基于顾客满意和顾客忠诚关系的市场细分方法研究

基于顾客满意和顾客忠诚关系的市场细分方法研究内容摘要：

基于顾客满意和顾客忠诚关系的市场细分方法研究 王霞，赵平，王高 （清华大学经济管理学院 北京 100084） 摘要：在顾客满意与顾客忠诚的相关关系方面，目前国内外许多学者都有不同的研究和看 法。本研究认为，对于不同的顾客群体，顾客满意对顾客忠诚具有不同的影响，从而也为 企业带来不一样的价值和利润。本研究尝试采用一种新的聚类回归方法，根据顾客满意和 顾客忠诚的关系细分顾客群体，并以手机行业为例进行实证分析，寻找哪些顾客群体的满 意度对忠诚度影响较高，而哪些顾客群体其忠诚与否基本不受满意度的影响。采用这种方 法，企业可以在经营管理过程中通过差异化服务获得竞争优势。 关键词：顾客满意 顾客忠诚 聚类回归 市场细分 1 引言 近几十年来，随着市场竞争的日益加剧，市场导向逐渐成为企业经营的核心理念，顾 客满意和顾客忠诚也因此成为营销学界的研究热点。许多学者提出，企业应该尽力满足和 超越顾客的期望，使顾客更加满意和忠诚，才能获得经济效益。他们普遍认为，较高的顾 客满意度将带来较高的顾客忠诚度 [1,2,3,4,5,6]；而顾客忠诚度的提高，可以降低未来的交易成 本[7]，降低产品的价格弹性[8]，并减少顾客对产品质量的挑剔，从而为公司带来财务上的利 润[9,10]。归根结底，顾客满意可以通过顾客忠诚来影响企业的经营绩效。 就顾客满意和顾客忠诚的关系而言，满意的顾客更有可能成为忠诚的顾客，而忠诚的 顾客通常对产品也是满意的。但是，顾客满意并不等于顾客忠诚，它是顾客忠诚的必要条 件，不是充分条件 [2,11,12]。美国贝恩公司的一项调查显示，在感觉满意或很满意的顾客中， 有 65 %－85 %会转向购买其他公司的产品。在汽车行业中，有 85 %－95 %的顾客感到满意， 可只有 30 %－40 %的顾客会继续购买同一品牌的产品。这种高顾客满意度，低顾客忠诚度 的现象就是所谓的顾客满意陷阱[2,11,13]。 企业要想跳出这样的顾客满意陷阱，首要的问题是了解顾客。由于顾客本身的异质性， 不同顾客群体满意与否对其忠诚的影响不同，给企业带来的价值也不同。因此，企业首先 应该细分顾客群体，寻找那些真正因为满意而导致忠诚的顾客群体，以便有针对性的制定 和实施营销策略。 在目前市场细分模型的研究中，大部分是基于顾客的人口统计特征、地理因素或者对 某些品牌的偏好等多个变量进行细分，真正基于两个变量之间关系的细分方法却为数不多。 因此，本研究将采用一种新的聚类回归分析方法（Clusterwise Linear Regression，CLR）， 基于顾客满意和顾客忠诚的关系进行顾客群体细分，识别在顾客的购买和消费过程中，哪 些顾客群体会因为其对产品的满意而重复购买，对品牌保持忠诚；哪些顾客群体属于惟利 是图的顾客，无论其对产品满意与否，都不会影响其是否重复购买。 2 研究问题的提出 有关顾客满意与顾客忠诚关系的研究始于二十世纪早期。Hoppe 和 Levin 在二十世纪三 十年代首先从社会和实验心理学角度验证了满意与自尊、信任以及忠诚的关系。六十年代 Cardozo 从营销的角度对顾客满意进行了实验研究，提出顾客满意会带动重复购买行为[14]。 之后，许多学者对顾客满意和顾客忠诚的相关关系做了大量实证研究，其中的大部分研究 结论都表明两者具有正向关系，即顾客越满意就越忠诚 [1,2,3,4,5,6]。 随着研究的不断深入，一些研究者发现，顾客满意与顾客忠诚的关系并不完全是线性 的。1992 年，Oliva 等人对服务行业的顾客满意和顾客忠诚关系进行了验证，验证结果表明， 顾客满意和顾客忠诚之间呈 S 型曲线关系，即顾客满意达到一定程度以后，顾客忠诚会急 剧提高[15]。2001 年，我国学者的研究也得出类似结论，即在感知服务质量与顾客满意之间 存在着所谓的“质量不敏感区域”，或所谓的顾客满意陷阱；在质量不敏感区域，尽管顾客 满意水平很高，但不一定会继续接受企业的产品或服务，也不一定有向其他人推荐的愿望 只有顾客满意达到一个临界水平后，顾客才表现出忠诚[2]。 对于不同的行业，以及不同的竞争环境，顾客满意对顾客忠诚的影响也存在很大差异 [13,16,17] 。2000 年，Miller-Williams 市场调查公司进行了一项调查研究，结果表明，不同行业 顾客满意和顾客忠诚的关系明显不同，在有些行业中，随着顾客满意的提高，顾客忠诚也 会相应提高，而在另一些行业则不然[18]。这一点在国内外其他的一些比较研究中也获得了验 证[19,20]。 在顾客满意与顾客忠诚的相互关系中，最为关键的要素是顾客，因为不同的顾客在相 同满意水平下的忠诚度是不一样的。国外的研究表明，顾客的情感，顾客在购买和消费过 程中的参与程度，顾客转换成本，顾客对品牌的信任和认同程度，以及是首次购买顾客还 是重复购买都会影响顾客满意和顾客忠诚的关系[21,22]。此外，顾客的性别、年龄和收入等人 口统计特点也会影响顾客满意和顾客忠诚的关系[23]。 综合以上研究，对于不同的顾客群体，顾客满意对顾客忠诚的影响不同，以至存在着 顾客满意陷阱。在接下来的研究中，将针对同一产品类别，基于顾客满意和顾客忠诚的关 系进行细分，从而分析不同顾客群体的满意度对忠诚度的影响，由此在经营管理过程中可 以针对不同的顾客群体实现差异化营销。 