一、回歸系數的管理應用解讀
隨著量化管理、量化營銷理念逐步進入企業管理實踐中，各種統計分析數據的應用越來越普及，因素重要性”作為一個指導資源優化配置的重要指標，被管理者關注和使用，頻頻出現在各種分析和決策報告中。
評價產品/服務的重要性，主要有兩種方式：陳述重要性和推導重要性。由于陳述重要性存在兩個明顯缺陷---非驅動性”和區分性差”（‘非驅動性’指消費者認為很重要的因素，卻不一定是影響其選擇的驅動因素；‘區分性差’指各因素的重要性數據都非常接近和集中，讓人難以區分和判斷。具體見達聞通用網站量化客戶需求強度-建立VOC之（5.1）），以及實際操作中問卷調查訪問長度的限制，陳述重要性已普遍被推導重要性所替代。
推導重要性是根據回歸系數得來，在關鍵績效指標與各影響因素之間建立回歸方程，進行回歸運算，計算出各影響因素的回歸系數，從而評估各影響因素的重要性，找出影響績效的關鍵因素，據此進行資源的優化配置。（回歸分析是什么？可參考達聞通用網站統計技術之回歸分析：達聞通用網站）
但是在實際應用中，推導重要性往往被誤讀誤用。例如我們經常用服務要素的表現水平與重要性交叉做四象限矩陣圖，展示和說明各個要素的狀況，并以此來作為資源配置的重要參考依據。如下圖所示，根據電信服務各要素指標滿意度與影響力（即推導重要性）的交叉矩陣圖，管理者發現10000號”的滿意度水平很高而重要性卻低于平均水平，那么就會思考，既然10000號的重要性不那么高，我們每年又投入那么多的資源，那下一年是否可以減少在這方面的資源投入呢？如果不理解推導重要性（回歸系數）的真正含義，管理者很容易下這樣的結論。

從最基礎的二元回歸方程y=a+bx，我們就能了解回歸系數的真正含義。如下圖所示，回歸系數b反映的是回歸直線的‘斜率’，意思是自變量x每變動一個單位，因變量相應就會變動b個單位。回歸系數反映的是互動”情況，一個因素變動引起另一個因素的變動情況。

因此，反映在管理方面，回歸系數（推導重要性）反映的是新增投入的產出比”，在原有的投入情況下，企業要增加一塊錢投入，投在哪里產出的效益最高。10000號的推導重要性低，不能就認為10000號對客戶不重要了，只能說明在目前的狀況下，增加10000號的資源投入所產出的滿意度效益低，相對不如投在計費收費、故障修復等方面。在沒有其他數據支持縮減的情況下，對待10000號的資源配置策略就是‘維持’，不能單純依據其推導重要性低就縮減資源投入。因為一旦投入減少使得10000號服務質量降低，客戶對其的敏感性就會提高，對滿意度的影響會增強，10000號就會從KANO模型中的A區變動到B區，又成為一個關鍵影響因素。

二、不增加投入情況下優化資源配置
但是，更多的情況下，管理者面臨的問題是在不增加投入的情況下，如何通過優化資源配置，提高效率，增加產出”，管理者手中的資源就那么多，如何優化配置讓現有資源產生更大的效益。通過上文的描述，我們清楚推導重要性指標針對的是新增投入的分配”，并不適用于不增加投入情況下的資源優化配置”。那么，在不增加投入的情況下，如何優化資源配置？
綜合利用陳述重要性”和推導重要性”這兩個數據，我們就能準確把握資源投入的重點，這個重點既是用戶所看重的，又是投入產出比大的。如下圖所示，通過市場調查，獲得產品/服務各要素的陳述重要性和推導重要性數據，制作成交叉矩陣圖，根據各產品/服務要素所在位置，我們就能清楚了解各要素的重要性狀況。

推導重要性高但陳述重要性低的要素稱為潛意識因素”，意思是用戶目前還沒明顯意識到這個要素的重要性，但這個要素已經在對其行為產生影響；推導重要性低且陳述重要性也低的要素稱為長尾因素”，意思是單單某一因素可能作用不大，但許多這樣的因素集中在一起卻能產生顯著效果；推導重要性低但陳述重要性高的要素稱為保持因素”，意思是這些要素雖然看起來很重要，但實際的驅動力已經很小，新增投入產出比小，只需要維持現有水平即可。
推導重要性高且陳述重要性高的要素就是關鍵要素”，用戶非常重視，而且其對用戶行為的影響力非常高，投入產出比大，需要重點關注和加大投入。將資源從長尾因素、潛意識因素方面集中到關鍵因素，同時保證保持因素的資源投入不變，在總資源不變的情況下，能產生更大的效益。


與作者交流：
毛創奇（達聞通用）