《(客户管理)结构方程模型用于顾客满意度测评之实际应用doc18(1)》由会员分享,可在线阅读,更多相关《(客户管理)结构方程模型用于顾客满意度测评之实际应用doc18(1)(17页珍藏版)》请在金锄头文库上搜索。
1、 结构方程模型用于顾客满意度测评之实际应用 开展实际的顾客满意度测评必须依据一定的顾客满意度理论模型,然后对理论模型中的潜在变量逐级展开,直到形成一系列可以直接测量的指标,这些测量指标便构成了顾客满意度评价指标体系。通过顾客满意度评价指标体系,建立起属性表现、顾客满意度及顾客消费行为三者之间的关系,从而发现提升顾客满意度的关键因素,进而有针对性地采取措施提升顾客满意度。可见,顾客满意度测评成功的前提是建立合理的理论模型,由于理论模型中一般都涉及到“顾客期望、质量感知、价值感知、顾客满意度、顾客抱怨和顾客忠诚”等潜在变量,不可直接测量。那么就需要利用一定的方法对顾客满意度理论模型的合理性进行验证
2、。结构方程模型是对包含测量误差的潜在变量进行分析有效工具,可将其用于对顾客满意度理论模型的验证。 一、顾客满意度的理论模型构建 (一)顾客满意度的影响因素 国内外对顾客满意度的研究表明,与顾客满意度有关的主要因素可以分为两类,即顾客满意度的原因要素和顾客满意度的结果要素。 1.顾客满意度的原因要素。影响顾客满意度的原因要素主要包括:顾客对产品或服务的期望、产品或服务的实际表现、顾客对产品或品牌的情感以及顾客对公平的判断等。 (1)顾客对产品或服务的期望。顾客对产品或服务的期望通过两种方式影响满意度。一方面,期望是顾客满意或不满意的参照标准。顾客经常把对某种产品或服务实际表现的感受同他购买前的期
3、望进行比较,期望越高,失望会越大,可见顾客期望与顾客满意度呈负相关关系。另一方面,期望是顾客在采购之前对某种产品或服务未来实际表现的预期,顾客在使用或消费实际的产品或服务后,往往将其感受到的满意水平向预期靠拢,导致顾客期望与顾客满意度成正比。 (2)产品或服务的实际表现。产品或服务的实际表现是指产品或服务在被顾客使用或消费过程中表现出来的实际状况,包括产品的特性、功能和可靠性,服务的有效性、及时性、方便性和态度等。产品或服务的实际表现与期望的比较对顾客满意度产生影响,产品或服务的实际表现与顾客满意度呈正相关。 (3)顾客对产品或品牌的情感。情感对顾客满意度的影响有两种典型的解释:一是顾客在消费
4、过程中对产品和品牌产生的情感会在记忆中留下痕迹,这种痕迹被顾客纳入到满意度的评价过程中;二是依据消费经验是否成功,唤起特定的情感,并把这种情感纳入满意度的评价过程中。可见,情感和满意度存在正相关关系。 (4)顾客对公平的判断。依据公平理论,当顾客同参照对象比较后发现公平比率较高,满意度就较高;相反,如果发现公平比率较低,满意度就较低。顾客对公平的判断与满意度存在正相关关系。 2.顾客满意度的结果要素。顾客形成了满意或不满意的心理感受后,将会产生多种后续行为,最主要的后续行为是正式抱怨、负面口碑和重复购买。 (1)正式抱怨。正式抱怨是指顾客向直接责任方或执法方提出的抱怨。当顾客不满意时,通过正式
5、抱怨来发泄愤怒,减轻心理的不平衡,或寻求补偿。研究还表明顾客的不满程度越高,提出正式抱怨的可能性就越大,抱怨的次数就越多,抱怨的激烈程度就越高。显然,顾客满意度与正式抱怨具有负相关关系。 (2)负面口碑。向其他人传播负面口碑是另外一种形式的顾客抱怨行为。在顾客不满意时,负面口碑将增加,会向其他人诉说自己不满意的遭遇来减轻紧张感,寻求心理平衡。负面口碑的动机表明,顾客的负面口碑与顾客满意度具有负相关关系。 (3)重复购买。满意度的高低直接影响到顾客再次购买该产品或服务的可能性。在竞争环境下,满意的最高程度表现为顾客对该产品或服务品牌行动上的忠诚持续的重复购买。顾客满意度越高,重复购买的可能性越大
