用户满意度指数数据分析及方法论.ppt
- 文档编号:2759873
- 上传时间:2022-11-12
- 格式:PPT
- 页数:47
- 大小:419KB
用户满意度指数数据分析及方法论.ppt
《用户满意度指数数据分析及方法论.ppt》由会员分享,可在线阅读,更多相关《用户满意度指数数据分析及方法论.ppt(47页珍藏版)》请在冰豆网上搜索。
满意度测评模型与方法2CFIGroup测评标准与测评方法的重要性测评标准与测评方法的重要性3CFIGroup满意度测评中的存在的问题满意度测评中的存在的问题不同顾客的表达是不同的不同顾客的表达是不同的要知道他们是怎么想的而不是怎么说的要知道他们是怎么想的而不是怎么说的不同地区顾客的感知是有差别的不同地区顾客的感知是有差别的需要从不同的基准来衡量需要从不同的基准来衡量定量的精确性如何保证定量的精确性如何保证需要科学的、实证的数学模型需要科学的、实证的数学模型国外的测评方法适合中国国情吗国外的测评方法适合中国国情吗先进的技术与本地的文化相结合先进的技术与本地的文化相结合测评的公正性如何保证测评的公正性如何保证测评由不受被测单位影响的第三方主持测评由不受被测单位影响的第三方主持4CFIGroup模型摘要模型摘要模型建立在隐变量的基础上模型建立在隐变量的基础上:
对主干结构设定了多重指标对主干结构设定了多重指标核心的评估技术核心的评估技术:
偏最小二乘法偏最小二乘法模型具有因果性和预测性模型具有因果性和预测性:
质量因素的选择令满意度对绩效的预测性最质量因素的选择令满意度对绩效的预测性最大化大化模型应看作是一个系统模型应看作是一个系统;在模型中满意度的在模型中满意度的驱动因素驱动因素,满意度满意度,以及绩效之间是相互联系以及绩效之间是相互联系的的,他们共同组成了模型他们共同组成了模型5CFIGroup模型包括两部分模型包括两部分测量模型测量模型(“外部模型外部模型”):
得分得分隐变量隐变量(“质量成分质量成分”或或“质量因素质量因素”)的组的组成指标成指标(“属性属性”或或“显变量显变量”)隐变量的所有得分都转化为百分制表示隐变量的所有得分都转化为百分制表示结构模型结构模型(“内部模型内部模型”):
影响力影响力(直接直接,间接间接,以及整体以及整体)影响力代表了预测指标上升影响力代表了预测指标上升5个点对因变量所个点对因变量所产生的改变产生的改变.所有的影响力都被定量化所有的影响力都被定量化,并且可比较并且可比较.6CFIGroup电信运营商的客户满意度模型(例)电信运营商的客户满意度模型(例)Example推荐给他人推荐给他人增加新业务的增加新业务的使用使用总体满意度与预期相比较与理想状况相比较话音清晰度通话中断率等等质量因素质量因素满意度满意度绩效绩效方便程度方便程度话音质量话音质量申请过程申请过程价格价格用户的满意度用户的满意度客户服务客户服务问题解决问题解决I增加现有业务增加现有业务的使用的使用品牌形象品牌形象无论何时,本公司提供的服务总是成为第一选择而被使用使用范围和地域覆盖费用支付的便捷等等批准所需的时间申请所需的信息等等投诉电话接通的难易程度客户服务代表的态度等等解决问题的完全程度积极的寻求解决方案来满足你的需求等等50544072606760586674630.41.24.01.23.30.61.30.20.71.2分数分数(0-100)影响力影响力(分数变化分数变化5个点所造成的变化个点所造成的变化)业务收入ARPU$12513.0%质量属性质量属性资费的竞争性资费组合策略等等计费计费计费的准确性帐单准时送达等等541.37CFIGroup测量模型测量模型问题问题:
什么是绩效什么是绩效?
4核心的方法论问题核心的方法论问题:
我们所测量的是我们想测量的吗?
我们所测量的是我们想测量的吗?
这样的测量准确吗这样的测量准确吗?
