这项名为“评估酒店实体的服务质量和竞争地位的方法论”的研究旨在设计并应用一种将客户满意度作为考虑因素的酒店实体竞争地位的方法。关键指标。
在调查过程中,使用了问卷调查表,改进的SERVQUAL模型,Kendall专家方法和Border模型,从而可以收集有关所研究的9家酒店的信息,并取得了以下主要成果:开发了一种确定酒店价格的方法。影响所研究酒店实体服务质量的主要问题,针对不同连锁店的每个设施的改进计划的建议,这可以提高客户满意度和服务质量标准,以及在其连锁店内研究的9家酒店的位置,使其可以与领先酒店进行比较
介绍
旅游业包括人们出于休闲,商务和其他原因而在旅行中进行的活动,以及在不到通常环境的地方停留少于一年的连续活动。它构成了广泛扩张的现象,对世界产生了重大的经济和社会影响。根据世界旅游组织(UNWTO)的数据,在世界经济这个广阔的部门中,每年有超过7400万人受雇,约有6亿人参与其中。
当前,旅游业是提供最多收入和收益的经济分支之一,因此可以预见,与其他行业相比,旅游业在未来几年的重要性将提高。在最近的几十年中,它已经从几乎微不足道的活动变成了一个实际领域,对国际收支,地方投资和设备,改善交通运输,创造就业机会产生了重大影响,这是其中之一。该行业最大的社会影响力。
在旅游活动的发展中,质量至关重要,因为人类的需求和要求不断提高,客户需求越来越高,面对竞争激烈的世界,有必要努力做到最好最好的生存之道,如果不能通过监视旅游设施所提供的每项服务的质量来实现,那是无法实现的。
任何质量管理体系都取决于用于获取有关质量体系运行状态信息的工具。度量工具可以更好地理解分析对象,有必要针对这些分析对象做出某些决策,对它的发展进行预测,度量正在执行的活动所达到的水平以及暴露出某个问题。
旅游业业务部门中存在的最大困难之一是,以客户满意度和服务质量为输出指标,确定属于同一链条或不同链条之间的实体的竞争地位。
饭店实体竞争定位的方法论。
步骤1.诊断摘要
从先前的诊断和技术诊断中总结了在实体中诊断出的困难。修改后的SERVQUAL模型具有七个空白,适用于两个不同链的9个酒店。经诊断的问题在连锁店甚至在酒店之间都很普遍。通常,可以将其概括为:很少以客户为导向,缺乏对服务质量的管理承诺,缺乏质量管理体系,因此质量成本相对较高,从根本上讲是故障成本。
步骤2.改进计划摘要
从诊断中发现的主要缺陷,总结了针对每个连锁店及其酒店的改善计划所建议的措施;目的是要实施它们并要求每个实体都遵守。
步骤3.输入和输出指示器的定义。
其主要目的是实施有助于改进程序在诊断实体中应用的工具,为此,使用边界模型来进行排名,以引导每个实体进入参考酒店;根据发现的缺陷和使用的变量应用基准测试技术。
为了确定用于输入和输出的变量,使用了招待中使用的以下经济和服务指标,包括:
税前利润,税后利润,销售,总成本,游客/天数,平均停留时间,客户满意度,入住率,房间数和实际游客数。
为了确定要使用的指标,选择了9家酒店管理专家,他们均与这项活动有10年以上的联系,采用Kendall方法,得出的一致系数为0.85(表明该研究有效),仍作为指标。结果:税前利润,销售,总成本,客户满意度和房间数
随后,决定将其用作输入变量:房间数量和质量的总成本,以及将产出用作客户满意度和销售。总成本指标由在每个研究实体中确定的总质量成本代替。在比较使用四个变量的效率排名分析和仅使用两个变量(成本)来衡量质量管理效率的排名时,将税前利润用作验证的基本要素质量作为输入,客户满意度作为输出)。
表#1 .两个链的输入和输出指示器。
实体 |
质量成本 |
房间数 |
销售额($) |
顾客满意度 |
H1 |
235871 |
147 |
823300 |
-0.313 |
H2 |
403920 |
254 |
2019 600 |
0.190 |
H3 |
283912 |
103 |
1822400 |
0.200 |
H4 |
757423 |
173 |
2494400 |
0.090 |
H5 |
848874 |
366 |
3264900 |
-0.127 |
H6 |
854360 |
273 |
3286100 |
0.141 |
H7 |
233038 |
78 |
896300 |
0.141 |
H8 |
448452 |
264 |
1401400 |
0.290 |
H9 |
240128 |
121 |
950000 |
0.010 |
步骤4.定义要评估的时间段,样本的大小和采样的方向。
