ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE

Transkript

1 ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE Jana Valečková 1 1 Vysoká škola báňská-techncká unverzta Ostrava, Ekonomcká fakulta, Sokolská třída 33, Ostrava Emal:jana.valeckova.st@vsb.cz Abstract: Customer satsfacton s a prerequste for ganng fathful customers and loyal customers, and to gan more market share subsequently. Customer s needs, desres and falures are detected by customer satsfacton measurement. Companes can respond to the needs and wshes by ther tools. Ths paper deals wth customer satsfacton n the pharmaceutcal market. The man objectve s to dentfy factors that nfluence customer satsfacton and quantfy ths effect. Demographc factors of the customer are ncluded n the analyss. They are used a demographc factors such as gender customer, gender pharmacst, age and economc status. Logstc regresson s used for dentfyng the mpact. Keywords: customer satsfacton, demographc factors, logstc regresson, marketng research, maxmum lkelhood method, pharmaces, probablty, questonng. JEL classfcaton: C01, C13, M31 Doručeno redakc: ; Recenzováno: ; ; Schváleno k publkování: Úvod Současné podnkatelské prostředí je charakterzováno jako vysoce konkurenční. Na trhy, přesně vymezené podnkatelské prostory, přcházejí nové frmy, ať už formou založení nového subjektu nebo na základě geografckého přesunu č rozšíření. S rostoucí konkurencí vznká potřeba rychlé adaptace na neustále probíhající změny. Jedním z významných zdrojů nformací o tom, jak by se měly frmy měnt, jakým směrem by se měly vyvíjet, zlepšovat a zdokonalovat své produkty a služby, mohou být samotní zákazníc. Informace z tohoto zdroje lze získávat mmo jné pomocí marketngového výzkumu, metodou dotazování zabývající se měřením spokojenost. Spokojenost zákazníků je jedním z předpokladů získávání zákazníků věrných a loajálních a následného zvyšování podílu na trhu. Je důležté nejen sledovat a analyzovat samotnou spokojenost, ale také dentfkovat faktory, které spokojenost nebo nespokojenost způsobují. Tento příspěvek se zabývá analýzou spokojenost zákazníků na lékárenském trhu. K měření byla vybrána nemocnční lékárna na území města Ostravy a data byla získána pomocí marketngového výzkumu metodou dotazování. K vysvětlení spokojenost jsou zde použty demografcké faktory a analýza je provedena pomocí metody logstcké regrese. Odhad logstcké regrese je stanoven na základě metody maxmální věrohodnost. Bnární logstcká regrese je specfcká metoda, která vychází z obecného lneárního modelu a je využívána v případě, že vysvětlovaná proměnná, v tomto případě spokojenost (respektve nespokojenost), může nabývat pouze dvou hodnot (spokojený zákazník a nespokojený zákazník). Metoda logstcké regrese byla zvolena také z důvodu možnost kvantfkace vlvu, tedy výpočtu pravděpodobnost spokojenost př změně jednotlvých nezávsle proměnných (pohlaví, věk, ekonomcký status). Je tedy možné kvantfkovat, určt výš spokojenost například u žen, u mužů, u zákazníků obsluhovaných mužem č ženou. Z tohoto důvodu nebyly zvoleny metody, které umožňují pouze dentfkovat vlv, jelkož cílem je nejen dentfkovat, ale také kvantfkovat (kvantfkace je vyjádřena procentní výš spokojenost). 135

