顾客满意度对顾客忠诚度作用机制研究——基于电信企业的实证分析，本文主要内容关键词为：实证论文,忠诚度论文,电信企业论文,顾客论文,机制论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
经济全球化大背景下，市场逐渐从卖方市场转化为买方市场，企业竞争日趋激烈。为了在竞争中脱颖而出，企业需要培养忠诚的顾客。研究表明，保持并提高顾客的忠诚度将为企业带来很多益处。张新安、田澎(2007)[1]将之归纳为以下5点：(1)维持一个忠诚顾客的成本远低于争取一个新顾客的成本，降低了企业的营销成本；(2)忠诚的顾客倾向于重复消费，并购买企业的其他产品，为企业带来稳定的远期收益；(3)忠诚顾客更容易接受溢价，同时购买行为不容易受到价格优惠等促销手段的影响，能为企业带来超额利润；(4)忠诚顾客经常宣传企业的产品或服务，通过口口相传，为企业争取新的顾客；(5)顾客忠诚有助于提高员工满意度和保持率，促进企业降低运营成本。
按照传统的管理和营销理论，提高顾客满意度是培育忠诚顾客的有效途径，通过忠诚的顾客提升企业利润并实现企业的长远发展[2]。但是某项调查结果表明：在声称对公司产品满意甚至十分满意的顾客中，有65%～85%的顾客会转向其他公司的产品[3]。其中，汽车业中85%～90%的顾客表示满意，但是再次购买的比例却只有30%～40%；餐饮业中品牌转换者的比例更高达60%～65%[1]。国内外多项研究也表明，顾客满意度对顾客忠诚度的作用机制是复杂的，并不是单一的线性关系。
进入20世纪90年代以来，国外学者关于顾客满意度对顾客忠诚度的作用机制展开了大量的理论和实证研究。Coyne(1989)[4]首先指出顾客满意度与顾客忠诚度之间的关系并非线性，而是存在着两个阈值：当顾客满意度超过某个较高的水平后，重购的忠诚度将急剧上升，同时，当顾客满意度下降并低于一定水平后，顾客忠诚度也同样急剧下降，而在这两个阈值之间，顾客忠诚度相对变化较小。Oliver(1992)[5]在Coyne的研究基础上，利用突变模型(Catastrophe Model)研究了交易成本、顾客满意度对顾客忠诚度的影响，指出顾客满意度对顾客忠诚度呈现出非线性作用关系。Finkelman(1993)[6]将落在两个阈值之间的区域称为“无关紧要区域”(Zone of Indifference)，即顾客满意度陷阱区域，并进一步指出在无关紧要区域进行投资，对公司的业绩表现影响不大。Jones和Sasser(1999)[7]通过对施乐公司的实证研究，发现了“无关紧要区域”的存在，研究指出非常满意的顾客重购产品的可能性是满意顾客的6倍，只有非常满意的顾客才是真实的忠诚者。
国内学者关于作用机制的探讨更多的还停留在理论研究上，例如，韩经纶、韦福祥(2001)[2]展开了顾客满意与顾客忠诚互动关系的动态分析；刘周平(2007)[8]对顾客满意与顾客忠诚研究的文献进行回顾时，详细探讨了顾客满意度陷阱问题；张月莉、王方华(2008)[9]从理论角度讨论了顾客忠诚因果模型，等等。关于作用机制的实证研究相对缺乏，目前比较具代表性的有王霞、赵平(2003)[10]，张新安、田澎(2007)[1]和廖颖林(2008)[11]的研究。
国内学者关于作用机制的实证研究主要探讨了不同满意程度的顾客之间，顾客满意度对顾客忠诚度的作用关系是否存在区别。现有的研究表明不同满意程度的顾客与不同忠诚度顾客之间存在着对应关系[1][11]，顾客满意度对顾客忠诚度的作用关系，随着顾客满意程度的不同而具有差异[11]。但是，对于满意程度相类似的顾客内部这种作用关系是否存在差异的研究却十分缺乏。