6、;顾客的满意度越低,重复购买的可能性越小。 (二)顾客满意度理论模型 根据以上的理论分析,借鉴国内外研究成果和实践经验,结合我国顾客的实际特点以及企业调研的实际可操作性,我们提出“价值忠诚顾客满意度测评模型”。该顾客满意度测评模型包含6个结构变量,即“预期质量、感知质量、宣传效果、感知价值、顾客满意度和顾客忠诚”,它们之间的结构关系模型见图1。 图1价值忠诚导向顾客满意度测评模型 模型中的6个结构变量都是难以直接量化的潜在变量,它们之间的关系大致是:“宣传效果”为外生变量,其对“预期质量”、“感知质量”、“感知价值”及“顾客满意度”产生影响;顾客的预期容易对其实际的感知产生影响,把实际感知的质
7、量与预期质量相比较,形成顾客对价值的判断(感知价值),进而对顾客满意度构成影响,当然感知质量本身也直接对顾客满意度产生影响;顾客满意度的高低,直接决定着其忠诚程度。 各潜在变量的定义及对应的测量变量说明如下: 1.预期质量。“预期质量”是顾客在购买和使用某产品之前对其质量的估计。顾客对某产品或服务的预期质量主要来自于顾客近期的消费经验、消费需求以及公司对产品的宣传。“预期质量”通过“总体预期”、“性能预期”和“服务预期”这3个观测变量进行测评。 2.感知质量。“感知质量”是顾客在购买和使用产品以后对其质量的实际感受。感知质量与预期质量一样包括3个观测变量,分别是“总体感知”、“性能感知”和“服
8、务感知”,这样便于把感知质量和预期质量一一对应地加以比较。 3.宣传效果。“宣传效果”是指顾客在购买产品前对公司进行的公司品牌、产品、公益形象等方面宣传的总体印象。顾客的总体印象主要来自于公司进行的市场宣传和推广,包括公司的产品广告、品牌及公益形象宣传等,包括“品牌形象”和“公益形象”两个测量变量。 4.感知价值。“感知价值”体现了顾客在综合产品质量和价格后对其所获得利益的主观感受。感知价值包括“给定价格下对质量的感知”和“给定质量下对价格的感知”两个观测变量。 5.顾客满意度。“顾客满意度”是指顾客对产品的满意程度,反映顾客对产品满足自身需要程度的总体态度。顾客满意度相应地包括“总体满意程度
9、”、“实际与预期差别”、“实际与宣传差别”3个测量变量。 6.顾客忠诚。“顾客忠诚”是指顾客对某产品的忠诚程度,包括重复购买的可能性、向他人推荐程度及自身对产品价格变动的承受能力等方面。顾客忠诚对应的3个测量变量分别为“再次购买可能性”、“推荐程度”、“价格变动”。 二、顾客满意度理论模型的验证上述顾客满意度理论模型的合理性如何?各潜在变量之间的关系及其强度怎么样?以下利用结构方程模型对其进行验证和分析。 (一)观测变量的量化方法 模型中六个潜在变量及对应的观测变量,共同构成顾客满意度评价指标体系。将观测变量展开为调查问卷上的问题,利用消费者对问题的回答,可得到观测变量的数值。这涉及到如何用数
10、值反映顾客对测量对象的态度,“量表”是态度测量的基本工具。其设计包括两步:第一步是“赋值”,根据设定的规则对不同态度特性赋予不同数值;第二步是“定位”,将数值排列或组成一个序列,把受访者的不同态度定位于序列的不同位置。我们对顾客满意度的测评采用5等级李克特(Likert)量表,5个态度等级分别是满意、较满意、一般、较不满意和不满意,对应的值为5、4、3、2、1。数据收集过程中遇到不能直接用李克特量表表示的定量指标,也将其转化成量表形式,具体方法是把指标量值划为5个区间,每个区间对应李克特量表相应等级,指标值所在区间对应的等级即为指标的李克特量表值。 (二)数据来源 杭州某市场调查公司受电脑公司
