中 華 大 學 碩 士 論 文
題目：服務品質衡量模式之研究：
系 所 別
重要 ─績效策略矩陣之發展
Research on Service Quality Evaluation Model:
The Development of Importance-Performance Strategy Matrix
： 科 技 管 理 研 究 所 學號姓名 ： M09603001 林 郁 真 指導教授 ： 林 淑 萍 博 士
中華民國 九十八 年 七 月
摘要
服務品質已被視為決定企業績效之要素之一，因此衡量服務品質以提升企 業績效與增加獲利，已成為當今管理者所面臨之重要課題。而重要─績效分析 (importance-performance analysis, IPA)自發展以來已被證實是為一項具有效益之 簡便分析工具，其是以顧客認知之服務項目重要度(y-axis)與實際體驗後之滿意 程度(x-axis)而建構之二維策略矩陣，且透過滿意程度與重要程度之中央趨勢值 為決定矩陣座標中心之依據，並將品質屬性依其二元特性繪製於策略矩陣，並 提供管理者執行資源規劃與重整之策略依據。且亦因為 IPA 具備容易使用與解 釋之特性，更被廣泛認為是一項簡單且具有效益之分析工具；然而由於受傳統 重要─績效分析之假設限制，使其降低於實務管理之適用性，遂有相關學者提出 IPA 之導正工具，然而至今仍無一確切且完善之衡量方式，且 IPA 之假設條件 與 Kano 二維品質理論存有衝突；有鑑於此，本研究為提出一能反映真實目標績 效之分析模式，以因應二維品質理論，遂透過倒傳遞類神經網路為導正工具，
並 結 合 PZB 之 服 務 缺 口 模 式 ， 以 提 出 重 要 ─ 績 效 策 略 矩 陣 (importance-performance strategy matrix, IPSM)，提供管理者在有限資源下，作為 有效資源分配之執行依據。
此外，本研究亦透過問卷方式蒐集曾至台北松山機場搭機乘客之旅行經驗 為案例分析，並透過受訪者對 34 項評估屬性之知覺感受以驗證本模式對於實務 應用之可行性；並根據分析結果顯示，在 34 項服務屬性裡，有 12 項服務屬性 具有正向缺口，表示目前該評估屬性以達顧客對服務之期望，且其中有 4 項評 估屬性落於第一象限，8 項則落於第四象限；此外，亦有 22 項服務屬性具有負 向缺口；其中，有 14 項評估屬性落於第二象限，有 8 項落於第三象限；其隱含 服務提供者所提供之服務未達顧客需求，亦為降低企業整體績效之要害，故務 必進行適當之資源供需規劃策略，以達管理之效；因此，可提供給管理者透過 此策略矩陣之分析而進行有效資源分配決策之用。
關鍵字：服務品質、重要─績效分析、倒傳遞類神經網路、台北松山機場、價值 績效函數
ABSTRACT
Service quality has been regarded as one of the critical factors in determining on enterprise’s performance; therefore, how to evaluate and measure the service quality to improve enterprises’ performance and increase their profit-making has become an important issue to those administrators and managers at present. Since its development, the Importance-Performance Analysis (hereinafter referred to as IPA) has been verified as an effective and simple analysis tool, which has made use of the service item importance that perceived by customers (y-axis); and the satisfaction level that customers actually experienced (x-axis) to construct a 2-dimension strategy matrix; in addition, adopted the Central Tendency of the satisfaction and importance levels as a basis of determining on the coordinate center of the matrix, drafted the quality attribute into the strategy matrix in accordance with its binary property, and provided as the strategy basis for those administrators and managers to implement the resource planning and rearrangement. Moreover, since it possessed the characteristics of being easy to use and east to explain, IPA has been comprehensively regarded as a simple but efficient analysis tool. However, it is restricted with the hypothesis of traditional IPA which has reduced its suitability in practical management; therefore, some scholars proposed the revision tool for IPA, but, there is not one definite and perfect measuring tool so far. IPA’s hypothesis conditions had a conflict with Kano’s two-dimension quality theory; in this regard, the main purpose of this study is propose an analysis model that can reflect the actual target performance to respond to the two-dimension quality theory; as a result, this researcher adopted the Back-propagation Neural Network (BPNN) as the revision tool and integrate with the PZB’s (Parasuraman, Zeithaml and Berry Model) service quality gap model to propose the Importance-Performance Strategy Matrix (IPSM) in order to provide as a basis for those administrators and managers to implement effective resource allocation with limited resources.
Furthermore, this study is made use of the questionnaire to collect the data of the traveling experiences for those passengers in Taipei SongShan Airport as the case analysis, and adopted interviewees’ sensory perception of 34 evaluation attributes to verify the feasibility of this model (IPSM) with regard to the practical application.
Also, in accordance with the analysis result, it showed that, among those 34 service