2 Příspěvek je zaměřen na analýzu vztahu mez vysvětlovanou (závslou) proměnnou spokojeností a vysvětlujícím (nezávslým) proměnným, které jsou v tomto příspěvku označeny jako demografcké faktory. Mez sledované demografcké faktory patří: pohlaví zákazníka, pohlaví lékárníka, věk zákazníka a ekonomcký status zákazníka. Jak jž bylo zmíněno, k analýze je použta metoda logstcké regrese. V příspěvku jsou uvedeny specfcké podmínky pro její využtí oprot klascké lneární regres, včetně matematcké formulace modelu. Druhá část příspěvku je zaměřena na analýzu vlvu faktorů. Pro přehlednou orentac ve výsledcích, jsou přpojeny výstupy z použtého statstckého programu Stata. V následující část příspěvku je zdůrazněna důležtost měření spokojenost zákazníků pro budoucí exstenc a úspěšnost produktů a služeb, ale také samotné frmy. Neboť jak uvádí Foret a Stávková (2003), tak spokojenost zákazníků je předpokladem zákazníků věrných a loajálních. 1 Měření spokojenost zákazníků 1.1 Spokojenost zákazníků Kotler (2003) uvádí, že spokojenost zákazníků je rozhodující pro úspěšnost produktu nebo služby na trhu a následně tak ovlvňuje exstenc a prospertu frmy. Samotná spokojenost zákazníků závsí na jeho potěšení nebo zklamání, které vyplývá z porovnání spotřebtelského užtku s očekávanou výkonností. Zákazník tedy porovnává skutečný stav se stavem očekávaným. V současné lteratuře je uváděna spousta formulací, jak lze vymezt pojem spokojenost, respektve spokojenost zákazníků. Všechny tyto defnce však mají zásadní prvky společné. Oparah a Kkanme (2006) ve svém příspěvku popsoval spokojenost zákazníků na základě tří obecných defnc: spokojenost zákazníků je emoconální nebo kogntvní reakce, odezva spokojenost nebo nespokojenost je dána rozdílem mez očekáváním zákazníka a zkušeností po spotřebě produktu nebo služby a k odezvě dochází v určtém čase, tedy po použtí, po spotřebě nebo po výběru. Cochran (2003) ve své lteratuře uvádí, že top management se musí ve svých snahách, v jednání a komunkac, neustále podřzovat třem základním bodům, které se týkají spokojenost zákazníků: spokojenost zákazníků je konečným cílem frem, spokojenost zákazníků je nvestce, do snahy o zvyšování spokojenost zákazníků a zvyšování počtu spokojených zákazníků, by měl být zapojen veškerý personál společnost. Oparah a Kkanme (2006) uvádí, že emoční stránka př vyjadřování spokojenost hraje velkou rol u zákazníků právě ve zdravotnckých zařízeních. Z výzkumu vyplynulo, že 77,3 % dotázaných používá pro defnování spokojenost nebo nespokojenost emocí nebo také ctových popsů. 136

3 Zaměřením tohoto příspěvku je oblast zdravotnctví, konkrétně hodnocení služeb lékáren. V této specfcké oblast je spokojenost zákazníků důležtým ndkátorem pro hodnocení kvalty péče, neboť je vyjádřeno, zda daná služba naplnla očekávání pacenta č nkolv. V USA je spokojenost pacentů důležtou determnantou kvalty služeb, což se významnou měrou následně promítá do řízení těchto zdravotnckých nsttucí pověřeným osobam, (Oparah, Kkanme, 2010). 