物業(yè)管理滿意度研究方法匯編資料

1、顧客(gk)滿意度測(cè)評(píng)方法共二十四頁(yè)研究(ynji)背景 現(xiàn)階段經(jīng)濟(jì)已轉(zhuǎn)向以市場(chǎng)為導(dǎo)向，以顧客為中心(zhngxn)了，顧客滿意度對(duì)企業(yè)的生存至關(guān)重要，只有能夠獲得高滿意度的企業(yè)才能抓住顧客，獲得較高的市場(chǎng)份額。而如何精確測(cè)評(píng)顧客的滿意度，識(shí)別服務(wù)中的薄弱環(huán)節(jié)是企業(yè)必須面對(duì)的問題.共二十四頁(yè)方法(fngf)層次分析法模糊綜合評(píng)判法結(jié)構(gòu)方程模型神經(jīng)網(wǎng)絡(luò)質(zhì)量展開功能(gngnng)灰色關(guān)聯(lián)和模糊聚類基于熵基于TOPSIS共二十四頁(yè)層次(cngc)分析法 層次分析法是一種定量分析和定性分析相結(jié)合的方法。顧客對(duì)指標(biāo)之間的相對(duì)重要性進(jìn)行兩兩對(duì)比，按照1-9標(biāo)度法對(duì)屬性的相對(duì)重要性作出評(píng)定，最終得到兩兩比

2、較判斷矩陣，該方法在分析中可以做一致性檢驗(yàn)，來保證其判斷的一致性，但其判斷標(biāo)準(zhǔn)具有隨機(jī)性，而且(r qi)該方法還有一個(gè)很大的弱點(diǎn)，即想要得到一個(gè)兩兩比較的判斷矩陣，顧客需要作出（1/2n）(n-1)次判斷，這種將大量的負(fù)擔(dān)加在顧客的身上，顧客很難給予配合。 共二十四頁(yè)模糊綜合(zngh)評(píng)判法 由于客觀世界的隨機(jī)性和我們對(duì)某些定義標(biāo)準(zhǔn)的不確定性，就是所謂的模糊性。當(dāng)我們不能確定數(shù)據(jù)是否能準(zhǔn)確描述實(shí)際情況時(shí)候，不一定要追求精確解，可以滿足于一個(gè)滿意解，即模糊綜合評(píng)判方法?；灸Ｐ停焊鶕?jù)評(píng)語(yǔ)等級(jí)和評(píng)價(jià)標(biāo)準(zhǔn)產(chǎn)生一個(gè)模糊評(píng)判矩陣R。通過因素作用(zuyng)向量來評(píng)判各因素所起的作用(zuyng)。

3、共二十四頁(yè) 給模糊等級(jí)賦值aj,根據(jù)加權(quán)平均計(jì)算的公式，可算出被表征評(píng)判(pngpn)對(duì)象優(yōu)劣的指標(biāo)可以把上述指標(biāo)直接作為顧客滿意度的直接得分或通過某種統(tǒng)計(jì)處理后顧客滿意度指數(shù)(zhsh)。各個(gè)因素的權(quán)重、評(píng)語(yǔ)等級(jí)的權(quán)重?共二十四頁(yè)結(jié)構(gòu)(jigu)方程模型 結(jié)構(gòu)方程不僅可以分析觀測(cè)變量間的關(guān)系，而且可對(duì)潛變量的相關(guān)關(guān)系，甚至因果關(guān)系進(jìn)行研究，是一種非常通用的線性建模技術(shù)。建模過程(guchng)（1）明確模型中所包含的潛在變量、與各潛在變量相對(duì)應(yīng)的觀測(cè)變量、潛在變量之間以及潛在變量與觀測(cè)變量之間的因果關(guān)系，將因果關(guān)系轉(zhuǎn)化為結(jié)構(gòu)方程模型的矩陣表達(dá)式。（2）模型識(shí)別（3）模型估計(jì)（4）模型評(píng)價(jià)與修

4、正 各因素之間并不僅僅是線性關(guān)系，用結(jié)構(gòu)方程有有一定的局限性。共二十四頁(yè)神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)能更好的反映個(gè)變量之間的復(fù)雜關(guān)系(gun x)，尤其是非線性關(guān)系(gun x)。共二十四頁(yè)基本(jbn)思想 取一對(duì)學(xué)習(xí)模式，得到一個(gè)輸出模式，計(jì)算網(wǎng)絡(luò)輸出模式和期望輸出模式的誤差，將誤差由輸出層、隱層、輸入層的方向順序傳送，按照減小誤差的方向逐層修正各層鏈接權(quán)重。重復(fù)上述過程，直到每一度學(xué)習(xí)模式、網(wǎng)絡(luò)的輸出誤差都達(dá)到要求。神經(jīng)網(wǎng)絡(luò)方法(fngf)比偏最小二乘方法(fngf)有更好的擬合度。顧客滿意度和各個(gè)因素之間的關(guān)系函數(shù)怎么確定？共二十四頁(yè)質(zhì)量功能展開(zhn ki)方法 質(zhì)量(zhling)功能展開

