电信行业用户满指数测评模型及其应用技术Word下载.docx
《电信行业用户满指数测评模型及其应用技术Word下载.docx》由会员分享，可在线阅读，更多相关《电信行业用户满指数测评模型及其应用技术Word下载.docx（17页珍藏版）》请在冰点文库上搜索。
需要说明的是，当企业为每种产品分别建立品牌时，品牌形象不仅指单个产品品牌的形象，也包括公司或企业的形象。
一般来讲，品牌形象同预期质量、感知质量、感知价值和顾客满意度之间存在着正相关关系。
也就是说，改进品牌形象可以提高顾客对预期质量、感知质量、感知价值和顾客满意度的评价。
这里主要有两方面的原因：
其一，品牌形象是公司在市场上长期以来各种活动积累形成的。
比如公司长期向市场提供顾客需求的高质量的产品或服务，长期维护自己在顾客心目中的信用，顾客对该公司/品牌产品或服务的预期就高、实际感受就好、对感知价值的判断就高，满意水平也会高。
其二，由于光环效应的影响，顾客容易对具有良好品牌声誉的产品产生更高的感知质量和感知价值，从而提高其对该企业/品牌的满意度水平。
2.预期质量
预期质量是顾客在购买和使用某品牌产品或服务之前对其质量的一种预测和估计。
预期质量与品牌形象之间的差别主要有两点：
一是顾客对某品牌产品或服务质量的预期可以在短期内形成，如顾客在听了朋友的推荐以后可以立即形成对拟采购品牌质量水平的一种预期；
而品牌形象则需要很长时期的累积才能形成。
二是预期质量涵盖的内容相对较少，它仅仅涉及作为购买对象的产品或服务的质量本身，而品牌形象则会涉及更多的内容，如企业同一品牌下其他产品的质量、企业的文化以及企业对社会的责任感等等。
如果说品牌形象属于战略层次的话，预期质量则应属于策略层次。
所以，顾客对某品牌产品或服务的预期质量除了可能来自于顾客近期的消费经验及消费需求之外，主要是来自于企业对品牌拥有者近期所实施的沟通策略，包括广告和各种促销活动。
一般来讲，预期质量同感知质量、感知价值和顾客满意度之间存在着正相关关系。
3.感知质量
感知质量测评顾客在购买和使用产品或服务之后的实际感受。
顾客在购买和使用产品或服务以后，就会根据自己的实际购买和使用经验对产品或服务的客观质量做出主观的评判。
因此，感知质量既有客观性的一面，又有主观性的一面。
产品的实际性能指标是顾客形成感知质量的基础，但感知质量又往往同产品性能的技术指标不完全吻合，它会受到诸如品牌形象等多种因素的影响。
有时虽然各种品牌的产品性能技术指标基本相同，但因为某种品牌广告较好或定价较高，顾客会对该品牌产生较高的感知质量。
国内外大量的相关研究证明，感知质量与感知价值和顾客满意度之间存在着正相关关系，且感知质量是顾客满意度最重要的影响因素。
4.感知价值
感知价值体现了顾客在综合产品或服务的质量和价格以后对其所获利益的主观感受。
顾客在评价产品或服务时，不仅要看产品或服务满足自身需求的能力，还要考虑其价格是否与质量本身相适应。
通过比较质量和价格，顾客将会对产品或服务的价值产生一种新的感知。
一般的理解是，在一定质量下价格越低顾客的感知价值越高。
感知价值与顾客满意度存在正相关关系，即顾客对某品牌产品或服务的感知价值越高，其对该品牌的满意度就越高。
5.顾客满意度
顾客满意度测定的是顾客直接对某品牌或服务的满意程度，所测定的指标通过线性变换可得出最终的顾客满意指数。
顾客满意指数反映的是顾客对产品或服务满足自身需求程度的总体态度。
社会学和心理学对满意形成机理问题的研究发现，顾客满意与否取决于顾客对某种品牌产品或服务的实际感受同参照物的比较。
顾客用来评价产品表现的参照物就是顾客满意度形成过程中的比较标准，这些参照物包括顾客的预期、理想的产品或服务、竞争品牌的产品或服务等等。
