顾客满意度测评的模糊集合论模型.docx

顾客满意度测评的模糊集合论模型
（上海海信市场研究公司 总经理 岑咏霆教授）

摘要 本文阐述顾客满意度测评中应用模糊集合论的观念和方法的必要性，本文在美国顾客满意度指标（ACSI）的计量经济模型的基础上提取顾客期望与感知质量，感知质量与价格等级，顾客报抱怨与顾客忠诚三对测评因素，以模糊推理和模糊综合评判为基本原理，构作模糊集合论模型。
关键词 顾客满意 ACSI 模糊综合评判 模糊推理

Fuzzy Set model of Customer Satisfaction Evaluation
(Shanghai Haixin Marketing Research Company
General Manager Professor
CenYongting)

引言
现代营销理念是以“顾客导向”“顾客满意”为其基本出发点及归宿。
在我国，随着社会生产力的不断发展，随着经济体制改革的不断深入，随着社会主义市场经济的不断完善，顾客满意的理论和实践受到企业界、学术界、教育界以及社会方方面面的关注和重视，是十分自然的事情。
1989年瑞典率先建立了国家顾客满意度指数，随后德国、美国、加拿大、韩国等20多个国家和地区先后建立了全国的顾客满意度指数。
我国的顾客满意度指数理论研究和实际运作已经得到有关部门的高度重视，上海市关于顾客满意度的研究在上海市技术监督局的关心支持下，由上海市质量管理科学院较早地开展了课题研究，并在建立地区性的行业CSI工作上取得了突破性的进展。为我国CSI的建立发挥了积极的推动作用。
由笔者提出并得到上海市质量科学研究院立项的《顾客满意度测评的模糊方法》，拟作为我国探索顾客满意度测评方法的一个独特视角，开展研究，以期引起广大理论界、学术界的重视。该课题已通过以国际质量科学院院士刘源张教授为首的专家组的鉴定。专家认为，本课题开拓了顾客满意度研究的新的领域，具有开创性。 
一、关于美国顾客满意度指数测评方法的思考
在提出“顾客满意度测评的模糊集合论模型”之前有必要对美国的顾客满意度测评方法进行思考。其主要目的在于：
1、 1、  借鉴ACSI的合理因素；
2、 2、  寻找模糊集合论模型的存在依据。
美国顾客满意度测评方法是基于如下的计量经济学模型。（见图5—1）

η1 感知质量 + β3 - 顾客抱怨η4
+ β43
+ γ11 η2 感知价值 顾客满意η3 +/-
+ γ21 +
ξ 顾客预期 γ31 β53 + 顾客忠诚η5
图5—1

在这一模型中，关于结构模型，共有6个潜在变量
其中，5个为内生潜在变量为：
η1：感知质量 η2：感知价值
η3：顾客满意度指数 η4：顾客抱怨
η5：顾客忠诚
其中，1个外生潜在变量为
：顾客期望
在这些潜在变量组成的向量之间建立结构方程式模型

