文/勺海(北京)市场研究公司/IT与电子消费品事业部
在如今的竞争环境中，对公司而言，仅有满意的顾客是不够的，同时还要有忠诚的顾客，这些忠诚的顾客会再次与公司进行交易或者向他人推荐公司的产品。
顾客满意度与忠诚度测量是理解满意度/忠诚度问题的第一步。为了更充分地了解顾客的知觉，还需要了解哪些因素对顾客的知觉和忠诚倾向最具有影响力。
高科技产品的满意度与忠诚度研究
通过对高技术产品多年的研究经验以及在顾客满意度研究上的专长，勺海吸收了国际最先近的营销理念，开发了针对高科技产品的客户满意度与品牌忠诚度模型（Customer Satisfaction and Brand Loyalty for the technology sector）。
通过这一模型，可以获得顾客对公司产品和服务的意见和反馈，同时测量他们过去的行为和未来的意向。
一个企业要关注和测量的不仅仅是顾客的满意度，更要关注与测量顾客的行为。顾客满意度本质上是顾客感受的一种度量，但感受并不总是能够预测行为。一个顾客可能对产品和服务非常满意，特别是在高技术产品和服务领域，但常常因为一系列的原因，如价格、公司形象、产品的易获得性和转换成本等，顾客却选择了竞争对手。概括而言，一个顾客可以感到满意但行为不忠诚，与顾客行为紧密相连的尺度是顾客的忠诚度。
这一模型的基本假设是，顾客忠诚度是由几部分组成的，如继续使用该产品的可能性、将来使用该产品的可能性以及向他人推荐该产品的可能性。顾客的忠诚度直接受到知觉价值的影响，而知觉价值是顾客与公司、产品或服务的相互关系中直接感知到的。知觉价值受到顾客在与公司进行交易时的成本、公司和产品的形象、产品和服务的整体质量和表现等因素的驱动。反过来，整体的质量和表现又会进一步受到顾客与公司在进行互动时所体现的真实情景的影响。因此，为了发展和保持一个忠诚的顾客，公司必须提供一定的价值、保持特定的形象、提供价格合理的产品、提供高质量的产品和服务。所有这些将会使顾客的行为发生改变并最终影响其忠诚度。
当测量态度或行为时，除产品、服务本身的变化外，还有几个因素可能会影响顾客的知觉。在技术领域，这些因素包括：
l 购买的时间：技术市场上的产品在不断地改进和创新，第一代产品比后来的产品会出更多的“缺陷（bug）”。当与竞争对手的产品进行比较时，对购买的时间或在产品生命周期中的位置进行标准化是非常重要的，这样可以保证对比的不是两个明显不同购买阶段的产品。
l 测量的时间：产品刚购买时顾客的满意度和忠诚度是最高的，随后会逐渐下降。产品刚买回来时，购买者会不断怀疑他们是否做出了一个正确的购买决策。为了降低与购买有关的认知不协调，购买者往往会采取一些措施来确认他们的购买决策。经过这种合理化之后，购买者不太容易表现出对产品的不满意，但表现出购买的产品没有达到他们的期望则相对要容易一些。因此，必须仔细控制测量的时间与购买的时间两者的关系，即要在这两者之间找到平衡点，以减少这种偏差。
l 产品类别：高技术产品/服务的购买者和使用者会因为技术的复杂性和对产品的应用而对产品具有非常不同的期望。例如，比较面向家庭使用者出售PC的公司和面向商业用户提供高性能的文件服务的公司所表现的满意度和忠诚度水平就可能是不同的。
l 被访者的角色：购买决策的影响者和最终使用者对产品/服务的期望和知觉经常是不同的。测量面向商业用户的高技术产品的满意度水平会因为使用者并不一定是购买者而变得复杂。与购买过程或者交易有关的问题更适合访问参与购买的人，而对性能表现、易用性等方面的满意度问题，访问最终的使用者更合适。当研究目的是为了测量从购买过程到日常使用的细节这个整体关系时，要把不同的方法结合起来，以保证相关的问题询问的是相应并合适的反映者。
满意度与忠诚度之间的关系
研究表明，顾客的满意度水平会影响利润。较高水平的满意度会导致较高的知觉价值，知觉价值会明显地在以下三个不同方面促进忠诚度：
l 较高的知觉价值与对该品牌的重复购买有直接的相关关系；
l 较高的知觉价值是体现较高知觉品质的一个结果。高知觉品质会提高公司的品牌资产，可以收取比竞争对手更高的产品溢价；
l 在与公司交往中体验到较高知觉价值的满意顾客，倾向于向其他人推荐公司的品牌，从而带来新的顾客。
因此，建立和保持忠诚顾客的基础是测量并理解驱动忠诚度的关键因素。
测量知觉品质与满意度
研究表明，顾客更愿意对一个公司的品质评价为“很满意或满意”而不是“优秀或卓越”。品质更多地依赖于与价值提升有关的各种属性，而满意度水平更多地与是否满足了顾客的最低要求有关。换句话说，当所有的应该做到的都做到了，顾客可能会说他们感到满意。然而，顾客满意并不能反映出公司在满足顾客的最低要求以外是否还有更多的超越。因此，品质与价值在衡量公司的表现时更有效，因为满足了顾客的最低要求并不能加强顾客与公司的关系或促使顾客向他人推荐该公司的产品。
