,A3的排名上升.由于所提方法考慮的是指標的滿意度數(shù)據(jù),因此可以更合理地對服務(wù)供應(yīng)商進行評價和選擇.

5 結(jié)束語

本文從顧客滿意度的角度研究服務(wù)供應(yīng)商選擇問題,在滿意度計算過程中,通過模糊KANO理論確定評價指標KANO類型,根據(jù)KANO模型建立定性定量指標與滿意度之間的函數(shù);根據(jù)評價指標的滿意度數(shù)據(jù),采用指標滿意度TOPSIS的方法進行候選物流服務(wù)供應(yīng)商評價.通過對某企業(yè)物流服務(wù)供應(yīng)商選擇的案例分析,可以看出與傳統(tǒng)TOPSIS方法相比,所提方法由于考慮評價指標的滿意度信息,可以更為合理地評估候選服務(wù)供應(yīng)商的實際水平,提高服務(wù)供應(yīng)商評估的有效性.

[1] VENUS LUN Y H,LAI K H,WONG C W Y,et al.Greening propensity and performance implications for logistics service providers[J].Transportation Research Part E:Logistics and Transportation Review,2015,74:50-62.

[2] PAN W,YU L,WANG S Y,et al.A fuzzy multi-objective model for provider selection in data communication services with different QoS levels[J].International Journal of Production Economics,2014,147:689-696.

[3] AZADI M,SAEN R F.A new chance-constrained data envelopment analysis for selecting third-party reverse logistics providers in the existence of dual-role factors[J].Expert Systems with Applications,2011,38(10):12231-12236.

[4] WAN S P,WANG F,LIN L L,et al.An intuitionistic fuzzy linear programming method for logistics outsourcing provider selection[J].Knowledge-Based Systems,2015,82:80-94.

[5] PENG C,DU H H,LIAO T W.A research on the cutting database system based on machining features and TOPSIS[J].Robotics and Computer-Integrated Manufacturing,2017,43:96-104.

[6] PEI Z.A note on the TOPSIS method in MADM problems with linguistic evaluations[J].Applied Soft Computing,2015,36:24-35.

[7] LOURENZUTTI R,KROHLING R A.A generalized TOPSIS method for group decision making with heterogeneous information in a dynamic environment[J].Information Sciences,2016,330:1-18.

[8] 周曉輝,姚儉.區(qū)間直覺梯形模糊幾何Bonferroni平均算子及其應(yīng)用[J].上海理工大學(xué)學(xué)報,2014,36(5):461-468.

[9] 周曉輝,姚儉,吳天魁.基于梯形直覺模糊數(shù)的TOPSIS多屬性決策方法[J].上海理工大學(xué)學(xué)報,2014,36(3):281-286.

[10] YU J,SUBRAMANIAN N,NING K,et al.Product delivery service provider selection and customer satisfaction in the era of internet of things:a Chinese e-retailers’ perspective[J].International Journal of Production Economics,2015,159:104-116.

[11] 徐士東,耿秀麗,葉春明.考慮定量KANO分析的產(chǎn)品功能需求優(yōu)化設(shè)計[J/OL].計算機集成制造系統(tǒng),http:∥www.cnki.net/kcms/detail/11.3619.TP.20151030.1647.010.html.

[12] 孟慶良,何林.基于模糊KANO模型的質(zhì)量屬性分類方法及其應(yīng)用[J].工業(yè)工程,2013,16(3):121-125.

[13] JI P,JIN J,WANG T,et al.Quantification and integration of Kano’s model into QFD for optimising product design[J].International Journal of Production Research,2014,52(21):6335-6348.

(編輯:丁紅藝)

Customer Satisfaction Oriented Service Supplier Evaluation

LIU Zuanshi, GENG Xiuli

(BusinessSchool,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

The existing service provider evaluation methods are usually based on the multiple attribute decision-making evaluation method,and among them,the TOPSIS(technique for order preference by similarity to an ideal solution) is the one more commonly used.The traditional evaluation method based on the TOPSIS is difficult to deal with the qualitative and quantitative evaluation index system,and dosen’t consider the nonlinear relationship between the criterion and customer satisfaction.In order to solve the problem,a method for service provider evaluation based on the TOPSIS combined with the consideration of the customer satisfaction was put forward.Criteria evaluation informations were translated into customer satisfaction informations by using the KANO function,and then the TOPSIS was used to evaluate and sort suppliers based on the customer satisfaction informations.The fuzzy KANO questionnaire was used to determine the KANO type of each criterion and the function relationship between evaluation index and customer satisfaction was established by using the KANO model.In addition,the weight of evaluation criterion was calculated by the entropy weight method.The feasibility and effectiveness of the proposed method were verified by a practical example.

supplierevaluation;customersatisfaction;KANOmodel;TOPSIS

1007-6735(2016)06-0568-08

10.13255/j.cnki.jusst.2016.06.011

2016-05-30

國家自然科學(xué)基金資助項目(71301104);上海市一流學(xué)科建設(shè)資助項目(S1201YLXK);上海市教育委員會科研創(chuàng)新資助項目(14YZ088);高等學(xué)校博士學(xué)科點專項科研基金資助項目(20133120120002);滬江基金資助項目(A14006)

劉鉆石(1991-),女,碩士研究生.研究方向:物流工程.E-mail:liuzuanshi@foxmail.com

耿秀麗(1984-),女,副教授.研究方向:產(chǎn)品服務(wù)系統(tǒng)設(shè)計、決策理論與方法.E-mail:xiuliforever@163.com

C 812; C 94

A