关键驱动因素分析 (KDA) 检查潜在驱动因素与行为之间的关系，例如正面推荐 (NPS) 的可能性或总体满意度。

重要的是识别和理解关键业务指标的驱动因素，例如客户满意度或忠诚度，以改进流程和盈利能力。如果您正在进行 NPS 调查，您将想im体育您的服务或im体育产品的哪些方面 会影响客户向他人推荐您的可能性。关键驱动因素分析正是用来解决这类问题的。

通过im体育您的服务或im体育产品的哪些方面对您的整体满意度和忠诚度影响最大，您将知道您的组织应该把精力放在哪里。

结果指标是用于表示调查中主要问题的术语。通常是总体满意度或 NPS（忠诚度）问题。

例如：从 1 到 10，您对入住 ACME 酒店的整体满意度如何？

潜在驱动因素是您调查中用于绩效评级问题的术语，您认为这些问题会影响您的主要问题或众所周知的结果指标。

继续上面的例子，im体育可能会要求受访者对您酒店的各个方面进行评分，例如清洁度、食物、游泳池、员工等。

KDA 通过im体育官app使用多元线性回归研究自变量（潜在驱动因素）之间的相关性来生成最佳线性组合来预测 因变量（结果指标）。

它提供了一个im体育官app使用 Pearson r 绝对值的模型，该模型计算自变量（潜在驱动因素）在 0 到 1 范围内预测因变量（结果指标）的程度。关系的强度可以通过平方来描述相关性并乘以 100。由此产生的统计量称为方差解释（或 R²）。例如，Pearson 的 r 值为 0.50 表示因变量中 25% 的方差由因变量“解释”或预测。重要性值越高，潜在驱动因素对结果指标的影响就越大。请记住，高度相关并不一定意味着因果关系。

该图表绘制了X 轴上潜在驱动因素的平均评级与Y 轴上潜在驱动因素对结果指标的相关性或重要性。

问题越靠右，平均分越高，受访者对该问题的满意度越高。

问题出现得越高，该问题对结果指标（主要满意度或 NPS 问题）的影响就越大。最佳做法是仅在重要性超过 0.50 时才将潜在驱动因素视为关键驱动因素。

X 轴上的评级im体育官app使用标准化标度。这意味着该值的范围从 0% 到 100%。该轴已归一化，因为它取决于平均分数。归一化使得比较具有不同尺度的潜在驱动因素成为可能。该百分比是通过取潜在驱动程序的平均值并将其除以该问题的最大刻度值来计算的。

例如，如果问题的等级为 1 到 10，平均值为 5.5，则评分百分比为 55%。现在，如果另一个问题的等级为 1 到 5，平均值为 3，则其评分百分比将为 3/5 或 60%。将它们转换为百分比可以将它们绘制在同一图表上并进行比较。

两条浅灰色虚线将图表分成 4 个区域或象限。

Y 轴上重要性标度为 0.5 处的水平灰色虚线是通常接受的阈值，在该阈值驱动程序成为结果指标的可靠且准确的预测器时。

X 轴上绩效标尺上的垂直灰色虚线是平均分数从表现良好变为表现不佳的阈值。默认值通常是所有潜在驱动程序的平均分数。

关键驱动因素图表有四个象限：

• 主要弱点：重要但评价不高。这些值位于左上象限，表示在确定结果指标方面发挥重要作用的驱动因素。然而，这些司机的平均分较低。这是一个需要改进的地方。落入此象限的驱动因素保证您的组织努力改进。提高这些分数也会提高您的整体满意度或忠诚度分数。
• 主要优势 ：重要且评价很高。这些值位于右上象限，表示在确定结果指标方面发挥重要作用的驱动因素。这些司机的平均分也更高，这意味着他们已经表现良好。
• 不重要的弱点：不重要且评价不佳。这些值位于左下象限，表示在确定结果指标时不重要的驱动因素。这些司机的平均分也很低。
• 不重要的优势：不重要但评价很高。这些值位于右下象限，表示在确定结果指标时不重要的驱动因素。这些车手的平均分也很高。虽然有人可能会争辩说高分总是一件好事，但它们不会影响结果指标。

在左上象限中找到的驱动程序是一个很好的起点。这些驱动因素对您的结果指标（通常是整体满意度或 NPS）有重大影响，但根据您的受访者的说法，表现不佳。

按照以下步骤将 KDA 添加到调查报告：

1. 去调查。
2. 点击分析。
3. 单击报告。
4. 编辑现有报告或创建新报告。
5. 在报告中，选择您希望新元素出现在其后的元素。否则它将被添加到报告的末尾。
6. 单击添加元素。
7. 选择元素类型选项卡。
8. 选择关键驱动程序象限。
9. 选择您的结果指标（通常是总体满意度或 NPS 问题）。
10. 选择一个或多个潜在的驱动程序（您可以稍后添加更多）。

该元素将出现。您可以通过单击“属性”窗格中的“设置”选项卡来进一步修改它。

为了使多元线性回归起作用，必须至少有50 +（8 * 潜在驱动因素的数量）个受访者（Tabachnick 和 Fidell，im体育官app使用多元统计） 。例如，如果您有 4 位司机，则至少有 50 + (8*4) = 82 位受访者。如果没有足够的受访者，则不会呈现图表。达到该阈值后，将呈现图表。这是获得结果的最低要求。统计显着性将随着更多的受访者而增加。例如，如果您想要检测功效为 80% 的 0.10 相关性，则需要大约 650 名受访者。