满意度指数

和预期质量η 和预期质量η1有关部分的打分
V1:买之前你对该空调质量的总期望 总体预期质 买之前你对该空调质量的总期望(总体预期质 买之前你对该空调质量的总期望 期望越大分越高) 量) (期望越大分越高 期望越大分越高 V2:买之前你对该空调的省电的预期 预期质量 买之前你对该空调的省电的预期(预期质量 买之前你对该空调的省电的预期 预期质量1) V3:买之前你对该空调的制冷性能的预期 预期质 买之前你对该空调的制冷性能的预期(预期质 买之前你对该空调的制冷性能的预期 量2) V4:买之前你对该空调耐用性的预期 可靠性预期 买之前你对该空调耐用性的预期(可靠性预期 买之前你对该空调耐用性的预期 质量) 质量 V5:买之前你对于售后服务的期望 预期服务质量 买之前你对于售后服务的期望(预期服务质量 买之前你对于售后服务的期望
感知质量指标n
感知价值
顾客满意度
顾客忠诚
品牌总体印象
品牌形象
再购可能性
质量价格比 价格承受度 品牌特征显著度 价格质量比
中国服务行业顾客满意度指数模型
可靠性感知质量 有形性感知质量
中国服务行业顾客满意度指数框图
知质量
与理想之距离
感知质量
与其他品牌距离 总体满意度
感知质量
感知质量
感知质量
与期望之距离
还有别的方法来计算满意度吗？ 除PLS还有别的方法来计算满意度吗？ 还有别的方法来计算满意度吗
有些人用最大似然法（假定正态分布） 有些人用最大似然法（假定正态分布）来解结构方 程模型 利用诸如AMOS这样的软件 利用诸如 这样的软件 但是无法解我们的满意度模型 他们的方法必须对模型增加约束 在系数的解释上有类似点（不一样） 在系数的解释上有类似点（不一样）
这些指数的公式为
对模型和问卷的数学
问卷各问题不应该相关(实际不一定 实际不一定) 问卷各问题不应该相关 实际不一定 模型不能有封闭圈 各个回答可以用10分制 百分制也可） 分制(百分制也可 各个回答可以用 分制 百分制也可） 注意系数λ 注意系数λ和β的正负号的解释 注意：各个品牌商品或同品牌但不同时期的商品只 注意：各个品牌商品或同品牌但不同时期的商品只 有在同样或类似的问卷调查才可以比较
欧洲顾客满意度指数模型
感知质量软件 感知质量硬件
ECSI
感知质量软件
感知质量硬件
感知价值
顾客满意度
顾客忠诚
感知价值
顾客满意度
顾客忠诚
预期质量 形象
预期质量
形象
ACSI 美国顾客满意度指数模型
感知质量
感知价值
感知质量
（可分为产品和服务两部分） 可分为产品和服务两部分）
顾客抱怨
顾客抱怨 顾客满意度(ACSI) 顾客满意度
瑞典顾客满意度指数模型
感知表现
SCSB
顾客抱怨
感知表现
顾客满意度
顾客抱怨 顾客满意度
顾客预期质量
顾客预期质量
顾客忠诚
顾客忠诚
五个隐含变量中，顾客预期质量为外生隐变量(exogenous latent 五个隐含变量中，顾客预期质量为外生隐变量 variable)，其余为内生隐变量(endogenous latent variable)。 variable)。 ，其余为内生隐变量(endogenous
感知价值
预期质量
顾客满意度
顾客忠诚度
预期质量
顾客忠诚度
ACSI 美国顾客满意度指数模型 满足顾客需求程度
可靠性 整体印象 感知质量 （可分为产品和服务 两部分） 两部分） 向雇员抱怨 向经理抱怨 顾客抱怨
总体满意度
质量价格比 感知价值 顾客满意度(ACSI) 顾客满意度
价格质量比 预期质量 整体印象 可靠性 满足顾客需求程度 未确认期望值 再购可能性 与理想之距离
顾客对某商品如何和怎么满意 品牌对该商品起正面还是负面作用 顾客的抱怨和什么有关 满意与否和忠诚与否有什么关系 各种品牌在各方面有什么差距 感知和预测价值对满意的影响 等等
因此， 因此，需要数学模型来描述这些关系
有些变量是无法观测的 称为隐变量（ variable） 称为隐变量（LV, latent variable） 有些是可观测的，为显变量（ 有些是可观测的，为显变量（ML, manifest variable） ） 可以发出问卷，得到显变量的观测值 可以发出问卷， 可以构造模型， 可以构造模型，并通过统计方法来得到隐变量的取 值 以及各种变量之间的关系
