【技术实现步骤摘要】
客户体验双向归因系统、方法、电子设备及存储介质
[0001]本专利技术涉及计算机
,具体涉及一种客户体验双向归因系统、方法、电子设备及存储介质。
技术介绍
[0002]当前客户体验监测已经建立起相对完整的多层级指标体系,但指标的分析与结果应用与客户体验管理的应用要求仍有一定差距;
[0003]主要表现在:不同层级指标关联分析的统计模型比较复杂:目前多层级指标间的关联多采用统计学中的回归分析、因子分析等方式,这些方法对于数据样本的要求普遍较高,且数据模型运算方式复杂,模型运算结果的解释仍需要一定的统计学基础,不利于体验管理及分析工作的推动;
[0004]指标关联分析的结果不稳定:基于统计模型产出的指标关联分析结果高度依赖样本的统计特征,且不同方法产出的结果存在差异,导致分析结果与指标的实际意义存在不可控的误差;
[0005]完整指标体系对应的定量问卷过于冗长:当前多层级指标体系所进行的一系列统计分析,通常需要以量表的形式获取被访者对所有指标的评价,因此,过于详细的指标体系会显著增加问卷的长度,并降低问卷数据的准确性;
[0006]不同层级指标的分析结果缺乏联动效应:量表数据的特点决定了在多层级指标体系中建立指标间的公式关系是困难的,这对多元数据建模和数据本身都提出了很高的技术要求,因此,目前更多刻画的是指标间的变化关系而非因果关系,无法精确量化指标体系中某个指标变化对其他指标的影响。
技术实现思路
[0007]本专利技术实施例的目的在于提供一种客户体验双向归因系统、 ...
【技术保护点】
【技术特征摘要】
1.一种客户体验双向归因方法,其特征在于,所述方法具体包括:构建多层级指标体系结构,其中,所述多层级指标体系结构包括一级指标、二级指标和三级指标;获取所述一级指标、所述二级指标和所述三级指标适配的问卷问题后为所述一级指标、所述二级指标和所述三级指标分别配置问卷问题,并获取问卷结果;基于所述问卷结果对所述一级指标、所述二级指标和所述三级指标进行量化处理;串联量化处理后的所述一级指标、二级指标和所述三级指标,构建第一数学模型和第二数学模型;求解所述第一数学模型和第二数学模型,得到场景体验贡献度和场景逆向体验满意率损失;基于所述场景体验贡献度进行向上归因分析得到不同体验场景对整体体验的影响程度,基于所述场景逆向体验满意率损失进行向下归因分析得到不同触点的逆向体验对场景满意率的影响程度。2.根据权利要求1所述的客户体验双向归因方法,其特征在于,所述构建多层级指标体系结构,包括:所述一级指标包括客户净推荐值指标和客户净满意度指标;所述二级指标包括客户体验场景指标;所述三级指标包括客户体验触点指标。3.根据权利要求2所述的客户体验双向归因方法,其特征在于,所述基于所述问卷结果对所述一级指标、所述二级指标和所述三级指标进行量化处理,包括:通过公式1计算客户净推荐值;客户净推荐值=推荐者比例(%)
‑
贬损者比例(%)公式1;通过公式2计算客户净满意度;客户净满意度=满意者比例(%)
‑
不满者比例(%)公式2;通过公式3计算客户满意度;客户满意度=∑(满意度分数*该分数人数)/全部答题人数公式3;通过公式4计算场景满意度;通过公式5计算场景体验贡献度;其中,通过公式6计算触点逆向体验率;4.根据权利要求3中任意一项所述的客户体验双向归因方法,其特征在于,所述串联量
化处理后的所述一级指标、二级指标和所述三级指标,构建第一数学模型和第二数学模型,包括:通过公式7串联所述一级指标和所述二级指标;5.根据权利要求4中任意一项所述的客户体验双向归因方法,其特征在于,所述串联量化处理后的所述一级指标、二级指标和所述三级指标,构建第一数学模型和第二数学模型,还包括:通过公式8串联所述二级指标和所述三级指标;6.根据权利要求5所述的客户体验双向归因方法,其特征在于,所述求解所述第一数学模型,包括:通过公式9计算第i个场景体验贡献度;c
i
=e
i
*z
i
公式9;式中,c
i
为第i个场景体验贡...
【专利技术属性】
技术研发人员:李晓雨,王枫,杜文跃,王卓钰,苏子涵,郭婧,
申请(专利权)人:苏州众言网络科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。