基于分层Bayes方法的满意度阈值估计

《基于分层Bayes方法的满意度阈值估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、营销科学学报JournalofMarketingScience第4卷第3辑：27—40Vo1．4No3September2008：27—40金英①，苏萌②摘要满意度阈是一个便于分析客户的态度忠诚和行为忠诚的重要指标。但是这个指标不能被直接观测而且噪声很高，因而需要通过可靠和先进的数据分析技术来进行估算。本研究用HBBP(HierarchicalBayesianBinaryProbit)模型对满意度阈建模，然后用MCMC(MarkovChainMonteCarlo)方法对模型参数进行估计。该模型通过在某汽车品牌的

2、客户满意度调查数据上的应用，不仅估计出总体客户的平均推荐阔和重购阈，而且估计出每个客户的推荐阈和重购阈及其概率分布情况。本研究发现，推荐阈和重购阈的分布明显不同；人口统计因素、产品及消费经历因素都对推荐阔和重购阈有影响。关键词满意度阈，分层Bayes方法，分层BayesianBinaryProbit模型基于分层Bayes方法的满意度阈值估计③以，我们除了要知道客户的满意度水平，还应当0研究背景了解他们的满意度阈值。此外，满意度阈值还蕴含着重要的营销启关于满意度的研究常常发现，具有同样满意示，较低的满意度阈意味着

3、更高的满意水平容忍度的客户可能会有不同的行为意向。例如，满意度以及更高的客户忠诚度，较高的满意度阈则相度分数同样是8分的客户，有的表示愿意向他人反(Mittal和Kamakura，2001)。对于满意度阈推荐该品牌，有的则表示不愿意推荐；有的表示值较低的客户，企业可以采用低成本的客户忠诚号虑重购该品牌，有的则表示不考虑重购。计划，而对于满意度阈值高的客户，企业可以加Mittal和Kamakura(2001)提出满意度阈大客户忠诚计划的力度，以求尽量增加客户的满(threshold)是造成这种情况的原因之一。他们

4、意水平。而一些客户的满意度阈值可能非常高，提不同的消费者可能有不同的满意度阈。只甚至高于满意度分数的最高值。对此类客户来仃当满意度分数超过某个阈值时，客户才会体现说，无论多高的满意度水平都不会导致客户忠小重购行为。满意度分数高的客户，如果他的阈诚，因此企业可以考虑放弃对这类客户实行客户值高于满意度，他就可能不重购；相反，满意度忠诚计划。企业如果能够针对满意度阈值，对不分数低的客户，如果阈值低，反而可能重购。所同类型的客户执行不同的客户忠诚计划，无疑会提升客户忠诚计划的效率，降低企业成本。①金英，北京大学光华管理

5、学院市场营销系，博但是，这个指标并不是一个可以被直接观测士研究生，E～mail：jinying@gsm．pku．edu．CH。的变量而且噪声很高，因而需要通过可靠和先进②苏萌，北京大学光华管理学院市场营销系，助的数据分析技术来进行估算。但是，目前我们还理教授，E—mail：sumeng@gsm．pku．edu．cn。没有发现有研究对满意度阈值进行了估算。与③作者感谢北京大学光华管理学院涂平教授和此最为接近的研究是Mittal和Kamakura两位匿名评审对本文的修改和完善所提出的建设性(2001)对汽车消费者满

6、意度的一项研究。他们意见。的研究主要考察了客户的人口统计特征对满意2728营销科学学报第4卷第3辑度与汽车重购行为关系的调节作用，他们的研究进行比较研究，从而揭示客户的推荐和重购意愿也涉及了人口统计特征对客户重购阈的影响。之间的关系；但是，他们没有对满意度阈进行显式的估算，从(3)考察人口统计特征、产品与消费经历特而无法知道重购阈在客户中的取值和分布情况。征对推荐阈和重购阈的影响，从而揭示可能影响那么，我们能否直接用他们的模型和方法来估算推荐和重购意愿的消费者特征因素。个体客户的推荐阈和重购阈呢?虽然该模型包含

7、了关于满意度阈的参数，但是该模型不适用于1文献回顾和理论假设估算满意度阈，原因如下：(1)他们没有对满意度阈的取值进行限制，满意度调查发现，具有同样满意度的客户可因而该模型估算出的满意度阈值可以是负无穷能会有不同的行为意向，满意不一定能导致客户大到正无穷大，这样的阈值不具有合理性和可解忠诚。Mittal和Kamakura(2001)提出有三种可释性；能的原因造成这种情况：一是自我报告的偏差，(2)他们的模型实际上属于选择模型(choice满意度是一个主观性很强的度量指标，客户甲的mode1)，他们采用的模型估计

8、方法是传统的渐进8分不一定等于客户乙的8分；二是非线性作逼近式(asymptoticapproximations)参数估算方用，满意度分数与重购行为之间的关系虽然是单法，而对于选择模型，如果采用渐进逼近式估算调的(monotonic)，但可能是非线性的关系。而方法，需要每个参数多达1000个观测数据才能客户特征影响这种非线性；三是不同的消费者得到精确估计(McCulloch和Rossi