该研究是从不同连锁酒店的样本中进行的,其中包括2003年2月至4月期间访问过这些旅馆的客户。该样本是根据访问的人口计算得出的那个时期的极点。为了能够获得每个细分市场的决定性和详细的结果,我们使用4%的误差进行工作,由于进行的调查比预期的多,因此实际获得的误差为3.7%。我们以95%的置信度和P = Q = 0.5的值进行工作,给出了满意客户存在与不满意相同的可能性。根据这些数据,获得的样本量为1193,实际为1196。配额由Paretto确定,从经济角度考虑使用每个发行国进行的购买。
表#2。商业研究表。
技术 |
商业调查。 |
方法程序 | 通过带有封闭问题的问卷调查。 |
宇宙 | 年龄在18岁以上的游客,男女同住酒店。 |
范围 | 酒店设施。 |
样本量 | 1193次有效调查 |
样本误差 | 4% |
置信度 | 95%,Z = 1.96 p = q = 0.5 |
样品设计 | 按配额分配的概率不高,分配比例与按不同国籍访问酒店的游客人数成正比。在游客场所进行了调查。 |
实地考察日期 | 2003年2月1日至4月 |
步骤5.边界模型的应用。
通过使用边界模型对诊断出的链进行质量管理的效率评估。由于缺乏文化,缺乏记录和记录以及用于评估客户满意度的工具的不可靠性,使用孤立的指标甚至比率来衡量效率确实非常困难,甚至与质量有关的效率更高。 。
边界模型允许通过使用可以输入(输入)和其他输出(输出)的预定变量来分析称为DMU的多个同类单元(酒店)的效率;同时,它们表示可以用作效率指标比较参考的单位。
在这种情况下,使用DEA模型,其特征在于定义凸的经验生产边界。DEA模型的凸性假设基于以下事实:如果两个单位可以从投入的消耗中产生输出,则还可以通过在它们之间建立线性权重或组合来获得可行的单位。
该模型是最广泛使用和已知的模型之一,因为它在使用少量DMU时比FDH模型具有更大的辨别能力,因此决定了其应用,在这种情况下,它仅适用于9个单元。
可以径向和非径向地计算到DEA模型边界的距离,而不管朝向输入或朝向输出的方向,也可以不定向。径向模型意味着对于所有元素,输入的减少或输出的增加都是相同的。相反,非径向模型为每个输入计算特定的折减系数,或为每个输出计算增加的系数。无论如何,全局效率指数分别是这些减少或增加系数的平均值,并且在非径向模型的情况下可以加权。
下表显示了这两个链的总体排名。
表#3. 使用非定向径向模型对两个链进行排名。
DMU |
分数 |
费用{I} {V} |
#习惯。{I} {V} |
销售{O} {V} |
满意度{O} {V} |
标杆管理 |
H1 |
29.55% |
235871 |
147 |
823300 |
-0.313 |
3(0.59) |
H2 |
12.43% |
403920 |
254 |
2019 600 |
0.190 |
3(1.25) |
H3 |
-23.49% |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
10.20% |
757423 |
173 |
2494400 |
0.090 |
3(1.51) |
H5 |
25.06% |
848874 |
366 |
3264900 |
-0.127 |
3(2.24) |
H6 |
19.03% |
854360 |
273 |
3286100 |
0.141 |
3(2.15) |
H7 |
3.58% |
233038 |
78 |
896300 |
0.141 |
3(0.73) |
H8 |
4.28% |
448452 |
264 |
1401400 |
0.290 |
3(1.51) |
H9 |
23.74% |
240128 |
121 |
950000 |
0.010 |
3(0.65) |
通过分析这9个DMU的结果,可以看出只有一个有效单位,即H3,可以通过得分来确定,因为这是该指标中最低的酒店,从而主导了其余DMU,换句话说,改进计划的参考酒店仍然是两个连锁店的H3。
表#4 .面向输入的径向模型。
DMU |
分数 |
费用{I} {V} |
#习惯。{I} {V} |
销售{O} {V} |
满意度{O} {V} |
标杆管理 |
H1 |
54.38% |
235871 |
147 |
823300 |
-0.313 |
3(0.45) |
H2 |
77.90% |
403920 |
254 |
2019 600 |
0.190 |
3(1.11) |
H3 |
161.40% |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
81.49% |
757423 |
173 |
2494400 |
0.090 |
3(1.37) |
H5 |
59.92% |
