顾客满意度对顾客忠诚度作用机制研究基于电信企业的实证分析.docx
- 文档编号:7179627
- 上传时间:2023-01-21
- 格式:DOCX
- 页数:12
- 大小:31.60KB
顾客满意度对顾客忠诚度作用机制研究基于电信企业的实证分析.docx
《顾客满意度对顾客忠诚度作用机制研究基于电信企业的实证分析.docx》由会员分享,可在线阅读,更多相关《顾客满意度对顾客忠诚度作用机制研究基于电信企业的实证分析.docx(12页珍藏版)》请在冰豆网上搜索。
顾客满意度对顾客忠诚度作用机制研究基于电信企业的实证分析
1引言
经济全球化大背景下,市场逐渐从卖方市场转
化为买方市场,企业竞争日趋激烈。
为了在竞争中脱颖而出,企业需要培养忠诚的顾客。
研究表明,保持并提高顾客的忠诚度将为企业带来很多益处。
张
新安、
田澎(2007[1]
将之归纳为以下5点:
(1维持一个忠诚顾客的成本远低于争取一个新顾客的成本,降低了企业的营销成本;(2忠诚的顾客倾向于重复消费,并购买企业的其他产品,为企业带来稳定的远期收益;(3忠诚顾客更容易接受溢价,同时购买行为不容易受到价格优惠等促销手段的影响,能为企业带来超额利润;(4忠诚顾客经常宣传企业的产品或服务,通过口口相传,为企业争取新的
顾客满意度对顾客忠诚度作用机制研究
———基于电信企业的实证分析1
廖颖林
摘要:
本文利用某电信企业的数据,采用了多种统计分析方法,深入探讨了我国企业中顾客满意度对顾客忠诚度的作用机制,不仅探讨了不同满意程度顾客之间,而且还研究了相似满意程度的顾客内部,顾客满意度对顾客忠诚度的作用大小和作用关系是否存在差异。
本文的主要结论如下:
(1顾客满意度的分类和顾客忠诚度的分类之间存在着对应关系。
(2顾客满意度对顾客忠诚度的作用机制并非线性关系。
在不满意顾客与满意顾客以及满意顾客与非常满意顾客之间存在阈值;(3相似满意程度的顾客内部,顾客满意度对顾客忠诚度的作用关系可能唯一,也可能存在差异。
非常满意顾客当其同时又是忠诚顾客时,顾客满意度才对顾客忠诚度呈现出显著的线性作用,否则,如果是不忠诚顾客或者潜在忠诚顾客时,这种作用关系仍然不显著。
关键词:
顾客满意度;顾客忠诚度;多重对应分析;聚类回归TheStudyontheRelationshipbetweenCustomerSatisfactionandCustomerLoyalty
———EmpiricalAnalysisBasedonaTelecomEnterprise
LiaoYinglin
Abstract:
Basedonthedatafromatelecomenterprise,thispaperappliesvariousstatisticalanalysismethodstodeeplydiscusstheroleofcustomersatisfactiontocustomerloyalty.Itdiscussestherelationshipbetweenthecustomersatisfactionandthecustomerloyalty,andanalyzeswithinthecustomerswithsamesatisfactiontheroleandrelationshipofcustomersatisfactionandcustomerloyalty.Themainresultsinclude:
(1Thedifferentkindsofcustomersatisfactioncorrespondstothedifferencekindsofcustomerloyalty;(2Thereisanonlinearrelationshipbetweencustomer
satisfactionandcustomerloyalty;(4'Highlysatisfiedcustomers'arenotnecessarily'loyaltycustomers'.Firmsshould
provideotherfacilitiestokeepcustomerloyalty.
