客户满意度回归分析之误区
2016年10月27日 | 作者: adminlin | 分类: 企业顾客满意度 |
客户满意度调查近年来在国内外得到了普遍重视，特别是服务性行业的客户满意度调查已经成为企业发现问题、改进服务的重要手段之一。
国内的满意度调查是在最近几年才迅速发展起来的，但已经引起越来越多企业的重视。尤其是电信业，由于客户群庞大，实现一对一的服务几乎不可能，所以通过满意度调查了解客户的需求、企业存在的问题以及与竞争对手之间的差异，从而有针对性地改进服务工作，显得尤为重要。
客户需求与服务改进的分析方法
企业为用户提供的服务多种多样，那么在这些服务中哪些因素更重要，各因素之间的重要性差异到底有多大，这些都是满意度研究需要首先解决的问题。
国际上比较流行并被实践所验证，比较科学的方法就是利用回归分析确定客户对不同服务因素的需求程度，具体方法如下：
假设某电信运营商的服务界面包括了A1……Am共M个界面，那么各界面对总体服务满意度A的影响可以通过以A为因变量，以A1……Am为自变量的回归分析，得出不同界面服务对总体A的影响系数，从而确定各服务界面对A的影响大小。
同样，A1服务界面可能会有A11……A1n共N个因素的影响，那么利用上述方法也可以计算出A11……A1n对A1的不同影响系数，由此确定A1界面中的重要因素。
通过两个层次的分析，我们不仅可以得出各大服务界面对客户总体满意度影响的大小以及不同服务界面上各因素的影响程度，同时也可综合得出某一界面、某一因素对总体满意度的影响大小，由此再结合用户满意度评价、与竞争对手的比较等因素，来确定每个界面细分因素在以后改进工作中的轻重缓急、重要性差异等（这是我们明镜市场研究咨询有限公司独有的客户服务改进COR指数模型），从而起到事半功倍的作用。
满意度分析的误区
虽然，利用回归分析来研究客户满意度不同影响因素重要性的强弱，这在诸多市场研究咨询公司已经得到了普遍应用，但由于不同公司在具体操作细节上的差异，导致了分析结果的不同。如果不负责任地随意使用不合理的分析数据，分析结果上的偏差往往有可能导致咨询公司给企业提供错误的咨询建议。下面我们通过实例分析来加以说明。
■线性回归使用方法不当带来的误导
线性回归中有多种回归方法，有直接进入法（Enter）、逐步(Stepwise)、强制删除(Remove)、向前(Forward)、向后(Backward)回归五种方法。不负责任的咨询公司随意选取一种方法而不顾分析结果，就会把客户引入误区。
[案例一]对某地移动通信公司的服务满意度研究中，利用回归方法分析各服务界面对总体满意度的影响。
A.直接进入法
显然，在这种方法计算的结果中，C界面不能通过显著性检验，直接利用分析结果是错误的。(见表1）
B.逐步回归法
这种方法剔除了一个不能通过统计检验的大的服务界面（C界面），虽然通过了显著性检验，但却遗漏了C界面的信息。（见表2）
同样，使用强制删除法，C服务界面不能通过显著性检验，向前法和向后法亦剔除了C界面进入分析。
可以看出，通过以上回归分析我们得到了不同的分析结果，显然这种分析方法存在着较大的偏差，随意选取一种是不负责任的，必须深入研究。
■缺损值处理不当带来的误差
在客户满意度研究中，调查数据或多或少都有一定量的缺失值。这主要来自两个方面，一是客户拒绝回答或者是对某问题不清楚造成的某项数据缺损，另一方面是由于某些服务使用的客户较少而带来的部分数据缺损。
处理缺损数据的方法有三种，一是不分析任何有缺损值的记录（Exculde cases listwise），二是不分析具体进入某变量时有缺损值的记录（Exclude cases pairwise），三是以平均值代替所有缺损值进行分析(Replace with mean)。
这三种有关缺损值的处理方法以第一种最为合理，但在调查中如果遇到某项服务使用用户较少或拒答/不清楚较多情况时，则会导致大量数据不能进行分析。因此当出现上述情况时，一般是退而求其次，即不分析具体进入某变量时有缺损值的记录，取得的结果可信度也是比较高的。而第三种方法以平均值代替缺损值最容易导致统计分析的偏差，尤其在缺损值较多的情况下，这种误差的后果可能是非常严重的。
[案例二]上例中A界面包含a、b、c、d四个因素，对缺损值的三种处理方法计算的结果详见表3。
显然，三种方法的处理结果存在明显差异，导致差异的原因是由于缺损值的存在。通过对原始数据的分析发现，由于c因素存在大量的缺损值，因而方法1遗漏了大量信息，方法3则把大量的缺损值以平均值来代替，人为的大量平均。因此这两种方法都存在一定的缺陷，方法2的计算比较合理。
■走出满意度分析的误区
为什么在上面的案例中，直接进入法、逐步、强制删除、向前、向后这五种回归方法会得出不同的结果呢？原因是C界面不能通过显著性检验所致。如果在分析时直接剔除C界面，显然会遗漏很多信息。而不考虑显著性检验就用直接进入法的分析结果，虽然保证了各服务界面都进入分析，但这种分析结果在统计意义上是解释不通的。除了缺损值处理不当，这是数据分析最大的一个误区。
一般来说，满意度分析中涉及许多因素，而诸多因素间存在着一定的关联，因而在进行回归分析时，各自变量之间的共线性问题导致了直接使用线性回归分析模型时一些因子不能参与分析的现象。一些市场研究咨询公司常采用舍弃一些变量、遗漏部分信息来求得统计检验通过的方法；有的不顾显著性检验结果而强行使用不合理的分析结果，来保证变量不被舍弃，从而虚假地保障了信息不被遗漏。我们认为这是满意度分析错误的两个极端。
正确的处理方法是，利用SPSS软件中的岭回归分析来解决，既保障信息不被遗漏，同时保障分析具有统计意义。SPSS软件界面没有直接进行岭回归的命令，我们可以通过SPSS提供的程序编辑命令，自行编辑程序加以实现。
[案例三]对案例一进行岭回归，分析结果和表1的结果对比参见表4。可见两者之间有较大差异（表4数据将已将回归系数之和标准化为100%），F界面对总体满意度的作用被缩小了5%左右，而B界面、D界面的作用各被夸大近5%。(见表4）
以上分析表明，客户满意度回归分析只有通过正确的方法，才能得出有实际指导意义的正确结果，否则只能是误导客户。市场研究咨询公司不仅需要正确利用合理的统计分析方法，更要树立良好的职业道德观念，而不是不负责任地随意使用分析数据。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