11、委托,对该公司某品牌笔记本电脑在浙江市场的顾客满意度开展研究,调查公司采用上述“价值忠诚导向顾客满意度测评模型”进行顾客满意度的测评。 根据调研目的和理论模型要求,设计了顾客满意度测评的调查问卷,问题围绕理论模型的16个观测变量展开,采用李克特5级量表形式。从所有购买该品牌笔记本电脑的浙江省客户中,取出有电话联系方式的客户,共549人,利用电话访问的方式对549人进行全面调查,获得有效数据问卷212份,成功率38.6%。数据的描述性统计特征见表1。 表1数据俄描述性统计特性 (三)因果关系路径图和模型方程式 根据顾客满意度理论模型及潜在变量对应的观测变量,按照结构方程模型路径图的符号规则,画出
12、模型的因果关系路径图,如图2。 图2因果关系路径图 图2中,椭圆表示潜在变量,方框表示观测变量,单向箭头表示因果关系。表示外生潜在变量,表示内生潜在变量,表示观测变量对潜在变量的作用系数,表示外生潜在变量对内生潜在变量的作用系数,表示内生变量之间的作用系数。1、2为外生潜在变量的两个观测变量的测量误差,1,2,14为内生潜在变量观测变量的测量误差,1,2,5为内生潜在变量的测量误差。 依照因果关系路径图,可得到各观测变量的测量模型,以及各潜在变量之间的结构关系模型。各观测变量的测量方程式为: (1) (2)潜在变量间的结构方程式为: (3)协方差结构为: SJ(IA)-1P(IA)-1J(4)
13、 其中 (四)参数估计及拟合效果 AMOS4.0可用于结构方程模型的参数估计和效果检验,其直接对原始数据进行操作,提供非标准化和标准化的估计结果。利用AMOS提供的图形界面,画出因果关系路径图,如图2所示。规定模型中每个潜在变量对应的测量指标中的一个系数为1,相当于规定潜在变量的度量单位与对应测量指标的单位相同;规定外生潜在变量、内生潜在变量的观测变量的测量误差系数为1。设置好因果关系路径图后,运行程序得到结果。 标准化解直接标示在路径图中,同时给出了十多种拟合指数,表2列出几种主要的拟合效果指标。 表 2 Fit Measures CMINDFPRMRGFIAGFINFIRFICFIRMSE
14、ADefault model334.862940.0000.0770.8300.7540.8830.8510.8940.101总体上希望得到不显著的卡方值,但从表2中反映拟合效果的指标看,卡方对应的P值具有统计显著性,卡方与自由度之比大于2,GFI、AGFI和CFI小于0.9,RMSEA大于0.08,说明数据和模型拟合效果不是很理想,模型需进一步修正。回归系数的估计中,除了3、23、37、38的回归系数P值不具有统计显著性外,其他回归系数都通过95%的显著性检验。 (五)模型修正 认真分析理论模型,各测量变量、结构变量之间的关系没有问题。仔细查看未能通过检验的几个回归系数,发现可能是“感知价值
15、”的两个测量变量的误差之间存在较强的相关性,在路径图中增加7、8两个测量误差之间的相关关系,重新进行参数估计,得到标准化解,见图3。 图 3 修正后的测评模型路径系数图 相应的拟合效果指标为: 表 3 Fit Measures CMINDFPRMRGFIAGFINFIRFICFIRMSEADefault model276.483930.0000.0570.9110.8320.9060.8940.9120.053可见,修正后的模型与数据拟合度有较大提高。虽然得到的仍是显著性卡方值(P0.000),卡方与自由度之比为2.97,仍大于2,但RMSEA为0.053,小于90%的置信上限0.08,接近于0.05,GFI、NFI、CFI均大于0.9,AGFI、RFI接近0.9,说明模型与数据的拟合效果总体上还比较好,显著性