các mô hình đánh giá chất lượng dịch vụ

โมเดลประเมินคุณภาพบริการ

โมเดลประเมินคุณภาพบริการ SERVQUAL SERVPERF Kano Model NPS CSAT CES Gap Analysis Customer Satisfaction Loyalty

SERVQUAL Implementation

# === SERVQUAL Gap Analysis ===

from dataclasses import dataclass

@dataclass
class SERVQUALDimension:
    dimension: str
    description: str
    example_questions: str
    weight: float

dimensions = [
    SERVQUALDimension("Tangibles",
        "สิ่งที่จับต้องได้ อุปกรณ์ สถานที่ บุคลากร",
        "สถานที่สะอาด อุปกรณ์ทันสมัย บุคลากรแต่งตัวดี",
        0.11),
    SERVQUALDimension("Reliability",
        "ความน่าเชื่อถือ ให้บริการตรงตามสัญญา",
        "ให้บริการตรงเวลา แก้ปัญหาได้ ทำตามที่สัญญา",
        0.32),
    SERVQUALDimension("Responsiveness",
        "การตอบสนอง รวดเร็ว เต็มใจ",
        "พนักงานตอบรวดเร็ว เต็มใจช่วยเหลือ แจ้งเวลาบริการ",
        0.22),
    SERVQUALDimension("Assurance",
        "ความมั่นใจ ความรู้ สุภาพ น่าเชื่อถือ",
        "พนักงานมีความรู้ สุภาพ ให้ความมั่นใจ ปลอดภัย",
        0.19),
    SERVQUALDimension("Empathy",
        "ความเข้าใจ ดูแลเอาใจใส่ เฉพาะบุคคล",
        "เข้าใจความต้องการ ดูแลเฉพาะบุคคล เวลาสะดวก",
        0.16),
]

# Sample Gap Scores
@dataclass
class GapScore:
    dimension: str
    expectation: float
    perception: float
    gap: float
    priority: str

gaps = [
    GapScore("Tangibles", 4.2, 3.8, -0.4, "Low"),
    GapScore("Reliability", 4.8, 3.5, -1.3, "Critical"),
    GapScore("Responsiveness", 4.5, 3.2, -1.3, "Critical"),
    GapScore("Assurance", 4.3, 4.0, -0.3, "Low"),
    GapScore("Empathy", 4.0, 3.6, -0.4, "Medium"),
]

print("=== SERVQUAL Dimensions ===")
for d in dimensions:
    print(f"  [{d.dimension}] Weight: {d.weight}")
    print(f"    Desc: {d.description}")

print("\n=== Gap Analysis ===")
for g in gaps:
    print(f"  [{g.dimension}] E:{g.expectation} P:{g.perception} Gap:{g.gap} [{g.priority}]")

Kano Model Analysis

# === Kano Model Feature Classification ===

@dataclass
class KanoFeature:
    feature: str
    functional: str
    dysfunctional: str
    category: str
    action: str

features = [
    KanoFeature("WiFi ฟรีในร้าน",
        "Like (ถ้ามี WiFi ชอบ)",
        "Dislike (ถ้าไม่มี ไม่ชอบ)",
        "One-dimensional",
        "ลงทุนให้ WiFi เร็ว ยิ่งเร็วยิ่งพอใจ"),
    KanoFeature("ห้องน้ำสะอาด",
        "Expect (ถ้ามีก็ปกติ)",
        "Dislike (ถ้าไม่มี ไม่พอใจมาก)",
        "Must-be",
        "ต้องทำให้ได้ ไม่ได้เพิ่ม Satisfaction แต่ขาดไม่ได้"),
    KanoFeature("Welcome Drink ฟรี",
        "Like (ถ้ามี ดีใจมาก)",
        "Neutral (ถ้าไม่มี ก็ไม่เป็นไร)",
        "Attractive",
        "ทำได้จะ WOW ลูกค้า สร้างความประทับใจ"),
    KanoFeature("สีผ้าม่านในร้าน",
        "Neutral (ไม่สนใจ)",
        "Neutral (ไม่สนใจ)",
        "Indifferent",
        "ไม่ต้องลงทุนมาก ลูกค้าไม่สนใจ"),
    KanoFeature("เพลงดังมาก",
        "Dislike (ถ้ามี ไม่ชอบ)",
        "Like (ถ้าไม่มี ดี)",
        "Reverse",
        "ต้องลดหรือเอาออก ลูกค้าไม่ต้องการ"),
]

