| 步骤 | 分析任务 | 对应方法 | 解决的问题 |
|---|---|---|---|
| 1数据预处理 | 检查缺失值、反向计分 | 数据清洗 / 反向转换 | 量表反向题不处理会导致得分混乱 |
| 2信效度验证 | 量表可靠性和结构有效性 | Cronbach α / EFA / CFA | 确认量表测的确实是想测的 |
| 3描述统计 | 各维度均值、标准差、分布 | 描述统计 / 频数统计 | 了解整体满意度水平和离散程度 |
| 4组间差异 | 不同人群满意度是否有差异 | 独立样本 t 检验 / 单因素 ANOVA | 识别哪类人群满意度更低 |
| 5驱动因素 | 哪个维度对整体满意度影响最大 | 相关分析 / 多元线性回归 | 找到改善满意度的优先方向 |
| 6NPS 分析 | 净推荐值计算 | 分类频数统计 | 量化口碑传播意愿的商业指标 |
| 7客户分群 | 识别不同满意度类型的客群 | K-Means 聚类分析 | 支持差异化服务策略 |
满意度量表通常包含反向题（如"我对该产品感到失望"），需在分析前做反向转换。以 5 分制量表为例，转换公式为：反向分 = 6 - 原始分。缺失值一般用均值填补或直接删除，样本量充足时建议删除有大量缺失的记录。
"请对 Q3、Q7、Q11 做反向计分（5 分制量表），然后检查全表缺失值情况，缺失比例超过 20% 的记录标记删除"
信度（可靠性）用 Cronbach α 衡量量表内部一致性，α ≥ 0.7 为合格标准；同时查看 CITC 值（题项与总分相关），CITC < 0.3 的题目建议删除。效度（有效性）用探索性因子分析（EFA）或验证性因子分析（CFA）检验量表结构是否符合理论预期。EFA 前提：KMO ≥ 0.6 且 Bartlett 检验 p < 0.05。
"请对满意度量表（Q1~Q20）做 Cronbach α 信度分析，输出各题 CITC 值，CITC < 0.3 的题目标注警告"
"请对满意度量表做 EFA 探索性因子分析，提取特征值 > 1 的因子，主轴因子提取加最大方差旋转，输出 KMO 值、Bartlett 检验结果和旋转后因子载荷矩阵"
计算各满意度维度（整体满意度、价格满意度、质量满意度、服务满意度等）的均值、标准差，以及受访者的人口统计特征（性别、年龄、消费等级）分布。均值越高说明该维度满意度越好；标准差大说明顾客感受分歧大。
"对满意度各维度得分（整体满意度、价格满意度、质量满意度、服务满意度）做描述统计，输出均值、标准差、最小值、最大值，生成三线表"
想知道"男女顾客满意度是否有显著差异"，用独立样本 t 检验（两组）；想知道"不同消费等级（低/中/高）的满意度是否不同"，用单因素方差分析（ANOVA）。方差分析显著后，需做事后多重比较（LSD / Bonferroni / Tukey HSD）确定具体哪两组不同。
"比较男女顾客整体满意度是否有显著差异，做独立样本 t 检验，先检验方差齐性，输出 t 值、自由度、p 值和各组均值，生成三线表"
"对不同消费等级（低/中/高）的整体满意度做单因素方差分析，显著后做 LSD 事后多重比较，输出 F 值、p 值和组间差异，生成三线表"
多元线性回归以"整体满意度"为因变量，各子维度满意度为自变量，标准化回归系数 Beta（β）的绝对值越大，说明该维度对整体满意度的驱动贡献越大。这是制定改善优先级的核心依据。分析前建议先做相关分析确认变量间的初步关系。
示例结果解读：若"售后服务满意度"的 β = 0.48（最大），说明服务是最重要的驱动因素，应优先投入资源改善。
"以整体满意度为因变量，以价格满意度、产品质量满意度、售后服务满意度、配送及时性满意度为自变量做多元线性回归，输出标准化系数 Beta、t 值、p 值、VIF，以及 R² 和整体 F 值，生成三线表"
