概念
SEM模型
Structural Equation Modeling, 簡稱SEM模型
顧客滿意度就是顧客認為產品或服務是否達到或超過他的預期的一種感受。結構方程模型（SEM）就是對顧客滿意度的研究採用的模型方法之一。其目的在於探索事物間的因果關係，並將這種關係用因果模型、路徑圖等形式加以表述。
如下圖：
圖: SEM模型的基本框架
SEM模型的基本框架在模型中包括兩類變數：一類為觀測變數，是可以通過訪談或其他方式調查得到的，用長方形表示；一類為結構變數，是無法直接觀察的變數，又稱為潛變數，用橢圓形表示。
各變數之間均存在一定的關係，這種關係是可以計算的。計算出來的值就叫參數，參數值的大小，意味著該指標對滿意度的影響的大小，都是直接決定顧客購買 與否的重要因素。如果能科學地測算出參數值，就可以找出影響顧客滿意度的關鍵績效因素，引導企業進行完善或者改進，達到快速提升顧客滿意度的目的。
SEM的主要優勢
第一，它可以立體、多層次的展現驅動力分析。這種多層次的因果關係更加符合真實的人類思維形式，而這是傳統回歸分析無法做到的。SEM根據不同屬性的抽象程度將屬性分成多層進行分析。
第二，SEM分析可以將無法直接測量的屬性納入分析，比方說消費者忠誠度。這樣就可以將數據分析的範圍加大，尤其適合一些比較抽象的歸納性的屬性。
第三，SEM分析可以將各屬性之間的因果關係量化，使它們能在同一個層面進行對比，同時也可以使用同一個模型對各細分市場或各競爭對手進行比較。
案例分析
情況說明
某通信分公司屢次位居榜尾，於是痛下決心改革。該分公司有三類業務：固話業務、小靈通業務以及上網業務。圍繞著這三類業務產品的銷售，該通信分公司還提供了售前、售中和售後三個環節多方面的服務。結合該通信分公司的主要產品情況，從顧客滿意度著手，重點分析並找出影響顧客滿意的關鍵因素，從而為制定有 效的顧客滿意度提升方案提供數據支持。
設計滿意度模型
根據該公司的業務具體情況，設計出了顧客滿意度模型，如下圖：
圖:某通信分公司顧客滿意度SEM模型
某通信分公司顧客滿意度SEM模型上圖顯示，該地市分公司重點要考察的是產品滿意度和服務滿意度對顧客滿意度的影響。圖中的Xn是待構建的測量指標，λ值表示各指標對上級指標的影響大小，ζn和δn表示誤差，是受模型外因素影響的部分，如價格滿意度等其他因素。
構建具體測量指標
基於建立的滿意度SEM模型，圍繞固話業務、小靈通業務以及上網業務的銷售，及銷售這些業務產品的售前、售中和售後三個環節多方面的服務內容，構建具體的觀測指標（變數），如下表：
表：顧客滿意度觀測指標
顧客滿意度觀測指標調查取樣
明確了指標，下一步的工作就是對這些指標進行調查，了解消費者對此的反應。一般我們採用問卷調查的方式，可分為四大部分：
（1）甄別部分：該部分設計一些過濾性的問題，以確保被訪者屬於目標群體；
（2）總體評價：在訪問開始就應該向被訪者詢問總體滿意度得分，問題可以這樣設計：
“總體而言，您對______是滿意還是不滿意？請您採用10分制給______打分，1表示非常差，10表示非常好。”
（3）表現得分：就是了解顧客對產品、服務在各個具體方面表現的認知情況。與總體評價一致，仍然採用10分制進行打分。研究者將根據評分來測量顧客對產品、服務各個方面的滿意度情況，並通過SEM模型分析，找出影響顧客滿意度的關鍵因素；
（4）背景資料：如人口和生活方式信息，這些信息用於分類，如：某一特定人口或生活方式群體是否比一般的顧客滿意度更高或更低？
借用軟體實現滿意度調查
在取得一手數據之後，就可以藉助軟體對數據進行統計分析，不管用哪種軟體，其基本步驟都是一致的。
我們將前面設計好的模型轉移到特定軟體中，建立好該地市通信分公司顧客滿意度模型，然後輸入調查數據，就可以得到影響服務滿意度的關鍵因素分析結果，如下圖：
圖:影響顧客滿意度的關鍵因素分析模型圖
影響顧客滿意度的關鍵因素分析模型圖上圖中兩指標之間的值就是統計出來的參數，它表示該指標對其上一級指標的影響，又稱為貢獻值。如果該值較大，則表明該指標對上一級指標的滿意度影響較大；該值較小，則表明該指標對上一級指標的滿意度影響較小。
