服务设计流程通常包括服务发掘定位、服务方案形成、服务整合说明、服务产生、服务体验评估和服务传递6个环节,其中,服务方案的形成(即确定服务要素配置方案)是一个重要环节[1],服务要素配置方案的好坏会直接影响到顾客针对服务产品的消费决策进而影响企业的收益,在进行服务要素配置时有必要考虑顾客针对服务方案的选择行为.本文关注的顾客选择行为是指顾客针对服务产品选择消费的可能性的大小,可通过选择概率来刻画.在现实的服务产品设计中,服务型企业通常会在对市场进行细分的基础上针对目标顾客群体设计符合其选择偏好的服务产品,以实现既定的收益目标并最大化地满足目标顾客群体的需求.因此,有必要研究如何在服务产品设计中考虑目标顾客群体针对服务产品的选择行为以实现服务要素的优化配置.关于服务设计方法,已有的研究成果主要有服务蓝图法[2]、QFD方法[3]、优化方法[4]等.近年来,在服务方案设计中考虑顾客的选择行为已引起了学者们的关注.Victorino等[5]针对顾客选择行为对酒店和娱乐行业中服务开发与运作的影响进行了研究,并指出理解顾客选择行为有助于服务型企业更好地对服务进行设计;Ding等[6]针对网上金融服务中的自助服务技术设计问题,通过基于网络的离散选择实验,对客户进行了细分,运用多项Logit模型对客户的特征进行了识别,并指出得到的顾客针对网上金融服务的选择行为分析结果对服务方案设计有重要影响.相关研究为解决服务方案设计问题提供了较好的思路和支撑,且已有研究指出在服务方案设计中有必要考虑顾客的选择行为,但仅通过实证或实验研究的方法验证了考虑顾客选择行为有助于更好地设计服务方案,较少关注如何考虑顾客选择行为进而形成服务方案.本文提出了一种考虑顾客选择行为的服务要素优化配置方法.
1 问题描述为了便于问题的说明,下列符号用来表示本文关注的考虑顾客选择行为的服务要素优化配置问题中所涉及的集和量.SR={SR1,SR2,…,SRm}表示服务项集合,其中SRi表示第i个服务项,i=1,2,…,m.W=(w1,w2,…,wm)表示服务项的权重向量,其中wi表示服务项SRi的权重或重要性程度,且满足
本文要解决的问题是:在考虑目标顾客群体针对服务产品的选择行为以及服务产品的预期收益目标的情况下,对服务要素进行优化配置进而形成服务要素配置方案.
2 原理与方法本文提出的考虑顾客行为的服务要素优化配置方法的基本原理和计算步骤具体描述如下.
首先,依据确定的服务项和服务要素集合,针对目标顾客群体进行问卷调查并对问卷调查结果进行整理分析,获取目标顾客群体针对各服务项的期望水平以及针对各服务要素的评价值,这里针对服务要素的评价值是指服务要素满足需求程度的评价值.需要说明的是,在确定服务项及服务要素时已充分考虑到市场中存在的竞争服务产品的配置,市场中存在的同类服务产品均可通过不同的备选服务要素组合形式体现.
记ei=(e1i,e2i,…,edi)为目标顾客群体针对服务项SRi的期望水平向量,其中ebi表示目标顾客群体中第b位顾客针对服务项SRi的期望水平,b=1,2,…,d,i=1,2,…,m.这里,顾客对于各服务项的期望水平ebi可以采用打分法来表示,例如采用0~10打分法,其中:0分表示顾客对服务项满足需求的程度无期望要求,10分表示顾客对服务项满足需求程度的期望要求最高.记i为顾客群体针对服务项SRi的平均期望水平,其计算公式为
(1) |
记hij=(h1ij,h2ij,…,hdij)为目标顾客群体针对服务要素SAij给出的评价值向量,其中hbij表示目标顾客群体中第b位顾客针对服务要素SAij给出的评价值,b=1,2,…,d.类似地,顾客对于各服务要素满足需求程度的评价值hbij可以采用打分法来表示,例如采用0~10打分法,其中:0分表示顾客对服务要素满足需求程度的评价值最低,10分表示顾客对服务要素满足需求程度的评价值最高.记hij为顾客群体针对服务要素SAij满足需求程度给出的平均评价值,其计算公式为
(2) |
进而可确定目标顾客群体针对竞争服务产品CPk的服务项SRi对应的服务要素SRki的评价值,记为hki.
