保险客户满意度研究.docx
《保险客户满意度研究.docx》由会员分享，可在线阅读，更多相关《保险客户满意度研究.docx（22页珍藏版）》请在冰豆网上搜索。
保险客户满意度研究
保险客户满意度研究
——基于寿险市场的影响因素及客户细分分析
（一）
2015-12-24
摘要：
进入后金融危机时代，我国保险行业快速积累时期掩盖的问题不断暴露，客户不满增加，行业形象欠佳，发展速度放缓。
客户满意度对保险公司和整个行业的发展壮大至关重要。
在充分的理论研究和预调研的基础上，本研究开发了一套适合中国保险业的客户满意度量表，并对一家全国性的人寿保险公司客户进行了电话调查。
利用该数据，运用偏最小二乘通径模型（PLSpathmodel），首次以大规模调查数据实证研究我国寿险客户满意度指数，及其与营销渠道、购买动机和服务接触程度之间的关系。
根据本文的研究结论，对公司的管理决策和保险业的发展改革建言献策。
本文的建模思路、研究方法和管理建议对于其他保险公司或行业亦具有应用价值。
关键词：
客户满意度，保险，偏最小二乘通径模型
一、引言
自改革开放恢复国内保险业务以来，我国保险行业经历了长达二十余年的高速增长，保费规模和保险资金实现了跨越式的增长，服务能力不断增强，行业地位明显提升，在服务社会经济大局中发挥着越来越大的作用。
瑞士再保险公司2012年世界保险业研究报告预测，十年后中国有望成为仅次于美国的世界第二大保险市场。
然而，我国保险行业快速发展的同时，仍旧沿袭了粗放型的发展模式。
进入后金融危机时代，我国保险行业快速积累时期掩盖的深层次问题不断暴露，行业长远健康发展面临严峻考验。
特别表现在，产品轻保障重投资；从业人员素质不高，误导销售屡禁不绝；公司经营片面求大，忽视服务；理赔不畅，损害公众信任，致使行业公共形象欠佳。
2012年，保险监管工作会议上明确提出：
“保险行业发展方式已经到了不转不行、不调不行的阶段”，“要努力‘化危为机’，推动行业成功实现发展方式转变和结构调整”。
保险客户满意度低，成为制约行业发展的一大顽疾。
保险业唯有以诚信、规范的服务为基础，满足客户实际需求，努力实现客户满意度最大化，才是重塑行业形象，谋求发展壮大的治本之策。
遗憾的是，我国目前尚无关于保险客户满意度方面权威的调查和健全的评价指标体系。
为了了解客户对保险公司产品和服务的全面评价，寻求促进保险公司发展和提升行业形象的科学管理策略，本研究在客户讨论会和预调研的基础上，系统地开发出一套适合中国的寿险行业的客户满意度指标体系，综合运用定量分析工具建立起寿险行业满意度指数模型，并首次以大规模的调查数据对我国寿险客户满意度及其影响因素进行实证分析，探讨客户满意度与购买动机、营销渠道和服务接触程度之间的关系。
本研究借鉴国内外经验，直面问题，深入调研，挖掘和思考保险行业发展的深层次矛盾，为我国保险业改革发展建言献策。
《中国家庭金融调查报告2012》显示，我国城镇人口中拥有商业人寿保险的居民仅占7.86%，拥有商业健康保险的居民占5.58%，远低于台湾、日本、韩国，表明我国寿险市场仍处于起步阶段。
善加经营，中国保险业仍具有巨大的发展潜力。
本研究希望通过该模型在保险行业的应用和推广，优化保险客户的消费体验，改善整个行业的形象，增强行业的竞争力，促进保险业的长期、健康、快速发展。
二、文献回顾
现代化、差异化的生产和消费取代传统的大规模同质化生产，已经成为世界经济发展的大势所趋。
伴随这一历史性变革，我们不仅需要传统的以数量为基准的产出测评体系，更迫切需要对个性化产品或服务质量等无形资产价值进行度量和评价（Fornell，etal.，1996）。
消费者满意度指数（ConsumerSatisfactionIndex，CSI），基于消费者的消费经验来衡量产品和服务的质量的测评体系应运而生。