为潜在内生变量对潜在内生变量的效应系数矩阵
为潜在外生变量对潜在内生变量的效应系数矩阵
表示残差项构成的向量
显然，结构方程式又可写成非向量形式：

在这一模型中关于度量模型的，和外生潜在变量、即顾客期望对应的外生显在变量有3个：
这些变量之间的度量关系的向量方程式为

非向量形式为：

和5个内生潜在变量对应的内生显在变量有11个，。
这些变量之间的度量关系的向量方程式为

非向量形式为

ACSI可应用LISREL统计软件进行参数统计，并在此基础上计算ACSI。
针对上述的ACSI模型，可以进行如下的思考。
1、客观世界存在着两种不确定性。“第一类不确定性”是众所周知的“随机性”，是指在个别试验中呈现不确定性，也即在每次试验之前无法预知确切的结果，但在相同条件下，在大量重复试验中又呈现出的某种规律性。在美国的顾客满意度的测评中，注意并重视了变量的第一类不确定性，并且采用了十分成熟的数理统计方法予以处理。但是客观世界还存在着第二类不确定性，这类不确定性是对某些事物人们不可能给予它们以明确的定义和确定性的评定标准而具有的不确定性。这就是所谓的模糊性。如果忽视了这种不确定性，那末进行统计的原始数据的真实性将会存在很大的问题，如用清晰等级来划分顾客的实际感受，这和顾客心理活动的实际情况是存在很大差异的，在此基础上进行复杂多元统计的必要性也将是值得考虑的。因此，在取得实测数据时，必须考虑消费者心理感知的模糊性，应该避免等级的清晰划分，避免界点两侧的跃变，要承认等级之间的中介过渡和亦此亦彼性。
2、在美国的顾客满意度的测评中，在测评原始数据的基础上进行精确的数理统计，纯然，这是一种处理方法，但是当数据本身是否能准确描述实际情况还存在某种疑惑时这种精确求解的必要性是可以探讨的。实际上我们可以另辟蹊径，从精确性上后退一步不是去追求一个精确解，而是满足于一个满意解。
3、在上述的ACSI模型中，在潜在变量之间，在潜在变量和外生显在变量及内生显在变量之间采用了“线性”结构。这一“规定”实在是“人为”的而非“本源”的。在这样的认识基础上，我们完全可以应用模糊统计、模糊综合评判以及在模糊控制理论和实践中已经取得成功的模糊推理方法来测评顾客满意度指数。

二、顾客满意度测评模糊方法的基本模型
顾客的满意度测评的基本模型充分考虑了传统顾客满意度测评的计量经济学模型所涉及的结构变量对顾客满意度的影响。并且把这个结构变量分为三个类别：
第一类：感知质量与顾客期望
第二类：感知价值（给定价格时的质量等级
给定等级时的价格等级）
第三类：顾客抱怨与顾客忠诚
其基本思路是根据菲列浦·科特勒的观点
顾客满意=f（顾客期望-感知质量）
并予以扩充
f=（顾客期望-感知质量）
f=（价格等级-质量等级） 顾客满意
f=（顾客忠诚-顾客抑怨）

三、顾客满意度测评模糊方法的基本工具
一） 一）模糊综合评判
1．单因素模糊评判
模糊综合评判问题，有二个要素。
其一是 “评判因素集”，它是对事物进行模糊综合评判时的 “评判角度”或称 “评判因素”。
一般，因素集可记为：U={u1,u2,…,ui,…,um}
其中，ui表示第i个因素。
另一个要素是“评语等级集”，如据具体问题，可以规定的等级为“很好、较好、一般、较差、很差”五个等级，或“满意、较满意、一般、较不满意、不满意”五个等级。
一般评语等级集可以记为：V={v1,v2,…,vj,…,vn}
其中，vj表示第j个评语等级。
单因素评判是模糊综合评判的基础，它仅根据被评判事物的某一个因素ui来评判该事物对各评语等级的隶属度，评定的结果为一模糊集：
……+
简记为一个模糊向量

其中

当评定对象只有一个评判因素时，单因素评判就是对该对象的评判结果。其所得的模糊向量也就是该对象的“等级模糊向量”。为与综合评判的记法相同，也可记为：

其中

2．多因素模糊评判
多因素评判是建立在单因素评判基础之上的，通过单因素评判得到m个模
糊向量。
= [ri1, ri2, …rij, …rin ] (i=1,2, …m)
这m个单因素评判向量构成一个m×n模糊矩阵，称之为评判矩阵，记为：

为了进行综合评判，还要考虑评判因素的权重，即各评判因素在评判过程中所起作用的大小，设为因素作用模糊集，则：

其中表示第i因素ui在综合评定中所起作用的度量，其在[0，1]上取值。的确定对综合评判而言是非常重要的，并且的确定与后面提及的模糊综合评判“合成原则”关系密切。有了和,则

或
其中“。”为模糊合成运算符号。“。”的具体意义可以通过bj(j=1,2,…,n)的具体计算方法给出。

其中“”为广义模糊“与”运算算子，“”为广义模糊“或”运算算子，它们是互相对偶的，此时模糊综合评判模型简记为：M(,)
主要的模糊对偶算子如下：

表4—1

具体计算方法

(⊙ )
⊙

3．多级模糊综合评判
多级模糊综合评判的基础是二级综合评判
设因素论域U，评语论域为V，把因素论域U按某种标准分成S个互不相交的子集：

满足 Ø
对每个因素子集，在V上进行第一级综合评判
中各因素在综合评判中作用向量为
于是
=
对于不同的k应取同一模型合成
实际上就是把因素子集看作为一个因素进行单因素评判所得的评判向量。
在因素论域上进行第二级综合评判。
这时，对因素的单因素评判向量已经得出，即为
所以评判矩阵已经求出，即为

