用戶滿意度指數(shù)數(shù)據(jù)分析及方法論課件

滿意度測評模型與方法滿意度測評模型與方法測評標準與測評方法的重要性

測評標準與測評方法的重要性

滿意度測評中的存在的問題不同顧客的表達是不同的

要知道他們是怎么想的而不是怎么說的不同地區(qū)顧客的感知是有差別的

需要從不同的基準來衡量

定量的精確性如何保證

需要科學的、實證的數(shù)學模型國外的測評方法適合中國國情嗎

先進的技術(shù)與本地的文化相結(jié)合測評的公正性如何保證測評由不受被測單位影響的第三方主持滿意度測評中的存在的問題不同顧客的表達是不同的模型摘要模型建立在隱變量的基礎(chǔ)上:

對主干結(jié)構(gòu)設(shè)定了多重指標核心的評估技術(shù):偏最小二乘法模型具有因果性和預測性:質(zhì)量因素的選擇令滿意度對績效的預測性最大化模型應看作是一個系統(tǒng);在模型中滿意度的驅(qū)動因素,滿意度,以及績效之間是相互聯(lián)系的,他們共同組成了模型模型摘要模型建立在隱變量的基礎(chǔ)上:

對主干結(jié)構(gòu)設(shè)定了多重指標模型包括兩部分測量模型(“外部模型”):得分隱變量(“質(zhì)量成分”或“質(zhì)量因素”)的組成指標(“屬性”或“顯變量”)隱變量的所有得分都轉(zhuǎn)化為百分制表示結(jié)構(gòu)模型(“內(nèi)部模型”):影響力

(直接,間接,以及整體)影響力代表了預測指標上升5個點對因變量所產(chǎn)生的改變.所有的影響力都被定量化,并且可比較.模型包括兩部分測量模型(“外部模型”):得分電信運營商的客戶滿意度模型（例）Example推薦給他人增加新業(yè)務(wù)的使用

總體滿意度與預期相比較與理想狀況相比較話音清晰度通話中斷率等等質(zhì)量因素滿意度績效方便程度話音質(zhì)量申請過程價格用戶的滿意度客戶服務(wù)問題解決I增加現(xiàn)有業(yè)務(wù)的使用品牌形象無論何時，本公司提供的服務(wù)總是成為第一選擇而被使用使用范圍和地域覆蓋費用支付的便捷等等批準所需的時間申請所需的信息等等投訴電話接通的難易程度客戶服務(wù)代表的態(tài)度等等解決問題的完全程度積極的尋求解決方案來滿足你的需求等等50544072606760586674630.41.24.01.23.30.61.30.20.71.2分數(shù)(0-100)影響力(分數(shù)變化5個點所造成的變化)業(yè)務(wù)收入ARPU$12513.0%質(zhì)量屬性資費的競爭性資費組合策略等等計費

計費的準確性帳單準時送達等等541.3電信運營商的客戶滿意度模型（例）Example推薦給他人增加測量模型問題:什么是績效?核心的方法論問題:

我們所測量的是我們想測量的嗎？這樣的測量準確嗎?測量模型問題:什么是績效?結(jié)構(gòu)模型問題:什么是最重要的?核心的方法論問題:所測算影響力的誤差是最小的嗎?結(jié)構(gòu)模型問題:什么是最重要的?為什么使用隱變量?為什么使用隱變量?兩種最普通的評定客戶認為重要的因素的方法

得出或推導出的重要因素直接詢問得出的重要因素

被訪者評估或排出不同的產(chǎn)品或服務(wù)屬性的重要性及優(yōu)先次序推導得出的重要因素

所有產(chǎn)品或服務(wù)屬性的重要性通過統(tǒng)計分析計算以進行定量化。兩種最普通的評定客戶認為重要的因素的方法

得出或推導出的重要直接詢問得出的重要因素直接的自我評價的重要因素：被訪者直接描述或者評估一個屬性的重要性以比較為基礎(chǔ)的自我評價的重要因素

要求被訪者對屬性的重要性進行比較但是:被訪者真的知道他們所講的是重要的嗎？他們能夠做到實事求是的將這些重要因素排出優(yōu)先次序嗎？該種方法不能對質(zhì)量屬性和滿意度及忠誠度的變化進行定量直接詢問得出的重要因素直接的自我評價的重要因素：被訪者直接描通過推導得出的重要因素綜合的方法要求被訪者評價或選擇產(chǎn)品或服務(wù)綜合的方法有效的測量產(chǎn)品或服務(wù)屬性中不連續(xù)的具體層面，如顏色或包裝的設(shè)計，當屬性更主觀性時，綜合的方法的運用將更為困難，如有關(guān)雇員禮貌的評價推導重要因素的方法評估質(zhì)量因素和滿意度水平之間的關(guān)系改進的影響方法：多次回歸法，因果模型

