關(guān)于“消費者滿意度研究”中“權(quán)重計算的方法

1、1報 告 附 件報 告 附 件滿意度權(quán)重確定方法滿意度權(quán)重確定方法2滿意度權(quán)重確定方法滿意度權(quán)重確定方法n 要提高顧客忠誠度。需要首先了解顧客對現(xiàn)有服務(wù)的滿意度，從中找出差距，進一步提高顧客滿意度水平，因此近年來企業(yè)越來越關(guān)注顧客的滿意度。滿意度指標(biāo)體系是顧客滿意度測量的基礎(chǔ)，其設(shè)計的合理性直接影響到滿意度研究的結(jié)果，完整的顧客滿意度指標(biāo)體系包括測評的指標(biāo)，以及根據(jù)各項指標(biāo)在測評指標(biāo)體系中所具有的不同的重要性程度確定各項指標(biāo)對總體滿意度的影響權(quán)重。不同的加權(quán)數(shù)往往導(dǎo)致不同的測評結(jié)果，因此權(quán)重確定是測評指標(biāo)體系設(shè)計中非常關(guān)鍵的一個步驟，對于能否客觀、真實地反映顧客滿意度起著至關(guān)重要的作用。n 確

2、定權(quán)重的方法有很多種：主觀賦權(quán)法、客觀賦權(quán)法、德爾菲法、層次分析法等。主觀賦權(quán)法因為主觀意識的成分居多，通常容易引起爭議；德爾菲法和層次分析法因為操作過程比較復(fù)雜也很少采用；客觀賦權(quán)法，即根據(jù)各指標(biāo)間的相關(guān)關(guān)系或各項指標(biāo)值的變異程度來確定權(quán)數(shù)，避免了人為因素帶來的偏差，它是最為簡單直接的方法，也是最常用的方法。n 本文采用多元統(tǒng)計分析中的多元回歸分析和主成分分析法結(jié)合的方法(主成分回歸法，屬客觀賦權(quán)法之一）對顧客滿意度中各個指標(biāo)進行分析，確定每個指標(biāo)的權(quán)重。n 采用多元回歸分析來確定各分項指標(biāo)滿意度對總體滿意度的影響程度，但是，為了避免多個分項指標(biāo)間的多重共線性問題，須先采用主成分分析消除多變

3、量間的多重共線性的影響，由于提取的主成分是相互獨立的，用總滿意度對四個成分進行回歸得出回歸系數(shù)，可以反映主成分因子對總體滿意度水平的影響程度，然后再根據(jù)主成分因子載荷矩陣及特征根計算各分項指標(biāo)與主成分因子之間關(guān)系，再結(jié)合主成分回歸系數(shù)計算出各分項指標(biāo)變量對總體滿意度的影響程度，即重要性或權(quán)重。n 本分析過程主要采用SPSS軟件。一、滿意度權(quán)重計算的總體思路一、滿意度權(quán)重計算的總體思路3滿意度權(quán)重確定方法滿意度權(quán)重確定方法（一）主分成分析原理（一）主分成分析原理 n 主成分分析是設(shè)法將原來眾多具有一定相關(guān)性（比如P個指標(biāo)），重新組合成一組新的互相無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。通常數(shù)學(xué)上的處理就

4、是將原來P個指標(biāo)作線性組合，作為新的綜合指標(biāo)。最經(jīng)典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標(biāo)）的方差來表達，即Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應(yīng)該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標(biāo)的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F(xiàn)1已有的信息就不需要再出現(xiàn)再F2中，用數(shù)學(xué)語言表達就是要求Cov（F1,F2）=0，則稱F2為第二主成分，依此類推可以構(gòu)造出第三、第四，第P個主成分。（二）主成分分析數(shù)學(xué)模型（二）主成分分析數(shù)學(xué)模型 n F1=a11X1+a21X2+ap1XpF2=a1

