论文部分内容阅读
伴随着我国金融市场准入限制不断放开,银行业面临竞争的激烈程度越来越高。从银行业所处的外部环境来看,外资准入限制降低,外资金融机构在中国的经营范围不断扩大,微信支付、支付宝等互联网金融交易平台不断涌现,小额贷款、民间借贷规模不断扩大。新兴互联网金融给人民生活带来了便利与实惠,也给传统商业银行带来了新的挑战。银行业如何应对互联网金融的挑战,如何维护客户资源,真正做到“以客户为中心”,提升服务质量是每个商业亟需解决的现实问题。基于此,本文以GD银行南京分行为主要的研究对象,系统性探讨GD银行南京分行个人客户满意度现状、制约因素以及相应的提升策略,以期为更好地促进GD银行南京分行的稳健经营与长久发展提供一定参考。
本文首先对与商业银行客户满意度管理的基础理论与相关文献进行了梳理,在此基础上分析GD银行南京分行客户满意度的管理现状及不足。同时本文从客户感知层面探讨其对GD银行南京分行业务服务的满意程度,并且通过多元有序Logistic模型探讨了影响客户满意度的核心因素。通过全文分析与讨论,得到以下主要结论:
首先,从GD银行南京分行业务结构来看,GD银行南京分行与GD银行系统内同级别的一级分行相比在零售业务上并不具有优势,如何在日常经营中做好个人客户的维护,提升个人客户的满意度,增加客户的忠诚度对于GD银行南京分行的稳健经营与持续发展具有极其重要的意义。进一步梳理GD银行南京分行个人客户管理现状可知,无论是GD银行南京分行各二级分行的内部比较,还是与同级别的一级分行的横向对比,GD银行南京分行在客户满意度提升方面还有较多可改进的空间。在此基础上进一步总结了GD银行南京分行个人客户满意度管理中存在互联网平台建设严重滞后、个人客户服务需求挖掘不足、客户满意度管理效果较差、客户满意度管理量化方式单一等问题。
其次,本研究以SERVQUAL模型为理论基础,借助于多元有序Logistic模型,将调研数据进行回归分析,回归结果显示:客户等待时长、网络平台、资金结算费率在1%的显著性水平上正向影响GD银行南京分行的客户满意度;投诉处理在5%的显著性水平上正向影响GD银行南京分行的客户满意度;服务态度以及金融产品在10%的显著性水平上正向影响GD银行南京分行的客户满意度此外,业务人员专业技能和银行网点分布布局对GD银行南京分行个人客户满意度的影响并不显著。
最后,基于全文的研究,本研究指出GD银行南京分行个人客户满意度提升策略主要包括四个方面:一是完善客户投诉监管机制;二是提升个人客户业务服务效率;三是加快银行基础设施建设;四是以客户为导向有序渐进开展资金结算优化。此外,本研究还进一步梳理了提升GD银行南京分行客户满意度策略的实施效果的保障措施,具体包括加强智能化基础设施建设、深化“以客户为中心”的服务理念以及以数据信息深度挖掘客户需求三个方面。
本文首先对与商业银行客户满意度管理的基础理论与相关文献进行了梳理,在此基础上分析GD银行南京分行客户满意度的管理现状及不足。同时本文从客户感知层面探讨其对GD银行南京分行业务服务的满意程度,并且通过多元有序Logistic模型探讨了影响客户满意度的核心因素。通过全文分析与讨论,得到以下主要结论:
首先,从GD银行南京分行业务结构来看,GD银行南京分行与GD银行系统内同级别的一级分行相比在零售业务上并不具有优势,如何在日常经营中做好个人客户的维护,提升个人客户的满意度,增加客户的忠诚度对于GD银行南京分行的稳健经营与持续发展具有极其重要的意义。进一步梳理GD银行南京分行个人客户管理现状可知,无论是GD银行南京分行各二级分行的内部比较,还是与同级别的一级分行的横向对比,GD银行南京分行在客户满意度提升方面还有较多可改进的空间。在此基础上进一步总结了GD银行南京分行个人客户满意度管理中存在互联网平台建设严重滞后、个人客户服务需求挖掘不足、客户满意度管理效果较差、客户满意度管理量化方式单一等问题。
其次,本研究以SERVQUAL模型为理论基础,借助于多元有序Logistic模型,将调研数据进行回归分析,回归结果显示:客户等待时长、网络平台、资金结算费率在1%的显著性水平上正向影响GD银行南京分行的客户满意度;投诉处理在5%的显著性水平上正向影响GD银行南京分行的客户满意度;服务态度以及金融产品在10%的显著性水平上正向影响GD银行南京分行的客户满意度此外,业务人员专业技能和银行网点分布布局对GD银行南京分行个人客户满意度的影响并不显著。
最后,基于全文的研究,本研究指出GD银行南京分行个人客户满意度提升策略主要包括四个方面:一是完善客户投诉监管机制;二是提升个人客户业务服务效率;三是加快银行基础设施建设;四是以客户为导向有序渐进开展资金结算优化。此外,本研究还进一步梳理了提升GD银行南京分行客户满意度策略的实施效果的保障措施,具体包括加强智能化基础设施建设、深化“以客户为中心”的服务理念以及以数据信息深度挖掘客户需求三个方面。