根据各因素子集在综合评判中所起作用的大小确定因素作用向量。
最后的评判向量即为

二级综合评判可用图4—1表示

二级综合评判可用图4—1表示

R
~

图4—1

图4—1

4．模糊评判结果的应用
当评判向量为
给各评定等级赋予参数值
等级 v1 v2 … vn
参数 1 2 … n
据加权平均计算的公式，可算出表证被评判对象优劣的指标。

一般可作为评判满意度的数量表示。
也可采用具有满意倾向的隶属度之和作为评判满意度的数量表示。

5. 判模式的可选择性
模糊综合评判模型M(,)，有多种具体形式，且每一个数学模型对应于一个评判函数， 如：

理论研究表明，要保证综合评判结果的合理性，当且仅当

即在模式中要求
中要求
中要求
中要求
中要求
在以上模式中，与模式在实际应用中最常用。
在模式中，并无权重的意义，是一种“主因素突出型的模式”
另一常用模式在保证综合评判合理性的条件下有=1，于是转化为“加权”平均型。

二）模糊推理
顾客满意度测评的另一个重要模糊集合论工具是模糊推理。
模糊推理的基本原理如下：
1） 1）  把自变因素及因变因素都视为模糊概念，在其各自的论域经典集合上建
立模糊集合以表示模糊概念。
2） 2）  根据历史数据及实际经验建立模糊推理规则，模糊规则一般采用“如果…
则…”的形式给出
规则1：
规则2：
规则n：
其中为表示模糊概念的模糊集合,其论域分别是经典集合X、Y、Z。
3） 3）  当出现某种自变因素数值时，推断因变因素将以何种形式出现。即

出现事实：
结论
其中为推理所得的在Z上的模糊集合。
结论由如下的方法确定
根据事实“”与规则“” 所得的推理结果记为，由下式确定：

其中，显然，这种推理的结论是以和的高度取小值（）对进行削项后得到的，因此称这种方法为“头切法”。
当i取遍1,2,…,n时，即得出（i=1,2,…,n）
推理的最终结果是由上述n个推理结果（i=1,2,…,n）取并集得到的，即

其中
上述过程，在图5—2中绘出了直观的显示
图5—2
一般给出模糊集合以后，还应进行非模糊化处理，以使在实际应用中更显方便，通常取的重心值作为代表点，即
至此，可以看出模糊推理实际上给出了一种由，确定数学模型，其结果是提供了一种函数f(x,y),即
=f(，)
上述方法一般也称为min—max—重心法。

四、顾客满意模糊信息的测评
根据上述的模糊顾客满意度测评模型，必须对产品/服务的以下各项测评对象进行模糊测评：
顾客期望
感知质量
感知价值
顾客忠诚
顾客抱怨
以上五个变量是测评模型中的潜变量，并不直接测量，而是对相应测评变量进行测评，这种测评是应用调查问卷进行测评的。
：“顾客期望”的测评变量为
：“对质量总体期望”
：“对个性化特征的期望”
：“对可靠性的期望”
：“感知质量”的测评变量为
：“对质量总体感知”
：“对个性化特征的感知”
：“对可靠性的感知”
：“感知价值”的测评变量为
：“价格等级”
：“质量等级”
：“顾客抱怨”的测评变量为
：“顾客正式抱怨”
：“顾客非正式抱怨”
：“顾客忠诚”的测评变量为
：“重复购买可能”
：“涨介时再次购买可能”
：“吸引再次购买的价格承受”
对于每一个测评变量还应结合产品和服务的具体情况，分解为更深层次的测评变量进行问卷访问。

