Factores que cuantifican la percepción de calidad en
el servicio al cliente en un restaurante mexicano
Factors that quantify the
perception of quality in customer service in a Mexican restaurant
Factores que cuantifican la percepción de calidad en
el servicio al cliente en un restaurante mexicano
Juan Alexis Becerra-Godínez†, José Leonardo Serralde-Coloapa, Aldo Ramírez-Arellano,
Elizabeth Acosta-Gonzaga
*Correspondencia:
eacostag@ipn.mx/Fecha de recepción:
5 de abril de 2021/Fecha de aceptación: 3
de enero de 2022/Fecha de publicación:
28 de enero de 2022.
Instituto Politécnico Nacional, Unidad Profesional
Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas, Av. Te
950, col. Granjas México, Ciudad de México, México, C. P. 08400.
RESUMEN
Una de las industrias más
destacadas de la economía mexicana es la restaurantera. Su importancia, debido
a su número de empresas, creación de empleos y emprendimientos, ha ocasionado
que se genere un alto índice de competitividad. Esto provoca que se busquen
estrategias para mejorar la calidad del servicio que ofrecen, con el propósito
de retener y atraer clientes. El objetivo de este trabajo fue identificar los
factores que conforman la percepción de la calidad en el servicio en un
restaurante mexicano. Para ello, se utilizó el instrumento DINESERV, mediante
un enfoque cuantitativo y un análisis factorial confirmatorio. Los resultados
mostraron que el instrumento DINESERV es válido para restaurantes mexicanos.
Asimismo, se detectaron los factores que integran el servicio al cliente,
enfatizando los aspectos de tangibilidad,
confiabilidad, respuesta y empatía. Características como personal competente y
con experiencia, tener siempre presente los intereses del cliente y la
apariencia de la vestimenta y limpieza del personal de servicio son elementos
clave para que el restaurante genere mayor satisfacción en sus clientes.
PALABRAS CLAVE: DINESERV,
calidad del servicio, satisfacción del cliente, industria restaurantera, PyME.
ABSTRACT
One
of the most prominent industries in the Mexican economy is the restaurant industry. Its importance,
due to the number of companies, job creation and business ventures, has caused a high competitiveness
index to be generated. This causes the search of strategies to be sought to improve the quality of the service they
offer, in order to retain and attract customers. The objective of this work was to identify
the factors that comprise service
quality perception in a Mexican restaurant. For that purpose, we
employed the DINESERV instrument, through a quantitative approach and a confirmatory factor analysis. Results showed that the DINESERV instrument is valid
for Mexican restaurants. Likewise, the factors
that make up customer service were identified, emphasizing the aspects such as tangibility, reliability, response
and empathy. Factors such as competent and experienced staff, always keeping in mind the interests of the client, the
appereance of the service personnnel´s clothing and cleanliness are key elements for
the restaurant to generate greater satisfaction in its customers.
KEYWORDS: DINESERV, quality service, customer satisfaction,
restaurant, SMEs.
INTRODUCCIÓN
La gastronomía mexicana
ha sido reconocida por la Organización de las Naciones Unidas para la
Educación, la Ciencia y la Cultura (UNESCO) como patrimonio inmaterial de la
humanidad (Matta, 2019). También, como un elemento de
riqueza que incrementa la competitividad al ser considerado como el “vehículo
estratégico” para los destinos turísticos mexicanos, de acuerdo con la Cámara
Nacional de la Industria de Restaurantes y Alimentos Condimentados (CANIRAC,
2012) y el Instituto de los Mexicanos en el Exterior (IME, 2018).
La industria
restaurantera juega un papel de gran relevancia en la economía mexicana, con
una participación del 17.8 % del total de las empresas, además de ser el
segundo grupo que aporta mayor cantidad de empleos y el primero de los sectores
de emprendimiento, según el Instituto Nacional de Estadística y Geografía
(INEGI, 2019) y la Asociación Mexicana de Restaurantes (AMR, 2019). Se
caracteriza por crear valor desde aspectos tangibles, como la preparación de
alimentos y bebidas; e intangibles, como la atención a clientes (INEGI, 2019).}
Las Pequeñas y Medianas
Empresas (PyMEs) que pertenecen a la industria restaurantera,
ante un escenario de alta competitividad y buscando ajustarse a los
requerimientos y demandas actuales, han apostado por la calidad en el servicio
como un elemento clave para el éxito (Knutson y col.,
1996; Monroy-Ceseña y Urcádiz-Cázares,
2019).