print("=== Kano Features ===")
for f in features:
    print(f"\n  [{f.feature}] → {f.category}")
    print(f"    Functional: {f.functional}")
    print(f"    Dysfunctional: {f.dysfunctional}")
    print(f"    Action: {f.action}")

NPS & CSAT Tracking

# === NPS & CSAT Implementation ===

@dataclass
class NPSResult:
    period: str
    promoters: int
    passives: int
    detractors: int
    nps: int
    trend: str

nps_data = [
    NPSResult("Q1 2024", 45, 30, 25, 20, "Baseline"),
    NPSResult("Q2 2024", 50, 28, 22, 28, "Up +8"),
    NPSResult("Q3 2024", 55, 25, 20, 35, "Up +7"),
    NPSResult("Q4 2024", 60, 22, 18, 42, "Up +7"),
]

@dataclass
class MetricComparison:
    metric: str
    question: str
    scale: str
    measures: str
    when_to_use: str

metrics = [
    MetricComparison("NPS",
        "คุณจะแนะนำบริการนี้มากแค่ไหน",
        "0-10",
        "Loyalty (แนะนำต่อ)",
        "วัด Brand Loyalty ระยะยาว ทุก Quarter"),
    MetricComparison("CSAT",
        "คุณพอใจกับบริการนี้มากแค่ไหน",
        "1-5 หรือ 1-7",
        "Satisfaction (พอใจ)",
        "วัด Satisfaction เฉพาะ Touchpoint ทุกครั้ง"),
    MetricComparison("CES",
        "การใช้บริการนี้ง่ายมากแค่ไหน",
        "1-7",
        "Effort (ความง่าย)",
        "วัดหลัง Support Interaction หรือ Transaction"),
]

print("=== NPS Tracking ===")
for n in nps_data:
    print(f"  [{n.period}] NPS: {n.nps} ({n.trend})")
    print(f"    P:{n.promoters}% Pa:{n.passives}% D:{n.detractors}%")

print("\n=== Metric Comparison ===")
for m in metrics:
    print(f"  [{m.metric}] {m.measures}")
    print(f"    Q: {m.question}")
    print(f"    When: {m.when_to_use}")

เคล็ดลับ

• SERVQUAL: ใช้ SERVQUAL เมื่อต้องการ Gap Analysis เชิงลึก
• Kano: ใช้ Kano จัดลำดับ Feature ลงทุน Attractive Feature สร้าง WOW
• NPS: ถาม Follow-up เสมอ "ทำไมให้คะแนนนี้" เพื่อหาสาเหตุ
• Combine: ใช้หลาย Model ร่วมกัน NPS + CSAT + CES ครอบคลุม
• Action: วัดแล้วต้อง Action ไม่ใช่แค่เก็บข้อมูล

การนำความรู้ไปประยุกต์ใช้งานจริง

แหล่งเรียนรู้ที่แนะนำ ได้แก่ Official Documentation ที่อัพเดทล่าสุดเสมอ Online Course จาก Coursera Udemy edX ช่อง YouTube คุณภาพทั้งไทยและอังกฤษ และ Community อย่าง Discord Reddit Stack Overflow ที่ช่วยแลกเปลี่ยนประสบการณ์กับนักพัฒนาทั่วโลก

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

โมเดลประเมินคุณภาพบริการ SERVQUAL SERVPERF Kano NPS CSAT CES Gap Analysis Customer Satisfaction Loyalty Feature Priority Action