顾客满意度统计

顾客满意度分析包括2个方面:一）满意度的定性分析;二）满意度调的定量分析.
一）满意度的定性分析
通过对满意度调查得出的开放题的答案进行分析，可以确定对各个满意度指标的评价和重要性，也可以有助于找出顾客满意或不满意的主要原因。通过编码和汇总分类，我们从开放型问题的回答中识别和提取重要的主题、问题、结构。编码过程中往往会带有很强的主观性，而减少主观性的途径之一就是比较两个或者两个以上独立编码的个人所设计的代码，这样可以检验并讨论想法的差异，并在最终的代码表中包含每个人的最佳意见。
内容分析方法是满意度调研中的重要的定性分析方法，通过计算有关满意度的某个具体观点、看法或者观察其出现的次数，进行词语频率分析，确定词语使用水平的模式。在开放性中确定初步代码或者从焦点小组中确定初步的满意度指标时，词语的出现次数是很有价值的信息。

二）满意度调的定量分析
定量分析是将原始数据转化为易于理解和解释的形式，并通过各种统计技术的应用深入挖掘和分析变量间的关系。在满意度的量化分析中，数据分析既包括对各满意度指标百分率变化的描述性分析；也包括运用复杂的统计技术确定不同的满意度指标对整体满意度的重要性、根据历史数据预测整体满意度以及比较公司与竞争对手在各满意度指标上的优势和劣势。最终在这些分析的基础上，确定公司在改进产品和服务，提高满意度上应该采取的措施。根据实际情况采用有效的数据分析方式，对我们
1、 描述性百分率
另一种统计方式是描述性百分比，如30%的顾客对某公司销售人员的评价是非常满意的，25%的人认为医院的整体环境状况是一般等。在满意度数据按季定期收集的情况下，可以将描述性百分比应用在趋势分析中。通过百分率数据的比较，可以确定是否各项满意度有了显著的变化，何处已进行了改善，何处还需要引起额外的重视等等方面的问题。
2、算术平均值
在满意度调查中，通常要按从1到5的顺序给某种满意度指标打分，在样本规模n人的情况下，计算该指标的算术平均值得分。如调查样本量为500人，某一产品的整体满意度从4.215增加到4.307，这表明在95%的置信水平下，此增加是有统计意义的，既意味着顾客满意度是真正有所改进的。结合顾客评分数据的分布，与顾客人口特征因素进行交互，我们可以得到进一步的结论。比如通过检测给“准时送货“的满意度指标评为“非常不满意”的顾客的人口因素特征，我们发现问题仅出在一个地区，而通过改变操作流程或再增加一位送货人员很大程度上就可以解决这一问题。
和百分率以及图表形式相比，使用算术平均值虽然是简单易行，但其缺陷在于许多人感觉它相当枯燥单调，而图表和百分率更加生动易懂些。
3、相关分析
相关分析可以用于确定对整体满意度有最大影响的满意度指标。分项满意度指标和总体满意度之间的相关系数数值越大，表示两个变量之间线性相关程度越强。相关系数是介于+1和-1之间的数字。一般整体满意度和个别满意度指标之间不应出现负相关系数。