客户满意度的理解

《客户满意度的理解》由会员分享，可在线阅读，更多相关《客户满意度的理解（5页珍藏版）》请在装配图网上搜索。

1、对客户满意度的理解公司要对客户进行客户满意度调研，对于问卷内容的设计讨论了几次。但自己感觉对客户满意度研究一直处于模模糊糊的状态，正好借着这次机会，对客户满意度调研进行一次学习与总结。一、什么是客户满意度研究？用老百姓土话说，客户满意度研究，就是了解你的客户对你提供的产品、服务是否满意（满意程度如何？），哪些地方满意，哪些地方不满意。如此说来，客户满意度调研需要两个关键点：测评指标分析方法二、两关键点的制定、选择模型（一）测评指标测评指标即为客户满意度指数（CSI customer satisfaction index），较为典型的有美国客户满意度指数（ACSI）、欧洲客户满意度指数（ECSI

2、）。（二）分析方法分析方法主要有：测量型模型，包括：组合类模型、逻辑类模型探索性模型，包括：回归类模型、结构方程模型、偏最小二乘法模型客户满意度是一个经济心理学的概念，要衡量它就需要通过一个模型，将满意度与一系列的变量（比如质量、服务等）联系起来。通过标识变量，得到潜变量。在此，先介绍一下两类变量：潜变量：即指不可直接测试的变量，一般为模型中的搭建变量。 标识变量：为可直接测试的变量。 每个潜变量要依据其所属的标识变量计算得出，标识变量可直接转化为问卷中的问题。作为用户满意的定量研究，客户满意度指数（Customer Satisfaction Index，CSI）是用户接受产品和服务的实际感受

3、与其期望比较的实际程度。即体现了用户的满意程度，也反映了企业和商家提供的产品及服务满足客户需求的程度。客户满意度指数与传统的质量指标相比具有3个优点：全面性：因为是根据客户对商品及服务的满意程度进行衡量，因此对于各行、各服务都适用。可比性：可以进行多角度的比较，包括不同时期、不同地区和不同经济成分。有效性：最终由实际客户进行回答，保证信息的有效性。正如在“客户满意度研究2”中所提及，做客户满意度调研测试的指标，需要有一定的思路进行整理。用户满意度指数模型即为指导这些测试指标。目前用户满意指数模型主要有3个：瑞典客户满意度晴雨表指数模型（SCSB） 美国客户满意度指数模型（ACSI） 欧洲客户满

4、意度指数模型（ECSI）其中，瑞典客户满意度晴雨表指数模型最早建立的全国性客户满意度指数模型。该模型的前导变量有2个“对产品或服务的顾客期望”、“对产品或服务的价值感知”。满意度的结果变量是顾客抱怨和顾客忠诚度，而顾客忠诚度是客户满意度的最终因变量。但SCSI推出后，也受到了一定的质疑。价值感知对客户满意度的影响是必然的，但怎样衡量价值因素和质量因素所占的比重？美国客户满意度指数模型（ACSI）ACSI模型主要创新之处在于增加了一个潜在变量感知质量（如果去掉感知质量及与其相关的路径，ACSI模型几乎可以完全还原为SCSB模型），将质量感知从价值感知中分离出来。 在这个模型当中，有6个变量：感知

5、质量、感知价值、用户期望、用户满意度、用户抱怨、用户忠诚度。其中，感知质量、感知价值、用户期望是用户满意度的原因变量，其决定了用户满意度。用户满意度将形成导致两个结果：用户抱怨、用户忠诚。1.满意度指标体系搭建原则建立客户满意度指标体系是一项系统工程，需充分了解要调查的行业产品、服务特点，以及用户特点，针对这些特点进行针对性的设定。但还是有着一些基本的共性原则需要遵守，这些原则主要为：（1）以用户为中心，满足用户需求“客户满意度”顾名思义就是要调查客户，所以，要以客户的心态设定需要测试的指标，以客户认为最重要内容的为基准，把握客户的需求，结合具体的服务内容，产品重要点，进行指标的设定。（2）指

6、标的可测性“可测性”包括两个方面，一方面：指标可以被用户直接进行评价。即所评测的内容，是用户能够感受到的，如热线服务中的，服务人员的态度等。另一方面：进行的评价可以用定量的指标进行。由于用户的评价多是个人的主观评价，所以，很难用数字表示，需要用特殊的方法，对感受进行量化处理。如“非常满意”、“比较满意”、“一般”等。（3）指标的可控性客户满意度调研不是单纯了解客户满意度，而是希望在调查之后，进行业务的改进，提高客户满意度，提升客户忠诚度。所以，所设定的指标既要是客户满意的关键点，又能具体到可改进点，而不能让结果使用者无从进行改进。2.满意度指标体系搭建过程根据众多学者进行的研究，满意度指标体系

