一、顾客满意度测评现状
最近几年来，顾客满意度这一概念在中国传播得如火如荼。顾客满意度评价排名成为众多企业对外宣传和公关的手段。经常出现的一种情况是：在某一行业内，某一个品牌或者某几个品牌被某个机构或者某家公司评定为该行业内的顾客满意最佳品牌，其竞争对手则通过另外的机构或者公司，把自己评定为行业内的最佳。顾客满意度分值和排名，成了品牌拥有者的一件华丽外衣，可以通过赞助、委托调查等方式获取到。于是乎，我们通常见到的是：XX品牌的顾客满意率99％，或者YY品牌的顾客满意度分值95分等等。这些品牌的满意率或者满意度真的有那么高吗？
国内权威的顾客满意度研究机构——清华大学中国企业研究中心在最近几年公布的中国用户满意度指数中，不同行业中的主要品牌，其用户满意度分值在70－85分之间居多。和某些品牌宣传的高分值差别很大。为什么会出现这种差别呢，主要的原因如下：
1、采用的方法论和分析计算手段不一样；
2、采用的调查手段和控制措施不同，造成了误差；
3、中国有句俗话：“拿人钱财，替人消灾”。如果委托方提供了经费或者赞助，那么受委托方可能就难以客观地评价。
4、清华大学中国企业研究中心主导的中国用户满意指数（CCSI）研究是由完全独立的第三方进行调查，在全国50个城市通过固定电话完全随机抽样调查完成。其公正性和代表性得到国家相关主管部门的认可和消费者的信任。
根据直觉，消费者往往对很多产品的满意率能够达到99％或者满意度分值达到95分以上表示质疑。如果真的有这么高的满意率或满意度分值，这些企业在其目标市场应该占有绝对优势，而事实并非如此。实际上，正是由于消费者各种不满意因素的存在，才推动了市场的多样化发展以及竞争的多元化。
二、测评顾客满意度的作用
管理中有句名言：“NO MEASUREMENT, NO MANAGEMENT.” 就是说“没有测量，就没有管理”。顾客满意度测评就是对现有顾客的购买、使用某产品/服务全过程的满意程度进行测量。作为企业，顾客满意度排名诚然重要，因为通过客观的评测和排名，可以了解自身品牌在行业中的地位。这种地位是通过顾客的视角和感知得到的，顾客是通过这种感知来决定自己是否重复购买该品牌产品，或者交叉购买该品牌的其它产品，或者向亲戚朋友推荐购买该品牌产品。满意而导致的上述忠诚行为，可以对企业的绩效产生直接的影响。
除了了解满意度现状以外，顾客满意度调查的另外一个重要目的是指导企业提升顾客满意度。要达到这一目的，仅知道顾客满意度的高低和排序还不够，还需要知道影响顾客满意度的驱动要素有哪些，企业在这些要素上的表现如何，这些要素对目标顾客的满意度影响有多大。回答了上述问题，才可能有的放矢地指导企业提升顾客满意度。要回答这些问题，就需要通过严格的调查研究和统计分析手段才能达到。
三、常见的顾客满意度测评方法
由于顾客满意度概念的热销，许多市场调查公司、咨询公司都声称能够进行顾客满意度测评。基于不同的目的、自身技术力量的限制以及委托方预算的高低，开展顾客满意度测评的方法形形色色，非常多。整体归纳起来，可以大概划分为以下几种：
方法1：简单易行型
本方法直截了当地问：“你对XX品牌的产品/服务总体上满意吗？”受访者可以进行选项或者打分。
这种方式效率高，容易回答，可以询问受访者对多个品牌的满意度评价，从而了解到消费者对竞争品牌的总体评价。但是，由于这样一个问题太过简单，受访者的回复在很多情况下由于没有时间仔细考虑被调查产品的方方面面，其选择通常趋向于中庸的选项。这就好像，当您和朋友聚餐后，回家父母问你饭吃得怎样。回答通常是“还可以”、“还行”、“不错”等。事实上，被问者并没有仔细去考虑饭菜质量、服务质量、价格等各种要素，而且可能选择肯定回答的主要原因在于聚会时和朋友聊得不错，或者遇见了初恋女友，心情不错的缘故。
方法2：双重评价型
这种方式需要调查设计者找到一些影响满意度的驱动要素，然后让受访者对被调查品牌在该驱动要素上的表现打分，同时还要对该驱动要素对其重要程度进行打分。
问题比如：“请问XX品牌洗衣粉的溶解性能怎么样，可以打几分？”；“洗衣粉的溶解性能对您而言重要吗，请选择”。
之所以这样设计，目的是不仅仅了解顾客对某品牌产品/服务的满意度高低，而且了解对相应的满意度驱动要素的评价高低。除此之外，了解消费者对这些驱动要素的看重度（自述重要性），即对哪些要素更加重视，哪些不那么重视。了解了这些要素以后，在确定满意度提升措施的时候，可以重点提升那些消费者评价低，而重要性高的要素。