attributes, 12 services possessed the positive gap which meant those evaluation attributes have achieved customers’ expectation of service; in addition, 4 service attributes of them fell in the 1st quadrant and 8 items fell in the 4th quadrant. Besides, there were 22 service attributes that had negative gap; among which, 14 evaluation attributes fell in the 2nd quadrant and 8 evaluation attributes fell in the 3rd quadrant;
the result has implied that the service provider’s service has not yet complied with customers’ demand, and it has become the key to decrease enterprise’s overall performance; thus, it has to carry out proper planning strategy for the resource supply and demand in order to achieve the efficiency of management. Hence, it may provide those administrators and managers with the analysis of IPSM for making decision on effective resource allocation.
Keywords: Service quality, Importance-performance analysis, Back-propagation neural network, Taipei SongShan Airport, Valuable Performance
Function
目次
摘 要 ... ii
目 次 ... v
表 次 ... vi
圖 次 ... vii
第 一 章 緒 論 ... 1
第 二 章 文 獻 探 討 ... 5
第 一 節 服 務 品 質 ... 5
第 二 節 Kano 之 二 維 品 質 模 式 ... 11
第 三 節 重 要─績 效 分 析 ... 15
第 四 節 類 神 經 網 路 ... 27
第 三 章 重 要─績 效 策 略 矩 陣 ... 35
第 四 章 實 證 分 析 ... 43
第 一 節 研 究 範 圍 與 對 象 ... 43
第 二 節 研 究 設 計 ... 44
第 三 節 實 例 分 析 ... 50
第 五 章 結 論 與 建 議 ... 69
參 考 文 獻 ... 72
附 錄 A ... 78
表次
表 1 品質定義 ... 6
表 2 服 務 品 質 定 義 ... 8
表 3 SERVQUAL 為基礎之相關研究 ... 9
表 4 IPA 之相關應用 ... 15
表5 IPA 重要性衡量彙整(一維品質) ... 21
表6 IPA 重要性衡量彙整(二維品質) ... 24
表7 滿意度衡量彙整表 ... 25
表8 類神經網路之相關應用 ... 34
表9 配適度檢定 ... 41
表 10 台北松山機場之重大歷史沿革 ... 43
表 11 KMO 之檢測衡量標準 ... 45
表 12 原始問卷構面之整體信度值 ... 46
表 13 刪除題項後之整體信度值 ... 46
表 14 服務品質問項之因素負荷量 ... 47
表 15 問卷設計(服務品質構面) ... 47
表 16 問卷設計(服務品質構面) ... 48
表 17 樣本結構分析 ... 50
表 18 各評估屬性於 IPA 之重要度與滿意度平均數 ... 53
表 19 各評估屬性於 PCA-IPA 之相對重要度與滿意度平均數 ... 56
表 20 各評估屬性於 BPNN-IPA 之相對重要度與滿意度平均數 ... 59
表 21 各評估屬性於 IPSM 之相對重要度與滿意度平均數 ... 63
表 22 滿意程度與重要程度之衡量彙整表 ... 64
表 23 分析結果彙整表 ... 65
表 24 評估屬性於四種理論之座落位置彙整表 ... 67
圖次
圖 1 研究流程 ... 4
圖 2 PZB 服務品質缺口模式 ... 11
圖 3 KANO二維品質模式 ... 13
圖 4 服務品質之三因子理論 ... 14
圖 5 傳統 IPA 之分析步驟 ... 16
圖 6 重要─績效分析策略矩陣 ... 17
圖 7 修正式 IPA 矩陣圖 ... 26
圖 8 修正式 IPA 矩陣圖 ... 27
圖 9 神經元之構造 ... 28
圖10 雙彎曲函數 ... 29
圖11 雙曲線正切函數 ... 29
圖12 硬限制轉移函數 ... 30
圖13 線性轉移函數 ... 30
圖14 監督式學習網路意象圖 ... 31
圖15 非監督式學習網路意象圖 ... 31
圖16 迴歸分析與類神經網路理論 ... 32
圖17 類神經網路架構圖 ... 33
圖 18 傳統 IPA 之意念流程圖 ... 36
圖 19 IPA 與 KANO之影響模式 ... 36
圖20 第一階段：IPSM 整體分析流程圖 ... 38
圖21 第二階段：BPNN 之評估流程 ... 40
圖 22 IPSM 策略 ... 42
圖 23 IPA 之評估屬性結果分布圖 ... 51
圖 24 PCA-IPA 之評估屬性結果分布圖 ... 54
圖 25 BPNN-IPA 之評估屬性結果分布圖 ... 58
圖 26 評估屬性於 IPSM 之分佈 ... 61
第一章 緒論
隨著國內以顧客為導向之服務產業日漸茁壯，服務品質與顧客滿意度遂成 為影響企業績效與市場獲利之關鍵要素。且根據行政院主計處之相關統計顯 示，至 2007 年上半年度為止，服務業之產值已占國內總生產毛額(Gross domestic product, GDP)之 72.6%以上，且從事服務業之人口亦占總就業人數之 58%，並 仍然維持成長趨勢；而政府為提高其服務產業之附加價值及創造人口就業效 果，更推動法規鬆綁、服務業科技化、協助資金籌措、致力服務創新與規劃服 務品質認證等五項改革措施，期塑造服務產業之優質經營環境，以強化台灣在 國際市場之競爭力(行政院經濟建設委員會，2007)。
藉由以上措施足以顯見，服務產業對國家經濟發展之促進扮演有舉足輕重 之角色；且隨著服務產業之擴張，品質對於服務業之應用與顧客滿意度亦逐漸 廣受專家學者與管理者之推崇與重視；並可從國內外之相關研究得知，服務品 質之提升對企業績效與市場獲利確實具有顯著且正向影響之助益；且企業服務 品質之優劣，將影響顧客對組織之整體滿意度，並進而影響顧客忠誠度(Anderson, Fornell, & Lehmann, 1994; Bruhn & Grund, 2000; Cassel & Eklof, 2001；Gronholdt, Martensen, & Kristensen, 2000; Johnson, Nader, & Fornell, 1996)與再購或宣傳等 意願(Cronin & Taylor, 1992; Deng, Chen & Pei, 2008)；換言之，若企業持續維持 其顧客滿意度，將可有效增加客源與穩固市場利基；由此可知，若企業愈鞏固 其市場獲利與競爭力，強化服務品質與提升顧客滿意度將為其成功之必然途徑。
因此，企業為鞏固其市場地位，必須找出其影響內部服務品質之關鍵要素，
並探究其中資源投入之優先順序為管理當局之首要決策重心，當中並以重要─ 績效分析(Importance-performance analysis, IPA)之應用最為廣泛，其是利用顧客 對服務屬性認知之重要程度與接受服務後之滿意度所構成的二維策略矩陣，並 藉由服務屬性的重要程度與滿意程度於矩陣中座落之相對位置，提供管理者作 為資源規劃之決策依據；且此技術之運用囊括建築產業、服務醫療產業、與觀 光旅遊產業等範疇(鄧維兆、李友錚, 2007；Chen & Chang, 2005; Deng et al., 2008;
Enright & Newton, 2004; Levenburg & Magal, 2005; Matzler, Bailom, Hinterhuber, Renzl, & Pichler, 2004； Yavas & Shemwell, 1997; Yavas & Shemwell, 2001)。
