通常情况下，企业在做市场/营销调研的时候，主要关注满意度、净推荐值(NPS)、费力度等单一指标的分析外，有些相互关联的问题，例如：
- 产品/服务质量是如何影响顾客对服务的态度和满意度？
- 总体满意度是如何影响顾客的购买意愿、推荐意愿？
- 变量之间是如何共同影响顾客的购买意愿？
想要知道为什么，这些问题当然不可能仅依靠任何单一统计工具来解决，必须借用结构方程模型(SEM），进行360度全方位无死角的测量顾客的满意度指数。
定义
SEM模型，即结构方程模型（Structural Equation Modeling，简称SEM）是一种复杂的统计分析技术，用于研究变量之间的关系。它结合了因子分析和多变量回归分析的特点，可以同时处理多个自变量和因变量之间的关系。
SEM模型介绍
结构方程模型包含测量模型与结构模型，以下图1.满意度模型为例，其中：
- 测量模型
探讨测量指标与潜变量之间的作用关系，例如满意度测量模型中，感知质量（F1）为潜变量，研究与测量指标A1~A3的影响关系；
- 结构模型
探讨各潜变量之间的作用关系，例如在满意度结构模型中，探讨感知质量（F1）与感知价值（F2）对顾客满意（F3）的影响关系，以及顾客满意（F3）对顾客忠诚（F4）的影响关系。
国际常用的满意度指数模型有：美国顾客满意度指数（ACSI）、欧洲顾客满意度指数（ECSI）、中国顾客满意度指数（CCSI）。
SEM与传统分析方法对比
线性相关分析
两个随机变量之间的统计联系，没有因变量及自变量值分，不能反映单指标与总体的因果关系；
线性回归分析
比线性相关更为复杂的方法，定义了因变量和自变量，可以反映变量之间的直接效应，但不能显示可能存在的间接效应。
SEM模型分析
与其他分析不同，SEM模型可以分析多个变量间的关系，不仅能够清晰分析单项指标对总体的作用，也能指出单项指标间的相互关系，可以替代多重回归、路径分析、因子分析、协方差分析等方法。
满意度SEM模型-案例解析
对满意度调研数据进行样本量检验、验证性因子分析与模型识别，并进行模型修正后，得到以下图2.满意度因果关系模型，可以清晰的进行系统分析：
测量模型中，各潜变量与测评指标之间的关系，可以直接从影响系数大小进行分析，这里不作赘述。我们从结构模型角度来看，变量之间的关系分析：
品牌形象与其他变量间的关系
品牌形象直接影响顾客期望、感知质量以及顾客满意度，标准化路径系数分别为0.75、0.54和0.13，表明顾客在购买前，品牌形象较大程度的影响了顾客对企业产品或服务的期望，顾客对知名品牌期望值更高；顾客在购买后，品牌形象对感知质量的影响程度更大一些，而对顾客满意度直接造成的影响程度则很小。
满意度与其他变量间的关系
感知质量与顾客满意度之间存在1条直接路径，顾客期望与顾客满意度之间仅存在1条间接路径，品牌形象与顾客满意度之间存在3条路径，分别计算路径影响系数可以看到，以上三个潜变量对顾客满意度的正向影响程度从大到小依次为：感知质量（0.83）>品牌形象（0.80）>顾客期望（0.30）。
如果按单一路径来看，品牌形象对顾客满意度的影响是非常小的，但通过SEM模型的路径分析，品牌形象对顾客满意度的影响与感知质量的影响度非常接近，不可忽视。
SEM模型适用领域
从以上案例分析上可以看出，SEM模型是以研究变量间的因果关系为背景，是一款非常强大的量化和理论检验的工具，既可从满足宏观角度、归纳性研究目的，又包含从抽象到具体的各类属性，常用于社会科学、市场研究、行为科学、教育研究、心理学和其他许多领域。
在市场研究领域，常应用于以下研究：满意度研究、品牌研究、产品研究等。
满意度研究，助力企业服务提升
从宏观角度出发，SEM构建的模型有助于企业从售前、售中、售后的宏观掌控，分析顾客与企业的触点体验感知，可以为企业内部服务及管理建立具体的路径图，对企业内部服务管理提供具体的操作指导。
品牌研究，助力企业对品牌的治理
SEM构建的模型有助于对品牌的宏观掌控，可以为品牌相关因素建立具体的路径图，对品牌建设及治理提供具体的操作指导。
产品研究，助力企业的商业决策
SEM构建的模型有助于企业贯穿产品生命周期的宏观掌控，SEM可以为产品的影响因素建立具体的路径图，为企业提供商业决策依据
- 探索消费者行为和态度动机
- 研究顾客对产品的偏好以及购买行为
- 顾客生活方式研究