El sector de servicios se
caracteriza por aspectos de intangibilidad, incapacidad para almacenar,
personalización vinculada a necesidades y deseos e inseparabilidad en los
procesos (Parasuraman y col., 1988; Lara, 2002; Begazo-Villanueva, 2006; Coll-Hurtado
y Córdoba y Ordóñez, 2006; Alzaydi y col., 2018;
Stefano y col., 2020). Su importancia está vinculada principalmente con el
servicio al cliente, donde encuentra el valor agregado de la empresa o los
atributos que otorga (Godoy, 2011; Botía-Sanabria y Orozco-Pulido,
2012; Arellano-Díaz, 2017; Dhisasmito y Kumar, 2020). La calidad se define como la propiedad o
propiedades inherentes a algo, de manera que se permita juzgar su valor; es la
excelencia de un bien o servicio en las características especificadas, de
acuerdo a la Real Academia Española (RAE, 2019a). Autores como Crosby (1980)
precisan la calidad como la proximidad real a los estándares o a los cero
defectos.
Por otro lado, el
servicio o la acción de servir es considerado como el
mérito que se adquiere sirviendo a una persona o entidad (RAE, 2019b). Bajo
esta premisa, Kotler y col. (2018) consideran que son
actividades o beneficios que una organización ofrece a personas, grupos o a
otras organizaciones y se caracterizan por ser intangibles, inseparables,
heterogéneos y perecederos.
Considerando lo anterior,
el servicio al cliente es la acción donde se localiza la interacción entre el
cliente y la empresa (Duque, 2005), generando una percepción de su calidad (Følstad y col., 2018; Dhisasmito
y Kumar, 2020). Sin embargo, no siempre es igual, por
lo que las empresas han tenido la necesidad de buscar un modelo particular del
giro empresarial que permita cuantificar la percepción de calidad en el
servicio (Lara, 2002). Una de las herramientas principales para medirla de
manera estandarizada en cualquier empresa del sector comercial ha sido el
modelo propuesto por Parasuraman y col. (1988),
conocido como SERVQUAL (acrónimo en inglés: Service Quality, calidad de servicio) (Park y col., 2018). Este
modelo está compuesto por cinco dimensiones que reflejan variables acerca de:
(a) empatía, referente a brindar un servicio personalizado; (b) confiabilidad,
como la capacidad de cumplir con las promesas de servicio; (c) responsabilidad
o garantías, direccionado a la medición de la manera de desempeñar un papel que
refleje seguridad, credibilidad y confianza; (d) capacidad de respuesta,
particularizado a la forma de cumplir requerimientos del cliente de manera más
eficiente, y (e) tangibilidad, relacionada con los aspectos
físicos de la infraestructura, personal y materiales.
Distintas investigaciones
han buscado comprobar que las dimensiones que componen el modelo de SERVQUAL
son aplicables a diferentes sectores económicos y contextos, como el estudio de
Meirelles y col. (2015), quienes comprobaron que
podrían ser adecuadas para aplicarse en el sector turístico. Por otro lado, con
base en el modelo SERVQUAL se desarrollaron varios modelos, con la finalidad de
perfeccionar la precisión del mismo, como el de Cronin
y Taylor (1992) sobre el rendimiento del servicio (SERVPERF, acrónimo en
inglés: Service Performance, rendimiento del
servicio).
También se han realizado
investigaciones para cuantificar la calidad en productos físicos (Rust y Oliver, 1994). Otros combinan factores de modelos
diferentes, pero incluyendo las dimensiones de SERVQUAL (Brady y Cronin, 2001), o bien, complementan las variables para
medir la calidad en el servicio de SERVQUAL respecto a las métricas que a la
empresa le gustaría conocer, sobre emociones, cultura e internet, entre otras
(González-Uribe y col., 2010).
Los modelos más
referenciados para cuantificar la percepción de la calidad del servicio en
diferentes sectores y con diversos números de factores se muestran en la Tabla
1, partiendo principalmente del modelo SERVQUAL (Parasuraman
y col., 1988).
Los investigadores
Stevens y col. (1995) postularon un modelo llamado DINESERV (DINESERV, acrónimo
en inglés: Dining Service,
servicio de comedor), aplicado en Norteamérica, que cuantifica la percepción de
la calidad en el sector restaurantero y que contiene las mismas dimensiones del
SERVQUAL, pero estructurado en 29 ítems. Similarmente, emplearon las variables
calidad, satisfacción, aburrimiento general y aburrimiento del entorno físico
como impulsores de variedad en Estados Unidos. El modelo DINESERV mostró un
efecto positivo en la satisfacción total del cliente, lo que resultó en un
incremento de su intención de regresar al restaurante, así como en la promoción
positiva del mismo de boca en boca (Kim y col., 2009).