KeyWords:
CustomerSatisfaction,CustomerLoyalty,OptimalScaling,ClusterLinearRegression
1.本文获上海财经大学“211工程”三期的资助,上海市重点学科建设项目(项目编号:
B803的资助。
作者简介:
廖颖林,1974年生,湖南郴州人,经济学博士,现为上海财经大学应用统计研究中心研究人员,上海财经大学统计与管理学院讲师,研究方向为经济统计分析和顾客满意度分析。
第12期
(总第123期
2009年12月
No.12(SeriesNo.123Dec2009
统计教育StatisticalThinktank
第12期
顾客;(5顾客忠诚有助于提高员工满意度和保持率,促进企业降低运营成本。
按照传统的管理和营销理论,提高顾客满意度是培育忠诚顾客的有效途径,通过忠诚的顾客提升企业利润并实现企业的长远发展[2]。
但是某项调查结果表明:
在声称对公司产品满意甚至十分满意的顾客中,有65%~85%的顾客会转向其他公司的产品[3]。
其中,汽车业中85%~90%的顾客表示满意,但是再次购买的比例却只有30%~40%;餐饮业中品牌转换者的比例更高达60%~65%[1]。
国内外多项研究也表明,顾客满意度对顾客忠诚度的作用机制是复杂的,并不是单一的线性关系。
进入20世纪90年代以来,国外学者关于顾客满意度对顾客忠诚度的作用机制展开了大量的理论和实证研究。
Coyne(1989[4]首先指出顾客满意度与顾客忠诚度之间的关系并非线性,而是存在着两个阈值:
当顾客满意度超过某个较高的水平后,重购的忠诚度将急剧上升,同时,当顾客满意度下降并低于一定水平后,顾客忠诚度也同样急剧下降,而在这两个阈值之间,顾客忠诚度相对变化较小。
Oliver(1992[5]在Coyne的研究基础上,利用突变模型(CatastropheModel研究了交易成本、顾客满意度对顾客忠诚度的影响,指出顾客满意度对顾客忠诚度呈现出非线性作用关系。
Finkelman(1993[6]将落在两个阈值之间的区域称为“无关紧要区域”(ZoneofIndifference,即顾客满意度陷阱区域,并进一步指出在无关紧要区域进行投资,对公司的业绩表现影响不大。
Jones和Sasser(1999[7]通过对施乐公司的实证研究,发现了“无关紧要区域”的存在,研究指出非常满意的顾客重购产品的可能性是满意顾客的6倍,只有非常满意的顾客才是真实的忠诚者。
国内学者关于作用机制的探讨更多的还停留在理论研究上,例如,韩经纶、韦福祥(2001[2]展开了顾客满意与顾客忠诚互动关系的动态分析;刘周平(2007[8]对顾客满意与顾客忠诚研究的文献进行回顾时,详细探讨了顾客满意度陷阱问题;张月莉、王方华(2008[9]从理论角度讨论了顾客忠诚因果模型,等等。
关于作用机制的实证研究相对缺乏,目前比较具代表性的有王霞、赵平(2003[10],张新安、田澎(2007[1]和廖颖林(2008[11]的研究。
国内学者关于作用机制的实证研究主要探讨了不同满意程度的顾客之间,顾客满意度对顾客忠诚度的作用关系是否存在区别。
现有的研究表明不同满意程度的顾客与不同忠诚度顾客之间存在着对应关系[1][11],顾客满意度对顾客忠诚度的作用关系,随着顾客满意程度的不同而具有差异[11]。
但是,对于满意程度相类似的顾客内部这种作用关系是否存在差异的研究却十分缺乏。
本文利用某电信企业的数据对顾客满意度与顾客忠诚度之间的作用机制展开深入的实证研究。
本文在现有研究成果的基础上,着重探讨了具有相似满意程度的顾客内部,顾客满意度对顾客忠诚度的作用关系是否存在差异。
是对现有研究成果的进一步拓展。
2研究变量和研究路径
2.1研究变量
顾客满意度、顾客忠诚度作为经济心理学的概念,较难直接衡量,一般需要通过其他外在变量间接进行测量[12],而且考虑到顾客满意度和顾客忠诚度概念的复杂性,需要采用多元观测变量(Measur-ableVariable[13]。
同时不能忽视的是顾客满意度并不是顾客忠诚度的唯一原因变量,需要将顾客满意度与顾客忠诚度的其他作用变量综合起来,进行实证分析。
本文在参考了瑞典顾客满意度指数模型[14]、美国顾客满意度指数模型[15]等西方国家顾客满意度模型基础上,将顾客忠诚度(LOYA的解释变量确定为顾客预期(EXPE、质量感知(QUAL、价值感知(VALU和顾客满意度(SATI。