本文利用某电信企业的数据对顾客满意度与顾客忠诚度之间的作用机制展开深入的实证研究。本文在现有研究成果的基础上，着重探讨了具有相似满意程度的顾客内部，顾客满意度对顾客忠诚度的作用关系是否存在差异。是对现有研究成果的进一步拓展。
2 研究变量和研究路径
2.1 研究变量
顾客满意度、顾客忠诚度作为经济心理学的概念，较难直接衡量，一般需要通过其他外在变量间接进行测量[12]，而且考虑到顾客满意度和顾客忠诚度概念的复杂性，需要采用多元观测变量(Measurable Variable)[13]。同时不能忽视的是顾客满意度并不是顾客忠诚度的唯一原因变量，需要将顾客满意度与顾客忠诚度的其他作用变量综合起来，进行实证分析。
本文在参考了瑞典顾客满意度指数模型[14]、美国顾客满意度指数模型[15]等西方国家顾客满意度模型基础上，将顾客忠诚度(LOYA)的解释变量确定为顾客预期(EXPE)、质量感知(QUAL)、价值感知(VALU)和顾客满意度(SATI)。
同时，分别确定各个变量的观测变量：(1)顾客期望由总体期望(EXPE_1)、可靠性期望(EXPE_2)和满足需求期望(EXPE_3)3个观测变量衡量；(2)质量感知由总体质量(QUAL_1)、可靠性(QUAL_2)和满足需求能力(QUAL_3)3个观测变量衡量；(3)价值感知由给定质量下的价格(VALU_1)和给定价格下的质量(VALU_2)2个观测变量衡量；(4)顾客满意度由总体满意度(SATI_1)、对预期的满足(SATI_2)和与理想的差距(SATI_3)3个观测变量衡量；(5)顾客忠诚度由推荐他人使用的可能性(LOYA_1)、继续使用的可能性(LOYA_2)、增大使用量的可能性(LOYA_3)、使用其他业务的可能性(LOYA_4)等4个观测变量衡量。
2.2 研究路径
目前常用的度量顾客满意度和顾客忠诚度的方法是结构方程建模。将顾客满意度作为顾客忠诚度的原因变量纳入方程，并利用偏最小二乘建模方法估计参数[16][17]，在此基础上研究顾客满意度对顾客忠诚度的作用机制。例如瑞典顾客满意度指数模型[14]、美国顾客满意度指数模型[15]等。但是在进行顾客满意度对顾客忠诚度作用机制的实证研究中，结构方程建模的方法并不合适。基于以下几点考虑：(1)结构方程建模忽略了顾客满意的不同程度，也忽略了对顾客忠诚的不同分类，因此无法了解不同满意程度的顾客与不同忠诚度顾客之间的对应关系；(2)结构方程建模中将顾客满意对顾客忠诚的作用简单线性化，与非线性作用关系不符。
本文在借鉴现有研究成果的基础上，首先对不同满意程度顾客之间顾客满意度对顾客忠诚度的作用机制展开了讨论，接着，又着重探讨了相似满意程度顾客内部的作用机制。本文的实证研究共分为4步：首先对顾客按照满意水平以及忠诚水平进行分类；接着探讨不同类别顾客之间的对应关系；然后对不同满意程度的顾客，分别展开主成分回归，以探讨不同满意程度顾客之间，顾客满意度对顾客忠诚度的作用大小、作用方式是否存在差异；最后利用聚类回归分析方法，进一步深入探讨了满意度相似的顾客内部，顾客满意度对顾客忠诚度的作用大小、作用方式是否存在差异。除了分析的第4步将利用R软件[18]完成，其余的都将采用SAS软件[19]实现。
3 实证分析
3.1 数据来源