Autores como Aguirre y
Rodríguez (2011) adaptaron el modelo DINESERV en restaurantes locales de Costa
Rica; sus resultados indican que la cultura latina le brinda mayor soporte a la
dimensión de empatía. Además, Guzmán y Cárcamo (2014) también aplicaron el
modelo DINESERV en un restaurante en Guanajuato, México, y encontraron que es
adecuado y adaptable, además de relevante, dada la información que aporta a los
gerentes del sector.
El contexto de las
investigaciones mencionadas se centra en el estudio de la percepción de la
calidad en el servicio, abordado desde diversas perspectivas, en restaurantes y
hoteles ubicados en países cuya economía y cultura son distintas; sin embargo,
aún faltan estudios que muestren o confirmen los factores que influyen en la
percepción de calidad del servicio al cliente por medio del instrumento
DINESERV en el contexto mexicano.
Este trabajo tuvo como
objetivo identificar los factores que integran la percepción de la calidad en
el servicio al cliente a través del instrumento DINESERV en un restaurante
establecido en México.
MATERIALES Y MÉTODOS
Se realizó un estudio
cuantitativo de alcance exploratorio en una PyME del
sector restaurantero en Aguascalientes, México. El estado de Aguascalientes
está posicionado en el sexto lugar del Índice de Competitividad Estatal 2021.
Su tasa de informalidad laboral disminuyó del 43 % al 40 % en el periodo
2018-2021 de acuerdo al Instituto Mexicano para la Competitividad (IMCO, 2021).
El restaurante lleva 17
años establecido y busca identificar los factores esenciales que conducen a un
servicio al cliente exitoso. La administración del restaurante desea atraer
nuevos clientes y retener a los actuales, ofreciéndoles un mejor servicio, por
lo que se tuvieron 2 entrevistas con el gerente de servicio para mostrarle el
objetivo del estudio y para que accediera a que se aplicara el instrumento
DINESERV a los comensales, el cual tiene una alta validez y efectividad para
cuantificar la calidad en el servicio para el sector restaurantero (Duque-Oliva
y Parra-Diaz, 2015).
Para la aplicación del
cuestionario, se usaron varias tabletas electrónicas, toda vez que los meseros
mostraban el instrumento a los comensales una vez que éstos habían terminado
sus alimentos. También les hicieron saber el objetivo de la recolección de
datos, tras lo cual accedieron a participar voluntariamente y consintieron que
se usaran sus respuestas para el proyecto.
El instrumento de
recolección de datos fue tomado de la investigación previa de Guzmán y Cárcamo
(2014), usando una escala Likert de siete puntos, donde 1 representa
“totalmente en desacuerdo” y 7 “totalmente de acuerdo” (Tabla2). Se aplicaron
230 cuestionarios de el 20
al 30 de abril de 2019, que era un periodo representativo, de mayor afluencia
en el restaurante, debido a las vacaciones de Semana Santa. Cabe mencionar que
el tamaño de la población fue calculado según los datos proporcionados por la
gerencia con relación al número de visitantes diarios (aproximadamente 480
comensales).
Para la selección de la
muestra se consideró:
Donde n es el tamaño de
la muestra, N el tamaño de la población, Z el valor de las tablas de
distribución normal estándar para una probabilidad central equivalente a 1.96,
ε se considera el error muestral permitido, igual a 8
%, y P representa la variabilidad positiva de 50 %.
Para confirmar la validez
del modelo se realizó un análisis factorial confirmatorio usando el módulo IBM
SPSS Amos (IBM, Corp., 2015), versión 23, que es parte del paquete estadístico
para ciencias sociales (SPSS, por sus siglas en inglés: Statistical
Package for the Social Sciences), versión 25.
Se empleó la estimación de máxima probabilidad y los indicadores que verifican
si el ajuste del modelo es adecuado. Para validar un modelo a través de un análisis
confirmatorio se analizaron el de medida y el estructural, por lo que el modelo
de medida se evaluó a través de la validez de constructo, mediante la validez
convergente y discriminante. La validez convergente se obtuvo cuando las cargas
factoriales presentaron valores de al menos 0.5, es decir, que convergían en un
punto; si una carga tenía valores menores a 0.50 fue un ítem candidato a ser
eliminado (Hair y col., 2006; Souza y col., 2017).
