顧客滿意度的測量

顧客滿意度的測量 取自洪永泰「民意調查」上課講義 壹、前言   自從1981年美國J.D.Power發表顧客滿意度指標(CSI，Customer Satisfaction Index)，對全世界汽車製造業造成革命性的衝擊以來，「顧客滿意導向」的管理理念已經逐漸侵襲世界各地各行各業，蔚為主流。許多公司紛紛建立自己的顧客滿意度指標系統作為內部經營策略的一部分；有些產業則建立產業內的顧客滿意度指標提供會員參考；有些國家則更進一步著手建立跨公司、跨行業的顧客滿意度指標，或較廣義的消費者滿意度指標，成為衡量一國經濟力及社會指標的一種。有關顧客滿意度和企業經營積效的相關性研究亦如雨後春筍，大量湧現。1989年美國密西根大學商學院Fornell教授開始在瑞典進行一套建立在嚴謹理論架構上的全國性、包含三十個產業一百家公司的顧客滿意度指標系統，之後逐年實施，並做跨公司、跨行業、和跨年度的比較；同時也橫向擴展，在美國、日本、德國、新加坡、和歐體各國間試驗、進行跨國的比較。   制度化的顧客滿意度指標有許多種，尤其是汽車工業更是紛雜。大體而言，可以區分為兩大來源：一是J.D.Power系統，例如在日本進行的顧客滿意度指標；二是Fornell教授的瑞典經驗。前者是以日本十一大都市圈十八歲到七十四歲的1200名樣本民眾為對象，採問卷留置、受訪者自行填答方式，由受訪者針對253個項目（含政府提供的各項服務）回答過去一年的使用經驗（有、無），關心程度（四個等級），和滿意程度令非常滿意為四分、滿意為三分、有些不滿意為二分、十分不滿為一分，代入後計算得分即為顧客滿意度指標。後者則是以每一個公司的樣本顧客為計算基礎，根據所屬產業的競爭情況、市場佔有率、供給的同質程度、和需求的同質程度等等因素，發展出一套建立在(一)公司整體表現、(二)顧客滿足感（整體感覺、與個人預期符合程度、與理想產品的符合程度）、(三)抱怨、(四)忠誠度等四個抽象構面的理論基礎上所建構而成的指標系統。這個方法的資料蒐集是採用電話訪問方式（每一個公司約250到400個樣本顧客）取得可觀察的資料，利用結構式線性模型聯立方程式得到隱藏性的顧客滿意度程度權重估計值，代入實際觀察數據後計算得出個別公司的顧客滿意度指標。   J.D.Power的日本模式嚴格說來只能算是「一般消費者」的滿意度指標，理論基礎較弱，且得分計算稍嫌牽強，好處是執行較容易。Fornell模式則理論架構完備、過程嚴謹，只是資料蒐集代價極高，且計算複雜、非專業人士不能勝任。   貳、顧客滿意度指標的理論基礎   一、理論架構  Fornell教授的模型有下列一些基本概念：  （一）現階段的生產力指標基本上多被用來衡量公司產品的「量」，而顧客滿意度指標是從顧客的使用經驗獲得對公司產品「質」的衡量。兩者合一使得企業的績效管理更臻完善。  （二）市場情況和顧客滿意度的關係： 1.在供給同質性高、需求異質性高時，顧客滿意度低。 2.在供給和需求的同質性相當或異質性相當時，顧客滿意度高。 3.上述關係在獨佔市場和競爭市場都能成立。  （三）對顧客重複購買依賴度高的產業， 顧客滿意度高。 （四）吃定顧客的產業，顧客滿意度低。 （五）在經營策略方面，以市場佔有率為經營方針的公司通常採取進攻策略，運用焦點在競爭手段，搶奪同行競爭者的顧客，目標是爭取新客戶，擴大市場，贏得市場佔有率。以提高顧客滿意度為經營方針的公司則採取防守策略，焦點在顧客身上，力求穩住現有顧客，建立顧客轉移障礙，降低顧客移轉機率，提高顧客滿意度以顧客維持率為重要經營指標。兩者之間，進攻策略顯然代價較高。 （六）顧客滿意度指標應提供下列資訊： 1.產業間的比較。 2.產業內各公司的比較。 3.