李伟龙,高齐圣
(青岛大学 经济学院,山东 青岛 266071)
随着我国金融业开放程度的不断加深,外国银行纷纷进驻中国市场,对我国商业银行构成巨大威胁。如果我国商业银行不主动采取应对措施,势必会造成大批客户流失,从而导致银行利润下降,影响银行的长远发展。因此,我国商业银行应该转变经营理念,积极为客户提供高质量的服务,努力满足客户的个性化需求,在不断开发新客户的同时,尽量挽留住老客户,实施高效的客户关系管理战略,从而赢得客户对银行的满意和忠诚,提高商业银行的核心竞争力。
客户忠诚已经成为国际、国内商业银行关注的焦点,国内外已有大量的学者对客户忠诚的定义、分析方法以及测量模型进行了深入研究。本文旨在从态度和行为两个维度研究我国商业银行客户忠诚度。由于研究客户忠诚度涉及诸多因素,因此多元统计技术中的相关模型被广泛应用到此类研究中。相关模型是一种多维度简化技术,可以消除多个因素之间的多重共线性,其中最为常用的是因子分析和主成分分析[1]。通过调查分析,我们得到了影响客户忠诚度的若干因素,然后通过因子分析提取少数公共因子,以商业银行客户态度忠诚和行为忠诚为因变量,建立联立方程模型,分析影响商业银行客户忠诚度的各个因素间的真实关系,旨在为商业银行管理者制定科学的客户关系管理策略及提高客户忠诚度方面提供科学合理的依据。
对于客户忠诚的研究,学术界主要有客户态度忠诚论、客户行为忠诚论以及客户忠诚综合论三种理论观点。随着研究的不断深入,如今学者更偏向于客户忠诚综合论。Richard Oliver(1999)综合前人观点,认为客户忠诚是客户对自己偏爱的产品有着强烈的购买意愿,并且不受环境变化的影响始终坚持购买所钟爱产品的行为[2]。陆娟(2005)认为,顾客忠诚应该是行为忠诚和态度忠诚的综合反映,不仅要表现为高频率的重复购买行为,而且还要有对偏爱产品积极态度取向的态度忠诚[3]。邹鹏等(2008)以钱包份额作为测量客户行为忠诚的指标,从态度和行为两个维度测量了内地信用卡客户忠诚度,结果显示基于两个维度的客户忠诚度模型拟合要优于单一维度的客户忠诚度模型[4]。李惠璠等(2012)通过建立顾客忠诚的结构方程模型得出,态度忠诚和行为忠诚之间显著正相关,并且指出顾客态度忠诚是行为忠诚的直接影响因素[5]。这些研究成果都显示客户忠诚度应当分别从态度忠诚和行为忠诚两个方面进行研究,这样更有助于商业银行区分客户行为的差异性,有针对性地进行客户关系管理。
因子分析主要是利用降维的思想,在损失很少信息的前提下,由研究原始变量之间依赖关系出发,把一些具有错综复杂关系的变量归结为几个不相关综合因子的多元统计方法,被广泛应用于经济学、心理学等多个领域。本文在研究商业银行客户忠诚度时,找出了若干影响因素,由于各因素之间本质上的联系,它们之间在很大程度上可能存在较强的相关关系,即多重共线性问题。在这种情况下,如果直接利用普通最小二乘法(OLS)对模型中的参数进行估计,可能会使参数估计值偏离真值,从而导致模型无效。因子分析常被用来解决多重共线性问题,是一种多变量简化技术,可以在损失信息极少的情况下提取出少数关键因子,从而合理避开变量间的多重共线性问题。其实,这些关键变量是客观存在的,但却无法通过观测直接得到,往往通过一些可以直接测量的变量来间接反映这些潜在变量。通过因子分析,就可将这些变量间的潜在结构推导出来。如式(1)所示:
式(1)即为直接观测变量与所提取潜在变量之间的结构关系方程。其中,X是直接观测变量构成的向量,ξ是提取出的潜在变量构成的向量(潜在变量个数的确定一般以公共因子累积方差贡献率达80%为准则),Λx是X与ξ之间的关系矩阵,实质是因子分析中X在ξ上的因子载荷矩阵,δ是X的观测误差。
为了保证X与δ的独立性,式(1)还需要满足E(X|ξ)=ΛXξ,根据式(1)可推导出:
式(2)同时也需要满足 E(ξ|X)=ΛξX。其中,Λξ是ξ与X之间的多元回归系数矩阵,实质是Λx的逆矩阵,是因子分析中的因子得分矩阵,ε是回归残差,反映了ξ未被解释的部分,且ξ与ε不相关。采用统计软件SPSS18.0进行分析,就可得出Λx、Λξ,从而可以用直接观测变量把潜在变量表示出来。
1.模型的建立
本文研究以商业银行客户态度忠诚度和行为忠诚度为因变量,通过查阅文献获悉,态度忠诚与行为忠诚之间有一定的相关关系。陆娟、邹鹏、李惠璠等人都通过深入研究认为态度忠诚和行为忠诚之间是正相关关系[3]-[5],态度忠诚是行为忠诚的必要条件。因此,仅仅通过构建单一的方程并不能准确表达出所有自变量与因变量之间的关系,因为态度忠诚既要作为方程中的因变量,又要在行为忠诚方程中充当自变量。所以,这里需要构建一个联立方程模型,这样才能把整个实际关系准确地描述出来[6]。
假设客户态度忠诚度为η1,行为忠诚度为η2,其影响因素为提取出的各个潜在变量,分别记为ξ1,ξ2,…,ξn,并且 η2还受到 η1的影响。建立联立方程模型得:
其中,β1i,β2i(1<i<n)表示ξ1,ξ2,…,ξn对η1,η2的影响大小,ε1,ε2表示随机干扰项。
2.模型参数估计
在实际的计量经济学联立方程模型中,恰好识别的方程很少出现,一般情况下方程都是过度识别的,这种情况下,方程不能用普通最小二乘法进行参数估计,而二阶段最小二乘法是解决这种问题的最普遍方法,它不仅可以对恰好识别方程进行估计,而且还可以对过度识别方程进行估计。在已建立的模型中,η1作为解释变量出现在η2的方程中,导致η1可能与随机干扰项ε1相关。在同一个模型中,随机干扰项 ε1,ε2也可能相关。因此,η1可能与 ε2相关,如果直接用普通最小二乘法可能会导致参数的有偏估计量。在实际估计中,我们往往首先用最小二乘法估计 η1,得到1这个确定的值,然后用1代替 η1,再用最小二乘法估计η2。因为1是所有前定变量的函数,由此保证了1与ε2的不相关性,进而保证了参数与模型的准确性。
通过调查研究,把影响商业银行客户忠诚度的诸多因素归结为15个方面,分别是:银行内部环境X1、银行交通便利程度X2、银行员工服务态度X3、银行员工办事效率X4、银行员工业务知识全面性X5、银行员工耐心程度X6、银行产品收益X7、银行产品安全性X8、银行产品种类多样化X9、银行信誉度X10、银行处理客户投诉及时准确性X11、银行对客户的隐私保密工作X12、银行对客户提供紧急措施X13、改换银行是否支付额外费用X14、改换银行是否蒙受巨大损失X15。此外,设定两个内生因变量:客户态度忠诚 η1、客户行为忠诚 η2。
通过向青岛市多家商业银行发放调查问卷收集样本数据,共发放问卷140份,收回有效问卷119份,有效问卷回收率为85%,利用李克特五级量表处理问卷,得到分析数据。
1.数据检验
通过检验,影响商业银行客户忠诚度的15个自变量之间存在多重共线性,不适合直接进行参数估计。根据统计分析理论,对调查问卷中包含的变量数据进行巴特利特球形检验和KMO检验[7],结果见表1。表1中概率P值接近于0,KMO值为0.837>0.8,说明变量数据非常适合做因子分析。
表1 KMO和Bartlett检验结果
2.提取因子