Asimismo, se obtuvo mediante los valores de la varianza promedio extraída (AVE,
por sus siglas en inglés: Average Variance
Extracted) y fiabilidad compuesta (CR, por sus siglas
en inglés: Composite Reliability).
Valores de la CR y de AVE mayores de 0.70 y 0.50, respectivamente, se
consideraron aceptables (Fornell y Larcker, 1981; Cheng y col.,
2019; Kukanja y Planinc,
2019; Kim y Han, 2020; Tuncer y col., 2020).
La validez discriminante
se midió a través del criterio Fornell y Larcker (1981), que encuentra que los constructos son
únicos y distintos entre ellos, es decir, que un constructo captura un fenómeno
que otro constructo no captura. La Tabla 3 muestra los valores de la validez
discriminante del modelo inicial de la Figura 1.
La validez discriminante
se obtiene cuando el valor de la correlación entre constructos es menor al valor
de la raíz cuadrada de AVE.
Del mismo modo, y para
cumplir con la validez del modelo estructural o teórico, se siguieron los
parámetros de referencia para ajuste del modelo: el valor de X2/gl es aceptable cuando está por debajo de 5 (Maccallum y col., 1996), mientras que el índice de
Tucker-Lewis (TLI, por sus siglas en inglés: Tucker–Lewis Index),
índice de ajuste comparativo (CFI, Comparative Fit Index), índice de bondad de
ajuste (GFI, por sus siglas en inglés: Goodness of Fix Index) y el índice de ajuste
normado (NFI, por sus siglas en inglés: Normed Fit Index) son aceptables cuando
están por encima de los valores de 0.90 (Ruiz y col., 2010; Arisandi
y Sukri, 2017), y error de aproximación cuadrático
medio (RMSEA, Root MeanSquare
Error of Approximation) cuando sus valores son
inferiores a 0.80 (Cupani, 2012).
El análisis de
confiabilidad para la validez convergente, se midió con los valores del alfa de
Cronbach (Tabla 4), que, a pesar de que no existe un
valor mínimo universalmente aceptado, muchos autores estiman que debe ser
superior a 0.70 (Hair y col., 2006; Tavakol y Dennick, 2011; Bonett y Wright, 2015; Bujisic y
col., 2018; Mohamed y col., 2018).
RESULTADOS
Las edades de los
clientes del restaurante analizado fueron: de 16 a 24 años (8.70 %), de 25 a 34
años (34.84 %), de 35 a 44 años (27.48 %), de 45 a 54 años (15.93 %), más de 55
años (13.05 %). La muestra la conformaron 47.75 % mujeres, 48.51 % hombres y
3.74 % no respondió. Los clientes son residentes principalmente del estado de
Aguascalientes (75.22 %), seguido de Ciudad de México, Zacatecas, Michoacán,
Nayarit, Jalisco y San Luis Potosí (24.78 %).
El modelo inicial que se
usó para confirmar el instrumento DINESERV se presenta en la Figura 1, la cual
muestra todos los ítems que componen el modelo DINESERV, así como el valor de
las cargas factoriales y su significancia, además del valor de su error
asociado. Cabe aclarar que no se realizó un análisis factorial exploratorio, ya
que previos estudios han comprobado el instrumento en el contexto
latinoamericano (Guzmán y Cárcamo, 2014).
La validez discriminante
no se alcanzó en el modelo propuesto (Figura 1) debido a que las correlaciones
entre constructos fueron superiores a la raíz cuadrada del valor de AVE, por lo
que se decidió iniciar con la re-especificación del modelo, el cual se ajustó
mediante iteraciones sucesivas. En cada iteración se verificó la calidad del
modelo de medida (validez convergente y discriminante) y del estructural, hasta
obtener el ajuste adecuado (Figura 2), para ello se eliminaron los ítems con
cargas menores de 0.70 de las dimensiones tangibles (Tan1, Tan2, Tan5, Tan6,
Tan7, Tan8, Tan10) y confiabilidad (Con1, Con2). De la dimensión respuesta no
fue eliminado ningún ítem, aunque Res2 presentaba una carga menor a 0.70,
debido a que en la re-especificación del modelo la carga factorial aumentó. Y
de la dimensión empatía fueron eliminados Emp1, Emp3 y Emp4, aunque tenían
cargas mayores a 0.70. La dimensión garantías fue eliminada con el objetivo de
ajustar el modelo estructural, para obtener criterios de calidad del modelo
resultante.
Por lo tanto, el análisis
factorial confirmatorio validó cuatro dimensiones que componen el modelo DINESERV.