本文实证分析的数据来源于某电信公司2006年的调查，从该电信公司的客户群中按照年龄、性别等指标等比例分层抽样，并采用电话调查的方式，共调查了1500份问卷，经过预处理后，实际有效问卷为1153份。
调查的所有问题均采用10级尺度李克特量表，其中，1表示完全不同意、根本不可能或者根本不满意，10表示完全同意、十分可能或者十分满意。具体调查项目参见研究变量一节。
由于各个变量均采用多个观测变量衡量，为了衡量观测变量之间的内在一致性，从而确定变量的可靠性，计算各个变量的Cronbach α值[20]，参见表1。根据表1，各个变量的Cronbach α值均大于或十分接近0.70，说明变量具有一定的可靠性。
3.2 聚类分析
考虑到不同水平的顾客满意度对顾客忠诚度的作用方式存在差异，采用聚类分析方法将顾客按照顾客满意水平和顾客忠诚水平分别进行分类。将顾客按照顾客满意水平高低不同分为3组：不满意顾客、满意顾客和非常满意顾客，同时，将顾客按照顾客忠诚水平高低不同分为3组：不忠诚顾客、潜在忠诚顾客和忠诚顾客。
采用K均值聚类方法，顾客满意度和顾客忠诚度各个组内部情况分别参见表2和表3。
根据表2，按照顾客满意度的高低可将顾客分为3类：(1)组1为不满意顾客，记为SATI1，这类顾客在各个观测值上的得分均值都低于3.5分，得分很低；(2)组2为满意顾客，记为SATI2，这类顾客在各个观测值上的得分均值都在6分到7分之间，超过了量表的中点，即5分；(3)组3为非常满意顾客，记为SATI3，这类顾客在各个观测值上的得分均值均超过8.5分，得分偏高。
根据表3，按照顾客忠诚度的高低可将顾客分为3类：(1)组1为不忠诚顾客，记为LOYA1，这类顾客除了继续使用的可能性均值偏高以外，其他观测变量的均值都低于3.5分，得分很低；(2)组2为潜在忠诚顾客，记为LOYA2，这类顾客除了推荐他人使用可能性的得分均值低于5分以外，其他观测变量的均值都落在6.5分到9分之间；(3)组3为忠诚顾客，记为LOYA3，这类顾客在所有观测值上的得分均值均超过7.5分，得分偏高。
比较各类顾客人数不难发现，不忠诚顾客的人数多于不满意顾客的人数，这是因为在2006年，我国电信业改革虽然已经启动，市场上已经形成了多家电信运营商共同竞争的局面，但是这种竞争仍然受到一定保护，是不充分的。由于对电信运营商在经营地域、经营范围上有所限制，这就造成了在小的地域范围内某项电信服务的提供商仍然具有垄断性，因此偏高的顾客满意度与偏低的顾客忠诚度并不矛盾，反而是当时市场的真实反映。这一点从继续使用可能性(LOYA_2)观测变量的偏高均值也可以反映出来，根据表3，无论顾客忠诚属于哪种类型，该变量的均值均较高，一定程度上反映出顾客缺乏选择的状况。
3.3 多重对应分析
顾客满意度和顾客忠诚度分类后，可视为两个定性变量，对这两个定性变量进行多重对应分析，以了解两个分类变量之间的对应关系。
两个变量的两维对应图参见图1，两个变量各组之间的列联表参见表4。
根据图1可知，顾客满意度与顾客忠诚度之间存在着明显的对应关系。其中，非常满意顾客与忠诚顾客很接近；满意顾客与潜在忠诚顾客很接近；同时还可以看到，虽然不满意顾客与不忠诚顾客并不接近——这可能与不满意顾客人数仅为10人，人数过少有关——但是它们仍然落在同一区域之内，具有一定联系。两个变量之间的对应关系在列联表中也有所体现。从顾客满意度分类的角度来看，在不满意顾客中，不忠诚顾客比例最高，占90%；满意顾客中，潜在忠诚顾客的比例最高，占52.9%；非常满意顾客中，忠诚顾客的比例最高，占64.9%。从顾客忠诚度分类的角度来看，在忠诚顾客中，非常满意顾客占85.9%，这一比例随着顾客满意度的下降，依次降低为55.8%和51.0%。
