APP下载

对电信市场的满意度分析

2019-06-30罗磊

企业科技与发展 2019年5期
关键词:结构方程数据挖掘

罗磊

【摘 要】随着我国通信行业逐步发展开放,市场竞争也越来越激烈。提前分析不满意客户,提高电信市场竞争力已经成为我国电信通信企业生存发展的重中之重。文章在借鉴美国客户满意度指数(ACSI)模型的基础上,对客户满意度进行深入分析和分类分析。同时,通过运用数据挖掘分类算法进行数据分析和模型拟合,最终确定关键因素及其对顾客满意度的影响程度。

【关键词】分类分析;顾客满意度模型(ACSI);数据挖掘;结构方程

【中图分类号】F274;F626 【文献标识码】A 【文章编号】1674-0688(2019)05-0186-03

1 研究目的

对于电信运营商来说,客户就是生命,如何吸引并且留住客户是运营商必须思考的问题。客服热线服务质量的好坏,顾客的满意度直接影响到企业的利益,因此及时了解顾客对客服热线的满意程度及服务缺陷,提前预测不满意客户并及时进行关怀修复具有非常重要的意义。

2 问题分析

根据已有的结果,针对流失客户寻找流失的原因,即流失客户的特征,进行数据统计归纳;根据拥有的客户流失数据建立基本属性、服务属性和客户消费属性与客户流失可能性的数据模型,找出其潜在的关系,分析客户流失的因素,计算出客户流失的可能性,预测客户是否流失。

3 分类分析

分类就是找出一个类别的概念描述,进行不同种类的数据分析。分类是数据挖掘的主要方法,分类数据能够很好地模拟训练样本集中属性和类别之间的关系,也可以预测一个新样本属于哪一个种类。

4 客户满意度

客户满意度能检测客户的满意程度,它可以是一个人的使用感觉和初始预感的对比关系,也可以是一群人对一个产品的满意百分比概率。一般来说,与期望值相比,高于期望值为满意,低于期望值为不满意。

4.1 客户满意指数

客户满意指数也叫顾客满意度程度,是对服务性行业的顾客满意度调查系统的简称,它是一个相对的概念,是客户期望值与客户体验的匹配程度。换言之,就是客户通过对一种产品可感知的效果与其期望值相比较后得出的指数。客户满意度由购买期望、体验感知、感知价值、顾客抱怨、顾客忠诚组成。

(1)购买期望。即顾客在购买某种产品或得到某种服务之前对其质量的估计。顾客的购买预期来源于销售人员的宣传、身边人员对产品的评价等,决定顾客购买期望的变量有产品价格预期、产品可靠性预期和服务质量好坏的总体预期。

(2)体验感知。顾客在购买并且使用了某种产品或获得某种服务后,对产品质量或价格等的主观体验,包括对产品本身的内容或者质量的使用体验和对产品服务的自身感受。

(3)感知价值。顾客在使用产品或者获得服务后,综合产品质量或服务质量之后得出的评价。感知价值的自变量有两个:一个是给定价格标准后对质量的感受,另一个是给定质量标准后对价格的感受。感知价值直接影响到顾客对产品服务的满意度。

(4)顾客抱怨。即顾客在使用产品或体验服务时的不满意程度,决定顾客抱怨这个结构变量的观察变量有顾客的抱怨程度和抱怨方向两个。通过顾客对产品的抱怨程度就能得出客户的满意度,通过抱怨方向得出产品的缺点。

(5)顾客忠诚。顾客重复购买产品或服务,或向其他顾客推荐。顾客忠诚这个结构变量的观察变量有顾客重复购买的可能性和对价格变化的承受力两个。

我们假设一个测量变量为该变量的最大值、最小值和期望值,该测量变量为客户满意度(ACSI),变量的最小值、最大值由相应的测量变量值决定。其中,A是潜在客户满意度的测定值,B是权重,C是测评变量数。计算ACSI时,若用非标准测定值,则必须使用非标准加权,将两个测评变量加权得到的结果换算为0~100分之间的数值,即得到客户最终的满意度。其余结构变量用同样方法得到。根据结构变量的得分,进一步将品牌形象、体验感知、产品满意、顾客抱怨、服务满意这5个变量对顾客满意度的影响作回归分析。由回归分析结果可以看出(见表1),感知质量对其回归结果影响不显著,故将感知质量剔除。