根據上圖參數估計結果，可以看出影響服務滿意度的關鍵因素是售後服務是關鍵（參數值為0.40）,而售後服務中的投訴處理（參數值為0.98）又是關鍵中的關鍵。由上圖可以看出，服務方面的感知滿意度對總體滿意度的影響遠高於產品滿意度，再結合服務滿意度的得分情況，可以得出結論，該通信分公司應著重改善服務滿意度。
EM模型在市場研究中的套用
SEM以研究因果關係為背景，是一種包羅萬象的量化和理論檢驗的工具。在市場研究界可套用於多種研究，如：滿意度研究、品牌研究、產品研究等。因此對品牌管理具有很好的幫助作用。
從巨觀角度出發，SEM構建的模型有助於對品牌的巨觀掌控。這種SEM模型一般都比較簡潔，著重於巨觀的、歸納性的目的，模型結構在較長的時間裡不會發生變化（下圖是一個典型的例子）。
圖:ACSI模型
ACSI模型從微觀角度出發，SEM可以為品牌的微觀管理建立詳細的路徑圖，對品牌建設提供具體的操作指導。這種SEM模型的特點是模型一般都比較複雜，包含從抽象到具體的各類屬性，著重全面、有層次性的目的，模型可能需要定期的進行調整。
評價指標
評價構想模型是否得到了觀測數據的支持,有三類擬合指標。一是絕對擬合指標,如χ2 ,近似均方根誤差(RMSEA),標準均方根殘差( SRMSR) ,擬合優度指數( GF I) , 調整後的擬合優度指數(AGF I),比較擬合指數(CFI)等;二是相對擬合指標,如NF I,NNF I;三是省儉度,如省儉規範擬合指數( PNF I),省儉擬合優度指數( PGF I)等。與傳統的χ2 檢驗相反,結構方程模型希望得到的是不顯著的χ2。χ2越小,表示觀測數據與模型擬合得越好。由於χ2 與樣本大小有關,因此不直接作為評價模型的指標,而用χ2 /df來進行衡量。χ2 /df值越接近0,觀測數據與模型擬合得越好。一般認為,χ2 / df < 3,模型較好;< 5,觀測數據與模型基本擬合,模型可以接受; >5,表示觀測數據與模型擬合得不好,模型不好; > 10,表示觀測數據與模型不能擬合,模型很差。但由於χ2與樣本量密切相關,當樣本較大時,χ2 / df也會受到影響。因此多採用RMSEA、SRMSR
等綜合性擬合指標對觀測數據與構想模型的支持情況進行評價。RMSEA和SRMSR的取值範圍均在0和1之間。越接近於0,表示觀測數據與模型擬合得越好。按照通用的標準:RMSEA < 0. 1,觀測數據與模型較好擬合; < 0.05,觀測數據模型很好擬合;< 0. 01,觀測數據與模型極好擬合。SRMSR< 0108,觀測數據與模型較好擬合; < 0.05,觀測數據與模型很好擬合。其它幾個擬合指標: GFI, AGFI,CFI,NFI,NNFI等的取值範圍也在0至1之間。越接近1,表示模型擬合得越好; > 0.90以上,則認為模型得到較好擬合。上述指標都是觀測數據對模型絕對擬合程度的描述。在對模型進行比較時,還用到PGFI,PNFI等反應模型省儉度的指標。PGFI和PNFI也是越接近1 越好,但大到什麼程度,沒有統一的標準。
結構方程模型理論認為,模型評價是一個複雜的問題,在進行模型評定時,不同擬合指標評定的側重點不同。因此,一般認為,對於一個模型的好壞,不能以一個,而應以多個指標進行綜合評價。
本條目在以下條目中被提及
PPS抽樣調查法 Q分類法 SEM 不重複抽樣 主觀機率法 二手資料調研 二路焦點小組 產品留置測試 任意抽樣 會議調查 典型調查法 分層抽樣 分層最佳抽樣 分層比例抽樣 判斷抽樣 雙重抽樣 可行性研究 因果性調研 垃圾調研法 多維尺度法 多階段抽樣 定性研究方法 定量研究方法 實地調研 家庭日記法 市場實驗調查法 市場容量測定法 平衡量表法 技術接受模型 投射研究 投影技法 抽樣調查 抽籤法 拐點調研 探索性調研 推銷人員估計法 描述性調研 數值分配量表 整群抽樣 文案調查法 文獻調查法 無準備訪問 案例研究法 案頭調研 機率抽樣 深層訪談法 滾雪球抽樣 焦點訪談法 獨立控制配額抽樣 電話調查 留置調查 盲測 相互控制配額抽樣 等比量表 等距抽樣 等距量表 簡單隨機抽樣 類別量表 經銷商訪談 經驗判斷法 網上間接調查 網路調研 聯合分析法 行蹤分析 觀察法 評價量表 詢問法 辛迪加調研 逐戶尋找法 郵寄調查 配對比較量表 配額抽樣 重點調查 重置抽樣 問卷調查法 隨機號碼錶法 非機率抽樣 面談訪問法 順序量表 更多條目(79)...
