图5.11：神经网络、C5.0、Logistic回归的收益图
K-S统计量是一个易于理解和计算的统计量，它是好客户分布累计百分比与坏客户分布累计百分比之差，也就是区分度的最大值。下图是Logistic模型的K-S曲线，当模型的评分在412.585时，两条曲线的垂直距离达到最大值46.975。此时累计坏客户百分比为66.530，好客户百分比为19.572。模型的K-S统计量为46.975，在41-50之间，根据经验准则，这是一个好的模型。
图5.12：Logistic回归模型的K-S曲线
ROC曲线和Gini系数则是利用好、坏客户分数分布的全部信息对评分模型区分好、坏客户的能力进行评估。下图中的红线代表了ROC曲线，离对角线（蓝线）越远，对应的评分模型也就越好。这说明ROC曲线和对角线之间的面积越大，评分模型的区分能力也就越强。
31
图5.13：Logistic回归模型的ROC曲线
6.客户满意度研究
为什么要进行客户满意度研究？
客户满意（CS, Customer Satisfaction），是指客户通过对一个产品或服务的感知效果/结果与其期望值相比较后，所形成的愉悦或失望的感觉状态。客户满意度就是对客户满意水平的量化，客户满意度在国内外越来越引起理论界和实业界人士的关注。
但是面临客户多种多样的要求，以及这些要求反映的庞杂的信息，令企业的努力往往成效并不显著，而企业也存在资源有限的现实问题，不可能也不必要在所有方面令客户满意，如何做到用有限的资源有效提高客户满意度，这是“客户满意度研究”的任务，“客户满意度研究”是实现客户满意的第一步。 客户满意度研究的应用价值主要表现在以下几个方面：
? 客户满意度研究能帮助企业把其有限的资源集中到客户最看重的特性方面，从而达到建立和提升客户忠诚并保留客户 ? 通过分析客户的价值，把有限的资源优先配给最有价值的客户
? 通过客户满意度研究，还能预测客户未来的需求，并调整客户接触链上的服务人员的评价、培训、选拔和补充工作 ? 通过对客户满意度的持续跟踪研究，能动态揭示客户满意度的变化，评估满意度改善措施的效果，制定最为有效的行动策略
满意度研究的目标和内容
虽然达到客户满意度已成为许多公司和组织的主要营运目标，他们投入大量人力物力进行满意度方面的调查，然而由于对满意度指标把握的不准确和分析方法的贫乏，结果却难以得到关于改进产品和服务，提高客户满意度的有价值的结论。满意度指标确定和分析应用已成为进行客户满意度调查的关键和难点。而要理清和把握满意度调查的这两个方面，有必要先明确客户满意度调研的目标和分类。
调查的核心是确定产品和服务在多大程度上满足了客户的欲望和需求。就其调研目标来说，主要达到四个目标：1.确定导致客户满意的关键绩效因素；2.评估公司的满意度指标及主要竞争者的满意度指标；3.判断轻重缓急，采取正确行动；4.控制全过程。
32
就调查的内容来说，又可分为客户感受调查和市场地位调查两部分。客户感受调查只针对公司自己的客户，操作简便。主要测量客户对产品或服务的满意程度，比较公司表现与客户预期之间的差距，为基本措施的改善提供依据。市场地位调查涉及所有产品或服务的消费者，对公司形象的考察更有客观性。不仅问及客户对公司的看法，还问及他们对同行业竞争对手的看法。
满意度研究方法
一个普通的客户满意度研究，通常的程序包含五大步聚：
图6.2：满意度研究的大致步骤
（1）客户类型判定
在进行客户满意度研究之前，首先要清晰研究需要针对的客户。客户满意度研究的客户分类需考虑到：目前客户、过去客户、潜在客户。
对于已经建立了完善的客户关系管理数据库的企业，可以从数据库中根据客户分类要求列出所有的客户名单，根据抽样方法从名单中选取被访客户，工业产品、电信、银行、保险等的客户满意度研究通常可以用此方法。对于没有建立或不太可能建立完善的客户关系管理数据库的企业，则需要通过对目标群体进行随机抽样的方法来选取被访客户，快速消费品通常需要采用此方法来进行。
（2）确定影响客户满意度的关键评价指标
关键评价指标的确定是客户满意度研究的重点，满意度研究首先应揭示出不同客户满意的评价指标在重要性上的差异、客户满意的程度，而且应找出满意和不满意的内在原因，并能比较各个竞争对手和自身在不同指标上的优劣。探索主要评价指标应从两个方向进行：一为企业内部，二为客户。
通过对企业内部员工/管理者的访谈，了解企业内部员工/管理者对所提供的产品或服务的专业性认识，因此会比较系统和完整地提供建立客户满意度评价的体系和具体的指标。但对客户的访谈也是必不可少的，因为企业内部员工/管理者对客户满意的理解与客户的实际需求通常会存在着差距，因此必须从客户的角度了解他们对满意情况的评价准则。
在这一过程中，有一些统计分析技术可以帮助企业制定和筛选出最能有效体现客户实际满意度的评价指标体系，下面是这一过程中经常用到的一些分析技术。 ? 因子分析法。利用因子分析方法分析客户的指标重要性评价数据，我们可以将不同指标分为若干个因子，从每个因子中选择一个指标。通过比较各个指标的负荷量和有效性可以帮助我们确定具体应选择的指标。
? 判别分析法。应用判别分析方法，我们可以确定选出来的指标能否很好地预测整体满意或不满意的程度。交替使用因子分析和判别分析，得到的满意度指标不仅在统计上是有效的，而且在逻辑上讲也适用于测量客户满意度。
? 结构方程模型（SEM）：关键评价指标体系的建立，实际上也是研究假设的确立，此部分是客户满意度研究的关键。随着满意研究理论探索和数据验证的不断深入，结构方程模型越来越成为满意度研究领域的重要工具，不论是前期关键评价指标体系的确定，还是后期满意度分析。在实际应用结构方程模型确定评价指标体系时，通常依据一定的客户满意度理论模型，然后对理论模型中的潜在变量逐级展开，直到形成一系列可以直接测量的指标，这些测量指标便构成了客户满意度评价指标体系。
33
