数字营销背景下服务补救与顾客满意度的关系研究——酒店智能机器人服务的案例
摘要
关键词
服务失误;服务补救;顾客满意度;智能机器人
正文
每个企业在服务过程中难免会出现服务失败,如果不及时采取补救措施将会给酒店带来不利的后果,使酒店在无形中失去许多潜在顾客。目前智能机器人服务成为酒店服务新话题,文章以此为例研究服务补救和顾客满意度的关系。随着信息技术的不断发展,顾客了解酒店品牌的渠道更加多样化,酒店之间的竞争也比较激烈,这要求酒店不仅需要与时俱进,也要了解顾客的多样化需求,以减少服务补救的被动性。
一文献综述
国内外知名的专业学者已经从许多学术角度对服务失误的定义作出了解释,Hays等将其定义为“造成消费者不满的服务接触情境”[1]。Hoffman认为是服务人员的实际绩效低于给顾客提供的最初预期服务绩效[2]。因此本文认为当服务人员实际提供与顾客所期望的服务之间有所差距就视为服务失误。服务失误的归因也会影响顾客满意度,即发生服务失误情景时,顾客对其造成这一失误行为的服务行为者责任的归因[3]。由此提出服务补救这一概念,格隆罗斯认为服务补救是指要求服务提供者应当在业务故障出现后尽力设法挽回消费者,并通过必要行动和采取适当措施妥善地处理相关消费者申诉,以增加消费者信心和满意度的过程[4]。因此如何提高不同顾客的满意度显得尤为重要,顾客满意度是指顾客将实际消费体验感与预期比较之后形成的一种评价,当体验感等于或大于顾客预期时才可能产生满意度[5]。而Churchi等认为是顾客对某一产品的全部消费体验感的总和,随着时间变化而对此产品形成的整体评价[6]。由以上两种观点,本文归纳其定义为顾客在实际体验感和预期值之间比较所形成的整体感知。
20世纪80年代,数字营销逐渐发展并完善起来,智能机器人在服务行业的应用成为一种趋势。酒店业可以通过智能机器人达到和人类客户的互动,最终可以通过感知、思考得出结果,从而让每个人类客户都从中获益[7]。本文被调查者希望酒店智能机器人能够减少礼节性话语、了解他们的实际需求和解决实际问题,希望它们在必要时候能够寻找相应部门的服务人员或者是给出其他的替代方案,而不是程序化服务和一味道歉。从而可以看出,发生服务失误后,人们可以接受智能机器人的服务补救,且智能机器人的人性化服务技能很重要。
二理论假设
(一)服务失误与顾客满意度的关系
众口难调导致服务失误难以避免。可以说,服务失误直接影响到顾客满意度的高低且两者之间存在负相关关系。对顾客来说,无论失误的原因是什么,最终受损的都是他们自身,即不论失误大小或者原因,顾客的满意度都会受到服务失误的影响,最终对酒店的经营情况的影响也是非常巨大的。
因此,本文做出假设:
H1服务失误与顾客满意度之间存在负相关关系。
(二)服务失误与智能机器人服务补救的关系
简兆权认为,顾客需要根据服务失误的类型来判断所需要的服务补救,因此智能机器人在进行服务补救时也要根据实际需要和服务失误的类型来选择正确的补救手段[8]。但除了服务失误的类型,服务失误的归因也在很大程度上影响着顾客满意度,在这一过程中,顾客的主观性较强。在本文的定量研究中,顾客的服务失误归因影响智能机器人进行服务补救手段的选择是重要的研究内容。
由此,本文做出假设:
H2服务失误的归因影响智能机器人服务补救的手段。
(三)智能机器人服务补救在服务失误与顾客满意度中存在调节作用
由于顾客不会或较少将服务失误归因于智能机器人,所以由它们进行服务补救具有一定优势。在发生服务失误时,顾客可能会对员工产生抵触情绪,此时应该避免顾客与发生失误的员工正面接触。取而代之的是智能机器人,这不仅可以削弱顾客的抱怨情绪,有利于进行补救,还可以挽回或提高顾客满意度,这对酒店的名声以及经营状况均有益处。
由此,本文做出假设:
H3智能机器人的服务补救对提高顾客满意度具有调节作用。模型图如下:
图1智能机器人服务补救调节作用模型图
三数据分析
(一)数据收集及样本来源
本文的调查问卷主要是在问卷星上完成创建和填写,被试者选取范围广,具有代表性。本次调查研究以SPSS为主要的数据分析工具,对所有问卷样本的信度质量和效度质量等均进行详细的分析,得出数据真实可靠、可信。本次发行问卷总共271份,最后实际收回244份,有效问卷比例为90.04%。
(二)信度分析
1样本的描述性统计分析
在所有被调查者样本中,男性样本数量达到了127人,女性样本共计117人,性别比例总体比较趋于均衡。在年龄结构设置上也是涉及各年龄阶段,其中18-24岁所占比例最高,为32%,其余的年龄段所占比例在22%左右。在人均收入上,1000元以内所占比率为34%,5000元以上的人数最少,占总调查人数的14%。在受教育程度方面,本科以下人员所占比例为24%,专科学历所占人数最多,占总调查人数的42%,本科及以上人员占比最少,在五分之一左右。在职业构成上,大学生人数占比最多,占全部调查人数的三分之一左右,其他的依次为自由职业者20%,服务行业工作者16%,个体经营者和其他14%,政企从业人员4%。
2量表信度分析
