姚層林

（武漢商業(yè)服務學院 湖北 武漢 430056）

一、引言

顧客滿意度作為顧客滿意的量化統(tǒng)計指標，描述了顧客對產(chǎn)品的認知（期望值）和感知（實際感受值）之間的差異，可以測量顧客滿意的程度。當顧客的認知小于感知時，顧客的滿意度就高；反之，當認知大于感知時，滿意度就低。

美國的顧客滿意度指數(shù)（ACSI，American Customer Satisfaction Index）模型（如圖1所示），已成為影響最為廣泛的模型。

圖1 美國滿意度指數(shù)（ACSI）模型

本文借鑒了國內外對于顧客滿意度的研究成果和實踐經(jīng)驗，結合我國4S店銷售中的實際特點以及實際的可操作性，運用偏最小二乘法（PLS）對4S店銷售中的客戶滿意度模型進行處理。

二、汽車4S店客戶滿意度數(shù)據(jù)處理及分析

本文選用2010年第四季度東風悅達起亞汽車用戶滿意度調研數(shù)據(jù)，用單因變量的偏最小二乘回歸計算其顧客滿意度二級指標數(shù)值。其中三級指標17個，如表1所示。通過軟件PEW 中單因變量的偏最小二乘回歸計算顧客滿意度，如圖2所示。

1、自變量之間的相關關系

自變量之間的相關系數(shù)r的絕對值在0.5到0.8之間，說明兩個變量是顯著性相關，自變量之間的相關系數(shù)r的絕對值在0.8到1之間，說明兩個變量是高度線性相關。經(jīng)過計算，我們可以看到大部分變量間相關系數(shù)值在0.8到1之間，說明是高度線性相關。變量之間存在高度線性相關，采用偏最小二乘回歸將顯示出其優(yōu)越性。

2、提取的主成分對變量的解釋能力

在偏最小二乘回歸計算過程中，所提取的自變量成分t1，一方面盡可能多地代表X中的變異信息，另一方面又盡可能與Y相關聯(lián)，解釋Y中的信息。主成分t1對自變量X和因變量Y的解釋能力分別為：86.10%，99.74%。如表2。

3、自變量與因變量的相關關系

判斷自變量集合X與因變量集合Y之間是否存在較強的相關關系是檢驗是否可以建立Y對X的線性回歸的基本條件，如果在圖3中明顯觀察到t1與u1之間存在線性關系，則說明X與Y有顯著的相關關系，這時采用偏最小二乘回歸方法建立Y對X的線性模型才會是比較合理的。自變量與因變量相關系數(shù)R2為0.9974，自變量與因變量存在高度線性相關關系。t1與u1相關關系見表3、圖3。

4、自變量在解釋因變量時的作用

變量投影重要性指標VIPj值，用來測度每一個自變量在系統(tǒng)分析中的作用，即xj在解釋Y時作用的重要性。

根據(jù)用變量投影重要性指標VIPj來測度的每一個自變量對解釋因變量的作用大小依次為：x52＞x43＞x23＞x13＞x11＞x41＞x32＞x22＞x51＞x21＞x53＞x42＞x33＞x34＞x31＞x12（如表 4、圖4）。根據(jù)VIPj＞1即認為xj在解釋因變量時具有重要作用的原則，x52、x43、x23、x13、x11、x41、x32、x22、x51 在解釋 y 具有重要作用。其中x52在解釋y具有最重要的作用，x43、x23、x13在解釋y也具有重要作用。

表1 4S店銷售客戶滿意度指數(shù)量表

圖2 PLS操作

表2 主成分對變量的解釋能力

5、組間相關關系的結構分析

在r（，t1）/r（，t2）關系圖上（如圖5），如果xj與y兩變量的位置十分接近，則認為它們的相關關系相當密切。另一方面，團聚在一起的自變量xj之間，也存在著較強的相關關系，相隔很遠的自變量xj之間，由于相關系數(shù)較低，可認為是互不影響的獨立變量。

6、特異點的發(fā)現(xiàn)及處理

如果有數(shù)據(jù)出現(xiàn)在橢圓圖之外，一般就是特異值，我們要進行剔除。從圖6中我們發(fā)現(xiàn)，所有數(shù)據(jù)都在橢圓圖之內，所以樣本數(shù)據(jù)存在著0個特異點。