经过近几十年的理论发展和实践探索，消费者满意度不仅成为企业客户关系管理、营销管理的重要工具，而且先后在瑞典、德国、美国、香港等二十多个国家和地区建立了指数体系，成为一项强有力的宏观经济指标，全面提供关于国家经济产出质量的信息（Fornell，刘金兰，2006）。
近年来，在满意度指数理论的框架下，部分学者对我国消费者满意度开展了卓有成效的研究。
王高等（2006）基于全国性的调查，对我国大型连锁综合超市的顾客满意度进行了实证研究。
范秀成和杜建刚（2006）实证研究了服务质量五维度对我国服务业满意度及忠诚度的影响。
蒋廉雄和卢泰宏（2006）将服务品牌形象区分为功能性和非功能性因子，进而检验其对顾客消费行为和满意度的影响。
乔均和蒋昀洁（2007）以商业银行江苏分行为例，探索商业银行个人客户满意度、忠诚度等指标之间逻辑关系。
王毅和赵平（2010）采用中国部分制造业上市公司数据探讨顾客满意度对企业绩效的影响，研究发现顾客满意度对企业股东价值的形成具有显著的正向作用。
其中，对于服务业特别是金融服务业的研究与本研究关系更为密切。
然而，保险客户满意度具有其独特的性质：
首先，和其他服务行业一样，保险服务具有无形性、差异性、生产消费同时性、不可分割以及不易存储性，因此与对其他商品质量评价相比，顾客对保险服务质量的感知和评价较为复杂和困难；此外，保险合同具有射幸性，即保险公司是否履行给付或赔偿责任，依赖于保险事故是否发生。
因此，保险期间可能不发生任何赔付，甚至可能当赔付发生时，保户已经遭遇事故无法对服务的满意度进行评价。
综上，保险客户满意度既有别于普通有形商品的消费者满意度测评，也有别于其他无形服务的顾客满意度。
遗憾的是，目前仍缺乏以大规模调查数据为基础，对我国寿险客户满意度指数及其影响因素进行的实证研究。
刘超和王婧（2005）仅从理论上简要介绍了客户满意度分析在保险公司的应用，并没有收集数据开展实证分析。
蒋丽君（2008）为了研究寿险客户满意度，在杭州各保险公司营业部门现场选择顾客进行问卷调查，但其在计算满意度指数和影响因素重要性时采用了专家意见、消费者自评等主观赋权的方法。
余勍（2011）选取长沙某保险公司作为调查对象，从企业信誉、险种、产品、代理人和内勤人员服务以及抱怨处理等方面，对其客户满意度进行了测评。
但其采用了层次分析法确定指标权重，难以和常用的基于结构方程模型对的满意度测评结果进行比较。
此外，非寿险市场上，乔均和褚庆鑫（2010）利用实地问卷调查收集的数据，运用多元回归和t检验等方法研究了个人车险业务感知服务质量对顾客满意度的影响。
国外关于寿险行业的满意度的一系列研究，为我们的研究提供了有益的借鉴。
金融服务业，包括银行、基金、保险等，其特殊性在于既提供无形的金融产品，又提供相关的金融服务，因此介于产品制造业和纯服务业之间。
Krishnaneta1.（1999）关于金融服务业消费者满意度驱动因素的研究，发表在国际公认的管理学顶级期刊《管理科学》上，他们利用一家大型金融服务企业数据，发现金融产品是影响消费者总体满意度的首要因素，服务质量亦是重要因素。
KuhlemeyerandAllen（1999）通过邮件发放和回收问卷，调查了个人寿险消费者满意度的影响因素，他们发现值得信赖、代理人胜任和产品适合是消费者满意不可或缺的因素。
TsoukatosandRand（2006）开发了适用于希腊保险行业的服务质量量表，侧重分析影响希腊保险消费者从服务质量到满意度，再到忠诚度之间的传导路径。
Khurana（2013）基于SERVQUAL量表，从可靠性、响应性、安全性、移情性和有形性五个维度研究服务质量对印度寿险消费者满意度的影响。
SiddiquiandSharma（2010）将服务质量的维度进一步扩展，用于研究印度寿险客户满意度和服务质量之间的关系。