我们的研究还表明，绝大多数的高技术产品/服务的使用者自我报告较高水平的满意度，而且与主要的顶级竞争品牌之间的满意度得分往往不存在统计上的显著性差异。
在一个绝大多数的购买者对一系列竞争产品都感到满意的市场环境下，测量品质与价值显得更为重要，因为品质与价值对重复购买与推荐有更大的影响。
从管理的角度看，与满意度相比，品质与价值评估对公司的稳定发展更好。品质这个术语可以给人带来制造精良与整体的感受，强调品质的公司被认为在各方面都做得极好，这些公司是业界的领导者。以品质为中心的公司力求不断做到精益求精，“品质提高”这种理念也非常容易与员工进行沟通。相反地，满意并不是一个令人感到激励的术语。满意仅反映了要求的完成---在表现上使人“满意”而不是“做的最好”。更重要的是，顾客的满意暗含了这样一个概念，即顾客的满意与许多员工个人没有多大关系。满意的焦点被限定在公司的产出的外部评价上，而没有考虑到与产出有关的（内部的）具体过程。
最后，从实际研究的角度看，知觉品质与价值比满意在建立竞争基准（competitive benchmarks）时更具有通用性。即使非顾客没有购买或使用经验，他们也可以被要求对某公司的品质与价值的知觉进行评价。与此同理，某个公司在与同行业的领导者对某个领域的标准制定者进行比较时，也可能会要求顾客对该公司的相对品质的认知进行评价。然而，如果我们问及满意度时，我们把顾客严格地限定在有直接的品牌使用经验的那些人（一个人对某品牌的满意必须要有使用经验）。在现实生活中，尤其是在高技术的产品领域，顾客的选择会包括他们熟悉但很少或完全没有（使用）经验的一组品牌。因此，把焦点集中在满意度上会极大地限制我们获得完整的竞争信息的能力。
根据这些情况，我们用品质与价值作为顾客对公司的总体评价的首要指标，而满意度仅仅是第二位的指标。
测量与提取重要性
如前面模型中看到的，顾客满意度与忠诚度研究的中心思想之一是顾客的保持，从而使财务得到改善。而顾客的保持是建立在顾客对产品和服务具有一定的综合态度与知觉基础上，例如对如总体品质与总体价值的知觉，这些态度与知觉是更具体、更细致的功能性指标。这些细致的功能性指标通常反映了产品与服务的具体属性，对这些综合性的态度与知觉的测量是通过具体的属性的测量而综合形成的。
根据这个模型，顾客满意度与忠诚度管理的研究人员与管理者的兴趣在于，寻找提高总体测量得分的手段。更高的总体得分意味着顾客对产品与服务更满意，从而更可能保持顾客以及带来利润。许多公司都明白这些原则，并承诺对那些能够在顾客满意度与忠诚度方面有所提高的员工进行物质奖励。
那么，对总体的测量产生最大影响的因素是什么？“顾客满意度与忠诚度的关键驱动因素（属性）有哪些？”对此，可以通过两种方式来解决：一是可以要求被访者说明每个因素（属性）的重要性，二是可以通过每个因素（属性）对满意度与忠诚度的影响来提取重要性因素。对于学术界有一些对直接测量重要性与间接提取重要性的研究成果，我们发现，这两种方法都有效。根据问卷的长度（包括直接测量的问题），重要性问题可以提供有意义的、可行的信息，尤其是在单个的顾客层面上（即，当小样本不允许进行统计分析的情况下）。然而，还是有一些分析技巧实际上可以用来决定总体的影响因素这个问题。使用统计技术提取影响因素允许在调查问卷中删除有关询问重要性方面的问题，从而在问卷中增加其它关键性的问题，或缩短访问的时间。
提取满意度与忠诚度的关键驱动因素的统计方法
多元回归分析
多元回归分析是在一系列的预测指标或“自变量”与一个被预测的“因变量”之间确定数量关系。例如，多元回归分析可以用来了解许多变量如质量、价格、公司形象等对总体的知觉价值的相对影响。因而可以决定哪一个（些）变量对总体的知觉价值有最大的影响，或是关键的驱动因素，即为了提高因变量（如知觉价值）的评价得分而需要加强的因素。
多元回归分析的好处在于这种方法只要求适量的样本量（有100个样本量就可以），而且问卷可以相应地比较短。它的主要缺点是不能建立复杂的模型，而这种模型在理解顾客满意度时特别有价值。
结构方程模型
顾客忠诚度是一个复杂的、多维的概念，通常要求复杂的测量与分析工具去加以理解。换句话说，仅询问一个问题就想精确地测量忠诚度是有困难的，对于影响忠诚度的变量如价值、质量等也存在这种困难。在这种场合下，就需要用到结构方程模型（SEM，Structural Equation Modeling）。因为这种模型可以解释各种复杂的变量之间的关系以及形成这些潜变量的众多变量之间的关系。
