顾客满意度测评方法优化建议

顾客满意度测评需要了解测评的工作流程，有哪些测评方法以及如何利用CRM系统架构顾客满意度测评。

1）顾客满意度测评的工作流程

如图4.11所示，一般而言，顾客满意度的测评工作需要经过几个步骤。本书的重点主要集中于测评方法的介绍，对于用户的分类、调查对象的选定、抽样设计、问卷设计、获取数据的方法等不作过多评述。

图4.11　顾客满意度测评流程

2）顾客满意度测评方法

我们已经深刻体会到了顾客满意度对于企业的重要性，那么应当如何进行顾客满意度测评呢？长期以来，由于种种原因，国内对顾客满意度的市场分析和调研只停留在定性的层次上，缺乏一套严密、令人信服的定量分析方法，这里我们提出一些定量分析的方法和工具。

（1）P-E（认知-预期）模型

式中　SQi——对于激励i的可视服务的总体服务质量满意度；

k——服务（产品）特性的数目，即产品评价指标的个数；

wj——特性j对SQi的权重，即评价指标j的权重；

Pij——与特性j相关的激励i的可视行为，即顾客对j的实际感受；

Eij——与特性j相关的激励i的预期大小，即顾客对j的预期。

认知-预期模型认为，在消费过程中或消费之后，顾客会根据自己的期望及认知价值，评估产品和服务的实际效果。如果实际效果低于期望，顾客就会不满；如果实际效果符合或超过期望，顾客就会满意。即顾客的满意程度主要由认知价值和期望之差决定。

（2）调查表式的顾客满意度评估

调查表式的顾客满意度评估方法是：第一，确定顾客满意评价指标；第二，设计顾客满意评价调查表；第三，根据顾客打分计算顾客满意分值。如设计某产品的顾客满意度调查表为表4.3。

表4.3　顾客满意度调查表

其中：评语分值很满意=100 分，满意=80 分，一般=60 分，不满意=40 分，很不满意=20 分。

每一项目的顾客满意分值

式中　N——抽样调查总人数；

X∈｛100，80，60，40，20｝——顾客满意档次分值；

ni——打分为Xi的顾客人数。

总顾客满意度

式中　Wk——评价项目Sk的权重。

（3）模糊综合评价法

模糊综合评价法是近年来应用比较广泛的一类评估方法。它是针对指标值不能精确确定的问题，通过确定评价项目集、评价尺度集，用层次分析法或专家调查法确定评价项目权重，采用问卷调查法确定因素评价矩阵进行综合评价的一种方法。模糊综合评价法的主要步骤如下：

①确定对于某一产品的系统评价项目集F=（f1，f2，…，fn），如F=（质量，价格，功能，设计，包装）；其次是客户对每一评价项目的评语集，如E=（e1，e2，…，em），如E=（很满意，满意，一般，不满意，很不满意）。

②根据专家经验或运用层次分析等方法，确定各评价项目的权重W，W=（w1，w2，w3，…，wn）。

③按照已经制订的评价尺度，对各评价项目进行评定，这种评定是一种模糊映射评价。结果通过隶属矩阵Rk表示：

矩阵中元素表示第k个产品对第i个评价项目（fi）作出第j级评分（ej）的顾客人数占参加评价总人数的百分比。

④计算第k个产品的综合评定向量：Sk，Sk=WRk。

⑤计算第k个产品的顾客综合满意度Nk，Nk=SkET。(www.xing528.com)

此时需要将评语级别量化，如ET=（e1，e2，e3，e4，e5）=（5，4，3，2，1）。

根据各产品顾客满意度Nk的大小，即可对产品的顾客满意度进行优先顺序的排列，为决策者提供有用的信息。

比较而言，顾客满意度的模糊综合评价法由于其数据的可获取性好和设计的科学性，是目前普遍应用的一种测评方法，尤其是在不确定性情况下。

（4）主成分分析法

主成分分析法（Principal Components Analysis，PCA）是将多个指标化为少数几个综合指标，而保持原指标大量信息的一种统计方法。通过对影响总体目标的众多因素（指标）进行数据分析，求解原始指标的样本方差矩阵及该矩阵的特征根和特征向量。根据累计贡献率的大小提取几个新变量代替原来的众多因素（指标），使得这些较少的变量既尽可能地反映原来变量的统计特性，又在新变量之间保持相互的独立性，从而有效降低因素之间相关性的干扰。其中，提取的新变量必须是原变量的线性组合。选用主成分的方差贡献率作为各主成分的权重，然后结合各因子得分，进行综合评价。　　

