基于双因素理论的顾客满意度测量与提升

鄢章华，李 倩，刘 蕾

(1.哈尔滨商业大学 管理学院，黑龙江 哈尔滨 150028；2.泰州学院 计算机科学与技术学院，江苏 泰州 225300)

0 引言

在激烈的市场竞争中，如何提高顾客满意度成为影响企业生存和发展的关键，然而现实中顾客满意度的提升却面临诸多困难。一方面，顾客群的个性化需求越来越突出，众口难调使企业决策的针对性越来越差；另一方面，企业资源有限，仅通过投入资源来提升顾客满意度往往事倍功半。由于产品属性是客观存在的，而感知价值则是主观且因人而异，从产品属性感知到给出满意度评价是一个从客观到主观的过程，其中涉及大量感性成分，这些感性成分对企业决策的影响至关重要。现有顾客满意度衡量方法在理论层面往往过于注重指标本身，没有发掘顾客的感性特征。因此，引入顾客情感特征，构建合理的顾客满意度测度方法，并寻找提升顾客满意度的途径，具有一定的理论与现实意义。

在产品属性研究方面，科特勒等[1]将产品中所具有的能在一定程度上满足消费者需求的特征或特性称为产品属性。KELLER[2]将产品属性分为产品相关属性和非产品相关属性两类，产品相关属性指实现消费者需要的产品功能所必需的要素，涉及产品的物理成分和服务需要并决定了产品的性能水平；非产品相关属性指与产品的购买或消费相关的外部属性，不会直接影响产品性能，主要包括价格、品牌个性、使用者形象和使用形象4方面。VOSS等[3]研究证实，产品本身包含功能属性(功能性价值)和享用属性(象征性属性)两种属性。涂荣庭等[4]认为产品属性能使顾客获得一定利益(如可靠性和健康)，利益又能够满足顾客更高层次的需求，即顾客价值(如幸福感、安全感、归属感、成就感等)。产品属性是产品的核心，也是形成顾客满意度的基础。桂煜航[5]按照对顾客需求的满足情况将产品属性分为基本属性、差异性和显著特性，产品属性绩效在满意度评价中的权重还会随时间变化[6]；KANO等[7]结合双因素理论提出分析产品属性和用户满意间关系的卡诺模型，将产品属性分为基本属性、愉悦属性和性能属性3部分，卡诺模型这种将双因素理论[8]与顾客满意度建立联系的方式为本文的研究思路提供了重要的参考。有别于以往产品属性的研究，本文侧重于对属性数量“有多少”的研究，而以往的研究侧重于属性分类以及影响满意度的属性具体“有哪些”。

在顾客感知价值研究方面，顾客感知价值是顾客对产品属性的综合性主观评价，也是提升顾客满意度的重要因素[9]。一般从付出与回报比较的角度衡量顾客感知价值，常见的付出因素包括价格、时间、努力等，常见的回报因素包括质量、特色等[10]。PARASURAMAN等[11]认为，影响顾客价值的因素主要是产品质量、服务质量和价格，价格常被作为利失因素，产品质量和服务质量为利得因素，而且服务质量比产品质量和价格更难被竞争对手复制；刘新华等[12]认为消费者对总体价值和效用满意的感知主要依靠产品功能；王宗水等[13]从产品质量感知、服务质量感知、品牌价值感知、绿色价值感知和价格感知5方面构建了家用汽车行业顾客感知价值模型；李宗伟等[14]在网络购物模式下，将顾客感知价值分为产品感知价值、服务感知价值和社会感知价值3个维度，研究在线购买决策的影响因素；阳成虎等[15]认为再制造渠道结构的不同也会对顾客的新产品感知价值产生影响；韩伟伟等[16]在电子产品领域将产品的品牌、属性和附加服务视为感知价值的影响因素，在企业推广产品服务组合的市场策略上提出相关建议。顾客本身的差异性也会使顾客对产品的感知价值呈现各种偏差。总之，在市场经济的作用下，顾客的感知价值总体上表现为围绕产品价值上下波动，可以通过增加感知利得或减少感知利失来提升顾客感知价值[17]。

就目前收集整理的文献而言，绝大部分研究都在分析哪些属性会影响以及如何影响顾客感知价值和顾客满意度，研究结论也具有较强的情境依赖，本文试图摆脱具体属性因素层面的限制，从属性数量层面进行优化。为解决顾客感知价值的主观性，避免因过度客观化导致不合理，本文结合双因素理论，从情感的角度设计顾客满意度的叠加方式，并构建顾客满意度测量模型，从顾客满意度最大化的角度构建相应的优化模型，给出优化模型的求解方式，通过数值分析说明了主要研究结论。

1 产品属性与顾客满意度的测量

1.1 模型假设

本文参照文献[18]的顾客感知价值与顾客满意度模型，借鉴其从产品属性到顾客满意度的基本逻辑，进一步考虑企业对产品各属性的投入，将其加入顾客满意度的形成逻辑中，构成本文模型的基本框架，如图1所示。