运用统计软件SPSS18.0,按照公共因子累积方差贡献率达80%的准则[7],提取出5个公因子,累积方差贡献率为82.87%,提取的公因子情况如表2所示。表2中的数据能够直观地表现出提取的潜在变量是由哪些观测变量提供主要信息。
以商业银行客户态度忠诚和行为忠诚为因变量,以提取的五个潜在变量 ξ1、ξ2、ξ3、ξ4、ξ5为自变量,建立联立方程模型如下:
表2 因子载荷阵a
利用二阶段最小二乘法对模型进行参数估计得:
通过结构图更能形象直观地表示联立方程模型中各变量之间的关系,如图1所示。
图1 结构图
表3和表4分别是商业银行客户态度忠诚方程的方差分析表和参数估计表,由表中数据可以看出,模型拟合是良好的,参数估计值都是统计显著的。因此,建立的回归模型是合适的。
表3 商业银行客户态度忠诚方程方差分析表
表4 商业银行客户态度忠诚方程参数检验表
表5和表6分别是商业银行客户行为忠诚方程的方差分析表和参数估计表,由表中数据可以看出,模型拟合是非常好的,参数估计值都是统计显著的。因此,建立的回归模型是非常合适的。
表5 商业银行客户行为忠诚方程方差分析表
表6 商业银行客户行为忠诚方程参数检验表
通过建立商业银行客户忠诚度联立方程模型,分别从态度和行为两个维度对忠诚度进行了研究,并得到以下结论:
首先,商业银行的硬件设施、员工素质、产品特征以及客户信任对客户态度忠诚都有显著正影响。说明商业银行环境越好、工作人员服务越周到、产品特性越符合客户需求以及客户对银行信任度越高,客户越容易在态度上和情感上忠诚于银行。其中员工素质对客户态度忠诚影响最大,说明客户最关注的是银行工作人员综合素质。
其次,客户的转换成本、客户态度忠诚对客户行为忠诚都有显著正影响。说明客户转换成本越高、客户在态度上越倾向于银行,客户越容易形成行为上的忠诚。其中态度忠诚对行为忠诚影响最大,说明态度忠诚是行为忠诚的最直接因素,其他因素都是通过态度忠诚来间接影响行为忠诚。
通过分析可得,商业银行管理者在制定客户管理关系战略时,应注意以下方面:第一,不断提高银行营业环境,注重提升工作人员的综合素质,有针对性地为客户提供个性化产品服务;第二,积极塑造良好的形象,培养客户对银行的高度信任;第三,加强与客户的沟通联系,促进感情,让客户在情感上和态度上依赖于银行服务,进而把客户对银行情感上的依赖转化成其转换成本障碍,最终赢得客户的忠诚,保证银行的长远健康发展。
[1](美)德里克·艾伦,特尼鲁·拉奥.客户满意度数据分析[M].陶峻,李惠,等译.大连:东北财经大学出版社,2005.
[2]Oliver,Richard L.Whence Consumer Loyalty[J].Journal of Marketing,1999(63):33-34.
[3]陆娟.服务忠诚驱动因素与驱动机理——基于国内外相关理论和实证研究的系统分析[J].管理世界,2005(6):107-114.
[4]邹鹏,郝媛媛.基于态度和钱包份额两维度的客户忠诚度测量模型[J].管理世界,2008,21(3):58-66.
[5]李惠璠,罗海成,姚唐.企业形象对顾客态度忠诚与行为忠诚的影响模型——来自零售银行业的证据[J].管理评论,2012,24(6):88-97.
[6]耿金花,高齐圣.基于联立方程的社区满意度模型[J].系统工程,2007,25(3):111-114.
[7]李素红,陈立文.基于因子分析法的房地产上市公司财务风险评价[J].河北工业大学学报,2011,40(6):101-106.