Transport Research >

2022 , Vol. 8 >Issue 3: 85 - 93

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.03.009

Optimization Design of Ride-sharing Platform Based on Kano-QFD Model

  • WANG Jia-he , 1 ,
  • ZHANG Yu-tong 1 ,
  • WANG Jin-cheng 2 ,
  • WANG Chao , 1
Expand
  • 1. School of Economics and Management, Beijing Jiaotong University, Beijing 100044, China
  • 2. School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044, China

Received date: 2022-04-01

  Online published: 2022-07-05

Fold

Abstract

As a low-carbon travel mode, ride-sharing helps to achieve carbon peaking and carbon neutrality goals. In order to determine the effective functional design for the ride-sharing platform to improve user satisfaction, firstly, the secondary needs of users were extracted through a questionnaire survey, and the Kano model was used to classify the user needs and obtain the importance of the needs. Then, combined with QFD(Quality Function Deployment), 12 functional designs of the ride-sharing platform were concluded, the relationship matrix between the user needs and the design requirements was constructed, and the importance order of each design requirement was determined. The research results showed that the three user needs with the highest importance were: hoping to have fixed peers and drivers, two-way selection of drivers and passengers, and hoping that drivers and passengers who take the same ride have high quality and credit, whereas the most critical design requirements were "commuting circle"(community group), two-way choice and two-way mutual evaluation and scoring. Finally, it is recommended that the ride-sharing platform add the community information function, and form two-way selection and two-way mutual evaluation mechanism, so as to increase users' willingness to use and satisfaction.

Key words： ride-sharing; Kano model; QFD(Quality Function Deployment); user needs; platform optimization

Cite this article

WANG Jia-he , ZHANG Yu-tong , WANG Jin-cheng , WANG Chao . Optimization Design of Ride-sharing Platform Based on Kano-QFD Model[J]. Transport Research, 2022 , 8(3) : 85 -93 . DOI: 10.16503/j.cnki.2095-9931.2022.03.009

0 引言

随着我国“碳达峰、碳中和”目标的提出，低碳出行模式的推广迫在眉睫。私家车合乘出行（顺风车）能借助共享平台提高出行效率，在不增大道路压力的情况下提升运力，从而减少每单位出行碳排放量，有利于达到绿色低碳的国民经济发展目标。然而，目前顺风车出行的市场份额仍相对较低[1]，许多人还未将其纳入日常出行选择。探索顺风车平台功能的需求与设计要求以增强出行者对顺风车的选择意愿和满意度成为重要研究方向。
国内外学者对于拼车行为进行了大量研究，涉及拼车动机[2]、拼车意愿影响因素、出行者特征[3⇓⇓-6]、拼车服务的商业模式[7-8]等方面。其中，作为预测用户实际行为的关键，拼车意愿是研究的重点，其影响因素主要分为个人因素[2,9]、行程因素[10]、社会环境因素[11]和平台因素。有学者发现平台服务可能是影响乘客拼车体验和决策的关键[12-13]。关于顺风车平台与服务的研究表明，较典型的因素如共乘人数、安全性、价格[14]会显著影响拼车选择;拼车平台制度机制的感知有效性、政府对平台的支持、平台声誉、司机服务质量与驾驶技术和平台功能设计（如在线评分功能）等因素[15⇓-17]通过影响用户的信任从而间接影响用户使用意愿或黏性;平台的在线支付保障与信息披露要求显著影响用户的感知风险进而影响拼车意愿[18]。此外，还有研究发现我国拼车率低主要是由拼车造成的额外延误、绕行以及出行时间可靠性低导致[19]。关于平台功能优化的研究主要聚焦于匹配算法、物联网应用等。Tu等人[20]使用基于共享网络的拼车出行识别算法来减少高峰期人群等车与平均延误时间。马瑞民等人[21]建立了顺风车稳定匹配模型，利用偏好列表精简算法减少求解稳定匹配解的时间。周桂良[22]结合车联网技术，深入研究了拼车行为博弈、拼车系统实现技术、拼车优先导向的路网协同管控技术等。
由此可见，已有不少学者研究第三方平台要素对于乘客拼车选择的影响，但主要聚焦于安全性、价格、平台监督、平台信任等宏观层面，而关于平台功能的研究主要集中于匹配算法的优化。鲜有文献将用户需求与顺风车平台的具体功能一一对应，研究功能需求、功能满意度以及如何从功能设计方面优化顺风车平台。因此本文希望通过研究用户对顺风车平台具体功能的需求，对平台功能的重要度进行排序，并给出功能设计的优化意见，以此提高顺风车的用户满意度。

