¿Qué es el método de análisis SEM?
Modelado SEM
Tecnología de análisis estadístico multivariado
El modelado de ecuaciones estructurales (SEM) es una tecnología estadística multivariada que combina análisis factorial y análisis de ruta. Su fortaleza radica en el estudio cuantitativo de las interacciones entre múltiples variables. En los últimos treinta años, SEM se ha utilizado ampliamente en los campos de las ciencias sociales y las ciencias del comportamiento y, en los últimos años, también se ha utilizado gradualmente en la investigación de mercados.
Modelado SEM Modelado de ecuaciones estructurales, denominado modelado SEM La satisfacción del cliente es una sensación de si un producto o servicio cumple o supera las expectativas del cliente. El modelado de ecuaciones estructurales (SEM) es uno de los métodos de modelado para estudiar la satisfacción del cliente. Su propósito es explorar la relación causal entre las cosas y expresar esta relación en forma de modelos causales, diagramas de ruta, etc.
Como se muestra en la Figura 1: Figura 1: El marco básico del modelo SEM El modelo incluye dos tipos de variables: una son las variables de observación, que se pueden obtener a través de entrevistas u otros métodos de encuesta y se representan. por un rectángulo; la otra son variables estructurales, es una variable que no se puede observar directamente, también llamada variable latente, representada por una elipse. Figura 1 Marco básico del modelo SEM Existe una cierta relación entre todas las variables y esta relación se puede calcular. El valor calculado se denomina parámetro, y el tamaño del valor del parámetro significa el impacto del indicador en la satisfacción, que es un factor importante que determina directamente si un cliente compra. Si los valores de los parámetros se pueden medir científicamente, se pueden encontrar los factores clave de desempeño que afectan la satisfacción del cliente, guiando a las empresas a mejorar o mejorar el desempeño y lograr el objetivo de mejorar rápidamente la satisfacción del cliente. Principales ventajas: en primer lugar, puede mostrar el análisis de la motivación de forma tridimensional y multinivel. Esta relación causal de múltiples niveles está más en línea con la verdadera forma del pensamiento humano y no puede lograrse mediante el análisis de regresión tradicional. SEM divide los atributos en múltiples niveles para su análisis según el nivel de abstracción de los diferentes atributos. En segundo lugar, el análisis SEM puede incorporar atributos que no se pueden medir directamente en el análisis. Tomemos, por ejemplo, la lealtad del consumidor. Esto permite un alcance más amplio de análisis de datos, especialmente para atributos más abstractos y generales. En tercer lugar, el análisis SEM puede cuantificar las relaciones causales entre atributos para que puedan compararse en el mismo nivel y pueda usarse el mismo modelo para comparar segmentos o competidores. Análisis de caso Descripción de la situación Cierta rama de comunicaciones quedó clasificada en los últimos puestos muchas veces. Después de aprender de la experiencia, decidió reformarse. La sucursal tiene tres negocios: negocio de línea fija, negocio SmarTone y negocio de Internet. Centrándose en las ventas de estos tres tipos de productos comerciales, la Subdivisión de Comunicaciones también brinda servicios de preventa, venta y posventa. Combinando los principales productos de la Rama de Comunicaciones, partiendo de la satisfacción del cliente, nos enfocamos en analizar y encontrar los factores clave que afectan la satisfacción del cliente y brindamos soporte de datos para formular planes efectivos de mejora de la satisfacción del cliente. Diseñar modelo de satisfacción De acuerdo a la situación específica del negocio de la empresa, diseñar un modelo de satisfacción del cliente, como se muestra en la Figura 2: Figura 2: ¿Modelo SEM de satisfacción del cliente del ramo de comunicaciones? Figura 2 Modelo SEM de satisfacción del cliente de una rama de comunicaciones Como se puede ver en la Figura 2, el objetivo de esta rama es examinar el impacto de la satisfacción del producto y del servicio en la satisfacción del cliente. En la Figura 2, La construcción de