声称能够进行顾客满意度测评。基于不同的目的、自身技术力量的限制以及委托方预算的高低，开展顾客满意度测评的方法形形色色，非常之多。但是，整体归结起来，可以大概划分为以下几种。 一、简单易行法
顾名思义：即是简单又容易实行的方法。可以直截了当地问：“你对XX品牌的产品/服务总体上满意吗？”受访者可以进行选项或者打分。
这种方式效率高，容易回答，而且容易了解到消费者对竞争品牌的总体评价。但是，由于这样一个问题太过突兀和简单，受访者的回复在很多情况下不能用其真实的意思表示，由于没有时间仔细考虑被调查产品的方方面面，其选择通常趋向于中庸的选项。这就好像，当您和朋友聚餐后，父母问你饭吃得怎样。回答通常是“还可以”、“还行”、“不错”等。事实上，被问者并没有时间去考虑饭菜质量、服务质量、价格等各种要素，而且可能选择肯定回答的主要因素是因为聚会时和朋友聊得不错，或者心情不错的缘故。但是这种方法目前采用的不多。 二、双重评价法
双重评价法[4]是指对影响满意度的驱动要素进行评价，同时也要对该驱动要素的重要性程度进行评价。比如：“请问XX品牌售后服务的维修质量怎么样，可以打几分？”；“维修质量对您而言重要吗，请选择”。
之所以这样设计，目的是不仅仅了解顾客对某品牌产品/服务的满意度高低，而且了解对相应的满意度驱动要素的评价。除此之外，了解这些消费者对这些驱动要素中的哪些要素更加重视，哪些不那么重视。了解了这些要素以后，在确定满意度提升措施的时候，可以重点提升那些消费者评价低而重要性高的因素。
这种方法考虑到满意度驱动要素，是一种进步。但是也存在几个缺陷： 1、根据经验，通过这种方式让受访者对满意度驱动要素选择其重要性程度，受访者对大部分要素都选择了非常重要或者重要。这种方式难以区分开不同要素对消费者的真实重要程度。
2、评价的目的是要找到驱动要素对满意度的影响大小，但是用驱动要素对受访者的重要性替代这一概念，这种“概念替换”经常会误导企业的资源配置。比如说，对飞行乘客而言，飞机的安全性无可置疑是他们认为最重要的要素。但是，该要素其实是航空公司的一个必备要素，达到一定的水平后，进一步增加其表现，
- 10 -
并不能明显增加飞行乘客的满意度。根据我们的经验，以及国外调查的结果，飞行中的餐饮质量、两排座椅间的距离大小、常旅客计划的吸引力等要素，是乘坐航班满意度的重要影响要素。这些方面的改进，能够明显提升飞行乘客的满意度。
3、需要受访者对每个驱动要素的表现和重要性分别进行评估，需要占用受访者较多的时间和精力，从而增加了调查成功的难度。
目前在企业自身实施的满意度调查中双重评价法应用得比较广泛，因为其应用基本不需要太多的统计分析技术，实施简单。 三、双重评价改进法
这种调查方式是在双重评价法的的基础上改进而得到的。具体方法是：假定全部要素的重要性合计为1，受访者在对每个调查要素给予重要性权重的时候，最终需要使得权重和为1，即做了一个归一化处理。这种方法可以部分弥补上面提到的缺陷1，但是当驱动要素的数量较多，比如驱动要素的数量大于6个的时候，受访者就非常难以准确地分配好权重。而实际生活中，某产品/服务的满意度驱动要素常常在10个以上。
由于双重评价改进法的局限性，所以在执行过程中也无法避免发生双重评价法中所提到的的缺陷2和3。 四、采用多元回归统计分析技术
随着市场调查分析技术的发展，统计工具在市场研究中应用得越来越多。利用多元回归分析技术，用两个或两个以上的影响因素作为自变量来解释因变量的变化，可以计算出满意度驱动要素对满意度的影响大小。这种影响大小可以解释为，当满意度驱动要素提升1分，满意度在现有的基础上可以提升多少分。
当满意度的驱动要素非常少，而且这些要素相互之间的影响不强时，这种方法不失为一种简单有效的方法。
但是，实际生活中，影响消费者对某种产品/服务满意度的要素通常非常多，而且这些要素越细化，对企业而言，在确定满意度提升的措施时才更有可操作性。而随着影响要素的增加和细化，如果采用回归的方式，计算出来的影响要素一般会由于这些要素的相互作用和影响（统计学中叫做共线性影响），其数值变得无法解释现实情况。比如，在汽车4S店销售服务满意度的调查中，出现销售人员专业知识的掌握程度高低对消费者满意度的影响为-0.21这种无法解释的情况（系数为
- 11 -
-0.21表示消费者对销售人员专业知识的评价提高一分，其满意度反而减少0.21分）。
为了减少共线性的影响，可以尝试采用减少共线性影响的统计工具，比如零回归。但是采用零回归在消除共线性影响的同时，也削弱了数据分析的精度。此外，零回归的结果无法进行统计检验，并且需要人为干预最终结果。因此在实践中用得不多。
