茍恩讓

客戶滿意度調(diào)查近年來在國內(nèi)外得到了普遍重視，特別是服務(wù)性行業(yè)的客戶滿意度調(diào)查已經(jīng)成為企業(yè)發(fā)現(xiàn)問題、改進(jìn)服務(wù)的重要手段之一。

國內(nèi)的滿意度調(diào)查是在最近幾年才迅速發(fā)展起來的，但已經(jīng)引起越來越多企業(yè)的重視。尤其是電信業(yè)，由于客戶群龐大，實(shí)現(xiàn)一對一的服務(wù)幾乎不可能，所以通過滿意度調(diào)查了解客戶的需求、企業(yè)存在的問題以及與競爭對手之間的差異，從而有針對性地改進(jìn)服務(wù)工作，顯得尤為重要。

客戶需求與服務(wù)改進(jìn)的分析方法

企業(yè)為用戶提供的服務(wù)多種多樣，那么在這些服務(wù)中哪些因素更重要，各因素之間的重要性差異到底有多大，這些都是滿意度研究需要首先解決的問題。

國際上比較流行并被實(shí)踐所驗(yàn)證，比較科學(xué)的方法就是利用回歸分析確定客戶對不同服務(wù)因素的需求程度，具體方法如下：

假設(shè)某電信運(yùn)營商的服務(wù)界面包括了A1……Am共M個界面，那么各界面對總體服務(wù)滿意度A的影響可以通過以A為因變量，以A1……Am為自變量的回歸分析，得出不同界面服務(wù)對總體A的影響系數(shù)，從而確定各服務(wù)界面對A的影響大小。

同樣，A1服務(wù)界面可能會有A11……A1n共N個因素的影響，那么利用上述方法也可以計算出A11……A1n對A1的不同影響系數(shù)，由此確定A1界面中的重要因素。

通過兩個層次的分析，我們不僅可以得出各大服務(wù)界面對客戶總體滿意度影響的大小以及不同服務(wù)界面上各因素的影響程度，同時也可綜合得出某一界面、某一因素對總體滿意度的影響大小，由此再結(jié)合用戶滿意度評價、與競爭對手的比較等因素，來確定每個界面細(xì)分因素在以后改進(jìn)工作中的輕重緩急、重要性差異等（這是我們明鏡市場研究咨詢有限公司獨(dú)有的客戶服務(wù)改進(jìn)COR指數(shù)模型），從而起到事半功倍的作用。

滿意度分析的誤區(qū)

雖然，利用回歸分析來研究客戶滿意度不同影響因素重要性的強(qiáng)弱，這在諸多市場研究咨詢公司已經(jīng)得到了普遍應(yīng)用，但由于不同公司在具體操作細(xì)節(jié)上的差異，導(dǎo)致了分析結(jié)果的不同。如果不負(fù)責(zé)任地隨意使用不合理的分析數(shù)據(jù)，分析結(jié)果上的偏差往往有可能導(dǎo)致咨詢公司給企業(yè)提供錯誤的咨詢建議。下面我們通過實(shí)例分析來加以說明。

■線性回歸使用方法不當(dāng)帶來的誤導(dǎo)

線性回歸中有多種回歸方法，有直接進(jìn)入法（Enter）、逐步(Stepwise)、強(qiáng)制刪除(Remove)、向前(Forward)、向后(Backward)回歸五種方法。不負(fù)責(zé)任的咨詢公司隨意選取一種方法而不顧分析結(jié)果，就會把客戶引入誤區(qū)。

[案例一]對某地移動通信公司的服務(wù)滿意度研究中，利用回歸方法分析各服務(wù)界面對總體滿意度的影響。

A.直接進(jìn)入法

顯然，在這種方法計算的結(jié)果中，C界面不能通過顯著性檢驗(yàn)，直接利用分析結(jié)果是錯誤的。(見表1）

B.逐步回歸法

這種方法剔除了一個不能通過統(tǒng)計檢驗(yàn)的大的服務(wù)界面（C界面），雖然通過了顯著性檢驗(yàn)，但卻遺漏了C界面的信息。（見表2）

同樣，使用強(qiáng)制刪除法，C服務(wù)界面不能通過顯著性檢驗(yàn)，向前法和向后法亦剔除了C界面進(jìn)入分析。

可以看出，通過以上回歸分析我們得到了不同的分析結(jié)果，顯然這種分析方法存在著較大的偏差，隨意選取一種是不負(fù)責(zé)任的，必須深入研究。

■缺損值處理不當(dāng)帶來的誤差

在客戶滿意度研究中，調(diào)查數(shù)據(jù)或多或少都有一定量的缺失值。這主要來自兩個方面，一是客戶拒絕回答或者是對某問題不清楚造成的某項數(shù)據(jù)缺損，另一方面是由于某些服務(wù)使用的客戶較少而帶來的部分?jǐn)?shù)據(jù)缺損。