1.2 Věrnost zákazníků Spokojenost zákazníků má od věrnost určtá specfka. Je známo, že předpokladem věrného zákazníka je jeho spokojenost. Spokojenost je specfcky zaměřená na produkt, službu nebo atrbuty a je velm dynamckou velčnou. Na druhou stranu, věrnost zákazníků je šrším pojmem, je více statcká a vyjadřuje obecně postoj vůč společnost, Allen (2000). Allen a Rao (2000) uvádějí, že věrní zákazníc jsou takoví, kteří mají ke společnost poztvní postoj a své nákupy uskutečňují opakovaně. Někdy se však na trhu mohou vyskytnout zákazníc, kteří jsou tzv. falešně věrní. Jsou to takoví zákazníc, kteří uskutečňují své nákupy opakovaně, ale z různých důvodů nemají ke společnost nebo značce poztvní postoj. Stejně tak jako spokojenost, tak věrnost zákazníků má dva rozměry (1) emoconální (ctový) a (2) raconální (rozumový). Emoconální rozměr má ctovou oporu a zahrnuje vzájemné ovlvňování osob. Na druhou stranu kogntvní (raconální) rozměr věrnost je založen na faktorech, jako je cena, obchodní podmínky nebo otázka dostupnost, Allen (2000). Spokojenost zákazníků je nutnou, nkolv však jednou podmínkou pro vytváření zákazníků věrných. Vzájemné vztahy mez spokojeností zákazníků a jejch věrností lze pozorovat v obrázku 1. Lze vdět, že mez hlavní vysvětlující proměnné se řadí mage značky, kvalta služby, kvalta produktu a cena. Je prokázáno, že dva poslední faktory, kvalta produktu a cena, přímo ovlvňují zákazníkovu spokojenost. Image značky přímo působí na emoconální složku, kdežto spokojenost zákazníků a vnímaná hodnota působí na raconální složku věrnost. Z vyústění řetězce vztahů lze vdět, že spokojenost zákazníků, raconální a emoconální složky věrnost přímo ovlvňují udržení zákazníků, Allen (2000). 137

4 Obrázek 1: Vztah mez věrností a spokojeností Image značky Kvalta služby Kvalta produktu Vnímání ceny Spokojenost zákazníků Vnímaná hodnota Emoconální věrnost Raconální věrnost Zdroj: ALLEN, D. R., RAO, T. R., Analyss of Customer Satsfacton Data. p. 9. Udržení zákazníka 2 Logstcká regrese Př analyzování vlvu demografckých faktorů na spokojenost je využta metoda logstcké regrese. Základy logstcké regrese jsou známy jž od 60. let 20. stolení, kdy byla navržena jako alternatva k metodě nejmenších čtverců, jestlže vysvětlovaná proměnná je charakteru bnárního. V prvotních fázích byla využívána pro oblast medcíny a epdemologe (Meloun, Mltký, 2006). Velm často se v regresní analýze obecně využívá regrese lneární. Naprot tomu má však logstcká regrese vlastnost, že umožňuje určt, zda za daných podmínek jev nastane nebo nenastane a s jakou pravděpodobností. Regrese logstcká využívá logtovou transformac. Podle typu závslé proměnné se defnuje (1) bnární logstcká regrese, (2) ordnální logstcká regrese a (3) nomnální logstcká regrese, (Meloun, Mltký, 2006). V tomto příspěvku bude využívána bnární logstcká regrese. Hendl (2009) uvádí, že regrese obecně vyjadřuje vztah mez vysvětlovanou velčnou Y a velčnou vysvětlující X, přčemž vysvětlujících proměnných může být více než jedna. Závsle proměnná Y může nabývat různých hodnot. Exstují však extrémní případy, kdy tato proměnná nabývá pouze hodnoty dvě. V tomto případě, se využívá statstcké metody nazvané jako logstcká regrese, konkrétně jž zmíněná bnární logstcká regrese. Zjednodušeně lze říc, že bnární logstcká regrese se využívá v případě, kdy je potřeba analyzovat, zda nějaká událost za daných podmínek nastane, č za daných podmínek nenastane. Klenbaum (2010) vysvětluje populartu logstcké regrese zejména díky její schopnost předpovídat pravděpodobnost, př které zkoumaný jev nastane, respektve nenastane. 2.1 Matematcká formulace Formulace modelu Exstuje bnární velčna Y charakterzující kladnou a zápornou odpověď -tého respondenta, tedy 138

