Report JCSI 紹介版

「サービス品質項目の重要度の可視化：回帰モデルを活用して」(vol.25より)

サービス品質項目の重要度の可視化
：回帰モデルを活用して

(SERVICE INNOVATION REPORT Vol.25 "Report JCSI"より)

 

■1.サービス品質項目の重要度を可視化する理由と方策
　先日発刊された『サービスエクセレンス（CSI診断による顧客経験［CX］ の可視化）』（ 以下、JCSIガイドブック） は、顧客からの評価情報を活用するデータ分析について、顧客満足度指数（CSI）の診断と、サービス品質項目（SQI）の診断に分けています。さらに、SQI診断においては、企業がサービス品質改善の優先順位を定めるために、JCSIガイドブックでは、「個々のサービス品質属性の評価スコアの高さと重要度を分けて検討する」（p.162）ことが推奨されています。
　本レポートは、回帰分析を用いたSQI診断の「重要度の可視化」に取り組みました。
　なお、SQIは約40設問と多く、未回答の場合も少なくありません。JCSIガイドブックは、CSIを目的変数、SQIを説明変数とした重回帰分析 を行う際には、統計学的な問題から全てのSQI設問をモデルに投入することは難しいと指摘しています。そこで、本レポートは、説明変数の多さと欠損に対処したうえでSQIの重要度を示すために、（株）東芝と統計数理研究所が2019年に開発した機械学習アルゴリズム「HMLasso」（東芝,2019）を応用し、回帰分析を行い、びっくりドンキーとスシローの重要度の可視化を検討しました。
　今回のHMLasso を用いた分析デザインは、図表1の通りです。また、モデルの当てはまりの良さをRMSE という指標で評価した結果、今回のモデルが重回帰モデルより優れていることがわかりました（図表2）。

  

■2.結果と解釈
　図表３には、2020年データをHMLasso によって学習した結果のうち、標準化偏回帰係数を示しました。これは、数値が大きいほどCSIへの影響が大きいことを意味しています。
　びっくりドンキーとスシローの共通点は…

 

本レポートの続きは、SPRING会員会報
「SERVICE INNOVATION REPORT」Vol.25（2021年10月22日発行）をご覧ください。

※SPRING会員特典の会報「SERVICE INNOVATION REPORT」（年4回発行）では、JCSI調査結果をテーマ別に分析・紹介する"Report JCSI"を連載しています。是非ご入会の上ご覧ください。
SPRING会員についてはこちらから

 

 

[参考文献]
○小野譲司・小川孔輔（編著）（2021）JCSI（日本版顧客満足度指数）ガイドブック　サービスエクセレンス『CSI 診断による顧客経験［CX］の可視化』, 生産性出版
○Takada, M., Fujisawa, H., & Nishikawa, T. (2018). HMLasso: Lasso with High Missing Rate. arXiv preprint arXiv:1811.00255.
○株式会社東芝（2019）大量の欠損を含むデータからでも不具合の要因を特定する機械学習アルゴリズム（AI）を開発−品質低下や歩留悪化の要因を高速・高精度に特定し、製造現場の信頼性と生産性の向上に貢献− , URL：https://www.global.toshiba/jp/technology/corporate/rdc/rd/topics/19/1908-01.html（参照日2021/08/25）