随着中国经济的高速增长，中国已经成为民航业发展最快、潜力最大的国家之一。目前国内的几大航空公司在提高公司管理水平的同时，纷纷采取降低票价、提高服务水平等方式吸引乘客，提高市场竞争力和市场占有率。
作为公司与客户之间的重要沟通桥梁，满意度调查和测评越来越为各个航空公司所重视。但是如何才能科学的对满意度进行测评，从而根据满意度测评的结果对航空公司的决策提供依据呢？在本文中，笔者将根据多年的实践经验和实际案例对这一问题做出回答。
一般来说，企业进行满意度调查主要有两个目的，一个是了解自身产品或服务在用户眼中的表现，了解用户满意度的现状，另一个也是更重要的目的则是要知道如何改进和提升满意度和忠诚度，进而提高销售收入和市场份额。航空公司也不例外。当然，也有些公司将满意度测评的结果作为企业绩效评估的指标，这也是第一种目的的延伸。
若要达到第一种目的，仅仅得到满意度的得分就够了，这可以通过比较简单的方法进行调查。比如仅仅请乘客对客舱服务整体的满意度打一个分数（可以是5分制、10分制等），或者是简单列出几项指标，通过加权方式得到满意度。这里的权重又可以有多种方法确定，例如均匀赋权（所有指标给予相等的权重）、专家权重法（由专家确定各指标的权重）、顾客权重法（乘客在给各项指标打分的同时也对指标的重要性打分）等。但是，企业经营者或专家很难能够完全站在顾客的角度考虑问题，他们认为重要的指标未必是顾客认为重要的，而顾客自述权重法倾向于所有的指标都重要，因此无论采用哪种方法得到权重，都有其各自的缺点，从而对最终满意度的结果产生影响。另外，指标的重要性和对满意度的影响实际上是两个概念，重要的未必是影响大的，重要的要素往往在各家航空公司之间的表现差别不大，导致最终引起满意度差异的往往是那些顾客认为重要性不是那么高，但是在不同航空公司之间存在差异的服务项目。
另一类方法可以规避这一问题，也是目前用得最为普遍的，就是通过统计方法确定各项指标的权重，这个权重从严格意义上来说并非是“权重”，而是各项指标对满意度的影响大小。这样既可以得到各项指标及满意度的分值，又可以得到各项指标对满意度的影响大小，从而才有可能指导企业重点关注顾客评价低而影响大的指标，合理配置资源以提升满意度。这样在达到第一个目的的同时也可以实现第二个目的。
根据相关统计学理论和各国在满意度测评领域的实践，在满意度测评的各种统计方法中以结构方程模型方法为最优，这是为业界所公认的，也是本文所使用的方法。而在结构方程模型方法中，又尤以偏最小二乘法（PLS）最佳，它可以克服其它方法的种种弊端，对样本量的要求又不高。
一、建立模型
采用结构方程模型方法和PLS算法进行满意度测评，首先要进行建模，即确定满意度的各项测评指标以及指标之间的关系，然后根据模型设计调查问卷，再进行实际的调查。
在结构方程模型中，我们将指标分为三级：第一级为满意度和忠诚度；第二级为影响满意度的各个原因变量（指标），这些变量是整体性和概括性的指标，称为“结构变量”，满意度和忠诚度也算作结构变量；每个结构变量通过若干具体的测评指标进行测量，这些具体的测评指标是第三级，称为“观测变量”，每个观测变量对应调查问卷中的一个具体问题。结构方程模型是一种因果关系模型，各个原因结构变量影响和决定满意度，是满意度的原因，满意度是忠诚度的原因。
在客舱服务满意度模型中，除了满意度和忠诚度外，结构变量包括品牌形象、乘务员服务、客舱环境、餐饮、安全感知、正点及延误服务等，有时也会将机场地面服务作为一个结构变量。每个结构变量下有若干观测变量，例如客舱环境的观测变量包括客舱空气、温度、干净整洁、设备设施完好、卫生间、座椅间距等。如图一所示。
图一 民航客舱服务满意度测评模型（示例）
该模型是迪纳市场研究院应用结构方程模型，使用迪纳开发的专有顾客满意度测评模型构建方法，经过定性研究、焦点小组访谈、预调查、试调查等一系列步骤，采用包括探索性因子分析、相关分析、信度检验、验证性因子分析等统计方法建立起来的。在模型中，结构变量要尽量覆盖客舱服务的所有方面，而每个结构变量反映客舱服务的一个方面；每个结构变量下的观测变量之间要尽可能的保持相互独立，整体反映该结构变量。迪纳民航客舱服务满意度测评模型共有8个结构变量（不算满意度和忠诚度），37个观测变量。
二、问卷设计和调查的实施
建立好模型之后就可以根据模型设计调查问卷和实施调查了。
