满意度调查网

       当前市场经济不断发展，全球竞争日益激烈，竞争不再是以产品为中心,
而是以客户为中心。数据库技术和信息技术的飞快发展，为企业积累了大量的客户数据。本论文对客户满意度、数据挖掘技术分别进行介绍，并以M公司客户满意度数据分析系统为例，讲解如何利用数据挖掘技术提升客户满意度。

　　1 客户满意度及数据挖掘

　　1.1客户满意度

　　客户满意度是使客户在购买或使用了某种产品并接受某项服务之后，形成的满不满意的态度，是对客户满意程度的度量。

　　1.2数据挖掘

　　数据挖掘是从大量不完全的随机的应用数据中提炼有指导意义的数据，这些数据是潜在有用的信息。通过对数据的研究分析，提取知识和信息的过程。

　　2 数据挖掘技术在客户满意度提升中的应用

　　当今全球经济正飞速地向企业管理数字化的方向发展，数据挖掘技术是一个获取保持并增加可获利顾客的过程，数据挖掘技术提升客户满意度体现在如下几个方面：

　　1）在汽车行业竞争激烈的今天，汽车行业正处在向“以客户为中心”转移的变革阶段，通过建设统一的客户信息管理平台，优化现行的汽车营销模式，同时通过数据挖掘技术对客户信息进行全面管理，提高客户满意度和忠诚度，对汽车行业来说变得尤为重要；

　　2）运用多种数据分析方法对数据细节进行综合和分析，达到以下目的：

　　（1）针对数据分析主题可灵活建立相应的分析指标体系；

　　（2）分析计算客户满意度各项指标的度量值；

　　（3）根据不同的指标体系进行客户特征分析；

　　（4）根据多个角度归纳客户细分因素并进行客户细分；

　　（5）按所需的时间和空间粒度，分析不同客户群体及其各项满意度指标的关联和变化；

　　（6）按所需的时间和空间粒度，分析各关键因子影响满意度的权重，提示服务改进方案。

　　3）更有效的识别客户的价值，提供优质的个性化服务。根据“二八定律”在企业的满意度战略中的应用，即20%的忠诚客户能创造出企业80%的收益，这20%的忠诚客户是企业生存和发展的支柱。可见，客户价值有很大的区别。三、客户满意度数据查询分析系统设计

　　M公司已经进行了多年的客户满意度调研，以后每年还将继续开展这个工作。因此，需要建立客户满意度数据库，对数据进行深入挖掘和分析，加强客户关系管理。根据满意度数据，建立统一的满意度数据库。

　　根据满意度数据库，建立相应的分析指标体系，可以随时对满意度信息、生活形态、购买行为、人口统计信息、心理特征等数据进行对比分析。实现对总体、区域、省份、城市、单店的分析。

　　建立的统一的满意度数据库，其结构适用于存储和管理同类质不同渠道的市场调研工作获取的信息（满意度信息、生活形态、购买行为、人口统计信息、心理特征、客户特征信息），包括：委托第三方进行的满意度调查结果、M公司本部进行的满意度调查结果、战败客户调研结果等。

　　不同渠道来源的满意度调查数据统一在一个平台上进行管理，并可根据用户需要分别提供前端分析和查询，不同渠道的调研结果得以相互对比和印证，使用户得以从不同视角更全面地了解信息。

　　通过以下几个角度对满意度数据进行应用提升：

　　1）满意度的季度趋势预测和异常检查

　　对未来一季度的满意度变化进行预测，并通过事后检查发现工作上的异常。利用最近历史数据，通过数学上的曲线拟合方法来获得满意度分值在自然状态下的变化趋势（自然状态是指对服务工作没有进行特别干涉的情况）。系统可根据这种趋势对未来某个季度的满意度分值水平进行预测。当两者的误差超过合理范围时即做出发现异常变化的提醒。提醒管理者及时从某些区域和工作环节中寻找满意度出现异常变化的原因，及时对工作进行总结，发现和发扬好的工作方法，检讨和改正不良的工作方法。预测首先是整体，然后从区域和工作两个维度进行单独的趋势分析，使出现的异常可以定位在具位的区域或工作环节上。

　　通过数学方法，可以利用一定的历史数据对数据变化作出曲线拟合，通过特定计算很好地逼近数据变化的趋势，也是一种常用的预测方法。对于客户满意度，可以认为过去最近一年的市场和工作影响因素与今年最为接近，各季度的满意度变动趋势也相似，因此以去年各季度的满意度分值开始建立趋势线；同时，新季度的自然变化应符合最近已发生的趋势，因此，本年度已过去的各季度的满意度分值也被插入来修正趋势线。曲线时间轴上最右边的点为新季度的预测点，并给出该点的误差有效区间。每个季度实际分值落在误差区间以内为正常，落在误差区间以外则为异常。

