结构方程模型（Structural equation modeling, SEM）是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，SEM大量的应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中.

顾客满意度就是顾客认为产品或服务是否达到或超过他的预期的一种感受。结构方程模型（SEM）就是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。如下图：

图: SEM模型的基本框架

在模型中包括两类变量：一类为观测变量，是可以通过访谈或其他方式调查得到的，用长方形表示；一类为结构变量，是无法直接观察的变量，又称为潜变量，用椭圆形表示。

各变量之间均存在一定的关系，这种关系是可以计算的。计算出来的值就叫参数，参数值的大小，意味着该指标对满意度的影响的大小，都是直接决定顾客购买 与否的重要因素。如果能科学地测算出参数值，就可以找出影响顾客满意度的关键绩效因素，引导企业进行完善或者改进，达到快速提升顾客满意度的目的。

第一，它可以立体、多层次的展现驱动力分析。这种多层次的因果关系更加符合真实的人类思维形式，而这是传统回归分析无法做到的。SEM根据不同属性的抽象程度将属性分成多层进行分析。

第二，SEM分析可以将无法直接测量的属性纳入分析，比方说消费者忠诚度。这样就可以将数据分析的范围加大，尤其适合一些比较抽象的归纳性的属性。

第三，SEM分析可以将各属性之间的因果关系量化，使它们能在同一个层面进行对比，同时也可以使用同一个模型对各细分市场或各竞争对手进行比较。

某通信分公司屡次位居榜尾，于是痛下决心改革。该分公司有三类业务：固话业务、小灵通业务以及上网业务。围绕着这三类业务产品的销售，该通信分公司还提供了售前、售中和售后三个环节多方面的服务。结合该通信分公司的主要产品情况，从顾客满意度着手，重点分析并找出影响顾客满意的关键因素，从而为制定有 效的顾客满意度提升方案提供数据支持。

SEM以研究因果关系为背景，是一种包罗万象的量化和理论检验的工具。在市场研究界可应用于多种研究，如：满意度研究、品牌研究、产品研究等。因此对品牌管理具有很好的帮助作用。

从宏观角度出发，SEM构建的模型有助于对品牌的宏观掌控。这种SEM模型一般都比较简洁，着重于宏观的、归纳性的目的，模型结构在较长的时间里不会发生变化（下图是一个典型的例子）。

图:ACSI模型

从微观角度出发，SEM可以为品牌的微观管理建立详细的路径图，对品牌建设提供具体的操作指导。这种SEM模型的特点是模型一般都比较复杂，包含从抽象到具体的各类属性，着重全面、有层次性的目的，模型可能需要定期的进行调整。