满意度测评模型与方法
测评标准与测评方法的重要性
© CFI Group
2
满意度测评中的存在的问题
➢不同顾客的表达是不同的
要知道他们是怎么想的而不是怎么说的
➢不同地区顾客的感知是有差别的
需要从不同的基准来衡量
➢定量的精确性如何保证
需要科学的、实证的数学模型
➢国外的测评方法适合中国国情吗
先进的技术与本地的文化相结合
多项刻度, 相等权重
是否判断方法
精确度:置信区间的宽度
16
不同分阶类型的精确度比较
多项 10点
单项 10点
是否判断
2.2
2.7 7.5
0
2
4
6
8
精确度有 95%的置信度 (100 pt. scale)
* 基于 有关电信公司的真实数据
© CFI Group
17
不同的分阶类型中质量变量与满意度之间 的联系
多项 10点
单项 10点
Top Box
0.52 0.34 0.26
0
0.5
1
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
© CFI Group
18
满意度测量
Kano 模型
非常满意
客户满意
超出期望和 令人兴奋的 属性
根本没有达到
绩效或所说 的属性
达到的程度
基本的或 期望的属 性
完全达到
Satisfaction
满意度
© CFI Group
Custom service
客户服务
Knowledge of the customer service representative 客户代表的业务知识
Ideal理想状态
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
14
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。
© CFI Group
10
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
➢测评的公正性如何保证
测评由不受被测单位影响的第三方主持
© CFI Group
3
模型摘要
• 模型建立在隐变量的基础上: 对主干结构设定了多重指标
• 核心的评估技术: 偏最小二乘法
• 模型具有因果性和预测性: – 质量因素的选择令满意度对绩效的预测性最 大化 – 模型应看作是一个系统; 在模型中满意度的驱 动因素,满意度,以及绩效之间是相互联系的, 他们共同组成了模型
解决问题的完全程度 积极的寻求解决方案
来满足你的需求 等等
50 话音质量
1.2
63 方便程度
0.7
74 申请过程
0.2
66 价格
0.4
54 计费
1.3
58 客户服务
0.6
60 问题解决
1.3
满意度
绩效
67
品牌形象
1.2
无论何时，本公司 提供的服务总是成 为第一选择而被使 用
60
用户的满意度
总体满意度 与预期相比较 与理想状况相比较
非常不满意
© CFI Group
19
如何对模型进行评估
© CFI Group
20
隐变量是如何构造的
• 理论上讲:隐变量通常被认为是显变量的 潜在原因。
• 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
© CFI Group
13
多重分类测量法举例
每一因素多重测量 10 刻度（点）
Experience经验 Expectation期望值
Time it took for call
to be answered 电话接听等候时间
客户代表的礼貌 Courtesy of Representative
7
结构模型
• 问题: 什么是最重要的?
核心的方法论问题: 所测算影响力的误差 是最小的吗?
© CFI Group
8
为什么使用隐变量 ?
得出或推导出的重要因素
两种最普通的评定客户认为重要的因素的方法
➢ 直接询问得出的重要因素
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ቤተ መጻሕፍቲ ባይዱ因素
72
I
增加现有业务
的使用
4.0
40
增加新业务的
1.2
使用
54
推荐给他人 3.3
分数
(0-100 )
影响力
(分数变化5个点所造成的变化)
$125 业务收入 ARPU
13.0%
6
测量模型
• 问题: 什么是绩效?
核心的方法论问题: 我们所测量的是我们想测量的吗？ 这样的测量准确吗?
© CFI Group
© CFI Group
5
电信运营商的客户满意度模型（例）
© CFI Group
质量属性
质量因素
话音清晰度 通话中断率
等等
使用范围和地域覆盖 费用支付的便捷 等等
批准所需的时间 申请所需的信息
等等
资费的竞争性 资费组合策略
等等
计费的准确性 帐单准时送达
等等
投诉电话接通的难易程度 客户服务代表的态度 等等
© CFI Group
4
模型包括两部分
• 测量模型 (“外部模型”): 得分 – 隐变量(“质量成分”或 “质量因素”)的组成 指标 (“属性”或“显变量”) – 隐变量的所有得分都转化为百分制表示
• 结构模型 (“内部模型”): 影响力 (直接, 间接,以及整体) – 影响力代表了预测指标上升5个点对因变量所 产生的改变. – 所有的影响力都被定量化,并且可比较.
• 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。
12
为什么使用多重指标而不使用单项指标？
• 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)
先次序吗？
© CFI Group
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
11
通过推导得出的重要因素
© CFI Group
• 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
普通测量方法的误差
观察到的数值= 真实的数值 + 测量误差
66%
34%
TRUE
Source: Institute for Social Research
© CFI Group
15
测量 “金字塔”
© CFI Group
能力: 探测变化的能力
单项, 10点刻度
单项, 5点刻度
多项刻度 “最佳” 权重