关于顾客满意度指数的若干问题研究，本文主要内容关键词为：若干问题论文,指数论文,顾客满意度论文，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。
CDP指标在为人们提供衡量经济发展数量的客观手段的同时，也逐渐淡化了经济发展是为人类生活更加幸福的初衷。然而人类幸福本身终究是社会进步的驱动因素和终极目的，当人们重新审视这一简单的哲学命题的时候，再也不能容忍GDP独自垄断经济评价的发言杈，必须有一个令人信服的声音，来评价经济资源的产出质量。
顾客满意(CS.Customer Satisfaction)，是指顾客通过对一个产品或服务的感知效果／结果与其期望值相比较后，所形成的愉悦或失望的感觉状态。顾客满意度就是顾客满意水平的量化，正是从人作为消费者的角度，来衡量产出质量的。
顾客满意度指标不仅补充衡量了产出质量，提供了横向比较和时间序列比较的可能.而且为产出数量的评价与预测开拓了全新的视角。研究表明，顾客满意度与传统的经济指标（例如国内生产总值、劳动生产论率、利润率、股票的市场价值等）具有非常强的相关关系，指数与收益、生产力水平具有系统的、可预测的关系。
从1970年开始，许多发达国家开始着手研究顾客满意度，逐步形成了较为成熟的模型框架，并先后建立了全国性的顾客满意度指数测评体系。在全面建设小康社会的今天，我国政府和企业正越来越重视产出的质量，顾客满意度的研究势在必行。如何借鉴国外经验，探索适合我国国情的顾客满意度测评体系，成为摆在我们面前的首要问题。基于此，本文首先讨论顾客满意度模型的建立和发展；接着比较模型的不同估计方法；然后探讨国家顾客满意度指数的抽样方式；在本文的最后，拟对建立中国顾客满意度指数体系的一些问题进行探讨。
一、顾客满意度模型的建立和发展
顾客满意度是一个经济心理学的概念，要衡量它就必须建立模型，将顾客满意度与一些相关变量（例如价值、质量、投诉行为、忠诚度等）联系起来。瑞典、美国、挪威、欧盟等许多国家和地区根据各自的实践特点和满意度理沦，都相继建立了顾客满意度模型。
瑞典SCSB模型(Sweden Customer Satisfaction Barometer)是最早建立的全国性顾客满意度指数模型：该模型的前导变量有两个：顾客对产品／服务的价值感知；顾客对产品／服务的期望。满意度的结果变量是顾客投诉和顾客忠诚度。忠诚度是模型中最终的因变量，因为它可以作为顾客保留(Customerretention)和企业利润的指示器；如图1所示（图略），模型中的这些隐变量都是通过一些测量变量来间接衡量的。
SCSB模型推出后，在实践中也受到了质疑：价值感知对满意度的影响是必然的，但是价值因素和质量因素相比，哪方面更重要呢？由于顾客对不同产品和服务的质量感知是有差别的，如果在模型中加入质量感知变量，如何来衡量呢？等等。
Fornell et al.(1996)认为，将质量感知也包括在ACSI模型中，可以提供重要的信息。这样可以进行质量因素和价值因素对满意度的作用大小的比较。同时，因为质量对价值具有影响，模型可以考察它们两者之间的联系。根据Deming(1981)和Juran & Gryna(1988)的发现，质量感知主要包括两个部分——产品／服务满足顾客需求的程度(customization)，以及这些需求满足的可靠程度(reliability)，因此可以从这两个方面来分别衡量质量感知。
美国顾客满意度指数(ACSI,American Customer Satisfaction Lndex)模型，采纳上述成果，对SCSB模型进行了修正。目前ACSI已成为影响最为广泛的模型，为新西兰、中国台湾、奥地利等所采用，也是挪威和欧盟模型的基础。ACSI模型对SCSB模型的修正主要包括：
