主页 > 案例大全 > 论文在线分享-基于汽车可靠性的顾客满意度研究

论文在线分享-基于汽车可靠性的顾客满意度研究

2021-05-06 18:15:16

  汽车企业想要占有更多的市场份额,就必须以顾客为中心进行开发和改进自己的产品。顾客满意度的测评是直接了解客户意愿的有效途径之一。

  本文首先对目前汽车市场满意度评估背景和现状进行探究。针对丰田卡罗拉汽车,构建汽车总体满意度体系,以汽车总体满意度为一级指标,结合可靠性理论选取顾客着重关心的几个方面作为二级指标,根据指标体系设计调查问卷。对调查的结果进行汇总分析,使用多元线性回归的方法建立汽车满意度模型,得出了各个指标在总体满意度模型中的比例,接着对各变量的相关性进行分析。根据分析的关键因素从汽车可靠性方面提出了对汽车长期满意度提升的相关技术和管理策略。

  随着我国经济的高速发展,工业化水平的发展,人民的生活水平有了极大的提高。作为工业中的支柱产业,汽车产业同样取得了快速发展。我国的轿车销售量已达到非常高的水平。然而,自2018年5月以来,汽车销量28年来首次下降,中国汽车市场继续陷入12个月的低迷,与前几年相比,乘用车月销量有所下降。根据中国汽车工业协会发布数据显示,11月,汽车产量同比增长,销量同比降幅继续收窄。产销量分别完成259.3万辆和245.7万辆,环比分别增长13%和7.6%,产量同比增长3.8%,销量同比下降3.6%,销量同比降幅比上月收窄0.5个百分点。1-11月,汽车产销分别完成2303.8万辆和2311万辆,产销量同比分别下降9%和9.1%,产销量降幅比1-10月分别收窄1.4和0.6个百分点。说明我国汽车行业已进入平稳期,伴随着行业发展,我国汽车保有量已近2亿,与我国人口在世界人口比例几乎持平[1]。

  在竞争日益激烈的市场环境中,顾客已经成为区分好坏产品的主导角色。换句话说,相似产品之间的差别越来越小,而更大的差别在于制造商能否为顾客提供满意的产品质量和服务。美国营销大师菲利普科特勒曾说:“企业的整个经营活动要以满意顾客的需求为指针,首要,要从顾客角度着想,而不是企业的自身利益的角度来分析考虑顾客的需求”[2]。现在,我国汽车工业处于大众消费的低速稳定增长阶段,国内的市场和汽车行业消费需求也在逐步增加。因此,各大的汽车企业已经意识到,有必要以顾客为中心来开发和改善产品,以取得更大的产品优势。以顾客为中心来开发产品就要求汽车企业需求深化地了解顾客的需求,汽车满意度的测评刚好与汽车企业了解顾客志愿的需求和期望相符,进而提出优化战略,完善产品,使之更符合顾客的要求,获得产品竞争优势。

  1.1国内外研究现状

  1.1.1国内汽车行业顾客满意度现状

  因为我国汽车工业发展起步较晚,与欧美等发达国家相比发展缓慢。直到近年,为了了解顾客需求,抢占汽车市场。我国汽车行业才开始对顾客满意度进行调查研究,汽车满意度调研也受到了应有的注重。但就国内的相关研究而言,还存在理论研究不够深化、实证研究量少、涉及的领域比较窄等现象。

  2005年,首家针对我国自主品牌的轿车满意度评价系统“中国轿车品牌客户满意度调研”正式打开。它是由我国的国资委研究中心、环保产业协会和联信天下协作主办的规划宏大的体系,包括54家车企数百种品牌,受到了来自业界关注。2006年,清华大学与大陆轿车俱乐部协作引进了“新车评价系统”(NCAP-New Car Assessment Program)。我国轿车技术研究中心根据本身的项目优势,逐步打开轿车满意度调研的市场[3]。

  2012年以来,CATARC在我国轿车行业顾客满意度调研不断扩展规划,从原先的几个核心城市扩展到了数十座大中型城市,并培育员工的业务水平,完善研究作业,改进研究办法。随着云计算和互联网时代的兴起。中汽研选用线上线下结合,构建网上数据库,推进了满意度调研常态化。截至今天,CATARC全国轿车顾客满意度数据库切实反映了顾客心里所需,已成为各车企研制人员重要的参考数据。

  1.1.2国外汽车行业顾客满意度现状

  美国的J.D.POWER公司(以下简称JD公司),在汽车行业顾客满意度调研范畴是比较权威的,许多汽车品牌公司都挑选该公司为其产品做满意度调研。JD公司是一家市场信息服务公司,该公司的主要事务包含市场调研、市场分析、市场预测以及顾客满意度调查等项目。JD公司的汽车顾客满意度调研主要涵盖四个方面,包含汽车服务满意度调研、汽车出售满意度调研、新车规划与功能运转调研、新车质量调研等。JD公司在汽车顾客满意度调研领域构建了比较科学而全面的测评体系,对汽车企业施行顾客满意度调研有着很好的借鉴含义。可是JD公司的轿车顾客满意度调研作业仍存在一些不足之处[4]。比方,该公司对轿车性能和运转设计的调研中,只通过核算问题次数来评分,而没有根据不同问题进行权重赋值,这样显然是不太科学的。还有,JD公司的轿车满意度调研现在还都局限在乘用车领域,因此还是具有一定的局限性。

  1.2研究方法与思路

  1.2.1研究方法

  (1)多元线性回归理论

  包含两个或多个独立变量的回归分析称为多元回归分析。现实生活中的问题往往十分复杂,一种现象可能都与几个因素有关,即一个因变量由几个自变量决定。因此依据多个自变量达成最优组合来对因变量进行预测就更为有效。所以多元线性回归理论具有很强的实际应用价值。

  (2)文献检索法

  该方法是经过对文献进行搜集、差异、总结然后构成对实际的科学认识的方法。本文在撰写过程中,经过对顾客满意度相关理论、测评模型以及汽车行业顾客满意的研讨现状等文献的总结和收集,获取了有关顾客满意度影响要素、测评方法等知识,为本文的研讨供给了理论基础。

  (3)归纳总结法

  对满意度查询统计分析的成果进行研究总结,让顾客对轿车满意度的提高给出针对性的建议和策略。

  (4)问卷调查法

  本文选用问卷查询法来研讨轿车满意度,依照严谨科学的原则规划调查问卷,并线上线下一起向顾客发放问卷,对收回的问卷进行抽样与数据统计分析处理。

  轿车满意度是一个多层次、多方针的系统,为了得到顾客关于轿车的整体满意度,就必须找到一些顾客可以直接感知的要素,这就导致某些不易被感知的要素无法作为点评满意度的方针,本文在二级方针下选取了若干易被感知要素作为三级方针,帮助顾客愈加简略做出点评。