1 研究方法及过程

1.1 Kano-QFD模型在顺风车平台的应用

Kano模型是用户需求定性分析的常用方法，将其运用在顺风车用户需求分类上有助于更精确地判断需求的属性，从而在产品设计的过程中有针对性地提高产品质量和用户满意度。质量功能展开 （Quality Function Deployment, QFD），是一种定量分析需求的方法，可将用户需求转化为设计要求，通过构建二元矩阵质量屋（质量表），量化分析用户需求与设计要求之间的关系，从而计算出不同产品功能的重要度，以确定提升用户满意度的可行性设计方案。
Kano模型经历多个时期的深入发展后已日趋成熟完善[23]。近年来，众多学者为减少传统Kano模型只能定性分析带来的主观误差，将其与以QFD为代表的各种定量方法相结合，应用于多领域的需求分析，指导产品优化方向[24⇓⇓⇓-28]。
然而，Kano 模型与其他定量方法的结合少有针对顺风车平台优化的深入探讨。鉴于通过引入QFD来改进Kano模型的方法已较为成熟，因此本文选取Kano-QFD模型对顺风车用户需求进行分类、量化，并对设计要求的重要度进行排序，以有效识别顺风车用户对平台功能的个性化需求，从而为顺风车平台的功能优化提出建议。

1.2 基于Kano模型设计用户需求问卷、制定调研计划

本文针对目前市场中滴滴出行、嘀嗒出行等顺风车相关软件的使用情况进行线上调研，以获取初始顺风车用户需求要素。设计顺风车双边用户需求问卷并从结果中提取相关参数，减少主观性偏差。用户需求问卷分为三类，包括Kano双向问卷、需求重要度问卷、市场竞争力评估。
Kano双向问卷可根据顺风车用户对于是否提供某项需求的态度判断该需求的Kano属性。每个问题均设置5个选项，即“我很喜欢”“理应如此”“无所谓”“勉强接受”“很不赞同”。根据问卷结果将用户需求分类为基本型需求( M)、期望型需求( O)、魅力型需求( A)、无差异型需求( I)以及反向型需求( R)[29]，将结果中出现次数最多的属性作为该项需求的属性。分类方式见表1。
表1 Kano用户需求分类
如果不具有此特性
我很
喜欢		 理应
如此		 无所谓 勉强接受 很不赞同
如果具有此特性 我很喜欢 O A A A O
理应如此 R I I I M
无所谓 R I I I M
勉强接受 R I I I M
很不赞同 R R R R O
需求重要度问卷可通过5阶李克特量表法判断顺风车用户的初始需求重要度。由调研对象为不同需求要素的关键程度打分，分值范围为1~5，其重要程度随数值的增加由低到高。最终取平均值作为第 i项需求的初始需求重要度 H i。
市场竞争力评估通过问卷调查邀请调研对象对顺风车市场中现有平台进行满意度评分，涉及当前满意度 C S i与期望达到的目标满意度 G S i。

