服務品質缺口模型 (PZB Gap Model) 架構分析「外送平台 AI 演算法」

演算法時代的服務品質革命

 

服務品質五大缺口模型由 Parasuraman, Zeithaml, and Berry (1985) 提出，核心概念在於透過找出消費者與服務業者之間的 5 個認知與執行缺口，進而提升整體服務品質。

 

1. 消費者端 (消費者認知架構)

• 影響預期的三大核心要素

• • 口碑 (Word of Mouth)
  • 個人需求 (Personal Needs)
  • 經驗 (Past Experience)

 

• 核心對比流向

• • 影響 →消費者預期的服務 (Expected Service)
  • 對比 →消費者認知的服務 (Perceived Service)

 

2. 服務業者端 (企業執行流向)

企業內部由下而上的服務決策與傳遞流程如下：

 

1. 管理者對消費者之認知 (Management Perceptions)
2. 將認知轉換為品質規格 (Service Quality Specifications)
3. 實際傳達的服務 (Service Delivery)
4. 企業對外界之溝通 (External Communications)

 

3. 五大核心缺口定義對照表

這是最適合放入簡報與報告的精簡說明：

缺口名稱	圖中流向對照	核心定義與成因
缺口一： 市場認知缺口	管理者對消費者之認知 ↔ 消費者預期的服務	管理者未能正確理解消費者真正想要的是什麼。
缺口二： 規格缺口	管理者對消費者之認知 ↔ 將認知轉換為品質規格	企業雖然理解客戶需求，但未能制定出正確的服務規格。
缺口三： 服務傳達缺口	將認知轉換為品質規格 ↔ 實際傳達的服務	員工或系統在實際執行時，未能達到企業設定的品質規格。
缺口四： 市場溝通缺口	實際傳達的服務 ↔ 企業對外界之溝通	企業對外的廣告或承諾過高，導致實際服務無法兌現。
缺口五：服務品質缺口	消費者預期的服務 ↔ 消費者認知的服務	核心缺口。顧客感受到的服務低於其原本的預期。

 

缺口五（消費者的滿意度）是前四個企業內部缺口（一至四）累積產生的結果。要縮小缺口五，企業必須先優化內部的管理、規格、傳達與溝通流程。

 

 

在外送平台的營運中，Gap 1（市場認知缺口） 的本質是：平台管理階層、產品經理（PM）與演算法團隊，主觀上「以為」消費者在乎的事，與消費者心裡「真正」期望的服務，存在巨大的認知落差。

在數位經濟時代，平台要縮短 Gap 1，不能再依賴傳統每半年一次的紙本問卷或焦點小組（Focus Group），因為消費者需求變化太快。現代平台主要是透過「大數據反饋」、「用戶畫像標籤化」與「情境感知技術」，把消費者的「隱性需求」轉化為「顯性數據」。

 

以下是外送平台縮短 Gap 1 的四大核心 AI 與數據技術方法：

 

1. 結合 NLP 的「非結構化客訴與評論語意分析」（Sentiment & Topic Modeling）

• 傳統盲點：平台只看後台的「評分（1~5星）」與「罐頭退款原因」（如：餐點漏寄、送太慢），以為消費者給低分只是因為速度慢，卻忽略了質化評論中隱含的真正期望。
• 技術細節：

• • 使用 BERT、GPT-4o 語意微調模型或 LDA（隱含狄利克雷分配）主題模型，即時抓取社群媒體（如 PTT、Dcard、Threads）、App Store 評論以及文字客訴。
  • 演算法會將文字進行「情感極性分析」與「關鍵詞聚類」，例如，系統發現近期「遲到」的抱怨中，高達 70% 的負面情緒並非來自等太久，而是來自「App 上的進度條一直卡在『店家製作中』，讓人感到焦慮」。

• Gap 1 的修正：平台管理層藉此認知到，消費者要的期望不只是「快」，更是「資訊的透明度與掌控感」。

 

2. 多維度用戶畫像（User Profiling）與情境推薦演算法

• 傳統盲點：將所有消費者視為同質群體，認為每個人打開 App 就是想看「離我最近、折價最多」的餐廳。
• 技術細節：

• • 透過機器學習（如 聚類演算法 K-Means、協同過濾 Collaborative Filtering），為每位用戶建立動態的標籤矩陣（如：【對時間極度敏感】、【健康有機偏好】、【夜貓族】、【高單價家庭餐】）。
  • 結合上下文感知推薦系統（Context-Aware Recommender Systems），納入即時變數（時間、星期幾、當下天氣、歷史下單等待耐受度）。

