感知质量感知价值预期质量顾客满意度顾客抱怨顾客忠诚度感知质量.ppt

顾客满意度指数 吴喜之 2004年9月 吴喜之xwu@public3.bta.net.cn 本科:北京大学数学力学系 再教育:甘孜藏族自治州得荣县（6年） 统计博士:美国北卡罗来纳大学 (UNC-Chapel Hill) 教书经历:美国加利福尼亚州大学 (Davis) 美国北卡罗来纳大学 (Chapel Hill)美国北卡罗来纳大学 (Charlotte) 南开大学 北京大学人民大学 有些我们是可以知道的，即可以通过调查得到的；比如 顾客对某商品的外在质量是否满意 顾客对售后服务是否满意 顾客对某商品的期望是否满足 顾客对某商品是否抱怨 顾客还会不会再买该品牌 顾客对于某商品和理想的差距有多大 …………………………. 但有些我们是不容易知道的，比如 顾客对某商品如何和怎么满意 品牌对该商品起正面还是负面作用 顾客的抱怨和什么有关 满意与否和忠诚与否有什么关系 各种品牌在各方面有什么差距 感知和预测价值对满意的影响 等等 因此，需要数学模型来描述这些关系 有些变量是无法观测的 称为隐变量（LV, latent variable） 有些是可观测的，为显变量（ML, manifest variable） 可以发出问卷，得到显变量的观测值 可以构造模型，并通过统计方法来得到隐变量的取值 以及各种变量之间的关系 中国非耐用消费品顾客满意度模型的数学模型 我们的目的是….. 找出这些方程的未知系数，即 包含有b的B矩阵及包含有l的L矩阵 这里一共有18个l，代表隐含变量h和与其相关的显变量x之间的关系（图中隐变量和显变量之间箭头所定义） 这里还有11个b代表隐变量之间的关系（图中隐变量之间箭头所定义） 我们用PLS估计方法 第一步：用迭代得到隐变量h的表示式 它们是显变量x的线性组合(通过权w) 第二步：用通常的最小二乘法得到b 也就是隐变量之间的关系 第三步：用通常的最小二乘法得到l 也就是隐变量和显变量之间的关系 最后得到各种指数 对模型和问卷的数学 问卷各问题不应该相关(实际不一定) 模型不能有封闭圈 各个回答可以用10分制(百分制也可） 注意系数l和b的正负号的解释 注意：各个品牌商品或同品牌但不同时期的商品只有在同样或类似的问卷调查才可以比较 问卷调查的学问 问卷的问题个数 问卷问题的次序 问卷的语言 问卷的题型 问卷人的素质 问什么人，如何抽样？ 问卷中有什么信息 问卷的数据可以形成一个方阵的数据形式（除了自由回答问题之外的选择题都行） 每个观测值为一行，而每个问题（变量）为一列 例如 在许多讲座中，教师使用诸如… “动态分析” “交叉分析” “××战略” 等时髦名词 这些都不是统计“行话” 有招揽顾客的广告的意思 问卷的信息如何分析 对于记分式的满意度问卷，可用 典型相关分析、回归分析、因子分析、主成分分析等多元分析内容 问卷的信息如何分析 其他问卷调查有些主要是定性变量，可用列联表分析（每n个变量/问题可以形成一个n维列联表） 然后可以利用列联表的各种统计方法来建立所涉及变量之间关系的模型，如对数线性模型、Logistic回归模型等 也可以检验各个变量之间的相关性，如c2检验(卡方Pearson或似然比检验) 可以利用多元分析方法，比如对应分析来看各个变量的各水平之间的关系 除PLS还有别的方法来计算满意度吗？ 有些人用最大似然法（假定正态分布）来解结构方程模型 利用诸如AMOS这样的软件 但是无法解我们的满意度模型 他们的方法必须对模型增加约束 在系数的解释上有类似点（不一样） 可以看出 这个模型远远比PLS模型更加复杂，而且无法给出指数的估计值 但对于两者均不能用于未经考验的模型 只有事先完全知道确定关系的模型才可以计算（无论什么方法） 数据分析例子 按照中国耐用消费品的模型对某产品进行了问卷（收回126份） 可观测变量是20个 问卷（每个从1到10打分） 和预期质量h1有关部分的打分 V1:买之前你对该空调质量的总期望(总体预期质量) (期望越大分越高) V2:买之前你对该空调的省电的预期(预期质量1) V3:买之前你对该空调的制冷性能的预期(预期质量2) V4:买之前你对该空调耐用性的预期(可靠性预期质量) V5:买之前你对于售后服务的期望(预期服务质量) 和感知质量h2有关部分的打分 V6:使用后你对该空调质量的总评价(总体感知质量) (评价越高分越高) V7:使用后你对该空调的省电的评价(感知质量1) V8:使用后你对该空调的制冷性能的评价(感知期质量2) V9:你对该空调耐用性的评价(可靠性感知质量) V10:你对于售后服务的评价(感知服务质量) 和感知价值h3有关部分的打分 V11:对于这个空调价格贵了吗(价格贵分越高) V12:对于这个价格觉得质量如何(质量好分越高) 和顾客满意度h4有关部