IV Ogólnopolski Kongres Badaczy Rynku i Opinii - PowerPoint PPT Presentation

alanna
iv og lnopolski kongres badaczy rynku i opinii n.
Skip this Video
Loading SlideShow in 5 Seconds..
IV Ogólnopolski Kongres Badaczy Rynku i Opinii PowerPoint Presentation
Download Presentation
IV Ogólnopolski Kongres Badaczy Rynku i Opinii

play fullscreen
1 / 24
Download Presentation
Presentation Description
145 Views
Download Presentation

IV Ogólnopolski Kongres Badaczy Rynku i Opinii

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Analiza satysfakcji i lojalności klientówz zastosowaniemModelu Równań StrukturalnychRoman Konarski Michał Skrzywanek PBS PTK Centertel IV Ogólnopolski Kongres Badaczy Rynku i Opinii

  2. Plan prezentacji • 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

  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

  4. TO KAŻDY Z NAS WIE JAK ZMIERZYĆ OBSZAR 1 OBSZAR 2 OBSZAR 3 OBSZAR 4 OBSZAR 5 ALE JAK DOWIEDZIEĆ SIĘ TEGO? ZADOWOLENIE Z OBSZARÓW A ICH WPŁYW NA LOJALNOŚĆ KLIENTA ZADOWOLENIE Z OBSZARU WPŁYW NA LOJALNOŚĆ

  5. ALE JAK DOWIEDZIEĆ SIĘ TEGO? WPŁYW NA LOJALNOŚĆ PYTANIE BEZPOŚREDNIE Przecenia wiedzę klientów o czynnikach, które powodują ich zadowolenie (bądź niezadowolenie) KORELACJA Przecenia wpływ niektórych czynników (wynikający z ich współzmienności) MODELOWANIE STRUKTURALNE ZADOWOLENIE Z OBSZARÓW A ICH WPŁYW NA LOJALNOŚĆ KLIENTA


  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

  7. Regresja wielokrotna • 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 X1 1  2 X2 Y 3 X3 Y= 1X1 + 2X2 + 3X3 + 

  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

  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 

  10. Modele strukturalne (wielorównaniowe) Model Nierekursywny Model Rekursywny 1 1 1 1 X1 X3 X1 X3 2 2 1 1 2 3 2 2 3 X2 X2 Y Y x3 = 1x1 + 2x2 + 1 y= 3x2 + 1x3+ 2 x3 = 1x1 + 2x2 + 2y+ 1 y= 3x2 + 1x3+ 2

  11. Model pomiarowy (CFA)  1 2 czynniki wspólne ładunki czynnikowe 62 31 42 52 11 21 zmienne obserwowalne X1 X2 X3 X4 X5 X6 błąd pomiarowy 1 2 3 4 5 6 x4 = 422 + 4 x5 = 522 + 5 x6 = 622 + 6 x1 = 111 + 1 x2 = 211 + 2 x3 = 311 + 3

  12. Ogólny model strukturalny (SEM) 1 X1 1 2 X2 1 3 4 X3 Y4 2 2 5 Y5 1 6 Y6 Y1  2 1 2 Y2 3 Y3 1

  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

  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

  15. Lojalność i Satysfakcja Ogólna • Lojalność - „LOJ1?” - „LOJ2?” - „LOJ3?” • Satysfakcja Ogólna - „SAT1?” - „SAT2?” - „SAT3?”

  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?”

  17. Model regresji satysfakcji i lojalności 1 OBSZAR   Może istnieć zależność strukturalna pomiędzy OBSZAREM i SATYSFAKCJĄ LOJALNOŚĆ 2 SATYSFAKCJA

  18. Model strukturalny satysfakcji i lojalności Wpływy OBSZARU i SATYSFAKCJI na LJALNOŚĆ:  OBSZAR  bezpośredni  pośredni  ogólny 2 1 LOJALNOŚĆ 2 1 SATYSFAKCJA Koncepty OBSZARU i SATYSFAKCJI są zbyt ogólne  Obecność błędu pomiarowego

  19. Model strukturalny satysfakcji i lojalności 1 Koncepty LOJALNOŚCI, SATYSFAKCJI i OBSZARÓW są zbyt ogólne OBSZAR 1 1 2 SATYSFAKCJA 3 OBSZAR 2  1 OBSZAR 3  Obecność błędu pomiarowego: 2 1 LOJALNOŚĆ  obciążone szacunki wpływów ( i )  zaniżone R2 OBSZAR 4

  20. SEM procesu satysfakcji i lojalności 1  1 OB11 1  OBSZAR 1 1 2  Sat1 OB21  Specyfika 2 SATYSFAK   3 2 OB32 Sat2  OBSZAR 2 3 4 OB42   Nieobciążone: 5  OB53 4  OBSZAR 3 3   i   R2 6  Loj1 OB63 LOJALNOŚĆ  5 7  OB74 4  Loj2 OBSZAR 4 8 2 OB84

  21. Szacunki wpływów ZASIĘG .03 .06 OBSZR 2 SATYSFAK Efekt Ogólny = efekt bezpośredni + efekt pośredni .24 OBSZAR 3 .?? .11 .16 OBSZAR 4 LOJALNOŚĆ Efekty Ogólne Zasięg Obszar 2 Obszar 3 Obszar 4 Obszar 5 Satysfakcja .03 .06 .24 - - - - Lojalność .01 .19 .38 .16 .11 .11 OBSZAR 5

  22. OBSZAR 1 OBSZAR 2 OBSZAR 3 OBSZAR 4 OBSZAR 5 MAPA PERCEPCYJNA ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ WYSOKIE ZADOWOLENIE Z OBSZARU NISKIE NISKI WYSOKI WPŁYW NA LOJALNOŚĆ

  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

  24. Serdecznie dziękujemy za Państwa uwagę