Analiza satysfakcji i lojalności klientów z zastosowaniem Modelu Równań Strukturalnych Roman Konarski PBS IV Ogólnopolski Kongres Badaczy Rynku i Opinii Michał Skrzywanek PTK Centertel Plan prezentacji Satysfakcja i lojalność.
Download ReportTranscript Analiza satysfakcji i lojalności klientów z zastosowaniem Modelu Równań Strukturalnych Roman Konarski PBS IV Ogólnopolski Kongres Badaczy Rynku i Opinii Michał Skrzywanek PTK Centertel Plan prezentacji Satysfakcja i lojalność.
Slide 1
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 2
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 3
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 4
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 5
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 6
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 7
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 8
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 9
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 10
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 11
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 12
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 13
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 14
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 15
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 16
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 17
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 18
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 19
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 20
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 21
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 22
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 23
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 24
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 2
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 3
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 4
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 5
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 6
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 7
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 8
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 9
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 10
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 11
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 12
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 13
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 14
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 15
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 16
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 17
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 18
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 19
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 20
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 21
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 22
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 23
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24
Slide 24
Analiza satysfakcji i lojalności klientów
z zastosowaniem
Modelu Równań Strukturalnych
Roman Konarski
PBS
IV Ogólnopolski Kongres Badaczy Rynku i Opinii
Michał Skrzywanek
PTK Centertel
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
strona 2
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
strona 3
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
TO KAŻDY Z NAS WIE JAK ZMIERZYĆ
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
WPŁYW NA LOJALNOŚĆ
strona 4
ALE JAK DOWIEDZIEĆ SIĘ TEGO?
ZADOWOLENIE Z OBSZARÓW A
ICH WPŁYW NA LOJALNOŚĆ KLIENTA
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
strona 5
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
strona 6
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
X2
1
Y
3
X3
Y = 1X1 + 2X2 + 3X3 +
strona 7
2
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
strona 8
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
strona 9
Modele strukturalne (wielorównaniowe)
Model Nierekursywny
Model Rekursywny
zmienne
egzogeniczne
X1
zmienne
endogeniczne
1
X3
zmienne
egzogeniczne
1
zmienne
endogeniczne
1
X1
2
X3
2
1
X2
3
x3 = 1x1 + 2x2 + 1
y = 3x2 + 1x3+ 2
strona 10
1
1
2
Y
X2
3
2
Y
x3 = 1x1 + 2x2 + 2y+ 1
y = 3x2 + 1x3+ 2
2
Model pomiarowy (CFA)
1
2
ładunki czynnikowe
42 52 62
11 21 31
strona 11
czynniki wspólne
X1
X2
X3
X4
X5
X6
zmienne obserwowalne
1
2
3
4
5
6
błąd pomiarowy
x1 = 111 + 1
x4 = 422 + 4
x2 = 211 + 2
x5 = 522 + 5
x3 = 311 + 3
x6 = 622 + 6
Ogólny model strukturalny (SEM)
1
X1
2
X2
3
X3
1
1
2
1
Y1
2
Y2
3
Y3
1
2
1
model
pomiarowy
strona 12
2
model
strukturalny
model
pomiarowy
Y4
4
Y5
5
Y6
6
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
strona 13
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
strona 14
Lojalność i Satysfakcja Ogólna
Lojalność
- „LOJ1?”
- „LOJ2?”
- „LOJ3?”
Satysfakcja Ogólna
- „SAT1?”
- „SAT2?”
- „SAT3?”
strona 15
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?”
strona 16
Model regresji satysfakcji i lojalności
OBSZAR
Może istnieć zależność
LOJALNOŚĆ
2
strukturalna pomiędzy
OBSZAREM i SATYSFAKCJĄ
1
SATYSFAKCJA
LOJ 1OBSZAR 2SAT
strona 17
Model strukturalny satysfakcji i lojalności
Wpływy OBSZARU i SATYSFAKCJI
na LJALNOŚĆ:
OBSZAR
bezpośredni
1
pośredni
ogólny
1
2
SATYSFAKCJA
Koncepty OBSZARU i SATYSFAKCJI
są zbyt ogólne
Obecność błędu pomiarowego
strona 18
SAT 1OBSZAR
LOJ OBSZAR 2SAT
LOJALNOŚĆ
2
Model strukturalny satysfakcji i lojalności
Koncepty LOJALNOŚCI,
OBSZAR 1
2
SATYSFAKCJI i OBSZARÓW
są zbyt ogólne
1
OBSZAR 2
SATYSFAKCJA
1
3
OBSZAR 3
Obecność błędu pomiarowego:
1
obciążone szacunki wpływów ( i )
zaniżone
strona 19
OBSZAR 4
R2
1
LOJALNOŚĆ
2
SEM procesu satysfakcji i lojalności
Specyfika
Nieobciążone:
i
R2
1
OB11
2
OB21
3
OB32
4
OB42
5
OB53
6
OB63
7
8
OB74
1
2
OBSZAR 2
OBSZAR 3
SATYSFAK
3
4
5
Sat1
1
Sat2
2
Loj1
3
Loj2
4
LOJALNOŚĆ
OBSZAR 4
2
OB84
model
pomiarowy
strona 20
OBSZAR 1
1
model
strukturalny
model
pomiarowy
Szacunki wpływów
ZASIĘG
OBSZR 2
.03
.06
SATYSFAK
Efekt Ogólny = efekt bezpośredni + efekt pośredni
.24
OBSZAR 3
OBSZAR 4
OBSZAR 5
.11
.16
.??
LOJALNOŚĆ
.11
Efekty Ogólne
Zasięg Obszar 2
Obszar 3
Obszar 4 Obszar
5
strona 21
Satysfakcja
.03
.06
.24
--
--
Lojalność
.01
.19
.38
.16
.11
MAPA PERCEPCYJNA
ZADOWOLENIE VS WPŁYW NA LOJALNOŚĆ
WYSOKIE
ZADOWOLENIE Z OBSZARU
OBSZAR 1
OBSZAR 2
OBSZAR 3
OBSZAR 4
OBSZAR 5
NISKIE
NISKI
strona 22
WPŁYW NA LOJALNOŚĆ
WYSOKI
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
strona 23
Serdecznie dziękujemy za
Państwa uwagę
strona 24