（5）计量经济学测评方法

Fornell（1992，1993）结合数量经济学的方法和顾客满意理论的研究成果，提出了顾客满意度测评的计量经济学模型。该模型其实是一种多元线性回归模型，把顾客满意度测评看作是一个具有多目标、多层次和多因素影响的复杂决策系统，把影响顾客满意度的多个因素嵌入在一个因果关系模型中（见图4.8，ACSI结构模型），其中顾客预期、感知质量与感知价值3 个变量称为原因变量，顾客满意、顾客抱怨与顾客忠诚是3 个结果变量。

但上述6 个变量都不能直接测量，故称为隐变量，其中顾客预期为外生隐变量，其余为内生隐变量。实际测评中需要对隐变量进行定义，直到形成一系列可以由顾客直接测评的指标，即观测变量，从而构造出一个多变量、多层次的顾客满意度测评指标体系，见表4.4。

表4.4　计量经济学模型的顾客满意度测评指标体系

结构变量之间的线性关系，可以用条件期望表示为：

写成矩阵形式即为：

其中：β，λ分别为内生隐变量（η）之间和内生隐变量与外生隐变量（ξ）之间的回归系数矩阵；ζ1，ζ2，ζ3，ζ4，ζ5为偏差变量。矩阵中的关系表现为图4.12：

图4.12　结构变量间及其与观测变量之间的关系图

结构变量和观测变量之间的线性关系，对于外生变量：

其中：W为载荷，表示变量间影响程度大小，δ为偏差变量。写成矩阵形式则为：

对于内生变量有：

其中：V为载荷，表示变量间影响程度大小，ε为偏差变量。写成矩阵形式则为：

针对解决线性回归中比较棘手的多重共线性问题，该模型利用偏最小二乘法（Partial Least Squares，PLS）和T-检验来预测回归系数。PLS是一种多因变量对多自变量的回归建模方法，能够比较有效地解决回归变量之间的多重相关性问题。并且PLS 对样本分布没有特殊要求，使得小样本情况下利用该方法预测的结果比其他方法更为合理。通过确定出隐变量与观测变量之间的关联关系，进而得到各个隐变量对顾客满意的重要程度（也称为权重），最终求得总体顾客满意度水平。

3）CRM与顾客满意度测评

利用CRM系统架构顾客满意度测评是CRM 系统应用的重要内容，其基本结构如图4.13所示。

图4.13　CRM与顾客满意度测评框架结构

（1）设计模块

设计模块包括调查目标的确定，指标体系的设计和调查问卷的设计。

（2）数据收集模块

传统的顾客满意信息数据的收集方法主要有问卷调查、电话访问、面谈调查等。随着现代信息技术的广泛应用，产生了建立在现代信息技术基础上的新的数据收集方法，包括电子问卷、E-mail调查、Web日志上顾客购买或浏览商品的偏好信息等。

（3）数据处理模块

数据收集方法的多样性不可避免地导致数据在类型上的不一致，而且顾客满意程度表现形式的多样性，使得数据必须经过处理才能为评价分析所用。数据处理模块主要是通过使用数据库、知识库管理系统和模型库、方法库管理系统对收集的数据进行处理，从而得出各指标的权重、顾客细分及顾客满意度的量化汇总表。

（4）数据库、知识库系统

数据库、知识库系统包括数据库、知识库和模型算法。数据库中的信息有顾客满意信息、评价指标信息和顾客信息等。知识库中存有顾客满意度测评的历史信息。模型算法就是上述顾客满意度测评方法。