Analiza satysfakcji i lojalności klientówz zastosowaniem

Modelu Równań Strukturalnych

Roman Konarski Michał Skrzywanek PBS PTK Centertel

IV Ogólnopolski Kongres Badaczy Rynku i Opinii

strona 2

Satysfakcja i lojalność klientów

Zadowolenie z OBSZARÓW i wpływ na LOJALNOŚĆ

Analiza regresji

Model równań strukturalnych (SEM)

Zastosowania SEM w branży telekomunikacyjnej

Oprogramowanie do SEM

Plan prezentacji

strona 3

Satysfakcja i lojalność

Lojalni klienci kosztują mniej, konsumują więcej, oraz polecają

usługi/produkty innym potencjalnym klientom

Krytyczne jest utrzymywanie stałej bazy lojalnych klientów raczej niż

kosztowne zdobywanie nowych klientów

Satysfakcja jest jednym z najważniejszych prekursorów lojalności

Analiza lojalności jest szczególnie ważna dla przedsiębiorstw

telekomunikacyjnych

Proces satysfakcji i lojalności może być sformułowany w postaci modelu

teoretycznego, który może być poddany empirycznej weryfikacji

strona 4

ZA

DO

WO

LE

NIE

Z O

BS

ZA

RU

WPŁYW NA LOJALNOŚĆ

OBSZAR 1

OBSZAR 2

OBSZAR 3

OBSZAR 4

OBSZAR 5

ZADOWOLENIE Z OBSZARÓW A ICH WPŁYW NA LOJALNOŚĆ KLIENTA

TO KAŻDY Z NAS WIE JAK ZMIERZYĆ

ALE JAK DOWIEDZIEĆ SIĘ TEGO?

strona 5

ZADOWOLENIE Z OBSZARÓW A ICH WPŁYW NA LOJALNOŚĆ KLIENTA

WPŁYW NA LOJALNOŚĆ

ALE JAK DOWIEDZIEĆ SIĘ TEGO?

KORELACJA

Przecenia wpływ niektórych czynników(wynikający z ich współzmienności)

PYTANIE BEZPOŚREDNIE

Przecenia wiedzę klientów o czynnikach, które powodują ich zadowolenie (bądź niezadowolenie)

MODELOWANIESTRUKTURALNE

strona 6

Model predykcyjny

Pozwala na oszacowanie wpływu ZADOWOLENIA z poszczególnych obszarów na LOJALNOŚĆ

Najszerzej stosowanym modelem predykcyjnym jest model regresji

Model regresji pozwala na oszacowanie „wpływu” zmiennych wyjaśniających na zmienną wyjaśnianą

strona 7

Regresja wielokrotna

X2 Y

X1

Y = 1X1 + 2X2 + 3X3 +

X3

Co otrzymujemy z AR:

Wpływy () obszarów (X) na lojalność (Y)

Procent wariancji (R2) w lojalności

tłumaczony przez zadowolenie z obszarów

Wartości przewidywane (Y`) dla lojalności na

różnych poziomach zadowolenia z obszarów

1

2

3

strona 8

Ograniczenia analizy regresji

Może istnieć zależność strukturalna pomiędzy zmiennymi wyjaśniającymi (zadowolenie z obszarów)

Zmienna wyjaśniana (LOJALNOŚĆ) i zmienne wyjaśniające (zadowolenie z OBSZARÓW ) są zbyt ogólne aby mieć praktyczne znaczenie dla OPERATORA

Zmienna wyjaśniana (LOJALNOŚĆ) i zmienne wyjaśniające (OBSZARY) są obciążone błędem pomiarowym (rtt < 1) co narusza fundamentalne założenie AR odnośnie braku błędu pomiarowego

Konsekwencją błędu pomiarowego są obciążone (nieprawidłowe) szacunki wpływu () poszczególnych OBSZARÓW i zaniżone R2

strona 9

Model równań strukturalnych (SEM)

Model równań strukturalnych (structural equation model, SEM) przezwycięża

ograniczenia regresji

SEM jest ogólnym modelem statystycznym integrującym dwie tradycje:

modele ekonometryczne (modele strukturalne) i modele psychometryczne

(modele pomiarowe)

Fundamentalną hipotezą SEM jest to, że macierz kowariancji zmiennych

losowych jest funkcją parametrów modelu:

= (), gdzie jest macierzą kowariancji zmiennych losowych, jest wektorem

parametrów modelu, i () jest macierzą kowariancji wyrażoną jako funkcja

parametryczna wektora

strona 10

Modele strukturalne (wielorównaniowe)

X2 Y

X1

x3 = 1x1 + 2x2 + 1

y = 3x2 + 1x3+ 2

X3

X2 Y

X1 X3

x3 = 1x1 + 2x2 + 2y+ 1

y = 3x2 + 1x3+ 2

Model Rekursywny Model Nierekursywny

11

3

2

1

2

1

2

21

3

2

1

zmienne zmienne

egzogeniczne endogeniczne

zmienne zmienne

egzogeniczne endogeniczne

strona 11

Model pomiarowy (CFA)

x1 = 111 + 1

x2 = 211 + 2

x3 = 311 + 3

czynniki wspólne

x4 = 422 + 4

x5 = 522 + 5

x6 = 622 + 6

ładunki czynnikowe

zmienne obserwowalne

błąd pomiarowy

X1 X2 X3 X6X5X4

1 2

1 2 3 654

11 21 31 42 52 62

strona 12

Ogólny model strukturalny (SEM)

model model model

pomiarowy strukturalny pomiarowy

X1

X2

X3

Y1

Y2

Y3

Y4

Y5

Y6

1

2

3 4

5

6

1

1

2

1

2

3

1

2

2

1

strona 13

Wartość dodana SEM

Pozwala na modelowanie zależności strukturalnej pomiędzy zmiennymi wyjaśniającymi (OBSZARAMI)