• Gap 1 的修正：平台不再盲目推銷便宜垃圾食物，當系統識別到用戶是「週五晚上、信義區商務人士、曾有因遲到退補償記錄」，首頁會自動隱藏容易拖單的店家，優先推薦「高可靠度、高出餐速度」的精緻餐廳。這精準對接了該用戶在該情境下「渴望犒賞自己且不想踩雷」的預期。

 

3. 基於用戶流失預警（Churn Prediction）的特徵工程

• 傳統盲點：以為消費者停止使用 App 只是因為對手發了更多優惠券（價格因素），因而繼續陷入價格戰陷阱。
• 技術細節：

• • 利用隨機森林（Random Forest）或 LightGBM 建立用戶流失預測模型。
  • 系統在特徵工程（Feature Engineering）中，會分析用戶行為的微細轉變。例如：用戶在結帳前「頻繁切換外送與自取選項」、「反覆查看外送費調整」、「在結帳頁面停留超過 90 秒後放棄購物車」。

• Gap 1 的修正：數據分析揭示了消費者真正的期望屏障，不是討厭平台，而是對「結帳時突然多出的平台費/平台服務費」感到被欺騙。管理層得知此認知後，即可調整定價溝通策略（例如將費用整合進訂閱制中），消除認知缺口。

 

4. 數位雙生（Digital Twin）與 A/B 測試的「期望實驗」

• 傳統盲點：主管憑直覺開會決定新功能（例如：推出「加價優先送達」功能），卻不知道消費者是否真的買單，造成研發資源浪費。
• 技術細節：

• • 建立 A/B 測試（A/B Testing）網格平台。將 5% 的隨機用戶分流至實驗組，測試新的界面設計或服務流程（例如：在 App 首頁直接顯示「精準送達率」而非「預估時間」）。
  • 透過計算統計顯著性（P-value、信賴區間），即時觀測消費者的點擊率（CTR）、轉換率（CR）與次月留存率。

• Gap 1 的修正：用客觀的消費者「行為實驗結果」取代主管的「拍腦袋決策」，確保平台每一次的功能迭代，都完全走在消費者真正的期望軌道上。

 

 

縮短 Gap 1 的數據化轉型對照

過去的管理盲點（Gap 1 擴大）	現代演算法解決方案（Gap 1 縮短）	修正後的管理決策
「消費者只在乎運費便宜。」	NLP 語意聚類分析社群靠北版與客訴。	發現消費者更在乎餐點外溢、外送員態度與資訊透明度。
「雨天訂單下滑是因為大家不想點。」	情境感知大數據分析購物車放棄率。	發現是因為預估時間過長（如顯示90分鐘）嚇跑用戶。
「訂閱制會員流失是因為優惠不夠。」	流失預警特徵工程分析用戶行為軌跡。	發現會員期望的是雨天享有優先派單權，而非單純免運。

透過上述技術，外送平台能將「消費者的心思」變成「儀表板上的即時指標」，從源頭消弭管理者與市場之間的認知代溝，進而讓後續的 Gap 2（規格）與 Gap 3（傳達）有正確的優化靶心。

 

這部分通常屬於平台的「產品策略（Product Strategy）」與「用戶增長（User Growth）」範疇。

 

 

 

縮短 Gap 2（規格缺口）：利用 AI 制定「動態且合理的品質規格」

Gap 2 的痛點是企業雖然知道用戶要什麼（例如：餐點要熱、送餐要快），卻無法制定出精準的規格標準，AI 在此處的作用是取代傳統「一刀切」的死板 KPI算率，建立動態演算法。 

 

1. 動態預計到達時間（Dynamic ETA）模型

傳統規格常一成不變地設定「30分鐘內送達」，導致雨天或尖峰時段頻繁跳票。AI 透過梯度提升決策樹（GBDT，如 XGBoost）或深度學習（LSTM、Transformer）來制定精準的 ETA 規格。 

• 技術細節：系統即時分析四大維度變數（如圖 1 所示）：

• • 商家端：歷史備餐時間、廚房目前壓單量。
  • 環境端：即時路況、天氣（下雨減速比率）、時段。
  • 外送端：該區域當前的外送員剩餘運能。
  • 歷史端：該大樓平均從一樓送到顧客手上的「最後一哩路（Last-mile）」垂直時間。 

