满意度指数 PPT课件

1 顾客满意度指数 吴喜之2004年9月 2 吴喜之xwu 本科 北京大学数学力学系再教育 甘孜藏族自治州得荣县 6年 统计博士 美国北卡罗来纳大学 UNC ChapelHill 教书经历 美国加利福尼亚州大学 Davis 美国北卡罗来纳大学 ChapelHill 美国北卡罗来纳大学 Charlotte 南开大学北京大学人民大学 3 有些我们是可以知道的 即可以通过调查得到的 比如 顾客对某商品的外在质量是否满意顾客对售后服务是否满意顾客对某商品的期望是否满足顾客对某商品是否抱怨顾客还会不会再买该品牌顾客对于某商品和理想的差距有多大 4 但有些我们是不容易知道的 比如 顾客对某商品如何和怎么满意品牌对该商品起正面还是负面作用顾客的抱怨和什么有关满意与否和忠诚与否有什么关系各种品牌在各方面有什么差距感知和预测价值对满意的影响等等 5 因此 需要数学模型来描述这些关系 有些变量是无法观测的称为隐变量 LV latentvariable 有些是可观测的 为显变量 ML manifestvariable 可以发出问卷 得到显变量的观测值可以构造模型 并通过统计方法来得到隐变量的取值以及各种变量之间的关系 6 感知表现 顾客预期质量 顾客满意度 顾客抱怨 顾客忠诚 五个隐含变量中 顾客预期质量为外生隐变量 exogenouslatentvariable 其余为内生隐变量 endogenouslatentvariable 7 欧洲顾客满意度指数模型 感知质量软件 感知质量硬件 感知价值 预期质量 形象 顾客满意度 顾客忠诚 8 美国顾客满意度指数模型 感知质量 感知价值 预期质量 顾客满意度 顾客抱怨 顾客忠诚度 9 美国顾客满意度指数模型 10 中国耐用消费品顾客满意度指数模型 11 中国非耐用消费品顾客满意度指数模型 12 中国服务行业顾客满意度指数模型 13 中国非耐用消费品顾客满意度模型的数学模型 14 中国耐用消费品顾客满意度指数模型 15 这里 包含有b的B矩阵 h及z是未知的 而B矩阵的形式完全被图模型所确定 16 这里 包含有l的L矩阵 h是未知的 而x是可观测的 而L矩阵的形式完全被图模型所确定 17 我们的目的是 找出这些方程的未知系数 即包含有b的B矩阵及包含有l的L矩阵这里一共有18个l 代表隐含变量h和与其相关的显变量x之间的关系 图中隐变量和显变量之间箭头所定义 这里还有11个b代表隐变量之间的关系 图中隐变量之间箭头所定义 18 我们用PLS估计方法 第一步 用迭代得到隐变量h的表示式它们是显变量x的线性组合 通过权w 第二步 用通常的最小二乘法得到b也就是隐变量之间的关系第三步 用通常的最小二乘法得到l也就是隐变量和显变量之间的关系最后得到各种指数 19 最小二乘法 又称最小平方法 是一种数学优化技术 它通过最小化误差的平方和寻找数据的最佳函数匹配 利用最小二乘法可以简便地求得未知的数据 并使得这些求得的数据与实际数据之间误差的平方和为最小 迭代算法是用计算机解决问题的一种基本方法 它利用计算机运算速度快 适合做重复性操作的特点 让计算机对一组指令 或一定步骤 进行重复执行 在每次执行这组指令 或这些步骤 时 都从变量的原值推出它的一个新值 20 这些指数的公式为 21 对模型和问卷的数学 问卷各问题不应该相关 实际不一定 模型不能有封闭圈各个回答可以用10分制 百分制也可 注意系数l和b的正负号的解释注意 各个品牌商品或同品牌但不同时期的商品只有在同样或类似的问卷调查才可以比较 22 问卷调查的学问 问卷的问题个数问卷问题的次序问卷的语言问卷的题型问卷人的素质问什么人 如何抽样 23 问卷中有什么信息 问卷的数据可以形成一个方阵的数据形式 除了自由回答问题之外的选择题都行 每个观测值为一行 而每个问题 变量 为一列例如 24 在许多讲座中 教师使用诸如 动态分析 交叉分析 战略 等时髦名词这些都不是统计 行话 有招揽顾客的广告的意思 25 问卷的信息如何分析 对于记分式的满意度问卷 可用典型相关分析 回归分析 因子分析 主成分分析等多元分析内容 26 问卷的信息如何分析 其他问卷调查有些主要是定性变量 可用列联表分析 每n个变量 问题可以形成一个n维列联表 然后可以利用列联表的各种统计方法来建立所涉及变量之间关系的模型 如对数线性模型 Logistic回归模型等也可以检验各个变量之间的相关性 如c2检验 卡方Pearson或似然比检验 可以利用多元分析方法 比如对应分析来看各个变量的各水平之间的关系 27 除PLS还有别的方法来计算满意度吗 有些人用最大似然法 假定正态分布 来解结构方程模型利用诸如AMOS这样的软件但是无法解我们的满意度模型他们的方法必须对模型增加约束在系数的解释上有类似点 不一样 28 利用最大似然法的 关于耐用消费品满意度的 图模型要复杂一些 29 可以看出 这个模型远远比PLS模型更加复杂 而且无法给出指数的估计值但对于两者均不能用于未经考验的模型只有事先完全知道确定关系的模型才可以计算 无论什么方法 30 数据分析例子 按照中国耐用消费品的模型对某产品进行了问卷 收回126份 可观测变量是20个问卷 每个从1到10打分 31 和预期质量h1有关部分的打分 V1 买之前你对该空调质量的总期望 总体预期质量 期望越大分越高 V2 买之前你对该空调的省电的预期 预期质量1 V3 买之前你对该空调的制冷性能的预期 预期质量2 V4 买之前你对该空调耐用性的预期 可靠性预期质量 V5 买之前你对于售后服务的期望 预期服务质量 32 和感知质量h2有关部分的打分 