当前位置:首页 > 企业顾客满意度 > 正文
阅读量: 1,641

新型顾客满意度指数测评模型的构建

2017年05月18日 | 作者: adminlin | 分类: 企业顾客满意度 | 

       20世纪90年代以来,全国性的顾客满意度指数测评工作引起了广泛的关注。本文在已有研究的基础上,结合我国消费者行为的特点,构建了一种新型顾客满意度指数测评模型。

  一、模型描述
  

  “期望不一致”是目前应用最广的顾客满意测量模式,当今主流的测评模型SCSB、ACSI、ECSI等几乎无一例外都以其为基础来量度顾客满意。满意测量的期望不一致模式源于美国营销学者Oliver于1980年提出的期望不一致模型。该模型认为顾客满意度取决于顾客购前期望与购后感知之间不一致性的大小与方向:当购后感知符合顾客期望,顾客既不会满意也不会不满意;而当购后感知超过顾客的期望,顾客就会满意;当购后感知低于顾客的期望,顾客就会不满意。之后许多学者在此基础上又进行了大量的研究,逐步形成了期望主导型、感知质量主导型、不一致性主导型及感知质量与不一致性共同主导型等不同的模式(严浩仁、等,2004),但总的来说仍然属于期望不一致理论的范畴。因此,作者对顾客满意进行测度时也主要考虑期望不一致模式。


  另外,顾客满意度形成过程中的其他比较标准还包括感知绩效模式、需要不一致模式、公平模式、个人差异模式等(董大海、等,2004)。一些学者的实证结果表明对于很多产品,需要不一致较期望不一致更能预测整体满意(swan,1980;Tse
and
Wilton,1988;Myers,1991;汪纯孝、等,1999)。公平感和满意之间的积极关系也被很多研究所支持。在Fisk等人(1985)的实验研究中发现不公平的等待时间和价格都导致了不满意。Oliver和Swan(1989)比较了顾客满意测量中感知公平和期望不一致,发现公平收益和期望不一致两者均与顾客对售货员和供货商的满意有关,他们推测除期望不一致以外公平交易也影响顾客满意。Szymanski等(2001)指出在测量满意时公平感应该得到更大的重视。亦有研究认为顾客满意形成过程应该包括多个比较标准,如在瑞士顾客满意度指数SWICS(Swiss
Index of Customer
Satisfaction)的评价模型中,就同时采用了顾客期望和顾客需要作为比较标准,并考虑了需要的满足程度对满意度的影响。因此,作者在构建新的测评模型过程中,也将吸收近年来顾客满意研究的最新成果,在期望不一致模式的基础上,同时考虑公平模式和需要不一致模式,引入感知公平变量,同时将需要与符合需要的内容集成到各个相关的结构变量中,通过建立更为复杂科学的测评体系来度量顾客满意。大量的理论与实证研究表明,顾客期望、感知质量对顾客满意存在直接影响(Oliver,1980,1997;Chutchill
& Surprenant.1982:Tse and Wilton
1988;王卫东、汪纯孝、等,1999),本模型仍将沿用这些研究成果,并假设感知公平对顾客满意有直接影响。对于顾客满意的效果,目前比较一致的观点是,顾客满意意味着顾客忠诚度的提高(Labar-bera
& Mazurski,1983;Bohon & Drew,1991;Anderson &
Sulli-van,t993;Anderson,1994;Fornell&Johnson,1996)。但对顾客不满意所导致的顾客抱怨问题上则有两种截然不同的看法。以ACSI为代表的一种观点认为,顾客的不满将会通过抱怨或投诉的形式表达出来,企业通过积极处理顾客抱怨可以把抱怨的顾客转化为忠诚的顾客(Hirschman,1970;Fomell,1992),基于这一理论所建立的SCSB、ACSI等测评模型均引入顾客抱怨变量。国内亦有学者认为对于我们这样一个顾客服务还很不完善的国家来说,有必要引入顾客抱怨这一变量(梁燕,2003)。以ECSI为代表的另一种观点则认为,随着人们对顾客抱怨处理的越来越重视,这时仍将顾客抱怨作为顾客满意的结果欠妥。有关的实证研究也似乎更支持这一观点。Johnson等(2001)在对挪威境内5个行业的6900名顾客所作的实证研究显示:抱怨处理对顾客满意或者顾客忠诚均没有显著的影响。中国标准化研究院顾客满意度测评中心的实证研究结果亦表明顾客抱怨同顾客满意、顾客忠诚回归关系均不显著,在模型中保留或舍弃顾客抱怨对测量结果几乎没有影响。因此,本模型将不引入顾客抱怨这个变量,但假设顾客满意对顾客忠诚存在直接影响。根据市场营销理论,顾客的购买决策过程一般可概括为5个阶段:认识需求、信息收集、信息评估、购买决策与购后行为,可见信息对于顾客购买决策具有重要意义。面对市场上种类繁多、纷繁复杂的商品,消费者总是尽最大可能去寻求相关的信息来帮助其做出决策。然而由于信息的不对称性及大量虚假信息的存在,消费者所能获取的信息往往是不充分的甚至是虚假的,这将在很大程度上影响到消费者做出止确的购买决策。消费者根据所掌握的信息,建立起对企业/品牌的印象,并对不同品牌的产品产生不同的预期。针对某个品牌,如果消费者掌握的正面信息越多,无疑对它的预期也会越高,选择该品牌的机会也就越大。国内的一些满意度指数测评模型中也引入了这一结构变量(张新安、等,2002)。因此,本模型引入信息变量,并假设信息对品牌形象和顾客期望存在直接影响。