根据多重对应分析，进一步验证了不同水平的顾客满意度与不同水平的顾客忠诚度之间存在着对应关系：不满意顾客往往对应着不忠诚顾客；满意顾客往往对应着潜在忠诚顾客；而非常满意顾客往往就是忠诚顾客。该结果我国学者的现有实证研究结果十分吻合，但是仅仅根据对应分析，仍然无法判断顾客满意对顾客忠诚作用关系的具体形态，即线性变化还是非线性变化，因此还需要展开进一步的分析。
3.4 主成分回归分析
为了进一步展开对顾客满意度陷阱的实证分析，将所有变量按照不同满意程度的顾客分别进行主成分分析，然后对不同满意水平的顾客群体利用各变量的第一主成分得分进行主成分回归，以期了解不同满意程度的顾客群体之间，顾客满意对顾客忠诚作用的具体形态是否存在差异。
对于各种满意程度的顾客，所有变量的第一主成分均具有较高的贡献率，同时所有观测变量上的载荷均为正，具有很好的经济内涵。这位后续主成分回归分析的有效性奠定了基础。
将顾客期望、质量感知、价值感知、顾客满意度和顾客忠诚度等各变量的第一主成分得分分别记为EXPE_P、QUAL_P、VALU_P、SATI_P和LOYA_P。
分别对不满意顾客、满意顾客和非常满意顾客3种顾客群体，以LOYA_P为因变量，以EXPE_P、QUAL_P、VALU_P和SATI_P为自变量进行多元线性回归。3种顾客群体的回归方程参见式(1)、式(2)和式(3)。
不满意顾客的回归方程为：
比较式(1)、式(2)和式(3)，有以下几点结论：
(1)随着顾客满意程度从不满意转变到满意进而到非常满意，顾客期望对顾客忠诚的作用也从统计显著转变为统计不显著；
(2)不满意顾客和满意顾客中，产品、服务的质量对顾客忠诚的影响统计显著，非常满意顾客中，质量感知对顾客忠诚的影响统计不显著；
(3)不满意顾客中，产品、服务的价值对顾客忠诚的影响统计不显著，满意和非常满意顾客中，价值对顾客忠诚的影响统计显著；
(4)不满意顾客和非常满意顾客中，顾客满意度对顾客忠诚度的影响统计显著，而满意顾客中，顾客满意对顾客忠诚度的影响统计不显著。这一点进一步验证了顾客满意度对顾客忠诚度的非线性关系。
同时需要指出的是，虽然根据F检验的结果，式(2)和式(3)均为统计显著，但是两个方程的拟合优度却并不高，特别是式(3)，拟合优度仅为0.04。造成这种结果的原因可能有两点：第一，在满意顾客与非常满意顾客内部，解释变量对顾客忠诚度的作用方式可能具有不同的类型；第二，方程遗漏了对顾客忠诚度具有较好解释能力的解释变量。由于本文研究聚焦于顾客满意度对顾客忠诚度的作用机制，因此，为了探讨相同满意程度顾客内部顾客满意度对顾客忠诚度的作用机制是否唯一，本文将进一步采用聚类回归分析方法，展开更深入的分析。
3.5 聚类回归分析
聚类回归分析方法[21-23]是基于某个或者某些自变量对因变量的作用关系不同对观测变量进行分类的分析方法。
聚类回归分析假定从混合着的K类总体中抽取出一个样本量为I的样本。为了测定不同总体中解释变量对被解释变量的作用关系。对抽取的样本，采用极大似然估计方法，最大化似然函数L或者对数似然函数Ln(L)。对数似然函数Ln(L)的计算公式为：
其中：k=1，2，…，K表示不同的总体；i=1，2，…I表示第i个样本观测值；
BIC值越大越好，往往将对应于最大BIC值的类数确定为最佳总体类别数。