如下表所示,样本数据未出现异常值且数据较为集中。平均值位于3.898-4.025之间,标准差的波动也呈现不显著变化,从离散趋势来看,标准差最大为1.186,最小值为1.055,数据较为集中,方差波动较小。
表1描述性分析 | |||||
名称 | 平均值 | 标准差 | 方差 | 峰度 | 偏度 |
Q6 | 3.98 | 1.167 | 1.362 | 0.684 | -1.213 |
Q7 | 3.951 | 1.154 | 1.331 | 0.69 | -1.184 |
Q8 | 3.943 | 1.167 | 1.363 | 0.193 | -1.03 |
Q9 | 3.992 | 1.115 | 1.243 | 0.54 | -1.116 |
Q10 | 3.898 | 1.055 | 1.113 | 0.503 | -1.002 |
Q11 | 3.902 | 1.186 | 1.406 | 0.543 | -1.152 |
Q12 | 3.906 | 1.142 | 1.304 | 0.264 | -1.001 |
Q13 | 4.008 | 1.14 | 1.3 | 0.447 | -1.107 |
Q14 | 3.889 | 1.14 | 1.3 | 0.349 | -1.023 |
Q15 | 3.914 | 1.174 | 1.379 | 0.512 | -1.107 |
Q16 | 3.959 | 1.168 | 1.365 | 0.351 | -1.091 |
Q17 | 3.934 | 1.181 | 1.395 | 0.448 | -1.111 |
Q18 | 3.902 | 1.175 | 1.381 | 0.499 | -1.111 |
Q19 | 4.025 | 1.103 | 1.217 | 0.779 | -1.198 |
Q20 | 3.955 | 1.148 | 1.319 | 0.461 | -1.128 |
名称 | 选项 | 频数 | 百分比(%) |
Q1 | 男 | 127 | 52% |
女 | 117 | 48% | |
Q2 | 18-24岁 | 78 | 32% |
25-30岁 | 58 | 24% | |
31-40岁 | 54 | 22% | |
40岁以上 | 54 | 22% | |
Q3 | 大专以下 | 58 | 24% |
大专 | 103 | 42% | |
本科 | 39 | 16% | |
硕士及以上 | 44 | 18% | |
Q4 | 1000元以下 | 83 | 34% |
1000-3000元 | 78 | 32% | |
3000-5000元 | 49 | 20% | |
5000元以上 | 34 | 14% | |
Q5 | 学生 | 78 | 32% |
个体经营者 | 34 | 14% | |
政企从业人员 | 10 | 4% | |
自由职业者 | 49 | 20% | |
服务行业工作者 | 39 | 16% | |
其他 | 34 | 14% |
(二)效度分析
1因子载荷系数分析
由下表可知,各研究项的标准载荷系数均大于0.6,这说明本次分析的研究项有较好的测量关系。本研究针对三个因子十五个分析项开展了验证性因子(CFA)分析,由下表可以得知,服务失误、服务补救、顾客满意度三个影响因子所对应的AVE值依次是为0.654、0.635、0.663,均大于0.5;且CR值分别为0.904、0.897、0.908,均大于0.7,这足以说明该分析数据的收敛效度较好。
Factor(潜变量) | 测量项(显变量) | 标准载荷系数(Std.Estimate) | CR | AVE | Cronbach'sapha |
服务失误 | Q6 | 0.836 | 0.904 | 0.654 | 0.905 |
Q7 | 0.785 | ||||
Q8 | 0.795 | ||||
Q9 | 0.807 | ||||
Q10 | 0.815 | ||||
服务补救 | Q11 | 0.823 | 0.897 | 0.635 | 0.916 |
Q12 | 0.788 | ||||
Q13 | 0.793 | ||||
Q14 | 0.788 | ||||
Q15 | 0.788 | ||||
顾客满意度 | Q16 | 0.806 | 0.908 | 0.663 | 0.915 |
Q17 | 0.843 | ||||
Q18 | 0.814 | ||||
Q19 | 0.804 | ||||
Q20 | 0.803 |
2相关性分析
服务失误与年龄、学历、月收入、职业等共四项因素之间全部呈现出正显著性,相关系数值依次为0.028,0.353,0.426,0.400,0.242,均大于零,意味着服务失误在很大程度上影响顾客对该酒店的满意度并会向其他消费者抱怨。同理分析,服务补救与顾客满意度也与该四项因素存在显著相关。
表4调节作用检验
Model | ||||||
