用戶滿意度調查是用戶體驗工作中重要一項活動。在了解整體滿意度、一級指標滿意度、二級指標滿意度外，還需要了解下一級指標對上一級指標的權重，幫助確定各個方面的工作優先級，為產品優化改進方向提供決策依據。下文將簡單介紹一下幾種滿意度指標權重的計算方法。
Part 1. 權重計算的作用
指標權重可以更合理的評分用戶滿意度，指導用戶體驗優化方向。
滿意度調查的主要作用有：
- 了解當前產品用戶滿意度（產品的用戶滿意度怎麼樣？）
- 發現產品的滿意度短板（滿意度中的哪方面用戶最不滿意？）
- 確定改進方向（哪些方面是需要優先改進的？）
不同評價指標對整體滿意度的影響力是不一樣的，但之前我們基本上默認不同指標的影響力是相同。
在計算滿意度時，在多級指標結構的滿意度評價中，採用算術平均方法來使用二級指標計算一級指標、使用一級指標計算整體滿意度是。這樣的計算方法是存在不合理性。
在計算用戶滿意度改進優先級時：
- 在沒有權重的情況，不同指標的改進優先指數=（極大值-得分）/（極大值-極小值）；
- 在有權重的情況，不同指標的改進優化指數=權重*（極大值-得分）/（極大值-極小值）。
在確定滿意度指標改進優先級時，不但考慮滿意度指標的提升空間，同時考慮指標權重（即影響力），這樣滿意度指標改進優先級更加合理。
Part2. 權重計算方法
權重計算方法分為直接賦權和間接推理這 2 類；
- 直接賦權：通過主觀判斷各個指標、因素的重要性來計算權重。
- 間接推理：通過用戶滿意調查評分來推理計算各個指標、因素的權重。
2. 1 直接賦權
2. 1.1 主觀賦權法
最常用的方法是採用李斯特量表對各指標的重要程度進行評價，所得的重要性得分稱之為聲稱重要性，以此作為權重計算的數據。
使用得分均值作為原始相對影響力係數。
2. 1.2 客觀賦權法
直接比較法
將同集的指標按重要程度最小的指標設為 「1」，其它指標與之比較，作出其多少倍的重要程度的判斷，然後逐一分析，得出各指標的權重。
使用評分均值作為原始相對影響力係數。
排序法
將同集的指標按重要程度進行排序。
使用正向化後的排序得分均值作為原始相對影響力係數。
2. 1.3 德爾菲法
採用背對背的通信方式徵詢專家小組成員的預測意見，經過幾輪徵詢，使專家小組的預測意見趨於集中，最後做出符合市場未來發揮在那趨勢的預測結論。
使用專家評分均值作為原始相對影響力係數。
2. 1.4 層次分析法
層次分析法是將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。層次分析法將同集下的不同指標進行兩兩對比。
使用層次分析軟體計算原始相對影響力係數。
2. 2 間接推理
2. 2.1 線性回歸法
線性回歸是利用數理統計中的回歸分析，來確定兩種或兩種以上變量間相互依賴的定量關係的一種統計分析方法之一，運用十分廣泛。
使用回歸係數作為原始相對影響力係數。
2. 2.2 因子分析
因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯繫，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變量），以較少的幾個因子反映原資料的大部分信息。
使用回歸係數作為原始相對影響力係數。
2. 2.3 結構方程
結構方程式模型假定在一組潛在變量中存在因果關係，這些潛在變量可以分別用一組可觀測的變量表示，是一種建立、估計和檢驗因果關係模型的方法。模型中既包含有可觀測的顯在變量，也可能包含無法直接觀測的潛在變量。
使用因子得分係數作為原始相對影響力係數。
Part3. 權重計算過程
3. 1 權重計算過程
權重計算過程分為 3 步：
step 1：根據項目情況，選擇合適的方法，獲得原始調研數值。
step 2：根據所獲得的原始調研數值計算指標影響力係數。
step 3：歸 1 處理。同一指標集（不同一級指標為一個指標集、某個一級指標下的不同二級指標為一個指標集）下不同指標的權重之和為1。
3. 2 影響力系統歸 1 處理方法
W (i)=X(i)/（X(1) +X(2) +X(3) +……+X(n)）
註：X(i)原始影響力係數，W(i)歸 1 處理後的權重。
Part4. 結束語
由於篇幅有限，這裡只是簡單介紹了各個方法及過程。本文只是拋轉引玉，需要查看更多資料才能有所了解。
對於層次分析法、線性回歸、因子分析、結構方程這 4 種方法，收集到原始滿意度評分數值後，使用相應的統計軟體進行計算。層次分析法使用 AHP 相關軟體進行計算，線性回歸、因子分析使用 SPSS 軟體進行計算，結構方程需要使用相關軟體（推薦 AMOS）進行計算。
用戶滿意度調查是用戶體驗工作中重要一項活動。在了解整體滿意度、一級指標滿意度、二級指標滿意度外，還需要了解下一級指標對上一級指標的權重，幫助確定各個方面的工作優先級，為產品優化改進方向提供決策依據。