（3）测量客户对关键评价指标的满意度
这部分主要通过定量研究进行，采用量级评分的方法进行测量。主要采用5级、7级或10级量表测量工具，对客户进行大规模的问卷调查。
（4）确定关键评价指标的相对重要性
这一步分析的一个关键部分是用整体满意程度作为因变量，用对关键评价指标的满意程度作为自变量进行结构分析。进行关键评价指标的满意度及其相对重要性测量的方法形形色色。但是，整体归结起来，可以大概划分为以下几种：
1）简单易行型
直截了当地问：“你对XX品牌的产品/服务总体上满意吗？”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代表其真实的意思。
2）双重评价型
这种方式需要调查设计者找到一些影响满意度的驱动要素，然后让受访者对被调查品牌在该驱动要素上的表现打分，同时还要对该驱动要素对其重要性程度进行打分。这样设计，不仅仅可以了解客户对某品牌产品/服务的满意度高低，而且可以了解对相应的满意度驱动要素的评价。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：
a) 根据我们的经验，这种方式难以区分不同要素对消费者的真实重要程度。
b) 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。
c) 这种方式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。 本方法目前在企业自身实施的满意度调查中应用得比较广泛，因为其应用基本不需要太多的统计分析技术，实施简单。
3）双重评价改进型
这种调查方式是在上一种方式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100，受访者在对每个调查要素给予重要性权重的时候，需要使得权重和为100。这种方法可以部分弥补上面提到的a)类缺陷，但也无法解决上一方法中的缺陷b)和c)。
4）采用线性回归统计分析技术
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，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。
实际上，多元回归分析在研究满意度问题的时候会存在以下几个问题：
a) 无法同时检验客户满意度各构成要素对客户整体满意度与客户忠诚度两个因变量的影响，模型中同时只能包含一个因变量。
b) 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，对企业而言，这些要素越细化，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，使其数值变得无法解释现实情况。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客户满意度分析研究领域。
5) 采用结构方程模型
在社会科学及经济、市场、管理等研究领域，有时需要处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计分析方法不好解决的问题。结构方程模型（SEM, Structural Equation Modeling），由K.Jorekog于1973年提出，它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。结构方程模型弥补了传统统计分析方法的不足，在过去三十多年里不断得到迅速发展，成为多元数据分析的重要工具。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客户满意度研究分析手段。
注：目前国际上流行的结构方程建模的工具主要有AMOS，LISREL，MPLUS，EQS。其中AMOS以其友好的图形界面，强大的结构化方程建模功能而得到广泛应用。
结构方程模型在客户满意度测评中的应用
34
由于客户满意度研究对企业具有重大的指导作用，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，其研究成果能够为企业更加合理地配置资源提供科学依据。而结构方程模型已成为进行满意度研究的最重要的工具。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。
一个有效实用的客户满意度研究结构方程模型的构建，需要对客户需求和感知进行深入研究，通过大量的前期工作，比如客户焦点小组访谈、客户需求分解、客户预调查、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客户满意度分析中。否则，随意构建的模型只能成为使得数字游戏显得高深莫测的工具。下图是运用结构方程模型来研究满意度模型的整个过程和大致思路：
图6.3：利用结构方程模型进行满意度研究过程和思路
在满意度研究中常用的结构方程模型示例
图6.4：满意度模型框架示例
满意度研究在金融行业中的应用
现在我国已兑现入世承诺、金融业全面开放。中国金融服务领域的竞争将愈演愈烈，只有了解消费者的需求，预测他们的消费趋势，并开发新的产品/服务来满足消费者的需求，同时在现有业务上提供令人满意的高质量服务，才能在这场竞争中立于不败之地。因此“客户满意”越来越成为众多金融服务行业已经意识和正在努力提高的经营指标，成为该行业工作的重点。
下面借在某市对八家银行业（银行1-8）的满意度研究案例，介绍如何应用结构方程模型进行满意度研究。
（1）研究目标和过程
本调查虽然涵盖的是个人银行业务，没有直接涉及对公业务，但是任何一个人首先和银行发生业务联系的是个人业务。如果一个“公家人”或“公司人”在个人银
35
