质量 | 学习笔记

简介: 快速学习质量。

开发者学堂课程【高校精品课-湖南大学 -市场营销质量】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/4/detail/15986


质量

 

内容介绍

一、第一个维度有形性

二、第二个维度可靠性

三、第三个维度保证性

四、第四个维度移情性

五、第五个维度回应性

 

产品的质量可以通过一些检测来说明,更多的时候人们对于质量的判断不是一个理性的判断,而是一个感性的判断。

 

image.png

 

当你买了小米的电器后,邻居在电梯间询问你所购买的小米电器怎么样,你以为你很理性的回答他:很好啊!但实际上你并没有到专业的机构去进行检测这台机器的质量到底如何,所以是不够理性的。

参照人们对服务判断思路得出5个维度。

 

一、第一个维度:有形性

服务提供机构的物质设施、设备以及职员的外表。

简单概括为第一印象,一般人对人以及人对组织的第一印象不超过7秒就能产生。所以到了一家餐馆后,你可以通过观看餐具、环境的就可以对这家店的菜品产生第一印象,不同档次的酒店装修会有很大差异,就表现在有形性上。对人的判断也是这样,往往人们认为自己足够理性,但是往往我们会通过外形、穿着打扮对这个人产生第一印象,所以告诉我们不要太过于相信第一印象,因为具有某种不稳定性,但另外一方面大多数我们是感性的思考的。所以说我们要注重个人第一印象,注重外表,表现更加职业化,这被称之为有形性。

 

二、第二个维度:可靠性

服务机构在服务过程中可靠地、精确地履行服务承诺的能力。

言必行,行必果,你是否做出承诺,你做出承诺是否履行。所以要慎重的做出承诺,如果做出承诺不管付出多大代价也要实现承诺,这就是可靠性。

例:快递公司核心思想是快!假如从长沙邮寄一个纸质材料到美国纽约,并且快递公司承诺你12小时送达,足够快,但是做不到。所以快递这个快是相对于合理范围内的快。联邦快递出现的时候打了一则非常响亮的口号:这辈子我都不迟到,如果迟到,原款奉还。在实际例子中,联邦快递完全印证了他所打出的口号,感动了客户,这就能够说明联邦快递能够做出承诺,并且履行了承诺。如果换一家其他快递公司,承诺5点前送达,但是5点半并没有送到,打电话咨询结果回复在路上,就好比等了很久的菜品都没有上,跟服务员说不要了,结果回复说已经下锅了,好不容易等到6.30发现快递员衣衫不整慢慢悠悠将快递放在桌子上,这种服务体验很差,完全没有履行5点送达的承诺,可以不承诺,但是承诺的话就要做到。

 

三、第三个维度:保证性

服务人员的知识和礼貌以及让顾客产生信任感和信心的能力 就是专业性。

当你去车行了解汽车方面的知识,销售员含糊的回答你的问题,并且递给你一张海报让你自行查阅,这种销售员给人一种不专业的感觉,并且没有保证性。

 

四、第四个维度:移情性

服务机构关心、照顾其顾客,服务机构为它的顾客提供个人化的关注。可以理解为换位思考

例:住酒店什么最重要?干净?安静?安全?不同人有不同判断,但其实最重要的是两个地方洗手间和床。因为这两个地方的使用频率是最高的,因为白天可能在工作或者景点游玩,到晚上回到酒店只想好好洗个澡睡个好觉,为第二天的工作或者游玩养精蓄锐。当你洗澡的时候,水龙头往左太热,往右太冷,好不容易洗完澡水龙头又一直滴滴答答滴水。到了床上更加折磨,一个枕头太矮,两个太高,根本睡不好,所以对于宾馆来说这个方面来说很重要。

实例:到外地出差,在酒店枕头上有小卡片上面写着,本酒店为顾客提供不同高度的枕头,如有需要请拨打客房电话。给顾客带来很好的体验感。

 