同时,分别确定各个变量的观测变量:
(1顾客期望由总体期望(EXPE_1、可靠性期望(EXPE_2和满足需求期望(EXPE_33个观测变量衡量;(2质量感知由总体质量(QUAL_1、可靠性(QUAL_2和满足需求能力(QUAL_33个观测变量衡量;(3价值感知由给定质量下的价格(VALU_1和给定价格下的质量(VALU_22个观测变量衡量;(4顾客满意度由总体满意度(SATI_1、对预期的满足(SATI_2和与理想的差距(SATI_33个观测变量衡量;(5顾客忠诚度由推荐他人使用的可能性(LOY-A_1、继续使用的可能性(LOYA_2、增大使用量的
廖颖林:
顾客满意度对顾客忠诚度作用机制研究17
2009年
注:
括号内的数值为标准差。
表3顾客忠诚度分组后观测值个数、各观测变量的均值和标
准差
注:
括号内的数值为标准差。
表2
顾客满意度分组后观测值个数、各观测变量的均值和标
准差
表1
各个变量的Cronbachα值
可能性(LOYA_3、使用其他业务的可能性(LOY-A_4等4个观测变量衡量。
2.2研究路径
目前常用的度量顾客满意度和顾客忠诚度的方法是结构方程建模。
将顾客满意度作为顾客忠诚度的原因变量纳入方程,并利用偏最小二乘建模方法估计参数[16][17],在此基础上研究顾客满意度对顾客忠诚度的作用机制。
例如瑞典顾客满意度指数模型[14]、
美国顾客满意度指数模型[15]等。
但是在进行顾客满意度对顾客忠诚度作用机制的实证研究中,结构方程建模的方法并不合适。
基于以下几点考虑:
(1结构方程建模忽略了顾客满意的不同程度,也忽略了对顾客忠诚的不同分类,因此无法了解不同满意程度的顾客与不同忠诚度顾客之间的对应关系;(2结构方程建模中将顾客满意对顾客忠诚的作用简单线性化,与非线性作用关系不符。
本文在借鉴现有研究成果的基础上,首先对不同满意程度顾客之间顾客满意度对顾客忠诚度的作用机制展开了讨论,接着,又着重探讨了相似满意程度顾客内部的作用机制。
本文的实证研究共分为4步:
首先对顾客按照满意水平以及忠诚水平进行分类;接着探讨不同类别顾客之间的对应关系;然后对不同满意程度的顾客,分别展开主成分回归,以探讨不同满意程度顾客之间,顾客满意度对顾客忠诚度的作用大小、作用方式是否存在差异;最后利用聚类回归分析方法,进一步深入探讨了满意度相似的顾客内部,顾客满意度对顾客忠诚度的作用大小、
作用方式是否存在差异。
除了分析的第4步将利用R软件[18]完成,其余的都将采用SAS软件
[19]
实现。
3实证分析
3.1数据来源
本文实证分析的数据来源于某电信公司2006
年的调查,从该电信公司的客户群中按照年龄、性别等指标等比例分层抽样,并采用电话调查的方式,共调查了1500份问卷,经过预处理后,实际有效问卷为1153份。
调查的所有问题均采用10级尺度李克特量表,其中,1表示完全不同意、根本不可能或者根本不满意,10表示完全同意、十分可能或者十分满意。
具体调查项目参见研究变量一节。
由于各个变量均采用多个观测变量衡量,为了衡量观测变量之间的内在一致性,从而确定变量的可靠性,计算各个变量的Cronbachα值[20],参见表1。
根据表1,各个变量的Cronbachα值均大于或十分接近0.70,说明变量具有一定的可靠性。
3.2聚类分析
考虑到不同水平的顾客满意度对顾客忠诚度的作用方式存在差异,采用聚类分析方法将顾客按照顾客满意水平和顾客忠诚水平分别进行分类。
将顾客按照顾客满意水平高低不同分为3组:
不满意顾客、满意顾客和非常满意顾客,同时,将顾客按照顾客忠诚水平高低不同分为3组:
不忠诚顾客、潜在忠诚顾客和忠诚顾客。
采用K均值聚类方法,顾客满意度和顾客忠诚度各个组内部情况分别参见表2和表3。
变量Cronbachα顾客预期(EXPE0.8158质量感知(QUAL0.8722价值感知(VALU0.7844顾客满意度(SATI0.9131顾客忠诚度(LOYA
0.6909
组别组1(不满意顾客组2(满意顾客
组3
(非常满意顾客
观测值个数10319824观测值比例0.87%27.67%71.47%SATI_13.200(1.9326.881(0.9998.636(0.794SATI_22.500(1.5096.467(1.1158.682(0.836SATI_3
2.500(1.269