然而，經由近年來之相關研究得知，縱使 IPA 已被專家學者視為是管理決
策應用上之簡便工具，卻仍隱含兩項與實務應用產生衝突之重大缺失，如 Matzler et al. (2004)於研究中指出，IPA 之建立乃係根據兩項基本假設：(1)服務屬性之 滿意程度與重要程度互為獨立變數；(2)單一服務屬性滿意度與整體顧客滿意度 間呈現線性且對稱之影響關係。然而，綜觀過去相關研究顯示，服務屬性之實 際重要性乃係以「當提升評估屬性之滿意度，其所能提升績效(整體顧客滿意度) 之程度」(Deng et al., 2008; Deng et al., 2009；Matzler et al., 2002; Sampson et al., 2002)，故為提供實務有效應用之績效，許多專家學者改利用以迴歸分析與偏相 關分析等方式修正 IPA 在重要性方面之萃取(Deng, 2007; Deng et al., 2008;
Matzler et al., 2002; Matzler, et al., 2003)。
此外，就服務屬性滿意度與整體顧客滿意度(績效)間為線性且對稱之基本假 設而言，可得知傳統 IPA 係以各服務屬性之重要程度與滿意程度所在之相對位 置給予合適之資源規劃策略，因此傳統 IPA 模式認為各評估屬性績效之相對位 置與其屬性滿意度之相對位置將為一致；故為了簡化 IPA 矩陣之繪製，而以顧 客自我評估之滿意程度為其績效之評估值；然而，根據 Kano(1984)之二維品質 模式研究指出，評估屬性之滿意度並非全然以線性影響其整體顧客滿意度，其 中亦存在非線性之影響關係。故綜合以上論述，得知傳統 IPA 模式雖被視為管 理決策之簡便工具，然其基本假設與管理實務上卻仍存在著不相容之衝突性，
故傳統 IPA 在重要程度與滿意程度/績效之衡量均需進行必要之修正，並與 Kano 之二維品質理論整合，以提供實務管理更適切之策略方針。
再者，根據 Parasuraman、Zeithaml and Bailom(1988)之研究指出，服務屬性 滿意度與整體顧客滿意度(績效)間為線性關係的假設下，服務績效應為顧客之期 望與實際認知間之差距缺口；因此，部分研究以差距缺口重新評估屬性績效以 強化傳統 IPA 模式(Lambert & Stock, 1993; Yavas & Shemwell, 2001)。故綜合上 述，本研究將延續上述重要性及滿意度/績效的修正概念，強調重要程度之衡量 應以屬性滿意度可以提升整體滿意度之程度評估；此外，績效方面之衡量應以 期望績效與認知績效間之差距缺口評估外，並與 Kano 之二維品質模式呼應，發 展一更適切於實務上應用之資源規劃策略矩陣(Importance-performance strategy matrix, IPSM)。
因此，基於評估屬性滿意度並非全然以線性影響整體顧客滿意度/績效之根
據 ， 本 研 究 將 利 用 具 有 線 性 與 非 線 性 映 射 能 力 之 倒 傳 遞 類 神 經 網 路 (Back-propagation neural network, BPNN)以建構評估屬性滿意度與整體滿意度 間之關係函數，並進而透過此函數重新評估屬性之實際重要性與具有缺口概念 之實際績效；爾後，並以此修正之重要性及績效所形成之二維策略矩陣提供管 理者進行確實之資源規劃策略，以達實務管理永續經營之效。
由於機場品質之良窳將影響旅客對入境國家之首要印象與國家門面，故評 估機場之服務品質成為國內外學者研究之重心；再者，台北松山機場為兩岸直 航之互通機場，亦屬國內之半國際型機場，往來人次眾多，故本研究將透過台 北松山機場為實際案例以執行所發展之整合性重要─績效策略矩陣(IPSM)，並 探究其模式之信度與效度，期望藉此提供管理者作為決策分析時之參考依據。
故針對上述之研究背景與動機，本研究所提出之研究目的如下所示：
1.透過相關文獻探討與回顧，以瞭解目前 IPA 之發展趨勢。
2.透過倒傳遞類神經網路建構評估屬性滿意度與整體顧客滿意度之關係函數。
3.利用此關係函數重新評估屬性重要性與缺口績效。
4.藉由實證分析，驗證此關係函數之效度與信度，以提供管理實務上確切之 決策方針。
5.進行四種修正式 IPA 模式之差異性比較分析。
故根據上述目的，其後本研究將於第二章介紹服務品質之相關定義、IPA 之發展趨勢，以及類神經網路之相關應用；其次，於第三章介紹本研究所發展 之重要─績效策略矩陣之分析模式，並於第四章以台北松山機場為例執行實證分 析以驗證模式之可行性，並與傳統 IPA 模式(Martilla & James, 1977)、以線性觀 點並利用偏相關分析所修正之 IPA 模式(Matzler, et al., 2003)、與結合二維品質模 式，但仍有實務應用衝突之 BPNN-IPA 模式(Deng, et al., 2008)進行差異性比較 分析；最後，本研究將透過實證分析結果給予實務上有效之管理建議；而本文 之後續研究流程如下所示：
圖 1 研究流程 緒論
文獻探討
研究方法
實證分析
結論與建議
服務品質 Kano 二維品質模式
IPA 與 IPA 之發展 類神經網路
問卷信效度分析 重要─績效策略矩陣
樣本結構分析 重要─績效策略矩陣
分析結果 模式間之差異性分析
第二章 文獻探討
根據相關文獻指出，服務品質將決定顧客對企業滿意度與忠誠度之表現，
進而影響顧客再購或宣傳等意願；換言之，服務品質為影響市場獲利之關鍵要 素；故如何提升服務品質以強化企業績效，遂成為當今管理者應強調之管理重 心；且提升服務品質之關鍵在於找出影響企業內部品質績效之關鍵性服務因 子，而重要─績效分析(Importance-Performance Analysis, IPA)正是一種能協助管 理者探索待改善服務屬性之簡便分析工具，且其利用顧客對服務屬性滿意度與 認知的重要程度所建構而成之策略型矩陣，可提供管理者做為企業內部資源重 整規劃之參考依據。
然而，由於 IPA 受其基本假設限制，導致與實務應用存有衝突性，故陸續 有學者提出修正工具；但經由理論發現，IPA 之假設與 Kano 之二維服務品質理 論相佐，故其衡量模式確有必要進行修正，以求與實務應用謀合，故本研究將 藉由相關文獻之探究，提出修改 IPA 之適當衡量方法，以建構一完整衡量架構。
而以下將針對服務品質、Kano 之二維品質模式與 IPA 模式等相關文獻進行探究 與評析。
第一節 服務品質
在經濟快速成長與消費者意識高漲的時代，消費者對於產品之要求已不再 局限於產品本身之品質特性，進而追求銷售人員於傳遞產品或服務中之過程享 受；此外，經由諸多相關研究顯示，服務品質之提昇確能有效協助顧客滿意度 之增進，並進而強化顧客忠誠度以及再購意願(Matzler, et al., 2004)；故由此可 知，顧客滿意度已被視為是企業創造利潤之經營指標之一，且為其企業鞏固市 場地位之關鍵要素；且綜觀以往文獻對服務品質之認知表現，可區分為一維服 務品質與 Kano 之二維服務品質，其中並以二維服務品質被證實為較貼近實務，
故以下將分別針對服務品質之定義與特性、服務品質之衡量方法、以及 Kano 之二維服務品質之定義作一詳述說明。
一、服務品質之定義與特性
現今，在全球化競爭體系中，企業不僅要銷售實體產品，更要與無形服務 結合，使其產品附加價值提升，才能強化其市場競爭力；且由於競爭環境激烈
與消費者對於品質要求日漸著重之前提下，同類型之產品品質幾乎已往「等質 化」發展；因此，由於同類型之產品繁多，故顧客無法從中瞭解產品品質之差 異性，進而失去對該產品忠誠度之表現；有鑒於此，企業/組織轉而從服務品質 尋求市場差異化，使顧客不僅能在產品品質上達到滿意，並對服務過程之品質 享受留下良好印象，進而促使顧客忠誠感之提升；再者，服務品質為提升顧客 滿意度與公司績效之關鍵要素，良好之服務品質將影響顧客忠誠度與消費者之 再購意願；因此，如何維持服務水準以提升服務品質，並加強顧客之重構行為 遂成為管理者之首要重心。因此，本研究基於品質、服務、與服務品質之重要 性，將探討其中意念與特性，且分述如下：
(一)品質定義
「品質」是維護企業整體顧客滿意度之其中一環，且品質的提升將對企業 提升市場競爭力提供不少助力；因此，提升品質將對企業獲利造成不小之影響 力。然而，品質之定義繁多，但從消費者與生產者之觀點探討品質之意義，其 廣泛定義應為「符合或超越顧客所期待之產品」，且一般認為「品質」是公司績 效與顧客期望間之差距；故以下將針對不同學者對品質之定義整理如表 1 所示：
表 1 品質定義
學者 年份 品質定義
Deming 1982 品質是一種以最經濟的手段，製造出市場上最有用之 產品
Juran 1974 品質是適用性(Fitness for use)，目的在於「使產品在 使用期間滿足使用者之需求」
Crosby 1979 品質就是「符合標準」與「零缺點」
石川馨 1985 品質是一種能令消費者或使用者滿足，並且樂意購買 的特質
Feigenbaum 1961 品質是使顧客滿意的產品