结构方程模型有两个主要的组成部分：测量模型和潜变量模型。测量模型（measurement model）被用来确定非观察（或潜在）的构成物（即潜在的变量）。例如，在图2中，我们询问“绝对价值（absolute value）”与“相对价值（relative value）”的目的是用来估计被访者对“价值（value）”的知觉。“价值”在这里就是被看作潜在的构成物（即潜变量），从概念上来理解的话，测量模型与因子分析（factor analysis）具有相似性。多维的测量被用来界定一个构成物（潜在的变量），使我们可以估计被访者在回答中出现的总的测量误差，从而允许建立更精确的忠诚度模型。
结构方程模型的第二个组成部分是潜变量模型（latent variable model），这个模型允许我们估计潜在构成物之间的相互关系。例如，在图2中，为了确定价值与质量在预测忠诚度时的相对重要性，我们可以估计“价值”与“质量”这两个构成物的相对影响。请注意，这些潜在的构成物（潜变量）都没有直接被测量。相反地，它们都是通过测量模型来估计的。从概念上来理解的话，潜变量模型与回归分析具有相似性。预测变量对因变量的相对重要性被用来确定影响的程度。
结构方程模型有两个缺陷：第一，这种分析技术对样本量非常敏感（即，要得出精确的估计至少要求200个样本量）；第二，与回归分析相比，为了测量潜在构成物，问卷相对要长一些。
多元判别分析
作为回归分析的一种变异，多元判别分析（MCA，Multiple Classification Analysis）技术把列表的好处与同时处理多个变量的能力结合在一起，当要检验离散型变量如属性的等级对总体的影响时特别有价值。在这种情况下，多元判别分析可以识别每一个等级的效应以及每个变量的重要性，这些效应在说明每个属性的不同水平可能带来的“惩罚”或“奖励”时是有用的。
确保所得到的信息具有可行动性
一个有效的顾客满意度/忠诚度管理计划必须为公司提供可行动性的信息，而勺海的顾客满意度与忠诚度管理模型正是为公司提供了不同层次的信息。有了这些信息，公司可以监测与跟踪：
公司做的怎样：通过检查表现等级或“评分”结果，公司可以看出顾客是如何看待公司的表现。
为什么顾客对公司有这些知觉：深度的“关键驱动因素”分析会反映出影响顾客对公司表现的评价以及对公司表现的知觉的各种因素。
公司如何去提高：分析技术与策略研究的结合会提供可行动的信息，这些信息能够帮助公司在竞争环境中确定所要提高的方向以及监测的结果。把各种信息陈列在“战略改进矩阵图”（Strategic Improvement Matrix）中,管理者可以很快地识别出哪些领域/属性需要立即加以改善，哪些可以逐步改善或考虑在将来加以提高。此外，把公司与竞争对手的得分情况进行比较，可以提供哪些方面是需要立即改善的信息，从而从对手那里争夺更多的顾客。把表现与影响因素列在矩阵图中，可以制订出公司的行动计划，从而使公司
能够有效地决定采取哪些措施，以赢得并保持顾客忠诚。
公司将获得哪些利益：高级分析与建立模型技术可以说明公司在每保持一个忠诚顾客客户上的投资所能够带来的利益与回报。品牌或公司承诺指数（Brand or Corporate Commitment Index）反映了购买决策者对所倾向的品牌或公司的承诺水平。
采取行动
为了在改善顾客满意度与忠诚度方面采取行动，公司的员工需要适当的激励。这种激励可以采取不同的方式，如公司内部的质量奖、给那些在使顾客满意与快乐方面寻求创造性方式的员工授予荣誉、物质补偿、奖金。
为了对公司在提供高质量的服务与产品方面的努力产生最大的影响，顾客满意度信息不能被公司的某个业务部门（如市场研究部或销售部）单独“占有”。相反，这些信息应由不同的职能部门分享，其中一定要清楚地指定一个部门全权负责搜集与审核。
为了在整个公司得以贯彻，在一开始设计与发展顾客满意度/忠诚度管理战略时，公司就必须组建一个由不同业务部门参与的项目团队。团队成员必须包括所有部门如市场部、销售部、制造部、客户服务部、研发部、后勤部、行政部、人力资源部等的高级代表。
团队中的所有这些代表与核心员工都必须成为顾客满意度/忠诚度管理战略项目的“主人”。这些“主人”要积极地参与到管理中去，并分析所得到的信息，制订行动的计划，并把结果布置到各自所在的业务部门。
（2006年4月，转载请注明作者与出处）
本文刊登于勺海内刊《研究的魅力·特刊·客户满意度测量与管理》，文章有删节，欲了解详细内容敬请在线咨询。
