随着通信技术的不断发展，无线通信、固定电话和互联网已逐渐成为人民生活中不可或缺的一部分，信息产业部最新统计显示，我国的固定电话和移动电话用户规模继续保持世界首位。截至2007年12月，我国手机用户数达到5.47286亿户，手机普及率为41.6%；固定电话用户数达到3.65448亿户，普及率为27.8%。在技术不断发展，规模持续扩大的同时，顾客满意度的概念及其在企业经营中的重要作用也逐渐为通信企业所认同，并陆续将顾客满意度的提升作为经营战略的核心，在整个企业全面实施顾客满意度的改进活动。本文将以固定电话服务为例，介绍通信行业顾客满意度测评模型的构建和测评结果分析。
一、通信行业顾客满意度测评模型构建
顾客满意度测评模型的构建主要包括确定测量指标、初步构建模型和模型检验等内容。
1、确定测评指标
测评指标的确定采用定性研究和定量研究相结合的方法，定性研究主要是二手资料收集和焦点小组访谈，定量研究则是通过一定样本量的预调查来实现。
二手资料收集
利用图书馆、互联网和公开报告等资源，对相关的信息进行检索，提取满意度的影响因素，为拟定焦点小组访谈提纲做准备。
焦点小组访谈
焦点小组访谈是挖掘满意度测评指标的重要手段，一场焦点小组访谈参加人数一般为6-8人，邀请符合要求的对象，通过开放式的访谈，请他们穷举出在接受服务过程中，影响其满意度的要素，访谈结束后，通过访谈内容的整理，初步确定顾客满意度测评指标。
预调查
焦点小组访谈的优点是可以深度挖掘，但是由于参加访谈的人数较少，代表性相对较差，为了避免遗漏测评指标，同时验证访谈中发掘的各项指标的有效性，还需要进行预调查。
在满意度测评要求的范围内随机调查100个有效样本，请他们评价定性研究确定的所有满意度指标对其满意度影响的重要程度；并通过开放式问题继续列举未提及的其他指标；分析人员根据统计结果，确定顾客认为影响他们对通信服务满意度评价的关键指标。预调查分析部分结果如表一所示：
以上只是列出部分指标，一般而言，在预调查分析中，对于重要性低于80%的指标将根据实际情况确定是删除还是保留，而预调查的开放问题中提及率较高的指标也将纳入模型，通过试验调查来检验模型。
2、模型构建及检验
在确定测量指标之后，可以初步构建模型，确定各指标的分类，以及不同指标间的相互关系。根据初步构建的模型设计试验调查问卷，试验调查一般调查200个有效样本，目的是为了进行模型检验，模型检验一般要进行信度检验和效度检验，信度检验是检验模型的可靠性，效度检验是检验模型的有效性，可靠性和有效性的关系如图一所示：
信度检验
信度检验主要检验模型的可靠性，一般采用Cronbach-α系数来检验，如果α系数>0.7则说明各结构变量中的观测变量具有很好的一致性，固定电话满意度测评模型的整体α系数为0.9437，各个结构变量的α系数均大于0.7，模型通过可靠性检验。以测评模型中的缴费及查询为例，该结构变量的可靠性检验的结果如图二所示：
图中各观测变量对应的值为删除该变量后结构变量的信度，检验结果表明，删除任何一个指标，交费及查询的信度都会下降，因此所有变量都应进入模型。
效度检验
效度检验主要检验模型的有效性。一般通过LISREL软件进行验证性因子分析（Confirmatory Factory Analysis，CFA）来检验。效度检验通过多项指标来检验，一般要求RMSEA<0.08，越小越好；GFI>0.90，越大越好；CFI>0.90，越大越好；各观测变量的标准化载荷均应超过0.5。固定电话满意度测评的验证性因子分析结果表明，RMSEA=0.074；GFI=0.89；CFI=0.91，各结构变量对应观测变量的标准化载荷均超过0.5，说明模型具有很好的效度。
综合以上分析，可以确定固定电话顾客满意度测评模型如图三所示：
该模型中包括用户满意度、忠诚度及9个原因结构变量，每个结构变量都对应相应的观测变量，在实际调查中，还涉及故障处理、上网业务质量等方面，由于回答缺省率很高，不管采用什么样的缺省值处理方法，都会产生大的偏差。因此，在整体分析中，不进入满意度专有分析模型统一运算，而作为特定变量单独分析。
二、固定电话顾客满意度测评结果分析
1、满意度及各变量得分
