1. 引言
在全球化浪潮和中国教育现代化推进的背景下，《中国教育现代化2035》明确提出要优化出国留学服务。2024年，中国教育部留学服务中心召开发布会宣布广大支持留学以及分析未来留学形势强劲复苏。随着中国学生出国留学人数持续增长，国际教育培训公司成为留学申请过程中的重要助力。然而，随着市场竞争加剧，客户对服务质量的要求不断提高，如何提升客户满意度成为企业发展的关键。Y国际教育培训公司专注于英联邦国家的留学申请，为高中生提供升学规划和课程培训。但随着公司规模扩大，客户满意度问题逐渐凸显。本研究以Y公司为案例，基于CCSI模型构建客户满意度测评模型，旨在找出影响客户满意度的关键因素，提出针对性提升策略，为公司及行业发展提供理论与实践支持。
2. 文献综述
2.1. 影响客户满意度因素研究现状
众多学者对影响客户满意度的因素展开研究。Kurdi发现客户与员工的互动，尤其是员工工作满意度，对客户满意度有重要正向影响[1]。Sao Mai DAM研究表明服务质量和品牌形象能有效促进客户满意度提升，进而影响顾客忠诚度[2]。仇雪等从顾客感知价值视域研究发现，在社交平台上，社会价值对用户满意度影响最强烈[3]。郭晓姝梳理相关研究后指出，在线管理反馈策略和顾客情绪会影响客户二次满意度[4]。白祥通过归因理论和双因子理论探讨服务失误及补救措施的影响，提出企业应积极补救以维护顾客满意度[5]。
2.2. 客户满意度测量评价研究现状
西方发达国家的客户满意度测评模型已逐步成熟。Fornell在SCSB基础上创立ACSI模型，综合考虑客户对价值的感知、对服务质量的期望及实际感知，为企业管理客户满意度提供系统化方法[6]。2001年，我国质量监督检验检疫总局和清华大学构建了CCSI模型，更贴合中国企业研究。崔春生对比ECSI和CCSI模型，为提升网购客户满意度提出建议[7]。徐婉丽基于CCSI建立少儿体育舞蹈机构满意度指数模型[8]。鄢章华从情感叠加角度设计规则，建立模型研究顾客情感对满意度测量的影响[9]。陈婷基于感知价值视角构建模型揭示移动政务APP用户满意度影响因素的层级关系[10]。
2.3. 教育行业满意度研究现状
教育行业满意度研究向多维度和细分领域发展。Manuela等构建的满意度评估体系包含教学方式、师资实力等六大指标，为后续研究提供框架[11]。Marco指出师生配合、教师教育水平等因素会影响学生课程满意度[12]。Kyung-hyun和Kim确定了学习内容适用性等五个关键满意度参考因素[13]。Sudirman证实讲师服务质量和基础设施质量对学生满意度有显著影响[14]。黄星等提出教师专业能力培训等四个关键因素用于分析培训满意度[15]。
3. Y公司客户满意度现状分析
Y公司专注于英联邦国家留学申请培训领域，凭借强大的导师团队和丰富的国际课程体系，提供涵盖校内课程培训、升学规划指导等在内的服务型产品。其服务流程涵盖咨询签约、专业规划、课程安排以及回访跟进等多个环节。
随着业务拓展，Y公司在客户满意度方面暴露出诸多问题。例如：在客户反馈处理上，依赖熟人关系处理问题，缺乏正式的投诉处理机制，导致反馈处理既不及时也不全面。服务流程与管理机制缺乏标准化，投诉响应时间参差不齐，处理方式多为个案化，难以形成系统性解决方案。当下市场环境中，客户需求不断升级，部分高端客户期望获得定制化、一站式的教育服务。面对日益多样化的客户需求，Y公司目前相对固定的课程设置，无法灵活应对学生的独特需求，在满足个性化需求方面明显滞后。
与之形成对比的是，新兴教育机构凭借灵活的个性化服务、便捷的沟通方式和有竞争力的价格，吸引了大量客户。Y公司尽管教育质量领先，但服务的僵化和灵活性不足，致使部分客户流失，尤其在高端客户群体中表现突出，他们更注重教育服务的个性化定制。
鉴于此，Y公司迫切需要在个性化教育服务方面进行创新变革。深入洞察客户，尤其是高端客户的个性化需求，通过开发定制化课程、优化反馈机制，提升客户满意度。同时，构建多样化的沟通渠道，增强客户与公司的互动，改善客户体验，以此在激烈的市场竞争中巩固自身优势。
4. 客户满意度的指标体系建立与模型构建