跨時間的比較。 4.長期預測。 5.利用顧客滿意度高指標的分析可以解釋它和產業環境和經營策略的相關性。   二、操作性定義 （一）對某一公司產品整體表現的衡量應包括： 1.這種產品值多少價錢。 2.這種價錢能買什麼品質。 （二）對顧客滿意度的衡量應包括： 1.對產品表現的整體滿意程度。 2.和預期的符合程度。 3.和理想中最佳產品的差距。 （三）顧客滿意度指標應是上一項三方面衡量結果的加權組合，其權值的決定必須與下列兩個構面產生最大的相關： 1.忠誠度：包括（1）重複購買意願。 （2）    價格容忍度（要漲跌多少錢才會移轉）。 2.現有顧客的維持。   以下用聯立方程式來表示FORNELL模型的架構： （一）購買前的預期指標： 公式左邊的三個變數是從問卷衡量而來的，公式右邊的一個變數是抽象的、隱藏性質的概念，不是藉問卷衡量，但可以用模型估計出來。 1.整體預期指標X1=a1*預期指標A1+誤差E1 2.有形的正面預期指標X2=a2*預期指標A1+誤差E2 3.有形的負面預期指標X3=a3*預期指標A1+誤差E3   （二）購買後的評估指標： 公式左邊的九個變數是從問卷衡量而來的，公式右邊的四個變數是抽象的、隱藏性質的概念，不是藉問卷衡量，但可以用模型估計出來。 1.品質指標（給與價格）Y1=b1*整體表現指標B1+誤差F1 2.價格指標（給與品質）Y2=b2*整體表現指標B1+誤差F2 3.整體滿意度指標Y3=b3*顧客滿意度指標B2+誤差F3 4.和預期符合程度Y4=b4*顧客滿意度指標B2+誤差F4 5.和理想中最佳產品的差距Y5=b5*顧客滿意度指標B2+誤差F5 6.向人員抱怨次數Y6=b6*抱怨指標B3+誤差F6 7.向管理部門抱怨次數Y7=b7*抱怨指標B3+誤差F7 8.價格容忍度Y8=b8*忠誠度指標B4+誤差F8 9.重複購買意願Y9=b8*忠誠度指標B4+誤差F9   （三）兩群隱藏性理論變數的關係： E表示條件機率下的期望值，是平均數的意思。   1.E（整體表現指標B1）=d1*預期指標A1+誤差G1 2.E（顧客滿意度指標B2）=c2*整體表現指標B1+d2*預期指標A1+誤差G2 3.E（抱怨指標B3）=c3*顧客滿意度指標B2+誤差G3 4.E（忠誠度指標B4）=c4*顧客滿意度指標B2+c5*抱怨指標B3+誤差G4   （四）隱藏性指標和觀察變數之間的關係： 1.整體表現指標B1=p1*品質指標（給予價格）Y1+p2*價格指標（給予品質）Y2 2.顧客滿意度指標B2=p3*整體滿意程度Y3+p4*和預期的符合程度Y4+p5*和理想中最佳產品的差距Y5 3.抱怨指標B3=p6*向人員抱怨次數Y6+p7*向管理部門抱怨次數Y7 4.忠誠度指標B4=p8*價格容忍度Y8+p9*重複購買意願Y9 5.預期指標A1=q1*整體的預期指標X1+q2*有形的正面預期指標X2+q3*有形的負面預期指標X3    （五）公司顧客滿意度指標       上述所有聯立方程式經過統計計算軟體PLS（Partial Least Squares）處理過後得到所有未知數的解，再透過以下公式得到最後的顧客滿意度指標值： CSI=〔（（p3*Y3+p4*Y4+p5*Y5）-(p3+p4+p5)）/9*(p3+p4+p5)〕*100    典型的顧客滿意度調查題組 壹、期望     一、產品提供者的整體形象或事前印象     二、產品的齊全程度     三、產品的品質     四、產品的價格     五、服務的態度與效率 貳、產品與服務的具體內容與評估     一、服務人員的服裝、儀容、精神     二、服務人員的態度、主動性、協助性、速度、與效率     三、周遭環境的整潔與布置     四、標示與動線規劃     五、各項產品的具體評估，如手機的通訊品質、話質、當機頻率、……. 