这一比较标准从两个方面影响顾客满意度：
一是这一比较标准为顾客满意提供了一个基准。
从这个角度来看，比较标准越高，顾客满意水平也越高；
二是比较标准越高，产品的实际表现越不容易超过比较标准，因此反而可能降低顾客的满意水平。
顾客满意度与顾客忠诚存在直接的正相关关系。
在中国顾客满意指数基本模型中，顾客满意度是顾客忠诚的唯一直接原因变量，其他结构变量都是通过顾客满意度间接地对顾客忠诚产生影响的。
6.顾客忠诚
顾客忠诚是模型中最终的结构变量，它是指顾客对某品牌产品或服务的忠诚程度，包括重复采购的意愿，以及对其价格的敏感程度。
正常情况下，如果顾客对某品牌产品或服务感到满意，就会产生一定程度的忠诚，在行动上表现为对该企业产品或服务的重复购买；
反之，顾客就会转向购买其他品牌的产品或服务。
顾客忠诚度越高，重复购买的可能性就越大。
顾客忠诚这个结构变量体现了顾客满意指数测评模型的目的之一，即揭示了顾客满意指数同顾客重复购买意向的关系，进而指导公司通过提高顾客满意度，造就忠诚顾客，提高经营绩效。
（二）中国顾客满意指数测评基本模型的数学原理
图1的中国顾客满意指数基本模型中显示的变量关系也可以用线性方程组的形式来表示，具体表达方式如下：
式中：
ε——品牌形象；
X1——预期质量；
X2——感知质量；
X3——感知价值；
X4——顾客满意度；
X5——顾客忠诚；
[βij]、[ξi]——回归系数；
[δi]——误差项。
通过这种数学表达方式，可以对中国顾客满意指数中的各个结构变量的数值及它们之间的关系进行量化计算。
（三）电信行业用户满意指数测评模型的构建
与中国顾客满意指数基本模型相同，电信行业用户满意指数测评模型也包括品牌形象、预期质量、感知质量、感知价值、用户满意度和用户忠诚这6个结构变量和11种因果关系（参见图2）。
需要说明的是：
由于我们的研究对象是电信服务，而非一种具体的产品，故将中国顾客满意指数基本模型中的第一项结构变量“品牌形象”修正为“企业形象”，并将所有“顾客”统一换为“用户”。
图2电信行业用户满意指数测评模型
各结构变量对应的观测变量的具体含义如下：
1、企业形象通过2个观测变量测评：
企业总体印象和企业特征显著度。
企业总体印象测评用户对某企业的总体感知；
企业特征显著度反映用户心目中某企业与竞争对手相比是否具备独到之处。
2、预期质量通过5个观测变量测评，它们分别是“技术质量预期”、“用户导向预期”、“人员质量预期”、“程序质量预期”和“总体预期质量”。
技术质量预期是用户在购买前对将要购买的服务在技术层面上能满足自己特定需求的能力的一种估计；
用户导向预期测评用户在购买前对服务商对待用户的服务理念方面的估计；
人员质量预期测评用户在购买前对服务提供者的工作人员素质方面的估计；
程序质量预期测评用户在购买前对服务商的业务办理简便程度方面的估计；
总体预期质量则是指用户在购买前对将要购买的服务的总体质量的一种估计。
3、感知质量对应的观测变量同预期质量类似，也有5个：
“技术质量感知”、“用户导向感知”、“人员质量感知”、“程序质量感知”和“总体感知质量”。
感知质量与预期质量的本质区别在于：
感知质量对应的观测变量测评的是用户在采购和使用之后对服务质量水平的实际感受，而预期质量的观测变量则是测评用户在采购和使用之前对服务质量水平的估计。
这两个结构变量所含观测变量的内容之所以相同，是为了把预期质量和感知质量一一对应地加以比较。
据此，用户可以比较准确地对满意度作出判断，企业也可以有效地分析预期质量与感知质量之间的关系和差距。
4、感知价值通过用户在给定价格下对质量的感知和在给定质量下对价格的感知两个观测变量来测评。
