客戶滿意度回歸分析之誤區

茍恩讓

客戶滿意度調查近年來在國內外得到了普遍重視，特別是服務性行業的客戶滿意度調查已經成為企業發現問題、改進服務的重要手段之一。

國內的滿意度調查是在最近幾年才迅速發展起來的，但已經引起越來越多企業的重視。尤其是電信業，由于客戶群龐大，實現一對一的服務幾乎不可能，所以通過滿意度調查了解客戶的需求、企業存在的問題以及與競爭對手之間的差異，從而有針對性地改進服務工作，顯得尤為重要。

客戶需求與服務改進的分析方法

企業為用戶提供的服務多種多樣，那么在這些服務中哪些因素更重要，各因素之間的重要性差異到底有多大，這些都是滿意度研究需要首先解決的問題。

國際上比較流行并被實踐所驗證，比較科學的方法就是利用回歸分析確定客戶對不同服務因素的需求程度，具體方法如下：

假設某電信運營商的服務界面包括了A1……Am共M個界面，那么各界面對總體服務滿意度A的影響可以通過以A為因變量，以A1……Am為自變量的回歸分析，得出不同界面服務對總體A的影響系數，從而確定各服務界面對A的影響大小。

同樣，A1服務界面可能會有A11……A1n共N個因素的影響，那么利用上述方法也可以計算出A11……A1n對A1的不同影響系數，由此確定A1界面中的重要因素。

通過兩個層次的分析，我們不僅可以得出各大服務界面對客戶總體滿意度影響的大小以及不同服務界面上各因素的影響程度，同時也可綜合得出某一界面、某一因素對總體滿意度的影響大小，由此再結合用戶滿意度評價、與競爭對手的比較等因素，來確定每個界面細分因素在以后改進工作中的輕重緩急、重要性差異等（這是我們明鏡市場研究咨詢有限公司獨有的客戶服務改進COR指數模型），從而起到事半功倍的作用。

滿意度分析的誤區

雖然，利用回歸分析來研究客戶滿意度不同影響因素重要性的強弱，這在諸多市場研究咨詢公司已經得到了普遍應用，但由于不同公司在具體操作細節上的差異，導致了分析結果的不同。如果不負責任地隨意使用不合理的分析數據，分析結果上的偏差往往有可能導致咨詢公司給企業提供錯誤的咨詢建議。下面我們通過實例分析來加以說明。

■線性回歸使用方法不當帶來的誤導

線性回歸中有多種回歸方法，有直接進入法（Enter）、逐步(Stepwise)、強制刪除(Remove)、向前(Forward)、向后(Backward)回歸五種方法。不負責任的咨詢公司隨意選取一種方法而不顧分析結果，就會把客戶引入誤區。

[案例一]對某地移動通信公司的服務滿意度研究中，利用回歸方法分析各服務界面對總體滿意度的影響。

A.直接進入法

顯然，在這種方法計算的結果中，C界面不能通過顯著性檢驗，直接利用分析結果是錯誤的。(見表1）

B.逐步回歸法

這種方法剔除了一個不能通過統計檢驗的大的服務界面（C界面），雖然通過了顯著性檢驗，但卻遺漏了C界面的信息。（見表2）

同樣，使用強制刪除法，C服務界面不能通過顯著性檢驗，向前法和向后法亦剔除了C界面進入分析。

可以看出，通過以上回歸分析我們得到了不同的分析結果，顯然這種分析方法存在著較大的偏差，隨意選取一種是不負責任的，必須深入研究。

■缺損值處理不當帶來的誤差

在客戶滿意度研究中，調查數據或多或少都有一定量的缺失值。這主要來自兩個方面，一是客戶拒絕回答或者是對某問題不清楚造成的某項數據缺損，另一方面是由于某些服務使用的客戶較少而帶來的部分數據缺損。

處理缺損數據的方法有三種，一是不分析任何有缺損值的記錄（Exculde cases listwise），二是不分析具體進入某變量時有缺損值的記錄（Exclude cases pairwise），三是以平均值代替所有缺損值進行分析(Replace with mean)。

這三種有關缺損值的處理方法以第一種最為合理，但在調查中如果遇到某項服務使用用戶較少或拒答/不清楚較多情況時，則會導致大量數據不能進行分析。因此當出現上述情況時，一般是退而求其次，即不分析具體進入某變量時有缺損值的記錄，取得的結果可信度也是比較高的。而第三種方法以平均值代替缺損值最容易導致統計分析的偏差，尤其在缺損值較多的情況下，這種誤差的后果可能是非常嚴重的。

[案例二]上例中A界面包含a、b、c、d四個因素，對缺損值的三種處理方法計算的結果詳見表3。

顯然，三種方法的處理結果存在明顯差異，導致差異的原因是由于缺損值的存在。通過對原始數據的分析發現，由于c因素存在大量的缺損值，因而方法1遺漏了大量信息，方法3則把大量的缺損值以平均值來代替，人為的大量平均。因此這兩種方法都存在一定的缺陷，方法2的計算比較合理。

■走出滿意度分析的誤區

為什么在上面的案例中，直接進入法、逐步、強制刪除、向前、向后這五種回歸方法會得出不同的結果呢？原因是C界面不能通過顯著性檢驗所致。如果在分析時直接剔除C界面，顯然會遺漏很多信息。而不考慮顯著性檢驗就用直接進入法的分析結果，雖然保證了各服務界面都進入分析，但這種分析結果在統計意義上是解釋不通的。除了缺損值處理不當，這是數據分析最大的一個誤區。

一般來說，滿意度分析中涉及許多因素，而諸多因素間存在著一定的關聯，因而在進行回歸分析時，各自變量之間的共線性問題導致了直接使用線性回歸分析模型時一些因子不能參與分析的現象。一些市場研究咨詢公司常采用舍棄一些變量、遺漏部分信息來求得統計檢驗通過的方法；有的不顧顯著性檢驗結果而強行使用不合理的分析結果，來保證變量不被舍棄，從而虛假地保障了信息不被遺漏。我們認為這是滿意度分析錯誤的兩個極端。

正確的處理方法是，利用SPSS軟件中的嶺回歸分析來解決，既保障信息不被遺漏，同時保障分析具有統計意義。SPSS軟件界面沒有直接進行嶺回歸的命令，我們可以通過SPSS提供的程序編輯命令，自行編輯程序加以實現。

[案例三]對案例一進行嶺回歸，分析結果和表1的結果對比參見表4。可見兩者之間有較大差異（表4數據將已將回歸系數之和標準化為100%），F界面對總體滿意度的作用被縮小了5%左右，而B界面、D界面的作用各被夸大近5%。(見表4）

以上分析表明，客戶滿意度回歸分析只有通過正確的方法，才能得出有實際指導意義的正確結果，否則只能是誤導客戶。市場研究咨詢公司不僅需要正確利用合理的統計分析方法，更要樹立良好的職業道德觀念，而不是不負責任地隨意使用分析數據。