这些国际经验为我国寿险市场满意度研究提供了借鉴，但由于经济水平、市场发育、制度环境、政治文化等多方面的差异，国外的寿险满意度模型并不完全适合刻画我国的寿险市场，我们需要为中国寿险行业“定制”客户满意度模型。
三、研究设计
“量身定制”保险顾客满意度模型的过程，经历了缺一不可的三个环节：
指标体系开发；预调研和模型开发；正式调查和实证分析。
（一）指标体系开发
根据不同的研究目的和研究对象，我们可以将顾客满意度模型划分为总体模型和个体模型。
权威的美国顾客满意度（ACSI）和欧洲顾客满意度（ECSI）模型是最具代表性的总体顾客满意度模型，为了具备不同企业、行业和部门之间顾客评价的统一性和可比性，总体模型必须简化掉企业、行业的具体特征，仅保留共性的抽象的因素，如ACSI的三个决定性因素分别是感知质量、感知价值和顾客期望。
当我们对某一特定的行业或企业建立顾客满意度模型，并企图有针对性地研究该行业消费者消费经验与评价的特性时，我们需要根据该行业特点“量身定制”个体顾客满意度模型，也就是需要将总体模型中那些共性的抽象的因素具体化。
简而言之，总体模型能为政府等部门提供宏观的理解和监控，但由于其指标过于抽象，难以向企业或行业提供具有可操作性的指导意见。
因此，本研究选用个体模型。
系统地开发一套适合中国寿险行业的客户满意度指标体系成为首要工作。
为了识别影响我国保险客户满意度的因素，我们采用了“消费者视角”的方法，即由客户自己提供影响其消费满意度的各个因素。
我们在多个城市约见客户，就客户投保前和保险期间各个环节的体验，展开深度访谈和交流；并与业内和学界专家进行多轮的专题讨论。
在现有研究的保险客户满意度指标基础上，结合客户交流和专家意见所挖掘出的内容，初步遴选出96个测量指标，其中包括影响满意度的产品、服务、销售人员和品牌四大类指标以及满意度、抱怨和忠诚度的测量指标，用于后续模型的开发调试。
（二）预调研和模型开发
针对主观评价指标，我们采用了常见的李克特10点量尺①，即用1～10个数字代表顾客的观点或意见，这些数值具有方向性，数值越高表示越满意或越赞同。
预研收集了250个某寿险公司（下文简称A公司）客户样本，对第一阶段定性研究挖掘出的指标进行因子提取。
通过相关分析和因子分析，综合考虑因子载荷和因子的实际意义，最终确定了产品、销售人员、客户服务、品牌形象这四大类16个影响因子，作为影响保险顾客满意度的重要因素。
这四大类因素难以直接度量（潜变量），分别由数个可直接观测的测量指标与之对应起来。
例如，对“品牌形象”的评价这一潜变量，对应着四个测量指标：
公司有实力；公司安全、有保障；品牌知名度高、名气响；公司口碑好、认可度高。
此外，满意度有3个测量指标，总体满意度，与预期相比和与完美相比的满意度；忠诚度有2个测量指标，继续购买和推荐的可能性；客户抱怨有1个测量指标，1表示抱怨的事情非常多，10表示没有任何抱怨。
正式调查的大样本数据进一步验证了这些因子的有效性，详见表1。
借鉴现有的保险客户满意度研究文献，结合我国保险行业的特点，从消费者角度出发，以质量→满意度→忠诚度为理论框架建立模型。
如前所述，在个体模型中，我们将质量具体表现在保险产品、销售人员、客户服务、品牌形象这四大类影响保险满意度因素中。
初步设定，寿险客户满意度模型采用结构方程模型，如图1所示。
保险公司的客户对质量的感知直接影响客户满意度，客户满意度又直接影响客户抱怨和客户忠诚度。
此外，品牌形象因素和客户抱怨也会直接影响客户忠诚度。
图1 寿险客户满意度结构模型
（三）正式调查
客户满意度模型，是用消费者的消费经验来衡量产品和服务的质量。
因此，正式调查的对象是A保险公司的所有客户②，既包括当前的客户，也包括曾经的客户③。
为了确保信息的准确性，我们以年龄在18～60岁之间，主要做出保险购买决策的家庭成员作为受访者。
