楊小鳳，鄭全成，宋曙輝，霍雅婷

（蘭州交通大學(xué) 交通運輸學(xué)院，甘肅 蘭州 730070）

客戶滿意度評價作為了解客戶滿意程度的一種手段和工具，對于鐵路貨運部門來說具有重要的意義。通過客戶滿意度評價，鐵路貨運部門可以更全面地了解客戶的需求，還可以將客戶滿意度作為經(jīng)營管理的重要指標(biāo)，綜合評價鐵路貨運部門的經(jīng)營業(yè)績和服務(wù)水平，進而不斷提高服務(wù)水平，促進鐵路貨運可持續(xù)發(fā)展?？蛻魸M意度評價模型是鐵路貨運部門評價其客戶滿意度的關(guān)鍵問題[1-2]。本文在以往參考文獻和實際工作調(diào)查的基礎(chǔ)上，綜合考慮多種因素，建立了基于BP神經(jīng)網(wǎng)絡(luò)的鐵路貨運客戶滿意度評價模型。

1 BP神經(jīng)網(wǎng)絡(luò)原理

BP 神經(jīng)網(wǎng)絡(luò) (Back-Propagation Network Construction) 是一種具有多層結(jié)構(gòu)的前饋型映射網(wǎng)絡(luò)，由1組相互連接的運算單元組成，其中每一個連接都有相對應(yīng)的權(quán)值。網(wǎng)絡(luò)由輸入層、中間隱含層(1 層或多層)、輸出層3個部分構(gòu)成，而最基本的 BP神經(jīng)網(wǎng)絡(luò)是3層前饋網(wǎng)絡(luò)。

BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由正向傳播和反向傳播 2個部分組成的。其算法描述如下：

（1）從訓(xùn)練數(shù)據(jù)集{Xml}中取1個訓(xùn)練對象，將輸入向量送入網(wǎng)絡(luò)，其中 m、l 分別表示樣本數(shù)和輸入向量數(shù)。

（2）計算網(wǎng)絡(luò)的輸出向量。

輸入層：假設(shè) X1i為其第 i 個神經(jīng)元的輸入值；

隱含層：其第 j 個神經(jīng)元的輸出值為：

輸出層：其第 k 個神經(jīng)元的輸出值為：

式中：ω1ij為輸入層第 i 個神經(jīng)元與隱含層第 j個神經(jīng)元之間的連接權(quán)重，ω2jk為隱含層第 j 個神經(jīng)元與輸出層第 k 個神經(jīng)元之間的連接權(quán)重；θj、φk分別為隱含層第 j個神經(jīng)元和輸出層第 k 個神經(jīng)元的閾值。f (x)是一個非線性可微分非遞減函數(shù)，一般地，將其取為S形函數(shù)，即 f (x)=1/(1+e－x)。

（3）計算網(wǎng)絡(luò)的誤差信號。

式中：Tk表示輸出層中第 k 個神經(jīng)元的目標(biāo)值。

（4）計算目標(biāo)輸出向量和實際輸出向量之間的誤差：

式中：Omk和 Tmk分別表示第 m 個樣本在輸出層中第 k個神經(jīng)元的輸出值和目標(biāo)值。

（5）采用梯度下降法，反向調(diào)整權(quán)重，使誤差減小。

式中：t 表示學(xué)習(xí)順序；a 表示網(wǎng)絡(luò)的學(xué)習(xí)系數(shù)。

（6）重復(fù)步驟(1)～(5)，對整個訓(xùn)練集反復(fù)訓(xùn)練，直至對整個訓(xùn)練集的總誤差達到滿意程度。

從 BP 神經(jīng)網(wǎng)絡(luò)的工作原理可知，其具有很強的柔性和非線性映射能力。相關(guān)研究指出，在合理的結(jié)構(gòu)和恰當(dāng)?shù)臋?quán)值條件下，一個3層有 sigmoid 神經(jīng)元的 BP 神經(jīng)網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)[3]。本文將影響鐵路貨運客戶滿意度的各因素作為神經(jīng)網(wǎng)絡(luò)模型的輸入因子，客戶最終的滿意程度作為輸出因子，所以需要首先確定主要的影響因素，建立客戶滿意度指標(biāo)體系。

