基于整合KANO模型的高校圖書館服務精細分類

■唐 研，劉永慶

（聊城大學商學院，山東 聊城 252000）

高校圖書館是人才培養和科學研究服務的學術性機構，是學校信息化建設的重要組成部分，是校園文化建設的重要基地，充分發揮了在人才培養、科學研究、社會服務和文化傳承創新中的作用。《“十四五”公共文化服務體系建設規劃》的提出為高校圖書館提供了新的發展契機，為適應高質量發展要求，將加快“云讀書”平臺的建設，推動實施線上圖書平臺的建設，實現線上線下資源共享，因此，在新時代背景下，高校圖書館服務模式日趨復雜，服務屬性不斷增新。為進一步精準優化服務模式，提升服務質量，構建線上與線下相融合的高校圖書館服務質量評價指標體系，并對服務質量屬性進行精細分類是非常有必要的。

一、文獻綜述

國內外學者對圖書館的相關研究較為廣泛，其中近半數學者應用KANO模型進行圖書館服務質量評價研究，通過分析現有文獻，在圖書館領域應用KANO模型的分析大致可分為三個階段。

第一階段，構建KANO評價指標體系，進行二維品質分析。施國洪等[1]運用KANO理論分析和SERVQUAL模型，構建了圖書館服務質量評價體系；基于KANO模型從圖書館管理和讀者滿意度兩個維度出發，構建適合大學圖書館的服務質量評價指標體系[2]；楊志剛等[3]針對圖書館隱性服務標準的識別與外化進行了探討，得出提高圖書館服務質量，應區分顯性標準與隱形標準。

第二階段，將KANO模型和其他方法進行結合。陳立等[4]將KANO模型和重要度模糊評估模型相結合，區分顧客需求的相對重要性；刁羽[5]通過分析KANO模型和服務質量差距模型，整合兩者的優點，構建了高校圖書館服務質量評價體系；趙文軍等[6]提出KANO和IPA相結合的分析方法，利用KANO模型對高校圖書館移動閱讀服務進行定量分析，并指出提升移動閱讀滿意度的方法策略；湯淼等[7]通過模糊KANO模型與Taguchi結合的評價方法，分析用戶與決策者對移動圖書館的偏好程度。

第三階段，基于傳統的KANO模型，進行混合類分析和滿意度指數分析。陳憶金等[8]運用KANO模型，從圖書館員、圖書館資源、圖書館服務和環境與設施四個維度分析高校圖書館健康信息服務的需求類型與優先次序；施國洪、岳江君[9]利用KANO模型探討了圖書館的服務質量屬性，用滿意度系數研究要素對滿意程度的提高效果或對不滿意的解除效果；易明等[10]通過運用KANO模型進行BW指數分析和混合類分析，識別用戶對圖書館功能需求內容的層次特征及轉化路徑；韋景竹等[11]對城市公共圖書館的服務質量評價展開實證研究，構建了城市公共圖書館服務質量評價模型。

時至今日，隨著科技的進步與時代的發展，圖書館面臨著智能化轉型，針對性地開發提升用戶服務體驗的功能迫在眉睫，為適應圖書館領域的高速發展，傳統的分析方法暴露出服務需求分類不明確、優化路徑難以固化等問題，因此，在KANO分類基礎上，需結合用戶對服務內容重要度的判斷進行精細化分類。如齊向華和符曉陽[12]基于KANO模型進行重要度分析，探討了提高影響圖書館電子服務質量的要素，為提高用戶滿意度提供了參考；李夢楠等[13]在KANO分析的基礎上進行了精細化分類，提出高校圖書館微信公眾號服務內容的供給優先序，以最大程度地提高用戶的滿意度。

綜上所述，學者應用KANO模型對圖書館服務質量評價及需求分析的研究已經上升到精細化分類、針對性優化的層面，同時，對于線上線下相融合的一體化模式，尤其是針對面向大學師生的高校圖書館服務體系的相關研究較少。因此，本文基于KANO模型設置線上線下相融合的調查問卷，獲取高校師生對圖書服務的評價，之后進行KANO二維品質分類、混合類分析、滿意度指數分析和精細化分類，據此提出高校圖書館服務質量的優化策略。