848874 |
366 |
3264900 |
-0.127 |
3(1.79) |
H6 |
68.03% |
854360 |
273 |
3286100 |
0.141 |
3(1.80) |
H7 |
93.10% |
233038 |
78 |
896300 |
0.141 |
3(0.70) |
H8 |
91.80% |
448452 |
264 |
1401400 |
0.290 |
3(1.45) |
H9 |
61.63% |
240128 |
121 |
950000 |
0.010 |
3(0.52) |
表#5. 面向输出的径向模型。
DMU |
得分 |
费用{I} {V} |
#习惯。{I} {V} |
销售{O} {V} |
满意度{O} {V} |
基准测试 |
H1 |
183.90% |
235871 |
147 |
823300 |
-0.313 |
3(0.83) |
H2 |
128.38% |
403920 |
254 |
2019 600 |
0.190 |
3(1.42) |
H3 |
61.96% |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
122.71% |
757423 |
173 |
2494400 |
0.090 |
3(1.68) |
H5 |
166.89% |
848874 |
366 |
3264900 |
-0.127 |
3(2.99) |
H6 |
146.99% |
854360 |
273 |
3286100 |
0.141 |
3(2.65) |
H7 |
107.42% |
233038 |
78 |
896300 |
0.141 |
3(0.76) |
H8 |
108.93% |
448452 |
264 |
1401400 |
0.290 |
3(1.58) |
H9 |
162.25% |
240128 |
121 |
950000 |
0.010 |
3(0.85) |
表#6 .未定向的附加模型。
DMU |
得分 |
费用{I} {V} |
#习惯{I} {V} |
销售{O} {V} |
满意度{O} {V} |
基准测试 |
H1 |
690 792.00 |
235871 |
147 |
823300 |
-0.313 |
3(0.83) |
H2 |
573 225.75 |
403920 |
254 |
2019 600 |
0.190 |
3(1.42) |
H3 |
0.00 |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
847085.62 |
757423 |
173 |
2494400 |
0.090 |
3(1.68) |
H5 |
2183987,90 |
848874 |
366 |
3264900 |
-0.127 |
3(2.99) |
H6 |
1,646,000.43 |
854360 |
273 |
3286100 |
0.141 |
3(2.65) |
H7 |
501,806.59 |
233038 |
78 |
896300 |
0.141 |
3(0.76) |
H8 |
1,477,265.55 |
448452 |
264 |
1401400 |
0.290 |
3(1.58) |
H9 |
591 389.35 |
240128 |
121 |
950000 |
0.010 |
3(0.85) |
表#7 .面向输入的加性模型。
DMU |
得分 |
费用{I} {V} |
#习惯{I} {V} |
销售{O} {V} |
满意度{O} {V} |
基准测试 |
H1 |
107,709.42 |
235871 |
147 |
823300 |
-0.313 |
3(0.45) |
H2 |
89 426.04 |
403920 |
254 |
2019 600 |
0.190 |
3(1.11) |
H3 |
0.00 |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
368 852.03 |
757423 |
173 |
2494400 |
0.090 |
3(1.37) |
H5 |
340 416.16 |
848874 |
366 |
3264900 |
-0.127 |
3(1.79) |
H6 |
342505.21 |
854360 |
273 |
3286100 |
0.141 |
3(1.80) |
H7 |
32,885.43 |
233038 |
