客户关系调查在帮助改善客户体验和提高客户忠诚度方面发挥着重要作用。通过收集客户对其体验的看法以及他们参与不同类型客户忠诚度行为的可能性，公司能够使用这些数据来深入了解如何提高客户关系的质量以提高客户忠诚度。在他们试图改善系统性问题的过程中，济南广告设计公司使用这些数据来确定客户体验改进工作将在哪些方面获得最大的投资回报 (ROI)。在这篇文章中，我将说明如何使用来自您的关系调查的客户反馈数据来确定您需要在哪些方面进行投资以进行改进以提高客户忠诚度，从而优化这些投资的回报。

这种方法称为忠诚度驱动因素分析，是一种商业智能解决方案，可将客户反馈数据提炼成有意义的信息。忠诚度驱动因素分析为济南广告设计公司提供必要的洞察力，将您的客户体验改进工作引导至对您的客户最重要的业务领域。

忠诚度驱动因素分析中使用了两种通用分析方法：

1) 描述性和 

2) 预测性。描述性分析用于指示世界的当前状态。在济南广告设计公司的案例中，描述性分析帮助我们了解每个客户接触点的当前满意度和客户忠诚度的当前状态。满意度水平是通过汇总统计来衡量的。虽然可以使用不同的汇总统计数据，但我使用平均分数（所有回答的总和除以受访者的数量）。

预测分析用于对未来事件进行预测。在我们的案例中，预测分析帮助我们了解每个客户接触点与客户忠诚度的关联程度。CX 接触点和客户忠诚度之间的关系可以通过简单地将接触点的评级与客户忠诚度评级相关联来计算。这种相关性被称为“派生重要性”的特定接触点。如果调查包含七个接触点的测量值，我们将计算七个相关性。较高的相关性表明接触点和客户忠诚度之间的关系密切。低相关性表明接触点和客户忠诚度之间的关系较弱。

忠诚度驱动矩阵：规范分析

因此，我们现在拥有每个 CX 接触点的两条信息：

1）客户满意度

 2）对客户忠诚度的影响。济南广告设计公司将这两种类型的分析结合起来，以帮助我们了解需要做些什么来提高客户忠诚度。这种分析方法被称为规范性分析，它建议决策选项“以利用未来的机会或减轻未来的风险并显示每个决策选项的含义。” 我们通过绘制每个 CX 接触点的两条信息来结合描述性分析和预测分析的结果。

忠诚度驱动矩阵的纵坐标是业务领域对客户忠诚度的影响。生成的矩阵称为忠诚度驱动矩阵。通过绘制所有七个数据点，我们可以一次直观地检查所有业务领域，相对于彼此。