Pozwala na jednoczesne szacowanie parametrów modelu pomiarowego i strukturalnego

Pozwala na szacowanie „prawdziwego” (pozbawionego błędu pomiarowego) wpływu SATYSFAKCJI i OBSZARÓW na LOJALNOŚĆ

Pozwala na szacowanie wpływu bezpośredniego oraz wpływu pośredniego danego OBSZARU na LOJALNOŚĆ

strona 14

Charakterystyka badania

Badanie przeprowadziła Pracownia Badań Społecznych na zlecenie PTK Centertel operatora sieci Idea

Przebadano 3000 respondentów metodą wywiadów telefonicznych (CATI)

Badano poziom LOJALNOŚCI i SATYSFAKCJI, oraz ZADOWOLENIA z ośmiu OBSZARÓW usługi świadczonej przez OPERATORA

CEL BADANIA: określenie relatywnej wagi ZADOWOLENIA z poszczególnych OBSZARÓW na SATYSFAKCJĘ i LOJALNOŚĆ abonentów OPERATORA

strona 15

Lojalność i Satysfakcja Ogólna

Lojalność - „LOJ1?”

- „LOJ2?”

- „LOJ3?”

Satysfakcja Ogólna - „SAT1?”

- „SAT2?”

- „SAT3?”

strona 16

Zadowolenie z Obszarów Usługi

Obszar 1 - „Obsz1 pozycja 1?”

- „Obsz1 pozycja 2?” - „Obsz1 pozycja 3?”

Obszar 2 - „Obsz2 pozycja 1?”

- „Obsz2 pozycja 2?” - „Obsz2 pozycja 3?”

Obszar 8 - „Obsz8 pozycja 1?”

- „Obsz8 pozycja 2?” - „Obsz8 pozycja 3?”

strona 17

Model regresji satysfakcji i lojalności

SATYSFAKCJA

LOJALNOŚĆ

OBSZAR

1 2LOJ OBSZAR SAT

Może istnieć zależność

strukturalna pomiędzy

OBSZAREM i SATYSFAKCJĄ

1

2

strona 18

Model strukturalny satysfakcji i lojalności

SATYSFAKCJA

LOJALNOŚĆ

OBSZAR

Wpływy OBSZARU i SATYSFAKCJI

na LJALNOŚĆ:

bezpośredni

pośredni

ogólny

2LOJ OBSZAR SAT

1SAT OBSZAR

Koncepty OBSZARU i SATYSFAKCJI

są zbyt ogólne

2

1

1

2

Obecność błędu pomiarowego

strona 19

Model strukturalny satysfakcji i lojalności

SATYSFAKCJA

LOJALNOŚĆ

OBSZAR 1

OBSZAR 2

OBSZAR 3

OBSZAR 4

Obecność błędu pomiarowego:

Koncepty LOJALNOŚCI,

SATYSFAKCJI i OBSZARÓW

są zbyt ogólne

obciążone szacunki wpływów ( i )

zaniżone R2

1

2

3

1

1

1

2

strona 20

SEM procesu satysfakcji i lojalności

OB11

OB21

OB32

OB42

OB53

OB74

OB84

OBSZAR 2

OBSZAR 3

OBSZAR 4

SATYSFAK

LOJALNOŚĆ

OB63

Sat1

Sat2

Loj1

Loj2

OBSZAR 1

model model model

pomiarowy strukturalny pomiarowy

1 1

2

3

4

1

3

4

5

6

2

7

8

2

3

4

5

2

1

Specyfika

Nieobciążone:

i

R2

strona 21

Szacunki wpływów

OBSZAR 3

OBSZAR 4

OBSZAR 5

SATYSFAK

LOJALNOŚĆ

OBSZR 2

ZASIĘG.03

.06

.24

.16

.11

.??

Efekty Ogólne

Zasięg Obszar 2 Obszar 3 Obszar 4 Obszar 5

Satysfakcja .03 .06 .24 - - - -

Lojalność .01 .19 .38 .16 .11

Efekt Ogólny = efekt bezpośredni + efekt pośredni

.11

strona 22

ZA

DO

WO

LE

NIE

Z O

BS

ZA

RU

WPŁYW NA LOJALNOŚĆ

OBSZAR 1

OBSZAR 2

OBSZAR 3

OBSZAR 4

OBSZAR 5

WYSOKIE

NISKIE

MAPA PERCEPCYJNAZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ

NISKI WYSOKI

strona 23

Oprogramowanie do SEM

LISREL/PRELIS/SIMPLIS pierwszy komercyjny program do SEM najbardziej elastyczny

AMOS relatywnie łatwy w użyciu

SAS: PROC CALIS/PROC SYSLIN część dużego i elastycznego oprogramowania

statystycznego

MPLUS wyspecjalizowany do analizy danych dyskretnych

strona 24

Serdecznie dziękujemy za

Państwa uwagę