二、KANO模型回顧與分析思路

（一）KANO模型

KANO模型是一種將服務質量隱形屬性顯性化的評價方法，是東京理工大學著名質量管理專家狩野紀昭(Noriaki Kano)在美國行為科學家雷德里克·茨伯格提出的雙因素理論的基礎上，于1984年發明的對用戶需求分類和優先排序的工具。根據不同類型的質量特性與顧客滿意度之間的關系，狩野教授將產品服務的質量特性分為五類（如圖1所示）：①基本/必備屬性（M）是用戶認為必須具有的服務，當優化此服務時，用戶滿意度不會提升，但如果未獲得滿足，用戶滿意度大幅降低；②期望/一元屬性（O）是用戶期望具備的服務，其滿足程度與用戶滿意度成比例關系；③魅力/興趣屬性（A）是用戶意想不到的潛在服務，未能滿足時用戶滿意度不會明顯下降，滿足這類服務則會帶來滿意度的急劇上升；④無差異屬性（I）是指該服務具備與否都不影響用戶滿意度的改變，用戶對此需求持無所謂態度；⑤逆向需求（R）是指用戶沒有此需求，其提供程度與滿意度成反比。另外，可疑結果（Q）是指有疑問的結果，通常在用戶無法理解問題、填寫出錯或認為問題設置不合理時才會出現可疑結果。

圖1 KANO模型的五種質量屬性

（二）研究思路

本文在梳理已有文獻對高校圖書館相關研究的基礎上，構建線上線下相融合的服務質量評價指標體系，運用KANO模型對服務指標進行傳統的質量屬性識別，同時計算TS和CS值，獲取混合屬性，并計算Better和Worse值，劃分BW的質量屬性；精細化KANO模型分析，最后，對以上三種方法進行匯總分析，根據專家對服務指標的重要度打分，識別精細化KANO模型分類，完成高校圖書館服務質量屬性的精細分類，并基于此探尋最佳優化策略與方案。

三、實證研究

（一）指標體系構建及問卷設計

參考鄭雯妤[14]、宋玲玲[15]和狄亞飛[16]等人的相關研究，構建了線上和線下兩個層面的評價指標體系（如附表1所示）。線上圍繞網絡平臺的功能性、可靠性和效率3個維度共設置8個指標；線下圍繞圖書館員、資源與獲取和環境與設施3個維度共設置15個指標。問卷中將每個指標設置為正反問項模式，即每項指標均設置“具備服務時的評價（即正向問題）”和“不具備服務時的評價（即反向問題）”兩個評估項，采用李克特量表五分項值打分，從1到5表示不喜歡到喜歡。

附表1 服務質量評價指標體系

（二）調查實施

利用線上問卷星在聊城大學對在線學生以及教職工進行問卷發放獲取原始數據，共收集問卷292份，為保證數據有效性，剔除無效問卷139份，有效問卷153份。其中，男性占42%，女性占58%。評價人中，40%的人去圖書館頻率為一周幾次，35%的人一月去幾次。另外，對圖書館的總體評價均值為5.62分（滿分7.00分），說明人們認為圖書館的服務并不理想，有待優化與完善。

（三）數據分析

1.信效度分析

問卷信度分析選擇李·克隆巴赫提出的克隆巴赫一致性系數（Cronbach’s α系數）作為信度指標。一般情況下Cronbach’s α系數達到0.7以上，表示該研究信度較好。數據結果顯示，正向問題的α系數值為0.976，反向問題的α系數值為0.970，可見問卷整體具有良好的信度水平，問卷調查結果可信。效度分析以KMO值作為檢驗標準。通過計算得出的正向問題的KMO值為0.950，反向問題的KMO值為0.948（大于0.7），Bartlett檢驗的P值均為0.000（小于0.01），說明問卷數據具有較好的效度。