處理缺損數(shù)據(jù)的方法有三種，一是不分析任何有缺損值的記錄（Exculde cases listwise），二是不分析具體進(jìn)入某變量時有缺損值的記錄（Exclude cases pairwise），三是以平均值代替所有缺損值進(jìn)行分析(Replace with mean)。

這三種有關(guān)缺損值的處理方法以第一種最為合理，但在調(diào)查中如果遇到某項服務(wù)使用用戶較少或拒答/不清楚較多情況時，則會導(dǎo)致大量數(shù)據(jù)不能進(jìn)行分析。因此當(dāng)出現(xiàn)上述情況時，一般是退而求其次，即不分析具體進(jìn)入某變量時有缺損值的記錄，取得的結(jié)果可信度也是比較高的。而第三種方法以平均值代替缺損值最容易導(dǎo)致統(tǒng)計分析的偏差，尤其在缺損值較多的情況下，這種誤差的后果可能是非常嚴(yán)重的。

[案例二]上例中A界面包含a、b、c、d四個因素，對缺損值的三種處理方法計算的結(jié)果詳見表3。

顯然，三種方法的處理結(jié)果存在明顯差異，導(dǎo)致差異的原因是由于缺損值的存在。通過對原始數(shù)據(jù)的分析發(fā)現(xiàn)，由于c因素存在大量的缺損值，因而方法1遺漏了大量信息，方法3則把大量的缺損值以平均值來代替，人為的大量平均。因此這兩種方法都存在一定的缺陷，方法2的計算比較合理。

■走出滿意度分析的誤區(qū)

為什么在上面的案例中，直接進(jìn)入法、逐步、強(qiáng)制刪除、向前、向后這五種回歸方法會得出不同的結(jié)果呢？原因是C界面不能通過顯著性檢驗(yàn)所致。如果在分析時直接剔除C界面，顯然會遺漏很多信息。而不考慮顯著性檢驗(yàn)就用直接進(jìn)入法的分析結(jié)果，雖然保證了各服務(wù)界面都進(jìn)入分析，但這種分析結(jié)果在統(tǒng)計意義上是解釋不通的。除了缺損值處理不當(dāng)，這是數(shù)據(jù)分析最大的一個誤區(qū)。

一般來說，滿意度分析中涉及許多因素，而諸多因素間存在著一定的關(guān)聯(lián)，因而在進(jìn)行回歸分析時，各自變量之間的共線性問題導(dǎo)致了直接使用線性回歸分析模型時一些因子不能參與分析的現(xiàn)象。一些市場研究咨詢公司常采用舍棄一些變量、遺漏部分信息來求得統(tǒng)計檢驗(yàn)通過的方法；有的不顧顯著性檢驗(yàn)結(jié)果而強(qiáng)行使用不合理的分析結(jié)果，來保證變量不被舍棄，從而虛假地保障了信息不被遺漏。我們認(rèn)為這是滿意度分析錯誤的兩個極端。

正確的處理方法是，利用SPSS軟件中的嶺回歸分析來解決，既保障信息不被遺漏，同時保障分析具有統(tǒng)計意義。SPSS軟件界面沒有直接進(jìn)行嶺回歸的命令，我們可以通過SPSS提供的程序編輯命令，自行編輯程序加以實(shí)現(xiàn)。

[案例三]對案例一進(jìn)行嶺回歸，分析結(jié)果和表1的結(jié)果對比參見表4?？梢妰烧咧g有較大差異（表4數(shù)據(jù)將已將回歸系數(shù)之和標(biāo)準(zhǔn)化為100%），F(xiàn)界面對總體滿意度的作用被縮小了5%左右，而B界面、D界面的作用各被夸大近5%。(見表4）

以上分析表明，客戶滿意度回歸分析只有通過正確的方法，才能得出有實(shí)際指導(dǎo)意義的正確結(jié)果，否則只能是誤導(dǎo)客戶。市場研究咨詢公司不僅需要正確利用合理的統(tǒng)計分析方法，更要樹立良好的職業(yè)道德觀念，而不是不負(fù)責(zé)任地隨意使用分析數(shù)據(jù)。