给定价格下对质量的感知测评用户在考虑自己付出的产品价格情况下对服务质量的感受；
给定质量下对价格的感受测评用户在考虑自己已得到的服务质量的情况下对自己付出的价格的感受。
这两个问题像是同一个问题的同义反复，但实际调查和理论研究都表明，被访者对这两个问题的回答是不一样的。
在被问及给定质量下的价格问题时，被访者关注的焦点是产品价格，而在被问及给定价格下的服务质量问题时，被访者关注的焦点是服务质量。
一般而言，被访者对给定质量下价格的评分总是低于对给定价格下质量的评分。
同时将给定质量下的价格感知和给定价格下的质量感知作为感知价值的观测变量，可以提高对感知质量测评的准确性。
此外，由于电信服务本身就是一种计费服务的形式，故我们在感知质量的测量变量中加入了“资费服务感知”这一项专门性的变量来对其计费的准确性、透明性以及计费方式的合理性等方面进行考核。
这样可以更好地对电信服务的感知质量进行测评。
5、用户满意度通过4个观测变量来测评：
用户实际感受同预期的比较、用户购买服务的企业同其他企业比较的差异、用户实际感受同心目中理想服务的差异，以及用户对该企业服务质量的总体满意度。
6、用户忠诚通过2个观测变量测评，一个是重复购买的可能性，一个是保留价格。
重复购买的可能性测评用户再次购买同类服务时选择相同电信服务商的可能性的大小；
保留价格测评用户对该企业服务价格变化的承受能力。
三、电信行业用户满意指数测评模型在固话服务满意度调研中的应用
以前面介绍的电信行业用户满意指数测评模型为基础，我们在最近的一个有关北京固话服务满意度调研案例中应用了该模型，取得了较好的效果。
（一）调研背景、研究目的和意义
本案例是在不久之前执行完成的，执行地点是北京，访问方法是电话调查，调研对象是固定电话的用户，但排除了公用电话、学生宿舍电话和公司/单位电话的用户。
本次研究以测评北京市固话服务的用户满意度为例，旨在说明电信行业用户满意指数测评模型在具体电信业务服务满意度调研中的实现过程。
该模型体系可以如法炮制地运用于各个地区、各类电信业务的用户满意度调研中。
此外，在后期的数据分析、模型研究过程中我们着重提出了四种模型参数估计的方法来供大家参考和探讨。
（二）固定电话用户满意度调研中的指标设置
固定电话用户满意度调研中的具体指标设置结构如表1所示，其中的一级变量是隐变量即不可测变量，二级、三级变量是显变量，即可测变量。
固话用户满意度研究的指标体系与电信行业的用户满意指数测评模型的差别在于：
1、固定电话用户满意度研究的指标体系中不包含“用户忠诚”这一重要的一级变量。
由于我国的固话服务还属于垄断供应的状态，也就是说用户不可以自由选择或更换服务商，如北京的固话业务都是由中国网通独家控制的，用户即使对其服务很不满意也不可能终止对其服务的购买，因此也就不存在忠诚与否，即使不满意用户也会被迫作“忠诚用户”的。
但如果研究对象为移动用户，则应将“用户忠诚”变量加入指标体系，并设置相应的二级、三级指标如重复购买的可能性及保留价格。
2、固定电话用户满意度指标体系中的“企业形象”指标下没有包含“企业特征显著度”这一项二级变量。
如前所述，企业特征显著度反映的是顾客心目中某企业与竞争对手相比是否具备独到之处。
由于固话服务的垄断性导致了现有的无竞争状态，因此也就不存在与竞争对手相比是否具备独到之处这样的概念了。
但如果研究对象换成了移动电话的话则必须设置这一变量。
3、固定电话用户满意度指标体系中没有包含“预期质量”指标中的“技术质量预期”、“用户导向预期”、“人员质量预期”和“程序质量预期”这四项二级变量。