2 鐵路貨運客戶滿意度指標(biāo)體系

影響鐵路貨運客戶滿意度的因素主要有4個方面：①貨場設(shè)施，包括裝卸機具配置情況、貨場安全設(shè)施情況、倉儲和檢斤設(shè)備等的配置情況，以及營業(yè)廳整體布局合理性等因素；②服務(wù)狀況，包括員工的服務(wù)態(tài)度和服務(wù)意識等因素；③運輸成本，包括客戶對運輸成本的承受能力和運輸成本的合理性；④貨運業(yè)務(wù)，主要包括手續(xù)流程復(fù)雜度和辦理效率、投訴處理的現(xiàn)有方式和反饋處理，以及運輸合同兌現(xiàn)率等因素[4-6]。

根據(jù)這些影響客戶滿意度的因素，結(jié)合前人的研究成果和專家對鐵路客戶滿意度指標(biāo)的綜合分析，本文建立了鐵路貨運客戶滿意度指標(biāo)體系，如表1所示。從此體系中可以看出，二級指標(biāo)是基礎(chǔ)指標(biāo)，是整個評價的基礎(chǔ)；一級指標(biāo)是過程指標(biāo)，其評價值是由二級指標(biāo)的評價結(jié)果得出；目標(biāo)指標(biāo)是最終結(jié)果指標(biāo)。各級指標(biāo)都采用李克特量表分為5個等級來衡量：很不滿意 (很不重要)、較不滿意 (較不重要)、一般、滿意 (重要)、非常滿意 (非常重要)，對應(yīng)的數(shù)字分別用 1～5 來表示。

在鐵路貨運客戶滿意度評價過程中，各個指標(biāo)的影響程度是不同的，指標(biāo)權(quán)重設(shè)置是否科學(xué)合理，將直接影響到最終評價結(jié)果的合理性。本文二級指標(biāo)是整個評價模型的關(guān)鍵，其權(quán)重的確定需科學(xué)合理，因此，根據(jù)建立的指標(biāo)體系和問卷設(shè)計的原則，通過向托運人發(fā)放調(diào)查問卷，對各級指標(biāo)進行評價。首先將調(diào)查問卷篩選處理，摒棄明顯不合理的問卷；然后對指標(biāo)評價結(jié)果進行處理，在處理中把評價等級轉(zhuǎn)換為對應(yīng)的數(shù)字，即重要性分值，再將各個指標(biāo)(X1～X18) 的重要性分值分別除以所有指標(biāo)的重要性分值總和，即得出每個二級指標(biāo)的權(quán)重；以此作為模型的訓(xùn)練樣本輸入模型，按照指標(biāo)等級由低到高依次進行傳遞，其傳遞過程是通過 BP 神經(jīng)網(wǎng)絡(luò)自動賦予傳遞權(quán)重，并最終得出評價結(jié)果值。

表1 鐵路貨運客戶滿意度指標(biāo)體系

3 基于BP神經(jīng)網(wǎng)絡(luò)的鐵路貨運客戶滿意度評價模型

鐵路貨運客戶滿意度評價是一個巨大的非線性系統(tǒng)，其影響因素之間的關(guān)系相當(dāng)復(fù)雜，而客戶滿意度評價是建立在以往大量的數(shù)據(jù)“經(jīng)驗”之上，采用大規(guī)模的 BP 網(wǎng)絡(luò)能夠更好地滿足評價的需要，體現(xiàn)鐵路貨運客戶滿意度的內(nèi)在實質(zhì)。根據(jù) BP 神經(jīng)網(wǎng)絡(luò)算法，該模型是由輸入層、輸出層和隱含層構(gòu)成的3層前饋網(wǎng)絡(luò)。輸入層將評價指標(biāo)歸一化處理后的樣本數(shù)值作為神經(jīng)元；輸出層是對客戶滿意度等級的衡量，是一個從定性到定量，再從定量到定性的過程，通過BP 神經(jīng)網(wǎng)絡(luò)模型將定性轉(zhuǎn)化為定量輸出，再根據(jù)輸出結(jié)果和事先確定的標(biāo)準(zhǔn)，對客戶滿意度做出定性評價[7]。

3.1 輸入層節(jié)點數(shù)與輸出層節(jié)點數(shù)的確定

輸入層節(jié)點的個數(shù)與評價指標(biāo)個數(shù)相對應(yīng)。根據(jù)鐵路貨運客戶滿意度評價指標(biāo)體系，可以將最低一層的指標(biāo)數(shù)作為輸入層神經(jīng)元數(shù)，在此共有 18 個。前面已確定，輸出層節(jié)點對應(yīng)于評價結(jié)果，即輸出為1表示“很不滿意”、2 表示“較不滿意”、3 表示“一般”、4 表示“滿意”、5 表示“非常滿意”，所以輸出層節(jié)點確定為1個。