1.将质量感知从价值感知分离出来。ACSI调查中增加了三个质量感知的问题：产品／服务满足顾客需求的程度(customization)，这些需求满足的可靠程度(reliability)，以及总体质量。1996年ACSI模型又针对耐用消费品，将质量感知进一步分为产品质量感知和服务质量感知。
2.与质量感知的测量变量相对应，ACSI调查中加入了“满足顾客需求程度期望”和“可靠程度期望”，与原有的“总体期望”一起来衡量顾客期望。
随着实践的深入，后来的NCSB（挪威顾客满意度指数）和ECSl（欧盟顾客满意度指数模型）根据各自的国情，又对ACSI进行了修正。主要包括：
1.增加了公司形象及其与顾客期望、顾客满意度、顾客忠诚度的关系。
2.增加顾客关系隐变量，作为满意度对忠诚度影响的中间变量，以适应现代营销方式的变化。这个隐变量包括更加感情化的情感分量和更加理性的经济分量（例如转换成本）。
3.删去了顾客投诉变量，因为许多国家的顾客投诉系统已经比较完备。
在顾客满意度模型的发展和完善过程中，必然会出现许多问题和分歧。因为模型变量的加入及变量间关系，在不同国家和不同行业是具有不同强度的（注：例如，Fomell(1996)的研究结果表明：顾客期望对价值感知的影响就小于对质量感知的影响，而且这种影响也是因行业而异的。），因此也不断涌现新模型（注：Michael D.Johnson等人(2001)对传统模型进行了积极的改进，并采用五个行业的数据对该模型进行了估计和检验，取得了比较满意的效果，ESOMAR(European Society for Opinion and Marketing Research,1998)和Richard Oliver(1997)也都分别提出过不同的顾客满意度模型。）。
二、模型参数的估计方法的选择
顾客满意度模型是结构方程模型(SEM,Structural Equation Model)，有多个因变量，其中还包括质量感知、顾客满意度、顾客忠诚度和企业形象等隐变量，这些变量构成一个原因和结果关系的网。模型必须在自变量和因变量存在测量误差的情况下，按照变量的因果关系进行估计，然后计算隐变量的表现得分。
对于包含隐变量的结构方程模型，目前最经常使用的估计方法是PIS(Partial Least Square)方法和LISREL(Linear Structural RE Lationships)方法。
PLS(Wald,1982)将主成分分析与多元回归结合起来的叠代估计，是一种因果建模的方法。瑞典、美国和欧盟模型都使用这种方法进行估计。在ACSI模型估计中（注：所有测量变量／调查指标都是隐变量反映(reflective)／结果指标，即所有测量变量与因变量的关系都是从隐变量指向测量变量的。另一种情况是所有测量变量／调查指标都是隐变量影响(formative)／原因指标，即所有测量变量与因变量的关系都是从测量变量指向隐变量的。），该方法对不同隐变量的测量变量子集抽取主成分，放在回归模型系统中使用，然后调整主成分权数，以最大化模型的预测能力。
LISREL(Joreskos,1970)方法通过拟合模型估计协方差
与样本协方差(S)来估计模型参数，也称为协方差建模方法。具体来说，就是使用极大似然(Maxinmum Likelihood,ML)、非加权最小二乘(Unweighted Least Squares,ULS)、广义最小二乘(Generalized Least Squares,CLS)或其他方法，构造一个模型估计协方差与样本协方差的拟合函数，然后通过叠代方法得到使拟合函数值最优的参数估计（注：不同的方法适用于不同的情况，三种方法的估计都具有一致性，但当多元正态性假设成立或变量的分布具有正常的偏度时，ML和GLS方法的估计是近似有效的，ULS方法的估计不是有效的。ULS方法不需要变量服从一定的分布，且参数估计依赖于测量的标度，而ML和GLS方法不依赖于测量的标度。）。
