基于结构方程模型的汽车销售企业客户满意度评价

汽车销售企业客户满意度评价

2012年第2期总第112期

佳木斯教育学院学报

No.2. 2012Sum 112

基于结构方程模型的汽车销售企业客户满意度评价

姚层林

（武汉商业服务学院机电系 湖北武汉 430056）

摘　要：客户满意度分析是提高汽车销售企业经济效益，提高企业市场竞争力的重要途径。采用结构方程模型，应用偏最小二乘法可以科学的分析客户满意度的调查数据，从而得出提升汽车销售企业客户满意度的具体方法。

关键词：客户满意度；结构方程；偏最小二乘算法

中图分类号：F407.471 文献标识码：A 文章编号：1000-9795（2012）02-0370-02

一、引言

随着中国汽车工业的高速发展，汽车产量和销量屡创新高。汽车销售企业中，以整车销售、零配件供应、售后服务和信息反馈为一体的汽车4S销售企业，作为汽车特许授权经营企业是目前我国汽车销售的最普遍的形式。如何提升服务质量，为客户提供满意的服务等问题，日益成为汽车销售企业面临的重要课题。

众所周知，销售企业中的顾客满意度，是顾客对企业产品和企业服务的满意程度的体现。汽车4S店作为汽车销售的主流企业，顾客满意度可以直观的反映4S店的产品质量和服务质量等。因此，根据顾客满意度的调查和分析，能够有助于企业合理的调配资源，掌握消费者的购买意向，挖掘潜力消费人群，提升销售数量和质量等。利用经济数学的原理，对顾客满意度进行科学分析，更是能够识别顾客的隐性和潜在的需求，制定合适的营销策略，从而大幅提高企业经济效益，提升企业市场竞争力。

结构方程模型，作为管理科学研究中的一种分析方法，在上世纪八十年代日益成熟。在经济、市场和企业管理中，很多时候需处理多个原因、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)。而结构方程模型由于能够同时处理多个因变量，容许自变量和因变量含测量误差，同时估计因子结构和因子关系，容许更大弹性的测量模型，估计整个模型的拟合程度等优点，可以弥补传统统计方法的不足，成为诸如顾客满意度分析等这种多元数据分析的重要工具。

顾客满意度指数(ACSI)模型。该模型从各种具有物理意义的质量特性中抽取潜在指标来评价产品和服务的质量。如图2所示：

图2 顾客满意度模型

二、客户满意度的测评方法

顾客满意度的测评模型是建立在消费心理和消费者行为学理论基础之上，借助大量统计数据进行反复验证和改善而建立的。确定顾客满意度测评项目，也就是根据每个组织的自身情况分析判定影响顾客满意的主要的决定性的因素，然后对这些因素进行测评。

1.评价指标集的建立。顾客满意度评价指标的建立原则，通常按照结合汽车销售企业产品和服务的特点，有针对性的建立评价指标体系。根据汽车销售的流程和顾客心理特点，可以将顾客满意度指标按层次划分为三级指标，如图1所示：

图1 顾客满意度指标体系

在上述模型中，总体满意度被置于一个相互影响相互关联的因果互动系统中。其科学地利用了顾客的消费认知过程，将总体满意度置于一个相互影响相互关联的因果互动系统中。该模型可解释消费经过与整体满意度之间的关系，并能指示出满意度高低将带来的后果，从而赋予了整体满意度前向预期的特性。ACSI模型是由多个结构变量构成的因果关系模型，其数量关系通过多个方程的计算经济学模型进行估计。

以ACSI模型为例，它是一个结构方程模型，包括结构方程和测量方程。要对结构方程进行参数估计，目前经常使用的两种方法是偏最小二乘分析(PLS)和LISREL方法，这两种方法既有形同之处，也有许多相异。