• 最小二乘法（又称最小平方法 又称最小平方法）是一种数学优化技术。它通过最 小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可 小化误差的平方和寻找数据的最佳函数匹配 以简便地求得未知的数据，并使得这些求得的数据与实际数据之 并使得这些求得的数据与实际数据之 间误差的平方和为最小。
• 迭代算法是用计算机解决问题的一种基本方法 是用计算机解决问题的一种基本方法。它利用 计算机运算速度快、适合做重复性操作的特点 适合做重复性操作的特点，让计算 机对一组指令(或一定步骤 或一定步骤)进行重复执行，在每次执行这 组指令(或这些步骤)时，都从变量的原值推出它的一个新 都从变量的原值推出它的一个新 值。
问卷的信息如何分析
其他问卷调查有些主要是定性变量， 其他问卷调查有些主要是定性变量，可用列联表分析 个变量/问题可以形成一个 维列联表） （每n个变量 问题可以形成一个 维列联表） 个变量 问题可以形成一个n维列联表 然后可以利用列联表的各种统计方法来建立所涉及变量 之间关系的模型， 对数线性模型、 之间关系的模型，如对数线性模型、Logistic回归模型 回归模型 等 也可以检验各个变量之间的相关性， 检验(卡方 也可以检验各个变量之间的相关性，如χ2检验 卡方 Pearson或似然比检验 或似然比检验) 或似然比检验 可以利用多元分析方法， 可以利用多元分析方法，比如对应分析来看各个变量的 各水平之间的关系
顾客忠诚度
价格承受度
中国耐用消费品顾客满意度指数模型
感知质量η2 η 总体满意度x11
中国耐用消费品满意度指数框图
总体感知质量x5
义感知质量x6
与理想之距离x14
性感知质量x7
与其他品牌距离x13
感知质量x8
预期质量x1 预期质量 η1 品牌形象η6 η 质量价格比x10 价格质量比x9 感知价值η 感知价值η3 顾客满意 度η4 η
在许多讲座中，教师使用诸如… 在许多讲座中，教师使用诸如
“动态分析” 动态分析” 动态分析 交叉分析” “交叉分析” ××战略 战略” “××战略” 等时髦名词 这些都不是统计“行话” 这些都不是统计“行话” 有招揽顾客的广告的意思
问卷的信息如何分析
对于记分式的满意度问卷， 对于记分式的满意度问卷，可用 典型相关分析、回归分析、因子分析、主 典型相关分析、回归分析、因子分析、 成分分析等多元分析内容
1
R6
1
V6 V7
1 1 1 1
1
V11
1 1 1
V8 V5 V1
1 1 1
V14
1
Quality
1
V13
1
V2
1
V12
Expectations
1
1
V3
1
Value
1
1
CCSI
1
1
V4
1 1
Name Loyalty
1 1 1 1 1
V17
V10
V16 V15
V18
1
V9
利用最大似然法的(关于耐用消费品满意度的 关于耐用消费品满意度的)图模型要复杂一些 利用最大似然法的 关于耐用消费品满意度的 图模型要复杂一些
我们用PLS估计方法 估计方法 我们用
第一步：用迭代得到隐变量η 第一步：用迭代得到隐变量η的表示式 它们是显变量x的线性组合 通过权w) 的线性组合(通过权 它们是显变量 的线性组合 通过权 第二步：用通常的最小二乘法得到β 第二步：用通常的最小二乘法得到β 也就是隐变量之间的关系 第三步：用通常的最小二乘法得到λ 第三步：用通常的最小二乘法得到λ 也就是隐变量和显变量之间的关系 最后得到各种指数
和感知质量η 和感知质量η2有关部分的打分
V6:使用后你对该空调质量的总评价 总体感知质 使用后你对该空调质量的总评价(总体感知质 使用后你对该空调质量的总评价 评价越高分越高) 量) (评价越高分越高 评价越高分越高 V7:使用后你对该空调的省电的评价 感知质量 使用后你对该空调的省电的评价(感知质量 使用后你对该空调的省电的评价 感知质量1) V8:使用后你对该空调的制冷性能的评价 感知期 使用后你对该空调的制冷性能的评价(感知期 使用后你对该空调的制冷性能的评价 质量2) 质量 V9:你对该空调耐用性的评价 可靠性感知质量 你对该空调耐用性的评价(可靠性感知质量 你对该空调耐用性的评价 可靠性感知质量) V10:你对于售后服务的评价 感知服务质量 你对于售后服务的评价(感知服务质量 你对于售后服务的评价 感知服务质量)