其次,计算目标顾客群体针对服务要素的感知效用.通常,对于一个具体的服务项,顾客针对其满足需求的程度会有一定的期望要求,同时对于该服务项对应的不同服务要素满足顾客需求的程度亦会有不同的评价值.当顾客给出的评价值超出其期望水平时,顾客会感到欣喜;当顾客给出的评价值未达到其期望水平时,顾客会感到失望.本文通过顾客期望水平与评价值之间的偏差刻画顾客的感知效用.下面给出顾客感知效用计算方法.
记vi表示顾客群体针对服务项SRi的平均期望水平的效用值,vij表示顾客群体针对服务要素SAij满足需求程度给出的平均评价值的效用值,vki表示顾客群体针对服务要素SRki满足需求程度给出的平均评价值的效用值,依据文献[7],其计算公式分别为
(3) |
(4) |
(5) |
其中,α是风险规避系数,0<α<1.
为了刻画顾客的欣喜与失望的心理感知,依据文献[8-9],分别计算目标顾客群体针对方案选择服务要素SAij和竞争服务产品CPk选择服务要素SRki的顾客感知效用sij和ski,其计算公式分别为
(6) |
(7) |
其中,γ是参数,其取值范围是0<γ<1,γ取值的大小会影响到失望函数的凹凸程度,当变量x确定时,γ的值越大,表示失望程度越小.依据Laciana等[9]的研究成果,符合大多数个体行为偏好特征的γ的取值范围是0.7≤γ≤0.9.
再次,计算目标顾客群体针对服务产品的选择概率.顾客针对服务产品的选择行为与顾客针对服务产品的感知效用有直接的关系,顾客针对服务产品的感知效用可通过顾客针对服务要素的感知效用来体现.由于在确定服务项及服务要素时已充分考虑到市场中存在的竞争服务产品的配置,市场中存在的同类服务产品均可通过不同的备选服务要素组合形式体现,因而可将所有可能的服务要素配置方案组成的备选方案集合视为一个完备的服务产品设计方案集合,记为A=(A1,A2,…,At).令ur和uk分别表示目标顾客群体针对服务产品设计方案Ar和竞争服务产品CPk的感知效用,r=1,2,…,t.其计算公式分别为
(8) |
(9) |
其中,xij为0-1型决策变量.当xij=1时表示在服务要素配置方案中,服务项SRi中的服务要素SAij被选中;否则,表示服务项SRi中的服务要素SAij未被选中.
顾客针对服务产品的选择行为,即顾客针对服务要素配置方案的选择概率,可通过离散选择模型确定.记pr=(p1,p2,…,pt)为目标顾客群体针对各服务要素配置方案的选择概率向量,其中pr表示目标顾客群体针对服务要素配置方案Ar的选择概率.依据文献[10],其计算公式为
(10) |
其中,μ是一个比例参数,其取值可以在获取针对服务产品的市场份额调研数据后通过统计方法估计得到.
最后,建立确定服务产品设计方案的优化模型.设0-1型决策变量为xij,当xij=1时,表示设计的服务产品的服务项SRi对应服务要素SAij;当xij=0时,表示设计的服务产品的服务项SRi不对应服务要素SAij.因此,可构建如下优化模型:
(11) |
(12) |
(13) |
(14) |
式(11)表示使确定的服务要素配置方案的顾客感知效用最大;式(12)表示使确定的服务要素配置方案的预期收益不低于预期收益目标R;式(13)表示从每个服务项集合中只能选择一个服务要素.通过求解该模型,可以确定服务产品设计方案,即服务要素配置方案.
3 算例通过一个例子说明提出的考虑顾客选择行为的服务要素优化配置方法的潜在应用.
通过对“BJ—GZ”段动车组乘客市场进行细分后,拟面向高端商务人士增设商务车厢,商务座全程定价2 724元.经过市场调研,确定单次车程潜在的目标顾客群体数量为80人.经过顾客需求分析及对现有动车组产品的调查,由服务设计小组确定服务项集合和对应的服务要素集合,具体如下:SR1:餐食(SA11:免费提供盒饭和零食,SA12:免费提供零食,SA13:不提供);SR2:饮品(SA21:免费提供多款饮品,SA22:免费提供单一饮品,SA23:免费提供饮用水);SR3:座椅(SA31:提供可平躺的睡椅,SA32:提供可半躺的睡椅,SA33:提供普通的座椅);SR4:读物(SA41:提供休闲杂志,SA42:提供旅游指南,SA43:提供报纸);SR5:娱乐设备(SA51:提供掌上电脑,SA52:提供音乐播放器,SA53:提供公共电视);SR6:清洁服务(SA61:实时提供清洁服务,SA62:定时提供清洁服务),并且由服务设计小组给出服务项权重向量W=(0.12,0.12,0.28,0.14,0.19,0.15).“BJ—GZ”段动车组座位类型有一等座和二等座,分别记为CP1和CP2,其服务要素配置信息具体如表 1所示.依据确定的服务项及服务要素,针对以往有过动车乘坐经历的218位顾客设计并发放调查问卷,获取了该顾客群体针对各服务项的期望水平以及针对各服务要素的评价值.各服务要素的单次运行成本向量分别为C1=(200,50,0),C2=(120,50,10),C3=(1000,600,100),C4=(100,80,30),C5=(200,100,50),C6=(200,100),单位为元,单次运行固定成本为2万元,商务车厢单次运行预期收益不低于1万元.
