ครั้งสุดท้ายที่คุณใช้บริการบนเครื่องบิน คุณนึกออกหรือไม่ว่าประสบการณ์นั้นเป็นอย่างไร? คนส่วนใหญ่มักนึกถึงสองสามเรื่องที่ได้รับในเที่ยวบินที่ผ่านมา ซึ่งอาจเป็นทั้งเรื่องบวกและลบ และเรื่องที่พวกเขาพอใจเป็นที่สุด
ในการเดินทางโดยเครื่องบินความพึงพอใจของผู้โดยสารเป็นตัวชี้วัดที่สําคัญสําหรับสายการบิน การรับรู้ว่าผู้โดยสารของคุณพอใจในการบริการถือเป็นเรื่องดี แต่การรู้ว่า ทําไมพวกเขาถึงพอใจ เป็นเรื่องที่ดียิ่งกว่า ข้อมูลเชิงลึกเหล่านี้สามารถช่วยให้สายการบินเข้าใจว่าจุดแข็งของพวกเขาอยู่ที่ไหนและทำให้พวกเขาใช้มุมมองของลูกค้านี้ไปปรับปรุงการบริการของตัวเองได้
การศึกษาเกี่ยวกับความพึงพอใจของลูกค้าโดยการสำรวจคะแนนความพึงพอใจโดยรวมพร้อมกับมุมมองด้านอื่น ๆ ที่เกิดขึ้นในเที่ยวบินของพวกเขา (เช่น ตําแหน่งที่นั่ง ความสะดวกในการจองออนไลน์ พื้นที่วางขา ความล่าช้าในการออกเดินทาง) ผลการสํารวจนี้พบว่า 54% ของผู้โดยสารพอใจกับเที่ยวบินของพวกเขาซึ่งบอกเราว่าโดยรวมแล้วลูกค้าส่วนใหญ่พอใจกับประสบการณ์ที่พวกเขาได้รับ
การทําความเข้าใจถึงเหตุผลที่ทำให้ลูกค้าพึงพอใจ (Understanding Why Customers are Satisfied)
ถ้าเราสามารถรับรู้ได้ว่าลูกค้ามีความพึงพอใจกับประสบการณ์ที่ได้รับจากการเดินทางด้วยสายการบินเพราะเรื่องใดคงเป็นเรื่องน่ายินดียิ่งดังนั้นในคําถามเชิงตรรกะต่อไปคือ: เหตุใดลูกค้าถึงพึงพอใจ และ สิ่งใดที่เป็นตัวแบ่งให้เกิดกลุ่มลูกค้าที่พึงพอใจ กับ ลูกค้าที่เป็นกลาง/ไม่พอใจ
ในการสํารวจมีตัวแปรทํานายจํานวนมาก (มากกว่า15 ปัจจัย) และมีข้อมูลที่ต้องตรวจสอบจํานวนมาก (มากกว่า 100,000 แถว) โปรแกรมสถิติ Minitab Statistical Software มีเครื่องมือการวิเคราะห์เชิงคาดการณ์ ที่จะเป็นประโยชน์อย่างมากในการใช้เพื่อการคาดการณ์นี้ เครื่องมือที่ว่า คือ CART® ซึ่งนำมาใช้เพื่อระบุปัจจัยสำคัญหลักที่ทำให้เกิดความพึงพอใจของลูกค้า
พร้อมที่จะเรียนรู้เพิ่มเติมเกี่ยวกับ Minitab เวอร์ชันล่าสุดแล้วหรือยัง?
CART® หรือ แผนผังการจําแนกและการถดถอย (Classification and Regression Trees) เป็นรูปแบบแผนผังการตัดสินใจที่ใช้ช่วยค้นหารูปแบบและความสัมพันธ์ที่สําคัญของตัวแปรจากข้อมูลที่มี หากคําถามที่คุณใช้เป็นลักษณะคําตอบแบบทวินาม-binomial (แบบสองตัวเลือก) หรือ พหุนาม-multinomial (แบบหลายตัวเลือก) ให้ใช้ CART แบบจัดหมวดหมู่ (CART Classification) แต่ถ้าคำตอบที่จะได้มีลักษณะเป็นค่าแบบต่อเนื่อง และมีตัวแปรทํานายที่มีลักษณะเป็นหมวดหมู่ (categorical) หรือค่าต่อเนื่อง (continuous) ควรใช้ CART แบบถดถอย(CART Regression)
ในแบบสํารวจนี้เราแบ่งลูกค้าออกเป็นสองกลุ่ม คือ กลุ่มที่พอใจ และ กลุ่มที่ไม่พอใจ ดังนั้นเราจะใช้ CART แบบจัดหมวดหมู่ แนวคิดหลักที่อยู่เบื้องหลัง CART คือ เราแบ่งตัวแปรตัวทํานายออกเป็นกลุ่มต่างๆ เพื่อให้ทำนายตัวแปรตาม (dependent variable) นั้นมีความถูกต้องมากยิ่งขึ้น ตัวแปรตาม หรือ เรียกว่า ตัวแปรเป้าหมาย (target variable) ซึ่งหมายถึง ความพึงพอใจ ในกรณีนี้ โปรแกรมสถิติ Minitab จะทำการค้นหาอัตโนมัติเพื่อให้ได้แผนผังการตัดสินใจที่ดีที่สุดสําหรับคุณ และจะใช้ตัวแบบทางสถิติเพื่อให้คุณสามารถเข้าใจได้ว่าแบบจําลองนั้นมีประโยชน์หรือไม่
