一、顧客滿意度測評現狀

最近幾年來，顧客滿意度這一概念在中國傳播得如火如荼。顧客滿意度評價排名成為眾多企業對外宣傳和公關的手段。經常出現的一種情況是：在某一行業內，某一個品牌或者某幾個品牌被某個機構或者某家公司評定為該行業內的顧客滿意最佳品牌，其競爭對手則通過另外的機構或者公司，把自己評定為行業內的最佳。顧客滿意度分值和排名，成了品牌擁有者的一件華麗外衣，可以通過贊助、委托調查等方式獲取到。于是乎，我們通常見到的是：XX品牌的顧客滿意率99％，或者YY品牌的顧客滿意度分值95分等等。這些品牌的滿意率或者滿意度真的有那么高嗎？

國內權威的顧客滿意度研究機構——清華大學中國企業研究中心在最近幾年公布的中國用戶滿意度指數中，不同行業中的主要品牌，其用戶滿意度分值在70－85分之間居多。和某些品牌宣傳的高分值差別很大。為什么會出現這種差別呢，主要的原因如下：

1、采用的方法論和分析計算手段不一樣；
2、采用的調查手段和控制措施不同，造成了誤差；
3、中國有句俗話：“拿人錢財，替人消災”。如果委托方提供了經費或者贊助，那么受委托方可能就難以客觀地評價。
4、清華大學中國企業研究中心主導的中國用戶滿意指數（CCSI）研究是由完全獨立的第三方進行調查，在全國50個城市通過固定電話完全隨機抽樣調查完成。其公正性和代表性得到國家相關主管部門的認可和消費者的信任。

根據直覺，消費者往往對很多產品的滿意率能夠達到99％或者滿意度分值達到95分以上表示質疑。如果真的有這么高的滿意率或滿意度分值，這些企業在其目標市場應該占有絕對優勢，而事實并非如此。實際上，正是由于消費者各種不滿意因素的存在，才推動了市場的多樣化發展以及競爭的多元化。

二、測評顧客滿意度的作用

管理中有句名言：“NO MEASUREMENT, NO MANAGEMENT.” 就是說“沒有測量，就沒有管理”。顧客滿意度測評就是對現有顧客的購買、使用某產品/服務全過程的滿意程度進行測量。作為企業，顧客滿意度排名誠然重要，因為通過客觀的評測和排名，可以了解自身品牌在行業中的地位。這種地位是通過顧客的視角和感知得到的，顧客是通過這種感知來決定自己是否重復購買該品牌產品，或者交叉購買該品牌的其它產品，或者向親戚朋友推薦購買該品牌產品。滿意而導致的上述忠誠行為，可以對企業的績效產生直接的影響。

除了了解滿意度現狀以外，顧客滿意度調查的另外一個重要目的是指導企業提升顧客滿意度。要達到這一目的，僅知道顧客滿意度的高低和排序還不夠，還需要知道影響顧客滿意度的驅動要素有哪些，企業在這些要素上的表現如何，這些要素對目標顧客的滿意度影響有多大。回答了上述問題，才可能有的放矢地指導企業提升顧客滿意度。要回答這些問題，就需要通過嚴格的調查研究和統計分析手段才能達到。

三、常見的顧客滿意度測評方法

由于顧客滿意度概念的熱銷，許多市場調查公司、咨詢公司都聲稱能夠進行顧客滿意度測評。基于不同的目的、自身技術力量的限制以及委托方預算的高低，開展顧客滿意度測評的方法形形色色，非常多。整體歸納起來，可以大概劃分為以下幾種：

方法1：簡單易行型

本方法直截了當地問：“你對XX品牌的產品/服務總體上滿意嗎？”受訪者可以進行選項或者打分。

這種方式效率高，容易回答，可以詢問受訪者對多個品牌的滿意度評價，從而了解到消費者對競爭品牌的總體評價。但是，由于這樣一個問題太過簡單，受訪者的回復在很多情況下由于沒有時間仔細考慮被調查產品的方方面面，其選擇通常趨向于中庸的選項。這就好像，當您和朋友聚餐后，回家父母問你飯吃得怎樣。回答通常是“還可以”、“還行”、“不錯”等。事實上，被問者并沒有仔細去考慮飯菜質量、服務質量、價格等各種要素，而且可能選擇肯定回答的主要原因在于聚會時和朋友聊得不錯，或者遇見了初戀女友，心情不錯的緣故。

