顾客满意度测评研究及实证分析

《顾客满意度测评研究及实证分析》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、武汉理工大学硕士学位论文顾客满意度测评研究及实证分析姓名：郑龙申请学位级别：硕士专业：系统工程指导教师：刘舒燕20080501摘要在现代的商业竞争中，顾客满意已经成为成功企业最基本的战略、目标和竞争手段之一。提供使顾客满意的产品或服务，成为企业在激烈竞争中独占市场、赢得优势的制胜法宝。所以，顾客满意是企业战胜竞争对手的最好手段，是企业取得长期成功的必要条件。要达到以上的目的，需要首先了解顾客对现有服务的满意程度，从中找出差距，进一步提高顾客满意度水平，因此近年来顾客的满意度研究越来越受企业关注。我们对顾客满意度测评的研究，实际上主要是研究两个方面的内容：一是建立合理的测评

2、指标体系，二选择合理的满意度测评方法。指标体系的选定和测评方法的合理运用，直接决定着测评的结果，否则不但不能帮助企业进行很好的改进，还会产生一些误导。通过分析和总结国内外顾客满意度研究的现状，本文对目前实际应用中的各种测评方法和模型的优缺点进行了分析。我们在满意度研究中经常采用多元回归分析技术进行满意度测评，但是简单多元线性回归分析往往无法克服满意度研究中经常存在的变量间的多重共线性问题，而偏最小二乘回归分析可以很好的解决这个问题。我们还可以利用因子分析将众多的因素综合为几个潜在因子，然后找到影响顾客满意度的关键驱动因子。本文以某一糖肽类抗生素为实例，详细介绍了偏最小二乘

3、回归分析和因子分析在顾客满意度测评中的应用。经过偏最d',--乘回归分析我们得到了各指标的权重，再结合顾客对各指标的满意度评分，得到该产品的“重要性一满意度一四分图，根据四分图，我们可以很明显的看到该产品的测评指标的满意度状况，并根据它的满意度情况进行合理的资源配置。在上面我们得到了每个指标的权重(重要性)和满意度状况，但是总共有19个指标，我们不可能对所有的指标都要做的全面，为了抓住它们的重点，应用因子分析对它们进行归类，最后归纳为四个因子，依据上面的结果我们也可以得到四个因子的满意度和重要性，为我们从宏观上做出决策提供了一定的依据。文章最后，首先对本文的研究内容和成果

4、进行了总结，然后指出了文章中存在的问题，并对本文的未来研究方向提出了相关的建议。关键词：顾客满意，偏最小二乘回归，因子分析，主成分分析，多重共线性AbstractInthemoderncommercialcompetitiontimes，customersatisfactionhasalreadybecamethemostbasicstrategy,goalandoneofcompetitionmethodsofsuecessfulenterprise．novidingsatisfyingproductsorserviceforcustomershasbecamethem

5、硒cweapontomonopolizethemarketandtheadvantagetogettheupperhandinkeencompetition．Therefore，customersatisfactionisthebestmethodtodefeatthecompetitorandtheessentialconditiontoobtainlong-termsuccess．Toachievetheabovementionedpurpose，theenterpriseneedstoknowcustomers’satisfactiondegreeofthepres

6、entserviceandfindoutthegapfirstly,thenraisesthecustomersatisfaction'slevel．．玎∞researchoncustomersatisfactionattractsever-increasingattentionsinrecentyears．Theresearchonthemeasurementofcustomersatisfactionismainlycomposedoftwoaspects：first,establishingareasonableindexsystenlofmeasurementof

7、customersatisfaction；second,choosingareasonablemeasurementmethod。Theindexsystemandmethodofmeasurementofcustomersatisfactionhaveadirectimpactontheresult．Otherwise，itcall’thelptheenterprisetomakeagoodimprovement，buttoleadtoafewofmisleading．Accordingtotheanalysesandsum