ในช่วงเริ่มต้นของการวิเคราะห์ข้อมูลนี้ตัวแบบจําลองที่ได้ตอนตั้งต้นจะมีขนาดค่อนข้างใหญ่ซึ่งถือเป็นปกติ สมมติว่าคุณแค่ต้องการจะเข้าใจเฉพาะปัจจัยสำคัญที่ทำให้เกิดความพึงพอใจ การใช้แผนภูมิความสําคัญตัวแปรสัมพัทธ์ (Relative Variable Importance plot ) สามารถบอกคุณได้ว่าตัวทํานายใดเป็นตัวแปรที่สําคัญที่สุดของแผนผัง
จากแผนภูมิด้านล่างนี้แสดงให้เห็นว่า ปัจจัยเรื่องสื่อบันเทิงในเครื่องบิน (inflight entertainment) และความสะดวกสบายของที่นั่ง (seat comfort) เป็นตัวแปรที่สําคัญที่สุดในการทํานายความพึงพอใจ ตามด้วยความสะดวกในการจองออนไลน์ (ease of online booking) และส่วนสนับสนุนในออนไลน์ (online support) ซึ่งได้รับการจัดอันดับให้มีความสําคัญสูงรองลงมา
ความยืดหยุ่นในการปรับรูปแบบของตัวแบบทางเลือก (Flexibility to Fit an Alternative Model)
หลายครั้งแผนภูมิที่ได้จาก CART จะมีขนาดใหญ่มาก ถ้าเราสามารถทำให้แผนภูมิมีข้อมูลคล้ายของเดิมแต่มีขนาดเล็กลงน่าจะเป็นเรื่องดีสำหรับการวิเคราะห์ โดยเฉพาะอย่างยิ่งถ้าเราใช้แผนภูมินี้เป็นเครื่องมือในการสื่อสารสิ่งที่ค้นพบของเรากับผู้อื่น และในส่วนล่าสุดของโปรแกรมทางสถิติ Minitab มีมุมมองที่ให้คุณได้สามารถปรับเปลี่ยนตัวแบบรวมถึงเปรียบเทียบกับตัวแบบทางเลือก ในหน้าต่างเดียวกันได้ ซึ่งทำให้ทำงานได้สะดวกยิ่งขึ้น เช่นตัวอย่างที่แสดงด้านล่างนี้ คือ แผนภูมิที่มีขนาดเล็กลง ดังนั้นเราจึงสามารถแยกดูตัวแปรหลักแต่ละตัวได้
แผนภูมิการตัดสินใจเพื่อช่วยให้คุณเข้าใจรายละเอียดมากขึ้น (Tree Diagrams to Help You Understand the Details)
เมื่อมองที่รายละเอียดในแผนภูมิเราจะเห็นว่า ปัจจัยเรื่อง สื่อบันเทิงบนเครื่องบินได้รับการจัดอันดับมากกว่า 3.5 และมีลูกค้าประมาณ 81% ให้คะแนนว่าพึงพอใจ
แถบสีแดงและสีน้ําเงินจะเป็นตัวบ่งชี้(แถบสีที่แสดงด้านบนและอยู่ในแต่ละโหนดของแผนภูมิ) ทําให้มองเห็นผลลัพธ์เหล่านั้นได้ง่าย โดยสีน้ำเงินหมายถึงพึงพอใจ และ สีแดงหมายถึงไม่พอใจ นอกจากนี้ยังช่วยให้คุณสังเกตเห็นว่าเมื่อลูกค้าให้คะแนนในเรื่องสื่อบันเทิงบนเที่ยวบินน้อยกว่า 3.5 พวกเขามักจะพอใจมากขึ้นหากที่นั่งอยู่ใกล้กับหน้าต่างหรือทางเดิน แต่จะพอใจน้อยลงเมื่อพวกเขามีที่นั่งตรงกลาง (ตามเส้นทางทางด้านซ้ายของแผนภูมิ)
แผนภูมิ CART มีประโยชน์มากเมื่อคุณนำไปใช้ในการทำความเข้าใจเกี่ยวกับตัวแปรที่สําคัญ แต่ก็ทําให้ทุกคนสามารถสํารวจตัวแปรอื่นได้ง่ายโดยดูค่าแยกในตัวแบบ การใช้งานของแผนภูมิด้านบน ทางสายการบินได้เรียนรู้ว่าลูกค้าต้องการสื่อบันเทิงบนเครื่องบินที่ดีและที่นั่งที่สะดวกสบาย แต่ถ้าสื่อบันเทิงบนเที่ยวบินจะไม่ดีนัก สายการบินยังสามารถทําให้ผู้โดยสารพึงพอใจได้ถ้าได้ที่นั่งที่สะดวกสบาย
CART เป็นเครื่องมือในกลุ่มการวิเคราะห์ที่มีประโยชน์เนื่องจากไม่จําเป็นต้องมีสมมติฐานมากมายและสามารถทําได้ค่อนข้างเร็ว หากคุณมีข้อมูลที่คุณยังไม่ได้วิเคราะห์เนื่องจากการวิเคราะห์เชิงคาดการณ์และ machine learning จะดูยากเกินไปสําหรับคุณ – ลองใช้ CART ที่มีในโปรแกรม Minitab ล่าสุดดู มันทำให้การวิเคราะห์ของคุณง่ายขึ้นจริงๆ (Minitab Statistical Software)
ต้องการคำแนะนำและเคล็ดลับเพิ่มเติมเกี่ยวกับวิธีการใช้ CART® ใน Minitab หรือไม่?
บทความต้นฉบับ : Understanding Customer Satisfaction to Keep It Soaring
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยสุวดี นำพาเจริญ
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