 

• 效果：將服務規格從「固定 30 分鐘」轉化為「隨環境動態調整的 28~34 分鐘」，使規格承諾逼近現實真實值。

 

2. 演算法約束的「多目標優化疊單機制」

平台為了追求獲利往往會盲目疊單，導致餐點冷掉、損害品質規格，平台使用混合整數線性規劃（MILP）配合 AI 進行動態剪枝。

• 技術細節：將「餐點降溫模型」寫入演算法的約束條件（Constraints）中，AI 會為每種食物建立熱力衰減係數（例如：湯麵與冰品衰減快、炸雞衰減慢），當派單系統嘗試合併訂單（疊單）時，若演算出第二張單會導致第一張單的熱力值低於臨界點（如餐點溫度降至 45°C 以下），演算法會自動否決該組合，拒絕該次疊單。
• 效果：在平台營運成本（效率）與顧客餐點品質（規格）之間，透過演算法找到最佳平衡點。 

 

 

 

縮短 Gap 3（服務傳達缺口）：透過演算法消弭「人為執行的不確定性」

Gap 3 的痛點在於第一線執行者（外送員、餐廳）的表現存在高度異質性與不確定性，導致服務流於失控。AI 透過優化調度與自動化管理來確保執行率。 

 

1. 基於強化學習（Reinforcement Learning）的即時動態派單

傳統派單常發生「遠單近送」或外送員在現場枯等店家的現象。

• 技術細節：平台採用馬可夫決策過程（MDP）與馬可夫賽局（Markov Games），AI 在後台每秒進行數十萬次的媒合模擬，它不只計算「誰離餐廳最近」，而是預測外送員抵達餐廳的時刻，是否恰好與廚房出餐的時刻重疊（即「零枯等時間」）。
• 效果：極小化外送員在店內的「無效等待時間」，從源頭縮短整體傳遞鏈的延遲。 

 

2. 空間路徑規劃：雙向車流與車行路網（VRP）演算法

外送員常因導航不精準迷路，導致實際傳達的服務落後於規格。

• 技術細節：平台停用傳統汽車導航，改用針對機車/外送特性的車輛路線問題（VRP）最佳化演算法，AI 會利用深度學習分析外送員的歷史行跡（GPS 軌跡數據軌跡），自動學習出官方地圖上沒有的「捷徑」、「特殊大樓進出入口」與「常規逆向/待轉時間」。
• 效果：提供外送員最在地化的最優路徑引導，降低個體外送員因不熟路況造成的服務品質落差。

3. 動態定價與誘因（Surge Pricing）調度演算法

惡劣天氣或跨年夜，外送員不上線會導致服務完全無法傳達（Gap 3 最大化）。

• 技術細節：使用動態供需價格彈性模型。當某區域訂單暴增而外送員不足時，AI 演算法在數秒內自動調高該區的「加成獎勵（Surge Fee）」，並透過推播即時通知鄰近區域的外送員。
• 效果：利用經濟誘因與數據調度，迅速補足運能缺口，確保服務能順利傳達（Service Delivery）。 

 

技術落地對照總結：AI 如何補磚

【Gap 2 規格缺陷】 ───> 由 AI 修正 ───> 產出「可彈性落實的動態標準」

  - 傳統死板時效標準          - 機器學習預測動態 ETA 模型

  - 利益盲目疊單              - 食物熱力衰減限制的 MILP 疊單演算法

 

【Gap 3 傳達缺陷】 ───> 由 AI 修正 ───> 產出「標準化、高效率的執行力」

  - 外送員在店家枯等          - 強化學習（MDP）之「出餐-抵達」同步演算法

  - 路況不熟、送錯地點         - 機車軌跡大數據 VRP 路線最佳化導航

  - 極端天氣外送員不足         - 即時供需彈性動態加成調度

 

透過這些技術細節，平台得以在面對百萬名「非雇傭關係」的外送員與獨立商家時，依然能用演算法霸權兼具精準管理的方式，將服務品質控制在高度穩定的範圍內。 

 

 

 