  ECSI与ACSI、SCSB不同的一点就是在模型中增加了一个隐变量――企业形象,认为企业形象会影响人们的期望值以及对满意度的判别,同时作为一种态度也对属于行为意图的顾客忠诚有影响。并通过实证研究指出,在固定电话、移动电话、银行、超市等行业中企业形象是影响总体满意水平的第一要素(Martensen,2000)。国内学者刘新燕(2003)、梁燕(2003)等也认为,企业形象应作为一种形象因素被加入到了整个满意体系当中,尤其是对于一些有品牌效应的产品,企业的形象对于顾客满意有很大程度的影响。中国标准化研究院顾客满意度测评中心的实证研究也表明企业形象是决定顾客满意度的重要因素,而且在很多情况下是最重要的因素。所以,在本模型的研究过程中,我们也决定加入企业形象这个要素,并假设企业形象对顾客期望、顾客满意和顾客忠诚均存在直接影响。
 

  在已有的测评模型中大都引入感知价值这一结构变量,原意是为了判别满意是质量驱动型还是价格驱动型,但价值本身包含了过多的质量方面的因素,或者说质量本身就是价值的一部分,质量与价值在概念上很难做严格的区分(Bell,2002),而人为的定义又会导致概念上的混淆不清,受访者亦很难接受,从而导致模型的混乱。Skaates等人的研究也认为,客户作为一个经济人(理性且追求最大化效用),他在做决策时,会受到一些经济变量如价格等的影响(Athanassopou-los,2000;Skaates,2002)。又有研究认为,仅将顾客满意度作为客户忠诚度的前导变量而忽略如价格等对客户来说十分敏感的变量是不确切的(Kalafatis,2000;Nilsson,2001)。因此,有必要将价格变量从价值中分离出来单独研究其影响。一些学者在其提出的满意度测评模型中也设置了感知价格变量,并作了相关的实证研究(Johnson、等,2001;刘新燕、等,2003)。因此,本模型设置了一个独立的感知价格,取代原来的感知价值来分析顾客满意中由价格驱动的部分,而传统模型中由顾客价值测量的性价比部分则改由感知公平变量来衡量。假设感知价格变量外生,并对顾客满意、感知公平和顾客忠诚有直接影响。这样不仅解决了传统模型中从感知质量到感知价值的路径不能很好解释的问题,亦为更好地预测顾客忠诚提供了标准。

