法研究基于顾客满意和顾客忠诚关系的市场细分方法研究Word文件下载.doc
《法研究基于顾客满意和顾客忠诚关系的市场细分方法研究Word文件下载.doc》由会员分享,可在线阅读,更多相关《法研究基于顾客满意和顾客忠诚关系的市场细分方法研究Word文件下载.doc(10页珍藏版)》请在冰豆网上搜索。
许多学者提出,企业应该尽力满足和超越顾客的期望,使顾客更加满意和忠诚,才能获得经济效益。
他们普遍认为,较高的顾客满意度将带来较高的顾客忠诚度[1,2,3,4,5,6];
而顾客忠诚度的提高,可以降低未来的交易成本[7],降低产品的价格弹性[8],并减少顾客对产品质量的挑剔,从而为公司带来财务上的利润[9,10]。
归根结底,顾客满意可以通过顾客忠诚来影响企业的经营绩效。
就顾客满意和顾客忠诚的关系而言,满意的顾客更有可能成为忠诚的顾客,而忠诚的顾客通常对产品也是满意的。
但是,顾客满意并不等于顾客忠诚,它是顾客忠诚的必要条件,不是充分条件[2,11,12]。
美国贝恩公司的一项调查显示,在感觉满意或很满意的顾客中,有65%-85%会转向购买其他公司的产品。
在汽车行业中,有85%-95%的顾客感到满意,可只有30%-40%的顾客会继续购买同一品牌的产品。
这种高顾客满意度,低顾客忠诚度的现象就是所谓的顾客满意陷阱[2,11,13]。
企业要想跳出这样的顾客满意陷阱,首要的问题是了解顾客。
由于顾客本身的异质性,不同顾客群体满意与否对其忠诚的影响不同,给企业带来的价值也不同。
因此,企业首先应该细分顾客群体,寻找那些真正因为满意而导致忠诚的顾客群体,以便有针对性的制定和实施营销策略。
在目前市场细分模型的研究中,大部分是基于顾客的人口统计特征、地理因素或者对某些品牌的偏好等多个变量进行细分,真正基于两个变量之间关系的细分方法却为数不多。
因此,本研究将采用一种新的聚类回归分析方法(ClusterwiseLinearRegression,CLR),基于顾客满意和顾客忠诚的关系进行顾客群体细分,识别在顾客的购买和消费过程中,哪些顾客群体会因为其对产品的满意而重复购买,对品牌保持忠诚;
哪些顾客群体属于惟利是图的顾客,无论其对产品满意与否,都不会影响其是否重复购买。
2研究问题的提出
有关顾客满意与顾客忠诚关系的研究始于二十世纪早期。
Hoppe和Levin在二十世纪三十年代首先从社会和实验心理学角度验证了满意与自尊、信任以及忠诚的关系。
六十年代,Cardozo从营销的角度对顾客满意进行了实验研究,提出顾客满意会带动重复购买行为[14]。
之后,许多学者对顾客满意和顾客忠诚的相关关系做了大量实证研究,其中的大部分研究结论都表明两者具有正向关系,即顾客越满意就越忠诚[1,2,3,4,5,6]。
随着研究的不断深入,一些研究者发现,顾客满意与顾客忠诚的关系并不完全是线性的。
1992年,Oliva等人对服务行业的顾客满意和顾客忠诚关系进行了验证,验证结果表明,顾客满意和顾客忠诚之间呈S型曲线关系,即顾客满意达到一定程度以后,顾客忠诚会急剧提高[15]。
2001年,我国学者的研究也得出类似结论,即在感知服务质量与顾客满意之间存在着所谓的“质量不敏感区域”,或所谓的顾客满意陷阱;
在质量不敏感区域,尽管顾客满意水平很高,但不一定会继续接受企业的产品或服务,也不一定有向其他人推荐的愿望。
只有顾客满意达到一个临界水平后,顾客才表现出忠诚[2]。
对于不同的行业,以及不同的竞争环境,顾客满意对顾客忠诚的影响也存在很大差异[13,16,17]。
2000年,Miller-Williams市场调查公司进行了一项调查研究,结果表明,不同行业顾客满意和顾客忠诚的关系明显不同,在有些行业中,随着顾客满意的提高,顾客忠诚也会相应提高,而在另一些行业则不然[18]。
这一点在国内外其他的一些比较研究中也获得了验证[19,20]。
在顾客满意与顾客忠诚的相互关系中,最为关键的要素是顾客,因为不同的顾客在相同满意水平下的忠诚度是不一样的。
国外的研究表明,顾客的情感,顾客在购买和消费过程中的参与程度,顾客转换成本,顾客对品牌的信任和认同程度,以及是首次购买顾客还是重复购买都会影响顾客满意和顾客忠诚的关系[21,22]。
此外,顾客的性别、年龄和收入等人口统计特点也会影响顾客满意和顾客忠诚的关系[23]。
综合以上研究,对于不同的顾客群体,顾客满意对顾客忠诚的影响不同,以至存在着顾客满意陷阱。
在接下来的研究中,将针对同一产品类别,基于顾客满意和顾客忠诚的关系进行细分,从而分析不同顾客群体的满意度对忠诚度的影响,由此在经营管理过程中可以针对不同的顾客群体实现差异化营销。
3研究路线与模型
顾客满意和顾客忠诚是相对较为抽象的变量,对于这种抽象变量,通常采用多元的观测变量(measurablevariable)来解释。
因此,在研究过程中,首先需要通过多元观测变量计算顾客满意和顾客忠诚的分值,然后根据顾客忠诚和顾客满意的回归关系进行细分,并对每个细分市场进行描述。
研究路线如图1所示。
第二步
聚类回归
细分市场
第三步
细分市场特征描述
顾客满意
观测变量聚类
不同组群主成分分析
确定样本顾客满意分值
顾客忠诚
确定样本顾客忠诚分值
第一步
图1研究路线