外送平台的營運中，Gap 4（市場溝通缺口） 的本質是「承諾與現實的落差」。

這通常是因為行銷團隊為了吸引用戶下載，在廣告中描繪了過於完美的服務體驗（例如：「今晚我想來點… 30分鐘美味即刻送達！」），但後端的物流演算法與實際外送員在尖峰時段根本無法達成，導致消費者產生嚴重的被騙感。

在數位平台中，縮短 Gap 4 的核心策略是「運用演算法進行期望管理（Expectation Management）」，並透過技術將對外溝通從「誇大死板」轉向「動態、透明與主動補救」。

縮短 Gap 4 的四大核心方法：

 

1. 動態前端外顯（Dynamic Frontend Exposure）與即時倒數

• 傳統盲點：不論晴天、暴雨或跨年夜，App 介面上永遠顯示統一的「預計 30 分鐘送達」，導致極端天氣時嚴重跳票。
• 技術細節：

• • 前後端數據即時同步：將後端的機器學習 ETA（預計到達時間）模型直接與前端 UI 綁定。當消費者在瀏覽餐廳列表時，演算法每 10 秒重新計算一次該餐廳的備餐速度與當下區域的運能。
  • 動態區間顯示：不要給出「30 分鐘」這種絕對數字，而是顯示動態區間（如「因當前大雨，預計 45~55 分鐘送達」）[^3]。

• 縮短 Gap 4 效果：在消費者下單前，就透過介面「誠實且透明地」調整其心裡預期，讓宣傳承諾與實際執行無縫對接。

 

2. 訂閱制權益（如 Premium/VIP）的演算法防禦機制

• 傳統盲點：廣告強力宣傳「加入會員享有優先派單、免運費」，但遇到尖峰時段，會員點餐依然等了 1.5 小時，引發社群公關危機與退訂潮。
• 技術細節：

• • 會員權益演算法保護鎖：在派單系統（Dispatching System）中，將「會員訂單」賦予最高的優先權重（Weight）。當系統在進行多目標優化（MILP）疊單時，限制會員訂單最多只能疊 1 張單，且會員餐點必須是第一個被送達的終點。
  • 供應量動態控流（Throttling）：當極端天氣導致運能嚴重不足時，系統主動暫停非會員的下單功能，將所有外送員資源保留給會員。

• 縮短 Gap 4 效果：用底層代碼與演算法硬實力，強力兌現行銷團隊對 VIP 會員做出的「優先服務」承諾。

 

3. 主動式服務補救（Proactive Service Recovery）演算法

• 傳統盲點：餐點已經大遲到或外送員在路上卡住，平台卻裝死不回應，直到消費者憤怒地打給客服或在社群發文抱怨，平台才被動處理。
• 技術細節：

• • 超時預警觸發器（Timeout Trigger）：系統建立即時監控機制。當「實際剩餘外送距離與時間」遠大於當初承諾消費者的 ETA（例如系統判定必定遲到超過 15 分鐘），在消費者還沒主動查看 App 之前，系統自動觸發補救流程。
  • 自動化補償與透明溝通：App 主動彈出推播：「非常抱歉，由於路上發生突發車流，您的餐點將延遲 12 分鐘。我們已主動為您送上 50 元補償折價券。」

• 縮短 Gap 4 效果：當現實無法滿足承諾時，透過「主動承認、公開透明、給予補償」的自動化機制，將消費者的憤怒轉化為對平台負責態度的肯定，消弭溝通落差。

4. B2B 商家端廣告承諾與出餐規格的「聯防機制」

• 傳統盲點：行銷團隊在平台上幫某家名店打廣告做「限時大促銷」，結果餐廳廚房瞬間被訂單塞爆、嚴重拖單，導致外送員在現場枯等、消費者拿到冷掉的食物。
• 技術細節：

• • 動態接單天花板（Dynamic Order Capping）：AI 實時監測合作商家的廚房壓單量。當某家大促銷的餐廳積單量超過其廚房負荷上限時，平台演算法會自動在 App 前端將該店家顯示為「暫時忙碌中」或「暫不接受新訂單」，強制將其下架 15 分鐘。
  • 行銷與營運聯防演算法：行銷活動的推播發送量，必須根據該商圈當下的「即時在線外送員數量」進行動態限流，不能盲目曝光。

• 縮短 Gap 4 效果：確保對外行銷大促銷時，後端的供應鏈（餐廳生產力、外送員運能）有能力承接，避免「行銷開大支票，營運無法兌現」的尷尬局面。

 