1.3 量化Kano模型获取最终用户需求重要度

本文引入Berger等人[30]提出的“顾客满意度系数（Customer Satisfaction Coefficient, CS）”，基于Better-Worse指数分析法，通过Kano双向问卷得到的数值计算出用户对于提供该项需求的满意系数 B e t t e r以及不提供该项需求的失望系数 W o r s e， B e t t e r表示某项需求影响用户满意度的程度， W o r s e则表示某项需求影响顾客不满意度的程度，两者计算公式见式（1）~式（2）[31]。
B e t t e r = ( A + O ) / ( A + O + M + I )
W o r s e = - ( O + M ) / ( A + O + M + I )
式（1）~式（2）中：A, O, M, I含义同表1。
B e t t e r或 W o r s e值在0~1之间，绝对值越大，该项需求对用户满意度的影响程度越大。第 i项需求的用户满意度指数 T i的计算公式为：
T i = m a x ( B e t t e r ,   W o r s e )
通过市场竞争力评估的调查，获取顺风车平台第 i项需求的当前满意度值 C S i和目标满意度值 G S i后，可通过式（4）计算用户需求满意度的期望改进率 E I R i[32]：
E I R i = G S i / C S i
在顺风车平台的设计过程中，基本型需求是顺风车用户对于产品或服务的基本要求，平台应保障此类需求;期望型需求是用户满意度与该项需求的满足程度成正比的需求，顺风车平台应尽可能优化此类需求以提高服务质量;魅力型需求代表用户的潜在需求，其可以迅速提升用户满意度，顺风车平台应着重考虑此类需求。因此，为进一步量化用户需求的重要度，本文结合邓杏仪等人[33-34]的研究成果，针对用户需求的不同Kano质量特性引入调整系数 K，将基本型需求、期望型需求、魅力型需求的 K值分别设为0.5, 1, 1.5，计算出各类用户需求的重要度。根据式（3）、式（4），可计算出第 i项需求的调整改善率 A I R i[35]：
A I R i = ( 1 + T i ) K E I R i
根据需求调整改善率 A I R i和用户需求重要度 H i，可计算出第 i项用户需求最终的重要度 L R i[35]：
L R i = A I R i ⋅ H i

1.4 基于QFD模型获取设计要求权重

通过用户需求匹配得出相应的平台设计要求，并依此建立用户需求和顺风车平台设计要求之间的二元矩阵，从而运用QFD度量其相关程度。邀请顺风车平台用户与设计人员为用户需求与顺风车平台设计要求之间的相关程度打分，分值为1, 5, 9，分别对应相关性弱、一般、强，从而确定相关度系数 R i j[35-36]（将出现次数最多的分值作为该系数的数值）。
最终，根据式（7）计算出每项设计要求的重要度：
W j = ∑ i = 1 n L R i ⋅ R i j
式（7）中： W j为第 j个设计要求的绝对重要度; R i j为第 i项用户需求与第 j项设计要求的相关程度系数; L R i含义同前。

2 相关案例研究

2.1 提取用户需求

目前关于顺风车平台服务和用户需求的研究，多把平台服务质量和用户对平台服务的需求分为经济、安全、舒适、便捷、平台友好、效率、可靠等几类。曾兰兰等人[37]使用经济性、便捷性、舒适性、安全性4个变量对美国顾客满意指数（American Customer Satisfaction Index, ACSI）模型中的“感知质量”加以细分;朱乔[38]系统地介绍了网约车业务的基本特性，包括便捷性、经济性和舒适性，并细化了“感知质量”潜变量;李晋等人[39]改进了SERVPERF量表，建立包含安全、可靠、效率、诚信、设施、服务6个维度的网约车服务质量评价指标体系。本文通过多个北京市及环京通勤拼车交流微信群，线上调研挖掘用户需求，结合上述相关研究成果将用户需求分为安全、舒适、便捷高效、经济4项一级需求和15项二级需求，并将二级需求编号，详见表2。
表2 顺风车平台用户需求
一级用户需求 二级用户需求 编号
安全需求 遇到危险时可以得到安全保障 SEC1
对女性司机/乘客有专门的保护 SEC2
希望司机和乘客的身份得到认证 SEC3
希望提供意外保险 SEC4
舒适需求 双向选择符合自身习惯的司机和乘客 COC1
希望同乘的司机和乘客有较高的素质和信用 COC2
希望惩罚违约（迟到等）行为 COC3
可以投诉并得到及时反馈 COC4
可以对同乘乘客/司机评价和打分 COC5
高效便捷需求 可以快速寻找到路线与拼车习惯匹配的乘客和司机 EFC1
可以互相交流通勤路况和政策资讯 EFC2
希望有固定的拼友和司机 EFC3
希望拼友和司机在相近区域居住或工作 EFC4
经济需求 可以降低通勤出行成本 ECC1
可以分摊路费油费 ECC2

