当前位置:首页 > 企业顾客满意度 > 正文
阅读量: 604

浅议满意度研究的指标重要性测量方法

2009年08月06日 | 作者: adminlin | 分类: 企业顾客满意度 | 

    顾客的满意度体现着企业的价值,无论是在战略层面还是在战术层面对企业的市场营销都有非常重要的指导意义,对顾客满意程度的调查并将调查结果与产品/服务属性相联系,已成为市场驱动质量方法的一种工具。


 

   
对满意度的诊断,一般通过象限分析法综合考虑各项因素的重要性及其目前企业表现,对企业的满意度影响因素进行归类
——

     
优势区:这些因素决定整体顾客满意度非常重要,企业在这些方面的表现良好,应继续保持并发展的因素。


    
修补区:这些因素决定整体顾客满意度非常重要,但企业在这些方面的表现比较差,需要重点修补、改进。


     
机会区:这些因素决定整体顾客满意度重要程度低,企业在这些方面的表现也比较差,消费者和企业都忽略,可以挖掘出提升满意度的机会点。


    
维持区:这些因素决定整体顾客满意度重要程度低,企业在这些方面的表现也比较好,对企业的实际意义不大,不需要花太大的功夫。


进而达到以下4个基本目的:


   
确定影响满意度的关键决定因素


   
测定当前的顾客满意水平


   
发现提升产品/服务的机会


   
从顾客的意见和建议中寻找解决顾客不满的办法,为管理者提供建议。



   
综观满意度研究方法的演变,市场研究者对研究品质不断的追求,对满意度研究理解的不断深入,以及统计方法在市场研究的不断引入使得满意度研究体系及其方法不断地得到了完善和发展,也使得满意度研究体系对消费者评价产品/服务模式的刻画更加科学。满意度研究的各方法之间不同之处主要体现在测量指标的设置及其各指标的重要性的测量方法上上(在此,我们将各方面及其具体因素统称为指标,下同)。本文所关注的是就各指标的重要性的测量方法,而对于满意度研究的测量指标的设置、总体满意度与忠诚度及其各忠诚度指标之间问题不在本文考虑范围。

 

   
目前,市场研究各指标的重要性测量中常用的方法主要有三种
——

    1
直接询问法:


   
是指各指标的重要性是直接由被访者回答直接给出的。这种方法的优点是计算方法简单,结果很在很直观;但是在市场研究实践中,我们发现,往往被访者认为很重要的指标对总体满意度的影响不大;而有些被访者认为重要程度很低的指标对总体满意度的影响却相当的大,它们变化与总体满意度的变化存在着非常密切而敏感的关联。注意到,指标的重要性在满意度研究中被定义为影响总体满意度的程度,对总体满意度的影响程度越大则说该方面/具体因素的重要性越大;反之,则说其重要性越低。因此,我们更倾向从间接的途径去考察各指标的重要性,回归分析法在测量各指标重要性中的使用便成为一种必然。

    2
回归分析法


   
该方法是目前满意度研究中最普遍也是最流行的方法,该方法认为消费者对产品、服务的总体满意程度是在考察该产品、服务在各方面的表现基础上的评价,而各方面的满意度又是在考察该方面具体因素表现基础上的评价,其基本的研究构架见如下示意图:

 
   
各指标重要性测量的具体实现方法如下:


   
各方面重要性的测量:总体满意度做为应变量,以各方面的表现做为自变量建立回归方程,以其回归系数做为相应方面的重要性的度量。


   
各方面具体因素重要性的测量:针对每一个方面的表现,分别建立回归方程,以该方面的表现做为应变量,以该方面的具体因素做为自变量,以其回归系数做为相应具体因素的重要性的度量。或者,以该方面的各具体因素表现的第一主成分做为该方面的表现,以其在第一主成分上的LOAD值做为其重要性的度量。


    
尽管回归分析法相对直接询问法是一大进步,但在具体的使用中仍然存在一些问题:


   
如果使用一元线形回归方法,那么得到的某一特定指标的重要性指是在不考虑其他指标的条件下,该指标对满意度的影响程度,事实上,消费者在评价任意指标时,不可能完全不考虑其他的指标,可见该方法存在权衡性的问题。


   
如果使用多元回归的方法,由此得到的指标的重要性确实是综合考虑了其他指标,但是各指标之间可能存在的相关性必然会对各指标的重要性造成一定程度的扭曲,即存在共线性的问题。