縮短 Gap 4 的「期望管理」優化矩陣

行銷與對外溝通承諾（對外）	傳統營運現實（Gap 4 擴大）	AI 演算法介入方案（縮短 Gap 4）
「美食 30 分鐘即刻送達」	暴雨天送了 80 分鐘，用戶氣炸。	前端 UI 綁定後端 ETA 模型，大雨天自動改顯示 50~60 分鐘。
「加入尊榮會員，優先派單」	尖峰時段會員依然被疊單、遲到。	演算法加入保護鎖，限制會員訂單疊單上限，強制第一順位送達。
「名店大促銷，人人吃得到」	餐廳做不出來，外送員枯等、大延誤。	啟用 AI 動態接單天花板，廚房超載時自動在 App 前端暫時下架。
「精準追蹤外送進度」	系統卡死，餐點大遲到無人理會。	觸發超時預警演算法，遲到前主動發推播致歉並附贈補償券。

 

透過這些技術，外送平台能夠將「行銷話術（承諾）」與「演算法執行（現實）」緊密黏合，不僅能大幅減少客訴，更能建立起消費者對平台品牌的長期信任。

 

 

 

在外送平台的營運中，Gap 5（服務品質缺口） 是整個 PZB 模型中唯一的「結果端」缺口。

它的定義非常直接：「消費者預期的服務」與「消費者實際認知的服務」之間的落差。
數學公式可以表達為：Gap 5=Expected Service−Perceived Service

 

在學術理論上，Gap 5 其實是前面四個缺口（Gap 1 至 Gap 4）加總累積的最終結果，所以縮短 Gap 5 最根本的方法就是靠前面討論過的 AI 演算法精準填補前四個缺口。

然而，在實務營運中，即使前四個缺口控制得再完美，現實中依然會遇到「外送員車禍摔壞餐點」、「大暴雨導致全區大遲到」等不可抗力的極端事件。

因此，現代外送平台（如 Uber Eats、foodpanda）在面對 Gap 5 時，會使出最後一門核心技術：「預期心理防禦」與「智慧服務補救（Service Recovery）」演算法。以下是縮短 Gap 5 的四大核心方法：

 

1. 利用「預期低報（Under-promise, Over-deliver）」心理學演算法

• 理論核心：要縮短 Gap 5，除了提升實際服務（Perceived），另一個巧妙的方法是在合理範圍內微調消費者的「預期（Expected）」。如果消費者心理預期 45 分鐘送達，最後 35 分鐘就到了，他們會產生「賺到了」的驚喜感，Gap 5 會直接變成正值（滿意度極高）。
• 技術細節：

• • ETA 緩衝墊演算法（ETA Padding）：平台在前端 UI 顯示「預計送達時間」時，AI 算出的真實預估值如果是 30 分鐘，演算法會自動加上 15%~20% 的安全緩衝時間（Buffer），在畫面上顯示「35~40 分鐘」。

• 縮短 Gap 5 效果：外送員有極高的機率在畫面的倒數時間結束前抵達，創造「比預期快」的正面認知體驗，主動消弭缺口。

 

2. 基於客群與損失價值的「精準階層式補償演算法」

• 理論核心：當服務已經確定搞砸（如餐點大遲到、送錯），此時消費者的實際認知（Perceived）已經跌入谷底。平台必須立刻進行「服務補救」，透過補償來拉高消費者的感知體驗，強行填平 Gap 5。
• 技術細節：

• • 平台不採用統一的補償標準（例如不論誰遲到都送 20 元券），而是利用機器學習建立動態補償權重矩陣。當系統偵測到大遲到時，補償金額度會由 AI 根據以下特徵進行即時運算：

 

補償額度=f(用戶終身價值 LTV,訂單金額,延遲時長,歷史踩雷次數)補償額度 equals f of open paren 用戶終身價值 LTV comma 訂單金額 comma 延遲時長 comma 歷史踩雷次數 close paren

補償額度=𝑓(用戶終身價值 LTV,訂單金額,延遲時長,歷史踩雷次數)

• • 範例：如果是高價值訂閱制會員（高 LTV）且這週已經被遲到第二次（歷史踩雷），系統會瞬間自動彈出高額無門檻現金券，甚至該單直接免費；若是一般用戶且首度遲到，則給予標準比例的系統折價券。