  1.2.2研究思路

  (1)阐述汽车满意度研究的意义,了解行业研究现状,开展理论研究。

  (2)建立满意度指标体系,一级指标为汽车总体满意度。从可靠性的角度划分二级指标,并据此设计问卷。

  (3)根据回收的问卷,首先对问卷进行抽样并检验信度和效度,根据数据建立各二级指标在总满意度的权重,利用主成分分析提取关键因素。

  (4)对得到的三个关键因素进行分析,从故障和可靠性工程的角度提出汽车满意度的改善策略。

  2顾客满意的相关叙述

  2.1顾客满意及其理论概述

  2.1.1顾客满意度概念

  顾客满意的概念是由Cardozo在1965年初度提出的,自此学者们初步争相研讨,到现在为止,现已经研讨了几十年。尽管如此,学者们对顾客满意度的定义仍存在多种知道,截止现在还并没有构成一个统一的定义。经过对现有文献的拾掇,本文将顾客满意的多种定义大致分为三类。如表2-1所示。

  表2-1顾客满意的分类

  类别代表人物主要观点及发展历程

  第一类Howard;

  Sheth等1969年,Howard和Sheth最早提出了这一观点,二者将顾客满意度用于消费者理论[5],认为“顾客满意是消费者对所付出代价与所获得收益是否合理进行评判的心理状态”。

  第二类Kotler等1991年,Kotler提出了“顾客满意是产品预期与结果的函数”。1995年,他进一步将其解释为“一种人的感觉状态的水平,它来源于对一件产品或服务所设想的绩效或产出与人们的期望所进行的比较”[6]。

  第三类Quelch;

  Takuch等1983年,Quelch和Takuchi提出“顾客满意受消费前、消费时、消费后三个步骤所分别涉及因素的影响”。1984年,Day提出“顾客满意是针对某一特定的交易行为,在消费后对此交易进行的整体评价”[7]。

  总之,虽然学者们对顾客满意的定义没有共识,但大多数学者认为顾客满意的关键是顾客对购买产品的期望与顾客对产品的消费体验之间的差异。当顾客购买的产品质量超过他们之前的预期时,他们会感到满意。因此,顾客的期望是一种综合测评,其评价测评需要将顾客对产品和服务的感知与顾客对产品和服务的期望要素结合起来。

  2.2国内外顾客满意度模型

  2.2.1美国顾客满意度指数模型

  美国顾客满意度指数模型是美国质量协会(American Society of Quality,ASQ)和美国国家质量研究中心一起构建的。从上世纪90年代中期初步研究,每季度都要进行数据搜集更新[8]。该模型与传统三层结构不同,采用了国家、部分工作和企业四层结构的方式,涵盖了美国的各种不同行业。该模型可以对顾客的购买驱动进行剖析,判别顾客是受质量驱动还是受价格驱动。ACSI模型有六个变量,包括顾客对质量的感知、顾客期望、顾客对价值的感知、顾客满意度、顾客抱怨和顾客忠诚。整个指数模型的联络是依据其潜在变量间的因果联络来进行树立的。如图2-1所示。

  图2-1 ACSI模型

  2.2.2欧洲顾客满意度指数模型

  欧洲顾客满意度指数(ECSI)模型是与欧洲委员(DHⅢ)欧洲质量组织(EOQ)合作完成的,1999年起在欧洲进行选取试点进行实验,并在俄罗斯圣彼得堡首次开展满意度调研并取得成功[9]。ECSI模型致力于不同组织满意度进行量化,针对所有行业进行满意度指数调查,来对比欧洲与世界其他地区的差别。该模型从ACSI模型演变而来,如图2-2所示,删除了顾客抱怨这一因素,而增加了认为可以影响顾客最终评价的公司形象因素。ECSI模型认为顾客满意度是公司取得成功的必备条件之一。

  图2-2 ECSI模型

  2.2.3中国顾客满意度指数模型

  我国的顾客满意度研讨始于上世纪90年代,1996年12月,我国初次召集12部委联合展开顾客满意度工程推动大会,1998年国内有关专家学者引进国外顾客满意度指数模型开始进行理论研讨和实践检验,1999年我国质量协会为了建立具有我国特色的顾客满意度指数模型,从而特别成立了专家研讨小组,2000年我国质量协会和清华大学企业研讨中心正式展开我国顾客满意度指数(China Customer Satisfaction Index,C-CIS)的研讨[10],C-CSI模型由7个结构变量组成,每个结构变量都有多个观测变量,结构变量间存在10种关系,如图2-3所示。

  图2-3清华大学C-CSI模型

  C-CSI是我国首个全品类顾客满意度评价体系,多年来不同的专家学者和公司对C-CSI不断进行优化和改进,并获得了显著的成果。2015年由我国品牌评级组织和参谋组织Chnbrand提出的C-CSI模型获得了工业和信息化部品牌政策专项资金的扶持。C-CSI是通过对我国消费者的调查,统计和研讨消费者关于购买的商品或接受的服务满意度的计算模型,可以协助社会和企业了解顾客的需求和忠实程度,然后改善商品或服务。

  2.3顾客满意度分析的作用

  2.3.1宏观经济发展

  顾客满意度分析对宏观经济有明显的促进作用。根据相关研究,美国道琼斯指数与美国顾客满意度呈正相关[11]。因此,大多数国家将客户满意度评估作为质量调查的唯一工具,并使用计量经济学方法来衡量各行业的服务或产品质量。此外,顾客满意度分析的结果还可以预测顾客的消费倾向,从而指导社会资源的合理配置,避免优秀资源的浪费,并指导行业管理部门。

  2.3.2产业发展

  顾客满意度作为一个宏观指标体系,可以衡量和比较行业间产品和服务的质量水平。通过评价结果,可以分析行业间竞争的优势和劣势,积极引导能够促进发展的方面,及时纠正行业间的冲突方面。

