滿意度測評中的暈輪效應分析

周洪美 ，何 訓 ，高 昊

(中國人民大學 a.商學院；b.經濟學院，北京 100872)

滿意度測評中的暈輪效應分析

周洪美a，何 訓a，高 昊b

(中國人民大學 a.商學院；b.經濟學院，北京 100872)

滿意度測評中，一般需要同時測量一個產品或服務的分項滿意度和總體滿意度。研究發現，總體滿意度與分項滿意度的訪問順序不同會導致總體滿意度出現顯著差異，造成這種現象的原因可能是暈輪效應的存在。調查發現，暈輪效應主要受到分項指標極端值以及極端值與最大絕對離差的影響。

總體滿意度；分項滿意度；暈輪效應

隨著市場競爭的加劇以及客戶導向理念的發展，客戶滿意度以及成為許多企業非常重視的一個方面。為了改善客戶的滿意度水平，首先需要了解客戶滿意度的現狀，一般需要通過調查的方式進行客戶滿意度測評，通常的做法是把產品或服務按照類別分成若干個可以衡量的指標，除了讓客戶對這些指標分別進行評價，同時也會讓客戶對該公司的產品或服務的總體滿意度做出一個評價，然后通過相關模型來計算得出滿意度得分。

在讓客戶評價總體滿意度時，一種做法是讓用戶先給出一個總體滿意度的評價，然后再對各個分項進行評價，另外一種做法是讓用戶先對各個分項進行評價，然后再對總體滿意度進行評價。兩種做法中第一種的結果是客戶的第一反應，而第二種結果則是對用戶進行了分類指標的滿意度評價提示后的一個衡量，兩者的差異在很大程度上是由于滿意度測評中存在暈輪效應引起的。

1 暈輪效應簡介

Thorndike(1920)第一次正式提出了暈輪效應的概念，指出在對某一行為主體進行評價時，如果該主體的某一方面表現特別突出，就會對其他方面的評價產生影響，使得其他方面的表現不能被真實反映出來，這一現象就是暈輪效應。

對于暈輪效應影響的測量存在一定困難。首先很難確定真實水平，其次方法的選擇存在困難，因為暈輪效應是一種主觀效應。Lachman和Bass(1985)將評價對象按照總體印象分數的高低分成兩組，然后采用方差分析方法檢驗對這兩組評價對象的具體屬性評價是否具有顯著差異，如果存在顯著差異，則說明存在暈輪效應。這種研究思路得到了業界學者的認可。

為了測量暈輪效應的影響，我們在同一次滿意度調查中分別在分項滿意度調查前和分項滿意度調查后讓客戶對總體滿意度分別進行評價。由于經過各個分項滿意度測評的提醒作用，我們認為分析測評后的總體滿意度更接近真實情況，分析測評前的總體滿意度與它的差異是由暈輪效應引起的。在此，我們定義暈輪效應Ha為：

其中S1為分項測評前的總體滿意度結果，S2為分項測評后的總體滿意度結果。

2 數據說明和描述統計結果

該項數據來源自國內某知名物流企業的企業客戶的滿意度調研結果，調研時間為2009年7月，包括對國際快遞業務、國內快遞業務和同城快遞業務的調查結果。對三種業務樣本的調查結果進行同分布檢驗，發現三種業務的調查結果分別無明顯差異，因此把三種業務的樣本作為同一個整體分析，成功樣本共計1387個。滿意度評價采用10分制，1分最低，10分最高。

我們對S1和S2做描述統計，結果見表1。可以發現S1的平均值和標準差均高于S1。

除了總體滿意度外，我們還對技術能力/安全可靠性/查詢方便性等19個分項指標進行了測評。由于某一項指標的極端表現可能會產生暈輪效應，因此我們選取每個樣本的19個分項指標評價結果的最大值、最小值、平均值以及距離均值的最大絕對離差值作為解釋變量。其中，最大絕對誤差為：

