《结构方程模型在顾客满意度研究中的应用》由会员分享，可在线阅读，更多相关《结构方程模型在顾客满意度研究中的应用（17页珍藏版）》请在金锄头文库上搜索。
1、结构方程模型在顾客满意度研究中的应用结构方程模型在顾客满意度研究中的应用阳志平1 2 ，时勘1，顾建峰3（1.中国科学院心理研究所，100101 2北京京湘动力科技开发有限公司，100872； 3北京阳光加信市场研究公司，北京，100087）摘要：针对以往的顾客满意度研究存在的问题，本研究提出“忠诚度导向的顾客满意度研究模型”，使用结构方程模型（Structural Equation Modelling，简称为SEM）探索顾客满意度的构成要素及其对顾客忠诚度的影响。在对某著名IT公司该公司的顾客满意度连续监测中，采纳了“忠诚度导向的顾客满意度研究模型”，取得较好的效果。本文展示了对该公司200
2、1年第二季度的笔记本电脑顾客满意度进行研究的具体操作流程。最后，提出了“忠诚度导向的顾客满意度研究模型”的进一步发展方向。关键词 结构方程、顾客满意度、IT行业1 传统的顾客满意度研究模型顾客满意度（customer satisfaction）已经成为当今企业竞争的一个重要因素，在2000版的国际ISO9001标准中，将顾客满意作为八大管理原则基础之一，并在标准中明确提出了有关对顾客满意度进行测量和监控的要求。（黄健宇，2000）目前，从不同的学科出发，对顾客满意度采取了两种研究路线。其一是从管理学的角度，采取专家评价法、模糊评价法或者AHP法确定构成顾客满意度的各要素以及各要素之间的权重，（
3、李冠，2001；李卫星，2001）此类方法的最大特点是依据专家经验而非顾客实际感知。另一种研究路线则是从消费心理学的角度出发，将顾客满意度加以操作性的定义，继而通过问卷调查与其他方法调查顾客取得有关数据，然后加以统计处理，得出构成满意度的各要素的权重，（阿伦?杜卡，1998；迈克丹尼尔等，2001）此类方法的最大特点是满意度之间的权重是由顾客感知所决定。两种方法各有优劣，与企业所归属的行业领域有关。本文着重讨论的是后一类消费心理学的顾客满意度研究。一般而言，传统的顾客满意度研究有四个基本目标：1）确定满意度的关键决定因素。不同行业的顾客满意度的关键决定因素可能有所不同，在这里，重要的是找出促使
4、全体顾客满意的产品或者服务的某个特殊要素。2）测量当前的顾客满意度。在确定企业所归属的行业领域的关键决定因素之后，测量顾客对每个因素当前的满意程度。3）根据调研结果为管理者提供建议。 4）长期监测顾客满意度的变化。分阶段持续根据顾客满意度的变化趋势，从而为评估公司管理层面为提高服务质量而采取的有关措施的有效性提供可靠依据，最终形 本研究得到了中国科学院心理研究所知识创新项目（项目资助号：200217）和国家自然科学基金项目（项目资助号：70271061）的资助。成良性循环。传统的顾客满意度研究的基本流程如下：传统的顾客满意度研究所采纳的基本研究策略是首先设计一个模型，用来估计顾客所得到的产品或
5、者服务的不同要素的满意状况在决定对该产品或者服务的整体满意状况的时候的重要程度。它的基本概念模型是：S=f（X1，X2，X3，Xn）。其中S代表的是对产品或者服务的整体满意度；X1到Xn代表的是对产品或者服务的某个属性的满意度。（阿伦?杜卡，1998；迈克丹尼尔等，2001）根据研究目的，在数据收集阶段通常采取两种不同的方法。1）首先使用团体焦点小组访谈结合其它定性研究方法（如深度访谈）确定该公司的顾客满意度的构成维度。2）当确定整体顾客满意度构成维度之后，进一步依据定性研究的结果，制定定量研究调研问卷，一般采取等距量表询问顾客的整体满意度与具体构成顾客满意度维度的满意度，依据抽样方案，执行调
6、查。当数据收集完成之后，除了使用描述统计、列联表分析等统计技术之外，最重要的是使用多元回归分析来确定不同的产品或者服务要素在决定整体满意度时的重要性。S=f（X1，X2，X3，Xn），对这一模型进行分析的时候，一般采纳的回归分析模型是：S=a+b1X1+b2X2+b3X3+bnXn 。其中a代表常数，b1到bn代表的是与某个预测变量相关的回归系数。2 忠诚度导向的顾客满意度研究模型2.1 传统的顾客满意度研究存在的问题首先，从传统的顾客满意度研究所关注的目标来看，它存在将顾客满意度与顾客忠诚度相互隔离的问题。满意的顾客并非忠诚的顾客。Thomas B. Jonnes等人（1995）将顾客区分为
7、忠实者、背叛者、趋利者与受制者四类，他们的研究结果表明，完全的顾客满意感才是确保顾客忠诚和产生长期良好的企业绩效的关键，企业着重培养的应该是忠实用户而非仅仅单纯的追求较高的顾客满意度平均值。用户特征忠实者满意度非常高，忠诚度也非常高的顾客背叛者并非一定不满意或者态度中立，也可能满意度较高；但是如果没有一定要再购的理由，也会购买竞争对手的产品或者服务趋利者可能会满意甚至非常满意，但是从来不会表现为忠诚；他们追求低价格，购买时较冲动，容易受到潮流影响，有时为购买而购买受制者是指那些基本上受制于企业的顾客，如本地电话的消费者其次，从研究方法的角度而言，传统基于相关分析（CORRELATE）与多元回归
