用户满意度指数数据分析及方法论.pptVIP

两种最普通的评定客户认为重要的因素的方法1直接询问得出的重要因素2被访者评估或排出不同的产品或服务属性的重要性及优先次序推导得出的重要因素

所有产品或服务属性的重要性通过统计分析计算以进行定量化。3得出或推导出的重要因素直接询问得出的重要因素直接的自我评价的重要因素：被访者直接描述或者评估一个属性的重要性以比较为基础的自我评价的重要因素

要求被访者对属性的重要性进行比较但是:被访者真的知道他们所讲的是重要的吗？他们能够做到实事求是的将这些重要因素排出优先次序吗？该种方法不能对质量属性和满意度及忠诚度的变化进行定量通过推导得出的重要因素综合的方法要求被访者评价或选择产品或服务综合的方法有效的测量产品或服务属性中不连续的具体层面，如颜色或包装的设计，当属性更主观性时，综合的方法的运用将更为困难，如有关雇员礼貌的评价推导重要因素的方法评估质量因素和满意度水平之间的关系改进的影响方法：多次回归法，因果模型因果模型可以很好对质量属性的改进与满意度及忠诚度变化的关系进行定量。单项指标包含有测量误差它的测量误差会导致:不精确的分数低估重要性

(影响力偏向于零)单项模型缺少隐变量模型的稳定性单项模型缺少理解数据的理论框架为什么使用多重指标而不使用单项指标？多重分类测量法举例每一因素多重测量10刻度（点）收益:

-增加能力，探测出微小的变化-较少的抽样范围

-更多的操作性Experience经验Expectation期望值Ideal理想状态Timeittookforcalltobeanswered电话接听等候时间客户代表的礼貌CourtesyofRepresentativeCustomservice客户服务Satisfaction满意度Knowledgeofthecustomerservicerepresentative客户代表的业务知识普通测量方法的误差Source:InstituteforSocialResearchTRUE观察到的数值=真实的数值+测量误差66%34%12测量“金字塔”精确度:置信区间的宽度能力:探测变化的能力是否判断方法单项,5点刻度单项,10点刻度多项刻度,相等权重多项刻度“最佳”权重预测的误差区间不同分阶类型的精确度比较单项10点多项10点是否判断精确度有95%的置信度(100pt.scale)*基于有关电信公司的真实数据单项10点多项10点TopBox在变量与满意度之间的平均相关性*基于有关电信公司的真实数据不同的分阶类型中质量变量与满意度之间的联系满意度测量达到的程度基本的或期望的属性超出期望和令人兴奋的属性绩效或所说的属性客户满意非常满意非常不满意根本没有达到完全达到Kano模型如何对模型进行评估理论上讲:隐变量通常被认为是显变量的潜在原因。01实践中:隐变量是通过显变量的加权平均获得的;偏最小二乘法的运算法则决定了权重。02隐变量是如何构造的Theoretical3-BlockModel理论上的3-块模型x1x2x3x4x5x6lx1lx3lx4lx5lx6y1y2y3ly3ly2ly1x1x2h1b1b2xixiti=+lxd,fori=1,2,3t=1,2yjyjj=+lhe1,forj=1,2,3hbxbxz111221=++lx2x1x2x3x4x5x6w1y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3LVwxwxwx1112233=*+*+*LVwxwxwx2445566=*+*+*SATuyuyuy=*+*+*112233SATILVILVe=++1122Estimated3-BlockModel估计的3-块模型偏最小二乘法强调找出最佳的解决方案除需确定权重的隐变量外,其他隐变量的权重都赋予一个固定值,然后对需测量的隐变量的权重进行优化.转到下一个隐变量,重复上述过程直至权重保持稳定分数计算出来后,使用加强的回归分析来决定