  2.3.3企业发展

  顾客满意最重要的功能是为企业本身提供准确的基础。有了这个基础,企业才能对自己有一个清晰的认识。客户与企业的关系不是简单的商业关系,而是一种新型的供求关系。在这种新型关系下,企业不得不花费大量资源来维持客户关系。然而,在网络营销盛行的时代,客户关系的不稳定直接影响到企业的利润。只有充分利用顾客满意度,及时调整企业自身产品和服务的质量,才能促进企业的稳定发展。企业还可以通过客户满意度了解自己企业在行业中的地位,找出问题和差距,根据自己的问题调整策略,并与同行业的竞争对手进行比较。同时,顾客满意度的管理已经成为国际管理中的一个重要课题。根据客户满意度,我们可以更好地与世界接轨,学习先进的管理经验。

  3轿车满意度调研设计及数据抽样检验

  3.1构建汽车满意度指标体系

  3.1.1汽车可靠性的定义及指标

  随着社会科技的不断进步,汽车市场的竞争日益激烈。汽车产品的开发是一项非常复杂的任务,为了满足更多的客户期望,保证产品的高质量,汽车企业正面临着前所未有的挑战。对于汽车来说,可靠性与客户的经济利益甚至个人安全有着密切的关系。现代汽车比以前的汽车有更多由电子系统组成的控制系统。一个零件的损坏通常会引起连锁反应,这可能会导致事故和不可挽回的后果。

  根据国标GB3187《可靠性基本名词术语及定义》,它被定义为产品在特定条件下和特定时间内完成特定功能的能力,定义中有四个元素[12]。首先,“产品”主要是指研究对象,如本文中的汽车产品。第二,“特定条件”是指产品在操作和使用过程中可能遇到的使用、环境和储存条件。可靠性必须围绕“特定条件”进行讨论,否则毫无意义。第三,“规定时间”是指产品的工作时间。产品的可靠性通常是时间的函数。可靠性的讨论离不开规定的时间。第四,“规定功能”是指产品的功能和功能参数。失去功能意味着失败。因此,为了研究可靠性,必须保持产品的功能和功能参数。

  根据上述定义,汽车可靠性实际上是指汽车在正常运行和合理路况下,在一定时间或里程内保持正常行驶的能力。在相同的行驶环境下,有些车辆行驶数千公里后,所有功能仍保持正常,而有些车辆存在减震性差、制动性能低的问题,因此相应部件功能一目了然。

  事实上,市场经济是以用户的需求为导向的。没有用户,市场肯定会失去。因此,用户满意度是成功的先决条件。用户满足一般源于顾客的片面点评,在用户愈加关注经济性、维修方便的今日,要想赢得顾客满足就必须加强轿车产品可靠性,采用科学方法将质量改进办法落实到轿车整个出产及使用周期。

  一个产品的好坏不能只是经过其性能目标能否到达使用要求这一个条件所决议,还要考虑其在使用阶段维持自身性能的才能,即可靠性目标。常用的目标有下面几种:平均故障间隔时间(MTBF);故障率;平均无故障时间(MTTF);平均寿命;首次故障平均时间(MTFF);平均维修间隔时间(MTBM);可用性;系统效能;平均故障间隔里程(MTBF);平均首次故障里程(MTTFF)等。

  3.1.2汽车满意度指标体系建立原则

  在建立汽车满意度体系之前,除了考虑汽车产品的各种特性标准,还要严格依照以下几个准则。

  (1)全面完整关联原则

  满意度指标的选择应尽可能广泛和系统化,考虑到生命周期的所有阶段。重点选择权重较大的因素作为指标。例如,长期满意度指标应该关注产品的后期维护和维护协调。此外,还应考虑各指标之间的联系,使指标体系能更好地指导汽车企业,有利于企业获得有针对性的满意度意见,以持续控制和提高生产质量。

  (2)考虑客户原则

  汽车满意度指数体系的建立旨在收集顾客的满意度,也旨在获取真实的顾客需求,为顾客提供更好的服务,增强企业在行业中的竞争力。因此,满意度评价体系的设计必须以顾客为基础,从顾客的角度出发。

  (3)易于量化和易于操作的原则

  汽车满意度指标体系由多个指标组成。收集和统计这些指标的数据非常重要。指标的选择应易于量化,便于以后的处理和分析。在数据被量化之后,我们还应该考虑如何适当地获得这些数据,以便设定的指标便于我们获得数据。

  (4)基于成本控制原则

  在指标体系设计过程中,还应考虑时间和金钱的成本。对于权重较大的关键指标的满意度调查和可靠性指标的改进,需要增加研究成本。

  3.1.3汽车满意度指标体系建立

  为了可以准确的了解顾客的需求,参考满意度体系树立准则,我们用层次分析法将轿车整体满意度指标体系分为两个层次。

  二级指标为一些对满意度影响较大的可靠性目标。本文通过顾客的角度选取了顾客比较重要的目标,建立了轿车满意度指标体系。如表3-1所示。

  表3-1汽车满意度指标体系

  一级指标二级指标

  汽车满意度A首次故障时间

  B首次故障里程

  C平均故障间隔时间

  D平均故障间隔里程

  E平均故障维修时间

  F平均故障维修成本

  G有效度

  H平均故障危害度

  3.2调查问卷的设计

  汽车满意度问卷是在汽车满意度指标体系的基础上建立的,它由一系列问题组成,意图就是为了能直观的获取顾客满意度信息。调查问卷的质量会直接影响调研数据的收回难度及真实性乃至调研结论,所以查询问卷规划有必要予以重视。

  3.2.1调查问卷设计原则

  (1)方便和简单的原则

  汽车满意度调查问卷中的问题应简洁明了,不得含糊不清,以免因问题复杂而引起被调查者的不满,得到敷衍和不准确的数据。每个问题应该只包含一个意思,以免被调查者不知道如何回答。同时,我们应该尽量避免涉及隐私的问题,以平静的语气给被调查者留下好印象,让被采访者以轻松愉快的心情完成回答[12]。

  (2)刚性原则

  问卷的设计应尽可能严谨,结构和内容应经过反复审议后确定。这一命题的准确性以及它是否具有多重含义,需要在以后的实践中加以验证、修正和完善。同时,应该注意严格使用词语。中国有广阔的偏远地区。同一事物在不同地区可能有不同的版本或定义。设计问卷时应考虑地区差异,以避免客户对问题的疑虑。

  (3)系统原则

  问卷中的问题应具有相关性和很强的逻辑性。整个问卷应该是一个完整的整体。一般来说,问题的排列应该简单、统一、分散、合理匹配,以获得完整的满意度数据。如果问卷结构混乱。问题之间的跨度太大,这使得受访者思维混乱,容易产生抵触情绪,从而降低信息的准确性。一份系统的问卷是必要的,以帮助受访者思考和自然理解他们的真实感受。