因果模型可以很好對質(zhì)量屬性的改進與滿意度及忠誠度變化的關(guān)系進行定量。通過推導得出的重要因素綜合的方法因果模型可以很好對質(zhì)量屬為什么使用多重指標而不使用單項指標？單項指標包含有測量誤差它的測量誤差會導致:不精確的分數(shù)低估重要性

(影響力偏向于零)單項模型缺少隱變量模型的穩(wěn)定性單項模型缺少理解數(shù)據(jù)的理論框架為什么使用多重指標而不使用單項指標？單項指標包含有測量誤差多重分類測量法舉例每一因素多重測量

10刻度（點）收益:

-增加能力，探測出微小的變化

-較少的抽樣范圍

-更多的操作性Experience經(jīng)驗Expectation期望值Ideal理想狀態(tài)

Timeittookforcalltobeanswered電話接聽等候時間客戶代表的禮貌CourtesyofRepresentativeCustomservice客戶服務(wù)Satisfaction滿意度Knowledgeofthecustomerservicerepresentative客戶代表的業(yè)務(wù)知識多重分類測量法舉例每一因素多重測量收益:

-增加能力，探測出TRUESource:InstituteforSocialResearch普通測量方法的誤差觀察到的數(shù)值=真實的數(shù)值+測量誤差

66%34%TRUESource:InstituteforSoci測量“金字塔”精確度:置信區(qū)間的寬度能力:探測變化的能力是否判斷方法單項,5點刻度單項,10點刻度多項刻度,相等權(quán)重多項刻度“最佳”權(quán)重預測的誤差區(qū)間測量“金字塔”精確度:置信區(qū)間的寬度能力:探測變化的能力單項10點多項10點是否判斷精確度有95%的置信度(100pt.scale)*基于有關(guān)電信公司的真實數(shù)據(jù)不同分階類型的精確度比較單項多項是否判斷精確度有95%的置信度(100pt.單項10點多項10點TopBox在變量與滿意度之間的平均相關(guān)性*基于有關(guān)電信公司的真實數(shù)據(jù)不同的分階類型中質(zhì)量變量與滿意度之間的聯(lián)系單項多項TopBox在變量與滿意度之間的平均相關(guān)性*基于滿意度測量達到的程度基本的或期望的屬性超出期望和令人興奮的屬性績效或所說的屬性客戶滿意非常滿意非常不滿意根本沒有達到完全達到Kano模型滿意度測量達到的程度基本的或期望的屬性超出期望和令人興奮的屬如何對模型進行評估如何對模型進行評估隱變量是如何構(gòu)造的理論上講:隱變量通常被認為是顯變量的潛在原因。實踐中:隱變量是通過顯變量的加權(quán)平均獲得的;偏最小二乘法的運算法則決定了權(quán)重。隱變量是如何構(gòu)造的理論上講:隱變量通常被認為是顯變量的潛在原Theoretical3-BlockModel理論上的3-塊模型x1x2x3x4x5x6lx1lx3lx4lx5lx6y1y2y3ly3ly2ly1x1x2h1b1b2xixiti=+lxd,fori=1,2,3t=1,2yjyjj=+lhe1,forj=1,2,3hbxbxz111221=++lx2Theoretical3-BlockModel理論上的3x1x2x3x4x5x6w1y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3LVwxwxwx1112233=*+*+*LVwxwxwx2445566=*+*+*SATuyuyuy=*+*+*112233SATILVILVe=++1122Estimated3-BlockModel估計的3-塊模型x1x2x3x4x5x6w1y1y2y3LV1LV2SATI偏最小二乘法強調(diào)找出最佳的解決方案除需確定權(quán)重的隱變量外,其他隱變量的權(quán)重都賦予一個固定值,然后對需測量的隱變量的權(quán)重進行優(yōu)化.轉(zhuǎn)到下一個隱變量,重復上述過程直至權(quán)重保持穩(wěn)定分數(shù)計算出來后,使用加強的回歸分析來決定影響力x1x2x3x4x5x6y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3w1偏最小二乘法強調(diào)找出最佳的解決方案除需確定權(quán)重的隱變量外,其為什么使用偏最小二乘法(PLS)而不使用其他方法為什么使用偏最小二乘法(PLS)而不使用其他方法LISREL通過將所有變量之間的關(guān)系最大化的方法來找到“最好”的估計值(屬性和因素)偏最小二乘法發(fā)現(xiàn)一個模型,這個模型在預測滿意度/績效方面可以將誤差最小化-這給我們的目標一個優(yōu)先權(quán)為什么使用PLS?而不使用LISREL(analysisoflinearstructurerelationship)?原因#1為什么使用PLS?而不使用LISREL(analysiLISREL不能生成統(tǒng)一分階的因素分數(shù)不能進行基準比較或進行跟蹤在因素分數(shù)發(fā)生變化時,沒有辦法解釋“影響力”PLS能夠在案例層面上生成因素的分數(shù)所有的分數(shù)有相同的分階所有的分數(shù)和影響力都可比較為什么使用PLS?為什么不是LISREL?原因#2為什么使用PLS?為什么不是LISREL?原因#2為什么使用PLS?而不使用LISREL?LISREL依賴于分布假定(多元正態(tài)屬性),這對客戶滿意度的數(shù)據(jù)并不適合PLS沒有分布假定原因#3為什么使用PLS?而不使用LISREL?原因#3CFI滿意度測評方法的優(yōu)勢CFI滿意度測評方法的優(yōu)勢目標 解釋過去 預測未來對績效的測量 單項 多項 不太精確 比較精確

