用顧客意見精進營運

以資料驅動的商業決策

Ted Kwartler

Data Dude

檢視顧客問卷資料

$$

• 資料蒐集：質性訪談、線上評論、交易資料
• 用模型解讀顧客問卷資料

把問卷作為模型輸入

• Q1：你的整體滿意度為何（1–5）？
• Q2：你如何評價產品／服務品質（1–5）？
• Q3：你如何評價產品／服務選項（1–5）？
• Q4：你是否同意價格公道（1–5）？

	Q1（整體滿意度）	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

把問卷作為模型輸入

	Q1（整體滿意度）	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

$$

• 目標變數
  • Q1
• 解釋變數
  • Q2、Q3、Q4

用顧客資料建立解釋型模型

	Q1（整體滿意度）	Q2	Q3	Q4
Customer-1	1	5	5	5
Customer-2	1	4	5	5
Customer-3	0	1	3	1
Customer-N	1	1	4	4
...	...	...	...	...

$$

Logistic regression model

$f(\text{overall satisfaction}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

用 Beta 總和看影響力

Logistic regression model

$f(\text{overall satisfaction}) = \beta_1 * Q2 + \beta_2 * Q3 + \beta_3 * Q4$

模型輸出

$f(\text{overall satisfaction}) = 0.25 * Q2 + 0.25 * Q3 + 1 * Q4$

Beta 總和

	Beta	Beta 總和	佔比
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

用出現頻率補足脈絡

$$

	Beta	Beta 總和	佔比
Q2	.25	0.6	.42
Q3	.25	0.6	.42
Q4	.1	0.6	.16

用出現頻率補足脈絡

加入組織在各面向表現良好的頻率作為脈絡

	Beta	Beta 總和	佔比	高分的出現頻率
Q2	.25	0.6	.42	.8
Q3	.25	0.6	.42	.35
Q4	.1	0.6	.16	.15

開始行動！

以資料驅動的商業決策