《用户满意度指数数据分析及方法论ppt课件.ppt》由会员分享，可在线阅读，更多相关《用户满意度指数数据分析及方法论ppt课件.ppt（47页珍藏版）》请在三一办公上搜索。
1、满意度测评模型与方法,测评标准与测评方法的重要性,满意度测评中的存在的问题,不同顾客的表达是不同的 要知道他们是怎么想的而不是怎么说的不同地区顾客的感知是有差别的 需要从不同的基准来衡量 定量的精确性如何保证 需要科学的、实证的数学模型国外的测评方法适合中国国情吗 先进的技术与本地的文化相结合测评的公正性如何保证 测评由不受被测单位影响的第三方主持,模型摘要,模型建立在隐变量的基础上:对主干结构设定了多重指标核心的评估技术: 偏最小二乘法模型具有因果性和预测性:质量因素的选择令满意度对绩效的预测性最大化模型应看作是一个系统; 在模型中满意度的驱动因素,满意度,以及绩效之间是相互联系的,他们共同
2、组成了模型,模型包括两部分,测量模型 (“外部模型”): 得分隐变量(“质量成分”或 “质量因素”)的组成指标 (“属性”或“显变量”) 隐变量的所有得分都转化为百分制表示结构模型 (“内部模型”): 影响力(直接, 间接,以及整体)影响力代表了预测指标上升5个点对因变量所产生的改变.所有的影响力都被定量化,并且可比较.,电信运营商的客户满意度模型（例）,Example,测量模型,问题: 什么是绩效?核心的方法论问题: 我们所测量的是我们想测量的吗？ 这样的测量准确吗?,结构模型,问题: 什么是最重要的?核心的方法论问题: 所测算影响力的误差是最小的吗?,为什么使用隐变量 ?,两种最普通的评定
3、客户认为重要的因素的方法,得出或推导出的重要因素,直接询问得出的重要因素 被访者评估或排出不同的产品或服务属性的重要性及优先次序推导得出的重要因素 所有产品或服务属性的重要性通过统计分析计算以进行定量化。,直接询问得出的重要因素,直接的自我评价的重要因素：被访者直接描述或者评估一个属性的重要性以比较为基础的自我评价的重要因素要求被访者对属性的重要性进行比较但是:被访者真的知道他们所讲的是重要的吗？他们能够做到实事求是的将这些重要因素排出优先次序吗？,通过推导得出的重要因素,综合的方法要求被访者评价或选择产品或服务综合的方法有效的测量产品或服务属性中不连续的具体层面，如颜色或包装的设计，当属性更
4、主观性时，综合的方法的运用将更为困难，如有关雇员礼貌的评价推导重要因素的方法评估质量因素和满意度水平之间的关系改进的影响方法：多次回归法，因果模型,为什么使用多重指标而不使用单项指标？,单项指标包含有测量误差 它的测量误差会导致:不精确的分数低估重要性(影响力偏向于零)单项模型缺少隐变量模型的稳定性单项模型缺少理解数据的理论框架,多重分类测量法举例,TRUE,Source: Institute for Social Research,普通测量方法的误差,观察到的数值= 真实的数值 + 测量误差 66% 34%,测量 “金字塔”,不同分阶类型的精确度比较,不同的分阶类型中质量变量与满意度之间的联
5、系,满意度测量,如何对模型进行评估,隐变量是如何构造的,理论上讲:隐变量通常被认为是显变量的潜在原因。实践中: 隐变量是通过显变量的加权平均获得的; 偏最小二乘法的运算法则决定了权重。,Theoretical 3-Block Model理论上的3-块模型,x1,x2,x3,x4,x5,x6,lx1,lx3,lx4,lx5,lx6,y1,y2,y3,ly3,ly2,ly1,x1,x2,h1,b1,b2,lx2,Estimated 3-Block Model估计的3-块模型,偏最小二乘法强调找出最佳的解决方案,除需确定权重的隐变量外,其他隐变量的权重都赋予一个固定值,然后对需测量的隐变量的权重进行
6、优化.转到下一个隐变量,重复上述过程直至权重保持稳定分数计算出来后, 使用加强的回归分析来决定影响力,w1,为什么使用偏最小二乘法(PLS)而不使用其他方法,LISREL 通过将所有变量之间的关系最大化的方法来找到“最好”的估计值(属性和因素)偏最小二乘法发现一个模型,这个模型在预测满意度/绩效方面可以将误差最小化-这给我们的目标一个优先权,为什么使用 PLS? 而不使用 LISREL(analysis of linear structure relationship)?,原因 #1,LISREL 不能生成统一分阶的因素分数 不能进行基准比较或进行跟踪在因素分数发生变化时,没有办法解释“影响力
