基于多元回归分析的顾客满意度研究——以移动通信行业为例

2010-03-28 10:45
湖南财政经济学院学报 2010年3期
关键词:因变量顾客问卷

汤 俊

(广东松山职业技术学院,广东韶关 512126)

顾客满意度是顾客对自己的消费体验进行评价的重要指标,也是影响其忠诚度及重复购买的重要因素。经典营销理论强调企业的经营行为应以 “市场为导向,顾客为中心”,营销管理工作就是要明确企业的客户,了解客户的需求,比竞争对手更快更好地满足客户的需求,并持续改进产品和服务,从而提高客户的满意度。但现实中许多企业的经营行为与这一宗旨有较大差距,以移动通信行业为例,当今的移动通信市场呈现出中国移动、中国联通、中国电信三足鼎立格局,相互竞争日益激烈,公关战、价格战、技术战 (增值服务)、广告战等愈演愈烈[1],企业对此的热衷程度远远高于对顾客的消费体验关心。而顾客面临多种选择时,期望也在不断提高,其满意度呈现降低趋势。了解顾客满意情况日渐成为企业管理人员关心的问题,满意度的测量也成为学术界的研究重点。

一、文献回顾

20世纪 80年代以来,学术界通过建立理论模型来解释顾客满意度的形成过程并量化满意度的研究成果已十分丰富。代表性的有 “期望不一致”模型 (Oliver,1980)、Kano模型(Kanot Norialietal,1984)、EP模型(Churchill,1982)、NQ模型(Foruell,1981)、服务作业特性绩效模型(Sasser、Olsen,1987)和服务水平的顾客模型(Sasser、Olsen、Wycko,1978)。1986年Parasuraman、Berry、Zeithaml三位学者分析了顾客满意度、服务质量与顾客期望三者之间的关系,并将满意度纳入一个理论框架中形成了服务营销的质量差距模型[2]。他们还将回归分析方法引入到顾客满意测评领域,用于确定顾客满意起因的权重,改变了以往通过问卷调查获取权重的做法,从而带来了顾客满意定量测评方法的重大变革。

除此之外,结构方程模型方法 (SEM)也是测量顾客满意度最常用的一种方法。结构方程模型中包括可观测变量和不可观测变量,可观测变量是可以直接观测,在研究中能够收集到数据的变量;不可观测变量,通常称为潜变量,是模型中引入的不能直接观测的变量,用于说明抽象概念。由于潜变量与观测变量在概念上和经验上的关系,潜变量常由多个观测变量进行度量,这样潜变量的内在不确定性就能从不同方面表现。结构方程模型方法正是描述潜变量之间以及潜变量与对应观测变量之间的复杂相关关系,是一种允许研究者调查动态系统中变量之间的关系的多变量过程。通过结构方程模型,研究人员能够将直接影响的相关分析和估计用于间接因果影响的检验和估计[3]。随着结构方程模型的发展,使用通过建立一个全面度量因果关系技术的顾客满意度测评方法开始出现,最为典型的当属国家顾客满意度指数模型方法。国家顾客满意度测评体系是根据累积顾客满意定义建立的,以单个企业的顾客作为测评信息来源,以因果关系为基础,将总体顾客满意度置于一个因果关系链中考虑,使用结构方程进行计算的模型结构。因果关系链开始于影响顾客满意度的前期因素(顾客期望、感觉价值、感受质量等),终止于满意度所影响的最终因素 (顾客抱怨、顾客忠诚等),总体顾客满意度位于价值链的中心。通过这种设计,因果模型可以获得目标市场对企业所提供的产品和服务的评价,包括对历史情况的评价以及对未来情况的预测。比较有代表性的有瑞典顾客满意指数SCSB(1989)、美国顾客满意指数ACSI(1994),欧洲顾客满意度指数ECSI(2000),2002年中国顾客满意度指数CCSI开始推广应用。国家顾客满意度测评体系覆盖了不同企业、行业、部门,具有广泛的适用性,影响巨大。