2.2 Kano问卷调查结果

2.2.1 Kano双向问卷与初始重要度问卷调查结果

根据线上调研获取的15项二级用户需求设计问卷内容，针对顺风车潜在用户发布问卷，回收问卷342份，有效问卷327份，其中年龄在21~40岁的调查对象占比82%。使用克朗巴哈系数法对获得的有效问卷进行信度检查，得出正向问题系数为0.925 ，反向问题系数为0.906，重要度问题系数为0.923，表明调研结果具有较好的一致性，符合分析要求。基于有效问卷的数据，结合Kano的质量特性分类，获得的最终问卷调查结果见表3，其中SEC4, EFC2, ECC1, ECC2为无差异需求，在后续计算中将被剔除。
表3 Kano双向问卷调查结果
需求要素编号 A M O I R 类
型		 初始需求重要
度Hi
SEC1 124 65 31 95 12 M 4.33
SEC2 122 42 50 100 13 M 4.24
SEC3 114 40 64 97 12 M 4.10
SEC4 51 55 73 136 12 I 4.16
COC1 44 67 130 74 12 A 4.06
COC2 42 55 131 86 13 A 4.33
COC3 129 58 47 86 7 M 4.32
COC4 76 102 56 83 10 O 4.14
COC5 53 35 125 105 9 A 3.83
EFC1 49 68 126 74 10 A 4.35
EFC2 56 91 56 118 6 I 4.21
EFC3 42 33 170 72 10 A 4.07
EFC4 43 25 163 86 10 A 4.02
ECC1 59 88 84 90 6 I 4.19
ECC2 53 84 87 94 9 I 4.35

2.2.2 市场竞争力评估调查结果

本实验设置了市场竞争力评估问卷，要求用户对市场中现有的顺风车平台服务满意度进行打分，分值取1~5，并取平均值作为当前满意度值 C S i，随后针对顺风车用户及平台设计者进行调研，从而确定目标满意度值 G S i。本实验的参与人数为16人，调查结果见表4。
表4 当前满意度和目标满意度调查结果
需求要素编号 当前满意度CSi 目标满意度GSi
SEC1 3.8 4.5
SEC2 2.7 4.0
SEC3 3.5 4.4
COC1 2.3 3.5
COC2 3.1 4.5
COC3 2.6 4.5
COC4 2.5 4.0
COC5 2.3 4.0
EFC1 4.0 4.5
EFC3 2.5 4.5
EFC4 2.6 4.0

2.3 量化Kano模型计算

顺风车用户需求的最终重要度综合了多个参数计算结果，降低了主观误差，能较准确地呈现顺风车用户各项需求的最终重要度。按照式（1）~式（6），不同需求的各项指标计算结果见表5。
表5 各项指标计算结果
需求要素 Kano类型 Ti Hi EIRi K AIRi LRi
SEC1 M 0.60 4.33 1.18 0.5 1.50 6.49
SEC2 M 0.52 4.24 1.48 0.5 1.83 7.75
SEC3 M 0.49 4.10 1.26 0.5 1.53 6.29
COC1 A 0.63 4.06 1.52 1.5 3.15 12.82
COC2 A 0.59 4.33 1.45 1.5 2.92 12.64
COC3 M 0.58 4.32 1.73 0.5 2.18 9.41
COC4 O 0.56 4.14 1.60 1 2.50 10.35
COC5 A 0.50 3.83 1.74 1.5 3.21 12.28
EFC1 A 0.61 4.35 1.13 1.5 2.30 10.01
EFC3 A 0.64 4.07 1.80 1.5 3.78 15.40
EFC4 A 0.59 4.02 1.54 1.5 3.09 12.44

