壹、滿意度研究的目的
不同的滿意度的研究目的，會對整體的滿意度研究效果帶來很大的不同。目前滿意度的研究目的主要分為三類：
第壹類是考核類，這類滿意度研究目的是為了對各個部門或者各個崗位的工作人員的工作進行績效考核。因此對於這類的滿意度研究，指標設計和權重設計是非常重要的而且需要事先明確的。這壹類滿意度研究的指標考核，公平性的要求要高於客觀性的要求。因此，考慮到不同客戶的實際情況，是客戶事先確認的。對於這類的滿意度研究，客戶基於自身的考核目標來做調整，例如對於那些可能存在直接影響群眾的重要滿意度指標，壹旦客戶工作職能中並不突出的項目，也可能不納入評價或者評價指標較低。
第二類的滿意度研究主要是需求/問題挖掘類，這類滿意度的研究最終的目標是為了實現產品和服務質量的控制。這也直接要求了滿意度研究從壹開始就需要按照壹定的質量控制方法為框架來進行滿意度的研究。這也是目前零點公司進行滿意度研究的主要研究目標。在這壹類的滿意度研究中，得分的高低並不是委托方所關註的關鍵，客戶關註的點更多的是通過不同指標間的差異和邏輯關系，形成客戶需求的認知和判斷。壹般目前零點公司的研究框架是通過重要因素推導模型和微笑曲線、5差距模型來進行研究的，這些分析模型在後面會進壹步論述。因此對於這壹類的滿意度，其客觀性和挖掘問題的效果，本身要比得分是否高低更重要，這樣的研究目標也會對積分方法和分析方法帶來影響。
第三類的滿意度指標研究是宣傳類，也就是說客戶目的是為了推廣自身的服務和產品，或者是應付上級的考核需求、或者是特殊資格認定的需求進行的滿意度研究。這類型的滿意度研究其主要方面是為了預證委托方目前的工作收到的成效。這類滿意度的研究不側重出現的新的問題，而更加側重其原來產品和服務的優勢是否得到了順利的體現。其對於這類的滿意度研究往往不具有連續性。因此對於指標體系和計算方法上的要求也並不突出。零點公司目前對於這類的滿意度需求往往會在基本的滿意度調查上配合對比研究和標桿研究，來突出目前客戶目前存在的優勢。
以上三種的滿意度研究目標，奠定了整體滿意度研究的框架。各自對待統計和分析要求各有不同，其中第二種滿意度對待客觀性的需求是最高的。
二、滿意度研究中容易出現的現象
在考核和宣傳類的的滿意度研究中，客戶往往會更加關註得分的結果。而滿意度的得分會受到兩大因素的制約：
（1）消費者和服務對象的期望水平；
（2）滿意度的指標設計
（3）滿意度的分值轉換方法。
分值轉換方法將在後面進壹步的論述，這壹部分將重點論述期望水平和指標設計對滿意度的影響。
在服務質量控制模型理論中認為，滿意度會隨著客戶的期望變化而變化。客戶的期望不是壹成不變的，客戶對服務的感知也是孤立的，因此在這類的滿意度研究中容易出現以下幾個現象：
?（1）大城市的滿意度有時往往比小城市更低。無論是電力還是醫療系統，都出現了同樣的技術水平，甚至即使是更優秀的技術水平，上海地區的滿意度水平還是要低於邊遠地區的滿意度水平。
?（2）滿意度水平逐年降低。逆水行舟不進則退，人們對優秀服務的感知往往帶有獵奇性的。也就是說當壹項好的服務新推出時，人們會對它們進行認可。但是隨著時間的推移，人們對這些服務的滿意度會逐漸降低，因此為了維護滿意度水平，客戶可能需要不斷地推出新的服務和措施。
此外指標設計對待滿意度的得分影響主要在以下兩個方面
（1）滿意度壹級指標的直接得分不等於二級指標的得分均值或加權之和。這當然壹方面是由於權重設計本身存在問題，目前零點指標擁有壹套結構方程式的方法，來降低該項影響，並通過二級指標各項對壹級指標的貢獻度，分析二級指標內在的影響關系。而對於純粹的均值計算。二級指標的設計方法，本身意味著壹種權重的分布。
（2）壹級指標的直接評價和二級指標的直接評價可能是基於被訪問者不同的“真實瞬間”的回憶。例如對醫院總體環境的評價和廁所環境的評價，被訪問這可能是基於每次來醫院總體的環境進行了壹次滿意度打分，但是基於某壹天廁所的情況（也許那壹天有人在廁所嘔吐了）對廁所的環境基於評價。這樣的差異性，只能通過擴大樣本量來進行彌補。
正是由於不同的期望，導致了滿意度調查存在這樣或者那樣的困難。但是現在的統計學方法還是提供了壹系列的解決途徑來解決各種可能出現的偏差。