调查问卷的设计与采取什么方式进行调查有关。对于民航客舱服务来说，主要可以采取两种调查方式，一种是电话调查，一种是飞机上的书面问卷。相对而言，电话调查的整个过程完全可控，质量比较有保证，而且可以在给定的样本中做到随机抽样，但一般的航空公司没有这样的调查能力，要委托第三方来完成。而书面问卷则可以由航空公司自己在机上完成，调查成本较低，但抽样和质量控制相对较弱，调查时服务尚未完成，而且受当次航班服务感知的影响非常大，给调查结果带来一定的影响。如果对航空公司的总体客舱服务满意度调查，电话调查更适合，如果仅对当次航班的满意度进行调查，机上调查可能有一定的优越性。采取不同的调查方式，问卷开场白会有所不同，问卷所采用的分制也会有所差异。根据迪纳多年的经验，电话调查我们一般建议采用10分制（1-10分），而书面问卷可以采取7分制。
模型中的每个观测变量对应问卷中的一个问题，例如设备设施完好和座椅间距两个观测变量对应的问题分别为：
客舱内的各种设备设施完好吗，可以打几分？ 1--10分 无法回答
座椅间的距离合适吗，可以打几分？合适打高分，不合适打低分。 1--10分
被访对象是有选择的，并非所有乘坐过本公司航班的乘客都可以作为被调查对象。应该保证乘客对于所接受的服务是仍然记得的，因此要选择最近一段时间乘坐过航班的乘客，一般来说可以是最近三个月，如果要求严格可以是最近一个月。迪纳市场研究院进行的北京、上海、广州三地乘客的民航服务满意度调查是针对最近两个月乘坐过飞机的人进行的。
调查中的抽样过程要保证代表性和覆盖面。根据不同的调查目的和范围，要保证被访对象能够代表所要调查的乘客的总体情况。在实际调查中可以按照收入比例近似的进行样本比例的配置。
调查需要一定的样本量，如果样本太少，不能保证较高的数据精度，调查结果的可靠性就会降低，严重时甚至会得出不合实际的结论，从而对决策者造成误导，而样本量太大又会增加调查成本。根据相关的统计学理论和笔者的实践，采用PLS算法进行满意度测评的样本量至少要达到观测变量个数的10倍，最好达到观测变量个数的15倍以上。在迪纳所进行的北京、上海、广州三地的民航客舱服务满意度测评中，观测变量37个，在三个城市的固定电话局号随机生成的电话号码中进行随机电话抽样，采集样本513个。
三、数据处理及PLS计算
客舱服务满意度调查完成后，就可以进行数据的处理和分析了。分析之前要进行数据检验。数据的检验主要包括非法及异常值检验、缺省值（空白）检验、重复值检验等。还可以进行一些逻辑方面的检验。这些检验都是对问卷质量的事后控制，在电话调查中，我们要通过现场监听监控、全程录音、质量督导审核等过程中控制方式来保证调查的质量。
经过数据检验，剔除了无效样本后的有效样本就可以进入模型进行满意度计算了。如前所述，我们采用PLS算法。迪纳市场研究院结合清华大学的多年研究成果，开发了专门用于满意度测评的PLS软件——迪纳顾客满意度测评系统（DINA-CSMS），该软件专门为满意度测评而设计，将结构方程模型和PLS算法内置其中，可以实现从建立模型、数据处理、PLS计算到结果分析的全过程，操作人员不必经过专门的统计学训练即可熟练应用。
PLS计算的结果主要包括：满意度、忠诚度、满意度对忠诚度的影响、结构变量分值及对满意度的影响大小、各观测变量的分值和对结构变量及满意度的影响大小等。图二是迪纳市场研究院对北京、上海、广州三地乘客进行的客舱服务满意度调查计算结果。
四、结果分析
在图二的结果中，三地乘客对航空公司客舱服务的满意度评价分值为71.75分。单纯从数值来看，可能有人会觉得分值比较低，刚过及格线（如果把60分作为及格的话），和通常认为的动辄八九十分差别很大。但实际上，如果和清华大学与国家质监总局所进行的中国顾客满意指数（CCSI）生活服务类的满意度分值比起来，该分值居于比较靠前的位置，说明整体而言，航空公司客舱服务的质量是得到了消费者认可的。相对于得分的绝对多少来说，比较才更加有意义。如果我们把调查结果的71.75分作为航空业行业的整体水平的话，如果某个航空公司的满意度高于这个值，那么该公司就处于行业平均水平之上。如果能够得到主要竞争对手的满意度情况，也可以将其作为自己的标杆。另外，还可以将每年的测评结果与上一年的差异作为工作成效的指标，如果比上一年提高了，说明我们的工作取得了好的效果，而提高的分值多少可以作为绩效考核的指标之一。