二、基于回归分析的移动通信顾客满意度研究

回归分析(Regression Analysis)是研究因变量(Y)和自变量 (X)之间数量变化规律,并通过一定的数学表达式来描述这种关系,进而确定一个或几个自变量的变化对因变量的影响程度,即用一种确定的函数关系去近似代替比较复杂的相关关系。回归分析所研究的主要问题就是如何利用变量X、Y的观察值 (样本),对回归函数进行统计推断,包括对它进行估计及检验与它有关的假设等,通常需要建立多元回归模型,并通过 t检验来证实其显著性。

1、模型的界定

在满意度的研究中,顾客对服务或产品诸要素消费体验的评价可作为自变量,总体满意度的评价作为因变量。在通信行业顾客对消费体验的评价包括通信信号、品牌影响、扣费、服务、短号等方面,界定哪些评价是最有价值的解释变量便至关重要。

(1)数据采集

本研究主要通过问卷采集数据。在设计问卷前通过开展小规模的焦点小组访谈,收集到用户比较关心的如通信信号、品牌影响、扣费、服务、短号等方面的信息,再结合相关研究成果,设计调查问卷,并进行试调查,完善问卷。最终问卷共分为两部分,一部分是顾客个人信息,另一部分是测量问题。测量问卷采用李克特(Likert)5级量表设计,1代表 “很不同意”,2代表 “不同意”,3代表 “不同意也不反对”,4代表 “同意”,5代表 “很同意”,分值越高,说明顾客对该测评项满意度越大;反之,越小。在拟定问卷后,对访问员进行了培训,将调查的目标、内容等细节进行了充分沟通。调查一共确定了300个样本,以某高职院校五个系进行配额,进一步以相关专业与年级进行了二次配额。采用入户调查的方式,最终收回有效问卷 268份,有效率达到 89%。

所采集的基础数据呈现了多变量大样本的特点,虽然为进一步的研究提供了丰富的信息,但一些变量之间可能存在信息的重叠,这使得进一步分析变得更加复杂,也不利于建立回归分析模型。因此需要采用适当的方法减少变量数而又尽可能不造成有用信息的丢失,因子分析能实现这一目标。

(2)因子分析

用因子分析法对 20项移动通信服务评价进行了分析,分析结果没有显示出相关评价的简单因子结构。在此情况下按照因子分析的常规操作方法将一些负载较小的项目进行了删除,保留了负载较大的 12个测量项目。再一次对这12个项目进行探索性因子分析,得到KMO系数为0.772,大于 0.70,意味着因子分析的结果可以接受。而Bartlett's球形检验的显著性水平为0.000,小于0.01,结果拒绝了变量间不相关的原假设,适合进行因子分析。对问卷测量项目提取主成分,按特征值大于1的标准来截取数据,有 4个因子,旋转后的因子负载如表 1所示。

表1 移动通信行业顾客满意度的SPSS旋转后的因子负载

表中各项目在 4个因子上的负载介于 0.547与 0.819之间,这 4因子分别包含了 4个、4个、2个和 2个测量项目,累计解释方差比达到 77.51%(提取的因子至少能解释 70%的方差)。因子 1在 “多数人使用”、“公司更有实力”、“口碑好”等方面有较高的负载,可称为 “公司形象”因子;因子 2在 “及时知晓促销信息”、“充值方便”、“联系方便”等方面有较高的负载,可称为 “服务质量”因子;因子 3在 “新业务收费标准明确合理”等方面有较高的负载,可称为 “价格水平”因子;因子 4在 “网络稳定,信号强”、“能顺利收发短信”等方面有较高的负载,可称为 “产品质量”因子。

(3)确定变量

可确定4个因子值为自变量,即X1:对公司 (品牌)形象的评价值;X2:对服务质量的评价值;X3:对价格水平的评价值;X4:对产品质量 (通讯质量)的评价值。顾客的总体满意评价值为因变量。