本研究在明确客户满意度指标体系构建的原则、依据和关键影响因素定义后，运用文献分析法，基于CCSI模型并结合作者在Y公司的实际情况，构建了适用于Y公司的客户满意度评价体系。该体系包含6个潜在变量和22个观测变量，用于全面衡量客户满意度。CCSI模型由我国质量监督检验检疫总局和清华大学于2001年构建，其综合考虑了中国顾客对产品或服务的预期质量、感知质量、感知价值等多方面因素，进而衡量顾客满意度，在国内各行业研究中应用广泛。对于国际教育培训行业而言，CCSI模型具有一定的适用性。该行业客户在选择教育服务时，同样会基于自身对服务质量的预期，在接受服务过程中感知教育机构的师资水平、课程内容等质量要素，并将服务价格与所获价值进行对比评估，这些方面与CCSI模型涵盖的影响因素相契合。然而，CCSI模型也存在一定局限性。国际教育培训行业具有服务周期长、服务成果受学生个体差异影响大等特殊性。CCSI模型在一定程度上难以精准衡量这些复杂因素。比如，学生在学习过程中的努力程度、学习方法的有效性等个体因素，会显著影响最终学习成果和客户满意度。
选择CCSI模型作为研究基础，主要原因在于其贴合中国市场环境，对国内企业客户满意度研究具有较强的指导性。Y公司作为中国的国际教育培训企业，其客户群体为中国学生家长，CCSI模型能较好地反映国内客户在消费过程中的思维模式和影响满意度的关键因素。同时，尽管存在局限性，但通过结合Y公司实际情况和国际教育培训行业特点，对模型进行适当调整和补充，能够构建出一套较为完善的客户满意度测评体系，为研究提供有力支撑。
在问卷设计上，一方面梳理文献，借鉴已有量表和评估方法选取成熟且具操作性的观测变量；另一方面结合作者在Y公司的工作经验、客户实际需求与反馈，设计出能精准反映客户对服务质量感知与评价的调查问卷。所构建的Y公司客户满意度指标体系依托成熟理论模型，充分考虑了Y公司所在国际教育行业特性、客户多样化需求以及作者的工作经历与同事访谈，具体指标体系结构以表1呈现。
Table 1. Company Y customer satisfaction evaluation system indicators
表1. Y公司客户满意度测评体系指标
潜在变量 |
观测变量 |
题项来源参考 |
公司品牌形象IM |
对公司品牌总体形象的评价 |
王龙庆(2021) [16]的理论基础上结合作者在Y公司的工作经历 |
对公司品牌声誉/影响力的评价 |
预期质量EQ |
对公司服务质量的总体预期 |
曾超、吕米佳、陈纪文(2024) [17]的理论基础上结合作者在Y公司的工作经历 |
EQ2报名前，对本公司教学水平/师资的预期 |
EQ3报名前，对公司教学效果/质量的预期 |
感知质量PQ |
PQ1对公司顾问老师(销售)沟通服务的感受 |
在中国顾客满意指数指南的基础上，根据本文作者工作经验进行部分修改 |
PQ2对本公司升学指导规划、专业水平、日常沟通的感受 |
PQ3对公司学术老师授课水平和学术能力的感受 |
PQ4对公司提供的个性化规划安排、课程内容的感受 |
吴孝灵、林涵凝(2023) [18]的理论基础上结合作者在Y公司的工作经历 |
PQ5对线上平台上课形式的感受 |
PQ6对每年线下的夏校集训的感受 |
感知价值PV |
PV1对本公司的收费标准与所提供的服务匹配程度的评价 |
基于王爽(2023) [19]发表的理论基础上结合作者在Y公司的工作经历 |
PV2对公司相比于其他同行业公司的定价合理程度的评价 |
PV3对公司提供的课程内容和学习资源相较于您支付的费用具有足够价值的评价 |
客户满意CS |
CS1对本公司实际服务的满意程度 |
陈静(2021) [20]的理论基础上结合作者在Y公司的工作经历 |
CS2对实际学习成果的满意程度 |
CS3对公司比同行业的龙头公司的满意程度 |
CS4对公司总体的满意程度 |
客户忠诚CL |
CL1会主动向他人推荐本公司的可能性 |
郭志斌、郑磊、周伟、郭宁宁(2024) [21]的理论基础上结合作者在Y公司的工作经历 |