La Tabla 4 muestra que los valores de alfa de Cronbach
variaron entre 0.757 y 0.922, por lo que son aceptables. Los valores de la CR
oscilaron entre 0.765 y 0.922, mientras que los valores de la AVE fluctuaron
entre 0.622 y 0.856, confirmando de esta manera la validez convergente.
Los resultados de la
validez discriminante se observan en la Tabla 5. Los valores de la correlación
entre constructos (por ejemplo, para la dimensión confiabilidad, valores entre
0.760 y 0.8-00) fueron menores a la raíz cuadrada de los valores de AVE
(0.830), lo que indica que se obtuvo la validez discriminante del modelo final.
El análisis factorial
confirmatorio se muestra en la Figura 2 y presenta los resultados del a ajuste
del modelo con los criterios aceptables de X2/gl =
2.101, TLI = 0.943, CFI = 0.964, NFI = 0.934, GFI = 0.921 y RMSEA = 0.083.
La Figura 2 ilustra que
cada dimensión está agrupada por al menos 2 elementos que contribuyen a
cuantificarla. Se determinó que 11 ítems y 4 dimensiones son los que
cuantifican la percepción de calidad en el servicio para el restaurante estudiado
en Aguascalientes, México.
Los factores que integran
la calidad en el servicio del restaurante estudiado se incluyeron en las
dimensiones de: a) empatía, que se muestra al brindar un servicio personalizado
al cliente, es decir, considerar en todo momento los intereses del cliente; b)
confiabilidad, se refiere a la capacidad de cumplir con las promesas de
servicio, esto implica que el personal sea competente y con experiencia en la
atención al cliente; c) aspectos tangibles, relacionados con los aspectos físicos
de la infraestructura, personal y limpieza del restaurante; y d) empatía,
relacionada con la capacidad de respuesta del servicio y manejo de peticiones
especiales de los clientes.
DISCUSIÓN
Los resultados de este
estudio concuerdan con los de Coromoto y Landaeta (2015), quienes analizaron el
comportamiento de los niveles de calidad del servicio según las características
de los clientes en Venezuela, identificando que la confiabilidad, seguida de la
empatía y la respuesta fueron los aspectos más importantes para el cliente,
mismos que concuerdan con el presente trabajo. También la investigación de
Ibarra y col. (2020) evaluó la calidad percibida en el servicio en un
restaurante en Sonora, México, encontrando que los aspectos mejor evaluados
fueron confiabilidad y empatía, lo cual coincide con este estudio.
La investigación de
Aguirre y Rodríguez (2011), reveló que los aspectos tangibles (personal que
luce limpio, bien cuidado y propiamente vestido), de confiabilidad (personal
competente y con experiencia) y empatía (tener siempre presente los intereses
del cliente) son los de mayor relevancia, similar a lo encontrado en este
estudio.
El presente trabajo
indica que el modelo DINESERV puede ser adaptable al contexto mexicano, donde
este giro de empresa podrá implementar estrategias que vayan direccionadas a
generar mayor satisfacción en sus clientes. Sin embargo, los resultados no son
generalizables, ya que depende del área geográfica donde el restaurante se
encuentre ubicado, toda vez que cada uno puede tener requisitos específicos
(Ibarra y col., 2020).
Aunque la satisfacción y
la lealtad del cliente –en el contexto restaurantero– son temas de
investigación que acaparan el interés de la comunidad académica, es importante
poner atención en tópicos emergentes como restaurantes que ofrecen platillos
saludables, el valor agregado que da la marca y la innovación en el servicio,
como da cuenta la investigación de Kim y col. (2022).
La presente investigación
presentó algunas limitaciones, como el hecho de que se analizó únicamente un
restaurante y que el número de los encuestados podría aumentarse. Trabajos
futuros que incluyan más restaurantes y una muestra más grande serían benéficos
para la industria restaurantera mexicana. Del mismo modo, se podrían examinar los
efectos de los constructos del modelo DINESERV para el contexto mexicano en
constructos como lealtad del cliente e intención de revisitar el restaurante.