• 縮短 Gap 5 效果：在消費者憤怒值達到頂點前，用超乎預期的補償手段封殺負面評價，挽回用戶留存率。

3. 多模態 AI「即時防詐退款與審核機制」（Risk & Fraud Control）

• 理論核心：縮短 Gap 5 的一項挑戰在於「如何處理消費者的退款期望」。當消費者收到餐點發現「湯汁溢出」或「品項漏寄」時，他們期望平台能立刻退款；但平台若無條件退款，會被惡意用戶（刷單詐欺、吃霸王餐）利用。
• 技術細節：

• • 多模態影像辨識（Multimodal CV）：消費者在 App 內申請「餐點損壞退款」並上傳照片時，後台的計算機視覺（CV）模型會在 1 秒內進行影相分析，判斷照片中的餐點是否真的有外溢、翻覆、或品項不符，並比對是否為網路抓圖。
  • 用戶信用評級（Risk Scoring）：結合該用戶過去的退款頻率與歷史信用。如果 CV 辨識通過且用戶信用良好，系統在 3 秒內自動完成「秒退款/退點數」。

• 縮短 Gap 5 效果：免去傳統人工客服長達數天的繁瑣審核流程，用「秒退款」的極致體驗，將原本可能演變成公關危機的 Gap 5，轉化為對平台售後服務的極高信任。

 

4. 雙邊平台（2-Sided Market）不對稱評價修正演算法

• 理論核心：有時候 Gap 5 擴大，並不是平台的錯，而是餐廳廚房漏做、或是外送員態度惡劣。但消費者通常會把所有怨氣記在「外送平台」這面大牌子上。平台必須透過評價機制分流，精準找出破壞品質的害群之馬。
• 技術細節：

• • 解耦評價系統：下單完成後，App 強制將評價拆分為三個獨立維度：「餐廳餐點（口味）」、「外送服務（態度與包裝）」與「平台使用體驗」。
  • NLP 負面標籤追蹤：AI 定期聚類哪些餐廳頻繁因為「漏給餐具/醬料」被留負評，哪些外送員頻繁因為「餐點摔壞」被投訴。

• 縮短 Gap 5 效果：平台演算法依據數據，自動對低品質的商家或外送員進行「派單降權」甚至「停權解約」，像免疫系統一樣自動清除生態系中的品質毒瘤，確保平台整體的長期服務品質維持在高檔。

 

PZB 五大缺口在外送平台的 AI 聯防縮短 Gap 5 的大整合方案：

【Gap 1: 認知】 ──> NLP 社群語意分析 ──> 摸透用戶真正痛點（拒絕盲目補貼）

       │

【Gap 2: 規格】 ──> 大數據動態 ETA 模型 ──> 制定出符合現實、不跳票的品質承諾

       │

【Gap 3: 傳達】 ──> 強化學習派單與 VRP 導航 ──> 確保非雇傭的外送員能高效率執行

       │

【Gap 4: 溝通】 ──> 前端UI數據即時同步 ──> 誠實告知環境動態，拒絕誇大宣傳

       │

       ▼

【Gap 5: 服務品質結果】 ──> 透過「預期低報(ETA Pad)」與「動態階層補償」進行終極防禦。

 

 

參考資料

1. https://nabi.104.com.tw › posts

PZB 服務的五個缺口模式在照護服務品質運用-服務品質

2. https://blog.udn.com › chanrs

PZB 服務的五個缺口模式在照護服務品質運用-服務品質與顧客滿意講義

3. https://www.linkedin.com › posts

PZB 服務的五個缺口模式在照護服務品質運用

4. https://www.scribd.com › document › PZB模式在照護服務...

PZB模式在照護服務品質運用 教材

5. https://mypaper.pchome.com.tw › chanrs › post

神秘客講義—PZB 服務品質模式五大缺口提升服務品質-詹翔霖副教授

6. https://chanrs88.pixnet.net › blog › posts

服務品質的五大缺口-消費者行為學講義

7. https://www.scribd.com › presentation

顧客抱怨處理及服務品質五大缺口運用 詹翔霖副教授

8. https://nabi.104.com.tw › posts

服務行銷品質管理教材-ISO10002客訴管理-詹翔霖副教授

9. https://chanrstom.blogspot.com

詹翔霖教授: 體驗行銷與服務品質管理

10. https://www.slideshare.net › slideshow

顧客滿意的服務品質經營-青創-詹翔霖教授 | PPT