沒有所需的可比較因素 總有可比較因素 不具有理想的預測功能 理想的預測功能

預測效果 不可計量或比較 可計量可比較 分割評估 同時評估

滿意度測量 缺乏理論基礎(chǔ) 強大的理論基礎(chǔ) 極少的績效預測因素 理想的績效預測因素

結(jié)果 不可計量 可計量

行動計劃 主觀性 客觀性

傳統(tǒng)方法CFIGroup科羅思咨詢的方法傳統(tǒng)的客戶研究方法與CFIGroup方法的比較目標 解釋過去 預測未來傳統(tǒng)方法CFIGroup科羅思咨詢1、有效問卷篩選

完整地回答問題根據(jù)問卷要求回答問題認真思考后回答問題1、有效問卷篩選完整地回答問題2、數(shù)據(jù)編碼和輸入

數(shù)據(jù)編碼數(shù)據(jù)輸入2、數(shù)據(jù)編碼和輸入數(shù)據(jù)編碼3、數(shù)據(jù)處理數(shù)據(jù)檢查頻數(shù)分析交叉頻數(shù)分析馬氏距離分析3、數(shù)據(jù)處理數(shù)據(jù)檢查頻數(shù)分析示例頻數(shù)分析示例3、數(shù)據(jù)處理數(shù)據(jù)處理原始數(shù)據(jù)或變量的轉(zhuǎn)換缺省數(shù)據(jù)的處理3、數(shù)據(jù)處理數(shù)據(jù)處理原始數(shù)據(jù)處理示例假設(shè)其他品牌洗發(fā)水價格不變，而該品牌洗發(fā)水的價格下降，您會購買嗎？價格下降百分之幾您才會購買？12345109876原始數(shù)據(jù)處理示例假設(shè)其他品牌洗發(fā)水價格不變，而該品牌洗發(fā)水的4、數(shù)據(jù)計算PLS（PartialLeastSquare）SPSS軟件（SAS）4、數(shù)據(jù)計算PLS（PartialLeastSquare5、數(shù)據(jù)分析－國家級顧客滿意指數(shù)的變動特征－國家級顧客滿意指數(shù)與生產(chǎn)力的關(guān)系－國家級顧客滿意指數(shù)與個人消費支出的關(guān)系－國家級顧客滿意指數(shù)與股票價值的關(guān)系－國家之間顧客滿意指數(shù)比較國家級指數(shù)－產(chǎn)業(yè)/行業(yè)顧客滿意指數(shù)的變化趨勢分析（示例）－產(chǎn)業(yè)/行業(yè)顧客滿意指數(shù)的均值與方差分析－產(chǎn)業(yè)/行業(yè)顧客滿意指數(shù)結(jié)構(gòu)變量相關(guān)關(guān)系分析（示例）產(chǎn)業(yè)/行業(yè)級指數(shù)－產(chǎn)品/服務(wù)類別顧客滿意指數(shù)的歷史比較－產(chǎn)品/服務(wù)類別中主要品牌顧客滿意指數(shù)的比較（示例）－產(chǎn)品/服務(wù)類別中主要品牌顧客滿意指數(shù)各相關(guān)變量的比較－產(chǎn)品/服務(wù)類別中主要品牌顧客滿意指數(shù)人口統(tǒng)計特征分析（示例）產(chǎn)品/服務(wù)類別級指數(shù)－結(jié)構(gòu)變量之間的影響關(guān)系分析（示例）－結(jié)構(gòu)變量與觀測變量之間的相關(guān)關(guān)系分析（示例）－行業(yè)內(nèi)比較分析（示例）企業(yè)/品牌級指數(shù)5、數(shù)據(jù)分析－國家級顧客滿意指數(shù)的變動特征國家級指數(shù)－產(chǎn)業(yè)產(chǎn)業(yè)/行業(yè)級顧客滿意指數(shù)變化趨勢分析（示例）產(chǎn)業(yè)/行業(yè)級顧客滿意指數(shù)變化趨勢分析（示例）××行業(yè)顧客滿意指數(shù)