偏最小二乘分析主要适用于多因变量对多自变量的模型，并可以有效地解决许多用普通多元回归无法解决的问题，诸如克服变量多重相关性在系统建模中的不良作用以及在样本容量小于变量个数的情况下进行回归建模等。并且偏最小二乘回归是所有多元校正方法里对变量约束最少的方法之一。

所以，PLS分析方法可以有效将回归建模、主成分分析以及典型相关分析的基本功能有机地结合起来。是目前客户满意度研究中比较科学的一种研究方法之一。

3.偏最小二乘法的一般算法。偏最小二乘回归可以解决这个问题。它采用对变量X(如影响客户满意度的诸项指标)和Y(如客户满意度)都进行分解的方法，从变量X和Y中同时提取成分(通常称为因子)，再将因子按照它们之间的相关性从大到小排列。现在，我们要建立一个模型，只要决定选择几个因子参与建模就可以了。

和p个自变量。为了研究设有q个因变量

因变量与自变量之间的统计关系,我们观测 个样本点,由此构成了自变量与因变量的数据表

其中

分别在X与Y中提取出成分和(也就是说是的线性

的线性组合)。在提取这两个成分时，为了回组合，是

归分析的需要，有下列两个要求：

(1) 和应尽可能大地携带它们各自数据表中的变异信息。

和

2.顾客满意度结构方程模型。顾客满意度的经典模型是美国的

收稿日期：2012-01-12

作者简介：姚层林（1972-），男，山东莒县人，从事汽车服务工程方向研究。

课题项目：本文系湖北省教育厅科学技术研究计划指导性项目（B类）的阶段性研究成果。（项目编号：B20117502）。

汽车销售企业客户满意度评价

2012年第2期总第112期

其 它

No.2. 2012Sum 112

(2) 和的相关程度能够达到最大。

这两个要求表明, 和应尽可能好地代表数据表X和Y，同时自变量的成分对因变量的成分又有最强的解释能力。在第一个成分和提取后，分别实施X对的回归以及Y对的回归，如果回归方程满足预设精度，则算法停止；否则，利用X被解释后的残余信息以及Y被解释后的残余信息进行第二轮的成分提取，如此往

。复，直到精度满足要求为止，若最终对X提取个成分

的回归，然后，再转化为关于原变最后通过实施对

的回归方程，其中，这样就完成了偏最量

小二乘回归的建模。

三、偏最小二乘法在汽车销售企业客户满意度的算法

我们选用2010年第四季度东风悦达起亚汽车用户满意度调研数据，可以用单因变量的偏最小二乘回归计算其顾客满意度二级指标数值。其中三级指标17个，如图1所示。采用偏最小二乘回归计算顾客满意度，变量 和 已在图中注明(具体算法略)。根据市场调研，我们获得客户满意度调查数据，如图3所示：

图3 客户满意度调查数据(部分)

在偏最小二乘回归计算过程中，所提取的自变量成分t1，一方面尽可能多地代表X中的变异信息，另一方面又尽可能与Y相关联，解释Y中的信息。主成分t1对自变量X和因变量Y的解释能力分别为：86.10%，99.74%。

判断自变量集合X与因变量集合Y之间是否存在较强的相关关系是检验是否可以建立Y对X的线性回归的基本条件，如果明显观察到t1与u1之间存在线性关系，则说明X与Y有显著的相关关系，这时采用偏最小二乘回归方法建立Y对X的线性模型才会是比较合理的。

自变量与因变量相关系数R2为0.9974，自变量与因变量存在高度线性相关关系。

经过计算，我们可以得到偏最小二乘法的回归模型为y=-0.5868+0.0487x11+0.0755x12+0.0771x13+0.0729x21+0.0863x22+0.0536x23+0.0703x31+0.0673x32+0.0789x33+0.0466x34+0.0758x41+0.0478x42+0.0694x43+0.0658x51+0.0601x52+0.0626x53

通过模型我们发现除了截 …… 此处隐藏：3317字，全部文档内容请下载后查看。喜欢就下载吧 ……