在对某地区固定电话家庭用户实施调查后共收集有效样本1445份。该地区用户满意度得分为84.42，该得分处于中等偏上水平，用户忠诚度为78.57分，在90％的置信区间下，满意度得分的偏差小于0.674分。
对于服务而言，重复消费和推荐情况是考察客户是否忠诚的重要指标，这也是忠诚度的两个观测变量，因此，可以引进另外两个指标——净回头率和净推荐率。
净回头率＝回头率（重复消费打分为9-10分被访者比例）－流失率（重复消费打分为1-6分被访者比例）
净推荐率＝推荐率（推荐情况打分为9-10分被访者比例）－贬低率（推荐情况打分为1-6分被访者比例）
根据以上公式计算得到，该地区固定电话公众用户的净回头率为60.1%，净推荐率为25.7%。这说明在该地区固定电话用户忠诚度较高，有六成以上的用户还会继续使用当地的固定电话，有超过1/4的人会向周围的人进行推荐，这为满意度的进一步提升打下良好基础。
各原因结构变量的调查分析结果如图四所示，从得分方面看：家庭用户对热线服务评价最高，而对价格评价最低。从影响来看：对满意度影响较大的是品牌形象和人员服务，价格的影响列第3位，因此，品牌形象、人员服务和价格是满意度提升中需要重点关注的方面。
在观测变量层次，也可以做相应的分析，以品牌形象为例，分析结果如图五所示：在品牌形象3个观测变量中，品牌社会形象得分较低，而对结构变量影响较大，是需要重点关注的方面。
2、特定变量分析
调查过程中，对于回答缺省率较高的变量不进入模型统一运算分析，而是作为特定变量单独分析，我们以故障处理为例，简要介绍一下特定变量的分析。
调查显示，用户对故障处理的总体评价为85.10分，其三个观测变量中，对故障处理及时评价最低，而影响最大，是需要重点关注的指标。
3、满意度改进分析
综合考虑各观测变量对满意度的影响大小和得分，对所有的观测变量提出改进排序如表二所示：
我们可以看到在所有观测变量中，优先改进顺序为：业务资费、品牌社会形象、接受服务是否受重视、价格策略……，以上分析是完全基于调查数据进行的分析，是从消费者/用户感知的角度分析问题，并没有考虑企业的实际情况，而且企业可以采取的影响每一个用户满意度驱动要素的具体实施手段可能很多，并且这些手段的实施难度、投入大小各不一样。因此需要把消费者/用户关注到的问题，和企业可以采取的管理手段有效地结合起来，迪纳专门开发的满意度提升实施分析工具（DINA-CSU）可以根据顾客满意度测评的结果，通过和相关部门的沟通，确定提升用户满意度的各种管理手段和方法，它们与用户感知的满意度驱动要素的关联度，相对实施难度、相对费用高低等，从消费者角度的满意度驱动要素和从企业管理运营角度的实施手段衔接起来，为企业提升用户满意度提供决策支持。
图七所示为利用迪纳满意度提升实施分析工具进行固定电话顾客满意度提升实施分析的简单示意：
图中左半部分内容为通过构建结构方程模型，采用专业的PLS算法准确测量得到的用户对满意度驱动要素的评价和要素对满意度的影响大小，这是从用户视角得到的结果。
右半部分内容是通过企业内部跨部门的头脑风暴会议，确定可以影响用户感知的满意度驱动要素的所有可以想象得到的手段措施、小组评议得到的各项手段措施的实施难度和资金投入大小以及这些手段措施，对用户感知满意度驱动要素的影响强度系数。
通过迪纳提供的满意度提升实施分析工具内嵌的转换工具，可以确定各筛选出来的满意度提升手段分值和影响系数大小，进而确定在近期内，企业应该着力采取哪些手段和方法来提升顾客满意度，从而成功实现将市场研究的量化成果转化为企业可以采取手段的量化排序，实现提升用户满意度的效果。
固定电话顾客满意度提升实施分析结果如表三所示，该分析结果仅为简单示意，数据均经过修饰。
通过提升实施分析，企业可以确定在未来的一段时间内，主要把精力应投放在前几位的手段实施和监控上，因为对提升用户满意度而言，实施这些手段的投入产出比最大，效率最高。此外，可以把上述提升顾客满意度的手段和方法分解到企业的各个部门中去，这样每个部门对本部门提升用户满意度需要采取的手段也就有了明确的认识。
综上，本文从满意度测评的前期研究开始，然后是构建模型、数据分析过程，最终得到满意度测评结果和提升分析。希望通过以上介绍能够为企业解决满意度测评过程中的疑惑，为企业找到提升用户满意度的有效途径。
