上篇提到为了提到缩短客户满意度调查，继续为您叙述5个步骤来缩短客户满意度调查。

第 3 步：消除影响可忽略不计的问题。

接下来，考虑不同的驱动因素问题对整体客户满意度或忠诚度的影响程度。在回归分析中，这是用 beta 系数来衡量的。使用此信息，将查看潜在的冗余问题对，并删除对整体客户体验影响较小的问题。

例如，假设酒店的“干净的浴室”驱动程序的 Beta 系数为 0.1。客户的“清洁浴室”得分每增加 1 分，平均总体满意度得分就会增加 0.1 分。但是，如果司机与“整体套房清洁度”高度相关，其β系数较高，为0.3，那么“干净的浴室”的问题很可能以减少冗余的名义被消除。

第 4 步：可指导性和可操作性因素

在做出要削减哪些问题的艰难决定时，另一个考虑因素是可指导性。在假设的呼叫中心调查中考虑两个相关的驱动因素：“座席竭尽全力提供优质服务”和“座席是一位乐于助人的服务代表”。前者的 beta 系数可能为 0.25——高于后者的 0.2。但是，如果公司认为指导座席“有帮助”比“不让他们做事”更容易，那么它最终可能会站在影响较小的司机一边。

第 5 步：重复前面的步骤——并检查你的工作

如果调查中的驱动程序问题仍然超出预期，请重复步骤二和三。重新运行这些分析可以确定其他驱动因素，其结果不能相信，或者对整体客户体验的影响可以忽略不计。一种方法是继续重复这些步骤，直到所有剩余的驱动因素都具有较低的 p 值。

完成此过程后，最后的检查可以确保剩余的驱动程序问题仍然包含客户体验的所有重要方面。使用来自剩余问题的预先存在的数据，弄清楚：如果问这些问题，是否仍然会捕捉到驱动客户满意度的大部分因素？从统计上讲，这种拟合由 R^2 捕获，它在回归模型中模型解释了多少响应变量变化。例如，R^2 为 0.85 表示模型解释了整体指标 85% 的可变性。

理想情况下，缩短驱动程序列表不应过多地降低 R^2，因为此练习的目标是仅保留最重要的驱动程序（具有影响力和解释力的驱动程序）。如果 R^2 值显着下降，可以通过添加一两个问题来解决此问题。

通过遵循这五个步骤，确定优先考虑哪些驱动因素问题，将其作为对整体客户体验指标的最重要和最全面的影响。结果是在完成调查时获得更好的客户体验，以及更高的响应率和更高的客户响应准确度。

上一篇

下一篇