5 1 pro poztvní odpověď, Y pro 1,..., N, (1) 0 pro negatvní odpověď, kde N je počet respondentů. Každý tento respondent je charakterstcký vektorem x 1, x, x,..., x obsahující K prvků. 1 2 K Pravděpodobnost výskytu kladné odpověd -tého respondenta P PY 1 charakterstckého vektoru x lze vyjádřt funkcí F βx ; Fβx ; 0 a má defnční obor, a obor hodnot 0,1, tedy platí, že 0 F 1 a funkc pravděpodobnost odpověd lze psát jako P F ; kde β je vektor parametrů. na základě jeho, jenž je monotónně rostoucí F a βx, (2) 0, 1,..., K Tyto vlastnost jsou splněny mj. kumulatvní dstrbuční funkcí logstckého rozdělení ve tvaru βx e P PY 1 F βx ;, (3) 1 βx e jenž je zároveň funkcí pravděpodobnost kladné odpověd. Naprot tomu lze pravděpodobnost negatvní odpověd lze vyjádřt ve tvaru 1 1 P PY 0 1 F βx ;. (4) βx 1 e Dále se defnuje podíl pravděpodobnost kladné a záporné odpověd známé také jako šance (odds) ve tvaru PY 1 βx e (5) 1 PY0 a dále tzv. logtovu transformac (log-odds nebol logt) vztahu (5) ln g 1 β x x. (6) Podíl šancí (odds rato) pro dchotomí velčnu, tj. pro takové x j, které nabývá hodnot 0 nebo 1, se spočítá dle následující rovnce xj 1 1 xj 1 OR1, 0 exp j. (7) xj 0 1 xj Odhad parametrů modelu K odhadu neznámých parametrů β je nejčastěj používána metoda maxmální věrohodnost. Tato metoda spočívá v nalezení věrohodnostní funkce l, která je posléze maxmalzována. Exstuje pravděpodobnost kladné odpověd -tého respondenta charakterstckého vektorem x, tedy 1 PY x x, (8) a dále pravděpodobnost negatvní odpověd P Y 0 x 1 P Y 1 x 1 x. (9) Sdružená pravděpodobnost kladných a záporných odpovědí lze poté vyjádřt ve tvaru Y 1 1 Y PY x x x. (10) 139

6 Jsou-l jednotlvá pozorování nezávslá, pak věrohodnostní funkce je určena jako součn rovnce (10) pro všechny respondenty, tedy N Y 1 1 Y l β x x. (11) 1 Odhad parametrů metodou maxmální věrohodnost je získán maxmalzací logartmu rovnce (11) ve tvaru za podmínek N ln ln 1 ln 1 L β l β Y x Y x (12) L 1 β j 0 pro j 1,..., K. (13) Odhad metodou maxmální věrohodnost je prováděn pomocí teračních algortmů. Nejčastěj je používána Newton-Raphsonova metoda. Prncp Newton-Raphsonovy metody spočívá v aproxmac logartmu věrohodnostní funkce v okolí počátečního odhadu pomocí prvních tří členů Taylorova rozvoje, Pecáková (2007), přčemž počáteční odhad lze získat například metodou nejmenších čtverců. 3 Vstupní data do modelu Vstupní data do modelu byla získávána na základě marketngového výzkumu, pomocí metody osobního dotazování ve vybrané nemocnční lékárně v Ostravě. Ke sběru bylo použto strukturovaného dotazníku. Sběr dat probíhal v období února a března roku Výběrový soubor byl stanoven ve výš 151 respondentů. Data byla následně setříděna a překódovaná pro potřeby analýzy. Jak jž bylo zmíněno, cílem příspěvku je analyzovat spokojenost zákazníků. Ta má v tomto případě dvě úrovně a to spíše spokojen, překódováno na 1 a spíše nespokojen, překódováno na 0. Analýza je provedena ve statstckém programu STATA. Výstupy tohoto programu jsou uvedeny v následující kaptole. Rozdělení vstupních dat dle jednotlvých sledovaných charakterstk lze vdět v přložených tabulkách. Níže uvedené kontngenční tabulky dávají přehled o absolutních četnostech spokojených a nespokojených zákazníků dle jednotlvých charakterstk demografckých znaků. Tabulka 1: Absolutní četnost spokojenost zákazníků dle pohlaví Pohlaví Spokojenost Celkem zákazníka spíše ne spíše ano muž žena Celkem Tabulka 2: Absolutní četnost spokojenost zákazníků dle pohlaví lékárníka Pohlaví Spokojenost lékárníka Spíše ne Spíše ano Celkem muž žena Celkem