結(jié)構(gòu)變量相關(guān)關(guān)系分析（示例）感知價值顧客忠誠顧客滿意度感知質(zhì)量品牌形象預期質(zhì)量0.450.560.090.150.360.160.050.600.551.150.29××行業(yè)顧客滿意指數(shù)

結(jié)構(gòu)變量相關(guān)關(guān)系分析（示例）感知價值顧××行業(yè)預期質(zhì)量對其他

結(jié)構(gòu)變量的影響（示例）預期質(zhì)量感知質(zhì)量感知價值顧客滿意度用戶忠誠直接影響0.360.160.05---間接影響---0.210.310.41全部影響0.360.370.360.41××行業(yè)預期質(zhì)量對其他

結(jié)構(gòu)變量的影響（示例）預期質(zhì)量感知質(zhì)××行業(yè)主要品牌

顧客滿意指數(shù)比較（示例）平均值××行業(yè)主要品牌

顧客滿意指數(shù)比較（示例）平均值××行業(yè)顧客滿意指數(shù)

人口統(tǒng)計特征分析（示例）××行業(yè)顧客滿意指數(shù)

人口統(tǒng)計特征分析（示例）CL品牌顧客滿意指數(shù)

結(jié)構(gòu)變量的影響關(guān)系分析（示例）感知價值顧客忠誠顧客滿意度感知質(zhì)量品牌形象預期質(zhì)量0.430.540.170.200.260.150.040.570.541.170.27CL品牌顧客滿意指數(shù)

結(jié)構(gòu)變量的影響關(guān)系分析（示例）感知價值CL品牌形象對其他結(jié)構(gòu)變量的影響（示例）形象預期質(zhì)量感知質(zhì)量感知價值顧客滿意度用戶忠誠直接影響0.430.540.170.20---間接影響---0.110.440.530.86全部影響0.430.650.610.730.86CL品牌形象對其他結(jié)構(gòu)變量的影響（示例）形象預期質(zhì)量感知質(zhì)量CL品牌顧客滿意指數(shù)結(jié)構(gòu)變量與觀測變量之間的關(guān)系分析（示例）感知質(zhì)量65.41預期質(zhì)量66.68總體感知質(zhì)量（65.56）服務(wù)感知質(zhì)量（63.67）顧客化感知質(zhì)量（64.36）可靠性感知質(zhì)量（66.44）總體預期質(zhì)量（65.63）顧客化預期質(zhì)量（65.89）服務(wù)預期質(zhì)量（64.28）可靠性預期質(zhì)量（68.32）0.780.750.790.830.800.850.890.90CL品牌顧客滿意指數(shù)結(jié)構(gòu)變量與觀測變量之間的關(guān)系分析（示例）CL品牌形象

