2023年基于统计的客户满意度计算方法及原理.docx

基于统计的客户满意度计算方法及原理 - 客户满意度是指组织在提供产品或效劳时满足客户需求的程度。也就是说客户满意度=顾客之声/流程之声。客户之声，即客户需求，在统计上可以分成两个方面的意思： 一、组织提供的产品和效劳效劳是否满足了客户的极限需求〔最低要求〕； 二、产品和效劳是否精确的满足了客户的理想需求〔需求中心值〕； 具体来讲，所谓极限需求，是指客户感知的效劳不能超越的界限：上限和下限。比方客户定义一件衬衣不能超过1000元，不能低于600元；超过1000元意味着超出客户的感知的支付承受能力，低于600元，意味着失去这一品牌带给客户的社会定位价值。再比方 充值到账时间不能高于30秒，不能低于0秒；超过30秒，会给客户带来很多不便，当然这个过程耗时越低越好，但也不可能低于0秒。很多情况下，尤其是群众化的产品，客户的极限需求是由组织代替定义的〔这不是说组织决定客户的极限需求，因为虽然是由它开始由组织代替决定，但是在市场销售过程中，客户还是认可了这种极限需求〕，比方食品的保质期是3天，它意味着客户的极限需求是不能超过3天；如果超过3天可能让客户感知里面充满了较多的添加剂，进而失去了产品的天然性。在这个类似保质期的客户需求中，组织通过自己的经验、技术为客户提供了客户认可的极限需求。但是如果这个食品在3天后依然没有腐坏，那么客户就有足够的理由认可里面添加了足够多的添加剂，从而会让原本忠诚的客户群体对此失去兴趣。相反的，如果客户接受了3天以后依旧没有腐坏的事实，并且继续购置产品，那么说明客户的极限需求并不是3天，而是更长的时候，比方6个月，甚至1年。当然当客户认可更长的极限需求的时候也意味着客户认可了添加剂的存在。 当客户的极限需求范围较大〔容差较大〕的时候，组织容易获得较高的客户满意度。但是组织在为此庆幸的同时，一种潜在的威胁也就应运而生：客户可以选择的范围足够大，以至于组织的竞争者可以相对较容易的进入，从而伤害组织的利益最大化。比方目前市场上流通的各色 ，群众群体对其性能、价格等的要求范围非常宽泛，所以竞争比十年前就显得尤为剧烈，甚至一些为群众市场提供较宽泛的客户极限需求的优秀组织，为此付出沉重代价，如Motorola和Nokia 等。而相反的，价格的极限需求和性能的极限需求非常窄的Apple，却获得了惊人的市场利润。目前市场上通过定义了狭窄的客户极限需求而获得成功的例子，举不胜举，大量的奢侈品牌就属于这个群体。他们不在同质和宽泛的价格上努力，而刻意选择较窄的客户极限需求区域，从而获得了高度的客户忠诚度。 当客户的极限需求范围较小的时候，在为组织提供高度忠诚的客户群体的同时，也为组织可能带来一些致命性的伤害。客户的需求会随时间的推移慢慢变化，当这种变化积累到一定程度的时候，极有可能带来质的变化，如果此时组织不能做出敏捷的快速响应，后果将会极其严重。最明显的例子就是1920年代的福特汽车，当老福特把T型车的概念深入民心的同时，民众对汽车的需求也在不停的变化，所以当竞争者推出款式较多的汽车类型的时候，原本高度忠诚的福特客户群体终于开始抱怨T型车的单调，并逐渐选择其他品牌的汽车。这种不能对客户需求做出及时响应的策略，最终让福特汽车陷入困境，其绝对的垄断优势也荡然无存。除了客户的需求会发生缓慢的变化进而导致组织失去优势外，极限需求较小的市场，也容易被一些原本不属于这个市场、但是势力足够强大的嗅觉敏锐的组织蚕食。那些财大气粗的组织可以通过诱人的待遇挖走这个领域的人才，而人才的丧失将是导致这种市场的组织走向灭亡的最重要的因素；当然有时候某些组织有意识的选择性灭亡〔被兼并〕，比方法拉利、保时捷等。 这就产生了一种有意思的现象，一些特定的组织会在一个客户极限需求较窄的领域努力耕耘，但是它同时也在积极寻求那些财大气粗的组织的兼并或收购，进而获得较高的一次性利润，这种现象在互联网IT业表现的较为突出，比方2023年盛极一时的Chinaren被Sohu并购。