2.4 QFD模型计算

2.4.1 确定设计要求

根据表2的用户需求及问卷调查结果推理出相应的3项一级设计要求（一级需求“经济需求”中包含的二级需求均已被剔除），并将其细化为12项二级设计要求，具体内容见表6。
表6 顺风车功能设计要求
一级设计要求 二级设计要求 编号
安全功能
设计		 一键报警功能 SED1
女性安全助手功能 SED2
实名认证 SED3
人脸识别 SED4
舒适功能
设计		 查看用户主页功能 COD1
设置信用分系统 COD2
双向互评打分功能 COD3
双向选择功能 COD4
用户个性标签展示功能 COD5
违约惩罚机制 COD6
高效便捷
功能设计		 大数据推荐功能 EFD1
“通勤圈”（社群小组）功能 EFD2

2.4.2 确定设计要求与用户需求之间的关系

邀请顺风车用户与平台设计人员对用户需求与平台设计要求之间的相关程度评分，相关性强的分值为9，在矩阵表中用●代表;相关性一般的分值为5，用○代表;相关性弱的分值为1，用△代表。根据式（7）可得出不同设计要求的重要度，并根据重要度大小对其进行排序。具体计算结果见表7。
表7 顺风车用户需求和设计要求的关系矩阵表
用户需求 设计要求
SED1 SED2 SED3 SED4 COD1 COD2 COD3 COD4 COD5 COD6 EFD1 EFD2
SEC1 ● ○ △ △
SEC2 △ ● ●
SEC3 ● ● ○
COC1 ○ △ ○ ● ● ○ ●
COC2 ○ ○ ● ○ ○ ○ △ ○
COC3 ●
COC4 ○
COC5 △ ●
EFC1 ○ ○ ○ ● ○
EFC3 △ △ △ ●
EFC4 ○ △ △ ○ ●
重要度 66 102 63 63 267 107 288 326 256 200 229 479
排序 10 9 11 12 4 8 3 2 5 7 6 1
表7排序靠前的设计要求中，EFD2为高效便捷设计要求，COD4和COD3为舒适设计要求。故在顺风车平台设计的整个流程中，高效便捷功能、舒适功能应作为关键性设计要求;在高效便捷功能设计中，EFD2“通勤圈”的重要度最高，在顺风车平台设计时应重点考虑该功能;在舒适功能中，COD4“双向选择功能”和COD3“双向互评打分”的重要度较高。

3 顺风车平台优化建议

根据设计要求重要度的分析结果，本文针对顺风车平台的优化提出如下建议：
（1）加入社群资讯功能，帮用户实现信息交流共享。当前顺风车平台仅具有单一的拼车功能，未能考虑大量用户信息交流的需求。因此，平台在优化过程中应着重开发社群小组（“通勤圈”）功能，供用户发布关于交通出行相关信息的讨论贴，从而通过提供信息共享的渠道加强使用者间的联系，达到增强用户黏性的效果。
（2）完善行程结束后的评价流程，实现司乘双向互评打分。顺风车非盈利的属性决定了车主并非经营者，而是与乘客一样的平台用户。现有顺风车平台大多仅具有订单结束后对司机进行打分的功能，不利于双边平等。因此，平台应增加司机对乘客的评价功能，使得司乘双边用户均可对同乘体验进行打分与评价，为后续的双向选择打下良好的基础。
（3）形成双向选择机制，满足顺风车用户的个性化需求。现有顺风车平台仅具有即时拼车功能，乘客无法了解同乘人员的具体情况，影响其对拼车出行的信任。平台应在订单中加入展示抽烟、带宠物等相关信息的个性化标签，提供司机与乘客相互选择的功能，利用大数据推荐等机制向用户推荐需求匹配度最高的订单，从而提高用户查找匹配拼友和车主的成功率，提升司乘双方的拼车体验。此外，平台也可以增加女性安全助手功能，保障女性出行安全。