  (4)非归纳原则

  在设置问题时,我们应该避免掺杂太多的主观因素,以免受访者受到问卷的干扰,产生不符合他们真实感受的答案。为了获得调查表,必须始终保证调查表的独立性和客观性准确的结论。

  (5)准确目的原则

  问卷的目的必须事先说明,受访者在回答问卷前必须知道调查的真正目的。

  (6)最短时间原则

  问卷应尽量减少受访者消耗的时间,一般控制在15分钟以内。多余的问题会惹恼受访者,影响调查的质量。问卷应尽量减少被调查者消耗的时间,一般应控制在15分钟以内,太多的问题会使被调查者反感并影响调查的质量。

  (7)方便后处理的原则

  在设计问卷时,应考虑恢复后处理的便利性,并尽可能采用科学的方法设计问卷,以减少恢复后问卷或计算机输入的时间消耗。

  3.2.2问卷对象的确立

  研究对象主要是丰田卡罗拉品牌汽车的车主。这项研究分为在线和离线两部分。线下研究由我本人在达州的各个地点随机进行,比如大学城周边,写字楼周边,各大商场停车场等。线上使用问卷星发放问卷,即利用互联网为手段采用非纸质的方式收集实证问卷数据进行网络作答。调研的对象主要为有车人群,问卷采取二维码、链接的方式发送给丰田卡罗拉车友群中,用户在回答完所有问题后即可提交。通过两种方法的配合,可以更准确地获得具有统计意义的较好样本数据。

  3.2.3问卷的结构设计

  一般来说,问卷按照结构一般可以分为四个组成部分,依次分别以下几部分。

  (1)开始部分

  它通常以书面形式出现,包括四个主要内容。首先,它自我介绍。其次,说明调查的目的和意义,使被调查者对调查有一个清晰的了解。然后收集受访者的个人信息,包括年龄、联系方式等。最后,它是填写表格的指南,简要介绍了问卷的形式,并解释了受访者在填写表格时可能遇到的疑问。

  (2)筛选部分

  测试受访者是否满足本次调查中受访者的要求,并针对调查提出一些筛选问题,如他是否是被调查车辆的车主,最近是否接受过类似的调查。

  (3)问题部分

  这是核心部分。分别对总体满意度指数和各部分满意度指数提出意见,并收集数据。问卷问题的测量采用李克特综合量表,顾客满意度分为五个等级,分别对应于特别不满意度到非常满意,分值为1-5分。向亲友推荐汽车的程度也从特别不愿意变为非常愿意,得分为1-5。

  (4)结尾部分

  这一部分主要向受访者解释他的参与给了我们很大的帮助,并对他的帮助表示诚挚的感谢。

  3.3数据的效度检验

  3.3.1问卷的回收

  回收率是指研究人员实际采集的样本数与计划调查的样本数之比,而有效回收率它是指在调查问卷中消除明显的随机答案和没有意义的答案后,剩余调查问卷在计划调查样本中所占的比例即:

  有效回收率=

  由于问卷的审核标准学术上没有明确定义,我们根据一般的问卷审核标准,针对本次调查制定了连续10题及10题以上勾选同一选项和超过10题漏答均视为无效问卷的审核标准。

  此调查采用线上线下相结合的方式,线上发放150份,线下发放50份,总共发放200份。线下回收了有效问卷48份,线上回收了有效问卷128份,总共回收176份有效问卷。有效回收率如下表3-2所示。

  表3-2有效回收率

  问卷回收问卷数发放问卷数有效问卷数有效回收率

  线上问卷150 150 128 85.3%

  线下问卷50 50 48 96%

  总计200 200 176 88%

  美国社会学者巴比提出的“要进行分析和报告撰写,问卷回收率至少要有50%才是足够的,要至少达到60%的回收率才算是好的,而达到70%就非常好。”[13]可以看出本调查的有效回收率均高于80%,问卷的问题和答案能够被大部分的受访者接受,说明问卷的内容和结构较为理想。

  3.3.2调查问卷样本结构分析

  本次调查问卷的样本结构如下表3-3所示。

  表3-3调查问卷样本结构

  特征类别样本数所占比例

  性别男130 73.86%

  女46 26.14%

  年龄22岁以下7 3.98%

  23-35岁82 46.59%

  36-50岁51 28.98%

  50岁以上36 20.45%

  学历高中及以下24 13.64%

  大专/本科107 60.80%

  硕士研究生及以上45 25.57%

  职业专业技术人员34 19.32%

  企业普通职员51 28.98%

  机关事业单位人员23 13.07%

  私营业主43 24.43%

  企业中高层管理人员12 13.07%

  其他13 7.39%

  家庭年收入5万及以下18 10.23%

  5-10万46 26.14%

  10-20万63 35.80%

  20万及以上49 27.84%

  车辆用途私家车144 81.82%

  单位用车32 18.18%

  从表3-3中可以得出几点特征结论:

  (1)男女比例约为3:1,男性车主较多

  (2)车主年龄大多介于23-50岁之间

  (3)车主大多具有良好教育水平,专科及以上高达86.4%

  (4)车主年收入大多高于10万

  (5)大部分车辆被用于家用

  通过剖析本次样本结构,发现其结构特征与我国汽车行业消费结构的相似度很高,说明本次样本结构相对较好,数据较为精确。

  3.3.3样本信度及效度检验

  这项研究的规模不大,样本数量有限。为了保证研究的准确性和有效性,在对收集到的数据进行处理和分析之前,有必要对每个变量进行信度检验,即检验样本的信度和效度。测试的目的是测试每个变量的同质性程度,并确认每个变量的一致性。这是因为为了将所有变量统一为自变量,回归分析的时间间隔为因变量,所有变量之间的一致性必须是前提。此外,这些变量也要求是通用的。

  (1)信度

  顾名思义,可信度就是数据的可信度。它指的是数据反映实际情况的能力。对测量水平有一个基本的判断。测量值是实际值和测量误差的总和。我们知道真实值是未知的,但是我们可以通过多次测量来估计它。

  实际测评中,用定义计算很困难。所以在实际处理中,我们通常采用信度分析。现在常用的方法有重复测评法,折半法以及克朗巴哈(Cronbach’s)信度系数法[14]。

  1-1

  :该项目中包括的题目数

  :在第题上每个二级指标下得分的方差

  :二级指标总分的方差

  Cronbach’s系数检验主要是考察各变量的内在一致性,分析各问题相互之间的关系,观察其是否在对同一概念进行测量。Cronbach’s系数的取值范围为0-1,取值的大小对应着信度,值越高代表信度越好。根据Guielford(1995)的建议,信度系数>0.7,信度相当高,0.7>信度>0.35,信度一般,信度<0.35,信度低。