8、分析（REGRESSION）的顾客满意度研究本身有着局限性。相关分析无从检验顾客满意度各构成要素如何透过顾客整体满意度作用于顾客忠诚度；回归分析则1）无从同时检验顾客满意度各构成要素对顾客整体满意度与顾客忠诚度两个因变量的影响；2）同时在现实世界的顾客满意度研究中，各个因素之间往往存在多重共线性的问题，传统的满意度研究模型中，迫于统计技术的局限，往往将变量之间的多重共线性问题忽略不计，以至于研究结果有时与实际情况相差甚远。3）即使采取岭回归等统计模型解决多重共线性的问题，研究者仍然无法检验顾客满意度各因素在作用于顾客整体满意度的时候的相互关系。传统回归分析忽略测量误差对研究结果的影响，往往导致
9、高估简单模型变量的真正变异量以及低估变量之间的相关系数，对于复杂模型，则解释更差。4）更要命的是，传统多元回归分析往往假设因变量能够准确地预测自变量，然而，现实生活中，“顾客满意度”、“智力”、“社会地位”等等绝大多数社会科学中的研究概念都是不能够直接测量的，属于“潜变量”类型。针对传统的回归分析的局限性，1966年，Bock等人提出“验证性因素分析模型”，此后，经过众多研究者，如Lisrel的发明人Joreskog等人的努力，将心理测量学与经济计量学结合在一起，诞生了今天的结构方程模型。（Structural Equation Modelling，简称为SEM）SEM实际上是一般线性模型（G
10、eneral Linear Models，简称为GLM）的拓展，它同时包括了一种因素模型和一种结构模型，体现了传统的路径分析与因素分析的完美结合。与传统的回归分析相比较，SEM具备以下优点：1）可以同时考虑与处理多个因变量（endogenous/dependent variable）；2）允许自变量(oxogenous)和因变量（endogenous）含有测量误差；3）同时具备因素分析的优点，容许潜变量由多个外源观测指标变量组成，并且可以同时估计外源观测指标变量的信度和效度；4）可以采用比传统方法更有弹性的测量模型（measurement model），如某一观测变量或者项目（item）在SE
11、M内可以同时从属于两个潜变量；5）可以考虑潜变量之间的关系，依据理论假设建立模型，然后来估计整个模型是否与数据相吻合。（Scott MacLean ，Kevin Gray ，1998；林文莺，侯志泰，1995；侯杰泰，成子娟，1999；侯杰泰，1994；AMOS，1996）2.2 忠诚度导向的顾客满意度研究模型 针对传统的满意度研究所存在的问题，我们提出了“忠诚度导向的顾客满意度研究模型”，如下图所示，与传统的研究路线的根本不同在于：1）研究设计的时候充分考虑将忠诚度研究与满意度研究结合在一起；2）研究设计基于结构方程模型。首先，我们通过定性研究（团体焦点访谈与深度访谈）确定构成顾客满意度的可
12、能要素；其次，通过SEM模型通过构造“潜变量”，将“顾客满意度”与“顾客忠诚度”作为潜变量处理（如下图中椭圆所示），然后依据定性研究结果勾勒研究模型。再次，借助于结构方程专用分析软件，如EQS、Lisrel、Amos等，或者包含结构方程分析模块的R、SAS等综合统计软件，对第二步提出的模型加以拟合，确定各要素之间的回归系数，确定顾客满意度的各构成要素对整体满意度的影响以及顾客满意度与顾客忠诚度的关系。最后，在第三步的研究基础之上，结合其它人口学统计变量，以第三步的回归系数所确定的顾客整体满意度各个构成要素的权重系数作为基础，确定SWOT分析图，形成市场营销改进计划，并且经常性的进行顾客满意度监
13、测，最终形成有效的“顾客满意度监控系统”。3 示范某IT公司笔记本电脑顾客满意度研究3.1 研究背景 受国内某著名IT公司委托，在对该公司的电脑产品进行顾客满意度连续监测中，采纳了“忠诚度导向的顾客满意度研究模型”，取得较好的效果。下文将以该公司为例，展示了我们于2001年对该公司2001财年第二季度的笔记本电脑顾客满意度进行研究的具体操作流程。3.2 研究目标本调研项目旨在通过对该公司终端产品用户满意度的研究，识别影响该公司顾客满意度的各种因素；确定构成顾客整体满意度的各个要素的权重；制定基于顾客满意度研究的SWOT分析图，使得该公司能够明确产品和服务改进的先后次序；3.3 研究方法数据收集
14、方式：电话访问。研究区域为该公司的全国销售网络的7大区。样本量：每个区域设计样本量165 个，共计1155个；实际完成1183个。为获得这些合格样本，共拨打了8864个用户电话，接触成功率为13.9%。获得样本各区分布如下：华北区华东区华南区西南区西北区东北区华中区合计17017217216917614717711833.4 研究结果模型验证 运用Amos4.0统计软件，对基于定性研究结果提出的该公司顾客满意度构成系统进行结构方程模型检验，结果如下：下表分别给出了零模型和研究模型的拟合指数。模型2DfP2/DFNFIRFIIFITLICFIPNFIPCFIRMSEA零模型35899.38612
15、00.000299.1620.0000.0000.0000.0000.0000.0000.0000.498研究模型918.453890.00010.3200.974 0.9770.9690.970.9770.7230.7240.088 零模型中各变量间除RMSEA系数之外，协方差均为0，（RMSEA系数，Root Mean Square Error of Approximation，处于01 之间，越接近0越好，<.10 表示模型拟合比较好，<.05 表示模型拟合特别好），而这时显著而高的卡方值说明与原数据拟合极差，模型中各变量之间应存在显著协方差。研究模型是我们基于研究背景、相关文献以及质化研究结果基础之上提出的研究假设，该模型，CFI