2.KANO問卷結果分析

采用M.Kurt提出的KANO模型識別的三種工具：KANO調查問卷、KANO評價表和KANO結果分析表[17]進行問卷結果分析并匯總，如附表2前8列所示。其中屬于魅力屬性的有A1、A2、A4、D3，這4個指標是用戶意想不到的服務，若提供該服務，用戶滿意度會大幅提升，如果不提供該服務，用戶的滿意度也不會急劇下降。該屬性可作為優化圖書館服務質量的重點參考，有待將“服務”的感覺提升到“款待”的享受；屬于期望屬性的有A2、A3、B1、B2、B3、C1、C2、C3、C4、C5、C6、C7、C8、D1、D2、D4、E1、E2、F1、F2，這 20 個指標是用戶期望得到的服務，若提供該服務，用戶的滿意度會上升，如果不提供該服務，用戶滿意度會下降。該屬性可明顯提升圖書館服務質量。

3.混合類分析

Lee和Newcomb認為，如果某一指標在KANO模型的分析結果中沒有出現主導的質量屬性，則該指標可劃分為混合屬性[18]。混合類的劃分依據是TS值與CS值，其中TS為總強度，表示指標是否令人滿意；CS為類別強度，表示被調查者有多大概率認為某個指標屬于某個類別。當TS≥60%且CS≤6%時，則該項指標被歸為混合屬性。計算公式如下：

TS=回答M、O、A的數量/總回答數

CS=(MAX{M、O、A、I、R、Q}-Second MAX{M、O、A、I、R、Q})/總回答數

根據上述計算公式，識別出混合屬性，用字母H表示，H后面的括號表示前兩個頻率最大的KANO質量屬性。計算結果見附表2“TS值”和“CS值”兩列。

在識別出混合屬性H后，使得指標所屬的質量屬性在原來的基礎上發生了變化。屬于混合屬性的指標有A2、A4、C8、D3，其中指標 A2、C8、D3 均是期望屬性和魅力屬性的混合，在優化過程中應該重點關注期望屬性和魅力屬性的特點，提升圖書館服務質量的同時，重點開發指標所屬的魅力屬性的服務；A4是期望屬性、魅力屬性與無差異屬性的混合。Kano認為，同一用戶的需求會隨著時間的推移而發生變化，進而影響需求指標所屬的質量屬性，其演變的生命周期為I→A→O→M[19]。

4.顧客滿意度指數分析

在KANO問卷結果分析的基礎上引入C.Berger等人提出的“顧客滿意度系數”[20]，即Better-Worse指數分析法，用來識別指標與用戶滿意度的關系，其中Better表示某指標要素影響用戶滿意度的程度，正常情況下大于0，且數值越大，對用戶滿意度提升的效果就越顯著；Worse表示某指標要素影響用戶不滿意度的程度，正常情況下小于0，且絕對值越大，對用戶不滿意度的影響就越大。具體的計算公式如下：

Better=(A+O)/(A+O+M+I)

Worse=(-1)×(O+M)/(A+O+M+I)

根據公式對匯總的數據進行計算，見附表2“Better”和“Worse”兩列。由附表2可知，Better值高于平均值的指標為 B2、B3、C1、C2、C4、C5、C6、C7、C8、D1、D2、D4，此維度下指標對提升圖書館服務質量具有極大的促進作用，應重點關注并適時優化。Worse值的絕對值高于平均值的指標為 A3、B1、B2、B3、C1、C2、C3、C4、C5、C7、D1、D2、F2，此維度下指標可明顯地防止用戶的不滿意。

為了直觀地展現指標的分布，利用Excel將BW指數繪制成四象限圖，如圖2所示，以Better為橫坐標，Worse為縱坐標，Better和Worse的平均值為原點。

圖2 指標BW值的四象限圖

由圖2可知，落在第一象限的指標有C6、C8、D4，該象限指標的Better值高于平均值且Worse值的絕對值低于平均值，說明此類指標的優化會較大程度上提升用戶的滿意度，但對不滿意度的消除作用較小，在質量屬性中表現為魅力屬性。在傳統KANO模型中，這三個指標從期望屬性移入第一象限，是高校圖書館特色的體現，因此，在優化過程中應注意到此類服務的改善給圖書館的服務質量帶來的巨大效應，同時重點完善此類指標，開發潛在的魅力屬性，提升高校圖書館服務質量。