1.2 基于双因素理论的顾客满意度测量

(1)顾客对产品属性水平的观测偏差

(2)基于双因素理论的满意度叠加

按照双因素理论，顾客对产品某个属性的感知结果可以分为保健层次和激励层次两个层次，保健层次为最低要求，即从不满意到没有不满意，而激励层次要求较高，从没有满意到满意。其中，不满意和满意均为强情感，且不满意的情感程度比满意更强，没有不满意和没有满意为弱情感，顾客对产品某一属性的感知情感如图2所示。参考信任叠加规则[19]，本文设计了顾客对产品各维度属性感知结果的叠加规则：顾客对产品的综合感知结果取决于对各个维度属性感知结果的叠加，在情感叠加时，强情感会覆盖弱情感，而不满意是最强烈的情感。即顾客如果对产品某一个维度属性的感知结果为不满意，则无论其他维度属性的感知如何，顾客对该产品综合感知结果也会是不满意。

之所以用叠加而不用传统的累加，一方面，累加的方式会忽视顾客不满意和顾客特别满意的属性，使这些属性“被平均”，使企业的决策迷失方向；另一方面，累加的方式看似客观，然而在处理涉及人类情感和人类的具体决策时往往差强人意。从效用理论到卡尼曼的前景理论，最大的进步就是对人类情感和非理性的考虑，而情感不可能通过效用值的直接累加来计算。

(1)

2 顾客满意度优化模型的构建与求解

2.1 优化模型的构建

结合顾客对产品(有N个维度属性的产品)满意的概率，在大数定律保障下，当顾客数足够大时，市场整体对产品的满意度将收敛于顾客对产品满意的概率。结合式(1)，可将在有限的资金约束下进行产品的优化投入描述为如下数学模型：

s.t.

li=fi(ci)，i∈{1,2,…,N}。

(2)

当顾客确定产品属性的感知分布以及投入与维度属性水平间的关系时，可以通过以上模型对各产品维度属性的投入进行优化。考虑到目标函数的复杂性，无法求解最优投入策略的解析形式，本文通过数值算例来分析最优解与参数间的关系。

2.2 模型的求解

(1)模型求解工具的选择 YALMIP是基于MATLAB开发的一个优化工具箱，可以在MATLAB中以函数功能的方式调用，通过YALMIP也可以调用MATLAB自带的优化工具箱和MATLAB语言编写的其他工具箱，是模型进行数据分析和可视化的接口。另外，YALMIP集成了许多外部的最优化求解器，能够用非常简洁的代码完成Lingo，Lindo等求解工具需要大篇幅代码才能完成的工作。因此，对于本文最优解无法用解析形式表达的优化问题，首选采用YALMIP求解。

(2)YALMIP的使用流程 将YALMIP工具箱文件夹加入模型求解文件即可，使用流程如下：

1)设置变量。本文模型中的变量为各属性的投入情况ci，i∈{1,2,…,N}。

4)运行求解模型，得到结果。

3 数值分析

3.1 基础模型

s.t.

li=ln(ci)，i∈{1,2,…,N}。

(3)

3.2 属性维度的优化

在基础模型的基础上，通过变换投入约束的属性，得到产品属性维度与顾客满意度间的关系，如图3所示。

结论1顾客满意度与投入间呈现为单调增加，与产品属性维度间为倒U型关系。

(1)由图3a可见，在相同的产品属性维度下，投入越多，各维度属性水平越高，顾客感知的满意度越高(不是严格大于，而是大于或等于)。然而，几条曲线也有不同程度的重合，重合部分虽然存在投入差异，但是顾客的满意度完全相同(该部分多余的投入对顾客满意度的提升未起任何作用，理性的企业将缩减投入)。

(2)由图3a可见，在同一投入水平下(任意一条曲线的投入水平相同)，顾客满意度随产品属性维度的增加先增加后降低(倒U型关系)，说明企业需要对产品的属性维度数进行优化，以提升顾客满意度。为了避免因投入固定、属性维度增加而使每一个属性的平均投入降低，最终导致满意度下降，进一步考虑总投入随属性维度增加而增加的情形(同一曲线上各个属性的资源投入量相同)，分别令总投入为300 N，400 N，1 000 N，得到的结果如图3b所示，顾客满意度与产品属性维度间的关系仍然满足先上升后下降的规律。然而，无论投入是否充分，在相同的属性维度数下，投入水平高的满意度严格高于投入水平低的曲线。

经过进一步数据分析发现，在产品属性较少时，产品满意度较低的原因不是对产品不满意，而是有大量顾客在感知产品属性价值时，处于没有满意和没有不满意的模糊状态，这些顾客对产品的综合感知价值容易受外界因素影响。在产品属性较多时，产品满意度较低的原因是顾客对产品某一个维度属性的感知较差，最终影响顾客对该产品的感知。