在第一步样本顾客满意和顾客忠诚分值的计算过程中,由于研究目标要求体现不同顾客群体在顾客满意以及顾客忠诚观测变量构成关系上的差异。
因此,本研究首先对顾客满意的观测变量及顾客忠诚的观测变量进行聚类分析,分别根据顾客满意的观测变量和顾客忠诚的观测变量把顾客划分为不同的群体,每个群体在观测变量的构成关系上具有一致性。
然后分别对各个类别做主成分分析,得到每个样本的顾客满意和顾客忠诚的分值。
得到每个样本的顾客满意和顾客忠诚分值以后,则需要根据顾客忠诚和顾客满意的回归关系进行细分。
市场细分的方法很多,常用的方法如聚类分析(ClusterAnalysis)和多维尺度分析(MultidimensionalScaling)等。
这些方法多是根据顾客的人口统计特征、地理因素或者对某些品牌的偏好等多个变量来细分顾客群体。
由于本研究的目标是基于顾客满意与顾客忠诚的相关关系来细分市场,上述方法的适用性受到限制。
因而本研究尝试采用一种新的统计分析方法——聚类回归分析方法。
聚类回归分析方法的模型最早由Spath等人在1979年提出,后来许多学者又对该模型做了进一步的修正[24,25,26]。
与传统模型相比,该模型可以在细分顾客群体的同时,估计每个细分市场对因变量均值和方差的解释程度。
因此,本文就是要利用该模型的这种特点细分顾客群体,并估计每个细分市场顾客满意和顾客忠诚的回归方程。
模型表述如下。
对于每个样本的顾客忠诚yi,均可以由在不同细分市场上顾客满意的函数来估计,如公式
(1)所示。
(1)
其中,k=1…K,表示各个细分市场;
i=1…I,表示各个样本顾客;
j=1…J,表示各个因变量(在本文中是指模型回归的常数项和顾客满意两个变量);
Xij表示样本顾客i在第j个因变量上的分值,各样本常数项的分值为1;
bjk表示第k个细分市场方程j变量的回归系数;
σk2表示第k个细分市场回归方程的残差;
λk表示第k个细分市场占所有样本顾客的比例;
Xi和bk分别表示Xij和bjk向量。
对于所有样本顾客,采用极大似然法估计,即可得到每个细分市场回归方程的系数和残差。
如公式
(2)所示。
(2)
根据贝叶斯原理,可以通过各参数的估计值估计每个样本顾客属于各细分市场的概率,从而估算其属于哪个细分市场。
如公式(3)所示。
(3)
在模型估计过程中,细分市场的数量K是根据具体研究确定的。
究竟应该选择几个细分市场,可以参考BIC准则(BayesianInformationCriterion)。
,BIC的计算如公式(4)所示。
(4)
其中Nk是指模型的自由度。
在极大似然法的估计中,要使联合概率密度L最大,因而在模型估计的时候,往往先设定不同的细分市场个数K,然后计算不同模型的BIC,选择BIC较小的模型来确定各细分市场。
确定各细分市场以后,则可以根据人口统计特征对每个细分市场进行描述。
常用的分析方法有两种,广义对应分析方法(MultivariateCorrespondenceAnalysis)和判别分析方法(DiscriminantAnalysis)。
本研究将采用广义对应分析方法,分析各个细分市场与消费者人口统计特征的关联,以便于企业识别各细分市场。
4应用实例
4.1数据来源
本研究所采用的数据来自于2004年中国顾客满意指数测评所做的调查,该项测评是由清华大学中国企业研究中心完成的。
中国顾客满意指数测评涉及大多数主要的消费产品和服务类别,本研究选取了手机行业的数据,包括TCL、波导、飞利浦、海尔、康佳、科健、摩托罗拉、诺基亚、三星、西门子、厦新等11个品牌。
各品牌在全国50个主要城市完全随机抽取了250个样本,全部调查通过计算机辅助电话访谈系统完成。
每个样本的访谈对象要求年龄在18岁以上,而且要求在近三年内购买并使用过手机。
最后获得的有效样本量为2708个,平均每个品牌的有效样本量为244个。
参考美国顾客满意指数的调查问卷[6],本研究采用“总体满意度”、“与预期比较的满意度”、“与其它品牌比较的满意度”、“与理想情况比较的满意度”四个观测变量来反映顾客的满意程度;
采用“重复购买意向”和“保留价格”两个观测变量来反映顾客的忠诚程度。
各变量采用10级利克特量表,1代表非常不满意,10代表非常满意。
需要解释的是,这里的保留价格指顾客愿意支付或者在转换购买之前愿意支付的最高价格,按10级量表衡量,1表示该品牌价格下降50%以后,顾客下次仍然不愿意购买该品牌的产品;
10表示尽管该品牌产品的价格上升50%,顾客下次购买时仍然会选择该品牌。
分析变量的均值、标准差及二元皮尔逊相关关系如表1所示。
顾客满意各观测变量之间以及顾客忠诚各个观测变量之间具有很强的相关性(p<
0.001)。
表1分析变量的均值、标准差和皮尔逊相关系数
S1
S2
S3
L1
均值
标准差
样本量
总体满意度(S1)
7.59
1.89
2708
与预期比较的满意度(S2)
0.78**
7.00
2.01
与其它品牌比较的满意度(S3)
0.74**
0.72**
7.16
与理想情况比较的满意度(S4)
0.70**
0.83**
7.07
1.86
重复购买意愿(L1)
5.37
2.97
保留价格(L2)
5.05
2.83
注:
*p<
0.01,**p<
0.001(双尾检验)
4.2顾客满意与顾客忠诚的组群分析