多元回归的另外一个局限性是只能处理一个应变量，多个自变量之间的关系。而在现实生活中，满意度驱动要素之间通常也存在明显的相互影响，通过多元回归无法解决这一问题。从科学的角度看，随着新的分析研究技术的涌现，回归统计分析技术已经不太适用顾客满意度分析研究领域。 五、采用结构方程模型法
结构方程模型是一种因果关系模型，通过要素间的因果关系/准因果关系来揭示现实生活中的相互关系。目前广泛地应用于许多市场研究分析当中，它也是目前国际上流行的顾客满意度研究分析手段。
一个有效实用的顾客满意度研究结构方程模型的构建，需要对顾客需求和感知的深入研究，通过大量的前期工作，比如顾客焦点小组访谈、顾客需求分解、顾客预调查、行业专家拜访、购买消费现场观察等多种手段，才能构建起一个基础模型。然后通过消费者试调查，采集到一定的数据后，对数据进行多种统计处理、分析和检验，根据相应的结果对模型进行必要的调整，然后才能应用到实际的顾客满意度分析当中去。否则的话，随意构建的模型只能成为使数字游戏显得高深莫测的工具。
目前，美国用户满意指数（ACSI）、瑞典用户满意指数、欧洲用户满意指数、中国用户满意指数（CCSI）等国家级用户满意度研究都是采用结构方程模型构建关系，通过偏最小二乘法（PLS算法）进行计算分析。由于一个有效结构方程模型构建的复杂程度很高，所以目前采用结构方程模型进行满意度分析的机构和研究公司不是很多。
即使采用了结构方程模型构建了变量之间的关系，但是具体对数据进行处理时，一般人都是采用通用软件进行处理，比如Liserel，Amos等。这些软件都可以较好地处理一般的结构方程模型，但是对数据有一个基本的要求，那就是调查
- 12 -
数据应该基本符合正态分布。但是，对满意度数据而言，由于满意度调查的数据本身是右偏的（这是因为，满意度的调查对象是已经购买了某种产品/服务的用户，既然他们选择了这种产品/服务，对所选择的产品/服务在某些方面肯定是比较满意的，因此数据呈现明显的右偏特征），通过通用的软件来计算偏差较大，需要通过专门的用户满意度分析软件（采用PLS算法）来完成。否则的话，即使模型构建得好，数据采集没有偏差，最终的结果也可能误导企业决策。
目前，在满意度研究领域，能够熟练构建用户满意度分析结构方程模型，采用专门的PLS算法计算软件分析数据，并且同时具有丰富的行业和企业满意度分析经验的市场研究机构，还是凤毛麟角。
整个满意度研究领域正处于一个规范化的进程当中。由于顾客满意度研究对企业的重大指导作用，科学高效的研究方法和手段将成为满意度研究机构的核心竞争力，其研究成果将为提高整个社会的整体满意水平，指导企业更加合理地配置资源提供科学决策依据。
第三章 汽车4S店售后客户满意度评价模型
经过分析和研究，决定采用双重评价改进法作为本篇论文的客户满意度评价
- 13 -
方法。选择这种评价方法的原因有：
1、 在4S店中能够找到明确的影响客户满意度的评价指标；
2、 4S店内顾客较多，可以较容易地得到评价指标在客户心目中的得分与权重；
3、 通过顾客地打分与赋予权重，可以了解到重要因素与次重要因素，以便公司以后的改进；
4、 通过处理得分与权重，可以对公司总体的顾客满意度直接进行评价。 客户满意度是由两个值决定的：一个是每个客户满意度指标的等级分值，另一个则是每个指标所占的权重。以此为出发点，通过分析并且确定4S店售后客户满意度的指标体系，就可以构建出汽车售后服务客户满意度评价模型。
构建汽车售后服务客户满意度评价模型的步骤： 第一步：确定评价指标
第二步：建立评判集并且确定评价指标的等级评分 第三步：确定评价指标的权重 第四步：综合评价
第一节 评价指标的确定
选取售后服务顾客满意度的评价指标是一项十分重要的工作。因为这是整个评价过程的第一步，同时也关系到顾客满意度评价度结果的准确性，关系到管理层所做出的决策。并且评价指标体系的选择必须科学、客观、尽可能全面反映评价所要解决问题的各项目标要求。因此在筛选指标时应遵循系统性、可测性、独立性、可比性、主次性及简化实用性等原则。
因此将售后服务顾客满意度测评指标体系的构成分为三个层次。汽车售后服务顾客满意度是总的测评目标，将顾客在接受服务所经历的三个阶段（服务前，服务中，服务后）列为第二层次，作为一级指标。又将一级指标细致划分分别得到二级指标[7]。可以得知影响汽车售后客户满意度的整体评价指标体系如表1所示：
表1 整体指标体系表
总目标 一级指标 二级指标 - 14 -