行業(yè)內(nèi)比較分析（示例）平均值CL品牌形象

行業(yè)內(nèi)比較分析（示例）平均值滿意度測評模型與方法滿意度測評模型與方法測評標準與測評方法的重要性

測評標準與測評方法的重要性

滿意度測評中的存在的問題不同顧客的表達是不同的

要知道他們是怎么想的而不是怎么說的不同地區(qū)顧客的感知是有差別的

需要從不同的基準來衡量

定量的精確性如何保證

需要科學的、實證的數(shù)學模型國外的測評方法適合中國國情嗎

先進的技術(shù)與本地的文化相結(jié)合測評的公正性如何保證測評由不受被測單位影響的第三方主持滿意度測評中的存在的問題不同顧客的表達是不同的模型摘要模型建立在隱變量的基礎(chǔ)上:

對主干結(jié)構(gòu)設(shè)定了多重指標核心的評估技術(shù):偏最小二乘法模型具有因果性和預測性:質(zhì)量因素的選擇令滿意度對績效的預測性最大化模型應看作是一個系統(tǒng);在模型中滿意度的驅(qū)動因素,滿意度,以及績效之間是相互聯(lián)系的,他們共同組成了模型模型摘要模型建立在隱變量的基礎(chǔ)上:

對主干結(jié)構(gòu)設(shè)定了多重指標模型包括兩部分測量模型(“外部模型”):得分隱變量(“質(zhì)量成分”或“質(zhì)量因素”)的組成指標(“屬性”或“顯變量”)隱變量的所有得分都轉(zhuǎn)化為百分制表示結(jié)構(gòu)模型(“內(nèi)部模型”):影響力

(直接,間接,以及整體)影響力代表了預測指標上升5個點對因變量所產(chǎn)生的改變.所有的影響力都被定量化,并且可比較.模型包括兩部分測量模型(“外部模型”):得分電信運營商的客戶滿意度模型（例）Example推薦給他人增加新業(yè)務(wù)的使用

總體滿意度與預期相比較與理想狀況相比較話音清晰度通話中斷率等等質(zhì)量因素滿意度績效方便程度話音質(zhì)量申請過程價格用戶的滿意度客戶服務(wù)問題解決I增加現(xiàn)有業(yè)務(wù)的使用品牌形象無論何時，本公司提供的服務(wù)總是成為第一選擇而被使用使用范圍和地域覆蓋費用支付的便捷等等批準所需的時間申請所需的信息等等投訴電話接通的難易程度客戶服務(wù)代表的態(tài)度等等解決問題的完全程度積極的尋求解決方案來滿足你的需求等等50544072606760586674630.41.24.01.23.30.61.30.20.71.2分數(shù)(0-100)影響力(分數(shù)變化5個點所造成的變化)業(yè)務(wù)收入ARPU$12513.0%質(zhì)量屬性資費的競爭性資費組合策略等等計費

計費的準確性帳單準時送達等等541.3電信運營商的客戶滿意度模型（例）Example推薦給他人增加測量模型問題:什么是績效?核心的方法論問題:

我們所測量的是我們想測量的嗎？這樣的測量準確嗎?測量模型問題:什么是績效?結(jié)構(gòu)模型問題:什么是最重要的?核心的方法論問題:所測算影響力的誤差是最小的嗎?結(jié)構(gòu)模型問題:什么是最重要的?為什么使用隱變量?為什么使用隱變量?兩種最普通的評定客戶認為重要的因素的方法

得出或推導出的重要因素直接詢問得出的重要因素

被訪者評估或排出不同的產(chǎn)品或服務(wù)屬性的重要性及優(yōu)先次序推導得出的重要因素

所有產(chǎn)品或服務(wù)屬性的重要性通過統(tǒng)計分析計算以進行定量化。兩種最普通的評定客戶認為重要的因素的方法

得出或推導出的重要直接詢問得出的重要因素直接的自我評價的重要因素：被訪者直接描述或者評估一個屬性的重要性以比較為基礎(chǔ)的自我評價的重要因素

要求被訪者對屬性的重要性進行比較但是:被訪者真的知道他們所講的是重要的嗎？他們能夠做到實事求是的將這些重要因素排出優(yōu)先次序嗎？該種方法不能對質(zhì)量屬性和滿意度及忠誠度的變化進行定量直接詢問得出的重要因素直接的自我評價的重要因素：被訪者直接描通過推導得出的重要因素綜合的方法要求被訪者評價或選擇產(chǎn)品或服務(wù)綜合的方法有效的測量產(chǎn)品或服務(wù)屬性中不連續(xù)的具體層面，如顏色或包裝的設(shè)計，當屬性更主觀性時，綜合的方法的運用將更為困難，如有關(guān)雇員禮貌的評價推導重要因素的方法評估質(zhì)量因素和滿意度水平之間的關(guān)系改進的影響方法：多次回歸法，因果模型