方法2：雙重評價型

這種方式需要調查設計者找到一些影響滿意度的驅動要素，然后讓受訪者對被調查品牌在該驅動要素上的表現打分，同時還要對該驅動要素對其重要程度進行打分。

問題比如：“請問XX品牌洗衣粉的溶解性能怎么樣，可以打幾分？”；“洗衣粉的溶解性能對您而言重要嗎，請選擇”。
之所以這樣設計，目的是不僅僅了解顧客對某品牌產品/服務的滿意度高低，而且了解對相應的滿意度驅動要素的評價高低。除此之外，了解消費者對這些驅動要素的看重度（自述重要性），即對哪些要素更加重視，哪些不那么重視。了解了這些要素以后，在確定滿意度提升措施的時候，可以重點提升那些消費者評價低，而重要性高的要素。

這種方法考慮到滿意度驅動要素，是一種進步。但是也存在幾個缺陷：

A．根據我們的經驗，通過這種方式讓受訪者對滿意度驅動要素選擇其重要程度，受訪者對大部分要素都選擇了非常重要或者重要。這種方式難以區分開消費者對不同要素的真實看重程度。

B．我們的目的是要找到驅動要素對滿意度的影響大小。用驅動要素對受訪者的重要性替代這一概念，這種“概念替換”經常會誤導企業的資源配置。比如說，對飛行乘客而言，飛機的安全性無可置疑是他們認為最重要的要素。但是，該要素其實是航空公司的一個必備要素，達到一定的水平后，進一步增加其表現，并不能明顯增加飛行乘客的滿意度。根據我們的經驗以及國外調查的結果，飛行中的餐飲質量、兩排座椅間的距離大小、常旅客計劃的吸引力等要素，是乘坐航班滿意度的重要影響要素。這些方面的改進，能夠明顯提升飛行乘客的滿意度。

C．這種方式需要受訪者對每個驅動要素的表現和重要性分別進行評估，必定會占用受訪者較多的時間和精力，從而增加了調查成功的難度。

本方法目前在企業自身實施的滿意度調查中應用得比較廣泛，因為其應用基本不需要太多的統計分析技術，實施簡單。

方法3：雙重評價改進型

這種調查方式是在上一種方式的基礎上改進而得到的。具體方法是：假定全部要素的重要性合計為100，受訪者在對每個調查要素給予重要性權重的時候，最終需要使得權重和為100。這種方法可以部分彌補上面提到的A類缺陷，但是當驅動要素的數量較多，比如多于6個時，受訪者就非常難以準確地分配好權重。而實際生活中，某產品/服務的滿意度驅動要素常常在10個以上。

本方法無法解決上一方法中的缺陷B和C。

方法4：采用多元線性回歸統計分析技術

隨著市場調查分析技術的發展，統計工具在市場研究中應用得越來越多。利用多元回歸分析技術，可以計算出滿意度驅動要素對滿意度的影響大小。這種影響大小可以解釋為，在其它要素不變的情況下，某滿意度驅動要素提升1分，滿意度在現有的基礎上可以提升多少分。

當滿意度的驅動要素非常少，而且這些要素相互之間的相關性很弱時，這種方法不失為一種簡單有效的方法。

然而，實際生活中，影響消費者對某種產品/服務滿意度的要素通常非常多，而且這些要素越細化，對企業而言，在確定滿意度提升措施時才更具有可操作性。隨著影響要素的增加和細化，如果采用多元回歸的方式，計算出來的影響要素一般會由于這些要素的相互作用和影響（統計學中叫做共線性），其數值變得無法解釋現實情況。比如，在汽車4S店銷售服務滿意度的調查中，出現銷售人員專業知識的掌握程度對消費者滿意度的影響為-0.21這種無法解釋的情況（系數為-0.21表示消費者對銷售人員專業知識的評價提高1分，其滿意度反而減少0.21分）。一般而言，多元回歸適用于自變量少于6個的分析當中。

為了減少共線性的影響，可以嘗試采用減少共線性影響的統計工具，比如嶺回歸。但是采用嶺回歸在消除共線性影響的同時，也削弱了數據分析的精度。此外，嶺回歸的結果無法進行統計檢驗，并且需要人為干預最終結果。因此在實踐中用得不多。

多元回歸的另外一個局限性是只能處理一個因變量，多個自變量之間的關系。而在現實生活中，滿意度驅動要素之間通常也存在明顯的相互影響，通過多元回歸無法解決這一問題。

從科學的角度看，隨著新的分析研究技術的涌現，回歸統計分析技術已經不太適用于顧客滿意度的研究領域。

方法5：采用多次多元線性回歸技術

把變量劃分為3級以上，以空調用戶滿意度示例如下：

第一級變量：滿意度或者忠誠度；
第二級變量：售前售中服務、產品質量、售后服務等；
第三級變量（售后服務）：報修過程、上門人員服務規范、維修效果、增值服務等。
第四級變量（保修過程）：報修電話暢通、話務員服務態度、話務員專業知識、話務員維修時間安排合理等。