  在本文中,通过spss分别对A首次故障时间、B首次故障里程、C平均故障间隔时间、D平均故障间隔里程、E平均故障维修时间、F平均故障维修成本、G有效度、H平均故障危害度的内在信度,根据输出结果中“Cronbach的Alpha”的数据,计算得到结果如表3-4所示。

  表3-4克朗巴哈信度系数

  变量A B C D E F G H

  0.771 0.771 0.780 0.787 0.786 0.779 0.784 0.770

  由表3-4表明,各个二级指标的信度指数较高,变量间内在一致性良好,各变量均可得到保留。

  (2)效度

  问卷调查的目的是获得更有效的测量结果和结论。问卷的效度越高,问卷的结果越能反映测试的真实性,从而达到真实测量的目的。测量结果越接近理想结果,有效性越高。只有高效度的问卷才是真实有效的。因为效度直接反映了测量结果的准确性,所以问卷的效度比问卷的信度更重要。其一般表达式为:

  :个体在某属性有关的共同特性上所造成的差异量

  :在某测量所得数值的总差异量

  效度一般分为内容效度和结构效度,内容效度是指问卷的内容是否能代表受访者对汽车满意度的真实看法。由于调查问卷是在充分参考汽车满意度指标体系的基础上编制的,所以调查问卷的内容能够反映出人们对汽车满意度的真实看法。因为我们通常不知道测量结果,所以我们使用效度指标来确定结构效度的水平。根据本次调查项目的特点,因子分析更为合适。因子分析有一个潜在的先决条件,原始变量之间应该有很强的相关性。如果原始变量之间没有很强的相关性,那么就不可能合成能够反映这些变量的公共因子变量。因此,在进行因子分析之前,首先要做的是分析原始变量的相关性。通常采用以下几种方法:计算相关系数矩阵(correlation foefficcients matrix)、巴特利球形检验(Bartlett test of sphericity)、计算反映象相关矩阵(Anti-image correlation matrix)和KMO(Kaiser-Meyer-Olkin)检验[15]。本文采用巴特利球形检验和KMO检验这两种方法对原始变量进行分析。结果如表

  表3-5 KMO检验和巴特利球形检验结果

  取样足够度的KMO度量0.698

  Bartlett的球形度检验近似卡172.734

  自由度28

  显著性0.000

  通常来说,KMO值比0.5大就可以进行因子分析操作,而本文所得KMO值为0.698,完全可以进行因子分析。在表中我们也可以看出,巴特利特球度检验所得观测值等于172.734,伴随概率为0.00明显小于显著性水平0.05,因此可以也就是进行因子分析。这个结果也说明了该问卷的结构效度良好。

  4汽车满意度模型的构建

  4.1多元线性回归理论与概述

  4.1.1元线性回归分析的基本步骤

  (1)根据研究目的确定自变量和因变量,正确的变量是得出正确结论的前提和基础。

  (2)估计方程参数并确定估计的多元线性回归方程。

  (3)确定参数后,建立基本模型,用统计量对模型显著性检验。

  (3)通过检验后,利用方程中的相关系数进行自变量分析,找出显著的影响因素并制定相应的策略。

  4.1.2多元线性回归理论模型

  变量之间的联系有两种:确认联系和相关联系。确认联系是指可以用确认数学式表达的联系。相关联系是指存在某种联系,但不能用准确的公式来表示。根据常识,我们知道轿车总体满意度与车身外观、轿车性能和轿车内装等方面的满意度存在着必定联系。而回归分析法就是一种确认这种相关联系的办法。研讨变量之间线性的相关联系称为线性回归分析,否则称为非线性回归回析。讨论多个变量之间的线性相关联系称为多元线性回归分析,否则称为一元线性回归分析[16]。

  线性回归的一般模型为:

  设,,…,是p个自变量,其中p2,是因变量,多元线性回归的理论假设是:

  ++++,i=1,2,3,n,4-1

  其中,,…,是p+1个未知数,称为回归常数,,,…,称为回归系数。为随机误差或误差项。反映了除,,…,其他因素对的影响,对于n次独立观测,得到n组样本:

  4-2

  其中,,,,,相互独立,。

  令,,,4-3

  该式用矩阵的表达为:

  Y=X+4-4

  4.1.3回归方程的参数估计(最小二乘法)

  多元线性回归理论模型建立后,要运用收集的数据对参数进行评估。最常用的办法便是最小二乘法估计法。

  设,,…,分别是,,…,的最小二乘估计,则y的观测值可表

  示为:

  ,4-5

  其中i=1,2,3,,是误差的估计值,再令为的估计值,则:

  4-6

  该式为观测值的回归拟合值,用向量表示,称:

  为解释变量向量的回归值。

  为了使可以准确对数据进行表达,那么偏差的绝对值必须足够小,这就可以利用以下方法,比如控制在处的偏差绝对值的最大值、控制在处

  偏差的绝对值之和和控制在处的偏差平方和,使其达到最小,即:

  4-7

  在计算机的计算中,绝对值运算经常带来不便,所以采用上面的第三种方法,即用偏差平方和最小来保证每个偏差的绝对值都比较小,按照这一方法对参

  数进行估计就称为最小二乘法。

  令该最小值为Q,根据数值计算方法,,,…,满足以下条件:

  4-8

  将代入上述方程组,整理得

  4-9

  可以看出,该方程组的系数矩阵是对称矩阵。令

  4-10

  则方程组用矩阵表示为或A,若系数矩阵A是满秩,则求解得到的回归系数的最小二乘估计为:

  4-11

  4.1.4回归方程的统计检验

  模型的未知参数是通过数据初步获得的,但模型对相关关系的表达能力有待进一步检验。统计测试是一种使用统计方法来测试模型的方法。其测试目标包括整个方程、方程参数和自变量。

  (1)回归方程拟合优度的验证(R2检验)

  拟合优度检验是比较回归线和每个观察值之间的拟合,即所有因变量和自变量之间的相关水平。通过构造表示拟合度的统计R2来表示。

  总变平方差和是各个观察值与样本均值之差的平方和,反映了全部数据之间的差异。

  残差平方和是中不能被回归方程解释的那部分。

  回归平方和是中可以被回归方程解释的一部分。

  统计量R2定义为:

  4-12

  从上式可以看出,我们在对回归方程进行R2检验,其实就是检验观测值能否处于回归方程之上。假如R2=1,即残差平方和,此刻回归方程与样本观测值达到完美拟合。

  由于R2是一个随自变量增加而递增的函数,所以为了让拟合度检验不仅能反映已经被解释的和未被解释的变差关系,而且能反映自变量个数对回归模型的影响,需要引入统计量调整R2’。

  4-13

  其中n-k-1为残差平方和的自由度,n?1为总变差平方和的自由度。

  (2)回归方程的显著性检验(F检验)

  F检验是检验因变量同多个自变量整体线性关系显著与否,k个自变量可能就有一个自变量与因变量线性显著,所以F检验不能说明每个自变量都与因变量线性显著。

  检验原假设H0与其对立假设H1分别是:

  H0:

  H1:至少有一个不为0

  由于和之间彼此独立,而且如果H0:为真,和各自服从自由度为k,n-k-1的x2分布,因此得:

  4-14

  统计量F服从自由度为的F分布。根据样本观测值及回归值计算出统计量F,在给定显著水平α下,若FFα,则拒绝H0,那么因变量y与所有的自变量x之间存在显著的线性关系。

  (3)DW检验

  时由于模型中随机误差的期值之间存在着相关关系,这种关系将会增大模型系数的估计误差,因此需要对模型本身进行是否存在自相关性进行检验。在自相关中,最常见的是序列相关中的一阶正相关,而对于一阶正相关,最常用的方法就是DW检验法[16]。Durbin和Watson提出的DW检验是检验自身相关性的一种经典方法,DW检验认为如果存在正相关,那么残差的相邻值彼此之间应当接近,分子值就会越小,DW值也会越小;如果存在负相关,则相反。统计量DW定义为:

  4-15

  其中,又称为残差。是随机误差和的相关系数,因为,所以,且当DW值越接近0和4时,的绝对值越大,自相关性越强,而DW值越接近2时,的值越接近0,即和不相关。

  (4)自变量显著性检验(t检验)

  R2检验和F检验均以自变量X为整体,以检验整个自变量X与因变量Y是否具有显着的线性关系以及回归程度是否良好。但是,对于自变量X,如果因变量Y的回归不显著或相关度不显著,则需要消除该变量,这需要对每个自变量进行显著性检验。

  检验原假设H0与其对立假设H1分别是:

  检验原假设H0与其对立假设H1分别是:

  H:

  H1:不为0

  其中j=0,1,2

  H0:为真时,统计量t服从自由度为(n-k-1)的t分布,即:

  4-16

  j=0,1,2

  式中代表各系数的估值,是的标准差,对于给定显著水平α有:若,那么拒绝H0,接受H1,说明自变量X对因变量Y相关性显著,相反,那么接受H1,接受H0,说明自变量X对于因变量Y影响较小,应对该自变量X予以删除。

  4.1.5回归方程

  本文采用SPSS软件对数据A首次故障时间、B首次故障里程、C平均故障间隔时间、D平均故障间隔里程、E平均故障维修时间、F平均故障维修成本、G有效度、H平均故障危害度,进行回归分析,得出下列结果。

  表4-1输入/除去的变量

  模型输入的变量除去的变量方法

  1 A,B,C,D,E,F,G,H 0输入

  表4-2模型摘要

  模型R R2调整后R2标准估算的误差德宾-沃森

  1 0.933 0.871 0.864 0.29458 1.901

  表4-1是对变量数据的输入,并采用了“输入”的方法进行数据处理。表4-2输出的是对模型的回归方程拟合优度的验证(R2检验)和DW检验,可以看到DW=1.901,其值在2的附近,根据上述论断,可以认为自变量无序相关。R2等于0.871,调整后R2为0.864,可以看出建立的回归方程拟合比较好。因样本量等其他因素影响,除R2外还要进行t检验及F检验来对回归的拟合情况进行分析。

  表4-3方差分析

  模型平方和Df均方F显著性

  1回归残差总计97.418

  14.491

  111.909 8

  167

  175 12.177

  0.087

  140.330

  0.000

  如表4-3,方差分析结果表明,当F=140.330时,显著概率等于0,因此因变量与所有的自变量之间存在显著的线性关系。

  表4-4回归系数

  模型未标准化系数标准化系数t显著性共线性统计

  B标准误差Beta容差VIF

  1(常量)-0.493 0.123-4.018 0.000

  A 0.135 0.020 0.211 6.738 0.000 0.791 1.265

  B 0.148 0.024 0.192 6.066 0.000 0.776 1.289

  C 0.157 0.021 0.237 7.607 0.000 0.801 1.248

  D 0.139 0.018 0.233 7.753 0.000 0.858 1.165

  E 0.143 0.021 0.207 6.885 0.000 0.855 1.170

  F 0.167 0.021 0.257 8.147 0.000 0.777 1.287

  G 0.144 0.019 0.235 7.768 0.000 0.848 1.180

  H 0.114 0.022 0.172 5.254 0.000 0.721 1.388

  回归分析结果如表4-4所示,观察表中t检验结果,显著性水平没有太大差异,表明这些独立变量对因变量有显著影响。

  共线统计指标包括公差和方差扩展因子(VIF)。两者是相互的。容差0.80左右,大小不一。相应的VIF在1.2左右,VIF小于10。据信他们没有一个是共线的。回归系数的归一化是指数据的均值减去方差的运算。在标准化之后,常数项被移除。满意度数据的回归分析主要是求各二级指标的权重,因此模型系数必须标准化,最终由上表中的标准化系数(Beta)得到模型,总体满意度

  4.1.6共线性诊断

  如果变量之间存在多重共线性,则参数估计值的方差和标准偏差会更大,t统计量的拒绝域会更小,并且很容易使样本计算的t值小于临界值,从而误导了该参数为0的推论。因此,重要的自动变量已从模型中排除。因此,本文对变量进行共线性诊断。

  表4-5共性诊断

  模型维数特征值条件指数方差比例

  常量A B C D E F G H

  1 1 8.340 1.000 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

  2 0.153 7.386 0.00 0.07 0.00 0.12 0.00 0.09 0.10 0.13 0.08

  3 0.123 8.235 0.00 0.00 0.04 0.01 0.53 0.00 0.09 0.14 0.01

  4 0.094 9.432 0.00 0.37 0.00 0.05 0.13 0.01 0.03 0.45 0.03

  5 0.081 10.168 0.01 0.20 0.00 0.21 0.03 0.43 0.07 0.01 0.11

  6 0.068 11.089 0.00 0.29 0.04 0.38 0.00 0.34 0.09 0.10 0.06

  7 0.063 11.498 0.00 0.07 0.09 0.03 0.08 0.00 0.52 0.12 0.43

  8 0.051 12.758 0.02 0.00 0.65 0.15 0.21 0.01 0.04 0.00 0.27

  9 0.028 17.257 0.97 0.00 0.18 0.05 0.02 0.12 0.05 0.04 0.00

  从表4-5看出,第一栏主要包含了五个指标参数,其中条件指数是共线性诊断的核心指标,一般来说,如果其在10-30之间,那么变量间的多重共线性就可以认为是较为强烈,一旦条件指数高于30,变量间的多重共线性就会变得十分强烈。