在确定总体分为几类之后，需要将每个观测值归入对应的总体中。对每个观测值计算属于各类的后验概率，将观测值归入到后验概率最大的总体中。
利用聚类回归分析方法，对满意顾客和非常满意顾客展开进一步分析，探求相同满意程度顾客内部，顾客满意度对顾客忠诚度的作用机制是否唯一。不再对不满意顾客进行聚类回归的原因有两点：一是不满意顾客的样本量较小，只有10个，进一步展开聚类回归分析的意义不大；二是前文的主成分回归分析中，不满意顾客方程的拟合优度已经达到较高的水平。
首先考虑满意顾客的聚类回归。比较两个变量作用关系不同分类的BIC值，根据表5，顾客满意度对顾客忠诚度的作用关系分为1类时，BIC值达到最大，为-1129.820，此时对数似然函数Ln(L)亦达到最大值，为-547.615。这说明对于满意顾客而言，无论顾客忠诚属于哪种类型，顾客满意作用于顾客忠诚的方式主要只有1种。根据式(2)，顾客满意度对顾客忠诚度的回归系数为0.103，t检验的p值为0.135，说明对于满意顾客，顾客满意度对顾客忠诚度不存在显著的线性作用关系。同时，为了考察顾客满意度对顾客忠诚度的非线性作用关系，本文还考虑了将顾客满意度的平方项、顾客满意度的3次方项等分别引入方程，作用关系仍然不显著，不能通过检验。聚类回归分析表明：满意顾客内部，顾客满意度对顾客忠诚度的作用关系主要体现为一种类型，但是这种作用关系并不是显著的线性或者非线性作用关系，简言之，对于满意顾客，提高顾客满意程度并不会对顾客忠诚度产生显著影响。同时，需要指出的是，由于式(1)的拟合优度为0.12，处于较低的水平，这可能意味着方程遗漏了较重要的解释变量，对于满意顾客，可能存在其他变量对顾客忠诚度产生影响。
考虑非常满意顾客的聚类回归。作用关系分为不同种类时的BIC值参见表6。根据表6，当顾客满意作用于顾客忠诚的关系分为2类时，BIC达到最大值，为-2663.081，同时Ln(L)亦达到最大值，为-1287.898。这说明对于非常满意的顾客而言，可以将他们按照顾客满意作用于顾客忠诚的不同关系分为2类。
根据式(6)和式(7)不难发现：非常满意顾客的内部，存在少部分顾客（约占20%）的满意度对其忠诚度并不具有显著的线性关系，但是大部分顾客（约占80%）的顾客满意对顾客忠诚具有显著的正的线性关系。这说明，企业对于非常满意顾客也需要分类管理，提高非常满意顾客的满意程度并不一定能够提高其顾客忠诚度。而且，比较式(3)和式(7)的拟合优度，通过进行聚类回归分析，方程的拟合优度得到较大幅度的提升，从原来的0.04增加到0.24，这说明产生式(3)较低拟合优度的主要原因是非常满意顾客内部存在着不同的作用机制。但是式(6)的拟合优度仍然维持在较低水平，为0.04，说明对于这部分顾客，可能存在其他较重要的变量对顾客忠诚度有解释能力。
那么非常满意顾客内部的两类顾客又具有怎样的特点呢？将顾客忠诚度的分类与顾客满意作用于顾客忠诚的作用关系分类进行多重对应分析，得到两维对应图，参见图2。根据图2，满足式(6)的顾客主要由不忠诚顾客和潜在忠诚顾客构成，而满足式(7)的顾客主要是忠诚顾客。这说明，对企业非常满意的顾客并不都是企业的忠诚顾客，其中还有一定比例的不忠诚顾客和潜在忠诚顾客。非常满意顾客如果同时还是一个忠诚顾客，提高其顾客满意度能显著提高其顾客忠诚度，但是如果仅是不忠诚顾客或潜在忠诚顾客，满意度的提高并不能显著提高其顾客忠诚度。企业不仅需要促使顾客非常满意，同时还需要尽可能地为顾客忠诚创造条件，步入良性促进的轨道，从而更快地提高顾客忠诚度。