下一級變量作為自變量，上一級變量中對應的某個變量作為因變量進行回歸。層層向上遞推，得到每一級的回歸系數，進而導出最下層變量對最上層變量的影響大小。

這個方法看似有理，把一個一個局部的內在聯系單獨分析，然后往上推導。實際上，這很容易陷入“瞎子摸象”的誤區中。因為所有的滿意度驅動要素對最終的滿意度都存在或大或小的影響，這些要素之間也存在一定的相關關系，完全把一個個的局部獨立分析，不從全局的角度統籌考慮、統一分析數據之間的關系，計算推導出的影響大小很容易“失真”。

此外，這種方法也無法處理一個自變量影響多個因變量的情況。

方法6：構建結構方程模型，用通用軟件計算

結構方程模型是一種因果關系模型，通過要素間的因果關系/準因果關系來揭示現實生活中的相互關系。目前廣泛地應用于許多市場研究分析當中，它也是目前國際上流行的顧客滿意度研究分析手段。

一個有效實用的顧客滿意度研究結構方程模型的構建，需要對顧客需求和感知進行深入研究，通過大量的前期工作，比如顧客焦點小組訪談、顧客需求分解、顧客預調查、行業專家拜訪、購買消費現場觀察等多種手段，才能構建起一個基礎模型。然后通過消費者試調查，采集到一定的數據后，對數據進行多種統計處理、分析和檢驗，根據相應的結果對模型進行必要的調整，然后才能應用到實際的顧客滿意度分析當中去。否則的話，隨意構建的模型只能成為使得數字游戲顯得高深莫測的工具。

由于一個有效結構方程模型構建的復雜程度很高，所以目前采用結構方程模型進行滿意度分析的機構和研究公司不是很多。在結構方程模型構建的過程中，需要進行前期的定性研究和定量預調查，并通過探索性因子分析、驗證性因子分析等方法確定結構方程模型是否能夠真的反映現實狀況。驗證性因子分析的相應統計檢驗指標需要達到標準，否則隨便采用本方法，就像一棟大樓建立在浮沙上，可能外觀漂亮，但是卻不能住人。

即使采用了結構方程模型構建了變量之間的關系，但是具體對數據進行處理時，一般都是采用通用軟件進行處理，比如用SAS，Liserel，Amos等。這些軟件都可以較好地處理一般的結構方程模型，但是對數據有一個基本的要求，那就是調查數據應該基本符合正態分布。但是，對滿意度數據而言，由于滿意度調查的數據本身是有偏的（這是因為，滿意度的調查對象是已經購買了某種產品/服務的用戶，既然他們選擇了這種產品/服務，對所選擇的產品/服務在某些方面肯定是比較滿意的，因此數據呈現明顯的右偏特征），甚至是雙峰分布的（比如在10分制的調查中，在7分和9分出現了2個峰值），通過通用軟件內嵌的算法計算得到的結果偏差較大。只有通過專門的用戶滿意度分析軟件（采用偏最小二乘法PLS算法）來完成，才能精確確定滿意度驅動要素和滿意度之間的影響大小。否則的話，即使模型構建得很好，數據采集沒有偏差，最終的結果也可能誤導企業決策。

方法7：構建結構方程模型構，用專用PLS軟件計算

偏最小二乘法（PLS）算法可以有效計算原始數據右偏的數據關系，因而成為分析滿意度數據的最適合工具。目前，美國用戶滿意指數（ACSI）、瑞典用戶滿意指數、歐洲用戶滿意指數、中國用戶滿意指數（CCSI）等國家級用戶滿意度研究都是采用結構方程模型構建關系，通過偏最小二乘法（PLS算法）進行計算分析。

小結

目前，在滿意度研究領域，能夠熟練構建用戶滿意度分析結構方程模型，采用專門的PLS算法計算軟件分析數據，并且同時具有豐富的行業和企業滿意度分析經驗的市場研究機構，還是鳳毛麟角。整個滿意度研究領域正處于一個規范化的進程當中。由于顧客滿意度研究對企業的重大指導作用，科學高效的研究方法和手段將成為滿意度研究機構的核心競爭力，其研究成果將為提高整個社會的整體滿意水平，指導企業更加合理地配置資源提供科學決策依據。