因果模型可以很好對質(zhì)量屬性的改進與滿意度及忠誠度變化的關(guān)系進行定量。通過推導得出的重要因素綜合的方法因果模型可以很好對質(zhì)量屬為什么使用多重指標而不使用單項指標？單項指標包含有測量誤差它的測量誤差會導致:不精確的分數(shù)低估重要性

(影響力偏向于零)單項模型缺少隱變量模型的穩(wěn)定性單項模型缺少理解數(shù)據(jù)的理論框架為什么使用多重指標而不使用單項指標？單項指標包含有測量誤差多重分類測量法舉例每一因素多重測量

10刻度（點）收益:

-增加能力，探測出微小的變化

-較少的抽樣范圍

-更多的操作性Experience經(jīng)驗Expectation期望值Ideal理想狀態(tài)

Timeittookforcalltobeanswered電話接聽等候時間客戶代表的禮貌CourtesyofRepresentativeCustomservice客戶服務(wù)Satisfaction滿意度Knowledgeofthecustomerservicerepresentative客戶代表的業(yè)務(wù)知識多重分類測量法舉例每一因素多重測量收益:

-增加能力，探測出TRUESource:InstituteforSocialResearch普通測量方法的誤差觀察到的數(shù)值=真實的數(shù)值+測量誤差

66%34%TRUESource:InstituteforSoci測量“金字塔”精確度:置信區(qū)間的寬度能力:探測變化的能力是否判斷方法單項,5點刻度單項,10點刻度多項刻度,相等權(quán)重多項刻度“最佳”權(quán)重預測的誤差區(qū)間測量“金字塔”精確度:置信區(qū)間的寬度能力:探測變化的能力單項10點多項10點是否判斷精確度有95%的置信度(100pt.scale)*基于有關(guān)電信公司的真實數(shù)據(jù)不同分階類型的精確度比較單項多項是否判斷精確度有95%的置信度(100pt.單項10點多項10點TopBox在變量與滿意度之間的平均相關(guān)性*基于有關(guān)電信公司的真實數(shù)據(jù)不同的分階類型中質(zhì)量變量與滿意度之間的聯(lián)系單項多項TopBox在變量與滿意度之間的平均相關(guān)性*基于滿意度測量達到的程度基本的或期望的屬性超出期望和令人興奮的屬性績效或所說的屬性客戶滿意非常滿意非常不滿意根本沒有達到完全達到Kano模型滿意度測量達到的程度基本的或期望的屬性超出期望和令人興奮的屬如何對模型進行評估如何對模型進行評估隱變量是如何構(gòu)造的理論上講:隱變量通常被認為是顯變量的潛在原因。實踐中:隱變量是通過顯變量的加權(quán)平均獲得的;偏最小二乘法的運算法則決定了權(quán)重。隱變量是如何構(gòu)造的理論上講:隱變量通常被認為是顯變量的潛在原Theoretical3-BlockModel理論上的3-塊模型x1x2x3x4x5x6lx1lx3lx4lx5lx6y1y2y3ly3ly2ly1x1x2h1b1b2xixiti=+lxd,fori=1,2,3t=1,2yjyjj=+lhe1,forj=1,2,3hbxbxz111221=++lx2Theoretical3-BlockModel理論上的3x1x2x3x4x5x6w1y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3LVwxwxwx1112233=*+*+*LVwxwxwx2445566=*+*+*SATuyuyuy=*+*+*112233SATILVILVe=++1122Estimated3-BlockModel估計的3-塊模型x1x2x3x4x5x6w1y1y2y3LV1LV2SATI偏最小二乘法強調(diào)找出最佳的解決方案除需確定權(quán)重的隱變量外,其他隱變量的權(quán)重都賦予一個固定值,然后對需測量的隱變量的權(quán)重進行優(yōu)化.轉(zhuǎn)到下一個隱變量,重復上述過程直至權(quán)重保持穩(wěn)定分數(shù)計算出來后,使用加強的回歸分析來決定影響力x1x2x3x4x5x6y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3w1偏最小二乘法強調(diào)找出最佳的解決方案除需確定權(quán)重的隱變量外,其為什么使用偏最小二乘法(PLS)而不使用其他方法為什么使用偏最小二乘法(PLS)而不使用其他方法LISREL通過將所有變量之間的關(guān)系最大化的方法來找到“最好”的估計值(屬性和因素)偏最小二乘法發(fā)現(xiàn)一個模型,這個模型在預測滿意度/績效方面可以將誤差最小化-這給我們的目標一個優(yōu)先權(quán)為什么使用PLS?而不使用LISREL(analysisoflinearstructurerelationship)?原因#1為什么使用PLS?而不使用LISREL(analysiLISREL不能生成統(tǒng)一分階的因素分數(shù)不能進行基準比較或進行跟蹤在因素分數(shù)發(fā)生變化時,沒有辦法解釋“影響力”PLS能夠在案例層面上生成因素的分數(shù)所有的分數(shù)有相同的分階所有的分數(shù)和影響力都可比較為什么使用PLS?為什么不是LISREL?原因#2為什么使用PLS?為什么不是LISREL?原因#2為什么使用PLS?而不使用LISREL?LISREL依賴于分布假定(多元正態(tài)屬性),這對客戶滿意度的數(shù)據(jù)并不適合PLS沒有分布假定原因#3為什么使用PLS?而不使用LISREL?原因#3CFI滿意度測評方法的優(yōu)勢CFI滿意度測評方法的優(yōu)勢目標 解釋過去 預測未來對績效的測量 單項 多項 不太精確 比較精確