5、方法是通過多階段將總體顧客滿意度逐步展開為易于顧客判斷的指標(biāo)，實(shí)施顧客滿意度指數(shù)的測(cè)評(píng)。各種因素之間的關(guān)系更形象和直觀。共二十四頁(yè)灰色(hus)模糊聚類法 灰色管理分析實(shí)質(zhì)是比較若干序列所構(gòu)成的曲線到理想（標(biāo)準(zhǔn)）序列所構(gòu)成的曲線幾何形狀的接近程度，幾何形狀月接近，其關(guān)聯(lián)度越大。 模糊聚類是根據(jù)將按企業(yè)照顧客滿意度高低(god)模糊分類。 這個(gè)方法是從大的方向上把握，我們能知道哪些基本上是屬于同一類的，但是在企業(yè)優(yōu)化時(shí)，這種方法不能反映企業(yè)在某個(gè)具體指標(biāo)上優(yōu)勢(shì)或者薄弱。共二十四頁(yè)灰色(hus)關(guān)聯(lián)分析步驟：共二十四頁(yè)共二十四頁(yè)共二十四頁(yè)模糊(m hu)聚類共二十四頁(yè)共二十四頁(yè)基于(jy)熵值法

6、信息熵反映系統(tǒng)無序化程度。信息熵越小，系統(tǒng)無序化程度越大；信息熵越大，系統(tǒng)無序化程度越小。就顧客滿意度測(cè)評(píng)而言，如果某以顧客滿意度測(cè)評(píng)指標(biāo)對(duì)于同一行業(yè)不同企業(yè)(qy)其差異程度較小，這說明該指標(biāo)區(qū)分和測(cè)評(píng)顧客滿意度高低的作用也較小，而對(duì)應(yīng)的信息熵較大；如果某一顧客滿意度測(cè)評(píng)指標(biāo)對(duì)于同一行業(yè)不同企業(yè)(qy)其差異程度較大，說明該指標(biāo)區(qū)分和測(cè)評(píng)顧客滿意度高低的作用也較大，而對(duì)應(yīng)的信息熵較小。也就是說，顧客滿意度測(cè)評(píng)指標(biāo)差異程度的大小，反映了該指標(biāo)在整個(gè)顧客滿意度測(cè)評(píng)中的地位，而顧客滿意度測(cè)評(píng)指標(biāo)重要性的大小又完全可以用“信息熵”反向度量。共二十四頁(yè)共二十四頁(yè) 其他方法需要對(duì)測(cè)評(píng)指標(biāo)的權(quán)重進(jìn)行調(diào)查，

7、不可避免的加大了調(diào)查工作量，帶有一定的主觀局限性?；陟刂捣ǖ念櫩蜐M意度測(cè)評(píng)方法，減少了對(duì)顧客滿意度測(cè)評(píng)指標(biāo)權(quán)重的調(diào)查環(huán)節(jié)，大大減少了調(diào)查工作量，通過對(duì)調(diào)查數(shù)據(jù)的直接處理，得到的指標(biāo)權(quán)重比較(bjio)客觀。共二十四頁(yè)基于(jy)TOPSIS 在基于歸一化后的原始矩陣中，找出有限方案中的最優(yōu)方案和最劣方案（分別用最優(yōu)向量和最劣向量表示）然后非別計(jì)算出評(píng)價(jià)對(duì)象(duxing)與最優(yōu)方案和最劣方案間的距離，獲得該評(píng)價(jià)對(duì)象(duxing)與最優(yōu)方案的相對(duì)接近程度，以此作為評(píng)價(jià)優(yōu)劣的依據(jù)。共二十四頁(yè)2022/7/28共二十四頁(yè)共二十四頁(yè)共二十四頁(yè)內(nèi)容摘要顧客滿意度測(cè)評(píng)方法。而如何精確測(cè)評(píng)顧客的滿意度，識(shí)別服務(wù)中的薄弱環(huán)節(jié)是企業(yè)必須面對(duì)的問題(wnt).。基于TOPSIS。由于客觀世界的隨機(jī)性和我們對(duì)某些定義標(biāo)準(zhǔn)的不確定性，就是所謂的模糊性。通過因素作用向量來評(píng)判各因素所起的作用。給模糊等級(jí)賦值aj,根據(jù)加權(quán)平均計(jì)