參、價值感     一、這種價格下的品質評估     二、這種品質下的價格評估     三、和競爭或類似產品的比較 肆、整體滿意度     一、整體感覺     二、比預期的好或壞     三、和理想中完美境界的差距 伍、抱怨處理     一、有無抱怨     二、對抱怨處理的滿意度評估 陸、品牌忠誠度     一、口碑如何     二、是否會再來     三、是否會推薦給親朋好友 柒、受訪者基本資料     一、怎麼來的（附近走路，逛街，專程）     二、和誰來     三、怎麼知道我們（產品提供者）     四、來的時間（上午、中午、下午、晚上，星期幾，例假日）     五、消息或資訊管道（大眾傳播、廣告、小眾傳播、親朋告知）     六、造訪頻率（第一次，很多次，上一次是什麼時候）     七、性別     八、年齡     九、教育程度     十、職業     十一、收入等級     十二、婚姻狀況     十三、其他和產品屬性有關的項目（如家庭週期、語言、宗教、…）            

滿意度測量和Likert 量表是兩回事

滿意度測量和Likert 量表是兩回事 取自洪永泰「社會科學統計方法」上課講義   …由於等第尺度的各個衡量刻度通常都用1,2,3,4,5等數據來表示，許多使用者直接將這些數據當作比率尺度的數字使用，造成誤用統計分析的後果。典型的例子如滿意度的分析，如果題目選項是1非常不滿意，2不滿意，3普通，4滿意，5非常滿意，正確的處理方法應該是視為類別資料，如果是單一變數描述則列出各個選項的百分比；如果是探討和別的選項的關係則使用交叉列表。比較常見的處理是將選項合併成為正面意見、中間意見、負面意見三大類，或者是轉換成另一個變數，例如正面與非正面，或是負面與非負面，都是二分類，這樣做比較方便後續與其他變數關係的探討。 滿意度調查的問卷設計現在比較流行先問正負面態度再續問強弱度的作法。這樣做的好處是將中間意見的反應人數儘可能壓縮，通常也可以得到很好的效果。資料分析時直接以類別資料處理，通常只有正面和負面兩類加上少數無反應，不會有誤用為數字資料的困擾。 滿意度的資料分析通常是單題處理，每一個題目都可以單獨做分析。如果要加總好幾個題目時要特別小心，正確的作法應該是計算同一個受訪者在m個題目之中有幾題回答正面意見，而不是m題去加總12345的答案，這樣做會扭曲選項代碼的意義。 等第資料的另一個常見的典型是Likert 量表。這個量表是加總量表，因發明者而得名。Likert 量表主要是用題組來測量抽象概念，每一題都是一個敘述，請受訪者針對這個敘述回答同意的程度，從很低到很高，通常是3到7個刻度。量表不會是單題存在，一定是題組的形式。早期Likert的設計是將受訪者對題組內所有題目的回答刻度加總，所以稱之為加總量表。然後用這個加總得分來表示受訪者在這個概念的狀態指標。後來因素分析盛行之後也證實了受訪者的因素得點和這個加總分數相當接近。這也使得這個量表的效度和信度更加穩固，使用了快要一百年了還歷久不衰。     壹、資料的性質和資料分析 一、統計分析的兩大領域   二、資料的性質   (一)依取得方式分 資料性質 特徵 推論效度 例子 觀察性資料 順其自然(不改變自然世界) 相關分析 民意調查、田野調查 實驗性資料 操縱自然(改變自然世界) 因果分析 廣告效果測試、新藥測試   1.資料的性質會影響推論效度，如果觀察性資料之間存有時間先後的關係，經常會被用來當作推論因果關係的依據，但仍有爭議。              