5、2X1+a22X2+ap2XpFp=a1mX1+a2mX2+apmXpn 其中a1i,a2i,api（i=1,m）為X的協(xié)差陣的特征值多對應(yīng)的特征向量，X1,X2,Xp是原始變量經(jīng)過標(biāo)準(zhǔn)化處理的值；A=（aij）pm=（a1,a2,am,），Rai=iai，R為相關(guān)系數(shù)矩陣，i、ai是相應(yīng)的特征值和單位特征向量,12p0。二、主成分分析模型和方法二、主成分分析模型和方法 4滿意度權(quán)重確定方法滿意度權(quán)重確定方法（一）指標(biāo)選取原則（一）指標(biāo)選取原則 n （1）建立的顧客滿意度測評指標(biāo)體系，必須是顧客認為重要的。要準(zhǔn)確把握顧客的需求，選擇顧客認為最關(guān)鍵的測評指標(biāo)。指標(biāo)的確定必須由行業(yè)內(nèi)的專家來確定（

6、通常由客戶中對相關(guān)業(yè)務(wù)熟悉的人員,即行業(yè)專家,或者通過深訪和座談會由顧客來確定）n （2）測評指標(biāo)必須是可測量的。顧客滿意度測評的結(jié)果是一個量化的值，因此設(shè)定的測評指標(biāo)必須是可以進行統(tǒng)計、計算和分析的。(一般采用李克特量表進行打分的方法.)于是我們經(jīng)過與客戶討論得出19個主要評測指標(biāo)（自變量）和1個總體滿意度指標(biāo)（目標(biāo)變量），采用10分制讓被訪者對這20個指標(biāo)進行打分：三、對顧客滿意度指標(biāo)進行主成分分析三、對顧客滿意度指標(biāo)進行主成分分析 Q1.1、客戶經(jīng)理是否主動跟您聯(lián)系Q5.1、是否按合同約定及時上門安裝Q1.2、與客戶經(jīng)理溝通是否順暢Q5.2、是否給貴公司提供了相關(guān)的技術(shù)培訓(xùn)或資料Q1.3

7、、客戶經(jīng)理對貴公司需求的了解Q7.1、出現(xiàn)故障后，是否很方便聯(lián)系到故障處理人員Q1.4、是否及時響應(yīng)貴公司提出的需求Q7.2、報障后是否及時響應(yīng)Q1.5、是否主動提出相關(guān)解決方案Q7.3、是否有效的解決了問題Q1.6、解決方案是否滿足貴公司需求Q9.1、是否及時收到中國電信發(fā)送的賬單Q3.1、對中國電信產(chǎn)品或服務(wù)的總體評價如何Q9.2、中國電信賬單是否清晰，容易理解Q3.2、和競爭對手相比，中國電信產(chǎn)品性能如何Q9.3、對賬單有疑問的時候，查詢是否方便Q3.3、和競爭對手相比，中國電信穩(wěn)定性如何Q9.4、賬單上的計費是否準(zhǔn)確Q3.4、和競爭對手相比，中國電信產(chǎn)品價格競爭力如何Q11、總體滿意度

8、5滿意度權(quán)重確定方法滿意度權(quán)重確定方法（二）運用主成分分析法進行分析（二）運用主成分分析法進行分析 運用SPSS統(tǒng)計分析軟件Factor模塊對顧客滿意度指標(biāo)進行主成分分析。分析之前須先建好spss庫，包含19個分項指標(biāo)和1個總體指標(biāo)共20個得分變量.具體步驟如下：n第一步：數(shù)據(jù)標(biāo)準(zhǔn)化，輸出變量為ZQ1.1-ZQ11,為進行后面主成分分析作準(zhǔn)備打開spssanalysisdescriptivestatisticsdescriptives,將20個得分變量選取到variables框中，勾選savestand保存標(biāo)準(zhǔn)化后的變量.6滿意度權(quán)重確定方法滿意度權(quán)重確定方法n第二步：對分項指標(biāo)進行主成分分析

9、,首先進行KMO與巴特利球形檢驗，該值一般達到0.7以上，就認為可做主成分分析或因子分析；運行SPSS分析軟件中主成分分析模塊，提取特征根大于1的主成分；本項目共提取4個主成分，即將原來19個指標(biāo)通過降維處理，得到四個相互獨立的主成分；打開spssanalysisDataReductionFaction,將19個得分變量選取到variables框中，點descriptives按鈕，主要勾選coefficients（相關(guān)系數(shù)）和KMOandBartlettstest(KMO與巴特利球形檢驗)7滿意度權(quán)重確定方法滿意度權(quán)重確定方法打開Extraction按鈕，Method選取principalco