CL2会继续参加本公司的其他产品项目课程的可能性 |
CL3如果被成功录取非常愿意来本公司担任助教/接受采访分享的可能性 |
基于对中国顾客满意度指数模型(CCSI)构建家长满意度模型，对模型关系进行假设及说明，为下文的研究奠定基础。
提出如下假设：
Y1：公司品牌形象与客户预期之间存在正向显著影响；
Y2：公司品牌形象与感知质量之间存在正向显著影响；
Y3：公司品牌形象与感知价值之间存在正向显著影响；
Y4：公司品牌形象对客户满意之间存在正向显著影响；
Y5：客户预期与感知质量之间存在正向显著影响；
Y6：客户预期与感知价值之间存在正向显著影响；
Y7：客户预期对客户满意之间存在正向显著影响；
Y8：感知质量与感知价值之间存在正向显著影响；
Y9：感知质量对客户满意之间存在正向显著影响；
Y10：感知价值对客户满意之间存在正向显著影响；
Y11：客户满意与客户忠诚之间存在正向显著影响。
根据以上反映潜在变量间逻辑关系的研究假设，以CCSI模型为基础，建立了如图1所示的Y公司客户满意度模型。
Figure 1. Company Y customer satisfaction model
图1. Y公司客户满意度模型
5. Y公司客户满意度实证结果与分析
本次正式问卷调查通过网络问卷平台问卷星进行，主要针对Y公司学生家长群体，旨在收集家长对公司服务的满意度反馈和相关意见。共计回收问卷330份，为确保数据质量，研究团队对收集到的问卷进行了认真筛查，剔除了无效问卷8份，例如填写不完整或有明显重复项的问卷。最终，获得有效样本322份，有效问卷回收率达97.6%，并且样本数量超过22个测量题项的10倍以上且小于500份，符合结构方程模型对样本量的要求，同时也为后续数据分析提供了可靠的基础。
在设置量表的过程中，设置的分数值代表1 =非常不同意，2 = 不同意，3 =比较同意，4 =同意，5 =非常同意。
5.1. 样本描述性分析
基于此，根据Y公司客户满意度模型的描述性统计分析结果可以看出，各结构变量的均值分布较低，表明客户对品牌形象、预期质量、感知质量、感知价值、客户满意度和客户忠诚等六个方面总体认可度较高。具体来看，品牌形象的均值最低(2.042)，反映出客户对Y公司的品牌形象非常认可，说明Y公司在品牌知名度、品牌影响力等方面已经成功获得了较高的客户评价，显示了其在品牌建设方面的优势。此外，感知质量和感知价值的均值也处于较低水平，分别为2.080和2.083，进一步表明客户对Y公司所提供的服务质量和整体服务价值持较高评价，这也可能意味着Y公司在培训课程和辅导服务方面取得了客户的广泛认同。
值得注意的是，各结构变量的标准差值分布较为一致，均在1.097至1.141之间。品牌形象的标准差最高(1.141)，说明客户在品牌形象方面的看法存在一定差异，这可能是因为不同客户群体对品牌的认知度、关注点有所不同。而客户忠诚的标准差最低(1.097)，说明在是否推荐Y公司或再次选择Y公司方面，客户态度相对一致，这表明Y公司在客户忠诚度方面表现良好，赢得了客户的高认可和持续支持，如表2所示。
Table 2. Descriptive statistics of sample variables
表2. 样本变量描述性统计
|
品牌形象 |
预期质量 |
感知质量 |
感知价值 |
客户满意 |
客户忠诚 |
样本数 |
322 |
322 |
322 |
322 |
322 |
322 |
平均值 |
2.042 |
2.059 |
2.080 |
2.083 |
2.066 |
2.065 |
标准差 |
1.141 |
1.108 |
1.109 |
1.139 |
1.112 |
1.097 |
与客户满意度的相关性系数(皮尔逊相关系数) |
0.35(**) |
0.42(***) |
0.58(***) |
0.55(***) |
- |
0.62(***) |
对客户满意度的贡献度(标准化回归系数) |
0.15 |
0.20 |
0.30 |
0.25 |
- |
0.40 |