五、第五个维度:回应性

服务机构中的服务人员是否愿意帮助顾客并提供快速服务

顾客最不愿意花费的时间是等待的时间,中餐的服务标准是下单后15分钟上第一道菜,西式快餐是60秒,这就是回应性。

例:有一年麦当劳做了活动叫做极限60秒,从点单之后到备餐不超过60s,如果超过则赠送你一杯可乐,在长时间则赠送薯条一份,超过90s 则全单免费。很多人都去参加活动,其中一位顾客,点了300元的餐品,沙漏60s 开始计时,结果50s成功出餐,麦当劳做出的回应性。

以上就是我们讲述的人们在判断质量的时候主观上的思考五种方法。

相关文章
|
算法
【MATLAB】 SSA奇异谱分析信号分解算法
【MATLAB】 SSA奇异谱分析信号分解算法
828 0
|
机器学习/深度学习 人工智能 PyTorch
|
Java API 图形学
JAVA读取EMF文件并转化为PNG,JPG,GIF格式
JAVA读取EMF文件并转化为PNG,JPG,GIF格式 使用第三方库下载地址为:http://java.freehep.org/vectorgraphics/index.html 主要思路: 使用EMFInputStream读取EMF文件,然后使用EMFRenderer对象将EMF绘制到创建 好的空白的BufferedImage里面。
2311 0
|
9月前
|
机器学习/深度学习 异构计算
CLIPer:开创性框架提升CLIP空间表征,实现开放词汇语义分割突破
对比语言-图像预训练(CLIP)在多种图像级任务上表现出强大的零样本分类能力,促使研究行人尝试将CLIP应用于像素级开放词汇语义分割,而无需额外训练。关键在于提升图像级CLIP的空间表征能力,例如,用自-自注意力图或基于视觉基础模型的自注意力图替换最后一层的自注意力图。本文提出了一种新颖的分层框架CLIPer,该框架分层提升了CLIP的空间表征能力。
275 5
|
存储 安全 Java
详解 Spring Security:全面保护 Java 应用程序的安全框架
详解 Spring Security:全面保护 Java 应用程序的安全框架
879 1
|
机器学习/深度学习 分布式计算 算法
使用Spark进行机器学习
【5月更文挑战第2天】使用Spark进行机器学习
271 2
|
JavaScript
【Vue面试题八】、为什么data属性是一个函数而不是一个对象?
这篇文章解释了为什么在Vue中组件的`data`属性必须是一个函数而不是一个对象。原因在于组件可能会有多个实例,如果`data`是一个对象,那么这些实例将会共享同一个`data`对象,导致数据污染。而当`data`是一个函数时,每次创建组件实例都会返回一个新的`data`对象,从而确保了数据的隔离。文章通过示例和源码分析,展示了Vue初始化`data`的过程和组件选项合并的原理,最终得出结论:根实例的`data`可以是对象或函数,而组件实例的`data`必须为函数。
【Vue面试题八】、为什么data属性是一个函数而不是一个对象?
|
人工智能 JSON 自然语言处理
你的Agent稳定吗?——基于大模型的AI工程实践思考
本文总结了作者在盒马智能客服的落地场景下的一些思考,从工程的角度阐述对Agent应用重要的稳定性因素和一些解法。
933 12
|
C# Windows 监控
WPF应用跨界成长秘籍:深度揭秘如何与Windows服务完美交互,扩展功能无界限!
【8月更文挑战第31天】WPF(Windows Presentation Foundation)是 .NET 框架下的图形界面技术,具有丰富的界面设计和灵活的客户端功能。在某些场景下,WPF 应用需与 Windows 服务交互以实现后台任务处理、系统监控等功能。本文探讨了两者交互的方法,并通过示例代码展示了如何扩展 WPF 应用的功能。首先介绍了 Windows 服务的基础知识,然后阐述了创建 Windows 服务、设计通信接口及 WPF 客户端调用服务的具体步骤。通过合理的交互设计,WPF 应用可获得更强的后台处理能力和系统级操作权限,提升应用的整体性能。
392 0
|
机器学习/深度学习 移动开发 搜索推荐
深度学习推荐模型-NFM
FM对于特征的组合仅限于二阶,缺少对特征之间深层次关系的抽取。因此,NFM提出来就是在FM的基础上引入神经网络,实现对特征的深层次抽取。
564 0
深度学习推荐模型-NFM