7 Tabulka 3: Absolutní četnost spokojenost zákazníků dle věku Věk Spokojenost spíše ne spíše ano Celkem nad 60 let Celkem Tabulka 4: Absolutní četnost spokojenost zákazníků dle ekonomckého statusu Ekonomcký Spokojenost status spíše ne spíše ano Celkem zaměstnanec důchodce ostatní Celkem Analýza vlvu faktorů na spokojenost V následující část příspěvku je provedena analýza vlvu demografckých faktorů na spokojenost. Jsou dentfkovány faktory, jež mají vlv na spokojenost zákazníků. U faktorů, které ovlvňují spokojenost, je tato síla vlvu ještě dále kvantfkována. Postupně je provedena analýza věku, ekonomckého statusu, pohlaví zákazníka a pohlaví lékárníka. Jak jž bylo výše zmíněno, výsledky jsou získávány s využtím statstckého programu STATA a testování probíhá na 95% hladně spolehlvost. 4.1 Vlv věku na spokojenost zákazníků Následující Obrázek 2 zobrazuje odhad modelu pro faktor věk zákazníků a jeho vlv na spokojenost. Bylo uvedeno, že testování probíhá na 95% hladně spolehlvost. Jako referenční kategore je zde zvolena věková kategore let. Aby bylo možné defnovat, zda věk ovlvňuje zákazníkovu spokojenost, je důležté určt, zda je model a koefcenty významné č nkolv. V Obrázku 2 lze vdět, že koefcenty nejsou na hladně spolehlvost statstcky významné, hodnota P > 0,05, stejně tak model jako celek. Spokojenost zákazníků tedy není determnovaná jejch věkem. Tyto závěry jsou tvořeny na základě vzorku o velkost 151 respondentů. Obrázek 2: Odhad logstcké regrese pro věk zákazníků 141

8 4.2 Vlv ekonomckého statusu na spokojenost zákazníků V dalším kroku je analyzováno, zda ekonomcký status zákazníků ovlvňuje jejch spokojenost se službam vybrané lékárny. Byly sledovány tř kategore, v první kategor jsou zaměstnanc, v druhé důchodc a třetí vznkla z důvodu nízkého počtu respondentů sloučením kategorí nezaměstnaných, studentů a žen na mateřské dovolené. Referenční kategorí byl zaměstnanc. Obrázek 3: Odhad logstcké regrese pro ekonomcký status zákazníků Jak lze opět vdět z Obrázku 3, tak an jeden ze dvou koefcentů (stejně jako celkový model) není statstcky významný př dané hladně spolehlvost (hodnota P > 0,05). Jedná se o stejný případ, jako v předchozí analýze. Ekonomcký status není určujícím faktorem pro vysvětlení spokojenost zákazníka. Nebol jným slovy, spokojenost zákazníka je nezávslá na ekonomckém statusu. Tyto závěry jsou tvořeny na základě vzorku o velkost 151 respondentů. 