6.179(1.159
8.551(0.895
组别组1(不忠诚顾客组2(潜在忠诚顾客
组3(忠诚顾客
观测值个数145385623观测值比例12.58%33.39%54.03%LOYA_13.262(3.0324.846(2.1858.727(1.007LOYA_28.462(2.6198.612(1.5099.444(0.898LOYA_32.227(2.0066.849(2.1738.637(1.416LOYA_4
2.268(1.915
7.296(1.890
7.887(2.248
廖颖林:
顾客满意度对顾客忠诚度作用机制研究18
第12期图1两个变量两维对应图
表4
顾客满意度和顾客忠诚度的列联表
根据表2,按照顾客满意度的高低可将顾客分为3类:
(1组1为不满意顾客,记为SATI1,这类顾客在各个观测值上的得分均值都低于3.5分,得分很低;(2组2为满意顾客,记为SATI2,这类顾客在各个观测值上的得分均值都在6分到7分之间,超过了量表的中点,即5分;(3组3为非常满意顾客,记为SATI3,这类顾客在各个观测值上的得分均值均超过8.5分,
得分偏高。
根据表3,按照顾客忠诚度的高低可将顾客分为3类:
(1组1为不忠诚顾客,记为LOYA1,这类顾客除了继续使用的可能性均值偏高以外,其他观测变量的均值都低于3.5分,得分很低;(2组2为潜在忠诚顾客,记为LOYA2,这类顾客除了推荐他人使用可能性的得分均值低于5分以外,其他观测变量的均值都落在6.5分到9分之间;
(3组3为忠诚顾客,记为LOYA3,这类顾客在所有观测值上的得分均值均超过7.5分,得分偏高。
比较各类顾客人数不难发现,不忠诚顾客的人数多于不满意顾客的人数,这是因为在2006年,我国电信业改革虽然已经启动,市场上已经形成了多家电信运营商共同竞争的局面,但是这种竞争仍然受到一定保护,是不充分的。
由于对电信运营商在经营地域、经营范围上有所限制,这就造成了在小的地域范围内某项电信服务的提供商仍然具有垄断性,因此偏高的顾客满意度与偏低的顾客忠诚度并不矛盾,反而是当时市场的真实反映。
这一点从继续使用可能性(LOYA_2观测变量的偏高均值也可以反映出来,根据表3,无论顾客忠诚属于哪种类型,该变量的均值均较高,一定程度上反映出顾客缺乏选择的状况。
3.3多重对应分析
顾客满意度和顾客忠诚度分类后,可视为两个定性变量,对这两个定性变量进行多重对应分析,以了解两个分类变量之间的对应关系。
两个变量的两维对应图参见图1,两个变量各组之间的列联表参见表4。
根据图1可知,顾客满意度与顾客忠诚度之间存在着明显的对应关系。
其中,非常满意顾客与忠诚顾客很接近;满意顾客与潜在忠诚顾客很接近;同时还可以看到,虽然不满意顾客与不忠诚顾客并不接近———这可能与不满意顾客人数仅为10人,
人数过少有关———
但是它们仍然落在同一区域之内,具有一定联系。
两个变量之间的对应关系在列联表中也有所体现。
从顾客满意度分类的角度来看,在不满意顾客中,不忠诚顾客比例最高,占90%;满意顾客中,潜在忠诚顾客的比例最高,占52.9%;非常满意顾客中,忠诚顾客的比例最高,占64.9%。
从顾客忠诚度分类的角度来看,在忠诚顾客中,非常满意顾客占85.9%,这一比例随着顾客满意度的下降,依次降低为55.8%和51.0%。
根据多重对应分析,进一步验证了不同水平的顾客满意度与不同水平的顾客忠诚度之间存在着对应关系:
不满意顾客往往对应着不忠诚顾客;满意顾客往往对应着潜在忠诚顾客;而非常满意顾客往往就是忠诚顾客。
该结果我国学者的现有实证研究结果十分吻合,但是仅仅根据对应分析,仍然无法判断顾客满意对顾客忠诚作用关系的具体形态,即线性变化还是非线性变化,因此还需要展开进一步的分析。
3.4主成分回归分析
为了进一步展开对顾客满意度陷阱的实证分析,将所有变量按照不同满意程度的顾客分别进行主成分分析,然后对不同满意水平的顾客群体利用各变量的第一主成分得分进行主成分回归,以期了解不同满意程度的顾客群体之间,顾客满意对顾客忠诚作用的具体形态是否存在差异。
对于各种满意程度的顾客,所有变量的第一主
分组频数不忠诚顾客潜在忠诚顾客忠诚顾客
小计不满意顾客91010满意顾客6216988319非常满意顾客
74215535824小计
145
385
623
1153
廖颖林:
顾客满意度对顾客忠诚度作用机制研究
19
2009年