人们在两种方法的选择上一直存在分歧。支持使用PLS的学者认为：
1.虽然PLS的估计量是有偏的，但可以根据测量变量得到隐变量的最优预测（注：这个性质类似于普通最小二乘回归估计量的近似有效性，在解释变量有测量误差时，估计量有偏，但这时仍会产生最优预测。）。
2.PLS是一种有限信息估计方法，所需要的样本量比完全信息估计方法LISREL小得多，非常适用于较普遍的有偏分布和小样本满意度研究（注：样本量至少为模型中具有最多结构路径指向的隐变量的路径数的十倍。更弱一些的限制类似于多元回归，用至少五倍而不是十倍的样本量(WynneW Chin,1995)。）。
3.PLS收敛速度非常快，计算效率比LISREI。更高（注：Barclay,Higgins & Thompson(1995)发现对于具有许多测量变量和隐变量的大模型，PLS可以在几分钟内得出结果，而随着测量变量数增加，LISREL估计的时间会迅速增加。）。
更重要的是，PLS还解决了LISREL碰到的两个难题：
1.LISREL假设观测是独立的，且服从多元正态分布。而PLS使用非参数推断方法（例如Jackknife），不需要对数据进行严格假定。
2.LISREL在进行参数估计之后，再采用某个目标函数计算隐变量得分，计算结果因目标函数选择不同而不同。而PLS在参数估计过程中就计算隐变量得分，可以得到确定的计算结果。
支持使用LISREL的学者则认为：
1.顾客满意度研究中运用PLS，很少有纯粹的预测应用，其主要目标是估计和检验测量变量对隐变量的影响，验证测量变量的效度。而且，只有当模型的参数估计无偏时，才能验证测量变量的效度。
2.PLS估计的隐变量路径系数有低估，不能揭示隐变量之间的关系(Dijkstra,1983)。
3.PLS的隐变量载荷的参数估计易于趋同，且有高估偏差，除非隐变量与其测量变量之间的相关程度很高，且每个隐变量的测量变量数很多，(Widaman,1993)。
4.尽管LISREL中ML估计的有效性、标准误差和检验统计量的正确性需要数据正态和独立的假设，但只要满足某些条件，这些特性并不会受到非正态的影响(Satorra,1990)。此外，LISREL也可以象PLS一样使用非参数重抽样方法（例如bootstrap）进行统计推断。
5.PLS通过最大化测量变量的可靠性估计和隐变量回归的
来计算隐变量得分，导致PLS参数估计有偏（注：因为一些参数（误差方差）作为目标函数的一部分进行了最小化。），使隐变量得分的价值大打折扣。LISREL中的MI估计，即使分布假设不成立也非常稳健，得到总体参数的一致估计。然后基于这些参数，采用几种目标函数计算隐变量得分。这些目标函数不同于PLS目标函数，但这并不能说明得分是不确定的。(Wynne W Chin,1995)
6.如果建模目标是参数估计，那么PLS得到的权重和载荷、隐变量得分是否可以在不同的样本间进行比较也是一个值得怀疑的问题。而LISREL提供
检验，可以进行不同的样本间比较。(Wynne W Chin,1995)。
实际上，两种方法各有千秋，分别适用于不同的情况。研究表明，PLS对测量变量协方差矩阵的对角元素的拟合较好，适用于对数据点的分析，预测的准确程度较高。LISREL对测量变量协方差矩阵的非对角元素的拟合较好，适用于对协方差结构的分析，参数估计更加准确(Wvnne W Chin,1995)。两种方法的选择取决于研究的目的。当研究目的是理论检验且先验理论知识充足时，更宜采用LISREL；当研究目的是预测应用，且理沦知识非常缺乏时，则PLS更加适合(Joreskog & Wold,1982)。