A公司是一家全国性的大型寿险公司，近三年来市场份额始终位列前十，为保证样本具有全国代表性，我们将所有A公司开展业务的地区划分为六大区域，每个区域中选取2～3家有代表性的分公司或支公司的客户入样，样本分布在全国13个省、市、自治区。
本研究重点关注保险客户体验，展业和营销渠道是绝大多数保险客户与公司接触的第一个环节。
目前个人代理、银行保险以及电话、电商等多元渠道构成了A保险公司的三大类营销渠道，但不同地区的营销渠道又各有侧重。
有鉴于此，我们采取分层抽样，根据各地不同的营销渠道对保费规模的贡献大小来分配样本，使得样本在不同区域、不同营销渠道间具有代表性，较好地反映A公司整体的客户来源情况。
受访对象从公司的客户信息数据库中随机抽取产生。
2013年11月～12月，经过为期一个多月的调查，共拨打15278名客户电话，剔除未应答、拒访以及未完成的问卷，最终获得1894份有效问卷，受访率为12.4%，高于一般电话调查的受访率。
由于访员经验丰富，且接受了专业培训，加之电话访问现场有专人督导和监控，问卷整体质量较好。
受访者中有男士904人，女士990人，性别比例合理；样本中88%的受访者年龄在25岁至60岁之间。
A公司的保险产品、销售、服务以及品牌等方面的情况能够较好地反映中国寿险行业的特征，是我国保险市场的缩影，用它作为一个代表来解释我国寿险市场消费者满意度及其影响因素之间的关系，具有典型性和推广意义。
因此，本文研究思路和方法也适用于国内其他寿险或者产险公司。
四、实证分析与结果
本文使用R语言用于描述性、探索性数据分析以及验证性模型的编程和计算。
（一）信度分析
我们用Cronbach's来检验同一维度的测量指标是否测量同一特质，一般认为α＞0.7时该组测量指标是单向的。
表1给出了四大类影响满意度因素的信度系数，其中最小的信度系数为0.869，远超0.7的判别标准，表明观测变量比较一致地反映了潜变量。
表1 信度分析
潜变量（相应的测量变量）
测量指标数目
Cronbach's
产品（适合客户的需求；保障高收益好；物有所值）
3
0.881
销售人员（根据客户需求设计产品；实事求是介绍产品；产品介绍简单易懂，清晰明了；产品利益演示清楚直观；及时帮助客户解决问题）
5
0.883
服务（多样化、方便的服务接触渠道；服务人员态度好，耐心亲切；服务人员善于交流；服务人员具备专业知识和能力；快速及时处理客户问题）
5
0.869
品牌（有实力，安全放心；品牌知名度；品牌口碑与认可度）
3
0.915
（二）探索性因子分析
为了探索我国寿险顾客满意度形成的潜在维度，我们进行了探索性的因子分析。
我们首先通过Bartlett's球形检验和KMO检验考察因子分析对于该样本数据的适用性，Bartlett's球形检验在1%的显著性水平下拒绝了原假设，KMO统计量高达0.940，检验结果表明数据适合因子分析。
选取四个因子，采用方差最大化正交旋转后，因子分析结果如表2所示。
因子载荷估计经过正交旋转后得到更有意义的公共因子，在因子1上，测量指标B1～B5都有很大的正载荷，该因子可称为销售人员因子，同理，因子2、3、4分别对应着品牌、服务以及产品因子。
探索性因子分析的结果帮助我们进一步确定了满意度模型中潜变量的结构及其测量指标的对应关系。
表2 因子分析
测量指标
因子1（销售人员）
因子2（品牌）
因子3（服务）
因子4（产品）
A1
产品适合客户的需求
0.386
0.416
0.222
0.509
A2
产品的保障与收益
0.340
0.393
0.172
0.644
A3
产品是物有所值的
0.358
0.400
0.192
0.647
B1
销售人员根据客户需求设计产品组合
0.689
0.268
0.212
0.309
B2
销售人员实事求是、客观真实地讲产品
0.788
