A hybrid model of QFD, SERVQUAL and KANO to increase bank's capabilities
Notice bibliographique
Résumé
In global market, factors such as precedence of competitors extending shave on market, promoting quality of services and identifying customers' needs are important. This paper attempts to identify strategic services in one of the biggest governmental banks in Iran called Melli bank for getting competition merit using Kano and SERVQUAL compound models and to extend operation quality and to provide suitable strategies. The primary question of this paper is on how to introduce high quality services in this bank. The proposed model of this paper uses a hybrid of three quality-based methods including SERVQUAL, QFD and Kano models. Statistical society in this article is all clients and customers of Melli bank who use this banks' services and based on random sampling method, 170 customers were selected. The study was held in one of provinces located in west part of Iran called Semnan. Research findings show that Melli banks' customers are dissatisfied from the quality of services and to solve this problem the bank should do some restructuring to place some special characteristics to reach better operation at the heed of its affairs. The characteristics include, in terms of their priorities, possibility of transferring money by sale terminal, possibility of creating wireless pos, accelerating in doing bank works, getting special merits to customers who use electronic services, eliminating such bank commission, solving problems in least time as disconnecting system, possibility of receiving foreign exchange by ATM and suitable parking in city.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».