(二)服務定義
「服務」有別於實體產品之產出過程，根據 Zeithaml et al. (1985)彙整其相關 資料顯示，「服務」具有四項主要表徵，且分述如下：
1.無形性(intangibility)
由於「服務」是由服務人員於傳遞產品中所附加之無形價值，故難以有特定
之具體準則以評估其服務之優劣；且因服務之無形特性，使顧客無法於消費前 預知成果，僅能仰賴服務企業之聲譽或他人之過往經驗，不僅容易造成消費前 之知覺風險，也易使顧客對於服務品質之期望過高，進而影響對服務知覺之評 價，故服務具有無形之特質，且相關研究亦指出，「無形性」是為判定產品與服 務之基本要素。
2. 不可分割性(inseparability)
由於服務乃係由「生產」與「消費」同時進行，故當服務提供者於提供產品 之同時，顧客即有消費之行為；換言之，在服務提供者傳遞服務之過程中，服 務接受者將全程參與服務；更由於其「不可分割」特性，使服務之生產過程變 地淺而易見；再者，由於服務品質控管不易，因此一旦發生服務品質不良之現 象，即易使顧客對企業留下不良之既定印象，故服務具有「不可分割」之特性。
3. 異質性(heterogeneity)
「異質性」意謂服務具有高度變異性，易隨人、事、時、地、物之差異而有 不同之服務效果；且因生產過程透過人為，故無法如同機器般進行複製或標準 化，導致服務水準維持不易，因此企業經常透過教育訓練之方式以降低內部員 工服務水準之差異。
4. 易逝性(perishability)
由於服務隨消費同時進行，故無法事先儲存服務，因此當市場有特定需求變 動時，企業皆無法以存貨調節等方式因應；且服務之價值存在於顧客消費的瞬 間，故當顧客完成消費的同時，服務亦隨即無蹤，故服務具有「易逝性」之特 性。
故由上述內文可得知，由於服務為無形產品，故企業無法進行妥善之管理 措施；且因其為生產與消費同時進行的活動，因此若於服務過程中有任何瑕疵 存在，企業並無法於事後進行補救措施；也因其異質性的特性，導致無法如機 器般進行炮製等行為，因而無法使服務品質達到整齊劃一之境界；由此可知，
服務品質之產銷過程不如實體產品般容易控管，故服務品質遠比產品品質難以 進行嚴格管制，也較難使顧客達到滿意之水準。
(三)服務品質定義
隨著服務產業之興起，促使許多相關學者開始注重品質對於服務之應用與
推行；且「服務」隸屬無形，故一般難以肉眼判斷其服務品質之良窳；再者，
因「服務」之不能分割等特性，其生產與消費為同時進行，導致顧客無法於接 受服務前得知其產出與成果，因而容易造成知覺風險，且依據不同產業之特性，
其服務品質評估指標亦有所差異；在此茲將針對不同學者對服務品質之定義分 述如表 2 所示。
表 2
服務品質定義
學者 年份 服務品質定義
Parasuraman, Zeithaml, and Berry
1988 服務品質是在傳遞服務的過程以及服務提供 者與消費者互動過程中產生的服務優劣程度。
Oliver 1981 服務品質是消費者對於事物之一種延續性評 價。
Gronroos 1982 服務品質可區分為技術品質與功能品質。技術 品質乃是顧客實際從服務所獲得，而功能品質 是顧客參與服務之傳遞所獲得。
Garvin 1984 服務是一種主觀而非客觀認知的品質。
1.服務品質衡量模式
由於服務之無形特性，導致難以一套標準衡量服務品質之系統。而綜觀諸 多服務品質衡量模式，當屬 Parasuraman、Zeitham、和 Berry(1985)學者對服務 品質模式之衡量與應用最為廣泛；其研究透過證券經紀商、銀行、信用卡公司 及維修公司等四種不同行業別進行群體訪談，就此提出服務品質之十大構面，
分別有形性(tangibles) 、可靠性(reliability)、反應性(responsiveness)、接近性 (access)、勝任性(competence)、禮貌性(courtesy)、可信性(credibility)、安全性 (security)、及瞭解顧客(understanding the customer)與溝通性(communication)等 10 項服務品質構面；其後 Parasuraman et al. (1988)並更進一步利用探索性因素分析 將其濃縮為五項服務品質構面，並分別為可靠性(reliability)、有形性(tangible)、
反 應 性(responsiveness) 、保證性(assurance)及 關懷性(empathy) ，一 般稱之為 SERVQUAL 模式；茲將彙整以 SERVQUAL 量表為基礎之相關研究如表 3 所示。
表 3
SERVQUAL 為基礎之相關研究
作者/年份 應用產業類型 評估構面
Vazquze, Bosque, Diaz, and Ruiz(2001)
零售服務業 有形性、可靠性、人員互動、
企業政策
O’ Neill and Palmer(2004) 觀光旅遊業 可靠性、有形性、反應性、保 證性、關懷性
Gilbert and Wong (2003) 航空服務業 可靠性、反應性、保證性、關 懷性、有形性
Gilbert and Wong (2003) 航空服務業 可靠性、反應性、保證性、關 懷性、有形性
Pakdil and Aydin (2007) 航空服務業 服務人員、有形性、反應性、
可靠性與保證性、可利用性、
企業形象、關懷性 Iwaarden, Wiele, Ball, and
Millen(2004)
網路服務業 有形性、可靠性、反應性、保
證性、關懷性
且 PZB 學者亦認為，服務品質存在於顧客對服務事前期望與事後認知間的 差距，且服務提供者與接受者之認知與期望間存有五道缺口，且其中四道缺口 為服務提供者對顧客之期望與認知所造成的差異，第五道則為顧客自身對服務 品質之期望與認知所造成之差距，且第五道缺口為前四道缺口之函數整合，亦 即缺口五=f(缺口一，缺口二，缺口三，缺口四，缺口五)，茲將五道缺口之意義 分述如下：
缺口一：為企業對顧客期望的認知與顧客期望間之差距(consumer expectation- management perception gap)
此缺口之產生在於企業不能完全透析顧客心中所期望之服務品質，故容易 造成彼此間之服務傳送有溝通不良的現象。其因應方法為透過市場研究，調查 顧客所期望之服務品質，以縮短彼此認知之差距。
缺 口 二 ： 為 企 業 對 顧 客 期 望 的 認 知 與 將 知覺 轉 換 為 服 務 品 質 標 準 之 差距 (management perception-service quality specification gap)
此缺口之產生由於企業可能受限在企業本身之資源條件或市場環境的不允 許，而無法將顧客心中所期望之服務規格完整呈現，進而無法將顧客期望之品 質意是透過服務或產品呈現。
缺口三：為管理者實際提供之品質與實際服務傳遞所造成的差距(service quality specification-service delivery gap)
由於服務是靠人為傳遞，且服務會因服務組合之不同而有所變異，故企業 即使已訂定一套標準之服務程序，但還是難以避免不同服務傳遞者所造成之服 務變遷，進而影響顧客對服務品質認知之評價。
缺口四：為企業實際服務傳遞與服務的外在溝通間之差距(service-external communication gap)
企業常以電視廣告或報章雜誌等行銷方式傳達予顧客相關產品或服務訊 息，且賦予企業良好之外部形象；但企業時有過多承諾與保證等誇大服務品質 之表徵，容易使顧客對服務有過高之期望，故如一旦發現服務未達期望水準，
顧客將給予該服務有負向之評價。
缺口五：為顧客之認知與期望間之差距(expected service -perceived service gap) 為前四道服務缺口之函數集合，亦即為一般常見評估服務品質之衡量標 準；此缺口之起因為顧客對服務品質常有心中之一套標準；因此，如遇上服務 水準不如心中所期望時，即易使顧客對該服務產生不良之評價；反之，若服務 提供者所提供之服務超越顧客所期望，則使顧客對該服務品質產生正向評價，
對企業塑造良好之外部形象。
從此五道缺口之關係函數可得知，服務品質乃存在於消費者之期望服務(E) 與實際認知間(P)的缺口與方向；換言之 ，若消 費者對服務之實際認知高於期望，
則表示消費者以滿足企業提供服務之現況，將有助於提升企業績效；反之，若 消費者之實際認知高於期望，則表示企業目前所提供之服務無法達到顧客的滿 意水準；若上述兩者間無顯著差異，則表示消費者對企業提供之服務表現還算 滿意，茲呈現 PZB 五道缺口模式如圖 2 所示。
圖 2 PZB 服務品質缺口模式
第二節 Kano 之二維品質模式
根據過去相關研究顯示，當提升企業之服務品質時，將能有效提升顧客滿 意度，進而增加顧客忠誠度，因此大部分之專家學者皆視服務品質為企業成長 之關鍵要素。然而若檢視過去對服務品質之認知，卻發現其多偏向為一維品質