CONCLUSIONES
El instrumento DINESERV
identificó los factores que integran el servicio al cliente en un restaurante
mexicano de Aguascalientes, agrupados en la dimensiones: tangibles,
confiabilidad, empatía y respuesta, de los cuales destacan las características
que generan mayor satisfacción en sus clientes, como personal competente y con
experiencia y tener siempre presentes los intereses del cliente, la apariencia
de la vestimenta y limpieza del personal de servicio. Este estudio contribuye a
identificar los factores esenciales que ofrecen un servicio al cliente exitoso,
por lo que, aunque los hallazgos pertenecen a una PyME,
se sugiere que podría aplicarse a las demás PyMEs
restauranteras mexicanas de Aguascalientes, o también a grandes empresas
restauranteras, ya que ambos tipos de establecimientos son una fuente
importante de ingresos para el estado.
AGRADECIMIENTOS
Al Instituto Politécnico
Nacional a través de los proyectos SIP20210574 y SIP20210539 y a la Maestría en
Ciencias en Estudios Interdisciplinarios para Pequeñas y Medianas Empresas.
REFERENCIAS
Aguirre, J. A. y
Rodríguez, M. E. (2011). Medir la satisfacción de los clientes de restaurantes
con el método DINESERV, en Revista Académica Gaudeamus. [En línea]. Disponible
en: https://docplayer.es/82257917-Hospitalidad-y-sostenibilidad.html. Fecha de
consulta: 17 de enero de 2021.
Alzaydi,
Z. M., Al-Hajla, A., Nguyen,
B., and Jaya-wardhena, C. (2018). A review of service quality and service delivery: Towards a customer co-production and customer-integration approach.
Business Process Management Journal.
24(1): 295-328.
AMR, Asociación Mexicana
de Restaurantes (2019). Datos de la Industria. CDMX, México, en Cifras de la
Industria Restaurantera. [En línea]. Disponibles en: https://www.amr.org.mx/datos-de-la-industriaphtml.
Fecha de consulta: 21 de abril de 2021.
Arellano-Díaz, H. (2017).
La calidad en el servicio como ventaja competitiva. Dominio de las Ciencias.
3(3): 72-833.
Arisandi,
D. and Sukri (2017). An Analysis of the Expediency Social Media for Culinary Products Marketing on Micro and Middle Enterprise in
Pekanbaru City. IOP Conference
Series: Earth and Environmental
Science. 97(1): 012002.
Begazo-Villanueva,
J. D. (2006). ¿Cómo medimos el servicio? Gestión en el Tercer Milenio. 9(18):
73-81.
Bonett,
D. G. and Wright, T. A. (2015). Cronbach’s alpha reliability: Interval estimation, hypothesis testing, and sample size planning.
Journal of Organizational Behavior. 36(1): 3-15.
Botía-Sanabria,
M. y Orozco-Pulido, L. (2012). Competencias en servicio al cliente y
efectividad en solución de problemas. Estudios y Perspectivas en Turismo.
21(3): 646-662.
Brady, M. K. and Cronin, J. J. (2001). Some New Thoughts on Conceptualizing
Perceived Service Quality: A Hierarchical Approach. Journal of Marketing.
65(3): 34-49.
Bujisic,
M., Hutchinson, J., Ahn, J. A., and Jovanovic, V. (2018). BEVQUAL: a tool
for measuring performance quality in beverage operations. Journal of Foodservice Business Research.
21(5): 570-589.
CANIRAC, Cámara Nacional
de la Industria de Restaurantes y Alimentos Condimentados (2012). Discurso de
Manuel Gutiérrez García. México, D.F., en Comunicación y Prensa. [En línea].
Disponible en: https://bit.ly/2QhP6tR. Fecha de
consulta: 21 de abril de 2020.
Cheng,
C. C., Chang, Y. Y., Tsai, M. C., Chen,
C. T., and Tseng, Y. C. (2019). An
evaluation instrument and strategy implications of service attributes in LOHAS
restaurants. International Journal of Contemporary Hospitality
Management. 31(1): 194-216.
Coll-Hurtado,
A. y Córdoba-y-Ordóñez, J. (2006). La globalización y el sector servicios en
México. Investigaciones Geográficas. (61): 114-131.
Coromoto, M. y Landaeta,
N. del V. (2015). Comportamiento de los niveles de calidad del servicio de
comida rápida según las características de los usuarios. Municipio Libertador
del estado Mérida, Venezuela. Universidad & Empresa. 18(31): 59-84.
Cronin,
J. and Taylor, S. (1992). Measuring Service Quality: A Reexamination and Extension. Journal of Marketing. 56(3): 55-68.
Crosby, P. (1980). Quality is free. The art of making quality certain (First edition). New York: Mentor.
270 Pp.
Cupani,
M. (2012). Análisis de Ecuaciones Estructurales: conceptos, etapas de
desarrollo y un ejemplo de aplicación. Revista Tesis. 1(1): 186-199.
