要求精確的話，資料變換為arcsin√p，或ln(p/(1-p))，即可進行迴歸或假設檢驗或方差分析。p為不合格率。
二項分佈資料最精確的迴歸方法是logistic迴歸。
二項分佈資料做SPC可以不用變換。
抽樣數量，如果用於SPC(統計過程控制)，則取決於控制精度，或者說置信區間的寬度。例如p=10%±2×1%，置信區間寬度=4%。
置信區間寬度=4√(p(1-p)/n)或6√(p(1-p)/n)，你能接受多大的置信區間，決定了抽樣量n是多少。
再說說管理方面。
首先建立一個大畫面，或者說邏輯模型。
你們公司之前的模型是: 過程---干預
完整的模型是: 結果---過程---干預(抽樣、評價、資料分析和培訓)
(資訊流沒法畫出來，只好省略了。)
以下具體說說:
一，結果(顧客層面):
結果包括滿意度、差評率、投訴率等顧客層面上的指標。
1)分析結果指標與過程指標的相關性。例如根據滿意度確定過程指標的權重。透過迴歸法實現。這個可以粗一點，不需要太精確。
率資料需要使用logistic迴歸或因變數變換的最小二乘迴歸。
通常回歸分析都需要處理共線性。
2)對不滿意(或差評，或投訴)的結果進行彙總分析，找到真因和根因，確定培訓或干預的重點。
3)透過培訓前後過程指標的變化以及結果指標的變化，確定培訓的有效性。可以看到培訓作用的傳遞過程。
二，服務過程:
4)確定過程指標。因為5項指標是先前管理所需，不一定是全部，可能漏掉重要影響因子，所以要重新評估一下。這個應在1)之前。
嚴謹的做法還要確定過程指標之間的相關性(即共線性)。
5)分析過程指標的資料。例如找出最嚴重的TOP3的指標。或找出TOP3的根因。或找出最靠後的一部分員工(通常符合二八率)。或比較不同時段的差異。或比較不同工作小組間的差異。
透過比較組間差異，進行針對性培訓。要用到前面的權重。
這個估計是題主想做的。這是對“森林”的干預。而之前公司是對“樹木”的干預，即針對個人的抽檢和培訓。
6)之前每個人抽檢很少的量，從管理心理學角度是有意義的。當一個人知道自己的工作被人關注到時，工作效率會有提高。但如結合統計分析，管理效果會大大提高。
對於特定個人的抽樣和分析可以用SPC。
可繁可簡。最精確的是採取控制圖控制。不管哪種方法，抽樣量太少時，短期單點精度都不高，可能導致該培的不培，不該培的亂培。控制圖是效果最好的一種。
分析整體或較長時間段則精度較高。
所以一種折中的辦法是，合併樣本，比如以前每天抽一個錄音發現問題即反饋，現在改成嚴重的才立即反饋，普通的三天一反饋(培訓)，這樣可以提高抽樣判斷的精度，節約重抽樣和培訓資源。
(移動平均法也是一種可選的方法。)
同樣，可以採取小組干預，在個人和整體之間找到平衡點。
根據企業實際，可以靈活變通。
三，干預層面(抽樣、評價、資料分析與培訓)
7)只有資料分析深入，培訓才有針對性。前面已提到。
8)互評可以降低抽樣/評價成本，還可以促進互相學習。
最理想狀態是實現結果---過程---干預的貫通，並最終落實在結果(顧客層面)有效上。服務資訊流和管理資訊流形成閉環，無斷點和停滯。
只進行區域性分析是不恰當的。
要求精確的話，資料變換為arcsin√p，或ln(p/(1-p))，即可進行迴歸或假設檢驗或方差分析。p為不合格率。
二項分佈資料最精確的迴歸方法是logistic迴歸。
二項分佈資料做SPC可以不用變換。
抽樣數量，如果用於SPC(統計過程控制)，則取決於控制精度，或者說置信區間的寬度。例如p=10%±2×1%，置信區間寬度=4%。
置信區間寬度=4√(p(1-p)/n)或6√(p(1-p)/n)，你能接受多大的置信區間，決定了抽樣量n是多少。
再說說管理方面。
首先建立一個大畫面，或者說邏輯模型。
你們公司之前的模型是: 過程---干預
完整的模型是: 結果---過程---干預(抽樣、評價、資料分析和培訓)
(資訊流沒法畫出來，只好省略了。)
以下具體說說:
一，結果(顧客層面):
結果包括滿意度、差評率、投訴率等顧客層面上的指標。
1)分析結果指標與過程指標的相關性。例如根據滿意度確定過程指標的權重。透過迴歸法實現。這個可以粗一點，不需要太精確。
率資料需要使用logistic迴歸或因變數變換的最小二乘迴歸。
通常回歸分析都需要處理共線性。
2)對不滿意(或差評，或投訴)的結果進行彙總分析，找到真因和根因，確定培訓或干預的重點。
3)透過培訓前後過程指標的變化以及結果指標的變化，確定培訓的有效性。可以看到培訓作用的傳遞過程。
二，服務過程:
4)確定過程指標。因為5項指標是先前管理所需，不一定是全部，可能漏掉重要影響因子，所以要重新評估一下。這個應在1)之前。
嚴謹的做法還要確定過程指標之間的相關性(即共線性)。
5)分析過程指標的資料。例如找出最嚴重的TOP3的指標。或找出TOP3的根因。或找出最靠後的一部分員工(通常符合二八率)。或比較不同時段的差異。或比較不同工作小組間的差異。
透過比較組間差異，進行針對性培訓。要用到前面的權重。
這個估計是題主想做的。這是對“森林”的干預。而之前公司是對“樹木”的干預，即針對個人的抽檢和培訓。
6)之前每個人抽檢很少的量，從管理心理學角度是有意義的。當一個人知道自己的工作被人關注到時，工作效率會有提高。但如結合統計分析，管理效果會大大提高。
對於特定個人的抽樣和分析可以用SPC。
可繁可簡。最精確的是採取控制圖控制。不管哪種方法，抽樣量太少時，短期單點精度都不高，可能導致該培的不培，不該培的亂培。控制圖是效果最好的一種。
分析整體或較長時間段則精度較高。
所以一種折中的辦法是，合併樣本，比如以前每天抽一個錄音發現問題即反饋，現在改成嚴重的才立即反饋，普通的三天一反饋(培訓)，這樣可以提高抽樣判斷的精度，節約重抽樣和培訓資源。
(移動平均法也是一種可選的方法。)
同樣，可以採取小組干預，在個人和整體之間找到平衡點。
根據企業實際，可以靈活變通。
三，干預層面(抽樣、評價、資料分析與培訓)
7)只有資料分析深入，培訓才有針對性。前面已提到。
8)互評可以降低抽樣/評價成本，還可以促進互相學習。
最理想狀態是實現結果---過程---干預的貫通，並最終落實在結果(顧客層面)有效上。服務資訊流和管理資訊流形成閉環，無斷點和停滯。
只進行區域性分析是不恰當的。