4.3 Vlv pohlaví zákazníka na jeho spokojenost V následujících částech (4.3, 4.4 a 4.5) je analyzován vlv pohlaví na spokojenost zákazníka. Je zde zahrnuto pohlaví zákazníka, pohlaví lékárníka, ale také obě skupny současně a jejch jednotlvé kombnace. Pro dentfkac, zda jsou spokojenější spíše ženy č muž (respektve zákazníc, kteří jsou obsloužen mužem nebo ženou) proveden odhad modelu, kde vysvětlovanou velčnou je spokojenost (1 = spíše spokojen; 0 = spíše nespokojen) a vysvětlující velčnou je pohlaví (0 = muž; 1 = žena). Nejprve bude proveden odhad pro demografcký faktor pohlaví zákazníka. Obrázek 4: Odhad logstcké regrese pro pohlaví zákazníka Logstc regresson Number of obs = 151 LR ch2(1) = 6.48 Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_cust _cons Obrázek 4 zobrazuje odhad modelu logstcké regrese pro pohlaví zákazníka, koefcenty jsou odhadnuty metodou maxmální věrohodnost. V prvním kroku je určeno, zda je spokojenost determnovaná pohlavím zákazníka. Hodnota P pro koefcent je rovna 0,012. Př hladně spolehlvost 95 % lze konstatovat, že pohlaví zákazníka je významný faktor, který určuje spokojenost se službam ve vybrané lékárně. Exstují tedy významné rozdíly ve spokojenost u muže a u ženy. 142

9 Obrázek 5: Odds rato (podíl šancí) pro pohlaví zákazníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_cust Hodnoty uvedené v Obrázku 5 ukazují podíl šancí, který je ve výš 0,416. Podíl šancí říká, že spokojenost ženy (1 = žena) s obsluhou je 0,416 krát vyšší než spokojenost muže. Jným slovy lze tento podíl nterpretovat tak, že muž jsou více spokojen než ženy, neboť hodnota je menší než 1. Šance spokojenost muže je dána hodnotou konstanty 0,421, což je exp(0,421) = 1,524. Šance spokojenost ženy je ve výš 0,634. Pravděpodobnost spokojenost muže je určena ze vztahu (3) ve výš 60,4 %. Pravděpodobnost spokojenost ženy je určena také dle vztahu (3) a to ve výš 38,8 %. 4.4 Vlv pohlaví lékárníka na spokojenost zákazníků Zda má na spokojenost vlv pohlaví zákazníka, jeho věk č ekonomcký status jž bylo analyzováno. V další fáz bude sledován vlv lékárníka (obsluhujícího). Obrázek 6: Odhad logstcké regrese pro pohlaví lékárníka Logstc regresson Number of obs = 151 LR ch2(1) = 4.20 Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_work _cons Odhad koefcentů byl zde proveden metodou maxmální věrohodnost. Hodnota koefcentu konstanty je uvedena v Obrázku 6. Na základě zjštěné hodnoty P = 0,043 na hladně spolehlvost 95 %, lze konstatovat, že koefcent a také model jako celek je statstcky významný. Obrázek 7: Odds rato (podíl šancí) pro pohlaví lékárníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_work V Obrázku 7 je opět znázorněn podíl šancí pro pohlaví zákazníka. Pravděpodobnost spokojenost zákazníka, který je obsloužen ženou, je 0,446 krát vyšší než v případě, že je obsloužen mužem (muž = 0 a žena = 1). Tuto stuac lze nterpretovat tak, že zákazníc obsloužen mužem (lékárníkem) jsou více spokojen. Šance spokojenost v případě obsluhujícího muže je opět udána hodnotou konstanty 0,480 z Obrázku 6, což je exp(0,480) = 1,615. Šance spokojenost zákazníka obslouženého ženou je 143

10 0,721. Pravděpodobnost spokojenost je dána ze vztahu (3) pro zákazníky obsloužené mužem ve výš 61,8 % a pro zákazníky obsloužené ženou ve výš 41,9 %. 