反转质量要素（reversequalityelement）：具备了此类质量要素会引起顾客的不满意，而未具备反而会使顾客满意。

Matzler和Hinterhuber（1998）认为要提高顾客满意度，保持长期可持续竞争优势，首先必须实现必要质量要素，其次要保持线性质量要素有竞争力，最后要突出愉悦质量要素。他们对该模型存在的优点以及使用方法做了比较详细的阐述。Lee和Chen（2006）按照他们提出的方法采用二维模型对台湾温泉酒店的服务质量进行了评价，将温泉酒店的服务质量要素按照前述的分类方法分为5类。

Erto和Vanacore（2002）也以Kano二维模型为基础提出了酒店服务质量评价与控制的概率方法（probabilisticapproach）。他们认为现有的以顾客评价为基础的服务质量测量方法是对服务质量的一种“事后”测量（aposteriorimeasure），这对于需要不断监测和并改善的服务质量来说没有多少价值。同时，期望和感知未必可预测未必稳定，它们都是基于感觉的复杂结构，并非像以前假设的那样具有“理性”的结构。据此，他们提出了一种更有效的测量实际服务质量水平的方法——概率方法。为了降低顾客行为和期望等不可控因素造成的影响，仅研究酒店服务过程的内部变动对服务质量的影响作用，他们利用经验丰富的质量专家（qualityexperts）在较短的时间内模拟顾客与酒店的接触，对酒店服务质量进行统计性测量与评价。他们以Kano二维模型为基础将服务质量要素分为三类：愉悦质量、线性质量和必要质量，根据各类要素的特点利用概率理论建立概率模型确定他们对总体服务质量的影响作用。最后，根据三类要素的关系提出了酒店服务质量的测量模型，将最终服务质量分为6个层次：最优质量（excitingquality）、优质量（optimumquality）、普通质量（commonquality）、低质量（lowquality）、最低限度质量（minimalquality）和差质量（noquality）。他们的实证研究结果表明:利用该模型可以对酒店服务质量进行可靠和有效的评价，并且仅需要较少的数据。

酒店服务质量测量研究的发展方向

属性研究方法中问卷设计是一个关键的环节，而属性或问项的确定是问卷设计的第一步。从前面的分析可以看出：以前研究者使用的量表属性缺乏统一性，往往令人无所适从。因此，使用属性研究方法,首先需要确立一个简单易用并被普遍接受的量表或属性集合，这是未来属性研究方法的研究方向之一。

其次，在数据分析过程中，除了因子分析、方差分析、回归分析、聚类以及判别分析等传统统计分析工具外，一些新的分析工具——结构方程建模技术和模糊数学等方法在酒店研究领域应用越来越广泛。结构方程建模技术为分析潜在变量、显在变量及其相互关系提供了令人满意的研究手段。很多学者在酒店服务质量或满意度研究中都采用了结构方程建模技术。模糊数学评价方法为克服语言信息的主观性与不精确性，解决与主观判断相关的概念的测量问题提供了新途径。邢文刚（2005）、Benítez和Martín（2007）等人在对酒店服务质量的研究过程中都采用了模糊评价方法。

另外，Lewis（1984）和Schall（2003）等人对酒店服务质量研究中的样本规模问题进行了研究。根据他们提出的样本规模公式并对比酒店服务质量研究者们使用的样本数量，当前酒店服务质量研究存在样本规模较小的问题，可能影响了其研究结果的信度。因此，今后对酒店服务质量的研究应该加大样本规模，以提高分析结果的普适性。

最后，虽然很多学者在酒店服务质量研究中使用了定量研究方法，但有些学者认为测量酒店服务质量需要定量和定性方法相结合，以弥补定量研究方法的不足。