indicadores de medición específicos se basa en el modelo SEM de satisfacción establecido, enfocándose en las ventas de servicios de telefonía fija, servicios PHS y servicios de acceso a Internet, así como los servicios de preventa, venta y posventa de estos servicios. Se construyen indicadores de observación específicos (variables), como se muestra en la siguiente tabla: Tabla: ¿Indicadores Observados de Satisfacción del Cliente? Muestreo de encuestas sobre indicadores de observación de satisfacción del cliente Una vez aclarados los indicadores, el siguiente paso es investigarlos para comprender las reacciones de los consumidores ante ellos. Generalmente, utilizamos una encuesta por cuestionario, que se puede dividir en cuatro partes: (1) Parte de selección: esta parte diseña algunas preguntas de selección para garantizar que los encuestados pertenezcan al grupo objetivo (2) Evaluación general: al comienzo de la encuesta; En la entrevista, se pregunta a los encuestados sobre la puntuación de satisfacción general. La pregunta se puede diseñar de la siguiente manera: "En general, ¿está usted satisfecho o insatisfecho con ______? Califique ______ en una escala de 10 puntos, donde 1 es muy pobre y 10. siendo muy bueno." ". (3) Calificaciones de desempeño: comprender las opiniones de los clientes sobre el desempeño de productos y servicios en aspectos específicos. De acuerdo con la calificación general, se utiliza una escala de 10 puntos.
Los investigadores utilizarán estos puntajes para medir la satisfacción del cliente con diversos aspectos de los productos y servicios, y los analizarán mediante modelos SEM para descubrir los factores clave que afectan la satisfacción del cliente (4) Información previa: como información demográfica e información de estilo de vida, utilizada para clasificar; , por ejemplo, ¿un determinado grupo demográfico o de estilo de vida está más o menos satisfecho que el cliente promedio? Utilice software para implementar encuestas de satisfacción Después de obtener datos de primera mano, puede utilizar software para realizar análisis estadísticos de los datos. No importa qué software se utilice, los pasos básicos son los mismos. Transferimos el modelo diseñado previamente a un software específico, establecemos el modelo de satisfacción del cliente de la rama de comunicación a nivel de prefectura y luego ingresamos los datos de la encuesta para obtener los resultados del análisis de los factores clave que afectan la satisfacción del servicio, como se muestra en la Figura 3: Figura 3 : ¿Diagrama del modelo de análisis de los factores clave que afectan la satisfacción del cliente? Figura 3 Diagrama del modelo de análisis de los factores clave que afectan la satisfacción del cliente El valor entre los dos indicadores en la Figura 3 es un parámetro de la estadística, lo que indica que el indicador está relacionado con el nivel superior. indicador. El grado de influencia también se denomina valor de contribución. Si el valor es mayor, significa que el indicador tiene un impacto mayor en la satisfacción del indicador de nivel superior; si el valor es menor, significa que el indicador tiene un impacto menor en la satisfacción del indicador de nivel superior. De acuerdo con los resultados de la estimación de parámetros en la Figura 3, se puede ver que entre los factores clave que afectan la satisfacción del servicio, el servicio posventa es la clave (el valor del parámetro es 0,40) y el manejo de quejas en el servicio posventa (el valor del parámetro es 0,40). 0,98) es la clave. Como puede verse en la Figura 3, la satisfacción percibida con el servicio tiene un impacto mucho mayor en la satisfacción general que la satisfacción con el producto. Combinado con los puntajes de satisfacción con el servicio, se puede concluir que la rama de comunicaciones debería centrarse en mejorar la satisfacción con el servicio. Aplicaciones específicas SEM es una herramienta de prueba teórica y cuantitativa integral para estudiar relaciones causales. Se puede aplicar a diversos estudios en el campo de la investigación de mercado, tales como: investigación de satisfacción, investigación de marca, investigación de producto, etc. Por tanto, es de gran ayuda en la gestión de