0.258
0.198
0.217
B3
销售人员产品介绍简单易懂，清晰明了
0.748
0.250
0.248
0.184
B4
销售人员产品利益演示清楚
0.514
0.273
0.220
0.225
B5
销售人员及时帮助客户解决问题
0.519
0.237
0.334
0.161
C1
多样化、方便的服务接触渠道
0.198
0.323
0.484
0.157
C2
服务人员态度好，耐心亲切
0.173
0.228
0.728
0.140
C3
服务人员善于交流
0.227
0.200
0.766
0.143
C4
服务人员具备专业知识和能力
0.257
0.246
0.682
0.148
C5
服务人员快速及时处理问题
0.218
0.227
0.647
0.113
D1
公司有实力、安全、让人放心
0.251
0.750
0.251
0.214
D2
品牌知名度
0.206
0.795
0.188
0.194
D3
品牌口碑与认可度
0.284
0.774
0.253
0.257
（三）偏最小二乘通径模型
为了进一步验证我们构造的我国寿险顾客满意度模型，借鉴权威的ACSI模型，我们采用偏最小二乘方法的通径模型进行估计。
1.测量模型的载荷、权重及交叉载荷
我们在模型估计时，对所有测量指标进行了0～1标准化处理。
因此，测量模型的载荷即为测量指标与其对应的潜变量之间的相关系数。
如表3第1列所示，该模型各测量指标的因子载荷均大于0.7。
除测量指标与其对应的潜变量的载荷之外，我们也要检验交叉载荷，及测量指标与其他潜变量之间的相关系数，以确保测量指标的载荷在自身所属的潜变量模块中是最大的。
否则的话，我们将怀疑该测量指标是否更适合在其他潜变量的模块中。
如表3第2～8列所示，测量指标在其所属的潜变量模块的载荷，均高于在其他的潜变量模块的载荷，表明测量指标的选择是合适的。
表3 因子载荷及交叉因子载荷
因子载荷
交叉因子载荷
（产品）
（销售）
（服务）
（品牌）
（满意度）
（抱怨）
（忠诚度）
A1
0.873
0.873
0.637
0.501
0.631
0.680
0.492
0.675
A2
0.908
0.908
0.613
0.462
0.616
0.678
0.439
0.634
A3
0.915
0.915
0.637
0.485
0.635
0.689
0.462
0.627
B1
0.864
0.656
0.864
0.488
0.536
0.605
0.470
0.578
B2
0.896
0.618
0.896
0.484
0.531
0.592
0.490
0.554
B3
0.875
0.587
0.875
0.510
0.516
0.567
0.450
0.509
B4
0.737
0.527
0.737
0.438
0.476
0.489
0.329
0.433
B5
0.751
0.494
0.751
0.516
0.460
0.533
0.457
0.511
C1
0.715
0.437
0.441
0.715
0.480
0.439
0.310
0.403
C2
0.840
0.424
0.454
0.840
0.457
0.447
0.348
0.422
C3
0.865
0.444
0.504
0.865
0.456
0.462
0.377
0.448
C4
0.833
0.462
0.519
0.833
0.489
0.477
0.347
0.446
C5
0.798
0.410
0.466
0.798
0.439
0.455
0.419
0.423
D1
0.918
0.636
0.562
0.539
0.918
0.621
0.428
0.595
D2
0.918
0.606
0.515
0.483
0.918