Dhisasmito,
P. P. and Kumar, S. (2020). Understanding
customer loyalty in the coffee shop industry (A survey in Jakarta, Indonesia). British Food
Journal. 122(7): 2253-2271.
Duque, E. (2005).
Revisión del concepto de calidad del servicio y sus modelos de medición.
INNOVAR. Revista de Ciencias. 15(25): 64-80.
Duque-Oliva, E. y Parra-Diaz, M. (2015). Análisis de los modelos de medición de
calidad percibida del servicio aplicados en la industria de hospitalidad.
Perspectiva Empresarial. 2(2): 35-54.
Følstad,
A., Nordheim, C. B., and Bjørkli,
C. A. (2018). What Makes Users Trust a Chatbot for Customer Service?
An Exploratory Interview Study. In S. S. Bodrunova (Ed.),
International Conference on
Internet Science (pp. 194-208). Switzerland:
Springer International Publishing.
Fornell,
C. and F. Larcker, D. (1981). Evaluating
Structural Equation Models with Unobservable
Variables and Measurement Error. Journal
of Marketing Research. 18(1): 39-50.
Godoy, N. (2011). El
capital humano en la atención al cliente y la calidad de servicio. Observatorio
Laboral Revisata Venezolana. 4(8): 23-35.
González-Uribe, E.,
Quiroz-Rodríguez, J. y Espinoza-Mercado, Ó. (2010).
Satisfacción del usuario en la industria hotelera como factor de
competitividad. Mercados y Negocios. 11(2): 23-41.
Guzmán, A. y Cárcamo, M.
de L. (2014). La evaluación de la calidad en el servicio: caso de estudio Restaurant
Familiar Los Fresnos. Acta Universitaria. 24(3): 35-49.
Hair,
J., Black, W., Babin, B., and Anderson, R. (2006). Multivariate Data Analysis (Seventh edition). New Jersey: Pretice Hall. 734 Pp.
Ibarra, L. E., Meza, B
.I. y Sandoval, A. (2020). Evaluación de la calidad percibida en el servicio al
cliente. Aplicación del modelo Dineserv. Transitare.
6(1) 71-96.
IMCO, Instituto Mexicano
para la Competitividad (2021). Índice de Competitividad Estatal 2021, en
Instituto Mexicano para la Competitividad A.C. [En línea]. Disponible en:
https://imco.org.mx/indices/indice-de-competitividad-estatal-2021/resultados/entidad/01-aguascalientes.
Fecha de consulta: 28 dejulio de 2021.
IME, Instituto de los
Mexicanos en el Exterior (2018). ¡Viva la cocina mexicana en Norteamérica!
VIFMGM. CDMX, México, en Foro Mundial de Gastronomía Mexicana (FMGM). [En
línea]. Disponible en:
https://www.gob.mx/ime/articulos/viva-la-cocinamexicana-en-norteamerica-vifmgm?idiom=es.
Fecha de consulta: 21 de abril de 2021.
IBM Corp. (2015). IBM
SPSS Statistics for
Windows, Version 23.0. [Software de cómputo]. Armonk, NY: IBM Corp.INEGI,
Instituto Nacional de Estadística y Geografía (2019). Censos Económicos 2019.
La industria restaurantera en México. CDMX, México, en Contenidos. [En línea].
Disponible en:
https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/702825199357.pdf.
Fecha de consulta: 21 de abril de 2021
INEGI, Instituto Nacional
de Estadística y Geografía (2019). Censos Económicos 2019. La industria
restaurantera en México. CDMX, México, en Contenidos. [En línea]. Disponible
en:
https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/702825199357.pdf.
Fecha de consulta: 21 de abril de 2021.
Kim, J. and Han, H.
(2020). Hotel of the future:
exploring the attributes of a smart hotel adopting a mixed-methods approach. Journal of Travel and Tourism Marketing.
37(7): 804-822.
Kim, J., Lee, M., Kwon,
W., Park, H., and Back, K. J. (2022). Why am I satisfied? See my reviews – Price and location matter in the restaurant industry.
International Journal of Hospitality
Management. 101: 103111.
Kim, W. G., Ng, C. Y. N., and Kim, Y. (2009). Influence
of institutional DINESERV on
customer satisfaction, return intention, and word-of-mouth. International Journal of Hospitality
Management. 28(1): 10-17.
Knutson,
B. J., Stevens, P., and Patton, M. (1996). DINESERV: Measuring service quality in quick service, casual/theme, and fine dining restaurants. Journal of Hospitality & Leisure
Marketing. 3(2): 35-44.
