基于分层Bayes方法的满意度阈值估计.pdfVIP

营销科学学报 JournalofMarketingScience 第4卷第 3辑 ：27—40 Vo1．4No 3September2008：27—40 金 英①，苏 萌② 摘 要 满意度阈是一个便于分析客户 的态度忠诚和行为忠诚 的重要指标。但是这个指标不能 被直接观测而且噪声很高，因而需要通过可靠和先进 的数据分析技术来进行估算。本研 究用 HBBP (HierarchicalBayesianBinaryProbit)模 型对 满意度 阈建模 ，然后用 MCMC(MarkovChainMonte Carlo)方法对模型参数进行估计。该模 型通过在某汽车品牌 的客户满意度调查数据上 的应用 ，不仅 估计出总体客户的平均推荐阔和重购 阈，而且估计出每个客户 的推荐 阈和重购阈及其概率分布情况。 本研究发现 ，推荐阈和重购 阈的分布明显不 同；人 口统计因素、产品及消费经历 因素都对推荐 阔和重 购阈有影响 。 关键词 满意度 阈，分层 Bayes方法 ，分层 BayesianBinaryProbit模型 基于分层Bayes方法的满意度阈值估计③ 以，我们除了要 知道 客户的满意度水平 ，还应当 0 研究背景 了解他们的满意度阈值。 此外 ，满意度 阈值还蕴含着重要 的营销启 关于满意度的研究常常发现 ，具有同样满意 示 ，较低的满意度阈意味着更高的满意水平容忍 度的客户可能会有不同的行为意向。例如，满意 度以及更高的客户忠诚度，较高的满意度 阈则相 度分数同样是 8分的客户 ，有的表示愿意向他人 反 (Mittal和 Kamakura，2001)。对 于满意度阈 推荐该品牌，有的则表示不愿意推荐 ；有的表示 值较低的客户 ，企业可以采用低成本 的客户忠诚 号虑重购 该 品牌 ，有 的则表 示不 考虑重购 。 计划 ，而对于满意度阈值高的客户 ，企业可以加 Mittal和 Kamakura(2001)提 出 满 意 度 阈 大客户忠诚计划的力度 ，以求尽量增加客户的满 (threshold)是造成这种情况的原 因之一。他们 意水平。而一些客户的满意度阈值可能非常高 ， 提 不同的消费者可能有不 同的满意度阈。只 甚至高于满意度分数 的最高值。对此类客户来 仃当满意度分数超过某个阈值时 ，客户才会体现 说 ，无论多高 的满 意度水平都不会 导致客户忠 小重购行为。满意度分数高的客户 ，如果他的阈 诚 ，因此企业可以考虑放弃对这类客户实行客户 值高于满 意度 ，他就可能不重购；相反 ，满意度 忠诚计划。企业如果能够针对满意度 阈值 ，对不 分数低的客户 ，如果阈值低 ，反而可能重购 。所 同类型的客户执行不同的客户忠诚计划 ，无疑会 提升客户忠诚计划的效率，降低企业成本。 ① 金英 ，北京大学光华管理学院市场营销系，博 但是，这个指标并不是一个可以被直接观测 士研究生 ，E～mail：jinying@gsm．pku．edu．CH。 的变量而且噪声很高，因而需要通过可靠和先进 ② 苏萌，北京大学光华管理学院市场营销系，助 的数据分析技术来进行估算。但是 ，目前我们还 理教授 ，E—mail：sumeng@gsm．pku．e