4.2 对不满意客户的预测

电信客户满意度的预测可将其转化为量化分析的过程,即用数据来反映客户对测量对象的不同态度,因此需要将测量对象的每个测评指标进行量化。

顾客满意度是顾客对企业产品、自身服务的看法和态度,这是因人而异又有偏好的,而直接通过询问客户或观察客户态度的方法来了解客户满意程度是困难的,于是我们利用某些特殊的态度测量技术进行数字量化处理(见表2),使那些客户不能表达和衡量的“态度”能够被既客观又方便地表达给服务人员,通过这些数字对客户使用的产品、获得的服务进行不同的升级改进。

通过对数据的初步处理,汇总计算每个测评指标的评价值,消除量纲后得到各个分值。

通过对满意评价体系的建立,可以得出客户对电信满意度中的两个代表指标,即人工接通次数和30 s接通率,其中人工接通次数对电信满意度的影响分值为2.81,30 s接通率对电信满意度的影响分值为5.28(见表3)。

通过进一步分析可以得到(见表4),影响电信行业顾客满意的首要因素是服务质量,其次是顾客价值,电信行业客户忠诚度主要决定于顾客对产品的满意程度,而顾客抱怨也会对顾客忠诚产生影响。

5 数据挖掘

当前,大数据已深度附着在各行各业,对运营商而言如果要开辟新的蓝海,就必须在用户运营方面有所突破。比如,个性化精准推荐、第三方数据服务、行业分析报告等领域,这些都可以助力运营商数据变现,当然也需要运营商在数据挖掘和探索领域做出成绩。在这个阶段,运营商的目标主要是面向特定行业、特定场景提供成熟数据探索模型和自助探索工具。做基于大数据的标准化建模探索平台,围绕企业最关注的、普遍的数据探索需求,提供分行业、分场景的数据探索解决方案。这就需要运营商在数据领域具备一定的分析能力,具体包括:①关键特征分析。关键特征分析的对象可以是用戶自身特征,可以是客户服务管理,也可以是行为事件触发,主要用于分析量化事物的关键特征,并能根据关键特征自动建立识别模型,对数据进行自动归类。如垃圾短信、垃圾电话自动甄别等,目的是使客户收益最大化。②影响因素分析。分析事件的真正原因,到底是在哪个环节出现问题,可以引用“漏斗理论”,量化每个因素对事件的影响程度,进而能够快速、准确地制定解决方案。如用户离网原因分析等,分析的目的是“对症下药”。③用户标签挖掘。虽然每个用户都有自己的基础属性,如姓名、性别、年龄等,但是这些信息并不足以支撑大数据精准营销业务需求,必须进一步挖掘用户偏好,比如内容偏好、渠道偏好、生活偏好、消费偏好等。所以,必须构建用户标签体系,并根据用户画像建立多维度的分析平面,通过数据聚类自动在数据中挖掘用户标签。在这个环节所形成的就是用户360度画像和统一视图。④信用评估引擎。个人信用在今天已经是很多企业用于评估客户信用等级的重要手段之一,评估客户信用可以精确衡量业务风险,进行有效地风险管理。通过客户信用度评估可以大大降低用户的违约风险。⑤智慧推荐引擎。挖掘产品的潜在客户,发现最有可能的新客户,从而扩大产品营销的客户范围,提升产品销量。如个性化应用、内容、套餐、终端推荐等。这个分析环节有利于运营商卖出更多的产品。

在这种场景下,数据挖掘的前提是了解当前的实际情况,可以通过大数据中心的基础数据,了解用户的基础特征,包括新增使用应用个数、是否参与流量促销活动、是否变更为智慧手机用户、是否变更为4G手机用户,接下来就是执行流量提升影响原因分析,这些分析结果会直接影响客户在合适的时间、合适的地点下载合适的应用,而最终影响用户使用更多的流量。当然,这些分析不仅会涉及非常复杂的业务模型和算法支持,也需要海量数据支持。

智能推荐引擎可以结合分析结论决定向用户推荐哪些应用(游戏、音乐)、推荐给谁(高端用户、普通用户)、使用什么渠道(网厅、微信)、什么时机(午休时间、晚间时间),推荐的背后,将为运营商带来巨大的广告收益。这还没有结束,服务是永恒的,推荐的效果直接影响下一次推荐的策略,所以还需要生成用户推荐策略和潜在用户标签,实现营销活动的效果评估、推薦分成。