4 结语

本文针对顺风车平台的优化设计，运用Kano-QFD模型研究了平台用户需求与设计要求。在用户需求分析阶段，运用Kano模型对用户需求按质量特性分类，在设计要求量化阶段，运用QFD计算相应功能的重要度并排序，从而降低单独应用Kano模型产生的主观误差。经过定性与定量分析，本文得出在顺风车平台设计中，高效便捷功能、舒适功能和安全功能为关键性设计要求，其中“通勤圈”（社群小组）、“双向选择”和“双向互评打分”功能重要度较高的结论，并提出了顺风车平台功能优化建议。但是本文未量化优化效果，后续的研究可通过实际应用进一步验证优化效果，从而有效提升司乘双边用户对产品的满意度，增强大众的顺风车出行意愿，助力绿色、可持续的城市交通发展目标。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李兴华, 冯飞宇, 成诚, 等. 网约拼车服务选择偏好分析及建模[J]. 吉林大学学报(工学版), 2022,52(3):578-584.

[2]
SHAHEEN S A, CHAN N D, GAYNOR T. Casual carpooling in the San Francisco Bay Area: understanding user characteristics, behaviors, and motivations[J]. Transport Policy, 2016, 51: 165-173.

[3]
MOHAMED M J, RYE T, FONZONE A. Operational and policy implications of ridesourcing services: a case of Uber in London, UK[J]. Case Studies on Transport Policy, 2019, 7(4): 823-836.

[4]
BROWN A E. Who and where rideshares? Rideshare travel and use in Los Angeles[J]. Transportation Research Part A: Policy and Practice, 2020, 136: 120-134.

[5]
DE SOUZA SILVA L A, DE ANDRADE M O, MAIA M L A. How does the ride-hailing systems demand affect individual transport regulation?[J]. Research in Transportation Economics, 2018, 69: 600-606.

[6]
WANG M, MARTIN E, SHAHEEN S. Carsharing in Shanghai, China: analysis of behavioral response to local survey and potential competition[J]. Transportation Research Record: Journal of the Transportation Research Board, 2012, 2319(1): 86-95.

[7]
CACHON G P. A research framework for business models: what is common among fast fashion, e-tailing, and ride sharing?[J]. Management Science, 2020, 66(3): 1172-1192.

[8]
BIMPIKIS K, CANDOGAN O, SABAN D. Spatial pricing in ride-sharing networks[J]. Operations Research, 2019, 67(3): 744-769.

[9]
姚荣涵, 梁亚林, 刘锴, 等. 考虑合乘的共享自动驾驶汽车选择行为实证分析[J]. 交通运输系统工程与信息, 2020,20(1):228-233.

[10]
SOLTYS K A. Toward an understanding of carpool formation and use[R]. Toronto: University of Toronto, 2009.

[11]
吴娇蓉, 王宇沁, 陈小鸿. 公共卫生事件持续期通勤合乘设计及组织效率影响分析[J]. 中国公路学报, 2020,33(11):20-29.

[12]
MOODY J, MIDDLETON S, ZHAO J H. Rider-to-rider discriminatory attitudes and ridesharing behavior[J]. Transportation Research Part F: Traffic Psychology & Behaviour, 2019, 62: 258-273.

[13]
王雨. 乘客网约拼车服务使用意愿的形成机制研究[D]. 合肥: 中国科学技术大学, 2021.

[14]
DIAS F F, LAVIERI P S, GARIKAPATI V M, et al. A behavioral choice model of the use of car-sharing and ride-sourcing services[J]. Transportation, 2017, 44(6): 1307-1323.

[15]
SHAO Z, YIN H. Building customers′ trust in the ridesharing platform with institutional mechanisms: an empirical study in China[J]. Internet Research: Electronic Networking Applications and Policy, 2019, 29(5): 1040-1063.

[16]
SHAO Z, GUO Y, LI X T, et al. Sources of influences on customers' trust in ride-sharing: why use experience matters?[J]. Industrial Management & Data Systems, 2020, 120(8): 1459-1482.

[17]
HOU T, CHENG X, CHENG X. The role of transaction cost and trust in e-loyalty: a mixed-methods study of ride-sharing[J]. Information Technology & People, 2020, 34(3): 1018-1038.