7、偏最小二乘回歸原始數(shù)據(jù)數(shù)學模型

偏最小二乘法的回歸模型為：y=-0.5868+0.0487x11+0.0755x12+0.0771x13+0.0729x21+0.0863x22+0.0536x23+0.0703x31+0.0673x32+0.0789x33+0.0466x34+0.0758x41+0.0478x42+0.0694x43+0.0658x51+0.0601x52+0.0626x53

通過模型我們發(fā)現(xiàn)除了截距為負值之外，其他變量的系數(shù)都為正數(shù)，說明自變量對因變量都是正相關的。提高任何一項服務都能提高顧客的滿意度。

其中0.0863（服務顧問的響應程度）＞0.0789（經(jīng)銷商設施的干凈程度）＞0.0771（交接流程的及時性）＞0.0755（顧客日程的靈活性）＞0.0729（服務顧問的禮貌/友善）＞0.0703（進出經(jīng)銷商的便利性）。所以我們要提高客戶的滿意度，這要從這幾個指標重點入手。

表3 t1與u1相關關系

圖3 t1與u1關系圖

表4 變量投影指標

圖4 VIP值柱狀圖

表5 偏最小二乘與普通最小二乘去一回歸預測比較

8、偏最小二乘與普通最小二乘去一回歸預測比較

回歸預測比較是指將原始樣本數(shù)據(jù)逐一刪除樣本點i，其余數(shù)據(jù)經(jīng)偏最小二乘與普通最小二乘回歸后再用二模型計算的yi的預測值，并與原始數(shù)據(jù)的y值進行比較（如表5）。

偏最小二乘法預測絕對誤差（|偏最小二乘預測值yi-觀測值yi|）平均值=0.0314＜普通最小二乘法預測絕對誤差（|普通最小二乘法預測值yi-觀測值yi|）平均值=527.9403

偏最小二乘法預測相對誤差（（|偏最小二乘法預測值yi-觀測值yi|）/觀測值yi%）平均值=0.0036＜普通最小二乘法預測相對誤差（（|普通最小二乘法預測值yi-觀測值yi|）/觀測值yi%）平均值=56.8284

圖5 r（，t1）/r（，t2）關系圖

圖6 特異點發(fā)現(xiàn)表

圖7 偏最小二乘與普通最小二乘去一回歸預測比較柱狀圖

偏最小二乘法預測殘差平方和=0.0114＜普通最小二乘法預測殘差平方和=7589114.1819

回歸預測結果表明，偏最小二乘回歸在對新出現(xiàn)數(shù)據(jù)的預測方面表現(xiàn)出比普通最小二乘回歸更精確的性能，也說明偏最小二乘回歸分析更接近事物的真實，更加穩(wěn)健。

三、提高4S店銷售客戶滿意度建議和措施

根據(jù)0.0863（服務顧問的響應程度）＞0.0789（經(jīng)銷商設施的干凈程度）＞0.0771（交接流程的及時性）＞0.0755（顧客日程的靈活性）＞0.0729（服務顧問的禮貌/友善）＞0.0703（進出經(jīng)銷商的便利性），我們要提高客戶的滿意度，首先要提高服務顧問中的服務顧問的響應程度，然后要提高經(jīng)銷商設施中的經(jīng)銷商設施的干凈程度、服務啟動中的交接流程的及時性、顧客日程的靈活性、服務顧問中的服務顧問的禮貌/友善、經(jīng)銷商設施中進出經(jīng)銷商的便利性這幾個指標。

[1]王俊喜、馬驪歌：關于汽車企業(yè)提高客戶滿意度的對策分析[J]. 汽車工業(yè)研究，2010（10）.

[2]陳高波：基于核偏最小二乘回歸的顧客滿意度指數(shù)模型[J].科教文匯（下旬刊），2010（11）.

[3]郭輝、劉賀平：基于核的偏最小二乘特征提取的最小二乘支持向量機回歸方法[J].信息與控制，2005（4）.

[4]Roman R.Kernel Partial Least Squares for Nonlinear Regression and Discrim ination.Neural Network World，2003，13（3）.