SEM模型(轉載)
什麼是SEM模型?
結構方程模型(Structural equation modeling, SEM)是一種融合了因素分析和路徑分析的多元統計技術。它的強勢在於對多變數間互動關係的定量研究。在近三十年內,SEM大量的應用於社會科學及行為科學的領域裡,並在近幾年開始逐漸應用於市場研究中.
顧客滿意度就是顧客認為產品或服務是否達到或超過他的預期的一種感受。結構方程模型(SEM)就是對顧客滿意度的研究採用的模型方法之一。其目的在於探索事物間的因果關係,並將這種關係用因果模型、路徑圖等形式加以表述。如下圖:
圖: SEM模型的基本框架
在模型中包括兩類變數:一類為觀測變數,是可以通過訪談或其他方式調查得到的,用長方形表示;一類為結構變數,是無法直接觀察的變數,又稱為潛變數,用橢圓形表示。
各變數之間均存在一定的關係,這種關係是可以計算的。計算出來的值就叫引數,引數值的大小,意味著該指標對滿意度的影響的大小,都是直接決定顧客購買 與否的重要因素。如果能科學地測算出引數值,就可以找出影響顧客滿意度的關鍵績效因素,引導企業進行完善或者改進,達到快速提升顧客滿意度的目的。
SEM的主要優勢
第一,它可以立體、多層次的展現驅動力分析。這種多層次的因果關係更加符合真實的人類思維形式,而這是傳統迴歸分析無法做到的。SEM根據不同屬性的抽象程度將屬性分成多層進行分析。
第二,SEM分析可以將無法直接測量的屬性納入分析,比方說消費者忠誠度。這樣就可以將資料分析的範圍加大,尤其適合一些比較抽象的歸納性的屬性。
第三,SEM分析可以將各屬性之間的因果關係量化,使它們能在同一個層面進行對比,同時也可以使用同一個模型對各細分市場或各競爭對手進行比較。
SEM模型案例分析
某通訊分公司屢次位居榜尾,於是痛下決心改革。該分公司有三類業務:固話業務、小靈通業務以及上網業務。圍繞著這三類業務產品的銷售,該通訊分公司還提供了售前、售中和售後三個環節多方面的服務。結合該通訊分公司的主要產品情況,從顧客滿意度著手,重點分析並找出影響顧客滿意的關鍵因素,從而為制定有 效的顧客滿意度提升方案提供資料支援。
1.設計滿意度模型
根據該公司的業務具體情況,設計出了顧客滿意度模型,如下圖:
圖:某通訊分公司顧客滿意度SEM模型
上圖顯示,該地市分公司重點要考察的是產品滿意度和服務滿意度對顧客滿意度的影響。圖中的Xn是待構建的測量指標,λ值表示各指標對上級指標的影響大小,ζn和δn表示誤差,是受模型外因素影響的部分,如價格滿意度等其他因素。
2.構建具體測量指標
基於建立的滿意度SEM模型,圍繞固話業務、小靈通業務以及上網業務的銷售,及銷售這些業務產品的售前、售中和售後三個環節多方面的服務內容,構建具體的觀測指標(變數),如下表:
表:顧客滿意度觀測指標
3.調查取樣
明確了指標,下一步的工作就是對這些指標進行調查,瞭解消費者對此的反應。一般我們採用問卷調查的方式,可分為四大部分:
(1)甄別部分:該部分設計一些過濾性的問題,以確保被訪者屬於目標群體;
(2)總體評價:在訪問開始就應該向被訪者詢問總體滿意度得分,問題可以這樣設計:
“總體而言,您對______是滿意還是不滿意?請您採用10分制給______打分,1表示非常差,10表示非常好。”
(3)表現得分:就是了解顧客對產品、服務在各個具體方面表現的認知情況。與總體評價一致,仍然採用10分制進行打分。研究者將根據評分來測量顧客對產品、服務各個方面的滿意度情況,並通過SEM模型分析,找出影響顧客滿意度的關鍵因素;
(4)背景資料:如人口和生活方式資訊,這些資訊用於分類,如:某一特定人口或生活方式群體是否比一般的顧客滿意度更高或更低?