NPS（Net Promoter Score）是衡量顾客推荐意愿的核心商业指标，通过"您有多大可能向朋友/同事推荐该产品/服务？（0~10 分）"一道题计算：
NPS 结果示例（三线表格式）：
| 类别 | 评分范围 | 人数 | 占比（%） |
|---|---|---|---|
| 推荐者 | 9~10 分 | 156 | 52.0 |
| 中立者 | 7~8 分 | 87 | 29.0 |
| 贬低者 | 0~6 分 | 57 | 19.0 |
| NPS 值 | — | — | 33.0 |
"根据 Q15 推荐意愿题（0~10 分），计算 NPS 值，输出推荐者/中立者/贬低者的人数和占比，生成三线表"
K-Means 聚类分析根据多个满意度维度的得分，将顾客自动归入若干具有相似特征的群体，帮助发现隐藏在数据中的客群结构。典型分群结果可能包括：全方位高满意的"忠实拥护型"、价格不满意但服务认可的"性价比敏感型"、整体低满意的"流失风险型"。
"对顾客按价格满意度、质量满意度、服务满意度、总体满意度做 K-Means 聚类分析，分 3 类，自动标准化变量，输出各群体的各维度均值特征表和样本量，生成三线表"
从信效度检验到聚类分群，同一对话窗口里依次完成 7 步分析，无需切换工具。
系统自动检验正态性和方差齐性，不满足时自动推荐非参数检验替代方案。
所有分析结果自动输出符合论文 / 商业报告规范的三线表，可直接截图使用。
无需安装 SPSS，网页版随时可用，Mac / Windows 均支持。
Q：顾客满意度量表做信度分析要达到什么标准？
Cronbach α ≥ 0.7 为合格，α ≥ 0.8 为良好，α ≥ 0.9 为优秀。同时检查 CITC 值，CITC < 0.3 的题目建议删除。在 chatspss 输入"请对满意度量表（Q1~Q15）做信度分析，输出 Cronbach α 和各题 CITC 值，标注不合格题目"，系统自动输出三线表。
Q：效度分析 EFA 中 KMO 和因子载荷要达到什么标准？
KMO ≥ 0.6 且 Bartlett 检验 p < 0.05，说明数据适合因子分析。因子载荷 ≥ 0.4 说明该题归属该维度；若一道题在多个因子上载荷均 ≥ 0.4（交叉载荷），建议考虑删除。
Q：怎么用 t 检验和方差分析比较不同群体的满意度差异？
比较两组用独立样本 t 检验；三组及以上用单因素方差分析，显著后做事后多重比较。chatspss 指令示例："比较男女顾客整体满意度是否有显著差异，做独立样本 t 检验，先检验方差齐性，输出 t 值、df 和 p 值"。
Q：NPS 净推荐值怎么计算？
NPS = 推荐者比例（9~10 分）- 贬低者比例（0~6 分），7~8 分中立者不参与计算。NPS 范围 -100 到 100，行业平均 50 以上为良好。
Q：怎么找到影响顾客满意度最大的驱动因素？
用多元线性回归：以整体满意度为因变量，各子维度满意度为自变量，标准化回归系数 Beta 绝对值越大的维度驱动力越强，这就是应优先改善的方向。
Q：顾客满意度聚类分群怎么做？
用 K-Means 聚类，以多个满意度维度为输入变量，告知 chatspss"分 N 类"，系统自动输出各群体特征均值表，帮助识别高价值客群与流失风险客群。
Q：满意度数据做分析前需要检验什么前提条件？
t 检验和方差分析前建议检验正态性（n < 30 时做 Shapiro-Wilk 检验）和方差齐性（Levene 检验）。不满足正态性时可改用非参数检验（Mann-Whitney U 代替 t 检验）。在 chatspss 指令中说"先做正态性和方差齐性检验，根据结果自动选择参数或非参数检验"即可。
信效度验证 + 描述统计 + 组间对比 + 驱动回归 + NPS + 聚类分群，三线表自动生成。
免费使用 chatspss无需安装 · 全程中文 · 支持 Excel / CSV