口碑 個人需求 過去經驗
期望的服務
認知的服務
服務傳遞(包含 事前與事後聯
知覺轉換為 服務品質標準
管理者對顧客 期望的認知
對消費者的 外部溝通
缺口五
缺口三
缺口二
服服 務務 接接 收收 者者 服服務務提提供供者者
缺口一
缺口四
模式之觀念；亦即，當產品或服務之品質要素愈充足時，顧客即感到愈滿意，
並給予其正向評價；反之，如品質要素愈不充足，則顧客則感覺愈不滿意，並 相對給予負向評價之線性模式。
然而，Kano (1984)卻於製造業產品品質開發之研究中發現，顧客對於服務 品質之意識並非全然為一維品質模式，亦即當品質要素愈充足時，顧客未必會 獲得滿意，有時反而會給予不滿意之負向評價；因此將服務品質要素區分為五 個項目，分別為魅力品質、一維品質、必須品質、無差異品質及反向品質(如圖 3)，茲說明如下：
1.魅力品質(attractive)
為開口向上，且位置座落於第一象限與第二象限。魅力品質要素之定義在 於，當服務或產品具備此要素充足時，顧客將感到滿意；反之，若該品質要素 不充足時，則亦無損顧客對其滿意度之評價；故此要素之存在，是企業與市場 區隔產生差異化之必備要件。
2.一維品質(one-dimensional)
其斜率為正之常數，且分布於第一象限與第三象限之直線。一維品質要素 之定義在於，當產品或服務具備此要素時，顧客將對其有正向之評價；反之，
若該要素不存在或不充足時，顧客則有相對之負向評價；故此要素之存在，是 企業建立高市場滿意之關鍵要素。
3.必須品質(must-be)
為開口向下，且分布於第三象限及第四象限。必須品質要素之定義為：當 服務或產品具備此要素充足時，顧客將感到理所當然；反之，若該品質要素不 充足或不存在時，則使顧客對其有不滿意之評價；故此要素之存在，為顧客購 買產品或服務時之基本需求。
4.無差異品質(indifference)
無差異品質要素之定義在於，無論產品或服務是否具備此要素，皆無損顧 客對其之滿意度評估；換言之，此要素之存在與否，皆不影響企業在市場上之 競爭地位。
5.反向品質(reverse)
其斜率為負之常數，且分布於第二象限與第四象限之直線。必須品質要素
之定義在於，當產品或服務具備此要素時，顧客將有負向評價；反之，若該要 素不充足時，顧客則有相對之正向評價；故此要素為顧客決定是否購買該產品 或服務之關鍵要素。
圖 3 Kano 二維品質模式
爾後，Brandt (1988)以 Kano 二維品質模式為基礎，提出三因子理論，該研 究 透 過 問 卷 調 查 方 式 將 服 務 要 素 區 分 為 三 類 ， 分 別 為 最 低 要 求 (minimum requirement)、增加附加價值屬性(value-enhancing feature)、及雙重屬性(hybrid attribute)。爾後，Matzler et al. (2002)與 Matzler et al.(2004)透過實證研究以支持 三因子理論，並將服務要素區分為基本因子(basic factors)、績效因子(performance factors)與激勵因子(excitement factors)；茲說明如下所示：
1.基礎因子(basic factors)
意謂著當產品或服務之品質要素充足時，顧客覺得理所當然；反之，若該 品質要素不存在或不充足時，顧客將對該產品或服務之評價極低。換言之，當 顧客感受績效為低時，該服務品質屬性會讓顧客評為重要；反之，當顧客感受 績效為高時，會讓顧客評為不重要之二維評價模式(與 Kano 二維品質模式中之 必須品質要素相符)。此要素之存在為該產品或服務所必備之基本要件。
一維品質
必須品質
反向品質 無差異品質
品質要素 充足 魅力品質
不滿足 品質要素
不充足
滿足
2.績效因子(performance factors)
當顧客對其服務要素之感受評價為高時，會使顧客對整體產品或服務之滿 意指數提高；反之，若對其感受評價為低時，則使顧客不滿意之一維線性模式(與 Kano 二維品質模式中之一維品質要素相符)。故此要素之存在為企業提升市場競 爭力之要件。
3.激勵因子(excitement factors)
意謂著當顧客感受績效是高的時候，會讓顧客評為重要。但是若其感受績 效是低的時候，會讓顧客評為無所謂之二維評價模式(與 Kano 二維品質模式中 之魅力品質要素相符)。故此要素之存在是企業產生產品或服務差異化之關鍵因 素，亦是企業擁有智慧財產權之來源。
其中，基礎因子與激勵因子之品質屬性感受績效與整體顧客滿意的呈現為 非線性且非對稱之影響關係；而績效因子之品質屬性感受績效與整體顧客滿意 度的影響為線性且對稱模式(如圖 4 所示)；由此可知，顧客對產品或服務品質之 意識型態並非全然為一維品質模式；故若單就一維品質模式解釋顧客對品質感 受時，隨即難以對其進行深入探究；因此，後續研究隨即針對此服務品質特性，
進而衍生並修正許多相關性議題，如重要─績效分析等。
圖 4 服務品質之三因子理論
品質要素 充足 品質要素
不充足
不滿足 滿足
基礎因子 績效因子 激勵因子
第三節 重要 ─績效分析
重要─績效分析(Importance-Performance Analysis, IPA)為 Martilla and James 於 1977 年透過郵寄問卷蒐集有關消費者對汽車產業品質績效之研究中提出，其 為透過消費者對品質意識之滿意度與重要程度之二元衡量，進而建構以滿意度 與重要度平均為中心之二維策略矩陣，且矩陣中之象限皆可代表不同之管理意 涵，且依據評估屬性於矩陣中之分配狀況，提供於管理者進行適當之資源分配 策略；更因其所具備之容易使用與解釋等特性(Hansen & Bush, 1999)，被證實是 為一項能協助管理者探索企業/組織內部待改善服務因子之有效分析工具(Deng, et al., 2008; Matzler, et al., 2004)，並被廣泛應用於多方產業績效研究之中；茲將 彙整有關 IPA 模式之應用領域如表 4 所示。
表 4
IPA 之相關應用
IPA模式之應用領域 相關文獻
醫療服務業 Yavas and Shemwell (1997) ； Yavas and Shemwell (2001)。
觀光旅遊業 Deng (2007)； Deng, et al. (2008)； Enright and Newton (2004)；Huan, Beaman, and Shelby (2002)； Litvin and Ling (2001)；O’Neill, et al. (2004)； Tonge and Moore (2007) ；Zhang and Chow (2004)。
會議旅遊業 Oppermann (1996)。
飯店業 Chu and Choi (2000)；Kuo (2009)。
交通運輸業 Chen and Chang (2005)；Tam and Lam (2004)。
金融服務業 Bei and Shang (2006)；Yavas and Shemwell (1997)。
零售業 Vazquez, Bosque, Diaz, and Ruiz (2001)。
建築設計業 Soetanto, Proverbs, and Holt (2001)。
製造業 Hansen and Bush (1999)。
而 IPA 是以顧客認知之服務項目重要性(y 軸)與實際體驗後之滿意度(x 軸) 所建構之二維策略矩陣，並以重要性與滿意度之中央趨勢值(如平均數、中位數 等)做為矩陣中心，並依此將矩陣劃分為四個等象限(如圖 6 所示)，並藉由評估 屬性在此二維矩陣之落點，提供管理者擬定資源重整之策略藍圖；其分析步驟 如圖 5 所示：
圖 5 傳統 IPA 之分析步驟
步驟一：透過文獻蒐集或專家訪談等方法決定受評估單位之服務屬性。
步驟二：以問卷蒐集方式衡量各評估屬性之滿意程度(Pij)及重要程度(Iij)；其 中， i 表示受訪者人數(i=1,2,3,...,n)，而 j 則表評估屬性之總個數 ( j=1,2,3,...,k)。
步驟三：彙整上述資料，並計算各評估屬性之平均滿意程度(P )及重要程度.j (I )，其中，.j
∑
=
= n
1 i
ij
.j P
P (Pij表第 i 位受訪者對第 j 個評估屬性之滿意程
度)，而
∑
=
= n
1 i
ij
.j I
I (Iij表第 i 位受訪者對第 j 個評估屬性之重要程度)。
步驟四：計算 IPA 矩陣之中心座標(P..,I..)，其中，P..為矩陣橫座標之中心位置 ( =∑
= k 1
j .j
.. P
P )，而I..則為矩陣縱座標之中心位置( =∑
= k 1
j .j
.. I
I )。
辨識服務品質屬性
衡量服務屬性之滿意度(Pij) 與重要性(Iij)
計算各服務屬性之重要性與 滿意度之平均數
計算 IPA 矩陣之中心座標 (I.., P..)