3 研究路线与模型 顾客满意和顾客忠诚是相对较为抽象的变量，对于这种抽象变量，通常采用多元的观 测变量（measurable variable）来解释。因此，在研究过程中，首先需要通过多元观测变量 计算顾客满意和顾客忠诚的分值，然后根据顾客忠诚和顾客满意的回归关系进行细分，并 对每个细分市场进行描述。研究路线如图 1 所示。 第一步 图 1 研究路线 在第一步样本顾客满意和顾客忠诚分值的计算过程中，由于研究目标要求体现不同顾 第三步 第二步 顾客满意 不同组群主成分分析 客群体在顾客满意以及顾客忠诚观测变量构成关系上的差异。因此，本研究首先对顾客满 观测变量聚类 确定样本顾客满意分值 细分市场 聚类回归 意的观测变量及顾客忠诚的观测变量进行聚类分析，分别根据顾客满意的观测变量和顾客 忠诚的观测变量把顾客划分为不同的群体，每个群体在观测变量的构成关系上具有一致性 特征描述 细分市场 顾客忠诚 不同组群主成分分析 然后分别对各个类别做主成分分析，得到每个样本的顾客满意和顾客忠诚的分值。 观测变量聚类 确定样本顾客忠诚分值 得到每个样本的顾客满意和顾客忠诚分值以后，则需要根据顾客忠诚和顾客满意的回 归关系进行细分。市场细分的方法很多，常用的方法如聚类分析（Cluster Analysis）和多维 尺度分析（Multidimensional Scaling）等。这些方法多是根据顾客的人口统计特征、地理因素 或者对某些品牌的偏好等多个变量来细分顾客群体。由于本研究的目标是基于顾客满意与 顾客忠诚的相关关系来细分市场，上述方法的适用性受到限制。因而本研究尝试采用一种 新的统计分析方法——聚类回归分析方法。 聚类回归分析方法的模型最早由 Spath 等人在 1979 年提出，后来许多学者又对该模型 做了进一步的修正 [24,25,26]。与传统模型相比，该模型可以在细分顾客群体的同时，估计每个 细分市场对因变量均值和方差的解释程度。因此，本文就是要利用该模型的这种特点细分 顾客群体，并估计每个细分市场顾客满意和顾客忠诚的回归方程。模型表述如下。 对于每个样本的顾客忠诚 yi，均可以由在不同细分市场上顾客满意的函数来估计，如 公式（1）所示。 K yi ~  k f ik ( yi X ij ,  k2 , b jk ) k 1   ( yi  X i bk ) 2  yi =  k (2 ) exp   2 k2 k=1   K 2 -1/2 k （1） K  k 1 0<k <1 k 1 其中，k=1…K，表示各个细分市场；i=1… I，表示各个样本顾客；j＝1…J，表示各个 因变量（在本文中是指模型回归的常数项和顾客满意两个变量）；Xij 表示样本顾客 i 在第 j 个因变量上的分值，各样本常数项的分值为 1；bjk 表示第 k 个细分市场方程 j 变量的回归系 数；σk2 表示第 k 个细分市场回归方程的残差；λk 表示第 k 个细分市场占所有样本顾客的比 例；Xi 和 bk 分别表示 Xij 和 bjk 向量。 对于所有样本顾客，采用极大似然法估计，即可得到每个细分市场回归方程的系数和 残差。如公式（2）所示。 I  K   ( yi  X i bk )2   L =   k (2 k2 )-1/2 exp    （2） 2 k2 i=1  k=1   根据贝叶斯原理，可以通过各参数的估计值估计每个样本顾客属于各细分市场的概率， 从而估算其属于哪个细分市场。如公式（3）所示。 Pˆik  ˆk f ik ( yi X ij , ˆ k2 , bˆ jk ) K  ˆ k f ik ( yi X ij , ˆ k2 , bˆ jk ) （3） k 1 在模型估计过程中，细分市场的数量 K 是根据具体研究确定的。究竟应该选择几个细 分市场，可以参考 BIC 准则（Bayesian Information Criterion）。，BIC 的计算如公式（4） 所示。 N k ( K  1)  JK  K BICk  2 LnL  N k ( LnI ) （4） 其中 Nk 是指模型的自由度。在极大似然法的估计中，要使联合概率密度 L 最大，因而 在模型估计的时候，往往先设定不同的细分市场个数 K，然后计算不同模型的 BIC，选择 BIC 较小的模型来确定各细分市场。 确定各细分市场以后，则可以根据人口统计特征对每个细分市场进行描述。常用的分 析方法有两种，广义对应分析方法（Multivariate Correspondence Analysis）和判别分析方法 （Discriminant Analysis）。本研究将采用广义对应分析方法，分析各个细分市场与消费者人 口统计特征的关联，以便于企业识别各细分市场。 4 应用实例 4.1 数据来源 本研究所采用的数据来自于 2004 年中国顾客满意指数测评所做的调查，该项测评是由 清华大学中国企业研究中心完成的。中国顾客满意指数测评涉及大多数主要的消费产品和 服务类别，本研究选取了手机行业的数据，包括 TCL、波导、飞利浦、海尔、康佳、科健、摩 托罗拉、诺基亚、三星、西门子、厦新等 11 个品牌。各品牌在全国 50 个主要城市完全随机抽 取了 250 个样本，全部调查通过