4.5 Vlv pohlaví zákazníka a lékárníka na zákazníkovu spokojenost V poslední fáz analýzy jsou do modelu zahrnuty dvě referenční kategore (x 1 = pohlaví zákazníka, x 2 = pohlaví lékárníka) a byl sledován vlv těchto dvou skupn na spokojenost zákazníků současně. Obrázek 8: Odhad logstcké regrese pro pohlaví zákazníka a pohlaví lékárníka Logstc regresson Number of obs = 151 LR ch2(2) = Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_cust gender_work _cons Odhady koefcentů modelu jsou uvedeny v Obrázku 8. Koefcent, který udává závslost pohlaví lékárníka, je statstcky nevýznamný, byl ponechán v modelu, neboť hladna významnost (hodnota P = 0,058) je velm blízká k požadované hodnotě 5 %. Z výše uvedeného vyplývá, že spokojenost zákazníka je determnována jak pohlavím zákazníka, tak také pohlavím lékárníka. Model jako celek je statstcky významný. Obrázek 9: Odds rato (podíl šancí) pro pohlaví zákazníka a pohlaví lékárníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_cust gender_work V Obrázku 9 jsou uvedeny podíly šancí pro jednotlvé kategore. Z výsledků v obrázku lze konstatovat, že spokojenost ženy s obsluhou v lékárně je 0,426 krát vyšší než u zákazníka muže. Jným slovy to znamená, že ženy jsou spokojeny méně než muž, neboť hodnota 0,426 je menší než 1. Dále lze z Obrázku 9 také vyčíst, že spokojenost zákazníka v případě, že je obsloužen ženou, je 0,462 krát vyšší než u zákazníka obslouženého mužem. Jným slovy, že zákazník obsloužen mužem je více spokojen než ten, který je obsloužen ženou. Tabulka 3: Kombnace šancí pro jednotlvé kategore Pohlaví Pohlaví lékárníka zákazníka muž žena muž 2,731 1,261 žena 1,163 0,537 Tabulka 4: Pravděpodobnost spokojenost pro jednotlvé kategore Pohlaví Pohlaví lékárníka zákazníka muž žena muž 0,732 0,558 žena 0,538 0,349 Tabulka 5 znázorňuje šance spokojenost pro všechny možné kombnace pohlaví zákazníka a lékárníka a tabulka 6 znázorňuje pravděpodobnost spokojeností jednotlvých kombnací. Největší pravděpodobnost spokojenost vykazují zákazníc muž, kteří jsou obsloužen 144

11 % lékárníkem mužem. Tato pravděpodobnost je ve výš 73,2 %. Nejnžší pravděpodobnost spokojenost je v případě, kdy žena je obsloužena ženou lékárncí. Pravděpodobnost spokojenost je 34,9 %. Níže uvedený Obrázek 10 dává přehled o veškerých faktorech, u kterých bylo statstcky prokázáno, že ovlvňují zákazníkovu spokojenost. V grafu jsou uvedeny pravděpodobnost spokojenost u pohlaví zákazníka, lékárníka a jednotlvých kombnací. Označení Z je použto pro status zákazníka a L pro lékárníka. Obrázek 10: Pravděpodobnost spokojenost v jednotlvých kategorích v procentech ,4 61,8 73,2 55,8 53, ,8 41,9 34, Pravděpodobnost spokojenost v jednotlvých kategorích Závěr Důležtost měření spokojenost zákazníků je nesporná. Pomáhá odhalovat klíčové aspekty, které vedou ke spokojenost a nespokojenost s produktem nebo službou. Na faktory, které jsou dentfkovány jako klíčové pro nespokojenost, je tímto možné reagovat, elmnovat je a snažt se svým chováním zvyšovat počet zákazníků spokojených. Vhodnou kvanttatvní metodou pro analýzu spokojenost je metoda bnární logstcké regrese, která je specfcká v tom, že vysvětlovaná proměnná nabývá dvou hodnot a pomáhá nejen dentfkovat vlv, ale také jej v konkrétní výš kvantfkovat. Cílem tohoto příspěvku bylo pomocí logstcké regrese zjstt a dále pak kvantfkovat vlv demografe na spokojenost zákazníků ve vybrané lékárně v Ostravě. Pro naplnění cíle byla regresní analýza vhodně zvolena, jelkož umožňuje díky odhadu modelu přesně stanovt výš pravděpodobnost po dosazení patřčné nezávsle proměnné, což odpovídá potřebám stanoveného cíle přesné kvantfkace vlvu (stanovení pravděpodobnost). Z demografckých faktorů (nezávsle proměnná) byl sledován věk respondenta, ekonomcký status, pohlaví respondenta a pohlaví obsluhujícího personálu. Odhad parametrů modelu proběhl na základě metody maxmální věrohodnost. 145