注：**表示在0.01水平(双侧)上显著相关；***表示在0.001水平(双侧)上显著相关。
通过计算各影响因素与客户满意度的相关性系数(皮尔逊相关系数)以及对客户满意度的贡献度(标准化回归系数)，对各影响因素的相对重要性进行排序。结果显示，客户忠诚对客户满意度的贡献度最大(标准化回归系数为 0.40)，说明客户一旦对Y公司产生忠诚，这将会极大地提升客户满意度；其次是感知质量(贡献度为0.30)，优质的服务质量是提升客户满意度的关键因素。在Y公司的运营过程中，客户在与公司的交互过程中所感受到的顾问老师沟通服务、升学指导规划的专业度、学术老师的授课水平等方面的质量，都会直接影响他们对公司的满意度评价。如果公司能够持续提升感知质量，无疑会为客户满意度的提升提供坚实的保障。感知价值(贡献度为0.25)和预期质量(贡献度为0.20)也对客户满意度有重要影响。相对而言，品牌形象对客户满意度的贡献度相对较小(贡献度为0.15)。虽然在各因素中相对较小，但这并不意味着它的作用可以被忽视。品牌形象作为客户对公司的整体印象，包括品牌知名度、声誉等方面，仍然在一定程度上影响着客户满意度。良好的品牌形象能够为客户建立积极的心理预期，在服务质量和其他条件相当的情况下，更有助于提升客户的满意度。
总体而言，数据分析结果显示Y公司在品牌形象和感知质量、感知价值方面取得了较高的客户满意度评价，但仍存在提升空间。未来，Y公司可以进一步加强品牌建设，以巩固其在客户心中的品牌形象；同时，可以通过优化客户体验和服务细节来提升客户的感知价值，从而进一步提高客户满意度和忠诚度。
5.2. 信度和效度分析
5.2.1. 信度分析
信度是采取相同的方法对同一对象重复进行测量，分析所得结果一致性的程度。本研究测量问卷信度采用重测法和内部一致性信度两种方法。在实证研究部分主要以Cronbach’s α系数来评价量表的信度，Cronbach’s α系数小于0.7和题目与总体相关系数CITC小于0.5的题项建议删除，修正该变量的测量题项，本信度如表3所示。
Table 3. Reliability coefficient value analysis
表3. 信度系数值分析
变量 |
题项 |
CITC |
删除项后的Cronbach’s α |
Alpha系数 |
品牌形象IM |
IM1 |
0.820 |
0.876 |
0.912 |
IM2 |
0.805 |
0.889 |
IM3 |
0.845 |
0.855 |
预期质量EQ |
EQ1 |
0.656 |
0.811 |
0.835 |
EQ2 |
0.739 |
0.730 |
EQ3 |
0.701 |
0.768 |
感知质量PQ |
PQ1 |
0.727 |
0.851 |
0.879 |
PQ2 |
0.635 |
0.866 |
PQ3 |
0.677 |
0.859 |
PQ4 |
0.701 |
0.855 |
PQ5 |
0.671 |
0.861 |
PQ6 |
0.709 |
0.854 |
感知价值PV |
PV1 |
0.813 |
0.894 |
0.916 |
PV2 |
0.844 |
0.869 |
PV3 |
0.836 |
0.875 |
客户满意CS |
CS1 |
0.692 |
0.759 |
0.824 |
CS2 |
0.646 |
0.781 |
CS3 |
0.605 |
0.797 |
CS4 |
0.655 |
0.774 |
客户忠诚CL |
CL1 |
0.739 |
0.772 |
0.849 |
CL2 |
0.672 |
0.834 |
CL3 |
0.746 |
0.761 |
5.2.2. 效度分析
(1) 探索性因子分析
本文对问卷的结构效度采用探索性因子分析(EFA)进行第一步检验，如果各变量的题目的因子载荷量均大于0.6，交叉因子载荷量在0.4以下，则认为该调查问卷具有初步的结构效度。在因子分析之前，需要对样本进行KMO和克隆巴赫的球形检验，若KMO值大于0.7，Bartlett的球形度检验小于0.05的水平下，则认为样本数据适合进行因子分析，具体情况见表4。