为了解决上述服务方案设计问题,简要给出运用本文提出方法确定服务要素配置方案的部分计算过程和结果.
首先,向目标顾客群体发放调查问卷,获取其针对各服务项的期望水平以及针对各服务要素的评价值,这里采用0~10打分的方法,经统计计算,得到目标顾客群体针对各服务项的平均期望水平向量为e=(6,6,9,7,8,10),目标顾客群体针对各服务要素的平均评价值向量分别为h1=(10,8,5),h2=(8,7,6),h3=(9,8,5),h4=(7,6,6),h5=(9,6,4),h6=(3,8).这里,参数α的取值参照文献[8]中的取值,即α=0.88,参数γ的取值参照文献[9]中的取值,即γ=0.8,然后,根据式(3)~(7),计算得到目标顾客群体针对各服务要素的感知效用.进一步地,根据式(8)~(10),计算目标顾客群体针对服务方案的选择概率,这里取μ=0.4.最后,依据模型(11)~(14),构建确定服务要素配置方案的优化模型如下:
运用Lingo 11.0优化软件包求解优化模型,可确定服务要素组合为SA11,SA21,SA31,SA41,SA51和SA61,即确定的动车组商务舱车厢服务方案的服务要素组合是:免费提供盒饭和零食(SA11)、免费提供多款饮品(SA21)、提供可平躺的睡椅(SA31)、提供休闲杂志(SA41)、提供掌上电脑(SA51)和实时提供清洁服务(SA61).
4 结语本文针对考虑顾客选择行为的服务要素优化配置问题,给出了一种决策分析方法.在该方法中,考虑了目标顾客群体针对服务要素的选择行为,通过刻画顾客欣喜与失望的心理感知,将顾客感知效用引入离散选择模型中,给出了顾客感知效用最大化的顾客选择行为模型,并在此基础上构建并求解服务要素优化配置模型,最终确定服务要素优化配置方案.运用本文方法确定的服务要素配置方案反映了目标顾客群体的选择行为,为解决现实中的服务要素优化配置问题提供了一种新思路,具有实际应用价值.
[1] | Cook L S, Bowen D E, Chase R B, et al. Human issues in service design[J]. Journal of Operations Management, 2002, 20 (2) : 159 –174. (0) |
[2] | Barbieri S, Fragnière E, Sitten M S, et al. Proposal of a methodology to integrate the human factor in the service blueprint[J]. Journal of Advanced Management Science, 2013, 1 (2) : 207 –213. (0) |
[3] | Dachyar M, Omar M, Sena P A. Analysis of satisfaction and improvement design of electronic insurance claim service[J]. Advanced Science Letters, 2014, 20 (1) : 309 –311. (0) |
[4] | XuHao, FanZhi-ping, LiuYang. Method for determining service attributes portfolio alternative in service design[J]. Journal of Management Science, 2011, 24 (1) : 56 –62. (0) |
[5] | Victorino L, Verma R, Plaschka G, et al. Service innovation and customer choices in the hospitality industry[J]. Managing Service Quality, 2005, 15 (6) : 555 –576. (0) |
[6] | Ding X, Verma R, Iqbal Z. Self-service technology and online financial service choice[J]. International Journal of Service Industry Management, 2007, 18 (3) : 246 –268. (0) |
[7] | Tversky A, Kahneman D. Advances in prospect theory:cumulative representation of uncertainty[J]. Journal of Risk and Uncertainty, 1992, 5 (4) : 297 –323. (0) |
[8] | Bell D E. Disappointment in decision making under uncertainty[J]. Operations Research, 1985, 33 (1) : 1 –27. (0) |
[9] | Laciana C E, Weber E U. Correcting expected utility for comparisons between alternative outcomes:a unified parameterization of regret and disappointment[J]. Journal of Risk and Uncertainty, 2008, 36 (1) : 1 –17. (0) |
[10] | Ben-Akiva M E, Lerman S R. Discrete choice analysis:theory and application to travel demand[M]. Boston: The MIT Press, 1985 . (0) |