12 Na základě provedené analýzy byly zjštěny následující závěry. Nejprve byl analyzován vlv věku a ekonomckého statusu. Výsledky ukázaly, že tyto demografcké faktory nejsou determnujícím pro spokojenost zákazníků. Spokojenost zákazníků tedy neurčuje to, zda je zákazník student, zaměstnaný nebo v jaké věkové kategor se nachází. V další fáz byl zjšťován vlv pohlaví na spokojenost, pohlaví zákazníka a pohlaví lékárníka. Výsledky analýzy ukázaly, že tyto charakterstky jsou významné pro vyjádření spokojenost v lékárně. Bylo zjštěno, že obecně jsou více spokojen muž než ženy. Pravděpodobnost, že se službam v lékárně bude spokojen muž, je 60,4 %, pravděpodobnost spokojenost ženy je nžší a to 38,8 %. Jestlže je zákazník obsloužen mužem lékárníkem, je pravděpodobnost spokojenost 61,8 %, V případě, že je obsloužen lékárncí, je pravděpodobnost nžší a to 41,9 %. Z výsledků analýzy lze zjstt největší pravděpodobnost spokojenost pro jednotlvé kombnace a ta nastane v případě, že bude muž obsloužen mužem, pravděpodobnost je ve výš 73,2 %. Ve většně zdravotnckých zařízení tohoto typu působí př komunkac s pacenty (respektve zákazníky) ženy. Z výsledků výzkumu je zřejmé, že je velm důležté podporovat v těchto typech zdravotnckých zařízení působení mužů, neboť zastoupení této skupny značí vyšší pravděpodobnost na spokojenost obslouženého pacenta (zákazníka). Na druhou stranu však zůstává otázkou, díky čemu je tato vyšší pravděpodobnost spokojenost způsobena. Co u lékárníků mužů způsobí, že jsou s nm zákazníc více spokojen. Zda je to samotné pohlaví, způsob komunkace s pacenty, důvěryhodnost, empate, umění vcítt se do problému druhých, umění pomoc a schopnost vyřešt problém č něco naprosto jného. Poděkování Tento článek vznkl za fnanční podpory Studentské grantové soutěže v rámc projektu SP/ pod názvem Aplkace ekonometrckých metod v marketngovém výzkumu. Lteratura [1] ALLEN, D. R. and T. R. RAO, Analyss of Customer Satsfacton Data. Mlwaukee: ASQ Qualty Press. ISBN [2] COCHRAN, C., Customer Satsfacton, Tools, Technques, and Formulas for Success. Chco: Paton Press. ISBN [3] FORET, M. a J. STÁVKOVÁ, Marketngový výzkum. Jak poznávat své zákazníky. Praha: Grada Publshng. ISBN [4] HENDL, J., Přehled statstckých metod. Analýza a metaanalýza dat. Praha: Portál. ISBN [5] HILBE, J. M., Logstc regresson models. Boca Raton: CRC Press. ISBN [6] HOSMER, D. W. and S. LEMESHOW, Appled logstc regresson. New York: Wley. ISBN [7] KLEINBAUM, D. G. and M. KLEIN, Logstc Regresson. A Self-Learnng Text. New York: Sprnger. ISBN [8] KOTLER, P., Marketng management. Praha: Grada publshng. ISBN

13 [9] MELOUN, M. a J. MILITKÝ, Kompendum statstckého zpracování dat. Praha: Academa. ISBN [10] OPARAH, A. C. and L. C. KIKANME, Consumer satsfacton wth communty pharmaces n Warr, Ngera. In: Research n Socal and Admnstratve Pharmacy, Eselver, Vol. 2, Issue 4, P ISSN [11] PECÁKOVÁ, I., Logstcká regrese s více-kategorální vysvětlovanou proměnou. V: Vědecký časops Acta Oeconomca Pragensa, VŠE Praha. Roč. 15, č. 1, Str ISSN