0.569
0.345
0.561
D3
0.938
0.689
0.609
0.561
0.938
0.668
0.461
0.633
2.结构模型检验
由表4可以看出，所有潜变量的AVE（平均方差提取）值均在0.5以上，表明其对应的测量指标可以较好地解释潜变量的变异。
和多元回归类似，内生潜变量拟合优度是其他潜变量对其解释程度，顾客满意度、抱怨和忠诚度的拟合优度分别为0.501，0.346和0.476，可见内生潜变量均得到了较好的解释。
总体拟合优度涵盖了测量模型和结构模型的整体表现，该模型的总体拟合优度达到0.62，一般认为R2＞0.6，模型解释能力较高。
表4最后一列给出了潜变量的得分。
依研究惯例，潜变量得分使用百分制，这种分制转化出于解释的便利，并不影响变量间关系。
表4 内部模型估计
潜变量
AVE
R2
得分
产品
0.808
0
66.5
销售人员
0.684
0
72.5
服务
0.658
0
79.6
品牌
0.855
0
76.3
抱怨
1
0.346
79.2
忠诚度
0.856
0.476
66.6
满意度
0.774
0.501
69.1
首先，从总体来看，我们感兴趣的是A公司客户满意度指数。
由于我国目前尚无此类调查数据和实证研究结果，因此我们无法和国内保险客户的满意度指数进行比较分析。
虽然中美寿险市场存在诸多差异，美国的寿险客户满意度指数已经跟踪调查多年，不妨作为同行业的参照系加以比较。
从图2可以看出，美国自从1994年建立消费者满意度指数（ACSI）以来，寿险行业的满意度指数平均得分为78分，A公司满意度指数比美国寿险行业指数平均值低9分，这表明与发达国家保险市场相比，我国保险客户满意度仍存在较大差距，有待提升。
另一方面，对于我国的保险客户满意度指数也无需妄自菲薄，即便是发达的保险市场上，知名公司的满意度指数也曾跌至68分。
因此更重要的不是计算一个数字，而是通过建立保险客户满意度评价体系，认清行业当前存在的问题，优化保险客户的消费体验，增强行业的竞争力。
图2 美国人寿保险行业消费者满意指数
数据来源：
美国消费者满意度指数人寿保险行业指数。
④
其次，从各个影响因素来看，A公司在服务方面获得客户最高的评价，在品牌方面也具有一定优势，但在产品方面存在着明显不足。
产品已经成为公司发展的“短木板”，产品开发和优化应当成为其重要发展战略。
否则，在产品无法吸引客户的情况下，仅仅依靠销售人员的努力、服务上的提升和品牌的建设等策略，其效果发挥将受到掣肘。
3.通径系数
我们采用Bootstrap方法（N=1000）得到通径系数的显著性检验。
如表5所示，模型通径系数均在1%的水平下高度显著。
保险产品对A保险公司客户满意度起着决定性的影响作用，其次是销售人员和品牌形象，最后是客户服务。
表5 模型通径系数
模型通径
系数
标准差
t值
产品-＞满意度
0.434***
0.029
15.136
销售人员-＞满意度
0.194***
0.028
6.950
客户服务-＞满意度
0.106***
0.022
4.882
品牌-＞满意度
0.190***
0.027
6.916
品牌-＞忠诚度
0.314***
0.025
12.798
满意度-＞抱怨
0.588***
0.019
30.893
满意度-＞忠诚度
0.396***
0.027
14.874
抱怨-＞忠诚度
0.149***
0.023
6.321
保险产品作为影响保险客户满意度的首要因素，表明保险客户对于产品本身的关注度最高。
客户在选择保险时最重视的是保险产品是否符合自身的需求，保险产品是否具有良好的保障和收益，以及保险产品是否物有所值。
在调查中问及选择保险时首要考虑的因素时，63%的受访者认为是保险产品，21%选择了售后服务，18%选择品牌，8%选择销售。
可
升级会员 