沒有所需的可比較因素 總有可比較因素 不具有理想的預測功能 理想的預測功能

預測效果 不可計量或比較 可計量可比較 分割評估 同時評估

滿意度測量 缺乏理論基礎(chǔ) 強大的理論基礎(chǔ) 極少的績效預測因素 理想的績效預測因素

結(jié)果 不可計量 可計量

行動計劃 主觀性 客觀性

傳統(tǒng)方法CFIGroup科羅思咨詢的方法傳統(tǒng)的客戶研究方法與CFIGroup方法的比較目標 解釋過去 預測未來傳統(tǒng)方法CFIGroup科羅思咨詢1、有效問卷篩選

完整地回答問題根據(jù)問卷要求回答問題認真思考后回答問題1、有效問卷篩選完整地回答問題2、數(shù)據(jù)編碼和輸入

數(shù)據(jù)編碼數(shù)據(jù)輸入2、數(shù)據(jù)編碼和輸入數(shù)據(jù)編碼3、數(shù)據(jù)處理數(shù)據(jù)檢查頻數(shù)分析交叉頻數(shù)分析馬氏距離分析3、數(shù)據(jù)處理數(shù)據(jù)檢查頻數(shù)分析示例頻數(shù)分析示例3、數(shù)據(jù)處理數(shù)據(jù)處理原始數(shù)據(jù)或變量的轉(zhuǎn)換缺省數(shù)據(jù)的處理3、數(shù)據(jù)處理數(shù)據(jù)處理原始數(shù)據(jù)處理示例假設(shè)其他品牌洗發(fā)水價格不變，而該品牌洗發(fā)水的價格下降，您會購買嗎？價格下降百分之幾您才會購買？12345109876原始數(shù)據(jù)處理示例假設(shè)其他品牌洗發(fā)水價格不變，而該品牌洗發(fā)水的4、數(shù)據(jù)計算PLS（PartialLeastSquare）SPSS軟件（SAS）4、數(shù)據(jù)計算PLS（PartialLeastSquare5、數(shù)據(jù)分析－國家級顧客滿意指數(shù)的變動特征－國家級顧客滿意指數(shù)與生產(chǎn)力的關(guān)系－國家級顧客滿意指數(shù)與個人消費支出的關(guān)系－國家級顧客滿意指數(shù)與股票價值的關(guān)系－國家之間顧客滿意指數(shù)比較國家級指數(shù)－產(chǎn)業(yè)/行業(yè)顧客滿意指數(shù)的變化趨勢分析（示例）－產(chǎn)業(yè)/行業(yè)顧