Table 4. KMO test and Bartlett’s test of sphericity
表4. KMO检验和Bartlett的球形检验
KMO 取样适切性量数 |
0.889 |
Bartlett 的球形度检验 |
近似卡方 |
4047.642 |
自由度 |
231.000 |
显著性 |
0.000 |
根据收集到的数据，我们对Y公司的客户满意度进行了探索性因子分析(EFA)，以识别潜在的结构变量和测量指标之间的关系。以下是分析的关键结果：
KMO值为0.889，这一结果表明数据适合进行因子分析。一般来说，KMO值在0.6以上表明数据适合进行因子分析，而0.889的值远高于这一标准，显示出数据的良好适应性，意味着变量之间存在较强的相关性，有利于提取因子。其次，Bartlett球形度检验的结果显示，近似卡方值为4047.642，自由度(df)为231，显著性p值为0.000。p值远小于0.05，表明变量之间存在显著的相关性，进一步支持进行因子分析的合理性。这意味着我们可以拒绝变量不相关的零假设，确认数据结构的有效性。综上所述，基于KMO和Bartlett检验的结果，本次探索性因子分析是合理的。
(2) 验证性因子分析
验证性因子分析(CFA)常用于评估李克特量表效度、检验题项和变量之间的关系，并确认模型的有效性，通过样本数据来验证分析问卷数据与模型结构的同步性，查看问卷变量题项与变量的对应关系，各变量之间的关系是否与实际数据情况一致，常用来做量表的效度检验。
本文通过验证性因子分析获取各个题项的因子载荷量(Factor loading)、变量的组成信度(Component reliability)、AVE值，来判断效度是否合格。通过运用对比变量做验证性因子分析，分析结果如表5所示。
Table 5. Convergent validity
表5. 收敛效度
构面 |
题项 |
标准化因素负荷 |
CR |
AVE |
IM |
IM1 |
0.872 |
0.913 |
0.777 |
IM2 |
0.861 |
IM3 |
0.911 |
EQ |
EQ1 |
0.725 |
0.838 |
0.634 |
EQ2 |
0.87 |
EQ3 |
0.786 |
PQ |
PQ1 |
0.793 |
0.88 |
0.551 |
PQ2 |
0.683 |
PQ3 |
0.733 |
PQ4 |
0.752 |
PQ5 |
0.729 |
PQ6 |
0.758 |
PV |
PV1 |
0.861 |
0.916 |
0.785 |
PV2 |
0.905 |
PV3 |
0.892 |
CS |
CS1 |
0.775 |
0.827 |
0.544 |
CS2 |
0.741 |
CS3 |
0.683 |
CS4 |
0.749 |
CL |
CL1 |
0.832 |
0.853 |
0.659 |
CL2 |
0.756 |
CL3 |
0.845 |
5.3. 客户满意度模型的验证
结构方程模型(SEM)是一种统计模型，可以进行多元统计，主要验证变量之间影响关系。被广泛应用于管理学、教育学、经济学等领域，SEM包括测量模型和结构模型两大部分。其中，通过假设模型进行验证因子分析来表现测量指标与假设模型之间的关系，检测假设模型效度；通过 SEM 路径分析来展现潜变量的因果关系，用来检测假设。故本文使用SEM，计算采用最大似然估计法，根据本研究的假设关系，构建结构方程模型，当p值小于0.05，则认为该条路径成立。使用AMOS构建模型，如图2所示，可以得出模型的具体关系。
Figure 2. Customer satisfaction evaluation model
图2. 客户满意度测评模型
在验证变量间路径系数是否成立的时候先验证模型适配度是否合格，若合格说明结构方程模型合理，才能继续验证路径系数是否成立，模型适配度不合格必须重新修正，具体模型拟合度如表6所示。
Table 6. Model fitting index
表6. 模型拟合指标
常用指标 |