五、顾客满意度模糊测评模型图
顾客满意度模糊测评可用图5—3表示

：对质量总体期望 ：对个性化特征的期望 ：对可靠性的期望

综合评判

：顾客期望
模糊推理
：感知质量

综合评判

：对质量总体感知 ：对个性化特征的感知 ：对可靠性的感知
顾客满意度

：价格等级
模糊推理 感知价值
：质量等级

：顾客正式抱怨 ：顾客非正式抱怨

综合评判

：顾客抱怨
模糊推理
：顾客忠诚

综合评判

：重复购买可能 ：涨介时再次购买可能 ：吸引再次购买的价格承受

图5—3

为了便于进行统一的数量化处理，在上述模型中的“综合评判”及“模糊推理”中，评语等级采用如下的形式，其测评变量取值为0到7。（按7级量表测评）

低 中 高

0 1 2 3 4 5 6 7
图5—4

并采用清晰等级模糊化的技术，在4、7两个清晰界点的两侧建立模糊边界。
其模糊集的隶属度曲线可以根据实际情况确定，在图5—4中是采用了最简单的直线型隶属度。
由此，在模糊推理中可建立如表5—2、表5—3、表5—4所示的的推理模式：

表5—1 顾客期望、感知质量模糊推理规则表

顾客期望
数量比较
感知质量
满意度(得分)
规则1
高
（≥）
高
中
规则1’
高
（＜）
高
高
规则2
高

中
中
规则3
高

低
低
规则4
中

高
高
规则5
中
（≥）
中
中
规则5’
中
（＜）
中
高
规则6
中

低
低
规则7
低

高
高
规则8
低

中
中
规则9
低
（≥）
低
低
规则9’
低
（＜）
低
中

表5—2 价格等级、质量等级及模糊推理规则表

价格等级
数量比较
质量等级
满意度(得分)
规则1
高
（≥）
高
中
规则1’
高
（＜）
高
高
规则2
高

中
中
规则3
高

低
低
规则4
中

高
高
规则5
中
（≥）
中
中
规则5’
中
（＜）
中
高
规则6
中

低
低
规则7
低

高
高
规则8
低

中
中
规则9
低
（≥）
低
低
规则9’
低
（＜）
低
中

表5—3 顾客忠诚、顾客抱怨模糊推理规则表

顾客抱怨
数量比较
顾客忠诚
满意度(得分)
规则1
高
（≥）
高
中
规则1’
高
（＜）
高
高
规则2
高

中
中
规则3
高

低
低
规则4
中

高
高
规则5
中
（≥）
中
中
规则5’
中
（＜）
中
高
规则6
中

低
低
规则7
低

高
高
规则8
低

中
中
规则9
低
（≥）
低
低
规则9’
低
（＜＝
低
中

在以上的模糊推理规则中，对于两个考察因素为同一等级时，为了采用比较合理的推理规则，对综合评判取得的数值进行比较，然后再决定选用哪一个推理规则。在每一个推理过程中，由于某些数据的等级隶属度为零，在模糊推理的“取小”运算中，将不再起作用，实际运用的模糊推理规则将是较少的。
假设由模糊综合评判算得顾客满意度期望值为2.6,实际感知值为5.5,则有四
条推理规则适用：
即：
u1： 中 u2： 高 u3： 高
u1： 中 u2： 中 u3： 高
u1： 低 u2： 高 u3： 高
u1： 低 u2： 中 u3： 中
同时将u1=2.6,u2=5.5代入,并对应u值取小，以取得较小值，采用“切
头法”，在u3中取得模糊集。如图所示：
图5—6