  方差比例对于判别共线性的标准是:首先变量的总方差会被分成多个部分,其加和为1。如果同一个维数下存在多个较大的方差比例,就表明他们之间相关性明显。从上表中可以看出,除了常量项外,其余变量上方差比例分布较为均匀,得出变量之间多重共线性不强烈的论断。

  4.1.7残差分部

  图4-1残差分部直方图

  图4-2观测的累积概率图

  图4-1和图4-2是根据样本数据的计算结果显示残差分布的实际情况,然后对残差分布是否为正态分布进行假设检验。图4-1中横坐标为回归标准化残差,可以看出,残差分布直方图与正态分布曲线十分契合;观察图4-2发现,图中散点紧密分布在均值为0的正态分布直线附近,由此可以推断出随机变量近似服从正态分布。

  4.2顾客满意度关键因素分析

  4.2.1主成分分析

  本文首先运用SPSS软件对数据A首次故障时间、B首次故障里程、C平均故障间隔时间、D平均故障间隔里程、E平均故障维修时间、F平均故障维修成本、G有效度、H平均故障危害度进行主成分分析,并计算出8个原指标的描述性统计结果。

  表4-6描述统计量

  均值标准差分析样本数N

  A 4.02 1.186 176

  B 4.01 1.198 176

  C 3.90 1.132 176

  D 3.42 1.294 176

  E 3.56 1.237 176

  F 3.61 1.389 176

  G 3.55 1.339 176

  H 3.97 1.324 176

  表4-7公因子方差

  初始提取

  A 1.000 0.483

  B 1.000 0.601

  C 1.000 0.586

  D 1.000 0.342

  E 1.000 0.518

  F 1.000 0.420

  G 1.000 0.450

  H 1.000 0.427

  表4-7显示了因子分析后各变量因子对应的共性程度,即在特定提取条件下提取特征根时获得的共性程度。因子变量肯定比原始变量小,所以共性程度在0和1之间。可以清楚地看到,以第二行的0.601为例,得到的几个公因子变量可以解释原变量B方差的60.1%,即几个公因子基本上可以解释几个原变量。

  在表4-8中发现第一公共因子特征值1=1.425,这解释了17.814%的原始信息。我们提取了特征值大于1的前三个公共因子。从表中我们可以看出,它们累计解释了原始变量总方差的近50%,并且保留了大部分信息,结果较为理想。旋转后,各因子的累积贡献率基本保持不变,只调整各因子的特征值和贡献率,这样更容易解释各因子。

  表4-8解释的总方差

  成分初始特征值提取平方和载入旋转平方和载入

  合计方差的%累计%合计方差的%累计%合计方差的%累计%

  1 1.425 17.814 17.814 1.425 17.814 17.814 1.374 17.172 17.172

  2 1.240 15.502 33.316 1.240 15.502 33.316 1.276 15.953 33.125

  3 1.162 14.525 47.841 1.162 14.525 47.841 1.177 14.716 47.841

  4 0.967 12.089 59.930

  5 0.924 11.552 71.482

  6 0.851 10.632 82.113

  7 0.763 9.533 91.646

  8 0.668 8.354 100.00

  观察下图4-3的公共因子碎石图,我们可以发现其是根据特征值由大而小将公共因子进行排列。其横纵坐标分别是公共因子及其对应特征值,可以清晰得看出前3到4个特征根变化幅度明显,,所以应提取3个公共因子来对信息进行阐述。

  图4-3公共因子碎石图

  接着得出的因子载荷矩阵,是因子分析核心内容。据此能求得本次的因子分析模型:

  4-17

  其中,为提取的公共因子

  表4-9成分矩阵

  1 2 3

  A 0.505 0.371 0.112

  B 0.617 0.087-0.502

  C 0.495 0.565 0.201

  D 0.478 0.098-0.653

  E 0.459-0.531 0.052

  F 0.529-0.492 0.364

  G 0.469 0.403 0.446

  H 0.638-0.453 0.046

  与此同时,上表中的每行数据平方以后加和可得前两个表中的共同度。以第一个变量A为例,共同度0.5052+0.3712+0.1122=0.405,其他变量也与之相同。

  表4-10旋转后的成分矩阵

  1 2 3

  A 0.127 0.654 0.264

  B 0.178 0.192 0.756

  C-0.058 0.759 0.155

  D 0.043 0.048 0.813

  E 0.689-0.056 0.131

  F 0.788 0.154-0.092

  G 0.113 0.750-0.084

  H 0.740 0.099 0.238

  表4-10为使用最大方差法将因子载荷进行旋转处理所得,具体操作为坐标轴变换位置,使因子说明方差的份额再次分配,导致载荷系数向1或0接近,从而使旋转后的因子载荷向两极分化,意图为能够清楚原始变量的不合理。

  表4-11成分得分系数矩阵

  1 2 3

  A 0.014 0.381 0.078

  B 0.013 0.017 0.543

  C 0.124 0.486 0.001

  D 0.094 0.112 0.632

  E 0.422 0.119 0.014

  F 0.499 0.214 0.052

  G 0.019 0.213 0.507

  H 0.425 0.038 0.066

  上表4-11为因子得分系数矩阵,通过其可得因子得分函数:

  SPSS软件利用上述函数,继而求得样本的3个因子得分,再将其作为新变量进行保存,方便进行后续处理。

  同时从输出的旋转后因子载荷散点图,我们可以清楚地看到3个公共因子与8个原始变量的关系。

  4-3旋转后因子载荷散点图

  经SPSS软件处理后,因子所代表的信息总结如下:第一个共同因素可以称为“故障危险因素”客户满意度因素,它包括三个变量:平均故障维护时间、平均故障维护成本和故障危险度。这是反映客户在每个故障中的维护难度和故障风险的一个因素。