   
当我们以某一方面各具体因素的第一主成分做为该方面的表现时,生成第一主成分的维度却并不一定是对总体满意度影响最大,对总满意度信息解释最多的维度。也就是说,考察由此生成的各方面的表现与总体满意度之间的关系而得到的重要性必然也会有一定程度的扭曲,对即存在一致性的问题。


    3
、结构分析法


   
针对回归分析法这些缺陷,结构分析法应运而生,结构分析方法在满意度研究中应用不过是近一两年的事情,它在一定程度上克服了一元回归存在的权衡性的问题,多元回归存在的共线性的问题,主成分分析时的一致性的问题,因此总体而言是比较理想的满意度研究方法,是满意度研究的一个质的飞跃,具有里程碑的作用,但其缺点是计算过程复杂,需要专门的软件或模块实现(例如,AMOSLISRELSAS)。
 

 

   
注意到,上述方法建立在各指标与总体满意度之间的关系是线形假设基础上的,即针对某一特定的指标的表现,无论其满意度水平如何,该指标的满意度每增加一个单位,则总体满意度所增加的比例是相同的。那么,各指标与总体满意度之间的关系就是否一定呈现线性的关系呢?从市场研究的实践来看,实际情况并不完全如此,有不少的学者对此非线形的关系进行过实证的研究;从这个意义上讲,使用线形方程拟合只是对真实情形的一种近似而已。


   
可能是出于同样的考虑,《美国满意度手册》将各指标按其对总体满意度的影响的方式分为三种:惩罚因素、基本因素和激励因素(具体的实现方法见《美国满意度手册》)。

 

 

   
易见,不同的指标对总体满意度的影响方式可能是不同的,即使是同一指标在其不同的满意度水平上对总体的满意度影响程度也可能是不同的。


   
当我们根据各指标与总体满意度之间的关系,将各指标分为惩罚因素、基本因素和激励因素后,一个最现实的问题就是针对这些因素我们应该怎样去做:哪些因素应首先重点改进,哪些只应维持,哪些暂时不应投入太多资源?笔者认为可以通过如下的方式加以解决:


   
利用定序数据定量化的技术,将消费者对各指标的评价先定量化再定序化,然后确定各指标的状态是是低于消费者预期、消费者预期一致还是超出消费者预期


   
结合各因素影响总体满意度的方式与该指标满意度所处的状态,确定对各因素的重视程度与改进该指标表现的轻重缓急。


   

   
可以将这种分析方法称为奖惩分析法,该方法的科学性在于其正视了各指标与总体满意度之间可能存在的非线性的关系:不同指标对总体满意度的方式可能是不同的,即使是同一指标在不同的满意度水平上对总体的满意度影响程度也可能是不同的这一事实,而且其计算过程简单,结果直观;但是其不足之处在于:并且各指标的重要性不能量化的加以表示。


  
不同的指标对总体满意度的影响方式可能是不同的,同一指标在不同的满意度水平上对总体的满意度影响程度也可能是不同的;换个角度讲,就是在使总体满意度不低于期望时和使总体满意度超出预期时,各指标对总体满意度所起的作用可能是不同的,其重要性自然有所不同的。


   
基于以上考虑,笔者认为可以对结构分析方法加以变通/改进,即可以得到在一致性、权衡性、非线性、共线性等方面得以兼顾的满意度研究方法:


    1
)我们将在总体满意度这一指标的基础上生成两个指标:


   
达到预期:如果被访者在总体满意度这一指标上的回答为很不满意(‘1’比较不满意‘2’)时则将达到预期赋值为‘0’,否则,则赋值为‘1’


   
超出预期:如果被访者在总体满意度这一指标上的回答为很满意(‘5’比较满意‘4’)时则将超出预期赋值为‘1’,否则,则赋值为‘0’


    2
)建立如下的方程,计算要使总体满意度达到预期和使总体满意度超出预期时的各因素的重要性。

   

   
一般地,首先要使总体满意度达到消费者预期,然后再考虑如何使之超出消费者的预期;因此,那些使总体满意度达到预期和使总体满意度超出预期都有很高重要性的因素是应最先考虑的因素,其次是那些使总体满意度达到预期有很高重要性的因素,再其次使那些可以使得总体满意度超出预期有很高重要性的。


   

   
当然也只是局部地解决了各指标与总体满意度之间非线性的问题,人们对于满意度方法的不断完善和发展无不象一个收敛的极限过程,不断地努力,不断地向极限逼近——没有最科学的,只有更科学的。就以此做为为本文的结束罢。欢迎大家指正。谢谢!



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