建構 IPA 策略矩陣
將各服務屬性繪製於矩陣中
進行資源分配策略
步驟五：將滿意程度與重要程度分別視為矩陣之橫座標及縱座標，並藉此建構 IPA 矩陣。
步驟六：將各評估屬性依其座標位置(P.j,I.j)繪製於 IPA 矩陣中。
步驟七：根據矩陣象限之策略意義(如圖 6 所示)評估各屬性之資源分配順序。
圖 6 重要─績效分析策略矩陣
而傳統 IPA 乃依據服務屬性之滿意度與重要程度之相對位置而繪製於矩陣 中，並根據評估屬性的座落象限而給予不同之管理建議，其象限特性與管理意 涵如下所示：
象 限 一 ：「 高 滿 意 程 度 ， 高 重 要 程 度 」 (excellent performance, extremely importance)；即企業/組織之主要優勢；亦為企業/組織創造高度市場競 爭力之機會來源。係指消費者目前已滿足於該服務項目屬性，亦屬消費 者所重視之服務要素；但為避免被其餘相關企業迎刃而上，故建議管理 者對座落於該象限所採取之資源分配策略應為「繼續維持」(keep up the good work)。
低優先順序 Low Priority
立即改善 Concentrate Here
繼續維持 Keep Up the Good Work
供過於求 Possible Overkill
Excellent Performance Fair
Performance
Extremely importance
Slightly importance (P ， .... I )
象限二：「低滿意程度，高重要程度」(fair performance, extremely importance)；
即企業/組織之主要弱勢；亦為影響企業內部服務品質及外在口碑之關 鍵要素。係指消費者雖對目前之該服務項目屬性滿意程度較低，且該服 務屬性為消費者所重視之服務要素，故建議管理者須立即對該區塊之服 務項目進行改善，並投入較高之資源分配以滿足消費者需求，以追求更 高之企業績效；故該 象限所屬之資源分配策略為「立即改善」(concentrate here)。
象限三：「低滿意程度，低重要程度」(fair performance, slightly importance)；即 企業/組織之次要弱勢；係指消費者對該服務項目屬性目前尚未達到滿 意狀態，但是因為該屬性為消費者較不重視之服務要素，故建議管理者 應先行改善象限二之服務屬性，待有多餘資源再投入於座落此象限之服 務項目；故該象限所應執行之策略應為「低優先順序」(low priority)。
象限四：「高滿意程度，低重要程度」(excellent performance, slightly importance)；
為企業之次要優勢。係指消費者對位於此象限之服務屬性目前已達滿足 狀態，但該屬性為消費者較不重視之服務要素，表示企業/組織之表現 已超越顧客所期待；故建議管理者應適當進行資源規劃重整策略，暫緩 投入資源於此區塊之服務屬性，並將多餘資源迅速挪至第二象限所屬之 服務要素；故此象限之資源分配策略應為「供過於求」(possible overkill)。
由於傳統重要─績效分析是由顧客對服務品質意識之自我評估作為衡量依 據，但卻往往造成評估資訊上之缺失；根據相關研究指出，服務屬性之實際重 要性乃是指當提升評估屬性滿意度時，其能對整體滿意度或企業績效之提升效 果；且根據 Kano 研究顯示，屬性滿意度與整體滿意度間並非全然為一維線性影 響模式，故若以傳統 IPA 分析方法進行策略建議，將導致企業無法正確執行實 際之資源規劃策略，故促使許多相關學者開始嘗試修改 IPA 之重要性與滿意度 衡量方法，而本研究茲彙整相關之修正式 IPA 研究如下所述：
一、重要 ─績效分析之發展
由於傳統重要─績效分析是以顧客自我評估之屬性重要程度與滿意程度所 形成之二維策略矩陣，並且因其所具備之「能有效提供管理者建議」等特性，
故被廣泛運用於多方產業之中；然而，根據學者所歸納之傳統 IPA 所隱含的兩
項重要假設：「屬性重要性與屬性滿意度間應互為獨立變數」與「服務屬性滿意 度與顧客整體滿意度之關係應為線性且對稱」之限制，會發現其中之基本假設 與產業實務上之應用存在著衝突性，並引發諸多學者嘗試提出修改之建議；如 Sampson, et al. (1999)學者指出各服務屬性的實際重要性應該是「當提升服務屬 性之滿意程度時，其所能提升績效(整體滿意度)的程度」；且在服務屬性重要度 與滿意度間應存在著因果關係(Matzler, et al., 2004；Oh, 2001；Ryan & Huyton, 2002；Sampson, et al., 2002)，故由顧客自我評估之重要性並不能確實衡量各服 務屬性之重要程度。
再者，基於 Kano(1984)二維品質模式顯示，在單一服務屬性滿意度與顧客 滿意度間並非全然為單一線性影響關係，可得知傳統 IPA「服務屬性滿意度與 顧客整體滿意度之關係應為線性且對稱」之假設條件不適切於實務上之應用；
且 Parasuraman, et al. (1988)指出所謂「企業/組織績效」應是指顧客對服務品質 之「認知」與「期望」滿意度之差距，故由顧客自我評估之滿意度並不能確實 衡量各服務屬性之實際績效程度。因此，傳統重要─績效分析之重要性與滿意度 衡量皆須進行深入修正；而以下茲將分別針對 IPA 之重要性與滿意度的衡量方 法及矩陣繪製作一介紹與彙整。
(一)屬性重要程度之衡量
傳統 IPA 之屬性重要度衡量是以消費者自我評估之方式；然而透過相關文 獻可得知，IPA 之屬性重要度與屬性滿意度間存有因果關係，且 IPA 之實際重 要性應是「當提升屬性滿意度，其所能提升績效(整體滿意度)之程度」(Sampson, et al., 1999)，故由消費者自我評估之重要性確實無法衡量服務屬性的實際重要 程度，進而無法準確評估目標績效。且根據 Kano 二維服務品質理論所述，顧客 對於品質感受並非全然為單一線性影響模式，故傳統 IPA 之「屬性重要度與屬 性滿意度為獨立變數」與「屬性滿意度與整體顧客滿意度間為線性且對稱之影 響關係」之兩項假設條件在經由實證研究後皆證實與實務上之應用不符；因此 針對 IPA 之重要衡量方面，本文將之以分成兩部分進行探究；一是根據「屬性 滿意度與整體顧客滿意度(績效)間為線性且對稱」之基本假設，有相關學者提出 利用迴歸分析與偏相關分析等線性方法萃取其服務屬性之重要程度；二是根據
「Kano 之二維服務品質理論」，在服務屬性滿意度與整體滿意度為非全然為單
一影響關係之下，透過倒傳遞類神經網路等技術進行 IPA 之修正模式。故以下 將針對以往學者所提之重要性評估方法分為兩部分(線性與非線性)進行探究，並 整理於表 5 所示：
1.延續傳統 IPA 服務「屬性滿意度與整體顧客滿意度(績效)間為線性且對稱」之 基本假設。
如 Matzler and Sauerwein (2002)透過迴歸分析方法評估服務屬性之滿意度 (自變數)對整體顧客滿意度(依變數)之影響程度，並依此萃取屬性之重要性，其 分析步驟如下所示：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體顧 客滿意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估 屬性之總個數( j=1,2,3,...,k)。
步驟二：以 j 個屬性之滿意程度為自變數，整體顧客滿意度為依變數建立整體 滿意度(OS)之迴歸模式。
∑
=× +
= k
1 j
j
j P )
(
OS
α β
(1) 步驟三：根據整體滿意度(OS)之迴歸模式所萃取之迴歸係數(β )即為各評估屬j性之重要程度評估值。
步驟四：以各評估屬性之滿意程度(P.j)為滿意度之評估值。
步驟五：計算評估屬性之平均重要程度(I.j =βj)及屬性之平均滿意程度(錯誤!
