《物业管理满意度研究方法分析课件.ppt》由会员分享，可在线阅读，更多相关《物业管理满意度研究方法分析课件.ppt（23页珍藏版）》请在三一办公上搜索。
1、顾客满意度测评方法,研究背景,现阶段经济已转向以市场为导向，以顾客为中心了，顾客满意度对企业的生存至关重要，只有能够获得高满意度的企业才能抓住顾客，获得较高的市场份额。而如何精确测评顾客的满意度，识别服务中的薄弱环节是企业必须面对的问题.,方法,层次分析法模糊综合评判法结构方程模型神经网络质量展开功能灰色关联和模糊聚类基于熵基于TOPSIS,层次分析法,层次分析法是一种定量分析和定性分析相结合的方法。顾客对指标之间的相对重要性进行两两对比，按照1-9标度法对属性的相对重要性作出评定，最终得到两两比较判断矩阵，该方法在分析中可以做一致性检验，来保证其判断的一致性，但其判断标准具有随机性，而且该方
2、法还有一个很大的弱点，即想要得到一个两两比较的判断矩阵，顾客需要作出（1/2n）(n-1)次判断，这种将大量的负担加在顾客的身上，顾客很难给予配合。,模糊综合评判法,由于客观世界的随机性和我们对某些定义标准的不确定性，就是所谓的模糊性。当我们不能确定数据是否能准确描述实际情况时候，不一定要追求精确解，可以满足于一个满意解，即模糊综合评判方法。基本模型：根据评语等级和评价标准产生一个模糊评判矩阵R。通过因素作用向量来评判各因素所起的作用。,给模糊等级赋值aj,根据加权平均计算的公式，可算出被表征评判对象优劣的指标,可以把上述指标直接作为顾客满意度的直接得分或通过某种统计处理后顾客满意度指数。各个
3、因素的权重、评语等级的权重?,结构方程模型,结构方程不仅可以分析观测变量间的关系，而且可对潜变量的相关关系，甚至因果关系进行研究，是一种非常通用的线性建模技术。建模过程（1）明确模型中所包含的潜在变量、与各潜在变量相对应的观测变量、潜在变量之间以及潜在变量与观测变量之间的因果关系，将因果关系转化为结构方程模型的矩阵表达式。（2）模型识别（3）模型估计（4）模型评价与修正 各因素之间并不仅仅是线性关系，用结构方程有有一定的局限性。,神经网络,神经网络能更好的反映个变量之间的复杂关系，尤其是非线性关系。,基本思想,取一对学习模式，得到一个输出模式，计算网络输出模式和期望输出模式的误差，将误差由输出
4、层、隐层、输入层的方向顺序传送，按照减小误差的方向逐层修正各层链接权重。重复上述过程，直到每一度学习模式、网络的输出误差都达到要求。神经网络方法比偏最小二乘方法有更好的拟合度。顾客满意度和各个因素之间的关系函数怎么确定？,质量功能展开方法,质量功能展开方法是通过多阶段将总体顾客满意度逐步展开为易于顾客判断的指标，实施顾客满意度指数的测评。各种因素之间的关系更形象和直观。,灰色模糊聚类法,灰色管理分析实质是比较若干序列所构成的曲线到理想（标准）序列所构成的曲线几何形状的接近程度，几何形状月接近，其关联度越大。 模糊聚类是根据将按企业照顾客满意度高低模糊分类。 这个方法是从大的方向上把握，我们能知
5、道哪些基本上是属于同一类的，但是在企业优化时，这种方法不能反映企业在某个具体指标上优势或者薄弱。,灰色关联分析步骤：,模糊聚类,基于熵值法,信息熵反映系统无序化程度。信息熵越小，系统无序化程度越大；信息熵越大，系统无序化程度越小。就顾客满意度测评而言，如果某以顾客满意度测评指标对于同一行业不同企业其差异程度较小，这说明该指标区分和测评顾客满意度高低的作用也较小，而对应的信息熵较大；如果某一顾客满意度测评指标对于同一行业不同企业其差异程度较大，说明该指标区分和测评顾客满意度高低的作用也较大，而对应的信息熵较小。也就是说，顾客满意度测评指标差异程度的大小，反映了该指标在整个顾客满意度测评中的地位，而顾客满意度测评指标重要性的大小又完全可以用“信息熵”反向度量。,其他方法需要对测评指标的权重进行调查，不可避免的加大了调查工作量，带有一定的主观局限性。基于熵值法的顾客满意度测评方法，减少了对顾客满意度测评指标权重的调查环节，大大减少了调查工作量，通过对调查数据的直接处理，得到的指标权重比较客观。,基于TOPSIS,在基于归一化后的原始矩阵中，找出有限方案中的最优方案和最劣方案（分别用最优向量和最劣向量表示）然后非别计算出评价对象与最优方案和最劣方案间的距离，获得该评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。,2022/12/9,