[18]
CHENG X, HOU T, MOU J. Investigating perceived risks and benefits of information privacy disclosure in IT-enabled ride-sharing[J]. Information & Management, 2021, 58(6): 103450.

[19]
LI W, PU Z, LI Y, et al. Characterization of ridesplitting based on observed data: a case study of Chengdu, China[J]. Transportation Research Part C: Emerging Technologies, 2019, 100: 330-353.

[20]
TU M, LI Y, LI W, et al. Improving ridesplitting services using optimization procedures on a shareability network: a case study of Chengdu[J]. Technological Forecasting and Social Change, 2019, 149: 119733.

[21]
马瑞民, 姚立飞. 基于双边理论的顺风车稳定匹配优化[J]. 公路交通科技, 2021,38(4):131-141.

[22]
周桂良. 车联网环境下私家车拼车优先导向的出行效能提升研究[D]. 镇江: 江苏大学, 2019.

[23]
WITELL L, LÖFGREN M, DAHLGAARD J J. Theory of attractive quality and the Kano methodology: the past, the present, and the future[J]. Total Quality Management & Business Excellence, 2013, 24(11-12): 1241-1252.

[24]
YADAV H C, JAIN R, SHUKLA S, et al. Prioritization of aesthetic attributes of car profile[J]. International Journal of Industrial Ergonomics, 2013, 43(4) : 296-303.

[25]
MA M Y, CHEN C W, CHANG Y M. Using Kano model to differentiate between future vehicle-driving services[J]. International Journal of Industrial Ergonomics, 2019, 69: 142-152.

[26]
韦艳丽, 李安, 徐曦, 等. 基于Kano-QFD的云养宠APP可用性设计研究[J]. 包装工程, 2022,43(2):378-386.

[27]
韩旭, 李宇轩, 谭保华, 等. 基于模糊Kano模型与熵权TOPSIS的产品设计研究[J/OL]. 包装工程:1-13[2022-04-20]. http://kns.cnki.net/kcms/detail/50.1094.TB.20211116.1635.010.html.

[28]
李树, 蒋鹏. 基于模糊KANO-SEM模型的用户需求识别方法研究[J]. 包装工程, 2022,43(4):156-162.

[29]
XU Q, JIAO R J, TANG X, et al. An analytical Kano model for customer need analysis[J]. Design Studies, 2009, 30(1): 87-110.

[30]
BERGER C, BLAUTH R, BERGER D, et al. Kano′s methods for understanding customer-defined quality[J]. Center for Quality Management Journal, 1993(4): 3-36.

[31]
易明, 宋进之, 李梓奇. 基于Kano模型的高校智慧图书馆功能需求研究[J]. 图书情报工作, 2020,64(14):45-53.

[32]
李松林. 基于Kano-QFD集成方法的高校物流服务设计要素研究[J]. 西部经济管理论坛, 2018,29(4):63-74.

[33]
邓杏仪, 刘林, 张瑞秋. 基于Kano-QFD的健身游戏系统优化设计[J]. 包装工程, 2021,42(14):148-154.

[34]
CHAUDHA A, JAIN R, SINGH A R, et al. Integration of Kano′s Model into Quality Function Deployment (QFD)[J]. The International Journal of Advanced Manufacturing Technology, 2011, 53(58): 689-698.

[35]
屠星亚. 结合情境故事法、Kano模型和QFD法的文化景观旅游体验设计研究[D]. 杭州: 浙江工业大学, 2014.

[36]
薛景梅, 邢可欣. 基于Kano-QFD模型的校园快递服务质量提升研究[J]. 河北科技大学学报(社会科学版), 2019,19(2):31-38.

[37]
曾兰兰, 马勇. 共享经济背景下网约车用户粘性研究[J]. 企业经济, 2021,40(8):154-160.

[38]
朱乔. 基于结构方程模型的网约车乘客满意度研究[D]. 西安: 长安大学, 2017.

[39]
李晋, 江勇东, 顾天奇, 等. 基于乘客视角的网约车服务质量评价[J]. 城市交通, 2021,19(2):103-111, 6.

Options
Outlines

/

〈 〉