将应用四个规则得到的结果取并集,得到以下图形：（图5—7）

图5—7

经过计算该图形重心的横坐标为5.01,此即模糊推理的结果,也是顾客满意
度的最终得分。

六、旅游市场顾客满意度测评的实证研究

一）实证研究背景
随着我国经济的高速发展，人民生活水平的显著提高，旅游消费已经在居民总体消费中占有了越来越大的比重。特别是我国实行春节、五·一、十·一长假制度后，长假的旅游消费更令商家注目，交通拥阻、宾馆爆满、景点人满为患、购物狂潮迭起，无限的商机使长假的“黄金价值”清晰地凸现在人们面前。在人们庆幸黄金周为商家带来滚滚财源之际，顾客对旅游的质量问题的抱怨也不绝于耳。顾客从历次的长假出游的真实质量感知之中，消费热情也从“狂热”转为“理性”。今年5.1长假的旅游市场更趋有序则充分表明了这一点。旅游消费涉及社会的方方面面，需要各方沟通信息、协调关系。从国家专门设立一个办公管理机构就可充分说明了这一点。但是作为一名质量管理工作者，则从独特的视角——“顾客满意”的理论出发，建议长假旅游的管理部门及商家，应以冷静、科学的态度研究长假顾客旅游的“满意状况”，特别建议建立地区或者国家的长假顾客满意度指数。并由此开展长假旅游的顾客满意度测评。这一指数的确定和公布，将从宏观角度对长假旅游市场提供指导性的数量化指标，这些指数分地域测评，将从旅游市场的空间展开角度进行“顾客满意”比较，这些指数从时间上的积累，将提示旅游市场在时间序列角度折射出“顾客满意”的变化趋势和特征。
长假旅游市场的顾客满意充满着模糊性，因此应用模糊集合论的测评方式是合理的。基于这一认识，本课题组以“2001年‘五一黄金周’出游满意度测评”为题开展“顾客满意度模糊测评技术”的实证研究。
预满意度的模糊测评方法已用予实证研究。笔者与合作者魏子华先生一起开展了“2001年五·一黄金周”出游满意度测评。

二）研究方案
“2001年‘五一黄金周’出游满意度调查”的研究主要点为：
1、调查目的
1） 1）  通过调查确定“五一黄金周”顾客出游的“满意度指数”
2） 2）  通过调查了解“五一黄金周”顾客出游的分指标及总体满意程度
3） 3）  通过调查了解“五一黄金周”顾客出游的形式、旅途、游程、消费状况
4） 4）  通过调查了解上述各项的分层状况,分层指标为性别、年龄、文化、收入。
2、调查内容
调查内容分三大部分
第一部分：被访者背景状况
第二部分：被访者出游状况
第三部分：被访者出游“满意程度”
对于第三部分调查内容测完全按照“顾客满意度测评的模糊技术”课题建立的模型要求确定。其主要内容为：
1）“行前期望值”及“出游后评价”
2）“感觉的收费标准”及“感受到的实际质量”
3）“顾客抱怨”及“顾客忠诚”
上述各因素又分别采用单因素评判及多因素评判的方式确定直按测评的变量：交通状况、餐饮状况、住宿状况、景点人流状况、景点购物状况、景点旅游秩序、费用支出合理性等等。
3、问卷设计逻辑
根据上述调查内容，确定了如下的问卷设计逻辑关系

交 通
餐 饮
住 宿
总体评价 人 流 总体期望
购 物
秩 序
出游后评价 费 用 行前期望

安全性 安全性

个性需求 个性需求

对称设计

交 通
餐 饮
质量等级 住 宿 价格等级
费 用

对称设计

费 用
餐 饮
住 宿
正式抱怨 交 通 非正式抱怨
人 流
秩 序

对称设计

顾客抱怨
非对称设计

顾客忠诚

等价忠诚性 涨价忠诚性 降价忠诚性

4、问卷量表
在问卷中为便于统一处理均采用了对称型的五级量表，对于不同的问题，五级量表采用了不同形式的“模糊语言”如：
高 较高 一般 较低 低
好 较好 一般 较差 差
高 偏高 一般 偏低 低
很抱怨 抱怨 …… 有点抱怨 无抱怨
很激烈 较激烈 一般 不太激烈 不激烈
完全同意 同意 讲不清 不太同意 完全不同意
涨幅很高 涨幅较高 涨幅一般 涨幅较低 涨幅很低
跌幅很大 跌幅较大 跌幅一般 跌幅较小 跌幅极小
在量表使用中，应注意：
某些量表和“顾客满意”程度方向可能并不一致，在统计中应进行数据转换。
5、调查形式
采用电话调查，ACSI调查采用电话调查形式，本调查也采用电话调查形式。
6、抽样形式
电话号码数据库、随机抽样。
7、调查实施
2001年5月12日、13日即五·一长假后第一个双休日，在上海海信市场研究公司电话调查室，由24名访问员分六轮每轮4名访问员同时用电话进行访问。有效样本达132个。

8、数据统计
本实证研究问卷，采用二种软件统计
1）“顾客满足度测评模糊技术”软件，直接统计得出顾客满意度指数。
2）SPSS软件，统计各指标顾客满意等级的频数、频率，以及各分层结果。