78 |
896300 |
0.141 |
3(0.70) |
H8 |
36,894.25 |
448452 |
264 |
1401400 |
0.290 |
3(1.45) |
H9 |
92,194.65 |
240128 |
121 |
950000 |
0.010 |
3(0.52) |
表#8 。面向输出的加性模型。
DMU |
得分 |
费用{I} {V} |
#习惯。{I} {V} |
销售{O} {V} |
满意度{O} {V} |
基准测试 |
H1 |
690 730.57 |
235871 |
147 |
823300 |
-0.313 |
3(0.83) |
H2 |
573 118.29 |
403920 |
254 |
2019 600 |
0.190 |
3(1.42) |
H3 |
0.00 |
283912 |
103 |
1822400 |
0.200 |
8 |
H4 |
566 524.52 |
757423 |
173 |
2494400 |
0.090 |
3(1.68) |
H5 |
2183929.86 |
848874 |
366 |
3264900 |
-0.127 |
3(2.99) |
H6 |
1544 145.05 |
854360 |
273 |
3286100 |
0.141 |
3(2.65) |
H7 |
483,769.91 |
233038 |
78 |
896300 |
0.141 |
3(0.76) |
H8 |
1477 164.25 |
448452 |
264 |
1401400 |
0.290 |
3(1.58) |
H9 |
591355,46 |
240128 |
121 |
950000 |
0.010 |
3(0.85) |
步骤6.使用专有的质量管理指标衡量效率。
为了评估不同DMU中质量管理的效率,应用DEA模型,将总质量成本作为输入,并将客户满意度作为输出。这可以衡量组织为达到客户满意度而必须承担的成本。
这种分析是基础的,因为强烈强调客户满意度或感知质量是公司竞争力以及组织获得的利益的决定因素。一些研究已经像PIMS所做的那样测试了这个假设,但是管理人员并没有真正意识到这种相互关系。
实际上,应该在中长期内而不是在短期内预期获得高质量的结果。
表9和表10显示了这些结果。
表#9。基于客户满意度,非定向径向模型的排名。
DMU |
得分% |
费用{I} {V} | 总计{O} {V} | 唐。{O} {V} | 菲亚布 {O} {V} | Capac {O} {V} | 安全{O} {V} | 恩帕{O} {V} | 宝马 |
H1 |
100 |
235871 |
-0.31 |
-0.29 |
-0.25 |
-0.280 |
-0.419 |
-0.316 |
|
H2 |
9.75 |
403920 |
0.192 |
0.179 |
0.148 |
0.200 |
0.224 |
0.206 |
3(1.28) |
H3 |
-12.65 |
283912 |
0.200 |
0.153 |
0.156 |
0.206 |
0.296 |
0.192 |
5 |
H4 |
58.15 |
757423 |
0.090 |
0.108 |
0.050 |
0.083 |
0.107 |
0.100 |
3(1.12) |
H5 |
100 |
848874 |
-0.12 |
-0.12 |
-0.15 |
-0.143 |
-0.132 |
-0.083 |
|
H6 |
44.46 |
854360 |
0.141 |
0.177 |
0.113 |
0.131 |
0.151 |
0.133 |
3(1.67) |
H7 |
2.01 |
233038 |
0.141 |
0.096 |
0.123 |
0.155 |
0.189 |
0.145 |
3(0.80) |
H8 |
-4.22 |
448452 |
0.29 |
0.24 |
0.24 |
0.31 |
0.34 |
0.33 |
之一 |
H9 |
46.53 |
240128 |
0.012 |
-0.05 |
-0.07 |
0.049 |
0.083 |
0.061 |
8(0.10) |
根据获得的结果,有两种有效的酒店:首先是H3酒店,在较小程度上是H8酒店,这可以通过得分的结果得到证实,这些得分是表格中最低的。 H3酒店主导5个DMU,分别为:H2,H4,H6,H7和H9; H8酒店仅主导H9酒店。在这种情况下,DMU由H3和H8这两个酒店控制,但优先级高于H3,因为它的Lambda值较高,这是参考强度。