例:社會流動—父母的社經地位vs.子女的社經地位  社會學者認為兩者之間有因果關係，但統計學者則認為只有相關關係，因為資料並不是實驗性資料。 例:抽煙與癌症的關係只能說是有相關關係，不能說是有因果關係，除非進行實驗。             經過一些辯論之後，暫時有一些共識：           以觀察性資料要推論因果關係至少要具備以下三個條件：          （1）變數之間有明確的先後關係，如父母的社會經濟地位在前，子女的在後。          （2）發生在前的變數對發生在後的變數解釋變異量很高。          （3）沒有其他的解釋變數。   2.社會科學的資料大部分都是屬於觀察性的，較難從事控制性、實驗性的研究，因為可能牽涉到倫理的問題。 3.生物醫學研究中有運用入選機率調整法（propensity scores adjustment, PSA）將觀察性資料應用到因果關係的推論，不過條件是必須有另外一組可靠的實驗組數據。這個方法的原理是在將兩組資料混合之後，利用模式分析可預測某些觀察個案是否 包含於實驗組的機率值（propensity scores, PS），此機率值以配對、平均或其他方法分為多個分群，每一分群均分別包含了一定數目的實驗組與控制組個案，透過比較實驗組與控制組在每一分群之權重的調整對實驗效果進行推估（Cochran, 1968; Rosenbaum and Rubin, 1983; Rosenbaum and Rubin, 1984; Rosenbaum, 2005）。         (二)依蒐集範圍分   1.普查資料(母體資料)—所得到的數據是母體參數值(population parameters)，可直接進行描述分析，不需做假設檢定，也不需要統計推估，例如投開票所資料、人口普查資料、銀行客戶交易紀錄。   2.抽樣資料(樣本資料)—所得到的數據是樣本統計值(sample statistic)，統計推估有理論上的限制，必須先做假設檢定(如t檢定或F檢定)，例如民意調查。   (三)依衡量方式分 1.類別資料(categorical data)—分類、計質、間斷性，依資料性質再決定展示工具。    (1)名義尺度(nominal data)—純分類，無大小和強弱之區分，例如性別、地區。    (2)等第尺度(ordinal data)—有大小和強弱之分，但無確定的「量」，例如名次排序、教育程度、滿意度測量、Likert量表等。   2.數字資料(quantitative data)—計量、連續性，內涵的資訊和解釋力較高。    (1)區間尺度(interval data)—“0”沒有定義、無共同的計量基礎點，例如溫度80度並非是40度的2倍、智商為0不表示沒有智商。現實世界中，此類資料並不多。    (2)比率尺度(ratio data)—“0”有明確定義，表示「沒有」的意思，可進行數學四則運算，例如分數、身高、體重。   由於等第尺度的各個衡量刻度通常都用1,2,3,4,5等數據來表示，許多使用者直接將這些數據當作比率尺度的數字使用，造成誤用統計分析的後果。典型的例子如滿意度的分析，如果題目選項是1非常不滿意，2不滿意，3普通，4滿意，5非常滿意，正確的處理方法應該是視為類別資料，如果是單一變數描述則列出各個選項的百分比；如果是探討和別的選項的關係則使用交叉列表。比較常見的處理是將選項合併成為正面意見、中間意見、負面意見三大類，或者是轉換成另一個變數，例如正面與非正面，或是負面與非負面，都是二分類，這樣做比較方便後續與其他變數關係的探討。 滿意度調查的問卷設計現在比較流行先問正負面態度再續問強弱度的作法。