由于固话这种服务自身的特殊性，人们在成为电信的用户之前很少也很难对具体的技术或服务质量做出详细的预期，因此在这项固话研究中我们只保留了“预期质量”指标的一项二级变量“总体预期质量”。
同样，在研究对象换成了移动电话时这四项二级变量应当保留。
4、固定电话用户满意度指标体系中没有包含“用户满意度”指标中“实际感受同其他品牌比较的差异”这项二级变量。
同样，由于固话服务的缺乏竞争性使得“实际感受同其他品牌比较的差异”这项指标在此变得毫无意义。
（三）指标检验：
信度检验和效度检验
1、信度检验
所谓信度，就是指问卷的可靠性和稳定性。
信度有“外在信度”和“内在信度”两类。
外在信度是指对于不同时间进行的调查，结果一致性的程度，一般常用重复调查来检验。
而内在信度是验证问卷的几个问题是否说明同一概念，即检验模型指标的设置是否合理和可靠。
内在信度的计算方法有很多种，我们的案例研究中采用的是L.J.Cronbach所创的α系数法。
α系数可以在SPSS软件中利用ReliabilityAnalysis过程直接计算，其计算公式比较复杂，在这里不再详细介绍。
α系数多大才能说明指标的设置比较合理，不同学者有不同的说法。
但在实际研究中如果α系数能达到0.8以上就说明指标设置的效果很好了，0.7左右也是可以接受的。
本案例中，信度检验的结果如表2所示：
从表中可以看出，除了技术质量的细化变量的信度系数较低之外，其他变量组的α系数均比较高，说明整个指标体系的设置是合理有效的，可信度较高。
由于技术质量这一概念涵盖的范围较广而我们的细化变量中只选取了最为普遍和重要的4项，加之调研过程中可能出现的被访者对问题理解偏差，从而导致其信度系数值较低。
研究人员认为这在实际调研过程中也是很正常的，并不能说明这几项指标的设置不合理。
2、效度检验
效度检验分为结构效度和内容效度。
内容效度检验的是问卷的各个题目是否有效地测量了调研主题，一般通过专家来判定。
结构效度采用因子分析方法来验证。
我们在案例的检验中只做了结构效度的检验。
分别对技术质量感知、用户导向感知、人员质量感知、程序质量感知和资费服务感知这5项二级指标的细化指标作因子分析，结果显示每一组细化指标所提取出的公因子均为一个，且累计贡献率也比较高，说明这些分组指标的设置是合理有效的（由于文章篇幅关系，具体结果不再罗列）。
（四）提出四种推算结构变量得分的方法
用户满意度研究的最终目的就是要计算出用户满意指数，而根据前面模型和矩阵中的数学关系不难看出，要计算用户满意指数就必须先估算出企业形象、预期质量、感知质量和感知价值的得分，这正是我们本部分内容要说明的如何用可测变量的取值来推算出结构变量即不可测变量的得分，这也是用户满意度研究过程中非常重要的一步。
在这里我们提出了四种估算方法供大家探讨和参考，每种方法均以此次调研的数据为例进行说明。
需要说明的是，由于这几种方法还处于一个探索的阶段，所以我们采用用细化变量的数据递推二级变量得分的办法来对各种方法进行介绍。
同时由于二级变量也是可测变量，已经有了调查得来的数据，这样就可以将各种方法的推算结果与调研结果进行比较，从而可以对各种方法的合理性及其偏差大小做出评判。
（更具体地说，是以“接通率”、“掉线率”、“接通速度”和“网络覆盖”这4项指标的得分来估算“技术质量感知”这项指标的得分为例的。
）
1、用因子载荷系数比作权重
在因子分析过程中我们可以得到一个因子载荷矩阵如下表所示：
ComponentMatrix（a）
Component
1
接通率-感知
.751
掉线率-感知
.608
接通速度-感知
.820
网络覆盖-感知
.601
ExtractionMethod:
PrincipalComponentAnalysis.
a1componentsextracted.
