Los Modelos de Excelencia permiten medir la calidad de servicio que prestamos y corregir las tácticas y la estrategia de la empresa para ajustarlas a las expectativas y a las necesidades del cliente y del mercado.


Objetivos de Nivel I

	Evaluar el nivel de satisfacción racional y emocional del cliente en los factores clave de la calidad y en sus aspectos específicos.
	Identificar y validar los principales factores y aspectos que definen la calidad de servicio, estimar su contribución relativa a la salud del cliente y aislar los verdaderos síntomas que pueden afectarla.
	Definir un manual de conducta en base a las prioridades de actuación y prever el impacto de mejoras específicas sobre la salud del cliente.

Objetivos de Nivel II

	Identificar el conjunto de indicadores operacionales clave (KPIs) para medir el grado de ajuste estratégico y táctico a las necesidades y expectativas del cliente a lo largo del tiempo.
	Definir los procesos para el establecimiento de objetivos, normas o estándares realistas para los indicadores operacionales clave que mejor reflejen el comportamiento de los factores y aspectos específicos de la calidad de servicio.
	Desarrollar un modelo para monitorizar el grado de satisfacción, la lealtad y el compromiso del cliente , centrado en evaluar las diferencias entre el desempeño real y el desempeño percibido por el cliente y en la definición de un sistema de alertas que permita actuar rápidamente sobre los procesos, para integrarlo en un modelo de excelencia en el desempeño.
	Diseñar una metodología automatizada de investigación que incluya diseño e impresión de formularios, muestras y ponderación, periodicidad, sistemas de supervisión y control, análisis de información, generación e impresión de informes en función de los destinatarios.

Técnicas utilizadas

Un Modelo de Excelencia exige una fase previa de tipo cualitativo y de gabinete y, a menudo, una auditoría sobre los métodos empleados hasta la fecha para medir la calidad de servicio, y estudiar las bajas y reclamaciones.

Estadísticamente, las técnicas más comunes son los Análisis Factorial de Componentes Principales, Regresión Lineal o Logística, Tratamiento de Outliers, Dispersión, Correlaciones, Cluster Jerárquico, Cluster No Jerárquico, Chi Squared Automatic Interaction Detector y Discriminante.