6 客户忠诚

在研究出客户满意度和大数据分析以后,可以得出客户忠诚度。客户忠诚可定义为重复购买同一产品的行为。根据客户忠诚度高低,可将客户忠诚理解为4种不同的程度:①外表忠诚。通过宣传,对产品的外形或者质量产生的喜爱优于其他产品,这是忠诚度最低的程度。②感情忠诚。通过购买某种产品,在使用的过程中获得满足感和喜爱感,进而产生感情忠诚。③意向忠诚。指客户购买一种产品后,产生喜爱,有再次或者持续购买该产品的意向,但还没有产生实际行动。④动作忠诚。在意向忠诚的基础上,用户又产生了购买该产品的意愿,并且在购买过程中忽略一些因素,比如价格或者质量,将意向变成购买动作行为,对该品牌产生内在的好感,例如喜爱移动手机的用户不会考虑价格或者实用性去选择固定电话。

7 对策建议与结论

电信业的竞争重点集中在对大客户市场的争夺,这一竞争要求各大电信运营商将更多的精力投入其中,做好大客户的培育、巩固、回流工作,这3个方面的工作是相互促进、相互补充的,可采取以下措施。

(1)开展品牌工程建设工作。实行品牌经营,向客户宣传与推广产品、品牌服务,培养品牌消费观念。电信运营商要本着“立足长远,放眼未来”的原则开展品牌工程建设工作。

(2)开展个性化服务。现阶段,企业服务差异不是在大众化服务上,而是体现在个性化服务上。目前,电信客户对个性化服务的要求越来越高,电信企业应该知道如何应对大众的个性化服务,将个性化服务作为企业新的竞争力和业务增长点。

(3)做好客户关系的开发和维持工作。良好的客户关系对于企业发展至关重要,在企业内部培养自己的支持者,掌握客户的通信需求和消费心理,收集竞争对手的情报,帮助企业树立竞争优势。

(4)提升自身业务能力。电信运营商要大力宣传企业现有的业务,加快市场消费吸收速度,对客户有需求但企业未能提供的业务要加快研发速度,不能让需求在等待中消失。

(5)做好营销队伍建设。要建立一支精干、忠诚的营销队伍,不但要在生活和工作中关心员工,还要帮助他们设计完善个人职业生涯,提供必要的培训机会,开阔他们的思维,为电信企业做好营销工作。首先,客服人员方面。公司对客服人员进行岗前培训,增强服务质量与业务专业性;对客服人员进行科学的服务指导,定期对其进行专业培训,增强服务主动意识,完善服务体系;对客服人员进行合理的指标考核,可以从沟通能力、普通话标准程度、业务能力、服务主动意识、遇到恶意(粗俗)或顾客抱怨电话时的应对等方面考核。其次,营业厅方面。加强规范文明服务的文化氛围;加强对客服人员工作的监督检查;加强对客服人员的管理。最后,公司管理方面。定期对客服人员进行专业培训,传递正确的服务理念与服务标准;对客服人员进行合理的激励措施,例如对客户评价高的客服人员进行适当奖励等;完善公司监督管理及责任制体系;通过微博、电视等媒介加强对外宣传,增强客户对客服行业的了解,减少知识盲区,使顾客能更好地与客服人员进行交流与业务咨询,提高顾客满意度。

参 考 文 献

[1]花葩,陈鹏.我国电信企业客户满意度模型与测评[J].中国质量,2005(7):13-15.

[2]孟庆红.基于顾客满意度的电信运营商竞争优势研究[D].成都:电子科技大学,2012.

[3]赵宏波,孟雅玲.数据挖掘在电信客户关系管理中的应用[J].电信技术,2001(12):9-12.

[4]胡萌.基于Hadoop的数据挖掘技术在电信用户分析中的应用[D].北京:北京邮电大学,2016.

[5]王维佳,缪柏其,魏国省.数据挖掘——电信客户流失分析预测[J].数理统计与管理,2006(4):419-425.

[6]刘金兰.顾客满意度与ACSI[M].天津:天津大学出版社,2006.

[责任编辑:高海明]

猜你喜欢

结构方程数据挖掘
数据挖掘技术在内河航道维护管理中的应用研究
数据挖掘综述
软件工程领域中的异常数据挖掘算法
社区居民旅游公平感知与旅游参与、旅游收益的结构关系
大学生就业能力影响因素实证分析
中国设计产业竞争优势研究
大学生网络购物行为影响因素模型检验
基于R的医学大数据挖掘系统研究
基于结构方程的高职院校专业设置与就业相关性研究
结构方程视角下我国翻转课堂满意度模型构建