预期质量
感知价值
顾客满意度
顾客忠诚
期质量Fra Baidu bibliotek
品牌形象
回头可能性
质量价格比 价格承受度 价格质量比 品牌特征显著度
牌总体印象
中国非耐用消费品顾客满意度模型的数 学模型
中国耐用消费品顾客满意度指数模型
感知质量η2 η 总体满意度x11
中国耐用消费品满意度指数框图
总体感知质量x5
义感知质量x6
与理想之距离x14
与期望之距离x12
预期x4
顾客忠诚度 η5
义预期质量x2 再购可能性x15 价格承受度x16
性预期质量x3
品牌总体印象x17 品牌特征显著度x18
中国非耐用消费品顾客满意度指数模型
总体感知质量 与理想之距离
中国非耐用消费品顾客满意度指数框图
感知质量指标1 与其他品牌距离
感知质量
感知质量指标2 总体满意度
可以看出
这个模型远远比PLS模型更加复杂，而且 模型更加复杂， 这个模型远远比 无法给出指数的估计值 但对于两者均不能用于未经考验的模型 只有事先完全知道确定关系的模型才可以 计算（无论什么方法） 计算（无论什么方法）
数据分析例子
按照中国耐用消费品的模型对某产品进行 了问卷（收回126份） 了问卷（收回 份 可观测变量是20个 可观测变量是 个 问卷（每个从1到 打分 打分） 问卷（每个从 到10打分）
有些我们是可以知道的， 有些我们是可以知道的，即可以通过调查得到 的；比如
顾客对某商品的外在质量是否满意 顾客对售后服务是否满意 顾客对某商品的期望是否满足 顾客对某商品是否抱怨 顾客还会不会再买该品牌 顾客对于某商品和理想的差距有多大 ………………………….
但有些我们是不容易知道的， 但有些我们是不容易知道的，比如
我们的目的是….. 我们的目的是…..
找出这些方程的未知系数， 找出这些方程的未知系数，即 包含有β 矩阵及包含有λ 包含有β的Β矩阵及包含有λ的Λ矩阵 这里一共有18个 代表隐含变量η 这里一共有 个λ，代表隐含变量η和与其相关的 显变量x之间的关系 之间的关系（ 显变量 之间的关系（图中隐变量和显变量之间箭 头所定义） 头所定义） 这里还有11个 代表隐变量之间的关系（ 这里还有 个β代表隐变量之间的关系（图中隐变 量之间箭头所定义） 量之间箭头所定义）
问卷调查的学问
问卷的问题个数 问卷问题的次序 问卷的语言 问卷的题型 问卷人的素质 问什么人，如何抽样？ 问什么人，如何抽样？
问卷中有什么信息
问卷的数据可以形成一个方阵的数据形式 除了自由回答问题之外的选择题都行） （除了自由回答问题之外的选择题都行） 每个观测值为一行，而每个问题（变量） 每个观测值为一行，而每个问题（变量） 为一列 例如
性感知质量x7
与其他品牌距离x13
感知质量x8
预期质量x1 预期质量 η1 品牌形象η6 η 感知价值η 感知价值η3 顾客满意 度η4 η
与期望之距离x12
预期x4
顾客忠诚度 η5
义预期质量x2 再购可能性x15
质量价格比x10(Quality given price)
性期质量x3
品牌总体印象x17 品牌特征显著度x18
价格质量比x9 (Price given quality)
价格承受度x16
这里，包含有β 这里，包含有β的Β矩阵、η及ζ是未知的。而Β矩 矩阵、 是未知的。 阵的形式完全被图模型所确定。 阵的形式完全被图模型所确定。
这里，包含有λ 这里，包含有λ的Λ矩阵、η是未知的，而x是可 矩阵、 是未知的， 是可 观测的。 矩阵的形式完全被图模型所确定。 观测的。而Λ矩阵的形式完全被图模型所确定。
顾客满意度指数
吴喜之 2004年9月 年 月
吴喜之
xwu@public3.bta.net.cn
科:北京大学数学力学系 北京大学数学力学系 教育:甘孜藏族自治州得荣县 甘孜藏族自治州得荣县（ 年 教育 甘孜藏族自治州得荣县（6年） 计博士:美国北卡罗来纳大学 (UNC-Chapel Hill) 计博士 美国北卡罗来纳大学 (UNC 书经历: 书经历 美国加利福尼亚州大学 (Davis) 美国加利福尼亚州大学 美国北卡罗来纳大学 (Chapel Hill) 美国北卡罗来纳大学 (Charlotte) 南开大学 北京大学 人民大学