注意：这种并购跟联想并购IBM、吉利并购沃尔沃不同，后者是因为准备并购组织发生了严重的财务问题。 客户极限需求过宽或者过窄都会产生时机和风险，一般意义上，过窄的极限需求更容易促生优秀的组织。对一个锐意进取的组织，客户极限需求一般是没有所谓的恰好〔折中〕范围的，如果非要说有，那么它根本上是组织与客户相互妥协的结果。这种妥协会产生两种结果： 1、组织与客户建立了战略性的合作协议，从而可以一同成长； 2、损伤了组织与客户继续合作的根底，客户不想在下一个需求上继续这样的妥协甚至扯皮。 能够通过妥协建立良好的客户关系的组织一般是提供对工业用产品的组织，因为它的客户并不是最终消费者，而是整个产品价值流的其中一个环节，而此时的客户也会被其的竞争者所侵扰，它亟需建立一个稳定的供给商联盟〔这种组合在目前流行的供给链管理书籍上已经理论的很透彻，此处不再探讨〕。 但是当组织提供的产品和效劳直接面向的客户是最终消费者的时候，任何与客户讨价还价的行为方式都会伤害客户的感情，从而失去市场份额。比方你不会愿意向曾经坑骗过你的商店购置 。 所谓理想需求，是指客户最乐意接受的需求，这种需求折射出了客户对组织的最正确远景。当组织能够提供客户理想需求的时候，一种高度的客户忠诚度就会建立起来。比方客户期望组织在11:00送货上门，那么如果快递员能在11:00准时敲门，就是满足了客户的理想需求。当然10:50敲门或者11:15敲门，客户可能也不会抱怨，但这样做总会给客户带来不便。而如果11:10是客户的极限需求的上限，那么11:15敲门可能面对的是客户的不满甚至客户已经走开了。举个切身的例子，本人经常出差各地为不同类型的组织培训管理知识，在去过的那么多酒店里面，有一家本人印象最深刻，因为每次刚步入大厅，前台就会立刻站起来说“啊，孟老师今天又来了？〞，有时还会补充“今天套房有优惠〞或者“我给您留了一间环境最好的大床房〞。当听到这句话的时候，像我们出差在外的人就会顿感亲切的感觉，一种忠诚度就会莫名的建立起来。尽管这只是一家普通的商务型酒店，但很长一段时间内，每次到那个城市，我依旧愿意住在那里。 问题在于，任何一种产品和效劳，客户对其的要求都会包含众多方面，还比方上述的酒店，前台能够很亲切的叫出我的名字，毕竟只是我对其众多理想需求方面的一个，如果其他的方面不能满足客户的需求，那么即便它在某个方面做到了吻合客户理想需求，也不会建立足够的忠诚度。实际上，现在本人再去那个城市，已经不会入住那个酒店了，因为本人实在忍受不了它日益糟糕的硬件设施了。 当客户对某一产品或效劳提出需求的时候，具体到每一个客户个体，最终决定其满意度的不是极限需求是否被满足，而是理想需求是否被满足。如果理想需求没有被满足，那么即便极限需求被满足的再好，也根本不会起到较大的作用。自古代，尤其是像中国这样的古老国家，孝奉朝廷的各种陶瓷器就是属于为了满足宫廷理想需求而特别订制的，一旦这些定制的产品得到了宫廷的赞许，那么这些物件瞬间就变得价值连城，制作这些产品的作坊和技师也会因此而获得社会广泛的认可。在现代，某些优秀的组织，曾经尝试过针对每一个客户的定制产品，目的是为了满足客户的理想需求，比方戴尔公司的定制，但多数类似的情形仅是其组织的一种广告策略而已，实际上并未真正做到100%的客户定制。 在批量化生产和规模经济的当下，做到完整的产品定制以满足每个客户的理想需求已经变得不是那么容易，尽管每个组织都在呐喊“客户为中心〞“客户是上帝〞，但真正去实践的组织已经越来越少，更多的组织选择了利润为中心，这种做法的极致就是为了利润不择手段，甚至抛弃组织应有的社会责任。 当组织被质询满意度如何时，组织通常的做法是向特定的客户群体发放满意度调查表。在这个调查过程中，虚假的数据会掩盖组织真实的处境，而特定的被调查对象也会让组织变得夜郎自大〔即便是那些锐意进取的组织也常常抱怨其收集到的满意度调查表除了粉饰太平外毫无用处〕。