2、模型的建立

(1)相关系数及检验

简单分析每个变量的描述性统计量,无法判定一个自变量是否对总体描述或预测有用,需要从拥有全部数据的自变量中进行选择,构造回归模型,观察自变量和因变量之间的相关性,这种相关性可以用相关系数来衡量。在完成因子分析后,一般用因子代替原有变量作为自变量,因为因子个数比变量个数少,而且因子值具有概念上的意义[4]。当有多个自变量和一个因变量时,可以通过建立相关性矩阵来观察所有变量组合之间的相关性。实际操作中,相关性矩阵的计算可通过SPSS或Excel的相关性分析工具完成,如表 2所示,显示了满意度因变量与每个自变量及自变量与自变量之间的相关性。

表2 移动通信行业顾客满意度相关性矩阵的SPSS结果

企业形象、服务质量、价格水平、产品质量与满意度的相关系数分别为 0.540、0.587、0.561、0.609,显示了中度相关性,双尾检验的概率值均小于 0.01,拒绝ρ =0的原假设,说明相关程度是显著的,各因子间不相关。

(2)基本模型公式

将 4个因子作为自变量,顾客总体满意评价为因变量,建立多元回归模型如下:

其中,X1-X4表示影响因素 (自变量),分别为企业形象、服务质量、价格水平、产品质量四个因素,b1-b4为回归系数,表示假设在其他所有自变量不变的情况下,某一自变量变化引起因变量变化的比率。

(3)计算模型公式

以 4个因子值作为自变量,顾客总满意度评价值为因变量,通过SPSS的多元回归分析后,结果如表3所示。

表3 移动通信行业顾客满意度的SPSS多元回归分析结果

由此可建立顾客满意度估计方程为:

顾客满意度=3.086+0.149X1+0.197X2+0.269X3+ 0.207X4

3、模型的诊断

表3中判定系数 (R2)为 0.544,调整判定系数(Adjusted R2)为0.517,拟合优度较为理想,估计值的标准误差为0.863(表中未显示);方差分析表反映回归方程整体上的有效程度,其 F统计量的相伴概率值为0.000,小于显著水平 0.05,4个因子引入回归方程,方程高度显著有效;4个自变量的回归系数假设检验概率值(Sig.)都小于0.05,表明对方程有显著作用,即企业形象、服务质量、价格水平、产品质量对移动通信顾客满意度有显著影响。

三、研究价值与局限性

1、研究价值

研究结论证实了移动通信服务的满意度主要受企业形象、服务质量、价格水平、产品质量四个方面因素的驱动,其回归系数分别为 0.149、0.197、0.269、0.207,这说明影响最显著的是价格水平,其次是产品质量 (通话质量),再次是服务质量和企业形象。回归分析法在市场研究中被广泛应用,其主要作用是描述了影响顾客满意度的因素,对运营商的经营决策有一定的参考价值。

2、局限性

研究过程中无论是因子分析的累计解释方差百分比(77.51%),还是相关系数甚或判定系数 (0.544)虽达到分析要求,但总体偏低,这说明在问卷设计或样本选择方面还存在一些不足。顾客满意水平对企业发展有战略上的意义,也是提高社会的幸福指数,促进社会和谐的关键,涉及到各行各业。笔者以移动通信行业为研究对象,主要以在校学生为样本,研究范围相对较狭窄。如果采用多行业的群体作为研究对象,其结果如何还有待确认。后期对满意度的研究还应拓展调查对象,扩大调查样本,对不同行业的顾客满意度进行综合测试,并运用多种方法相互检验,从而使研究结论更有普适性。

猜你喜欢
因变量顾客问卷
调整有限因变量混合模型在药物经济学健康效用量表映射中的运用
“一站式”服务满足顾客
适应性回归分析(Ⅳ)
——与非适应性回归分析的比较
偏最小二乘回归方法
问卷网
让顾客自己做菜
问卷大调查
以顾客为关注焦点
问卷你做主
回归分析中应正确使用r、R、R23种符号