1．科学的顾客满意度测评方法    迪纳采用的顾客满意度测评方法是清华大学中国企业研究中心自1996年以来的多年研究成果，在2002年通过了国家科技部鉴定，是国内唯一通过国家级鉴定的顾客满意度测评方法。    顾客满意度测评不仅仅是问用户对产品或服务满意不满意，而是需要应用社会学、心理学、消费行为学等多门学科的基本原理和方法设计测量模型，并进行随机抽样调查，然后利用专门满意度分析技术进行测算和分析。最后的测评结果是用户对某一产品或服务的顾客满意度系列指标，以及各质量因素、调查项目对满意度的影响，改进企业满意度的实施建议等。    对企业而言，测量顾客满意度是一个系统工程，必须建立一套顾客满意的测评和监控体系，定期进行顾客满意度自我诊断。    目前中国市场上有大量的咨询公司、市场调查公司都在开展满意度调查和咨询，实际状况是“鱼龙混杂”，鱼多于龙。咨询公司常用的一种满意度调查方法是：对每个指标让消费者评分和评价其重要性，然后根据这些指标的均值和重要性的均值开展分析。姑且不说这种重要性评分方法通常会高估大部分指标的重要性，更重要的是：“某要素的重要性高，并不表示它对满意度的影响大”。这完全是两个概念。    另外一些情况下，对满意度驱动要素的重要性采用专家打分的方法得到。该方法无法摆脱上面提到的局限性。此外，由于某个要素是否重要通常会牵涉到公司对相应部门的资源投入，所以各个部门都希望提高本部门所负责满意度驱动要素的重要性评价。利益相关者通常会尝试影响专家们对重要性的打分，进一步扭曲重要性本身的评估。    除了上述方法外，也有不少公司采用了一些统计分析的方法，常见的方法对比见下表：    三种    分析    方法    对比     线性相关分析    线性回归分析   结构方程模型分析     线性相关分析指出两个随机变量之间的统计联系。两个变量地位平等，没有因变量和自变量之分。因此相关系数不能反映单指标与总体满意度之间的因果关系。   线性回归是比线性相关更复杂的方法，它在模型中定义了因变量和自变量。但它只能提供变量间的直接效应而不能显示可能存在的间接效应。而且会因为共线性的原因，导致出现“单项指标与总体满意度出现负相关”等无法解释的数据分析结果。   结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标满意对总体满意度的作用和单项指标间的相互关系。       结构方程模型是一种高级的分析方法，在测量满意度方面具有上面提到的其它2种方式无法比拟的优势。它的构建需要通过对不同行业、企业和消费者的深入了解，并进行实验调查取得数据对模型计算结果进行验证，多次反复，才能比较好地定义完成一个有较高效度和信度，能够有效解决问题的模型来。    即使采用结构方程模型分析满意度，这还不够。因为在具体的算法中，由于满意度调查数据本身的特点，为了提高分析精确度，还需要有更高的要求。    满意度调查的数据本身是有偏的（这是因为，满意度的调查对象是已经购买了某种产品或者服务的用户，既然他们选择了这种产品或者服务，对所选择的产品/服务在某些方面肯定是比较满意的），而且影响满意度的各种要素之间或多或少存在共线性，采用通用软件来计算偏差较大，需要通过专门的顾客满意度分析软件（运用特殊高级算法，解决数据有偏和共线性的问题）来完成。否则的话，即使模型构建得好，数据采集没有偏差，最终的结果也会误导企业决策。而DINA顾客满意度测评系统正是这样的软件，它运用PLS（部分最小二乘法）算法很好的解决了上述问题。    PLS一种新型的多元数据分析方法，集多个因变量对多个自变量的回归建模、典型相关分析以及主成分分析为一体，在一次计算之后，可以同时实现预测建模、两组变量间的相关分析以及对多变量系统的综合简化。PLS分析的主要目的是建立多个因变量与多个自变量之间的回归模型，特别是在自变量集合或在因变量集合中存在严重的多重相关性时更为适用。PLS算法对数据的分布没有要求。PLS模型与其他方法相比，计算结果更为可靠和稳定。      2．顾客满意度测评模型的建立    顾客满意度测评结构方程模型的建立，需要经历下列几个过程：    确定指标：首先需要从顾客的视角来看提供的产品/服务的特征。这可以通过顾客焦点小组访谈、顾客深度访谈、查阅相关资料等手段来进行。通常而言，通过上述手段得到一个指标集后，再基于这些指标，编制预调查问卷，在整体顾客群范围内进行抽样调查，就已有指标的描述性重要性进行打分，同时寻访更多的尚未提及的指标。通过简单的统计分析，提炼出将要进入模型的指标，并和客户商讨，确定最终的指标。指标的最终确定还要考虑指标对企业而言是否可控和可以改变的（如果无法改变，则不要进入指标体系），以及调查的可行性和经济性。    构建初步模型：基于顾客的常识和满意度模型的构建经验，构建初步的满意度结构方程模型。构建模型时，结构变量之间的相关性要求尽量小，把相关性较大的指标归入一个结构变量下面，作为其观测变量。    试调查：基于确定的指标编制调查问卷，对全部顾客抽样进行试调查，基于试调查的结果检验和调整结构方程模型的构成。本阶段将会采用到多种统计分析工具，比如：缺省值处理、相关系数分析、因子分析、主成分分析、可靠性分析等。通过这些分析，最终确定结构方程模型的构成，包括指标数量、指标位置、箭头指向等。      3．DINA顾客满意度测评系统标准版    DINA顾客满意度测评系统(Customer Satisfaction Measurement System，DINA-CSMS)旨在为企业进行顾客满意度测评提供一个科学的计算工具软件和满意度管理平台。    DINA-CSMS是以迪纳市场研究院和清华大学中国企业研究中心制定的、由中国标准化协会发布的《顾客满意指数测评标准》（CAS 103-2004）为基础，借鉴目前国际上成熟的理论研究成果，建立结构方程模型，采用国际领先的满意度测评算法--部分最小二乘法（PLS）进行满意度计算和研究。    本产品为通用产品，适用于各个行业。各企业可以根据自己的行业特点建立不同的满意度测评模型。    本产品具有如下特点：    专业测评： 利用专业的测评模型和专有分析技术，帮助企业建立科学的顾客满意度测评体系，将复杂的结构方程模型求解转变为简单的软件操作，操作人员不必经过专门的统计学训练即可熟练应用。    定制灵活： 根据行业特点和企业特点构建适合企业的测评模型和各项测评指标，满足企业的个性化需求。    持续改进： 综合研究各测评指标的用户评价和对满意度的影响大小，指导企业如何改进满意度，把有限的资源投入到最有效的指标改进上。    驾驭变化：通过数据对比，分析满意度影响要素的变化趋势，改善生产经营活动，提高竞争力。

客户的反馈很重要的，学习了。

满意度对企业的生存有关系