三、国家顾客满意度测评体系的抽样方案及满意度指数权重的确定
国家顾客满意度测评体系是一个理论性和实践性很强的问题，它首先需要在全国的经济领域、行业采集样本。不同的经济领域、行业具有不同的消费群体，不同消费群体的特征不同，分布也不同，因此，建立国家顾客满意度测评体系的首要问题就是设计出科学合理的抽样方案。从目前的情况看，大部分国家的抽样方案基本相近。
以最有影响的ACSI为例，顾客满意度指数体系由国家、经济领域、行业和公司四层组成。指数包括7个经济领域，34个行业的约200家公司。这7个经济领域都是向家庭顾客出售产品或服务的领域，它们占国民生产总值的75%。
选择经济领域之后，再从中选出有代表性的行业。ACSI倾向于选择行业集中度高，且大部分公司的财务数据公开的行业。选定行业后，再从每个行业选出2～20家公司。再对每个公司随机抽取大约250名顾客进行模型估计，计算出公司的顾客满意度指数。
ACSI并不根据公司提供的用户名单抽取顾客，而是先按地区分层抽样、再在地区内随机拨号(Random Digital Dial)，每月抽取6000个顾客样本进行调查。调查借助计算机辅助电话访问系统(Computer Aided Telephone Interview,CATl)，通过一个品牌库将顾客与公司对应起来。
计算出各公司的顾客满意度指数后，紧接着就是如何确定权重，计算行业指数，进而经济领域指数和全国指数。ACSI的方法是，以各公司的相对销售份额作为权数计算行业指数，再以各行业的相对销售份额作为权数计算经济领域指数，最后，以各经济领域对GDP的贡献百分比作为权数计算国家顾客满意度指数。
ACSI每个季度重新评估一到两个经济领域的指数；每年第三个季度对所有的数据进行年度更新。全国指数在季度基础上进行更新，由各经济领域的最新指数组成。
其它国家的抽样方案和权重确定基本上与此类似，根据各自国情略有区别：挪威顾客满意度指数包括12个不同行业的42家公司。数据的收集采用电话调查，对全国的6900名概率样本进行访问。调查范围内的每个公司有200名顾客接受访问。合格的被访者必须是指定时间段内某些服务的购买者或消费者。瑞典顾客满意度指数包括瑞典的32个最大行业的约130家公司，22300多个顾客样本。欧盟顾客满意度指数包括欧盟11个国家重要部门的产品和服务，采访了100000多名顾客。每个公司至少采访250名顾客，最后可以得到国家指数和欧洲指数。
四、对我国顾客满意度研究的启示
正如其他国家经验所表明，顾客满意度与经济指标的关系是非常密切的。随着我国市场化的深入，企业的决策必须建立在对市场趋势的准确判断的基础上，而顾客满意度正是可以提供预测作用的指标。另一方面，企业未来的经济效益也可以通过顾客满意度的变化而事先有所预知。从宏观上讲，顾客满意度也可以提供各行业经济形势的判断标准。随着我国顾客满意度指数体系的建立，就可以深入的研究满意度指数与各种经济指标的关系。
（一）不同的模型是建立在不同的顾客满意度理论的基础上的。目前各国的模型都是建立在期望——感知差距(GAP)理论的基础上的，但是Johnson(1995)采用SCSB的数据进行研究，表明顾客期望对顾客满意度没有直接的影响，这一成果对GAP理论提出了挑战，人们已经在此基础上尝试提出新的模型。
我国建立满意度模型首先要研究我国的满意度理论。
首先，满意度模型中是否加入期望变量成为一个值得研究的问题。我国的市场经济体制还在发展初期，消费者只是市场的被动接受者，对顾客期望不知从何评价，从国内一些企业的实践结果看，期望对满意度的影响也很小。