V6 使用后你对该空调质量的总评价 总体感知质量 评价越高分越高 V7 使用后你对该空调的省电的评价 感知质量1 V8 使用后你对该空调的制冷性能的评价 感知期质量2 V9 你对该空调耐用性的评价 可靠性感知质量 V10 你对于售后服务的评价 感知服务质量 33 和感知价值h3有关部分的打分 V11 对于这个空调价格贵了吗 价格贵分越高 V12 对于这个价格觉得质量如何 质量好分越高 34 和顾客满意度h4有关部分的打分 V13 对于买这个空调总体满意度 越满意分越高 V14 该空调和你买前预期的差距 差距越大分越高 V15 该空调和其他品牌距离 差距越大分越高 V16 该空调和你理想的距离 差距越大分越高 35 和顾客忠诚度h5有关部分的打分 V17 你如果还买空调 会再买这个牌子吗 越想买分越高 V18 你能够承受这个价格吗 越能够承受分越高 36 和品牌形象h6有关部分的打分 V19 对该空调品牌的总体印象 越印象越好分越高 V20 在各种品牌中该品牌很突出吗 越突出分越高 37 38 这里 包含有b的B矩阵 h及z是未知的 而B矩阵的形式完全被图模型所确定 39 外部关系 40 INNERCOEFFICIENTS0 000000000 00000000 000000000 000000000 1207411 0 154947110 00000000 000000000 000000000 16242370 072246790 11016440 000000000 000000000 23529630 210510160 18285360 092224820 000000000 10938130 000000000 00000000 000000000 111074900 00000000 000000000 00000000 000000000 000000001 0000000OUTERCOEFFICIENT 0 014444890 1546771 0 26986260 89568380 25732170 70341370 1067854 0 48076940 28059850 569299 0 78658940 69949370 460694 0 66752730 6168276 0 22851750 91939680 41533520 61507380 8142129ExpectationIndex 51 49044QualityIndex 49 58987ValueIndex 51 49912SatisfactionIndex 45 59083LoyaltyIndex 48 25555BrandIndex 51 84263 下面的六个数字分别为关于预期质量 ExpectationIndex 感知质量 QualityIndex 感知价值 ValueIndex 顾客满意度 SatisfactionIndex 顾客忠诚度 LoyaltyIndex 和品牌形象 BrandIndex 等六个指数 41 42 如何解释结果 比如X11和X12系数为 0 7865894 0 6994937说明贵了和价值不符 而性能和价值相符 但X1 X5的符号有正有负 0 014444890 1546771 0 26986260 89568380 2573217 这应该看成各种系数的相对意义 应该按相对大小理解 否则不合情理有的 如X13 X16为0 460694 0 66752730 6168276 0 2285175 常理应该后三个是负值 但有一个为正 当然 按照相对意义后三个总的是负值 但也可能对问题X15有两种误解 正面差距和负面差距 43 如何解释结果 是否问题明确 样本是否足够 模型是否合理 都影响结果对于胡乱编造的数据或没有经验的模型 很可能得到无法解释的结果 甚至根本算不出任何结果即使是合理的问卷或模型 答卷人的误解 思维逻辑问题 也会造成各种问题 44 其他分析举例 聚类分析 45 其他分析 相关分析 46 47 p 值小于0 05的变量对子 48 谢谢大家 49 十个类似消费品品牌满意度调查结果的六个指数 50 十个类似消费品品牌满意度调查结果的满意度指数 51 运行程序说明 首先要把数据存成文本文件按照我们的耐用消费品调查模型 共有18个变量 18列 和N个观测值 数据的行数 在运行时 程序进入DOS窗口 首先问你的数据文件路径 在重复确认之后 然后问输出文件路径 在重复确认之后 问你有多少观测值 最后程序完成之后 你可以打开输出文件 52 INNERCOEFFICIENTS0 00000 00000 00000 00000 00000 02900 07550 00000 00000 00000 00000 08050 04700 05550 00000 00000 00000 0016 0 07640 0866 0 04700 00000 0000 0 06200 00000 00000 00000 03390 00000 00000 00000 00000 00000 00000 00001 0000OUTERCOEFFICIENT 0 51830 03660 8472 0 01130 43770 4528 0 68770 37040 92230 38470 1222 0 36180 2002 0 9029 0 2017 0 9818 0 63290 7452ExpectationIndex 50 95142QualityIndex 52 28762ValueIndex 48 66317Satis