  
  二、模型构建
  
  (一)模型的测评方法与测评指标


  依据以上所描述的顾客满意过程,作者建立了新的顾客满意度指数的测评模型(见图1)。模型主要由8个结构变量组成:信息、顾客期望、感知质量、企业/品牌形象、感知公平、感知价格、顾客满意和顾客忠诚,其中信息与感知价格两个变量外生,其余变量内生。所有这些结构变量都难以直接进行测量,我们将其视作隐变量,每个隐变量对应若干可以直接测量的显变量,如表1所示。测评体系由四级指标组成,上述8个结构变量将作为顾客满意度测评体系的二级指标,三级指标即为相应的观测变量(显变量),第四级指标对应为问卷上的问题,在测评系统中指可以量化的多变量刻度题目,其他一、二、三级指标值由递归方法计算得到。由于在竞争性市场环境下,满意度和质量评估的频率分布通常是有偏的。为减少极度偏态而产生的统计误差,本模型采用10分制(相对于5分制或7分制),使消费者能够更好地进行区分,以尽量减少偏态分布带来的负面效应。为了增加调研问卷的信度和效度,有关量表设计尽量采用ACSI、ECSI模型及国内清华、上海等模型中一些成熟的量表,如根据清华模型的研究成果在顾客满意度这个结构变量上增加了观测变量“同其他品牌比较”,但也作了一些大胆创新。作者认为,价格对于顾客而言具有与质量同等重要有时甚至比质量更重要的意义,而且顾客在购物前也带有明显的价格期望,传统模型中“顾客期望”仅仅通过对顾客进行质量预期的观测是不妥当的,因此本模型在顾客期望隐变量中首次加入了观测变量“价格预期”,以增加顾客期望的完整性与合理性。

  
  (二)模型的数学表达


  根据图1所示的顾客满意测评概念模型建立起相应的结构方程模型。模型包括两个部分,即结构模型和测量模型。结构模型描述了隐变量之间的关系,测量模型描述了隐变量和观测变量之间的关系。


  1.结构模型


  用∈表示外生隐变量的向量(2×1),η表示内生隐变量的向量(6×1),结构模型可表示为η=Bη+Tζ+ζ

  
  (三)模型的估计与应用软件的选择


  顾客满意度模型的估计主要采用PLS(Partial
Least Square)方法和HSREL(Linear Structural
Relationships)方法。PLS是一种将主成分分析与多元回归结合起来进行迭代估计的因果建模的方法。LISREL则是通过构造估计协方差∑(0)与样本协方差(S)的拟合模型,然后通过迭代方法来估计模型参数,因此也称为协方差建模方法。两种方法各有长短,分别适用于不同的情况。PLS的理论知识相对缺乏,强调预测的准确性时较适用,而HSREL则更适合理论知识充足,注重参数估计准确性的情况。两者应该说是相辅相成而不是彼此矛盾的。用于PLS分析的软件,目前主要有LVPLS-PC

1.8、PLS-Graph等,也可以采用S-PLUS、MATLAB等编程实现。而用于HSREL分析的软件包,则主要有LISREL、EQS、AMOS、MPLUS、CALIS等。

  
  三、结论
  
  本模型作为一种新的顾客满意度指数测评模型,其大胆创新表现在:(1)在期望不一致模式的基础上,同时考虑公平模式和需要不一致模式,引入感知公平变量,同时将需要与符合需要的内容集成到各相关的结构变量中,并为这些结构变量设计了相应的路径关系和观测变量,有利于更为准确地量度顾客满意;(2)改变了传统模型中从顾客满意到顾客忠诚路径过于单一的情况,引入了感知价格变量,建立了由顾客满意、企业形象、感知价格到顾客忠诚三条路径关系,有利于更为合理地解释顾客忠诚的来源;(3)在顾客期望这一结构变量的观测变量中首次加入了“价格预期”,有利于增加顾客期望的完整性与合理性。



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


微信平台二维码-50.jpg

好文章就要一起分享!

更多