x2 |
df |
p |
卡方自由度比x2/df |
GFI |
RMSEA |
RMR |
CFI |
NFI |
NNFI |
判断标准 |
- |
- |
>0.05 |
<3 |
>0.9 |
<0.10 |
<0.05 |
>0.9 |
>0.9 |
>0.9 |
值 |
250.341 |
198 |
0.007 |
1.264 |
0.913 |
0.035 |
0.045 |
0.972 |
0.882 |
0.968 |
其它指标 |
TLI |
AGFI |
IFI |
PGFI |
PNFI |
PCFI |
SRMR |
RMSEA 90% CI |
|
|
判断标准 |
>0.9 |
>0.9 |
>0.9 |
>0.5 |
>0.5 |
>0.5 |
<0.1 |
- |
|
|
值 |
0.968 |
0.889 |
0.973 |
0.714 |
0.756 |
0.833 |
0.039 |
0.019 ~ 0.047 |
|
|
备注：Default Model时x2 (231) = 2124.710, p = 1.000 |
结构方程模型拟合度选取了良适性适配指数(GFI)、调整后的良适性适配指数(AGFI)、渐进残差均方和平方根(RMSEA)、期规准适配指数(ECVI)、非期规准适配指数(NFI)、增值适配指数(IFI)、非规准适配指数(TLI)、比较适配指数(CFI)各模型适配度的标准参考相关学者建议[22]。
Table 7. Customer satisfaction evaluation model path coefficient table
表7. 客户满意度测评模型路径系数表
路径关系 |
标准化系数 |
非标准化 系数 |
标准误差 |
T值 |
p |
假设成立支持 |
预期质量 |
|
公司品牌形象 |
0.378 |
0.293 |
0.05 |
5.899 |
*** |
支持 |
感知质量 |
|
公司品牌形象 |
0.52 |
0.435 |
0.054 |
8.007 |
*** |
支持 |
感知质量 |
|
预期质量 |
0.078 |
0.084 |
0.067 |
1.259 |
0.208 |
不支持 |
感知价值 |
|
公司品牌形象 |
0.299 |
0.303 |
0.07 |
4.336 |
*** |
支持 |
感知价值 |
|
预期质量 |
0.216 |
0.284 |
0.079 |
3.573 |
*** |
支持 |
感知价值 |
|
感知质量 |
0.216 |
0.262 |
0.081 |
3.234 |
0.001 |
支持 |
客户满意 |
|
预期质量 |
0.177 |
0.178 |
0.067 |
2.66 |
0.008 |
支持 |
客户满意 |
|
感知质量 |
0.24 |
0.223 |
0.068 |
3.261 |
0.001 |
支持 |
客户满意 |
|
感知价值 |
0.289 |
0.221 |
0.055 |
4.046 |
*** |
支持 |
客户满意 |
|
公司品牌形象 |
0.043 |
0.033 |
0.059 |
0.568 |
0.57 |
不支持 |
客户忠诚 |
|
客户满意 |
0.485 |
0.542 |
0.075 |
7.21 |
*** |
支持 |
注：***表明p小于0.001 (0.1%显著性水平)。
根据表7的路径系数关系结果，对提出的Y公司客户满意度测评模型理论假设进行验证：
Y1：公司品牌形象与客户预期之间存在正向显著影响，支持；
Y2：公司品牌形象与感知质量之间存在正向显著影响。支持；
Y3：公司品牌形象与感知价值之间存在正向显著影响，不支持；
Y4：公司品牌形象对客户满意之间存在正向显著影响，支持；
Y5：客户预期与感知质量之间存在正向显著影响，不支持；
Y6：客户预期与感知价值之间存在正向显著影响，支持；
Y7：客户预期对客户满意之间存在正向显著影响，支持；
Y8：感知质量与感知价值之间存在正向显著影响，支持；