三、問卷的標度方法
目前設計問卷的標度方法主要分為兩類。
壹類是Likert標度法，Likert標度法是目前常用的間斷式打分方法。從基礎的是非2分制打分方法，到滿意度5分制，9分法，甚至存在20分以上的標度方法。不同的分制打分是為了滿足不同的地域習慣、區分度和誤差率來綜合進行的。壹般而言，如果樣本足夠大、或者足夠精確，無論什麽樣的量化方法，對於最終轉為100分值的均值是沒有影響的。但是，量化表設計的越簡單，得分情況越容易集中，最終數據的區分度會降低，相應的方差也會降低。而大量化的標度方法，會存在更大的方差特性，因此，對於9分或者20分以上的打分方法，在小樣本下可能存在的誤差更大，但是對於方差分析和聚類分析、因此分析等其他基於方差因素來進行假設檢驗的研究方法而言更優，不同群體、不同控制條件下的差異性可能更加明顯。
這也是為什麽在某些特定的研究方法內，需要存在壹定的方差幅度才能進行系統的分析，例如分層分析方法，往往采用9分制的標度法
當然對於目前的調研項目，其樣本量往往也可以滿足使用7分量或者10分量表的統計方法，但是還受到目前中國人們主觀思路的制約。例如國人對事物的評價大多為“壹般”、”還可以”等五類評判方法。考慮中被調查者理解的便利性，也促成了目前零點公司在問卷上大量的使用5分量化方法。
另外壹類是連續標度法。這類標度法在目前的滿意度研究中較少出現。壹般僅僅是為了對某壹特殊指標進行深入分析和影響因素分析上才使用的，壹般其均值僅作為該項指標得分的參考。因此往往是對綜合指標或者壹級指標采用連續標度法，或者在進行某壹特定變量的歷史性變化的跟蹤研究。連續性變量在經濟學中使用較多，因為其連續性的客觀性可以根據實際經濟數值進行保證，而在滿意度這壹主觀研究中，適用的話會存在很多問題。
四、抽樣方法
調查對象的確定對研究結果也會產生很大的影響。蓋洛普調查案例中蓋洛普卻通過2000－3000個樣本的調查打敗了美國《文學文摘雜誌》采用大樣本調查（樣本量達到200萬人），成功預測了美國的選舉結果。這是基於目前社會學的科學分級整體抽樣的調研方法。因此選擇什麽樣的調研對象，進行怎麽樣的分級抽樣，會對結果的客觀性帶來影響。目前零點公司的抽樣方法，是基於客戶提供的研究目的和資料進行整體的分級抽樣。就醫療體系而言，是針對科室進行分級抽樣，還是針對客戶的目的進行分級抽樣都會對結果帶來影響。目前零點的做法是預先進行科室和住院、門急診的分級抽樣，並在抽樣中，考慮到壹些限定條件的平均分配的做法來保證抽樣的公正客觀性。並要求在每壹個分級抽樣中，保證最少30個樣本量，整體抽樣在400個以上，從而使該分層中的每壹個小團體內的滿意度誤差在10%以內，整體滿意度誤差在5%以內（均為95%的置信區間水平下）。
五、數據處理方法
隨後是目前的滿意度計算方法（即5分制或者其他量化分制專為百分制的計算方法）。目前的滿意度主要的計算方法，直觀統計法、基本滿意統計方法、模糊數學綜合評判法和指標權重計算法。
其中
?（1）直觀統計方法是計算目前對待醫療服務滿意和很滿意的患者占全部患者的比重，其公式為：
滿意率=(很滿意+滿意)/（很滿意+滿意+壹般+不滿意+很不滿意）×100%
（2）基本滿意度統計方法是計算對待醫療服務滿意、很滿意以及感覺壹般的患者占全部患者的比重，其公式為：
滿意率=(很滿意+滿意+壹般)/（很滿意+滿意+壹般+不滿意+很不滿意）×100%
以上兩種滿意度的統計方法，實際上是二維度（滿意-不滿意）的打分方法。其主要是用以整體的分值計算，而無法獲得單個測評對象的打分區間。
（3）賦值法是指對五分量表進行賦值，如5分=100分，4分=80分的方法進行滿意度評價，並最終進行百分制的轉換。
（4）權重指標法是下級指標轉換為三級指標的壹種方法。例如二級指標醫療服務、醫療態度和醫院衛生構成了整體滿意度的評價，而醫療服務得分為4分，醫療態度為5分，醫院衛生得分為4分。按照預設的權重，例如醫療服務為40%，態度為40%，衛生為20%，則4/5×40%+5/5×40%+4/5×20%=88分.