表1 總體滿意度評價的描述統計結果

表2 分項評價指標的描述統計結果

表3 暈輪效應與其他因素的相關分析

表4 暈輪效應與其他因素的相關分析（暈輪效應>0）

表5 暈輪效應與其他因素的相關分析（暈輪效應<0）

表6 暈輪效應與其他因素的回歸分析結果

3 對暈輪效應的分析

對S1和S2進行等方差檢驗，發現S1的標準差顯著大于S2，采用F檢驗的相伴概率為0.0025。均值T檢驗的結果也證明S1和S2存在顯著差異，t檢驗的相伴概率值為0.000。因此我們認為S1和S2之間存在顯著差異，而這種差異證明了暈輪效應確實存在。

將暈輪效應定義為S1與S2的差值。相關分析發現暈輪效應和分析指標極大值、平均值以及最大絕對離差均顯著相關，而與極小值的相關系數不明顯。這與我們的常識不符。對暈輪效應進行統計，發現暈輪效應大于0的占比遠遠超過小于0的占比，因此有可能極小值的效應會被淹沒。因此應當對暈輪效應大于0和小于0的樣本分布進行分析。

單獨的分析結果表明，在暈輪效應大于0時，極大值對暈輪效應有顯著相關關系，而與極小值的相關關系不顯著。而當暈輪效應小于0時，結果恰恰相反，暈輪效應主要收到極小值的影響，而與極大值關系不大。

由于最大絕對離差有平均值和極值決定，對暈輪效應進行回歸分析是只考慮極值和最大絕對離差（否則會具有共線性）。對暈輪效應大于0的樣本進行回歸分析，得到如下模型：

暈輪效應=0.353+0.097*極大值+0.109*最大絕對離差(3)

模型和系數均通過檢驗。極大值和最大絕對離差對暈輪效應有正的影響，但極大值的影響要小于最大絕對離差，這是由于不同樣本極大值的差異較小，而其余平均值的差異程度即該指標的突出表現程度對暈輪效應的影響更大。

對暈輪效應小于0的樣本進行回歸分析，得到如下模型：

該模型通過檢驗，但最大絕對離差的系數沒有通過檢驗。這是由于分析指標較多，使得均值主要受其他指標的影響而導致最大絕對離差對模型的解釋作用不明顯。

因此我們只用極小值進行回歸，得到模型：

模型通過檢驗，而且與模型（4）相比，其調整R2還有所提高，因此模型（5）的效果更好。

如果比較模型3和模型5，發現模型5的R2和調整R2均高于模型3，即模型5的解釋效果更好，這說明負的暈輪效應更明顯，即如果某一個分項指標表現的比較差，很容易對總體滿意度產生負面的暈輪效應，而表現的好的話正面的暈輪效應并不如負面的暈輪明顯。

4 結論

在滿意度調查中，分項指標對總體平均存在暈輪效應，極值的效應明顯。當暈輪效應大于0時，極大值越大具有越高的正的暈輪效應，而當暈輪效應小于0時，極小值的影響更大，而且極小值越低暈輪效應越小（其絕對值越大）。

暈輪效應使得高者越高，低者越低，而且負面暈輪效應更明顯。因此我們在提高服務時盡量避免某些指標出現短板，同時要有突出表現的指標。

[1]ThorndikeE L.A ConstantErrorin PsychologicalRatings[J].Journal of Applied Psychology，1920，(4).

[2]Lachmam S J.，Bass A R.A Direct Study of Halo Effect[J].Journal of Psychology，1985,119(6).

[3]風笑天.社會調查中答案順序對調查結果的影響[J].華中師范大學學報(人文社會科學版)，2008，47(2).

(責任編輯/浩 天)

F224.9

A

1002－6487（2011）03－0173-02

周洪美（1979-），男，安徽利辛人，博士研究生，研究方向：企業管理。