Knutson,
B., Stevens, P., Wullaert, C., Patton,
M., and Yokoyama, F. (1990). Lodgserv:
A service Quality Index for the
Lodging Industry. Journal of Hospitality & Tourism Research. 14(2): 277-284.
Kotler,
P., Armstrong, G., and Opresnik, M. O. (2018). Principles of Marketing (Seventh edition). South Asia Pte Limited: Pearson Education. 737
Pp.
Kukanja,
M. and Planinc, T. (2019). Cost-effective
service excellence: Exploring the relationships
among restaurants’ operational
efficiency, size and service quality. South East European Journal of Economics and Business. 14(2): 67-81.
Lara, J. R. (2002). La
gestión de la calidad de los servicios. Conciencia Tecnolófica.
(19).
Maccallum,
R. C., Browne, M. W., and Sugawara,
H. M. (1996). Power Analysis
and Determination of Sample
Size for Covariance Structure Modeling of fit involving a particular measure of
model. Physical Methods. 13(2): 130-149.
Matta,
R. (2019). Mexico’s ethnic culinary heritage and cocineras
tradicionales (traditional female
cooks). Food and Foodways. 27(3): 211-231.
Meirelles,
C. L., de-Terra-Silva, M., and Sacomano, J. B. (2015). Quality
of Service in Small and Medium Enterprises
BT. In S. Umeda, M. Nakano,
H. Mizuyama, H. Hibino, D. Kiritsis, and G. von-Cieminski
(Eds.), Advances in Production
Management Systems: Innovative
Production Management Towards
Sustainable Growth (pp.
628-636). Switzerland: Springer
International Publishing.
Mohamed, R., Mohd, T., Abdul, D., and Noor, A.
(2018). Antecedents of knowledge
management practices: Case
of malaysian practitioners.
Bulletin of Electrical Engineering and Informatics.
7(1): 125-133.
Monroy-Ceseña, M. y Urcádiz-Cázares, F.
(2019). Calidad en el servicio y su incidencia en la satisfacción del comensal
en restaurantes de La Paz, México. Investigación Administrativa. 48(123).
Parasuraman,
A., Zeithaml, V., and Berry, L. (1988). SERVQUAL: a multiple-item scale for measuring consumer
perceptions of service quality. Journal of Retailing. 64(1): 12-40.
Park, S. J., Yi, Y., and Lee, Y. R. (2018). Heterogeneous
dimensions of SERVQUAL. Total Quality
Management and Business Excellence. 32(1-2): 92-118.
RAE, Real Academia
Española (2019a). Calidad, en Diccionario de la Lengua Española. [En línea].
Disponible en: https://dle.rae.es/?w=calidad. Fecha de consulta: 16 de febrero
de 2020.
RAE, Real Academia
Española (2019b). Servicio, en Diccionario de la Lengua Española. [En línea].
Disponible en: https://dle.rae.es/?w=servicio. Fecha de consulta: 17 de febrero
de 2020.
Ruiz, M., Pardo, A. y
San-Martín, R. (2010). Modelos de ecuaciones estructurales. Papeles del
Psicólogo. 31(1): 34-45.
Rust,
R. and Oliver, R. (1994). Service quality:
New directions in theory
and practice. United States of America: SAGE Publications, Inc. 294 Pp.
Stefano, N., Zattar, I., and Casarotto-Filho,
N. (2020). Assessment of service
quality in the hotel industry: use of fuzzy hybrid methodologies. Revista de Administração da UFSM. 13(1): 40-57.
Stevens, P., Knutson, B., and Patton, M.
(1995). Dineserv: A Tool for Measuring Service
Quality in Restaurants”. Cornell
Hotel and Restaurant Administration Quarterly. 36(2): 56-60.
Souza, A. C. D.,
Alexandre, N. M. C., and Guirardello, E. D. B.
(2017). Propriedades psicométricas na avaliação de instrumentos: Avaliação
da confiabilidade e da validade.
Epidemiologia e Serviços de Saúde.
26(3): 649-659.
Tavakol,
M. and Dennick, R. (2011). Making
sense of Cronbach’s alpha. International Journal of
Medical Education. 2: 53-55.
Tuncer,
I., Unusan, C., and Cobanoglu,
C. (2020). Service Quality,
Perceived Value and Customer Satisfaction on Behavioral Intention
in Restaurants: An Integrated
Structural Model.
International Letters of Social and Humanistic Sciences. 20(1):
66-80.