H5和H1酒店的最高分数是100%,这表明我们在非定向径向模型中会发现DMU完全没有效率,也就是说,它们与效率边界相去甚远。下面是表10中使用四个变量的效率排名之间的比较,该排名是为了衡量仅使用两个变量(质量成本作为投入和满意度)的质量管理效率而准备的客户作为输出)。
表#10。公用事业,得分,房间数量和基准测试之间的比较。
DMU |
得分 |
税前收入 |
房间数 |
标杆管理 |
H1 |
100% |
-383800 |
147 |
|
H2 |
9.75% |
65600 |
254 |
3(1.28) |
H3 |
-12.65% |
29600 |
103 |
5 |
H4 |
58.15% |
196800 |
173 |
3(1.12) |
H5 |
100% |
233600 |
366 |
|
H6 |
44.46% |
338400 |
273 |
3(1.67) |
H7 |
2.01% |
108 600 |
78 |
3(0.80) |
H8 |
-4.22% |
2004500 |
264 |
之一 |
H9 |
46.53% |
706100 |
121 |
3(0.30)8(0.10) |
更一般的分析可以澄清所获得的结果。如果将质量合并到两个链的最终排名中获得的结果中,这些结果显示了每个DMU的质量管理效率,那么可以看出利润水平与排名中达到的位置之间存在对应关系。定义每家酒店的效率。
高效或领先的酒店在H3达到29,600的税前利润,在H8达到200,400的税前利润,这在很大程度上是因为H8拥有更多的房间。但是,H1酒店是效率最低的酒店之一,得分为100%,但会造成损失。得分最高的另一家酒店是H5,可达到366间客房的公用事业价值233.6 MP。与H6酒店相比,它的实用性更高(338.4 MP),房间数量减少了93个。出于这个原因,它在排名中的位置更有利,得分更低。
进行的分析证实了使用非定向模式的决定,因为它同时考虑了输入和输出。当实际确定了由于投入投入过多或产出困难而影响每个组织的效率管理的困难时,这并不排除使用面向模型进行后续分析。
这些模型的使用是有效的,并且对于指导改进程序非常有用,但是正确选择输入和输出变量以及模型的方向至关重要。因为很难使用非常具体的指标或比率来定义组织的整体效率,而又无法通过应用这些边界模型来进行整体分析来进行整体分析。还应牢记,在所分析的大多数DMU中,都没有经过认证的会计核算,这可能导致对投入物甚至公用事业的估价错误。因此,决定将每个酒店及其房间号的确定和估计的质量成本用作输入。诊断了每个链中的单元,并准备了每个单元的困难摘要。以及解决这些困难的改进方案的建议。但是能够确定相同链内以及它们之间的参考DMU非常有用,这将极大地促进改进计划的实施。
尽管边界模型有这些好处,但人们认识到,必须仔细并使用各种方法对获得的结果进行分析,包括将其与该时期内已达到的指标或经济比率以及其运行的客观和实际条件进行比较。每次安装。例如,两个连锁店的领先或参考酒店都被证明是H3,它在一个非常细分的市场中运营,其服务系统仅针对该市场而设计,而其他酒店同时在多个市场中运营时,则不会发生这种情况。 。这种差异非常重要,必须予以考虑。
结论
1.通过对两个连锁店的排名进行分析,可以确定H3酒店是领导者和唯一高效的酒店。在分析效率时,特别是在两个链的质量管理中,可以指定有2个有效DMU,其余两个由DMU主导。以及根据获得的分数排序。
2.通过相关性和肯德尔系数的结果验证了评估组织总体效率的排名(具有4个变量)和评估质量管理效率的排名(仅包含2个变量)之间的对应关系。
3.排名结果的有效性可以通过与实体获得的实际经济指标(尤其是税前利润)进行比较,从而证实所取得的结果。
参考书目
1.质量和质量管理。可在以下网址访问:www.gestiopolis.com/dirgp/adm/calidad.htm,访问日期:2003年1月
2. Clery,A.将整体质量作为服务公司的竞争策略。网址:http。www.monografias.com,访问时间:2003年1月。
3. Esparrgoza,A。总体质量体系和质量成本。网址:http。www.monografias.com,访问时间:2002年12月
4. Juran,J.分析与质量计划。Mc Graw Hill。1997年。
5.质量和质量管理。可从以下网站访问:www.gestiopolis.com/dirgp/adm/calidad.htm,访问日期:2003年1月
6.Peñalver,P等。评估酒店和竞争地位质量的方法。硕士论文。2003年7月。
下载原始文件