coeff | se | t | p | LLCI | ULCI | |
constant | -0.4524 | 0.3771 | -1.1998 | 0.2314 | -1.1953 | 0.2904 |
VAR00022 | 0.8384 | 0.1324 | 6.3305 | 0 | 0.5775 | 1.0992 |
VAR00017 | 0.8899 | 0.1324 | 6.7213 | 0 | 0.6291 | 1.1507 |
Int_1 | -0.1442 | 0.0377 | -3.8281 | 0.0002 | -0.2183 | -0.07 |
表5各变量的均值、标准差及相关系数 | ||||||||
变量 | Q1 | Q2 | Q3 | Q4 | Q5 | CS | SF | SR |
Q1 | ||||||||
Q2 | -.019 | |||||||
.772 | ||||||||
Q3 | -.089 | .414** | ||||||
.166 | .000 | |||||||
Q4 | -.094 | .434** | .419** | |||||
.143 | .000 | .000 | ||||||
Q5 | .004 | .521** | .370** | .458** | ||||
.950 | .000 | .000 | .000 | |||||
CS | .023 | .342** | .436** | .408** | .232** | |||
.720 | .000 | .000 | .000 | .000 | ||||
SF | .028 | .353** | .426** | .400** | .242** | .892** | ||
.666 | .000 | .000 | .000 | .000 | .000 | |||
SR | .008 | .334** | .428** | .379** | .224** | .890** | .901** | |
.897 | .000 | .000 | .000 | .000 | .000 | .000 | .000 |
3调节作用检验
如表4是对智能机器人的服务补救以及在服务失误与顾客满意度之间的调节作用的分析:
(1)H1服务失误与顾客满意度之间存在负相关关系。
(2)H2服务失误的归因影响智能机器人服务补救的手段。
(3)H3智能机器人的服务补救对提高顾客满意度具有调节作用。
由以上分析得知,三个假设均成立。
四研究结论
1服务失误与顾客满意度之间存在负相关关系
在餐饮服务行业管理和经营工作中,服务操作失误不可避免,而这一失误行为又会严重影响顾客满意度。本文通过调查发现,顾客因服务失误造成损失后会选择向其他消费者抱怨,这又在无形中给酒店带来“隐形”的损失,并且这部分顾客很难挽回,所以减少或者避免服务失误是酒店在经营过程中应该十分重视的问题。经过深入的分析和研究得出结论为,服务失误对顾客满意度造成很大的负向效应,H1成立。
2服务失误的归因影响智能机器人服务补救的手段
发生服务失误的原因各有不同,顾客评判损失的标准和归因也不同,智能机器人在进行服务补救时也要具体情况具体分析,这也是顾客所期望的个性化服务。服务失误的归因有三种情况,分别是顾客自身、酒店、第三方不可控因素,三种情况都会影响顾客对服务失误损失的感知,但是程度大小不一,智能机器人可在不同情况下选择不同的手段进行补救。进一步的数据分析也表明,服务失误的归因影响智能机器人服务补救的手段,H2成立。
3智能机器人的服务补救对提高顾客满意度具有调节作用
智能机器人进行服务补救可以带给顾客不一样的体验,例如科技感体验,在一定程度上可以转移顾客的一些抱怨情绪,在处理顾客投诉时具有一定优势。根据调查问卷数据统计以及数据分析可知,智能机器人进行服务补救在服务操作失误与提高顾客满意度之间具有一定的调节作用,H3成立。
参考文献
[1]赵延昇,王仕海.网购中服务失误对关系质量及顾客重购意愿的影响——基于关系类型调节下的实证研究[J].中南大学学报(社会科学版),2012,18(03):123-130+134.
[2]李玲玲.哈尔滨银行服务补救管理研究[C].哈尔滨工程大学,2010.
[3]吕俊.服务失误归因对消费者情绪、投诉行为及补救期望的影响研究——基于三种服务类别[C].中国科学技术大学,2011.
[4]李菁.服务补救对网络购物顾客满意度的影响研究——顾客价值共创行为的中介作用[C].华东交通大学,2021.
[5]申跃.基于满意度的顾客抱怨模型研究[C].清华大学,2005.
[6]倪慧丽.星级酒店服务补救对顾客满意度和忠诚度的影响研究[J].丽水学院学报,2017,39(03):33-40.
[7]鞠小琦.人工智能应用前景下的酒店业人力资源策略研究[J].武汉职业技术学院学报,2021,20(04):90-95.
[8]李宇昕.基于网络外卖服务失误、补救以及效果的实证研究[J].经济师,2021,(01):46-48+50.
...