对满意度测评结果的分析最重要的是对各项指标的分值和影响大小的综合分析。得分比较低说明航空公司在这方面做得不够好，例如结构变量中的餐饮服务、正点及延误服务，客舱环境下的观测变量座椅间距离等，这些都可以说是企业的“短板”。但是是不是得分比较低的方面都要重点改进呢？对于任何企业，资源都是有限的，如何利用有限的资源获得更大的效益才是我们追求的目标。在改进满意度方面也是如此，要把有限的资源用在最有效的指标改进上面。而最有效的指标就是那些得分低，同时对满意度的影响也比较大的指标。例如上面的餐饮服务和正点及延误服务，正点及延误服务对满意度的影响要远远大于餐饮服务，尽管它的得分要高于餐饮服务，其改进的优先顺序也应该排在餐饮服务之上。而通过观察正点及延误服务下面的三个观测变量，影响都差不多，因此我们应该优先改进乘客评价最低的延误后勤保障。
将分值作为纵轴，对满意度的影响大小作为横轴，就可以将每项指标画在一个矩阵中，如图三。我们仅仅把客舱环境的几个观测变量画了出来，其它指标略去。
图三 满意度战略矩阵
矩阵分为四个部分，在右下角区域，指标的得分较低而影响较大，是需要优先重点改进的指标；在右上角区域，得分较高而影响也较大，这些指标是相对的优势所在，应该保持；矩阵的左下角区域是得分较低而影响也较小的指标，这些指标相对来说对满意度是无关紧要的，改进次序可以排在后面；落在矩阵左上角区域的指标较为复杂，有些可能是必要的需求因素，是乘客必须得到满足的，有些可能是无关紧要因素，而企业浪费了过多的资源加以提升，因此需要具体分析。
战略矩阵的中值我们可以设定为航空公司确立的满意度指标，也可以是行业平均水平或最主要竞争对手的满意度。我们这里介绍的是四分图矩阵，如果指标过多，也可以将战略矩阵设为九分图。结构变量、观测变量都可以采用战略矩阵的分析方法进行分析。据此我们就可以得到各项测评指标的优先改进次序。
我们还可以将满意度和忠诚度作为横纵坐标，形成战略矩阵，计算落在各个区域的样本比例，来对乘客的满意度和忠诚度情况作更详细的分析。
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，我们一般也将其作为观测变量，对于民航服务也不例外。根据乘客对这两个观测变量的评价情况，我们可以计算推荐率和回头率，继而得出净推荐率和净回头率。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）；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）。如图四所示，航空公司的净回头率和净推荐率都较低，净回头率为4.7%，而净推荐率为-32%。
图四 净推荐率与净回头率
如果在问卷设计时增加了乘客行为特征及个人信息的问题，我们还可以针对不同人群和不同行为特征乘客的满意度及各项测评指标进行对比分析，从而更深入的了解乘客的满意度状况，对不同人群制定有针对性的改进措施。需要注意的是，在进行对比时不能单纯的认为得分高的满意度就高，而需要通过统计检验来分析这种差异是否是显著的，只有显著的差异才是有意义的。
根据调查结果，持有常客卡的会员的满意度为68.55分，要明显低于没有常客卡的乘客，对于各个结构变量的评价也基本都低于没有常客卡的乘客，这可能与航空公司的常客多为商务人士、乘坐频率高、对服务的要求较高有关。另外，学历越高、收入越高的乘客的满意度越低。
不同航线的竞争激烈程度不一样，经常乘坐的人群不一样，主要乘客的类型也不一样。比如京沪航线主要是商旅、飞往昆明的航线可能主要是旅游、飞往西安的航线上外籍旅客比较多等。那么，针对这些航线，分航线的进行消费行为调查和满意度调查，对航空公司可能更为重要。
我们这次对三地的调查是对民航客舱服务的整体调查，涉及多家航空公司，因此可以对各家航空公司的满意度进行对比分析。各家航空公司的满意度如图五所示（由于调查范围和样本量的限制，该结果仅代表被调查人群的评价，供研究使用）。另外，通过调查发现，不同地区的人群对航空公司的偏好有着明显的差异，如图六，北京乘客主要选择搭乘国航航班，上海地区乘客主要选择搭乘东航和上航的航班，广州地区乘客主要选择搭乘南航航班。这种偏好不仅取决于满意度，还与各航空公司的航线分布有关。
到此为止，我们从建立模型、设计问卷、调查实施到PLS计算和结果分析都进行了介绍，通过这些步骤，我们就可以建立起完整科学的民航客舱服务满意度测评体系。利用这样的体系，航空公司还可以针对重点航线、重点乘客进行专项的满意度调查，满足各种满意度测评需求。随着各项服务的改善和提高，乘客对各项满意度指标的感知也会不断发生变化，指标对满意度的影响也会有所变化。如果航空公司能够将满意度测评作为一项长期的工作，坚持不懈的进行下去，并在每次调查完成后根据结果制定切实有效的改进措施，相信乘客的满意度和忠诚度会不断提升，公司就能在激烈的市场竞争中取得自己的优势。