4.借用軟體實現滿意度調查
在取得一手資料之後,就可以藉助軟體對資料進行統計分析,不管用哪種軟體,其基本步驟都是一致的。
我們將前面設計好的模型轉移到特定軟體中,建立好該地市通訊分公司顧客滿意度模型,然後輸入調查資料,就可以得到影響服務滿意度的關鍵因素分析結果,如下圖:
圖:影響顧客滿意度的關鍵因素分析模型圖
上圖中兩指標之間的值就是統計出來的引數,它表示該指標對其上一級指標的影響,又稱為貢獻值。如果該值較大,則表明該指標對上一級指標的滿意度影響較大;該值較小,則表明該指標對上一級指標的滿意度影響較小。
根據上圖引數估計結果,可以看出影響服務滿意度的關鍵因素是售後服務是關鍵(引數值為0.40),而售後服務中的投訴處理(引數值為0.98)又是關鍵中的關鍵。由上圖可以看出,服務方面的感知滿意度對總體滿意度的影響遠高於產品滿意度,再結合服務滿意度的得分情況,可以得出結論,該通訊分公司應著重改善服務滿意度。
EM模型在市場研究中的應用
SEM以研究因果關係為背景,是一種包羅永珍的量化和理論檢驗的工具。在市場研究界可應用於多種研究,如:滿意度研究、品牌研究、產品研究等。因此對品牌管理具有很好的幫助作用。
從巨集觀角度出發,SEM構建的模型有助於對品牌的巨集觀掌控。這種SEM模型一般都比較簡潔,著重於巨集觀的、歸納性的目的,模型結構在較長的時間裡不會發生變化(下圖是一個典型的例子)。
圖:ACSI模型
http://wiki.mbalib.com/w/images/e/e8/ACSI%E6%A8%A1%E5%9E%8B.jpg
從微觀角度出發,SEM可以為品牌的微觀管理建立詳細的路徑圖,對品牌建設提供具體的操作指導。這種SEM模型的特點是模型一般都比較複雜,包含從抽象到具體的各類屬性,著重全面、有層次性的目的,模型可能需要定期的進行調整。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7942439/viewspace-18636/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 【轉載】Encoder-decoder模型模型
- 「轉載」成功的 Git 分支模型Git模型
- CMG&SEM:2024年中國保險業(附下載)
- U-SEM體驗模型——讓遊戲互動設計的維度更加清晰模型遊戲
- PowerDesigner連線Oracle逆向生成資料模型(轉載)Oracle模型
- [20210826]核心引數kernel.sem.txt
- 載入模型模型
- 【模型推理】Tengine 模型轉換及量化模型
- linux系統關於kernel.sem調優Linux
- djl載入模型模型
- pytorch模型(.pt)轉onnx模型(.onnx)的方法PyTorch模型
- Caffe轉mxnet模型——mmdnn模型DNN
- [20210819]kernel.sem = SEMMSL SEMMNS SEMOPM SEMMNI 2.txt
- Mxnet模型轉化為ncnn模型,並驗證轉化正確性模型CNN
- 轉載方法
- [轉載] ebxmlXML
- 【轉載】ElasticsearchElasticsearch
- FPGA【轉載】FPGA
- 轉載AOP
- Python 載入 TensorFlow 模型Python模型
- WebGL載入本地模型Web模型
- Caffe轉mxnet模型——mxnet工具模型
- Mxnet模型檔案轉換為Pb模型檔案模型
- MxNet預訓練模型到Pytorch模型的轉換模型PyTorch
- OpenGL 模型載入詳解模型
- 模型關聯--預載入模型
- 【轉載】RenderTransform特效ORM特效
- 轉載快取快取
- DataGridView使用 --轉載View
- 【轉載】gulp minimist
- 轉化率模型之轉化資料延遲模型
- 使用ollama玩轉本地大模型大模型
- 【轉】概念主題模型簡記模型
- IP定位如何揪出SEM、百度競價惡意點選
- SEM-X射線熒光固體制樣方法,請收好!
- 碼教授告訴你SEM最佳化師需要掌握的技巧
- 如何將keras訓練的模型轉換成tensorflow lite模型Keras模型
- modelscope 命令列工具下載模型命令列模型
- modelscope上的模型如何下載?模型