顾客满意度指数的测评指标

（一） 顾客满意度指数测评指标体系的建立

我们首先来了解“顾客满意度指数模型”

该模型主要由6种变量组成，即顾客期望、顾客对质量的感知、顾客 对价值的感知、顾客满意度、顾客抱怨、顾客忠诚。其中，顾客期望、顾客对质量的感知、顾客对价值的感知决定着 顾客满意程度，是系统的输入变量；顾客满意度、顾客抱怨、顾客忠诚是结果变量。 （二） 指标的量化　使用态度量表

顾客满意度指数测评指标主要采用态度量化方法。一般用李克特量表，即分别对5级态度“很满意、满意、一般、 不满意、很不满意”赋予“5，4，3，2，1”的值（或相反顺序）。让被访者打分，或直接在相应位置打勾或划圈。 下面是用李克特量表测评顾客对某产品质量满意程度的实例：

测评指标很满意满意一般不满意很不满意产品包装 产品外观 稳定性 耐用性 安全性 　有时候我们会遇到许多定量的测评指标，而这些指标又不能直接用于李克特量表。为方便数据信息的搜集和统计分析，必须将这些指标转化成李克特量表所要求的测评指标。其转化的方法是，将指标的量值恰当地划分为5个区间，每个区间对应于李克特量表的5个赋值，这样就实现了指标的转化。

确定测评指标权重

每项指标在测评体系中的重要性不同，需要赋予不同的权数，即加权。加权方法除了主观赋权法以外，有直接比较法、对偶比较法、德尔菲法、层次分析法，企业可以依据测评人员的经验和专业知识选择适用的方法。

SEM简单介绍，以下资料来源

因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。

一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。

历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.

SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。

因果关系：

究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：

3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下：

回归分析简单的说就是：X真的影响Y 吗？

路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。

在这里要提一下因素模型（factor model）

在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。

举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。