8CFIGroup结构模型结构模型问题问题:
什么是最重要的什么是最重要的?
4核心的方法论问题核心的方法论问题:
所测算影响力的误差所测算影响力的误差是最小的吗是最小的吗?
为什么使用隐变量为什么使用隐变量?
10CFIGroup两种最普通的评定客户认为重要的因素的方法两种最普通的评定客户认为重要的因素的方法得出或推导出的重要因素得出或推导出的重要因素直接询问得出的重要因素直接询问得出的重要因素被访者评估或排出不同的产品或服务属性的重要性及优先次序推导得出的重要因素推导得出的重要因素所有产品或服务属性的重要性通过统计分析计算以进行定量化。
11CFIGroup直接询问得出的重要因素直接询问得出的重要因素直接的自我评价的重要因素:
被访者直接描述或者直接的自我评价的重要因素:
被访者直接描述或者评估一个属性的重要性评估一个属性的重要性以比较为基础的自我评价的重要因素以比较为基础的自我评价的重要因素要求被访者对属性的重要性进行比较要求被访者对属性的重要性进行比较但是:
被访者真的知道他们所讲的是重要的吗?
他们能够做到实事求是的将这些重要因素排出优先次序吗?
该种方法不能对质量属性和满意度及忠诚度的变该种方法不能对质量属性和满意度及忠诚度的变化进行定量化进行定量12CFIGroup通过推导得出的重要因素通过推导得出的重要因素综合的方法综合的方法要求被访者评价或选择产品或服务要求被访者评价或选择产品或服务综合的方法有效的测量产品或服务属性中不连综合的方法有效的测量产品或服务属性中不连续的具体层面,如颜色或包装的设计,当属性续的具体层面,如颜色或包装的设计,当属性更主观性时,综合的方法的运用将更为困难,更主观性时,综合的方法的运用将更为困难,如有关雇员礼貌的评价如有关雇员礼貌的评价推导重要因素的方法推导重要因素的方法评估质量因素和满意度水平之间的关系改进的评估质量因素和满意度水平之间的关系改进的影响影响方法:
多次回归法,因果模型方法:
多次回归法,因果模型因果模型可以很好对质量属性的改进与满意度及因果模型可以很好对质量属性的改进与满意度及忠诚度变化的关系进行定量。
忠诚度变化的关系进行定量。
13CFIGroup为什么使用多重指标而不使用单项指标?
为什么使用多重指标而不使用单项指标?
单项指标包含有测量误差单项指标包含有测量误差它的测量误差会导致它的测量误差会导致:
不精确的分数低估重要性(影响力偏向于零)单项模型缺少隐变量模型的稳定性单项模型缺少隐变量模型的稳定性单项模型缺少理解数据的理论框架单项模型缺少理解数据的理论框架14CFIGroup多重分类测量法举例多重分类测量法举例每一因素多重测量每一因素多重测量10刻度(点)刻度(点)收益收益:
-增加能力,探测出微增加能力,探测出微小的变化小的变化-较少的抽样范围较少的抽样范围-更多的操作性更多的操作性Experience经验经验Expectation期望值期望值Ideal理想状态理想状态Timeittookforcalltobeanswered电话接听等候时间电话接听等候时间客户代表的礼貌客户代表的礼貌CourtesyofRepresentativeCustomservice客户服务客户服务Satisfaction满意度满意度Knowledgeofthecustomerservicerepresentative客户代表的业务知识客户代表的业务知识15CFIGroupTRUESource:
InstituteforSocialResearch普通测量方法的误差普通测量方法的误差观察到的数值观察到的数值=真实的数值真实的数值+测量误差测量误差66%34%16CFIGroup测量测量“金字塔金字塔”精确度:
置信区间的宽度能力:
探测变化的能力是否判断方法是否判断方法单项单项,5点刻度点刻度单项单项,10点刻度点刻度多项刻度多项刻度,相等权重相等权重多项刻度多项刻度“最佳最佳”权重权重预测的误差区间17CFIGroup单项10点多项10点是否判断精确度有95%的置信度(100pt.scale)*基于有关电信公司的真实数据不同分阶类型的精确度比较不同分阶类型的精确度比较18CFIGroup单项10点多项10点TopBox在变量与满意度之间的平均相关性*基于有关电信公司的真实数据不同的分阶类型中质量变量与满意度之间不同的分阶类型中质量变量与满意度之间的联系的联系19CFIGroup满意度测量满意度测量达到的程度基本的或基本的或期望的属期望的属性性超出期望和超出期望和令人兴奋的令人兴奋的属性属性绩效或所说绩效或所说的属性的属性客户满意非常满意非常不满意根本没有达到完全达到Kano模型模型20CFIGroup如何对模型进行评估如何对模型进行评估21CFIGroup隐变量是如何构造的隐变量是如何构造的理论上讲理论上讲:
隐变量通常被认为是显变量的隐变量通常被认为是显变量的潜在原因。
潜在原因。
实践中实践中:
隐变量是通过显变量的加权平均隐变量是通过显变量的加权平均获得的获得的;偏最小二乘法的运算法则决定了偏最小二乘法的运算法则决定了权重。
权重。
22CFIGroupTheoretical3-BlockModel理论上的理论上的3-块模型块模型x1x2x3x4x5x6lx1lx3lx4lx5lx6y1y2y3ly3ly2ly1x1x2h1b1b2xixiti=+lxd,fori=1,2,3t=1,2yjyjj=+lhe1,forj=1,2,3hbxbxz111221=+lx223CFIGroupx1x2x3x4x5x6w1y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3LVwxwxwx1112233=*+*+*LVwxwxwx2445566=*+*+*SATuyuyuy=*+*+*112233SATILVILVe=+1122Estimated3-BlockModel估计的估计的3-块模型块模型24CFIGroup偏最小二乘法强调找出最佳的解决方案偏最小二乘法强调找出最佳的解决方案除需确定权重的隐变量外除需确定权重的隐变量外,其他隐变量的权重都赋予一个固其他隐变量的权重都赋予一个固定值定值,然后对需测量的隐变量的权重进行优化然后对需测量的隐变量的权重进行优化.转到下一个隐变量转到下一个隐变量,重复上述过程直至权重保持稳定重复上述过程直至权重保持稳定分数计算出来后分数计算出来后,使用加强的回归分析来决定影响力使用加强的回归分析来决定影响力x1x2x3x4x5x6y1y2y3LV1LV2SATI1I2w2w3w4w5w6u1u2u3w125CFIGroup为什么使用偏最小二乘法为什么使用偏最小二乘法(PLS)而不使用其他方法而不使用其他方法26CFIGrouplLISREL通过将所有变量之间的关系最大化的方法来找到“最好”的估计值(属性和因素)l偏最小二乘法发现一个模型,这个模型在预测满意度/绩效方面可以将误差最小化-这给我们的目标一个优先权为什么使用为什么使用PLS?
而不使用而不使用LISREL(analysisoflinearstructurerelationship)?
原因原因#127CFIGrouplLISREL不能生成统一分阶的因素分数不能进行基准比较或进行跟踪在因素分数发生变化时,没有办法解释“影响力”lPLS能够在案例层面上生成因素的分数所有的分数有相同的分阶所有的分数和影响力都可比较为什么使用为什么使用PLS?
为什么不是为什么不是LISREL?
原因原因#228CFIGroup为什么使用为什么使用PLS?
而不使用而不使用LISREL?
lLISREL依赖于分布假定(多元正态属性),这对客户满意度的数据并不适合lPLS没有分布假定原因原因#329CFIGroupCFICFI满意度测评方法的优势满意度测评方法的优势满意度测评方法的优势满意度测评方法的优势30CFIGroup目标目标解释过去解释过去预测未来对绩效的测量对绩效的测量单项单项多项不太精确不太精确比较精确没有所需的可比较因素总有可比较因素不具有理想的预测功能不具有理想的预测功能理想的预测功能预测效果预测效果不可计量或比较不可计量或比较可计量可比较分割评估分割评估同时评估满意度测量满意度测量缺乏理论基础强大的理论基础极少的绩效预测因素极少的绩效预测因素理
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 用户 满意 指数 数据 分析 方法论