本文围绕着企业顾客满意度指数测评方法及其应用研究展开，主要探讨了以下8个方面的问题： 1、针对企业测评顾客满意度指数进行了程序设计，并对该过程中的一些重要概念，如顾客、产品、顾客满意度操作定义等展开了系统研究。 2、将企业顾客满意度指数模型的两个层面研究，即微观层面研究和宏观层面研究结合起来，使企业顾客满意度指数模型既具有理论深度，同时有具有实践意义，使企业顾客满意度指数既具有横向对比性，同时又为企业管理者提供了具操作性的建议和行动方向。 3、比较研究了顾客满意度影响因素重要性确定方法中的主观赋权方法与客观赋权方法的不同特点，并从理论上对各种客观赋权方法进行了比较研究。 4、构建了一套系统的评价体系，能定量对比各种赋权方法的计算结果，从而客观评价各种赋权方法的不同特点。 5、针对结构方程建模的特点，设计了应用结构方程模型生成顾客满意度指数的一般程序。 6、对结构方程建模的两种建模技术，即LISREL技术和PLS建模方法展开了比较研究。 7、对PLS建模方法进行了系统研究，主要对比分析了测量模型的2种形态和3种内部加权方案。 8、以某电信企业为例进行实证分析。利用结构方程模型的PLS建模方法测算了该企业的顾客满意度指数；对比分析了5种客观赋权方法的权重；并对比分析了PLS建模方法的2种测量模型和3种内部加权方案。 本文主要具有4点创新： 1、创新性地提出了企业顾客满意度指数的融合模型。企业顾客满意度指数的融合模型具有结构方程模型的形态，综合了顾客满意度指数宏观层面研究和微观层面研究的特色，取长补短，最大限度地弥补了两个层面研究的不足。就其结构模型而言，融合模型具有宏观层面研究的特点。在系统梳理了顾客满意度评价理论，系统研究了顾客满意度、顾客满意度的原因变量和结果变量的基础上，融合模型引入了顾客期望、质量感知和价值感知为原因变量，引入顾客忠诚为结果变量，系统阐述了顾客满意度的形成机制，满足了理论上的需求。就其质量感知变量的引入方式而言，融合模型具有微观层面研究的特点。模型将企业向顾客提供产品或服务看成一个过程，将整个过程按照一定的原则和方法进行分解，分解后每个环节都将影响顾客满意度。由于将产品或服务提供过程化，通过对比分析各个环节的顾客评价，企业可以快速地明确管理中需要提高和完善的环节，满足了管理的需求。企业顾客满意度指数的融合模型可以采取基本模型形式也可以采取补充模型形式。 2、在对各种顾客满意度指数赋权方法进行了理论上的比较研究之后，在借鉴前人研究的基础上，本文设计了一套评价体系，该体系能够定量比较各种顾客满意度赋权方法的计算结果。评价体系由收敛性判断方法和效果评价方法构成。根据不同的数据收集方式，选择使用因子分析、Friedman检验和Kendall秩相关系数分析或者Kendall秩相关系数分析和Kruskal-Wallis检验来判断各种赋权方法的计算结果是否一致。效果评价由稳定性、非负性、解释性和诊断性4方面组成。其中，稳定性指赋权方法的计算结果不会随着被访者的轮换而发生较大的变动；非负性指在定性分析或者理论分析中认为对顾客满意度具正向影响作用的因素，通过赋权方法计算得到的权重是非负的；解释性指利用赋权方法生成的权重对实际的被解释变量具有较强的解释能力；诊断性指采用的赋权方法能够从众多的因素中识别出对顾客满意度具重要影响力的因素。 3、全面系统地研究了基于结构方程建模的顾客满意度指数的生成方法。对LISREL技术和PLS建模方法进行了比较研究，指出两种建模技术具有9点差异，在进行企业顾客满意度指数研究时，两种建模技术具有不同的适用范围。本文同时还针对PLS建模方法中的一些具体技术问题进行了深入研究，研究了3种内部加权方案的不同特点，以及如何选择测量模型的不同形态。本文指出，3种内部加权方法具有不同的预测性质，所利用的信息量不同。而企业在选择构成型还是反映型2种测量模型时，需要考虑模型方程的不同形式、隐变量与显变量的关系、模型的最优化法则以及显变量是否满足多重共线性要求等因素。 4、利用某电信企业的数据进行企业顾客满意度指数的系统实证分析。将本文上述3个研究成果应用于该电信企业。首先，实现了企业顾客满意度指数融合模型的操作化。按照本文所设计的企业顾客满意度指数测评的一般程序，构建了该公司的顾客满意度指数模型；并在LVPLS软件上通过PLS建模方法运行该模型，模型的整体效果较好；通过展开企业顾客满意度指数模型的因素分析，本文得出了几点结论，这些结论不仅对企业自身，同时对我国电信监管层都具有管理上的借鉴作用。其次，利用该公司的数据，对MLR、PCR、VPCR、PLSR和PLS建模方法等5种主要客观赋权方法进行了收敛性判断和效果评价。最后，对比分析了PLS建模方法的具体建模技术。3种内部加权方法的实证结果十分接近，这从一个侧面佐证了模型的合理性，并说明PLS迭代过程具有稳定性；基本模型和补充模型对顾客满意度的解释能力相当，各个隐变量指数的差异也不大。