落在第二象限的指標有 A1、A2、A4、D3、E1、E2、F1，該象限指標的Better值和Worse值的絕對值均低于平均值，說明此類指標優化與否對于用戶的滿意度無太大影響，其質量屬性表現為無差異屬性。在傳統KANO模型中，魅力屬性 A1、A2、A4、D3 和期望屬性 E1、E2、F1 均移入了第二象限，因此在優化過程，應重點關注此類服務不合理的地方，使其由無差異屬性轉變為魅力屬性。

落在第三象限的指標有 A3、B1、C3、F2，該象限指標的Better值低于平均值且Worse值的絕對值高于平均值，說明優化此類服務，對用戶的滿意度不會有太大影響，其質量屬性表現為基本屬性。在傳統KANO結果分析中這四個指標從期望屬性移入第三象限，因此是圖書館不可或缺的服務，在優化過程中不宜進行過大改動。

落在第四象限的指標有 B2、B3、C1、C2、C4、C5、C7、D1、D2，該象限指標的Better值和Worse值的絕對值均高于平均值，說明優化此類指標，對用戶的滿意度影響較大，且在質量屬性中表現為期望屬性，為影響圖書館服務質量的關鍵指標。

5.精細化KANO模型分類

通過以上三種方法分析，綜合界定質量屬性，如附表2“匯總屬性”所示，屬于基本屬性的指標有：A3、B1、C3、F2；屬于期望屬性的指標有：A2、B2、B3、C1、C2、C4、C5、C6、C7、D1、D2、D4、E1、E2、F1；屬于魅力屬性的指標有：A1、A2、C8、D3；屬于無差異屬性的指標是 A4。學者YANG[21]認為不同的質量屬性下，指標的重要度也有所不同，他指出可以引入服務指標的重要度來綜合判斷用戶的滿意度。

邀請7名專家對圖書館各維度下的指標進行重要度打分，專家由圖書館情報工作專業學者1名、聊城大學商學院專業老師2名、聊城大學圖書館館長副館長各1名和聊城大學學生代表2名組成，對收集的專家打分表進行加權平均匯總，之后應用層次分析法計算服務指標的重要度，如附表2最后一列所示，其中標“*”的為高于平均重要度的數值。結合KANO模型匯總分類，將高于重要度均值的指標定為高重要度指標，低于重要度均值的指標定為低重要度指標，將A、O、I、M進一步按照重要程度分類，其結果見附表3。

四、優化高校圖書館服務質量的策略

基于以上對高校圖書館館內服務指標進行KANO模型精細化分類、分析結果，提出高校圖書館的服務優化策略如下。

（一）重視師生學術培訓

定期開展培訓或學術報告及會議，提升師生自身技能儲備，進而提高用戶對高校圖書館服務的滿意度。“學術培訓”在傳統的KANO模型分析中被界定為魅力屬性；在混合類分析中被界定為魅力屬性、期望屬性和無差異屬性的混合；在BW指數分析過程中被界定為無差異屬性，可見，不同人對“學術培訓（A4）”的看法不一，這與評價人的年齡有很大關系，也驗證了Kano[19]提出的I→A→O→M演變路線，因此，在優化過程中，應該結合不同評價人的年齡分布、學歷、職稱等，綜合考量后提出優化策略。高校圖書館可邀請國內外有名專家開展相關技能、比賽、案例、科研等培訓以及高品質的圖書、期刊的講座，豐富高校師生閱歷，提升自我。針對剛入學的新生，可開展新生入館、校史館參觀等講座，保證新生進館后快速獲取所需資源；而針對在校學生，可提供高品質網絡課程，配合開設線下學習班，以提升學生對不同學科的專業素養；另外針對即將畢業的學生，可開展考研、考公、畢業設計、就業指導等講座，使其明確自己的職業規劃，讓自己未來出路不再迷茫。