图2 顾客忠诚与两变量（顾客满意度顾客忠诚度）作用关系的对应关系
注：图中JU1表示第一类关系，JU2表示第二类关系。
4 研究结论和进一步的讨论
虽然关于顾客满意度对顾客忠诚度的作用机制已经形成了大量研究成果，但是国内的研究主要还是围绕着理论研究展开，实证研究较缺乏。而现有的实证研究中也主要侧重于探讨不同满意程度顾客之间，顾客满意度对顾客忠诚度的作用关系是否存在差异上，关于相似满意程度顾客内部，作用关系是否存在不同的研究十分缺乏。本文利用某电信企业的数据，在借鉴了现有研究成果的基础上，通过进一步探讨相似满意程度顾客内部，满意度对忠诚度的作用机制的差异性，进一步拓展了现有的研究，同时对两者作用机制的研究更加深入。本文的主要结论如下：
(1)不同满意程度的顾客与不同忠诚度的顾客之间存在这明显的对应关系。一般而言，不满意顾客往往对应着不忠诚顾客；满意顾客往往对应着潜在忠诚顾客；而非常满意顾客往往就是忠诚顾客。
(2)顾客满意度对顾客忠诚度的作用机制并非线性关系，在不满意顾客与满意顾客以及满意顾客与非常满意顾客之间存在阈值。随着顾客满意度的提高，顾客满意度对顾客忠诚度的线性作用关系的显著性发生变化：在不满意顾客中这种线性关系统计显著；满意顾客中不显著；非常满意顾客中亦表现为统计显著。同时，随着顾客满意度水平的变化，顾客忠诚度的其他解释变量对顾客忠诚度的作用关系也发生着变化。
(3)相似满意程度的顾客内部，顾客满意度对顾客忠诚度的作用关系可能唯一，也可能存在差异。对于满意顾客，不论其顾客忠诚度达到怎样的水平，顾客满意度对顾客忠诚度的作用关系主要有一种。但是对于非常满意顾客，只有当其同时又是忠诚顾客时，顾客满意度才对顾客忠诚度呈现出显著的线性作用，否则，如果他是不忠诚顾客或者潜在忠诚顾客时，这种作用关系仍然不显著。
本文的研究结果表明顾客满意度是顾客忠诚度的必要条件，而非充分条件，为了将顾客满意转化为企业业绩表现的提高，不应该仅仅满足于“使顾客满意”，而需要“使顾客非常满意”。同时，并不是非常满意的顾客就一定是忠诚顾客，哪怕对于非常满意顾客，企业还需要尽可能地为顾客忠诚创造条件，促使顾客忠诚。
当然，还可以展开进一步的研究。许多学者探讨了顾客忠诚的不同维度，例如，张新安、田澎(2007)[1]指出顾客忠诚具有情感、行为倾向和认知成分；汪纯孝、韩小芸、温碧艳(2003)[24]指出顾客忠诚具有情感性、认知性、行为性和意向性忠诚等4个不同维度。考虑到顾客忠诚不同维度的研究是更加全面的，有必要展开进一步的分析。不同行业垄断程度不同造成转移成本不同，陈明亮(2003)[25]实证研究表明转移成本是客户忠诚的决定因素，对于不同的行业，顾客满意度对顾客忠诚度的作用关系可能存在较大的差异。当然，国外某些学者已经证实了这个结论，例如Jones和Sasser(1999)[7]的研究，但是，该结论在我国是否同样成立有待进一步的分析。本文的实证分析基于某家电信企业，结论对于我国电信行业具有一定的借鉴作用，但是能否将结论应用于其他行业，还需要后续分析验证。张宁(2002)[26]曾经通过基数指标测定方式明确了顾客满意测量函数，然后采用Gibbs抽样的蒙特卡洛方法，估计了顾客满意阈值及函数系数。该研究为采用除了聚类分析方法以外的其他方法确定顾客满意的阈值拓展了思路，是否还存在其他科学合理的方法也有待进一步的研究。
标签：顾客满意度论文; 顾客忠诚论文; 聚类分析论文; 顾客价值论文; 分类变量论文; 实证分析论文; 对应分析论文; 差异分析论文;