7、” PLS 能够在案例层面上生成因素的分数所有的分数有相同的分阶所有的分数和影响力都可比较,为什么使用PLS? 为什么不是 LISREL?,原因 #2,为什么使用PLS? 而不使用 LISREL?,LISREL 依赖于分布假定 (多元正态属性) ,这对客户满意度的数据并不适合 PLS 没有分布假定,原因 #3,CFI满意度测评方法的优势,目标解释过去预测未来对绩效的测量 单项多项不太精确比较精确没有所需的可比较因素总有可比较因素不具有理想的预测功能理想的预测功能预测效果 不可计量或比较可计量可比较分割评估同时评估满意度测量 缺乏理论基础强大的理论基础极少的绩效预测因素理想的绩效预测因素结果不可
8、计量可计量行动计划主观性客观性,传统方法,CFI Group科罗思咨询的方法,传统的客户研究方法与 CFI Group方法的比较,1、有效问卷筛选,完整地回答问题 根据问卷要求回答问题 认真思考后回答问题,2、数据编码和输入,数据编码 数据输入,3、数据处理,数据检查频数分析交叉频数分析马氏距离分析,频数分析示例,3、数据处理,数据处理原始数据或变量的转换缺省数据的处理,原始数据处理示例,假设其他品牌洗发水价格不变，而该品牌洗发水的价格下降，您会购买吗？价格下降百分之几您才会购买？,12345,109876,4、数据计算,PLS（Partial Least Square）SPSS软件（SAS）
9、,5、数据分析, 国家级顾客满意指数的变动特征国家级顾客满意指数与生产力的关系国家级顾客满意指数与个人消费支出的关系国家级顾客满意指数与股票价值的关系国家之间顾客满意指数比较,国家级指数,产业/行业顾客满意指数的变化趋势分析（示例）产业/行业顾客满意指数的均值与方差分析产业/行业顾客满意指数结构变量相关关系分析（示例）,产业/行业级指数,产品/服务类别顾客满意指数的历史比较产品/服务类别中主要品牌顾客满意指数的比较（示例）产品/服务类别中主要品牌顾客满意指数各相关变量的比较产品/服务类别中主要品牌顾客满意指数人口统计特征分析（示例）,产品/服务类别级指数, 结构变量之间的影响关系分析（示例）结
10、构变量与观测变量之间的相关关系分析（示例）行业内比较分析（示例）,企业/品牌级指数,产业/行业级顾客满意指数变化趋势分析（示例）,行业顾客满意指数结构变量相关关系分析（示例）,感知价值,顾客忠诚,顾客满意度,感知质量,品牌形象,预期质量,0.45,0.56,0.09,0.15,0.36,0.16,0.05,0.60,0.55,1.15,0.29,行业预期质量对其他结构变量的影响（示例）,预期质量,感知质量,感知价值,顾客满意度,用户忠诚,直接影响,0.36,0.16,0.05,-,间接影响,-,0.21,0.31,0.41,全部影响,0.36,0.37,0.36,0.41,行业主要品牌顾客满意
11、指数比较（示例）,平均值,行业顾客满意指数人口统计特征分析（示例）,CL品牌顾客满意指数结构变量的影响关系分析（示例）,感知价值,顾客忠诚,顾客满意度,感知质量,品牌形象,预期质量,0.43,0.54,0.17,0.20,0.26,0.15,0.04,0.57,0.54,1.17,0.27,CL品牌形象对其他结构变量的影响（示例）,形象,预期质量,感知质量,感知价值,顾客满意度,用户忠诚,直接影响,0.43,0.54,0.17,0.20,-,间接影响,-,0.11,0.44,0.53,0.86,全部影响,0.43,0.65,0.61,0.73,0.86,CL品牌顾客满意指数结构变量与观测变量之间的关系分析（示例）,感知质量65.41,预期质量66.68,总体感知质量（65.56）,服务感知质量（63.67）,顾客化感知质量（64.36）,可靠性感知质量（66.44）,总体预期质量（65.63）,顾客化预期质量（65.89）,服务预期质量（64.28）,可靠性预期质量（68.32）,0.78,0.75,0.79,0.83,0.80,0.85,0.89,0.90,CL品牌形象行业内比较分析（示例）,平均值,