由以上分析得到如下管理启示：随着对个性化的追求，顾客对产品或服务的需求越来越多，期望的属性逐渐增加，众口难调的现象必然导致顾客对产品或服务的满意度下降。对企业而言，一方面可以通过增加各属性(顾客感知属性)的投入提升顾客的满意度；另一方面，产品属性维度(顾客感知属性)的数量也需要控制在有限的范围内(不要太多，也不能太少，本例为3～5个，资金越充沛的企业，其最优的产品属性数也越大)，这也是提升顾客满意度的重要方式。

3.3 资源投入策略

结合产品属性维度对产品满意度的影响，进一步分析在不同属性维度下，最优投入约束对顾客满意度的影响，数值算例结果如图4所示。

从图中可以得出如下结论：

结论2投入对满意度的影响分两个不同的阶段(投入不充分、投入充分)，在不同投入阶段，投入水平对满意度的影响不同，属性维度对满意度的影响也不同。

(1)投入对顾客满意度的影响 在投入不充分阶段，最优满意度随投入的增加而增加，但增长的幅度逐渐放缓(曲线上凸)；到达拐点后进入投入充分阶段，在投入充分阶段，增加投入不会提升顾客满意度。

(2)属性数量对最优顾客满意度的影响 在投入不充分阶段(图4中的A1区域)，相同投入下的属性维度越少，最优顾客满意度越高；在投入充分阶段(图4中的A4区域)，属性维度越多，最优顾客满意度越高。从一个属性的充分投入到更多属性维度下的充分投入，需要增加的投入值越来越大(点B，C间的水平距离大于点A，B间的水平距离)。即当前的产品属性维度越少，越容易通过增加投入达到更高属性水平下的充分投入，从而获得更高的顾客满意度。

由以上分析得到如下管理启示：

(1)最优投入决策的非连续性，不投入则已(使产品属性保持在低数量，实现低产品属性下的充分投入)，要投入就投入大量资金(在产品属性增加并趋近于充分投入的状态下，使顾客感知到的产品价值跃迁到更高水平)，否则对提升顾客满意度没有效果，甚至产生负面效果(产品属性增加了，但投入水平处于投入不充分状态)。

(2)对于资金约束较强的企业，提升顾客满意度最有效的途径是专注于较少的产品属性(如拍照、音乐)；对于资金非常充沛的企业，则可以通过丰富产品属性的同时提升产品的多个属性，使产品趋于完美，使顾客满意度再上一个台阶(能这样做的企业还是少数)。从有较强资金约束到资金充沛，是一个企业从小到大的发展历程。

3.4 保障水平liLow与激励水平liHigh

由于顾客满意度是顾客对产品属性的感知，除企业和产品方面的因素外，顾客的共同知识对满意度的形成也有重要影响。顾客满意度与顾客共识(liHigh，liLow)间的关系如图5所示。根据图5所揭示的基本规律得出如下结论：

结论3顾客的满意度与liHigh，liLow均负相关，但对liLow更为敏感。

一方面，liLow的提升会增大顾客不满意的概率，最终导致顾客满意度下降；另一方面，liHigh的提升(达到满意的要求提高)会降低顾客满意的概率，也会导致顾客满意度下降。但liHigh，liLow波动对顾客满意度的影响程度有明显差异，顾客满意度对liLow的变化非常敏感，对liHigh变化的反应相对缓和。针对这一特征，企业在相同情况下进行现实决策时，从成本效率的角度出发应更注重对“不满意”的管理。

4 结束语

本文基于传统顾客满意度模型的基本框架，结合双因素理论设计产品属性感知情感的叠加规则，从情感的角度分析产品的顾客感知价值，有效避免被平均现象，更符合人们对产品感知价值的主观评价，然后通过顾客在各维度上感知价值的叠加，最终测算产品的顾客满意度，由此构建产品满意度优化模型，并结合数值分析各因素与最优顾客满意度间的关系，以指导企业决策。本文研究得到如下结论：

(1)顾客满意度与投入间呈现为单调增加的规律，而顾客满意度与产品属性维度间为倒U型关系，该结论为企业平衡投入水平与产品属性维度间的关系奠定了基础。

(2)不同投入水平下，投入对满意度的影响不同，属性维度对满意度的影响也不同，该结论为企业根据自身发展定位确定产品属性的投入水平给出了决策参考。

(3)顾客的满意度与liHigh，liLow均为负相关，但对liLow更敏感，该结论为企业有针对地从“不满意”开始改进顾客满意度指明了方向。

由于本文并未详细区分产品属性的不同维度，即所有维度的产品属性对满意度的影响权重相同，今后研究可以加入产品属性权重；另外，从产品属性的投入到产品属性的感知是非常复杂的过程，简单起见，本文假设顾客的感知属性和企业产品的投入属性相同，并未考虑错位的情形，后续研究也可以对此进行拓展。