目前普遍采用的方法是第三種分析方法，對於各項指標的分值專為百分制，再按照要求轉化為上級指標體系的數值。而零點公司考慮到目前居民的打分習慣和準確度要求，5分制轉為百分制的方法不是簡單線性的。具體的公式如下：
這是壹種基於矩陣運算的數據歸壹化方法，即在MATLAB的中的單壹映射的mapminmax算法。這樣的處理模式是基於目前中國居民的打分習慣普遍落在“壹般”和“比較滿意”這壹區間，為了加速後半段區間的收斂速度而采用的壹套方法，從而使得最終結果的分值落在預設的區間。
此外數據的處理方法還包括以下處理方法。
1、線性函數轉換，表達式如下：
y=(x-MinValue)/(MaxValue-MinValue)
說明：x、y分別為轉換前、後的值，MaxValue、MinValue分別為樣本的最大值和最小值。
2、對數函數轉換，表達式如下：
y=log10(x)
說明：以10為底的對數函數轉換。
3、反余切函數轉換，表達式如下：
y=atan(x)*2/PI
這些方法在社會統計學領域應用較少，以對數函數為例，其目標是對萬億量級的數據進行縮小化處理。讓其落在壹個更小數據範圍的區間內，進行收斂。
需要說明的是，單壹映射的數據處理。雖然最終的數據表現（具體的分數）會存在不同。但並不會影響數據內部的結構和邏輯關系，也就是說，數據處理前後，不同的數據處理方法，對於數據之間的，數據的歷史關系，並不會帶來影響。
這些統計方法，僅僅構成數據的處理，並不構成數據的解讀。其核心目標是為了方便研究，使得最終處理的數據按預期進行收斂、發散或者落在某壹區間內。
六、數據分析模型
以上的方法都是數據的取得和處理的方法。對於最終的研究思路相壹致的，是數據的處理研究方式。這也是目前學術界和市面上核心的研究區別。
現在主流的數據處理研究方法包括：
（1）結構方程式研究方法
結構方程式研究方法是目前零點主要的研究方法，它主要的方法在前面已經有所介紹，是指分別對壹級指標和二級指標進行評價，然後通過數據關系的處理，得到二級指標對壹級指標的最終得分的貢獻程度進行判斷。並由此推斷出二級指標的重要度情況，並基於此推進重要因素推導模型。
（2）單因素方差分析（交叉分析）
單因素方差分析是在交叉分析基礎上，對於交叉結果的科學性進壹步進行明確的分析方法。它主要的目標是判斷交叉分析後的結果是否真實的，即不同群體（例如男性和女性）在滿意度上的差異是否顯著，還是僅僅是基於調查誤差產生的均值的區別。從而來判斷具體哪些因素（性別、收入、對待個別事情的態度）真實的給滿意度的差異帶來了影響。
（3）聚類分析、因子分析
聚類分析和因子分析是對待整體的滿意度，對所有的二級指標或者所有的群體分類，進行逐次合並，並分析每次合並後的指標、群體間的差異。從而了解到那些群體他們的選擇似乎相互類似和影響的。那些指標相互之間存在相關性，互相影響。從而減少需要研究的變量。
（4）層次研究方法
層次分析法同結構方程式的最終效果具有類似性，其核心區別在於分析手段不同，層次分析法。它是將壹個問題在各個層次上進行分類和指標設計，並對同壹層次的各項指標進行兩兩比較，並通過矩陣分析的方法，進行特征值和特征向量的求解，從而確認各項指標對其上壹層次指標構成的重要程度。
（5）TOPSIS研究方法
Topsis是壹種矩陣的研究方法，TOPSIS法根據有限個評價對象與理想化目標的接近程度進行排序的方法，是在現有的對象中進行相對優劣的評價。TOPSIS法是壹種逼近於理想解的排序法，該方法只要求各效用函數具有單調遞增（或遞減）性就行。
也就是說，是通過對各項三級指標被調查者對指標同期望的接近程度進行排序，獲得量化的指標，並通過這些量化指標的最終分析，獲得各二級指標之間的優劣相互之間的距離關系。
由於該種方法更多的是使用在決策系統中，在醫療滿意度研究中操作較為復雜，而且利劍較為困難，因此使用較少。
（6）格蘭傑檢驗和回歸分析
格蘭傑檢驗和回歸分析是基於時間序列數據進行的分析方法。其中格蘭傑檢驗是對指標相互之間，基於時間變化的因果關系進行檢驗。而回歸分析這是對這樣的因果影響是在多大程度上進行的統計分析方式。兩項都僅能在時間序列的基礎上進行分析檢驗。
七、綜合分析模型
當然此外還包括同數據處理無直接關系的研究方法，而是提供壹種定性構建框架的研究思路。這壹方面則更加紛繁復雜，具體可查詢咨詢工具，這裏就不再壹壹贅述了，目前醫療行業正在使用的包括，例如：
（1）微笑曲線研究
（2）SWOT分析模型
（3）服務質量5GAP模型
（4）復雜性服務交付模型
（5）價值鏈讓渡模型