因子载荷矩阵用来反映各个变量的变异主要由哪些因子解释，亦即给出了在因子分析中需要的因子表达式。
由于此处只提取了一个主成分，该表的功能就退化为反映各变量的信息被该主成分提取了多少。
上表提供的系数可以用来写出反推主成分的计算公式，具体为：
第一主成分=0.751×
X1+0.608×
X2+0.820×
X3+0.601×
X4
这里的第一主成分就可以近似看成是“技术质量感知”。
由于这些系数在一定程度上反映了各个细化变量对主成分即“技术质量感知”指标的相对贡献大小，所以我们可以用上式来估算“技术质量感知”。
为了保证其得分符合十分制标准，所以用各系数占全部系数之和的比率来做权重，具体计算方式如下：
技术质量感知=（0.751×
接通率+0.608×
掉线率+0.820×
接通速度+0.601×
覆盖范围）/（0.751+0.608+0.820+0.601）
2、用信度检验中的总和相关系数比作权重
在信度检验过程中可以得到一个各变量与变量总和的相关系数，结果如下：
由于“接通率”、“掉线率”、“接通速度”和“网络覆盖”这4项指标综合反映的就是“技术质量感知”，因此我们也可以用各指标与四个指标得分总和的相关系数做权重来对“技术质量感知”的得分作近似的估算。
同样，为了保证其得分符合十分制标准，仍采用各系数占全部系数之和的比率来做权重，具体计算方式如下：
技术质量感知=（0.4875×
接通率+0.3154×
掉线率+0.5827×
接通速度+0.2956×
覆盖范围）/（0.4875+0.3154+0.5827+0.2956）
3、用影响力系数比作权重
影响力系数是指用百分数形式表示的不同观测变量对所属的结构变量的影响力大小。
此处的影响力系数具体是用不同的细化变量对所属的二级变量的影响力大小来表示的。
具体计算步骤是：
先计算各个细化变量的算术平均值（如下表所示）；
DescriptiveStatistics
Minimum
Maximum
Mean
Std.Deviation
4
10
8.07
1.357
3
8.17
1.517
5
8.24
1.145
7.86
1.452
ValidN（listwise）
再用各算术平均值占算术平均值总和的比重即影响力系数比来做权重计算相应二级变量的得分。
计算公式如下：
技术质量感知=（8.07×
接通率+8.17×
掉线率+8.24×
接通速度+7.86×
覆盖范围）/（8.07+8.17+8.24+7.86）
4、用重要程度系数作权重
该方法与方法三类似，只是该方法计算的是各个细化变量的重要程度（需在问卷中设置相关问题）的算术平均值（如下表所示）。
DescriptiveStatistics
接通率-重要程度
8.81
1.323
掉线率-重要程度
8.71
1.728
接通速度-重要程度
1.393
网路覆盖-重要程度
2
1.431
技术质量感知=（8.81×
接通率+8.71×
掉线率+8.71×
接通速度+8.71×
覆盖范围）/（8.81+8.71+8.71+8.71）
采用四种方法用各组细化变量对相应二级变量的估算结果与二级变量的实际调研所得数据的对照汇总表如下：
技术质量感知
方法1
5.57
10.00
8.0968
.94355
方法2
5.64
8.1111
.94775
方法3
5.50
8.0875
.94389
方法4
8.0850
.94398
调查值
8.21
1.078
用户导向感知
2.33
7.8764
1.14328
2.32
7.8776
1.14343
7.8781
1.14303
7.8786
1.14302
7.98
1.240
人员质量感知
4.39
7.8057
1.05891
4.45
7.8104
1.05895
4.35
7.8013
1.05774
4.32
10.
升级会员 