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

เนื้อหาเกี่ยวข้อง — แนะนำให้อ่าน SvelteKit Form Actions Cost Optimization

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

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

เนื้อหาเกี่ยวข้อง — อ่านต่อ: A/B Testing ML Blue Green Canary Deploy