（二）提高館員服務效果

提高館員服務效果是提高圖書館服務滿意度的重要方式，該指標處于第二象限（見圖2），同時也是高魅力屬性，可見，圖書館員的態度和響應對用戶來說至關重要，圖書館應重點關注此類服務的滿意程度，最大程度上提高用戶的忠誠度。高校圖書館應該做到：定期開展專業技術培訓，邀請行業專家針對現代化圖書館管理系統中應用的信息化管理技術和自動化管理技術的要點進行針對性教育，使圖書館健全現代化圖書管理制度，最大限度地激發館員的主觀能動性，通過物質激勵、經濟刺激、晉升、精神嘉許和聲譽回饋等諸多方式綜合提升高校圖書館員的學習敏銳度，使他們獲得滿足感、認同感和存在感，激活他們的創新熱情。

（三）優化館內空間分區

進行合理的空間分區，能使高校圖書館更加人性化，發揮更大的效應，因此進行科學分區與空間改造是提高圖書館環境與設施滿意度的重點。“空間分區”指標在服務質量屬性中屬于魅力屬性，此類服務是用戶沒有意識必須獲得的，但服務的提供會給用戶帶來驚喜，同時，該指標處于第一象限（見圖2），說明此類指標的優化會較大程度上提升用戶的滿意度。具體措施如下：設置創意功能區，包括電腦辦公區、自習室、討論區等，滿足師生不同需求；在館內設置PPT展示區域，配備一定的演示設備（如話筒、擴音器、翻頁筆等），并對演示設備及其使用方式明確標注；為圖書館員和維修人員設置辦公區或休息區，保證該區域的靈活性，減少設備故障給師生帶來的不便。

（四）完善資源獲取途徑

“資源獲取”指標在服務質量屬性中被界定為高期望屬性，優化該指標可大幅提高用戶的好感度和滿意度，同時，該指標處于第四象限（見圖2），說明高校圖書館此類服務較為欠缺，應重點進行優化與改善。首先，優化紙質圖書借閱途徑，建議做到：第一，紙質圖書信息應錄入相關圖書借閱平臺，方便借閱者足不出戶查詢是否有相關書籍；第二，規范借書流程，對未歸還的圖書進行借閱者信息記錄和線上提醒。其次，優化電子圖書資源使用途徑，建議做到：第一，重視圖書館網站的建設，努力做到線下線上圖書同步提供，并簡化下載程序和步驟；第二，打破高校電子期刊只能在高校內部使用的局限，在有效保護相關知識產權的同時，開設校外登錄途徑，方便師生隨時隨地獲取文獻；第三，努力提高電子圖書閱讀體驗，模擬線下圖書的閱讀感受；第四，有效利用大數據，根據讀者專業和年級，向讀者提供相關書籍及其介紹的信息服務。

（五）提升智能服務水平

智能服務，即利用大數據系統，針對不同用戶提供個性化推送服務。建議高校圖書館重點發展圖書館線上平臺功能及信息服務，提供更加方便快捷的服務渠道。在提供線上服務時應重點關注用戶的隱私安全，之后對線上服務進行優化，如：通過對用戶喜好進行分析，選擇用戶感興趣的借閱圖書類型，據此推薦該類資源的高質量電子書；及時對國內外動態、最新學科熱點、前沿等進行動態更新；增加線上資源質量審核機制，對推送功能設置具體的服務及管理標準，以保證推送信息資源的質量。總之，建議高校圖書館在保證信息可靠有效的前提下，提供智能化、個性化服務，以滿足用戶的不同需求。

五、展望與不足

本文依據KANO模型界定質量屬性，在高校圖書館服務發展過程中，對現有服務模式進行分析，掌握了用戶的目前需求層次，提出了相應的服務優化策略，對提高用戶的滿意度具有一定的借鑒意義。但本研究還存在一定的局限與不足：（1）研究為確保數據的高質量，在一定程度上控制了問卷的發放人群與有效性，導致數據數量較少，后續研究可以擴大樣本容量，提高研究結論的解釋效力；（2）調研主要對象是高校本科生，對于研究生、教師群體的需求了解較少，因此本研究結論的適用范圍存在限制性；（3）本研究的持續時間較為短暫，當用戶需求呈現出動態性、多樣化變化時，研究結論則會出現一定的偏差，后續研究可設計一種較為持續的調查方案，全方面了解高校師生對圖書館的需求變化，并以此提出建設性意見與建議。