決策分析─顧客滿意度分析

顧客滿意度 (CS, Customer Satisfaction 的縮寫) 分析也是使用相 關係數的應用例之一。CS 顧名思義為滿足顧客之意, 其目地是向客戶進 行問卷調查, 並針對問卷結果做定量分析。接下來, 讓筆者為大家介紹 一些簡單的例子。舉例來說, 為了了解某間住宿設施 (旅館等) 的顧客滿 意度, 於是請顧客們在每個問卷題目上標示優劣程度, 以便分析哪一項 目最需優先改善。每位顧客退房時, 都會發予一張如表 3.5 般的問卷表 填寫, 且調查樣本也會累績至某一程度 (人數)。依照問卷的調查內容來 看, 如果不加以分析的話, 得到的答案也只是顧客覺得滿意、或不滿意之 類的結論。假設, 我們將這些評價全部換成點數,『滿意』給予 5 點, 其 他 4、3、2、1 以此類推 (不必像本例子一樣使用 5、4、3、2、1 的等間隔 整數, 依照不同需要換算成各式尺度也無妨)。

表 3.5　顧客問卷調查實例

如圖 3.14 所示, 我們將縱軸定義為『滿意度』, 並以『Top-Box 比 率』來表示。

所謂的 Top-Box 比率, 指的是於問卷表中勾選『滿意』的顧客人 數占全體總人數之百分比。舉例來說, 顧客人數 100 人之中, 有 10 人在 『有露天浴池』項目內圈選『滿意』的話, Top-Box 比率即為 10%。

依據問卷的調查內容, 也可以將『滿意』、以及『稍微滿意』的比率 合併計算。此處的分析重點, 只要將顧客對於某些項目給予高評價的人 數占有多少比率顯示出來即可。

橫軸為『整體滿意度』與各個項目之間的相關係數, 我們將之定義為 『重要度』。將評價全部換成點數, 也是為了要計算出相關係數的緣故。藉 由此, 我們可以得知哪些項目與『整體滿意度』息息相關 (有相關性)。但 是, 即便知道了彼此之間的相關程度, 而以相關性高為名目, 花費經營資源 致力改善, 這並不是有效率的資源使用方式。假設顧客們對於此項目幾乎 沒有任何抱怨, 那麼何需大費周章進行改善呢？因此, 筆者將縱軸定為滿 意度、橫軸定為重要度, 試著以綜合面的觀點進行分析 (請參照圖 3.14)。

圖 3.14 是以收集了某種程度的樣本數為假設前提下, 製定的顧客 滿意度分析圖表。在衡量滿意度、重要度各自的平均值後, 於圖表正中央 畫上十字, 並將每個項目標示於其中、於 [B 區城] (分割為四區塊的圖表 右下方) 畫上虛線對角線。事實上, [B 區城]正是最需進行改善的地方。 換句話說, [B 區城] 與整體滿意度的相關性最高 (橫軸值高), 但是顧 客滿意度卻是最低 (縱軸值低=仍需改善)。那麼, 對於 [B 區城] 內的項 目, 要從哪一點開始著手呢？此時就需要考慮下列二項因素 ((a)、(b) 的 標示部份已記載於圖中)。

(a) 到原點 (縱軸與橫軸的平均值交錯點) 的距離：距離越長越背離平均 值, 代表其改善效果佳。
(b) [B 區城] 對角線與『原點至對象項目的連接線』的角度：以 [B 區城] 對角線 (虛線) 為最需改善處, 改善效率也是最佳的觀點來看, 角度 越小, 代表其改善效果越好。

圖 3.14 顧客滿意度分析圖表

上述的 CS 分析, 皆可以利用軟體製作出如圖 3.14 般的圖表, 以及 由 (a)、(b) 兩項要素 (嚴格來說, 根據係數會稍微加以調整) 定量計算出 各個項目的改善度數。但是, 就算數值的計算不夠嚴謹, 見到圖 3.14 便 可一目瞭然, 如 (1) (2) 所示。筆者認為, 在實務的分析上, 對於已經足夠 的資料不需畫蛇添足。

‧ [B 區城] 內的項目皆為需注意的改善對象。
‧ 其中, 距離原點越遠, 且離對角線越近的項目為優先改善對象。

以結論而言, 本例依序以『服務周到』→『房間整潔』→『飯菜美味』 為最有效果的改善順序。現實生活中, 據說也有些住宿設施, 就是利用 CS 分析來進行改善規劃。