　　在新年度开始时，系统首先从满意度数据库中提取过去一年各季度满意度分值,依据这些数据产生初始的拟合曲线。

　　系统通过对上年四季度历史数据进行运算，获得对历史时间点误差最小的拟合模型。其拟合曲线最好地表现了去年各季度的满意度变化趋势，并可逼近新时间点的值。系统根据模型自动计算出新年第一季度的预测分值。

　　由于满意度的客观影响因素比起上年总会有变化，因此随着时间的变化，初始的趋势线可能与现状误差较大，需要不断进行修正。修正的办法是每个季度过去后即在模型中插入刚刚过去季度的数据重新进行曲线拟合。

　　2）年度计划建议和考核

　　对改善未来一年的满意度水平提出期望值，建议新年度工作改进计划策略，在计划目标基础上考核实际工作成效。

　　满意度分值是企业服务工作成绩的量化表现。企业对将来一年的工作都有一个以计划预算来描述的期望值，在总的期望值下分解各项工作指标和资源配置。我们也可以通过对满意度提出期望值，从另一个角度为企业作出工作计划建议。

　　基于满意度变化与工作资源投入相关（在后页阐述）的理论，我们可以从每年对工作资源投入的计划预算这个角度，为满意度的改进方法作出建议。系统的建议原则是要找到能以最小的工作资源投入来达到预定满意度水平的策略。

　　当年度调研数据更新后，系统可根据前面所做的年度计划建议与实际的年度调研结果进行对比，从区域和工作环节两个维度考核服务工作成效。

　　系统从近两年及未来几年调研都采用的稳定的满意度指标结构中选取全部或部份需要关注的指标组成一套新的指标结构，作为预测计划的指标结构。其中，在新的指标结构中起始权重直接采用调研结果权重，经过标准化后（Rj/∑Ri，Rj为第j项权重，∑Ri为权重之和）成为新的权重结构。

　　系统认为企业所采用的指标体系是可信的，依据“满意度分值与资源投入成正比”和“权重与对资源的需求量成正比”的原理，根据本年度客户满意度调研结果中各区域、各省市的各分项指标的分值，在人为给定下年度整体满意度的一个提升期望值后，以追加资源投入最少为原则，计算输出最优化的工作改进建议。输出结果以区域省市为空间维度，以分项指标代表工作项目，详细列出下年度各项工作的预测分值和追加资源投入比例。

　　计划建议模型输出的结果是站在分析满意度变化的角度，帮助企业观察在每个区域、每项工作环节上应投放的工作侧重，以及采用不同的工作侧重会对满意度产生什么样的影响。

　　3）增强主题分析功能

　　增加满意度短板探测功能。

　　提供满意度短板探测功能，可以按分项指标分值范围等参数预设多种探测条件，系统可自动根据这些预设参数，在历年的数据中检索并输出符合条件的样本数据，并提供对筛选出来的数据进行再分析的功能。

　　增加数据分析报告的输出功能。

　　提供某些报告输出功能，可按照M公司提供的某些暨定的模板格式，可以按页、按册、按批量自动输出Excel、PDF等格式的数据分析报告，其中，批量输出方式可以自动按经销商和按区域批量输出数据分析报告，节省人工处理报告的工作量。

　　增加分析区域预设功能。

　　提供分析区域的预设功能，使操作人员可根据需要从当年的调研数据中抽选出与JD Power调研范围相同的城市作为满意度分析的区域，并按照这种区域结构对客户满意度数据进行观察和对比分析。

　　3 结论

　　建立并改进满意度数据库查询分析系统，对客户信息数据进行收集及处理。收集客户信息及反馈，对于高客户满意度来说是尤为重要的。只有理解了客户的观点，并从客户视角来研究产品及服务，才能从更深的层面来提升产品及服务。对客户信息数据要进行处理，发现其中有关客户满意度的模式，再调整相应的有效策略及形成决策支持。本文期望通过对M公司满意度数据查询分析系统的研究，能给汽车行业客户满意度的提升，提供一些帮助并做出一定的贡献。

　　数据挖掘作为在海量客户信息中发现客户行为模式并挖掘影响客户满意度关键指标的一种现代技术，为企业制定和调整经营决策起到了有效的指导性作用。随着数据挖掘技术的不断成熟，“以客户为导向”的经营决策也必将体现出其更大的价值。
　　
　　参考文献
　　[1]刘菲.基于数据挖掘技术的客户满意度的提升.华章，2011(31).
　　[2]陈京民.数据仓库与数据挖掘技术[M].北京：电子工业出版社，2006.
　　[3]朱爱群.客户关系管理与数据挖掘[M].中国财政经济出版社，2001.
　　[4]李玲，赵宏霞等.用数据挖掘提高客户满意度.辽宁：技术经济，2004(10).

想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz

或者扫描下面二维码