尚未定義書籤。P )為策略矩陣之中心。 .j
步驟六：以傳統 IPA 矩陣繪製方法將各評估屬性描繪至二維策略矩陣。
步驟七：根據矩陣象限之策略意義決定各屬性之資源分配順序。
然而，Danaher (1997)指出，迴歸分析方法之精確性往往受限於各評估屬性 間之共線性問題；亦即當各評估屬性間之共線性程度愈高，其迴歸係數之敏感 程度愈低，進而無法確實衡量各評估屬性之重要程度；且 Hair, Anderson, and Tatham (1995)亦指出，偏相關分析可代替迴歸分析以衡量自變數對依變數之衡 量，且可避免共線性之影響；故 Matzler et al.(2003)為排除屬性間之共線性問題 而透過個別屬性對整體滿意度之偏相關係數作為屬性重要程度之評估值，此法 不僅較適用於無母數之樣本資料型態，亦有助於提供其對整體滿意度之相關訊
息；其分析步驟如下所示：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體滿 意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估屬性 之總個數( j=1,2,3,...,k)。
步驟二：根據上述資料，進行各評估屬性之滿意程度與整體滿意度之偏相關分 析。
步驟三：根據上述分析所獲得之偏相關係數即為各評估屬性之重要程度評估值。
步驟四：以顧客自我評估之滿意程度(P.j)為屬性滿意度評估值。
步驟五：以重要程度與滿意程度平均數作為策略矩陣之中心。
步驟六：以傳統 IPA 矩陣繪製方法將各評估屬性描繪至二維策略矩陣。
步驟七：根據矩陣象限之策略意義決定各屬性之資源分配順序。
表 5
IPA 重要性衡量彙整(一維品質) 線性
作者 方法
Hasen and Bush(1977) 以顧客自我評估服務屬性重要度為衡量依據 Matzler and Sauerwein
(2002)
利用迴歸分析探討屬性滿意度與整體顧客滿意度，並 從中萃取屬性之重要程度
Matzler, Sauerwein, &
Heischmidt (2003)
以屬性滿意度與整體滿意度之偏相關係數作為屬性之 重要程度
Yavas and Shemwell (2001)
整合相對重要度作為加權指標以取代傳統 IPA 重要程 度之衡量方式
2.整合 Kano(1984)之「服務屬性之滿意度並非皆以單一線性關係影響整體滿意 度，也存在著非線性關係」二維品質概念。
然而以上方法皆僅針對一維服務品質而論，忽略當服務品質屬性滿意度與 顧客整體滿意度間也有非線性之影響關係，故有研究以 Kano 之二維服務品質理 論為基礎，重整 IPA 之重要性衡量方法。
如 Deng (2007)利用偏相關分析替代迴歸分析進行自變數與依變數之關係衡 量，並可同時避免共線性問題之存在；再者，Anderson and Sullivan (1993)指出 資料若先進行自然對數處理，可增加資料統計分析之敏感性；因此，為探討服 務屬性三因子對整體顧客滿意度之相關性，該研究先行透過自變數(服務屬性)
之自然對數轉換以增加資料之敏感度，再與整體顧客滿意度進行偏相關分析；
其分析步驟如下所示：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體滿 意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估屬性 之總個數( j=1,2,3,...,k)。
步驟二：根據上述資料進行自然對數轉換，進行各評估屬性之滿意程度與整體 滿意度之偏相關分析。
步驟三：根據上述分析所獲得之偏相關係數即為各評估屬性之重要程度評估值。
步驟四：以顧客自我評估之滿意程度(P.j)為屬性滿意度評估值。
步驟五：以重要程度與滿意程度平均數作為策略矩陣之中心。
步驟六：以傳統 IPA 矩陣繪製方法將各評估屬性描繪至二維策略矩陣。
步驟七：根據矩陣象限之策略意義決定各屬性之資源分配順序。
且就以往文獻可得知，倒傳遞類神經網路(Back-Propagation Neural Network, BPNN)具有可同時處理線性與非先線性映射關係之特性，故 Deng, et al. (2008) 遂利用其修正 IPA 之非線性問題，以求能準確評估各屬性之滿意度與整體顧客 滿意度的影響程度；其分析步驟詳述如下：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體滿 意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估屬性 之總個數( j=1,2,3,...,k)。
步驟三：將平均滿意程度(P )取對數後作為輸入層變數，整體滿意度之平均(.j OS) 為輸出層變數，利用 NeuroSolution5 軟體建構倒傳遞類神經網路之預 測函數，並測試預測函數之配適度。
步驟四：透過函數所取得之權重運算後即為服務屬性之重要性。
∑
∈=
I
j j
j
j w
RI w ， (2)
其中，
H w wj
∑
h∈H wih + ho= ，∀j∈I (3)
H ：表示為隱藏層個數
w ：表示為輸入層至隱藏層之連接鏈權重 ih
w ：表示為隱藏層至輸出層之連接鏈權重 ho
I：表示為輸入層
步驟五：以顧客自我評估之滿意程度(P.j)為屬性滿意度評估值。
步驟六：以重要程度與滿意程度平均數作為策略矩陣之中心。
步驟七：以傳統 IPA 矩陣繪製方法將各評估屬性描繪至二維策略矩陣。
步驟八：根據矩陣象限之策略意義決定各屬性之資源分配順序。
其後，Deng and Pei (2009)考慮到顧客在評估服務品質滿意度時常有不確定 及模糊性之思維，以造成顧客自我評估之滿意度無法確實反映真實的目標績 效；遂提出以模糊理論修正傳統常見評估語意時之李克特量化尺度，並以 Kano 二維服務品質屬性為基礎，透過倒傳遞類神經網路修正重要─績效分析之重要 度衡量模式，其分析步驟詳述如下：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體滿 意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估屬性 之總個數( j=1,2,3,...,k)。
步驟二：彙整上述資料，並以三角模糊數轉換各評估屬性─平均滿意程度(A~javg
) 與平均整體滿意度(O~avg
)後，並解模糊化。
步驟三 ：以解模糊化後之滿意度(
A~
V )為輸入層變數，整體滿意度(O~avg
)為輸出層 變數，並利用 NeuroSolution5 建立倒傳遞類神經網路之預測函數，且 測試函數之配適度。
步驟四：透過函數所取得之權重運算後即為服務屬性之重要性。
∑
∈=
I
j j
j
j w
RI w ， (4)
其中，
H w wj
∑
h∈H wih + ho= ，∀j∈I (5)
H ：表示為隱藏層個數
w ：表示為輸入層至隱藏層之連接鏈權重 ih
w ：表示為隱藏層至輸出層之連接鏈權重 ho
I：表示為輸入層
步驟五：以顧客自我評估之滿意程度(P.j)為屬性滿意度評估值。
步驟六：以重要程度與滿意程度平均數作為策略矩陣之中心。
步驟七：以傳統 IPA 矩陣繪製方法將各評估屬性描繪至二維策略矩陣。
步驟八：根據矩陣象限之策略意義決定各屬性之資源分配順序。
表 6
IPA 重要性衡量彙整(二維品質) 非線性
作者 方法
Deng(2007) 將評估資料透過自然對數轉換以增加資料之敏感度，
再與整體顧客滿意度進行偏相關分析 Deng, Chen, and Pei
(2008)
BPNN-IPA：利用倒傳遞類神經網路模式之能處理線 性與非線性問題之特性修正 IPA
Deng and Pei (2008)
FN-IPA：同上；並結合模糊集合概念運用於其滿意程 度與整體滿意度之語意評估
(二)屬性滿意程度之衡量
而在 IPA 之滿意度屬性評估方面，根據 Garver(2003)研究指出，可分為相 對滿意度與實際滿意度兩方面探討；其中，在相對滿意度之衡量方面，又可分 為缺口分析、滿意度比率、與比較尺度等方式說明；然而，以上方法皆僅以一 維服務品質而論，忽略品質屬性滿意度與顧客整體滿意度有非線性之影響關 係，故本研究以 Garver 研究為基礎，將 IPA 屬性滿意程度之衡量做一整合評析。
1.以顧客自我評估之觀點
如 Matzler and Sauerwein (2002), Matzler et al. (2003), Deng (2007), Deng et al.