7、搭建一般分为四个层次，每一个层次都是有上一个层次展开，而所有相应的展开层次也是反映上一个层次。现以互联网应用产品企业邮箱为例，进行问卷设计的说明，以供后期相关客户满意度研究的借鉴之用。企业邮箱的满意度指标一共有产品质量、售前服务、售中服务、售后服务、投诉与反馈、后期培训6个三级指标，及相应的四级指标。具体为：三级指标 四级指标 产品质量1.产品稳定性2.产品安全性 3.操作方便性 4.产品本身携带帮助的课参考性售前服务1.销售人员言谈举止2.销售人员产品建议的专业性3.对客户的热心帮助售中服务1.沟通顺畅度2.沟通方便度3.产品交付及时性4.产品交付完整性售后服务1.产品使用通知及时性2.后期

8、维护满意度3.信息告知及时性4.服务需求处理及时性投诉反馈1.电话接通速度2.服务人员态度3.问题响应速度4.问题解决能力后期培训1.参加培训方便性2.会务接待满意度3.课程设计满意度4.培训员工态度5.培训人员产品的专业性 可以看出，整个满意度设计是围绕客户整体服务流程设计的测试点。同时，又增加了推荐度、再购度，通过推荐度与再购度导出忠诚度（推荐度、再购度均为为top1或2的比例）。数据分析模型目前，可以作为客户满意度数据分析的主要有以下几种模型：组合类模型回归类模型结构方程类模型偏最小二乘法模型PLS-TEM模型根据挖掘的重点不同，可以划分为两大类型：测量性模型：通过测量各项满意度数值，来

9、作为质量控制管理、服务控制管理的依据与标准。该模型易于应用与理解，一般多用于企业使用。目前多采用组合类模型进行分析。探索性模型：通过各项数据分析找到影响整体满意的关键点，并计算其对满意度影响程度，从而探索出提高客户满意度的策略与方法。该模型主要通过统计数学分析而得，需要较高的统计分析能力与技巧。同时也需要一定的管理学、经济学、营销学作为基础，进行针对性分析，且对分析结果一般很难达成一致。使用者一般是专业的市场研究公司或咨询公司。依据采用的数学分析方法，分为回归、结构方程等。一、测量型模型组合类模型将总体满意度S横向分解为n个指标，对每个指标i（i=1,2,n），测出客户对其期望值和实际感知值，

10、并且测出该指标的权重，然后加权求和。实际操作中，已设定的n个指标总是无法完全涵盖客户满意的全部内涵，故而给出一个尾项来体现误差，其含义是超出期望测量的部分，用百分数表示。二、探索性模型（以下信息为转发，后期将进行详细研究）2.1 回归分析模型回归分析（Regresion）是通过分析数据拟合因变量与自变量之间的关系式，来检验影响变量的显著程度。例如，建立满意度的多元线性回归模型如下：一般情况下，将调查结果代入上述方程，就可以分析各环节满意度对总体满意度的影响，相类似的，我们也可以分析一些细项对各环节满意度的影响。因此，回归分析可以算得上是一种有效且易用的方法。事实上，上面只是给出了一个最简单的回

11、归模型，回归分析与主成分分析、聚类分析、相似性分析、非线性回归、逻辑回归等方法结合，可衍生出适用于各种既定假设情况下的满意度研究模型。2.2 结构方程类模型结构方程模型(StructuralEquationModel，SEM)是在己有的因果理论基础上，用与之相应的线性方程系统表示该因果理论的一种统计分析技术，其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。2.3 偏最小二乘法模型偏最小二乘法(PartialLeast-SquaresMethod，PLS)是集多因变量对多自变量的回归建模以及主成分分析为一体的多元数据分析方法。这种算法最初由H.Wold在1966年提

12、出并应用于经济学中。从偏最小二乘法整体模型来看，与结构方程模型非常类似，但二者在具体估计方法上有差异：首先，结构方程模型利用极大似然法估计和最小二乘法估计模型参数，偏最小二乘法使用偏最小二乘的方法估计模型参数；其次，偏最小二乘法采用的估计策略是首先估计每一个潜变量与其对应的观测变量的关系，然后考察各个潜变量之间的关系；结构方程模型是通过匹配假设模型的协方差矩阵与数据的协方差矩阵，同时整体估计所有参数。这样，从分析的整体性上来看，偏最小二乘法逊色于结构方程模型。但是由于偏最小二乘法可以处理非线性关系与非正态分布指标，其适用性要优于结构方程模型。2.4 PLS-TEM模型PLSTEM模型（偏最小二乘法的结构方程模型）是集逻辑模型、回归模型、结构方程模型、偏最小二乘法模型的优点于一体的计量模型，既能够计算出满意度数值，也能够采用参数估计方法来讨论如果提升客户满意度。5 / 5