其次，质量感知和价值感知之间是因果关系，还是质量感知本来就是价值感知的主要组成部分？目前我国市场上的假冒伪劣商品屡禁不止，因此质量感知的单独测量是非常必要的。这样可以进行各公司／品牌间的质量比较，以及与市场一般水平的比较。在目前竞争越来越激烈的经济生活中，价值感知的测量在目前也是非常重要的，因为价格对顾客的购买决策起着越来越重要的作用。
第二，模型中的企业形象、顾客关系变量，从现实情况看，应该包括在我国的模型中。因为在目前我国经济的发展阶段，企业形象在消费行为中具有很重要的作用，因此良好的企业形象也是众多优秀企业不断追求的目标。而顾客关系变量在我国也比较适用。我国的文化是一种重视人情的文化，即使在目前的市场经济逐步建立过程中，这种人情文化也扮演着重要角色，因此顾客关系变量的加入也比较符合我国消费者的思维习惯。
再次，能否像欧盟那样，删掉投诉处理变量？我国投诉处理机制的完善程度行业间差别较大，消费者的投诉意识各地区也有不同。而且该变量既受到顾客满意度的影响，也会反过来影响顾客满意度。因此不能简单地删除。在目前我国的投诉处理机制尚待完善阶段，该变量也具有促进企业重视消费者意见、提高消费者自我保护意识的作用，作者认为应该加入模型。
最后，价值感知对忠诚度的影响是否完全通过顾客满意度实现？当顾客评价忠诚度时，可能会再考虑一下价格因素。因此，作者建议模型中的价格变量，也应对忠诚度变量具有影响关系。作者建议我国的满意度模型可以采取以下形式：
顾客满意度模型框架的发展还会随着理论和实践的发展也不断完善，我国具有特殊的国情，市场环境和消费者的消费行为都与其他国家有较大的区别。模型中的变量及其之间具体作用机制在对我国消费者的消费心理和消费行为研究的基础上，还需要进一步的实证研究。
（二）对于模型的估计方法的选择，主要应该在我国不同行业的不同公司进行试算，也可以采取模拟数据进行研究，参照国外的研究结果，对我国的实证结论进行LISREL和PLS的比较。
作者对某服务行业公司的满意度数据进行测算，两种方法得到的结果进行比较，结论与前文类似。PLS估计的隐变量路径系数有低估，PLS的隐变量载荷的参数估计易于趋同，且有高估偏差，结果如表所示（表略，见原文）。
到目前为止，作者收集的我国顾客满意度数据包括产品、服务等行业的企业数据，很少有满足正态分布的条件。由于费用限制，一般顾客满意度研究的样本量也比较少。另一方面，为了实际需要，有必要计算隐变量得分，因此建议采用PLS方法估计模型。
而且，由于目前我国对满意度理论的研究是有待深入，理论知识不足，如上文所述，各变量间的关系并没有明确，因此采用PLS方法可能更符合现阶段的国情。
（三）在我国顾客满意度指数体系的构建中，如何选择合适的经济领域、行业和企业？张新安等(2001)针对我国经济发展现状，提出了上海顾客满意度指数体系构造的5个层次层级体系，并具体的讨论了对各级样本的抽取和满意度指数的计算。这仅是针对上海地区而言的，从全国范围来看，我国各行业的发展非常不平衡，地区经济结构也差别很大，市场集中程度较低，企业规模普遍较小，要进行全国范围的体系建设所面临的问题更加复杂，需要对我国各经济领域和行业对国民经济的贡献程度作量化的研究，再从中选择具有代表性的经济领域和行业。之后，需要对代表性企业进行抽样，对于大型企业，可以采取全部取样的方式，而对于中小企业，就可以利用随机抽样进行调查。样本选择的方式还可以结合我国目前的统计调查体制，兼顾科学性和经济性。
顾客满意度指数的构建是一项系统工程，需要解决模型的构造、估计方法的选择、抽样方案的确定、指数与其他经济指标的关系研究等方面的问题。相信随着社会的发展，以人为本的思想深入人心，对顾客满意度的研究也将具有国家和世界的意义。
标签：顾客满意度论文; 顾客感知服务质量模型论文; 参数估计论文; 顾客感知价值论文; 经济指数论文; 服务质量差距模型论文; 企业经济论文; 经济模型论文; 模型公司论文; 测量理论论文; 经济学论文;