marca. Desde una perspectiva macro, el modelo establecido por SEM ayuda en el macrocontrol de la marca. Este tipo de modelo SEM es generalmente relativamente simple, se centra en propósitos macroscópicos e inductivos, y la estructura del modelo no cambiará durante un largo período de tiempo (la Figura 4 es un ejemplo típico). Figura 4: ¿Modelo ACSI? Figura 4 Modelo ACSI Desde una perspectiva micro, SEM puede establecer una hoja de ruta detallada para la microgestión de la marca y proporcionar orientación operativa específica para la construcción de la marca. La característica de este tipo de modelo SEM es que el modelo es generalmente más complejo e incluye varios atributos, desde abstractos hasta concretos, centrándose en propósitos integrales y jerárquicos, y es posible que sea necesario ajustar el modelo con regularidad. Los indicadores de evaluación evalúan si el modelo conceptual está respaldado por datos observacionales. Hay tres indicadores de ajuste. Uno es el índice de ajuste absoluto, como χ2, error cuadrático medio de aproximación (RMSEA), residuo cuadrático medio estandarizado (SRMSR), índice de bondad de ajuste (GF I), índice de bondad de ajuste ajustado (AGF I), comparativo índice de ajuste (CFI), etc. El segundo es el índice de ajuste relativo, como NF I, NNF I; el tercero es el grado de parsimonia, como el índice de ajuste normativo parsimonioso (PNF I), el índice de bondad de ajuste parsimonioso (PGF I), el índice de ajuste parsimonioso (PGF). Yo) espera. (PNF I) y el índice de bondad de aptitud parsimoniosa (PGF I). A diferencia de la prueba tradicional de χ2, el modelado de ecuaciones estructurales espera obtener una χ2 insignificante. Cuanto menor sea la χ2, mejor se ajustarán los datos observados al modelo. Dado que χ2 está relacionado con el tamaño de la muestra, no se utiliza directamente como indicador para evaluar el modelo, sino que se mide mediante χ2/gl. Cuanto más cercano a 0 esté el valor de χ2 /gl, mejor se ajustarán los datos observados al modelo. En términos generales, cuando χ2 /df es 3, el modelo es mejor; cuando χ2 /df es 5, los datos de observación y el modelo son básicamente ajustados, y el modelo es aceptable cuando χ2 /df es 5, lo que significa que la observación; los datos y el modelo no están bien ajustados, el modelo no es bueno; cuando χ2 /df es 10, significa que los datos observados no se ajustan al modelo y el modelo es muy pobre. Sin embargo, dado que χ2 está estrechamente relacionado con el tamaño de la muestra, χ2/gl también se verá afectado cuando el tamaño de la muestra sea mayor. Por lo tanto, se utilizan comúnmente indicadores de ajuste integrales como RMSEA y SRMSR para evaluar el soporte entre los datos de observación y el modelo conceptual. El rango de valores de RMSEA y SRMSR está entre 0 y 1. Cuanto más cerca de 0, mejor será el ajuste entre los indicadores. modelo y los datos de observación altos. RMSEA y SRMSR toman valores entre 0 y 1.
Según el estándar general RMSEA <0.1, los valores observados se ajustan bien al modelo; <0.05, los valores observados se ajustan bien al modelo; <0.01, los valores observados se ajustan muy bien al modelo; los valores observados se ajustan bien al modelo Mejor; <0,05, los valores observados se ajustan muy bien al modelo. Valores de otros indicadores de ajuste: Otros indicadores de ajuste: GFI, AGFI, CFI, NFI, NNFI, etc. también tienen valores que van de 0 a 1. Cuanto más cerca esté de 1, mejor será el ajuste del modelo; > 0,90 o superior, el modelo se considera de buen ajuste. Todos los indicadores anteriores describen el grado absoluto de ajuste entre el modelo y los datos observados. Al comparar modelos, también puede utilizar PGFI, PNFI, etc. para reflejar el grado de frugalidad del modelo; cuanto más cerca estén PGFI y PNFI de 1, mejor, pero no existe un estándar unificado para el tamaño específico. Según la teoría del modelo de ecuaciones estructurales, la evaluación del modelo es un tema complejo y los diferentes indicadores de ajuste tienen diferentes enfoques al evaluar los modelos. Por lo tanto, generalmente se cree que la calidad de un modelo no puede juzgarse mediante un solo indicador, sino que debe evaluarse de manera integral a través de múltiples indicadores.