三）实证研究主要结果
按顾客满意度测评模糊技术测得满意度为64.3，属比较满意实证研究获得完全成功。

参考文献
（1） （1）       柯惠新 调查研究中的统计分析法 北京广播学院出版社 1992年7月第1版
（2） （2）       岑咏霆 模糊质量管理学 贵州科技出版社 1992年9月第1版
（3） （3）       岑咏霆 市场研究实用技术 上海科技文献出版社 1995年5月第1版
（4） （4）       岑咏霆 市场调研技术 高等教育出版社 2000年7月第1版

顾客满意度调查的指标设计与分析应用
广播学院2000研究生 魏思华

论文提要：本文针对当前顾客满意度调查中存在的两个难点：指标设计和分析应用提出解决的方法和措施。在明确调查的目标和内容的前提下，论述了指标设计的步骤和环节，说明了相关分析、因子分析等统计分析方法的在满意度分析中的具体应用模型，提出忠诚度分析与满意度分析相结合的一些分析方法，提高了满意度分析的科学性和实用性。
关键字： 顾客满意度 指标设计 分析应用
一、顾客满意度调查
近几年来，顾客满意度成为许多公司和机构进行市场调查的一个重要方面。随着消费者对产品满足自身期望的需求日益强烈，在面临的市场竞争压力日益增大的情况下，公司和机构必须能够站在顾客的角度考虑产品和服务的各项问题。从成本利润上来计算，顾客满意度、顾客保留率和利润率之间有着密切的联系。有关部门调查结果显示：获得一个新顾客的成本是保持一个满意顾客的成本的5倍。而对于公共服务部门的组织来说，顾客满意度本身就是成功的尺度。
虽然达到顾客满意度已成为许多公司和组织的主要营运目标，他们投入大量人力物力进行满意度方面的调查，然而由于对于满意度指标把握的不准确和分析方法的贫乏，结果却难以得到关于改进产品和服务，提高顾客满意度的有价值的结论。满意度指标确定和分析应用已成为进行顾客满意度调查的关键和难点。
二、满意度调查的目标和内容
为便于我们理清和把握满意度调查的这两个方面，我们有必要先明确顾客满意度调研的目标和分类。调查的核心是确定产品和服务在多大程度上满足了顾客的欲望和需求。就其调研目标来说，应该达到以下四个目标：
1、 1、  确定导致顾客满意的关键绩效因素；
2、 2、  评估公司的满意度指标及主要竞争者的满意度指标；
3、 3、  判断轻重缓急，采取正确行动；
4、 4、  控制全过程。
就调查的内容来说，又可分为顾客感受调查和市场地位调查两部分。顾客感受调查只针对公司自己的顾客，操作简便。主要测量顾客对产品或服务的满意程度，比较公司表现与顾客预期之间的差距，为基本措施的改善提供依据。市场地位调查涉及所有产品或服务的消费者，对公司形象的考察更有客观性。不仅问及顾客对公司的看法，还问及他们对同行业竞争对手的看法。比起顾客感受调查，市场地位调查不仅能确定整体经营状况的排名，还能考察顾客满意的每一个因素，确定公司和竞争对手间的优劣，以采取措施提高市场份额。在进行满意度指标确定和分析应用的过程中，始终应紧扣和体现满意度调查的目标和内容要求。
三、满意度调查指标的确定
满意度调研首先应揭示出不同顾客满意的指标在重要性上的差异、顾客满意的程度，而且应找出满意和不满意的内在原因，并能比较各个竞争对手和自身在不同指标上的优劣。通过制定满意度指标应该能保证达到这一目的。应该注意的是，这些指标的确定应该主要来自于顾客而不是公司方面主观想象的结果。一般我们都要结合利用定量和定性研究方法来确定关键的满意度指标。
探索性定性研究是定义关键指标的第一步，通过深入访谈和焦点小组访谈要涉及公司主管、和顾客打交道的员工、现在和以前的顾客、销售人员以及供应商等人，这些访谈为识别和理解重要的满意度指标提供了一个框架。开放型问题在这一阶段较为适用，能抓住顾客的直觉反应和自发性，捕捉到从公司角度出发无法想象到的重要指标。