  第二个常见因素名称可以称为“故障时间因素”,它包括第一个故障时间、故障和有效性之间的平均时间。它在时间维度上反映了客户对故障发生的满意度。

  第三个常见因素名称可以称为“故障里程因素”,包括第一个故障里程和平均故障里程,它反映了客户对行驶里程维度中故障发生的满意度。

  5汽车满意度提升策略

  5.1基于汽车可靠性的满意度提升策略

  至于“故障时间因子”、“故障里程因子”和“故障危险因子”,从它所包含的具体指标可以看出,它实际上要求汽车的无故障时间和里程、故障频率和故障危险度。因此,为了从这三个因素中提高汽车的满意度,我们必须关注汽车本身的可靠性水平,即汽车在正常驾驶条件下保持正常驾驶的能力。以我们国家为例。目前,中国汽车产销量已居世界第一。然而,自主设计和生产的汽车在首次故障里程、平均故障间隔里程、平均寿命、可靠寿命和额定寿命方面远远落后于国外汽车。由此可见,如何提高汽车的可靠性不仅是顾客满意的关键,也是汽车企业做大做强的核心。

  5.1.1可靠性工程的主要内容

  可靠性工作是一项复杂的系统工程,主要包括工程技术和管理。这需要企业的跨部门合作。它存在于汽车设计、研发、制造、使用和售后维修的整个生命周期中。它必须有合理的计划、严密的组织、仔细的协调和有效的监督。产品的可靠性必须严格执行相关的规范和规定以及原材料的质量控制,必须在生产、加工和后检验过程中进行严格的检查,以持续控制和提高汽车的质量[17]。

  考虑到客户的汽车满意度,可靠性工作主要包括以下几个方面:

  (1)考虑用户的实际需求来制定可靠性目标

  建立和开发新模型和新零件时,应考虑可靠性指标。在进行充分市场调研的前提下,完成了可靠性目标的确立。根据公司以往的发展经验,提出了适合自己型号的可靠性目标。可靠性政策应根据用户的实际需求、用户信息反馈、市场调研结果、市场上同类型号的当前可靠性水平、国家法规和技术标准、自身企业的资金和技术条件以及国家和公司的管理策略进行综合考虑和制定。只有充分考虑上述因素,才能制定出真正适合自身、符合生产设计和市场的合理可靠性目标。

  (2)考虑用户满意度对可靠性分配的关键反馈

  可靠性分配是将总体可靠性目标划分或分配为子过程甚至部分。在汽车新产品的设计阶段,根据客户对同类型汽车的满意度反馈,零件的可靠性指标主要分配到影响满意度的方面,从而达到在提高汽车产品整体可靠性的同时提高满意度的目的。

  (3)销售和售后服务

  销售和售后服务是确保使用可靠性的重要环节。有必要制定必要的法规和管理计划来控制它。主要内容包括:确保产品从生产线到顾客手中的安全;编写简单易懂的操作和维护手册;对用户进行技术培训;建立备件供应网络;建立维护网点,提供维护服务,收集用户信息,了解用户需求并提供反馈。为了便于今后选择和确定影响满意度的可靠性指标。

  5.1.2汽车制造阶段可靠性改善

  (1)车身制造阶段

  在制造阶段,我们需要关注车身的质量,防止车身出现焊点问题和裂纹。这需要测试车身材料的性能。一般来说,材料的物理性能包括强度、硬度、耐磨性、耐腐蚀性等。材料的化学性质包括材料的基本元素和添加的微量合金元素,以及材料的金相组织。然而,以下标准用于测量车身的焊接质量:焊接尺寸精度、强度、外观质量和密封性能,而精度和完成质量是影响最大的两个因素。这要求在焊接前检查参数,并通过撕裂试验检查试件[18]。车身涂层的质量必须得到充分保证,不得有斑点、起泡、褪色等质量问题。虽然这些表面缺陷并不影响汽车的主要动力和经济性等关键技术指标,但它们直接影响汽车的购买欲望和汽车使用的心理感受。因此,车身的焊接质量问题和涂装质量缺陷将直接影响顾客的满意度和忠诚度,连锁反应将影响汽车销售的市场份额。

  (2)加强零件质量审查

  汽车作为一种复杂的大型工业产品,包含了成千上万个计量单位的各种零件。除了一小部分,这些零件都是由汽车企业自己制造和生产的,而且大部分都是从其他供应商那里购买的。因此,保证外购件的质量对于提高汽车的可靠性尤为重要。由于外购件的制造质量问题会反映在整车的故障特征中,所以外购件的故障发生率和可靠性问题也会对整车的满意度产生不利影响。针对汽车企业供应商的选择,提出以下策略:必须符合行业标准和法规,具有生产资质和质量体系认证;从已经合作的优秀供应商中选择。与中国发达国家的供应商合作。关注产品开发能力强、质检严格的企业。供应商的生产能力和售后服务也必须足够强大。选择合作供应商后,应将其划分为不同的风险级别,以便按级别进行控制。首先从顾客满意度和安全性的角度选择关键零件,然后根据关键零件和供应商自身实力对供应商进行分级。

  5.2基于汽车故障维修的满意度提升策略

  任何汽车产品都不可能完全避免故障的发生,因此如何在出现故障的情况下消除和转化客户投诉是非常关键的。参考提取的“故障危险因子”的实质是故障发生和解决的顾客满意度评价指标。企业应尽最大努力降低故障的危害程度,提高售后服务水平,更好更快地解决故障问题。

  (1)试着教顾客正确的驾驶和操作方法

  驾驶和操作技术对汽车故障有很大的影响,使用方法不当影响更大。车辆使用和管理不当、未能按规定移动和定期维护、起动不平稳和行驶不平稳都会导致车辆早期损坏和故障。因此,汽车企业应建立详细的用户指南,根据自己汽车的特点提出合理的使用建议,并利用销售和售后服务环境提醒驾驶员正确驾驶操作,从而在一定程度上避免因操作不规范而造成的汽车故障问题。

  (2)定期高级维护和修理

  根据“三包”法和汽车公司严格的售后服务规定,定期提醒车主进行维修,力争在初期消除严重故障的发生。在实际维修过程中,严格按照工艺流程进行操作,确保维修水平,客户因维修质量问题而返厂维修,不会对汽车的满意度和忠诚度产生深刻影响。

  (3)将被动召回更改为主动升级服务

  如果出现汽车质量问题,售后服务机构的技术部门应及时上传至汽车公司的技术支持部门。汽车公司应及时进行评估分析并给出解决方案,对涉及的车辆由被动升级服务变为主动升级服务。不得有侥幸心理导致被管理组织发布强制召回。这种方法可以有效地维持顾客的长期品牌忠诚度。