這樣做的好處是將中間意見的反應人數儘可能壓縮，通常也可以得到很好的效果。資料分析時直接以類別資料處理，通常只有正面和負面兩類加上少數無反應，不會有誤用為數字資料的困擾。 滿意度的資料分析通常是單題處理，每一個題目都可以單獨做分析。如果要加總好幾個題目時要特別小心，正確的作法應該是計算同一個受訪者在m個題目之中有幾題回答正面意見，而不是m題去加總12345的答案，這樣做會扭曲選項代碼的意義。 等第資料的另一個常見的典型是Likert 量表。這個量表是加總量表，因發明者而得名。Likert 量表主要是用題組來測量抽象概念，每一題都是一個敘述，請受訪者針對這個敘述回答同意的程度，從很低到很高，通常是3到7個刻度。量表不會是單題存在，一定是題組的形式。早期Likert的設計是將受訪者對題組內所有題目的回答刻度加總，所以稱之為加總量表。然後用這個加總得分來表示受訪者在這個概念的狀態指標。後來因素分析盛行之後也證實了受訪者的因素得點和這個加總分數相當接近。這也使得這個量表的效度和信度更加穩固，使用了快要一百年了還歷久不衰。    

數位時代下地方民意探索之挑戰與回應

【數位時代下地方民意探索之挑戰與回應】（點這裡可下載） 本會於106年度接受臺北市政府研究發展考核委員會委託，執行「數位時代下地方民意探索之挑戰與回應」研究案。 研究主持人：洪永泰教授 研究協同主持人：俞振華副教授、高世垣總經理   中文摘要— 民意是政府制定、執行與評估公共政策的重要依據，民意調查更是政府蒐集民意的重要管道之一。隨著通訊技術進步，民意蒐集的工具亦日趨發展出不同研究方法與蒐集模式。本研究透過各種不同的民意蒐集工具，包括住宅電話調查、手機電話調查、封閉式網路調查、開放式網路調查、網路輿情蒐集及專家學者座談會，比較各不同調查方法對於樣本代表性與調查結果的影響，以及探討結合不同民意蒐集工具的可行性。 資料蒐集結果顯示，各種民意蒐集管道在受訪對象的居住地、戶籍地，包括了「籍在人在、人在籍不在、人不在籍在」等情況、各種人口特徵的代表性，以及對於市政議題及全國性議題等各方面都有明顯的差異。其次，在探討結合不同民意蒐集工具的可行性方面，本研究以實證方法展示住宅電話及手機兩種調查工具可以運用雙底冊調查的事後分層組合估計方法結合推論；在網路調查方面則建議將其視為另一種民意、或特殊意見之呈現，原則上並不建議與電話調查合併處理。如欲合併電話調查及網路調查資料，建議僅使用封閉式網路民調，加上在資料處理時使用住宅電話與手機調查合併檔作為標準檔、運用入選機率調整法（propensity score adjustment, PSA）方法修正，實證結果顯示網路調查結果若以入選機率調整法處理只能達到有限的修正效果，且代價極高。關於大數據蒐集資料，則建議視為另一種民意呈現，因其展現的是即時且快速的顯性民意，有其「即時資訊」的功能，可做為規劃其他形式民意調查的參考。 本研究亦針對市政府在上述民意蒐集工具方面提出短期和中長期的建議，短期建議如住宅電話使用涵蓋率更高的電話抽樣方法、執行戶中選樣、增加媒體接觸題目，以及執行期間至少四天跨周末，在網路輿情蒐集的部分，更建議市府團隊建立大數據資料蒐集機制，置專職專業人員長期監測並且定時或即時提報。而在中長期建議的部分，建議增加手機調查模式，以求得更貼近真實的民意；建議建立規模較大、各局處室共用之會員制度網路調查會員資料庫；建議市府各業務單位可參考本研究成果，依據各調查單位所擁有資源及資源配置，參閱各種民意調查方式結合可行性之操作原則，選擇適合之調查方式，以上研究結果與建議期能對市政的規劃與推動有所助益。 關鍵字：民意調查、雙底冊抽樣、多元調查方法、入選機率調整、資料合併、網路情感分析。   資料來源：臺北市政府研究發展成果網