10、mponents(主成分分析)，特征閾征這里設(shè)為默認值1Rotation這里因為是主成分分析，選擇None就行了，不用旋轉(zhuǎn)。點ok后，輸出結(jié)果如下:KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.0.785Bartletts Test of SphericityApprox. Chi-Square692.799df171Sig.0.0008滿意度權(quán)重確定方法滿意度權(quán)重確定方法表1：方差貢獻率表Total Variance ExplainedComponentInitial EigenvaluesExtr

11、action Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %18.85346.59246.5928.85346.59246.59222.36112.42459.0162.36112.42459.01631.91110.06069.0761.91110.06069.07641.3897.31076.3861.3897.31076.38650.8404.41980.80660.6883.62084.42670.5783.04487.47080.5262.77090.24090.

12、3812.00892.248100.3041.60093.847110.2601.36995.216120.2001.05196.267130.1931.01397.281140.1340.70497.984150.1280.67398.658160.0920.48599.143170.0720.37999.522180.0620.32699.847190.0290.153100.000Extraction Method: Principal Component Analysis.表2：因子載荷矩陣表Component Matrix(a) Component1234Zscore: Q1.10.

13、734-0.0870.3380.004Zscore: Q1.20.539-0.6190.3210.247Zscore: Q1.30.649-0.4660.178-0.168Zscore: Q1.40.661-0.3600.403-0.145Zscore: Q1.50.720-0.3860.210-0.210Zscore: Q1.60.802-0.3600.182-0.041Zscore: Q3.10.8070.1090.0960.126Zscore: Q3.20.6590.5510.0840.266Zscore: Q3.30.7500.4520.029-0.067Zscore: Q3.40.5

14、690.2500.2710.429Zscore: Q5.10.4400.4790.3000.443Zscore: Q5.20.6110.2830.3060.016Zscore: Q7.10.6150.221-0.035-0.560Zscore: Q7.20.7750.247-0.208-0.427Zscore: Q7.30.7680.400-0.159-0.307Zscore: Q9.1提取特征根大于1的主成分；共提取4個主成分，即將原來19個指標(biāo)通過降維處理，得到四個相互獨立的主成分；主成分因子載荷矩陣反映每個因子對各個變量的影響程度9滿意度權(quán)重確定方法滿意度權(quán)重確定方法n第三步：將主成分分

15、析計算得出的因子載荷表，用提取的四個主成分分別除以相應(yīng)的主成分特征根的開方；F1F2F3F4特征根8.8532.3611.9111.389特征根開根2.97539911.536554591.382389241.17855844除以主成分相對應(yīng)的特征根開根得到系數(shù)F1F2F3F410.2466 -0.0566 0.2447 0.0032 20.1812 -0.4026 0.2322 0.2095 30.2181 -0.3030 0.1289 -0.1423 40.2223 -0.2346 0.2912 -0.1227 50.2420 -0.2512 0.1519 -0.1784 60.2694

16、-0.2340 0.1319 -0.0348 70.2713 0.0707 0.0692 0.1069 80.2216 0.3586 0.0604 0.2253 90.2521 0.2939 0.0212 -0.0569 100.1914 0.1624 0.1959 0.3637 110.1478 0.3117 0.2167 0.3762 120.2054 0.1840 0.2216 0.0137 130.2066 0.1439 -0.0255 -0.4750 140.2604 0.1608 -0.1505 -0.3622 150.2581 0.2606 -0.1151 -0.2606 160

17、.2074 -0.1370 -0.3280 0.1946 170.2474 -0.0700 -0.4209 0.1303 180.2598 -0.0150 -0.3661 0.0525 190.2062 -0.2326 -0.3818 0.2568 10滿意度權(quán)重確定方法滿意度權(quán)重確定方法第四步：用前一步得出的系數(shù)得出每個主成分的表達式；即相互獨立的四個主成分均用19個原始指標(biāo)用線性形式表示.F1=a11X1+a21X2+ap1XpF2=a12X1+a22X2+ap2Xp如：F1的第一個樣本對應(yīng)的值1.61=上頁F1上各變量對應(yīng)的系數(shù)*對應(yīng)的樣本1各個標(biāo)準(zhǔn)化變量值，其他類推計算出的值保存為sp