这种方法考虑到满意度驱动要素，是一种进步。但是也存在几个缺陷：
A．根据我们的经验，通过这种方式让受访者对满意度驱动要素选择其重要程度，受访者对大部分要素都选择了非常重要或者重要。这种方式难以区分开消费者对不同要素的真实看重程度。
B．我们的目的是要找到驱动要素对满意度的影响大小。用驱动要素对受访者的重要性替代这一概念，这种“概念替换”经常会误导企业的资源配置。比如说，对飞行乘客而言，飞机的安全性无可置疑是他们认为最重要的要素。但是，该要素其实是航空公司的一个必备要素，达到一定的水平后，进一步增加其表现，并不能明显增加飞行乘客的满意度。根据我们的经验以及国外调查的结果，飞行中的餐饮质量、两排座椅间的距离大小、常旅客计划的吸引力等要素，是乘坐航班满意度的重要影响要素。这些方面的改进，能够明显提升飞行乘客的满意度。
C．这种方式需要受访者对每个驱动要素的表现和重要性分别进行评估，必定会占用受访者较多的时间和精力，从而增加了调查成功的难度。
本方法目前在企业自身实施的满意度调查中应用得比较广泛，因为其应用基本不需要太多的统计分析技术，实施简单。
方法3：双重评价改进型
这种调查方式是在上一种方式的基础上改进而得到的。具体方法是：假定全部要素的重要性合计为100，受访者在对每个调查要素给予重要性权重的时候，最终需要使得权重和为100。这种方法可以部分弥补上面提到的A类缺陷，但是当驱动要素的数量较多，比如多于6个时，受访者就非常难以准确地分配好权重。而实际生活中，某产品/服务的满意度驱动要素常常在10个以上。
本方法无法解决上一方法中的缺陷B和C。
方法4：采用多元线性回归统计分析技术
随着市场调查分析技术的发展，统计工具在市场研究中应用得越来越多。利用多元回归分析技术，可以计算出满意度驱动要素对满意度的影响大小。这种影响大小可以解释为，在其它要素不变的情况下，某满意度驱动要素提升1分，满意度在现有的基础上可以提升多少分。
当满意度的驱动要素非常少，而且这些要素相互之间的相关性很弱时，这种方法不失为一种简单有效的方法。
然而，实际生活中，影响消费者对某种产品/服务满意度的要素通常非常多，而且这些要素越细化，对企业而言，在确定满意度提升措施时才更具有可操作性。随着影响要素的增加和细化，如果采用多元回归的方式，计算出来的影响要素一般会由于这些要素的相互作用和影响（统计学中叫做共线性），其数值变得无法解释现实情况。比如，在汽车4S店销售服务满意度的调查中，出现销售人员专业知识的掌握程度对消费者满意度的影响为-0.21这种无法解释的情况（系数为-0.21表示消费者对销售人员专业知识的评价提高1分，其满意度反而减少0.21分）。一般而言，多元回归适用于自变量少于6个的分析当中。
为了减少共线性的影响，可以尝试采用减少共线性影响的统计工具，比如岭回归。但是采用岭回归在消除共线性影响的同时，也削弱了数据分析的精度。此外，岭回归的结果无法进行统计检验，并且需要人为干预最终结果。因此在实践中用得不多。
多元回归的另外一个局限性是只能处理一个因变量，多个自变量之间的关系。而在现实生活中，满意度驱动要素之间通常也存在明显的相互影响，通过多元回归无法解决这一问题。
从科学的角度看，随着新的分析研究技术的涌现，回归统计分析技术已经不太适用于顾客满意度的研究领域。
方法5：采用多次多元线性回归技术
把变量划分为3级以上，以空调用户满意度示例如下：
第一级变量：满意度或者忠诚度；
第二级变量：售前售中服务、产品质量、售后服务等；
第三级变量（售后服务）：报修过程、上门人员服务规范、维修效果、增值服务等。
第四级变量（保修过程）：报修电话畅通、话务员服务态度、话务员专业知识、话务员维修时间安排合理等。
下一级变量作为自变量，上一级变量中对应的某个变量作为因变量进行回归。层层向上递推，得到每一级的回归系数，进而导出最下层变量对最上层变量的影响大小。
这个方法看似有理，把一个一个局部的内在联系单独分析，然后往上推导。实际上，这很容易陷入“瞎子摸象”的误区中。因为所有的满意度驱动要素对最终的满意度都存在或大或小的影响，这些要素之间也存在一定的相关关系，完全把一个个的局部独立分析，不从全局的角度统筹考虑、统一分析数据之间的关系，计算推导出的影响大小很容易“失真”。
此外，这种方法也无法处理一个自变量影响多个因变量的情况。
方法6：构建结构方程模型，用通用软件计算