因此一种全新的、符合逻辑的、基于准确原始数据计算的客户满意度计算方法就显得尤其重要了。 对于组织而言，其“潜在客户满意度〞的计算方法是基于大量原始数据的，计算公式表述如下： (USL-LSL) /(UCL-LCL) x (Sigmacustomer / sigmaprocess) ● 组织提供的产品或效劳均值与客户理想需求的均值一致 ● USL、LSL是基于统计的大量客户的极限需求的上限和下限 ● UCL、LCL是基于统计的组织提供给客户的需求的上限和下限 ● Sigma customer是基于统计的大量客户理想需求的波动，即标准偏差客户 ● Sigma process是基于统计的组织提供的每个需求的具体波动，即标准偏差组织 ● 满意度小于1很差，大于1.5合格，大于3优秀 上述公式的提出，是计算客户满意度方面一个划时代意义的里程碑。通过这个计算公式，组织可以很容易的得到其真实的客户满意度水平，更重要的，原本虚无缥缈的概念，变得更加直观、数据化了。 p 标准偏差sigma的计算方法为： 其中ei为不同客户的理想期望值或组织提供的实际值，e-bar为均值，n为收集到的数据的个数。 举例：某中式快餐店向客户声称，它向客户提供快餐的时间是2~6分钟，平均4分钟；而客户可以承受的快餐等待时间是3~5分钟，最好4分钟。过等待时间会让消费者产生抱怨，过短的等待时间会让客户感觉饭菜是早就批量做好的陈货，而且对后厨也是极具挑战性。在过去的一个星期，快餐店对100份快餐的上桌时间进行了数据收集。结果发现，上桌时间从2分钟到10分钟均有，平均值4分钟，sigmaprocess是1分钟；100位客人对上餐时间的要求从3分钟到5分钟都有，sigmacustomer是1分钟。 那么潜在客户满意度是 〔5-3〕/(10-2) x 1/1=0.25<<1<1.5 因此从这个意义上看，客户对交付时间的潜在客户满意度是极其不满的。 实例2： 某公司售后效劳承诺接到客户投诉后8工作小时内给出答复，经调查，客户对投诉反响时间的可承受期限是6至12工作小时以内(客户并没有奢望在更短的时间内解决问题，所以6小时被替代成极限需求下限)，均值为9小时，标准偏差0.5小时。公司调查了过去50份客户投诉的反响情况，结果发现，反响时间从4小时到15小时都有，均值9小时，统计意义上标准偏差为2小时。 售后人员同时发放了传统意义上的客户满意度调查表，结果显示80%的客户对反响及时率感到满意。 那么此公司的反响及时率客户满意度为 〔12-8〕/(16-6) x (0.5/2) =0.1<<1<1.5 此过程潜在客户满意度严重缺乏。 在这个案例中，尽管调查表的结果是80%回复满意，但这个数字是经过了多层筛选的结果： l 那些很不满意的客户已经懒得回复信息； l 人情世故使得评分者给出虚假的过高评价； l 调查表的投放过程有潜意识的选择性； l 非常不满和不满给企业的影响实质上远大于满意或者非常满意； 潜在客户满意度描述的是组织提供的产品或效劳的质量特性的均值与客户理想期望一致的情况下组织获得的潜在的客户满意度。但在实际交付过程中，组织提供的均值可以与客户的理想期望值并不一致，此时需要修订原本的计算公式，一种较简单的修订方式就是考虑实际交付的均值偏移客户理想期望值的程度。因此组织实际获取的客户满意度可以修正如下： (USL-LSL) /(UCL-LCL) x (Sigmacustomer / sigmaprocess) x 〔1-Δ/Expectedcustomer) 其中expected 是客户的理想期望值，Δ是组织实际交付均值与期望值差的绝对值。 组织可以用Customer Satisfaction Indicator 作为描述指标来描述真实客户满意度，简写Csi。因此 Csi在1.3以上表示客户满意度合格，2.7以上优秀； Csi在1以下表