SummaryCustomer satisfaction analysis has become a hot issue in strategic management. Traditionally the conjoint analysis is used in order to obtain data from the questionnaires to build a collective utility function representing customer preferences. In this paper, we propose an alternative methodology to analyze the data from the questionnaires. Our approach is based on the rough set theory and it aims at representing the preferences of the customers by means of simple decision rules. The interpretation of the decision rules is simpler and more direct than the interpretation of the utility function given by conjoint analysis. The proposed methodology provides also a measure of expected efficiency of strategic interventions aimed at improving the quality of the offered products and services. In this way, our approach supplies an integrated support to customer satisfaction oriented management.ZusammenfassungDie Analyse der Kundenzufriedenheit ist ein zentraler Punkt im strategischen Management. Traditionellerweise wird die Conjoint Analysis angewandt, um aus den Befragungsdaten eine Nutzenfunktion zu konstruieren, welche die Kundenpräferenzen abbildet. In diesem Beitrag wird ein anderer methodologischer Weg eingeschlagen, um derartige Befragungsdaten zu analysieren. Der Ansatz basiert auf der Rough Set Theorie und versucht, die Präferenzen des Kunden durch einfache Entscheidungsregeln darzustellen. Die Interpretation dieser Entscheidungsregel ist einfacher und direkter als die aus der Conjoint Analysis gewonnene Nutzenfunktion. Die vorgeschlagene Methodik erlaubt es auch, die erwartete Effizienz strategischer Aktionen zu messen, die auf die Qualitätsverbesserung der angebotenen Produkte und Leistungen abzielen. Der vorgeschlagene Ansatz kann als integraler Bestandteil benutzt werden, um das Management der Kundenzufriedenheit zu unterstützen.
[1]
Salvatore Greco,et al.
Variable Consistency Model of Dominance-Based Rough Sets Approach
,
2000,
Rough Sets and Current Trends in Computing.
[2]
P. Green,et al.
Conjoint Analysis in Consumer Research: Issues and Outlook
,
1978
.
[3]
Salvatore Greco,et al.
Rough Set Based Decision Support
,
2005
.
[4]
Zdzisław Pawlak,et al.
Can Bayesian confirmation measures be useful for rough set decision rules?
,
2004,
Eng. Appl. Artif. Intell..
[5]
Salvatore Greco,et al.
Rough sets theory for multicriteria decision analysis
,
2001,
Eur. J. Oper. Res..
[6]
Yiyu Yao,et al.
An Analysis of Quantitative Measures Associated with Rules
,
1999,
PAKDD.
[7]
Salvatore Greco,et al.
Measuring expected effects of interventions based on decision rules
,
2005,
J. Exp. Theor. Artif. Intell..
[8]
Wojciech Ziarko,et al.
Variable Precision Rough Set Model
,
1993,
J. Comput. Syst. Sci..
[9]
Mitsuo Nagamachi,et al.
Kansei Engineering: A new ergonomic consumer-oriented technology for product development
,
1995
.
[10]
S. Greco,et al.
Decision Rule Approach
,
2005
.
[11]
Howard J. Hamilton,et al.
Knowledge discovery and measures of interest
,
2001
.
[12]
Jerzy W. Grzymala-Busse,et al.
Rough Sets
,
1995,
Commun. ACM.