(2008)等研究皆是以顧客自我衡量方式作為 IPA 屬性滿意度(P.j)之評估值。
∑
== n
i ij
j P
P
1
. (6) 2.以 PZB 服務缺口模式之觀點
如 Lambert and Sharma (1990)與 Lambert and Stock (1993)等皆利用顧客對服 務品質期望與認知間之差距缺口做為滿意度之衡量指標。
服務品質=顧客認知(P)-顧客期望(E) (7) 3.以比較尺度之觀點
為顧客評估同類型產業中，比較競爭者之間的優劣程度，其問卷題項包括
「優於競爭者」、「與競爭者相同」、或「低於競爭者」，而滿意度與重要度 兩軸之交點則為 1。如 Yavas and Shemwell (2001)針對品質特性將組織績效與競 爭者之績效予以比較後，再以服務屬性之重要度為加權值取代傳統 IPA 滿意程 度之衡量方式。
然而根據以上所述之方法，均是延續傳統 IPA 服務之「屬性滿意度與整體 顧客滿意度(績效)間為線性且對稱」基本假設進行滿意度(績效)的修改評估，與 實務上之應用仍產生不適應之衝突性(Kano,1984)。
故綜合以上所述之文獻，Deng et al.(2008)所修正之 IPA 模式已整合 Kano 之二維品質理論，並對傳統 IPA 之重要性衡量方法進行修正，卻仍忽略當服務 屬性滿意度與績效(整體滿意度)非全然為線性關係時，以顧客自我評估之滿意度 為其績效之評估值，其所繪製之策略矩陣，滿意度與重要性之相對位置將與實 際績效之相對位置不一致，因而誤導管理者對部分屬性之資源規劃。因此，為 能有效提供實務管理更適切之策略方針，重要─績效分析不僅在重要性之評估 需進行修正，滿意度(績效)方面之評估亦應同時進行導正措施；因此本研究將利 用倒傳遞類神經網路(BPNN)建構服務屬性滿意度與整體滿意度間之關係函 數，進而透過此關係函數重新評估屬性重要性與具有缺口概念之績效，最後並 依此二元特性建構策略矩陣。
表 7
滿意度衡量彙整表
類型 作者
以顧客自我評估觀點 Hasen and Bush(1999) Matzler and Sauerwein(2002) Matzler et al. (2003)
Deng(2007)
Deng, Chen, and Pei(2008) 以 PZB 服務缺口模式觀點 Lambert and Sharma(1990) Lambert and Stock(1993) 以比較尺度觀點 Yavas and Shemwell(2001)
(三)重要 ─績效分析之矩陣繪製
傳統重要─績效分析是透過顧客自主評估之滿意程度與重要程度所繪製而 成之二維策略矩陣，其目的是為透過矩陣之劃分，將各服務屬性依其特性而進 行不同之資源重整策略；然而 Slack(1994)認為在滿意程度與重要程度之間存有 互為消長之特性；換言之，當屬性重要度提升時，即顧客對其要求愈高，則愈 難使顧客感到滿意；基於此項特性，故於研究中彙整各評估屬性之重要度、滿 意度及優先程度等三方面資料，並依據傳統 IPA 之分析程序將各評估屬性繪置 於矩陣上，且根據各評估屬性於 IPA 矩陣上之分配，有別於傳統 IPA 之直交座 標 ， 其 矩 陣 之 狀 態 分 配 為 一 非 對 稱 式 之 策 略 矩 陣 ( 如 圖 7 所 示 ) 。
圖 7 修正式 IPA 矩陣圖
Note. From “The importance-performance matrix as a determinant of improvement priority. International Journal of Operations & Production Management, 14(5), p.
67.
而 Wu and Shieh(2008)將重要程度與滿意程度之指標以信賴區間方式取代 傳統 IPA 之點估計，故將傳統 IPA 策略矩陣劃分為九個區域，並根據信賴區間 之概念，認為實際待改善之服務屬性僅有區域七與區域八，其分析步驟如下所 示：
步驟一：透過問卷蒐集方式衡量受訪者對各評估屬性之滿意程度(Pij)及整體滿 意度(OS )；其中， i 表示受訪人數(i i=1,2,3,...,n)，而 j 表示評估屬性
Appropriate /適當
Overkill /供過於求 Performance
Importance
Improve /次優先改善 Urgent
/立即改善
之總個數( j=1,2,3,...,k)。
步驟二：將屬性重要度與滿意度根據樣本數大小與母體變異數等特性進行兩軸 之信賴區間設置。
步驟三：以屬性重要度與滿意度之平均做為矩陣中心，並根據重要性與滿意度 兩軸平均數之信賴區間，將策略矩陣劃分為九個區域(如圖 8 所示)。
步驟四：根據矩陣象限之策略意義決定各屬性之資源分配順序。
圖 8 修正式 IPA 矩陣圖
Note. From “The development of a confidence interval-based importance–
performance analysis by considering variability in analyzing service quality,” by H.
H. Wu, & I. H. Shieh, Expert Systems with Applications, 36(3, part2), p.7042.
第四節 類神經網路
一、類神經網路之介紹
由於人類大腦約具有 1011個神經細胞(nerve cells)，其具備有良好之資訊處 理能力，能將環境所接收之外界訊號(如酸、痛等知覺能力)透過神經與神經元 (cell)運輸至大腦後，加以運算整理，再透過聲音、動作、或表情等外顯器官傳
Excellent Performance Fair
Performance
Extremely importance
Slightly importance
Keep up the good work /繼續維持 Concentrate here
/立即改善
Possible overkill /供過於求 Low priority
/低優先順序
達訊息；且人腦無論在圖形或語言等辨識能力皆優於一般電腦；故自 1950 年代 起，科學家始仿造人類大腦組織以建構類神經網路( Artificial neural network, ANN)，其是使用大量相連之人工神經元(artificial neurons)模仿生物神經網路系 統(Freeman & Skapura, 1992)，其運算概念近似數理統計之迴歸分析；然而，迴 歸分析僅能處理簡單之線性關係模型，而類神經網路則可針對複雜之線性與非 線性函數進行運算，亦可同時包含多個輸入與多個輸出變數之預測系統，其神 經元運算概念如圖所示：
圖 9 神經元之構造
資料來源：「消費性貸款違約行為預測模式之研究─DEA-EA、類神經網路、
Logistic 迴歸與判別分析之比較」，林燕萍，2007，中華大學經營管理研究所碩
士論文，頁 38。
其中，x1,x2,...,xn表示為輸入層之輸入變數，w1j,w2j,...,wnj表示為輸入層至 隱藏層間連結鏈之影響強度(Synaptic weight)；而網路中神經元之輸出，皆先經 由集結函數(Activity function)對輸入值與權重進行線性之加權運算，再以活化函 數與轉換函數(Transfer function)限制輸出之訊號強度，並運送至下一個神經元；
而一般類神經網路常見之轉換函數有五類，分別為對數雙彎曲轉移函數、正切 雙曲線轉移函數、硬限制轉移函數、及線性轉移函數，且分述如下：
1.雙彎曲函數(sigmoid function)
函數形式為 x
x e
f = +
1 ) 1
( ，且自變數 x 為介於正負無限大間之任意數值，經 轉移函數輸出後，其值將介於 0 至 1 之間。
) (netj f w1j
wnj
w2j
x1
x2
xn
…
…
Output Input
集結 函數
活化 函數
轉換 函數 netj
vj
圖 10 雙彎曲函數
2.雙曲線正切函數(hyperbolic tangent function )
函數形式為 x x
x x
e e
e x e
f −
−
+
= − )
( ，且值介於−1至 1 之間。
此函數說明自變數 x 可以是在正負無限間之任意數值，且經轉移函數輸出後，
其值將介於−1至 1 間之正規化函數。
圖 11 雙曲線正切函數 3.硬限制轉移函數(hardlim)
此函數說明當自變數 x 大於或等於 0 時，其函數輸出 f(x)則為 1；且當自 變數 x 小於 0 時，其函數輸出 f(x)則為 0 之硬限制轉移函數。
函數形式為
= 0 ) 1 (x
f ， if
<0 x 0 x
1
) (x f
−1
x 0
1
) (x f
≥0 x
圖 12 硬限制轉移函數 4.線性轉移函數(purelin)
函數形式為 f(x)=x，且自變數與應變數間之函數斜率為 1 之線性規劃函 數。
圖 13 線性轉移函數
根據目前相關之類神經網路運算模式大致可分為兩類，分別為學習過程 (learning)及回想過程(recalling)，並可依據其網路特性分為監督式學習網絡與非 監督式之學習網路，茲說明如下：
一、學習過程
在學習過程中，類神經網路可依其學習特性反覆運算後，透過試誤法(Try error method)調整其網路連結之偏權值以減少輸入值與目標值之間差距，並使 網 路模式達最佳化；共可分為監督式學習、非監督式學習、聯想式學習及最適化
x 0
1
) (x f
-1 0 x 1
) (x f