其次要借助于对顾客进行邮寄或电话访问来筛选、确定一系列满意度指标。顾客可以依据一个重要性标度（如从1、根本不重要到5、非常重要）来评价初步的满意度指标。完全依据重要性的平均得分选择得分高的指标并不可行，相似的指标往往关联度很高。同一主题的几种不同看法很可能都有较高的得分，但最终的访问中应只包括几种看法中的一种。
利用因子分析方法分析顾客的指标重要性评价数据，我们可以将不同指标分为若干个因子，从每个因子中选择一个指标。通过比较各个指标的负荷量和有效性可以帮助我们确定具体应选择的指标。
另外应用判别分析方法，我们可以确定选出来的指标能否很好地预测整体满意或不满意的程度。交替使用因子分析和判别分析，得到的满意度指标不仅在统计上是有效的，而且在逻辑上讲也适用于测量顾客满意度。
值得注意的是，除了制定满意度的各项指标外，还应该统计顾客的人口因素特征，必要时要确定其购买行为特征和消费形态，以结合满意度情况进行深入分析，了解顾客和产品满意度间的互动关系以及顾客进行满意度判断的深层原因。
四、满意度调研的分析应用
（一）满意度调研的定性分析
通过对满意度调查得出的开放题的答案进行分析，可以确定对各个满意度指标的评价和重要性，也可以有助于找出顾客满意或不满意的主要原因。通过编码和汇总分类，我们从开放型问题的回答中识别和提取重要的主题、问题、结构。编码过程中往往会带有很强的主观性，而减少主观性的途径之一就是比较两个或者两个以上独立编码的个人所设计的代码，这样可以检验并讨论想法的差异，并在最终的代码表中包含每个人的最佳意见。
内容分析方法是满意度调研中的重要的定性分析方法，通过计算有关满意度的某个具体观点、看法或者观察其出现的次数，进行词语频率分析，确定词语使用水平的模式。在开放性中确定初步代码或者从焦点小组中确定初步的满意度指标时，词语的出现次数是很有价值的信息。
（二）满意度调研的定量分析
定量分析是将原始数据转化为易于理解和解释的形式，并通过各种统计技术的应用深入挖掘和分析变量间的关系。在满意度的量化分析中，数据分析既包括对各满意度指标百分率变化的描述性分析；也包括运用复杂的统计技术确定不同的满意度指标对整体满意度的重要性、根据历史数据预测整体满意度以及比较公司与竞争对手在各满意度指标上的优势和劣势。最终在这些分析的基础上，确定公司在改进产品和服务，提高满意度上应该采取的措施。根据实际情况采用有效的数据分析方式，对我们
1、 1、  描述性百分率
另一种统计方式是描述性百分比，如30%的顾客对某公司销售人员的评价是非常满意的，25%的人认为医院的整体环境状况是一般等。在满意度数据按季定期收集的情况下，可以将描述性百分比应用在趋势分析中。通过百分率数据的比较，可以确定是否各项满意度有了显著的变化，何处已进行了改善，何处还需要引起额外的重视等等方面的问题。
2、算术平均值
在满意度调查中，通常要按从1到5的顺序给某种满意度指标打分，在样本规模n人的情况下，计算该指标的算术平均值得分。如调查样本量为500人，某一产品的整体满意度从4.215增加到4.307，这表明在95%的置信水平下，此增加是有统计意义的，既意味着顾客满意度是真正有所改进的。结合顾客评分数据的分布，与顾客人口特征因素进行交互，我们可以得到进一步的结论。比如通过检测给“准时送货“的满意度指标评为“非常不满意”的顾客的人口因素特征，我们发现问题仅出在一个地区，而通过改变操作流程或再增加一位送货人员很大程度上就可以解决这一问题。
和百分率以及图表形式相比，使用算术平均值虽然是简单易行，但其缺陷在于许多人感觉它相当枯燥单调，而图表和百分率更加生动易懂些。
3、相关分析
相关分析可以用于确定对整体满意度有最大影响的满意度指标。分项满意度指标和总体满意度之间的相关系数数值越大，表示两个变量之间线性相关程度越强。相关系数是介于+1和-1之间的数字。一般整体满意度和个别满意度指标之间不应出现负相关系数。
以某快餐店的满意度调查为例，调查的几个满意度指标和整体满意度的相关系数见下表1：
代号
满意度指标
相关系数