18、ss的四個變量F1，F(xiàn)2，F(xiàn)3，F(xiàn)411滿意度權(quán)重確定方法滿意度權(quán)重確定方法第五步：然后根據(jù)標(biāo)準(zhǔn)化的總滿意度得分對上述四個相互獨立的主成分進行回歸，得出回歸系數(shù)，即自變量變化一單位對因變量變化的影響大小；打開spssanalysisRegressionlinear,將F1,F2,F2,F4個得分變量選取到自變量框中，將標(biāo)準(zhǔn)化的總滿意度變量選取到因變量框中，四、運用回歸分析計算分項指標(biāo)對總體滿意度的影響大小四、運用回歸分析計算分項指標(biāo)對總體滿意度的影響大小 12滿意度權(quán)重確定方法滿意度權(quán)重確定方法點ok后輸出結(jié)果，得出回歸系數(shù)如下圖:這里要采用非標(biāo)準(zhǔn)化的回歸系數(shù)(標(biāo)準(zhǔn)化系數(shù)用來比較自變量間重要程

19、度，而非標(biāo)準(zhǔn)化用來比較自變量對因變量的作用大小)表3：總體滿意度對主成分進行回歸Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientsBStd. ErrorBeta1(Constant)-0.0800.081f10.3110.0280.838f20.1230.0530.173f30.1460.0600.181f40.0740.0690.080a. Dependent Variable: Zscore: Q11、總體滿意度13滿意度權(quán)重確定方法滿意度權(quán)重確定方法第六步：根據(jù)回歸系數(shù)，判斷各個主成分對總體滿

20、意度的影響大小，然后用該回歸系數(shù)乘以各個主成分表達式中的19個原指標(biāo)的系數(shù)，得出主成分一中的19個原始指標(biāo)對總滿意度的影響大小，同理可得主成分二、三、四中的19個原始指標(biāo)對總滿意度的影響大??；將上面得出的四個主成分中19個原始指標(biāo)對總體滿意度影響大小系數(shù)（即：回歸系數(shù)）進行分別加和，得出19個原始指標(biāo)對總滿意度的影響大小系數(shù)，然后對19個回歸系數(shù)進行歸一化處理，得出19個原始指標(biāo)對總滿意度的影響權(quán)重特征根8.8532.3611.9111.389F1F2F3F4特征根開根2.97539911.536554591.382389241.17855844回歸系數(shù)0.3110.1230.1460.074

21、除以主成分相對應(yīng)的特征根開根得到系數(shù)歸一化F1F2F3F4加權(quán)1加權(quán)2加權(quán)3加權(quán)4求和最終權(quán)重10.2466 -0.0566 0.2447 0.0032 0.0766871-0.0069580.03572740.00024060.1057 7.58%20.1812 -0.4026 0.2322 0.2095 0.0563465-0.0495150.03390610.01558510.0563 4.04%30.2181 -0.3030 0.1289 -0.1423 0.0678317-0.0372710.0188202-0.0105870.0388 2.78%40.2223 -0.2346 0.

22、2912 -0.1227 0.069121-0.0288560.0425221-0.0091290.0737 5.29%50.2420 -0.2512 0.1519 -0.1784 0.0752642-0.0308980.022182-0.0132660.0533 3.82%60.2694 -0.2340 0.1319 -0.0348 0.083779-0.0287860.0192642-0.0025860.0717 5.14%70.2713 0.0707 0.0692 0.1069 0.0843790.00869090.0100970.00795490.1111 7.97%80.2216 0.3586 0.0604 0.2253 0.06892070.04410490.00882280.01675990.1386 9.95%90.2521 0.2939 0.0212 -0.0569 0.0784130.03614990.0030895-0.0042360.1134 8.14%100.1914 0.1624 0.1959 0.3637 0.05951880.019