Y9：感知质量对客户满意之间存在正向显著影响，支持；
Y10：感知价值对客户满意之间存在正向显著影响，支持；
Y11：客户满意与客户忠诚之间存在正向显著影响，支持。
6. 结论与建议
本研究聚焦于Y国际教育培训公司，通过构建该公司的客户满意度测评体系，运用问卷调查收集数据，并借助结构方程模型(SEM)进行实证分析研究后发现感知质量、品牌形象、预期质量和感知价值正向影响客户满意度，其中感知质量影响最大。研究假设部分得到支持，如公司品牌形象与客户预期、感知质量、客户满意之间存在正向显著影响；但也有部分假设未得到验证，如公司品牌形象与感知价值之间不存在正向显著影响，客户预期与感知质量之间不存在正向显著影响。针对各部分提炼归纳出了以下提升Y公司客户满意度的建议：
1) 品牌形象提升策略
公司品牌形象对客户预期、感知质量以及客户满意均呈现出正向显著影响，但与感知价值之间不存在正向显著影响。Y公司需要规划多渠道强化品牌建设。例如：在社交媒体平台(小红书、抖音等主流平台或者一些教育论坛平台)，保持一定的发布频率每周至少发布2~3条涵盖成功案例、师资风采等的推广内容，目标是半年内粉丝增长50%，借此提升品牌知名度与客户正向预期，同时达到增强品牌专业性认知的目的。
同时，Y公司应该优化服务价值，每年经过市场调研梳理课程价格，依据成本、竞争和客户承受力调整，为高端课程学员提供一对一咨询，每月至少举办1次讲座，提升客户对服务价值的认可度。预期效果为使客户在关注品牌的同时，切实感受到服务价值的提升，增强品牌形象与服务价值的关联性。
2) 客户预期管理策略
客户预期与感知价值、客户满意之间存在正向显著影响，但与感知质量之间不存在正向显著影响。Y公司在与客户沟通初期，要基于实际情况合理引导客户预期。咨询阶段，Y公司要制定规范话术，全面知晓学生的基本情况并介绍课程信息后，整理标准化的文字版本让客户确认，确保客户课程信息知晓率达95%以上，避免预期偏差，合理引导客户预期。
服务过程中，根据客户的学习目标、学术基础和时间安排为每位新客户建立详细的学习档案，在报名后1周内制定个性化的学习规划，并与客户沟通确认。每月提供学习进度报告，增强客户对服务价值的感知。预期效果为让客户感受到公司的专业和贴心，设定合理的心理预期。该部分具体实施可以指定相关评估指标为个性化学习规划满意度调查得分。
3) 提升感知质量、价值与客户忠诚策略
感知质量分别与感知价值、客户满意之间存在正向显著影响；感知价值对客户满意有正向显著影响；客户满意对客户忠诚存在正向显著影响。在提升感知质量上，Y公司每季度组织教师培训，邀请教育专家或者教学满意度100%的资深教师进行教学方法和专业知识培训。每个申请季开始前，根据市场需求和学生反馈及时调整课程内容，调整后按照学科组试点优化，使课程与学生需求匹配度达90%以上。
Y公司可以通过建立完善的客户关系管理系统，对客户进行分类管理来提升客户的忠诚度。比如：根据客户的消费金额、消费频次和满意度等指标，将客户分为普通客户和VIP客户。针对不同等级的客户，提供不同的专属优惠和特权。例如，为VIP客户提供优先参与高端学术活动沙龙的机会。目标是使客户忠诚度提升20%以上(以客户重复购买率和推荐率衡量)，预期效果为激励客户持续选择公司服务并积极向他人推荐，提升客户忠诚度。
本研究在理论贡献方面丰富了国际教育行业客户满意度的研究成果，拓展了CCSI模型在特定行业的应用。同时也对Y公司提供了提升客户满意度的实践指导，有助于同行业的企业优化服务、增强市场竞争力。然而，本研究尚且存在一定局限性。CCSI模型虽适用于本研究，但国际教育培训行业具有服务周期长、成果受学生个体差异影响大等特性，该模型难以全面反映这些特殊因素。此外，本研究的问卷设计虽结合了Y公司特点并纳入学生样本，但可能尚未涵盖所有关键问题。未来，本人将优化测评模型，探索更精准衡量国际教育培训行业特殊因素的方法，围绕现有框架深入研究，为提升国际教育行业客户满意度提供更有力支持。
基金项目
基于持续创新能力的上海战略新兴产业并购协同机理及路径研究(项目批准号：2022ZGL013)。