成分均具有较高的贡献率,同时所有观测变量上的载荷均为正,具有很好的经济内涵。
这位后续主成分回归分析的有效性奠定了基础。
将顾客期望、质量感知、价值感知、顾客满意度和顾客忠诚度等各变量的第一主成分得分分别记为EXPE_P、QUAL_P、VALU_P、SATI_P和LOYA_P。
分别对不满意顾客、满意顾客和非常满意顾客3种顾客群体,以LOYA_P为因变量,以EXPE_P、QUAL_P、VALU_P和SATI_P为自变量进行多元线性回归。
3种顾客群体的回归方程参见式(1、式(2和式(3。
不满意顾客的回归方程为:
LOYA_P=0.000-0.578×EXPE_P+0.779×QUAL_P+(1.000(0.014(0.002
0.056×VALU_P+0.462×SATI_P
(0.798(0.040(1n=10R2=0.91Prob(F-statistic=0.002DW=2.01满意顾客的回归方程为:
LOYA_P=0.000-0.092×EXPE_P+0.116×QUAL_P+(1.000(0.014(0.056
0.294×VALU_P+0.103×SATI_P
(0.000(0.135(2n=319R2=0.12Prob(F-statistic=0.000DW=2.01非常满意顾客的回归方程为:
LOYA_P=0.000-0.019×EXPE_P-0.002×QUAL_P+(1.000(0.626(0.955
0.164×VALU_P+0.106×SATI_P
(0.000(0.008(3n=824R2=0.04Prob(F-statistic=0.000DW=2.01比较式(1、式(2和式(3,有以下几点结论:
(1随着顾客满意程度从不满意转变到满意进而到非常满意,顾客期望对顾客忠诚的作用也从统计显著转变为统计不显著;
(2不满意顾客和满意顾客中,产品、服务的质量对顾客忠诚的影响统计显著,非常满意顾客中,质量感知对顾客忠诚的影响统计不显著;
(3不满意顾客中,产品、服务的价值对顾客忠诚的影响统计不显著,满意和非常满意顾客中,价值对顾客忠诚的影响统计显著;
(4不满意顾客和非常满意顾客中,顾客满意度对顾客忠诚度的影响统计显著,而满意顾客中,顾客满意对顾客忠诚度的影响统计不显著。
这一点进一
步验证了顾客满意度对顾客忠诚度的非线性关系。
同时需要指出的是,虽然根据F检验的结果,式(2和式(3均为统计显著,但是两个方程的拟合优度却并不高,特别是式(3,拟合优度仅为0.04。
造成这种结果的原因可能有两点:
第一,在满意顾客与非常满意顾客内部,解释变量对顾客忠诚度的作用方式可能具有不同的类型;第二,方程遗漏了对顾客忠诚度具有较好解释能力的解释变量。
由于本文研究聚焦于顾客满意度对顾客忠诚度的作用机制,因此,为了探讨相同满意程度顾客内部顾客满意度对顾客忠诚度的作用机制是否唯一,本文将进一步采用聚类回归分析方法,展开更深入的分析。
3.5聚类回归分析
聚类回归分析方法[21-23]是基于某个或者某些自变量对因变量的作用关系不同对观测变量进行分类的分析方法。
聚类回归分析假定从混合着的K类总体中抽取出一个样本量为I的样本。
为了测定不同总体中解释变量对被解释变量的作用关系。
对抽取的样本,采用极大似然估计方法,最大化似然函数L或者对数似然函数Ln(L。
对数似然函数Ln(L的计算公式为:
ln(L=
I
i=1
Σ1nK
k=1
Σλk(2πσ2k-1/2exp-(yi-Xibk2
k
kkk(4其中:
k=1,2,…,K表示不同的总体;i=1,2,…I表示第i个样本观测值;yi表示被解释变量的第i个观测值;Xi表示解释变量的第i个观测值向量,解释变量的个数为J;bk表示第k类总体的回归系数向量;σ2k表示第k类总体的方差,满足σ2k>0;λk表示第k类总体所占的未知的比例,满足0≤λk≤1且
K
k=1
Σλk=1。
在给定K、y及X的情况下,通过极大似然估计方法,可以得到bk、σ2k以及λk等参数的估计值。
但是,总体到底应该分为几类,即却往往是未知的。
如何确定最佳的总体类数,可以根据贝叶斯信息准则(BayesianInformation
- 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:
- 顾客 满意 忠诚度 作用 机制 研究 基于 电信企业 实证 分析