3.2 隱含層節(jié)點數(shù)的確定

隱含層的選取往往是網(wǎng)絡(luò)成敗的關(guān)鍵。關(guān)于隱含層節(jié)點數(shù)的選取，一般是根據(jù)具體問題憑經(jīng)驗和多次試驗來決定。如果隱含層節(jié)點數(shù)的選用太少，則網(wǎng)絡(luò)將不能建立復(fù)雜的判斷界，使網(wǎng)絡(luò)訓(xùn)練不出來，或不能識別以前沒有的樣本，容錯性較差；但是，如果隱含層節(jié)點選用太多，將會增加訓(xùn)練網(wǎng)絡(luò)的時間，訓(xùn)練過度，預(yù)測能力降低。因此必須選擇合適的隱含層節(jié)點數(shù)才能使訓(xùn)練達到要求。結(jié)合文中實際情況：輸入層節(jié)點數(shù) NI=18、輸出層節(jié)點數(shù) NO=1，先根據(jù)經(jīng)驗公式+L (L= 0，1，2，3，4，5) 計算，再用試湊法確定隱含層節(jié)點數(shù)。最終選取的隱含層節(jié)點數(shù)為 NH=6，從而得出本文所需的 BP 神經(jīng)網(wǎng)絡(luò)模型，其結(jié)構(gòu)如圖1所示。

圖1 鐵路貨運客戶滿意度評價BP網(wǎng)絡(luò)結(jié)構(gòu)圖

4 應(yīng)用舉例

為了檢驗?zāi)Ｐ偷膶嵱眯院驮u價效果，以某鐵路貨 運營業(yè)站為例，通過向 49 位托運人隨機發(fā)放問卷調(diào)查，舍棄嚴(yán)重不合理的問卷，剩余 45 個樣本數(shù)據(jù)，取其中 40 個作為建模的訓(xùn)練樣本集，另外5個數(shù)據(jù)作為測試樣本集用于測試網(wǎng)絡(luò)。

采用 MATLAB 軟件對該神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，訓(xùn)練誤差的期望值為0.01，最大訓(xùn)練次數(shù)取10 000 次。將 40 個訓(xùn)練樣本輸入 BP 神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，當(dāng)訓(xùn)練次數(shù)達到 230 次時，訓(xùn)練誤差收斂為0.008 096 77＜0.01，網(wǎng)絡(luò)訓(xùn)練結(jié)束[8]。

最后，將實際調(diào)查所得的5組測試樣本輸入訓(xùn)練好的 BP 神經(jīng)網(wǎng)絡(luò)模型中進行檢測，并將評價值與期望值進行比較。其結(jié)果誤差如表2所示。

由表2可見，通過訓(xùn)練學(xué)習(xí)，網(wǎng)絡(luò)幾乎掌握訓(xùn)練樣本的全部信息，學(xué)習(xí)效果良好，對于測試樣本的網(wǎng)絡(luò)輸出值也與實測值比較接近，平均結(jié)果誤差值僅為1.13%。目前，該貨運營業(yè)站客戶的滿意度處于一般水平，亟待提升。比較各考核指標(biāo)的評價值可知，客戶不滿意主要集中在貨運的辦理手續(xù)和事故處理、服務(wù)態(tài)度等方面，而對運輸準(zhǔn)時性和完好性、運輸成本的合理性及承受能力滿意度較高。

表2 鐵路貨運客戶滿意度評價結(jié)果

5 結(jié)束語

從客戶角度發(fā)現(xiàn)問題、分析問題，為鐵路相關(guān)部門提供決策支持，切實提高業(yè)務(wù)水平和服務(wù)水平，是鐵路貨運企業(yè)獲取競爭優(yōu)勢的重要條件，也是鐵路貨運企業(yè)不斷追求的目標(biāo)。本文建立了鐵路貨運客戶滿意度指標(biāo)體系，提出基于 BP 神經(jīng)網(wǎng)絡(luò)的鐵路貨運客戶滿意度的評價模型，并利用該模型對某鐵路貨運營業(yè)站的客戶滿意度進行評價，通過實例證明該方法的可行性，所得結(jié)論可供鐵路貨運企業(yè)借鑒參考。

[2] 馮芬玲，陳治亞. 鐵路貨運服務(wù)質(zhì)量的AHP—Fuzzy評價[J]. 技術(shù)經(jīng)濟，2007，26(5)：95-97.

[3] 朱大奇，史 慧. 人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M]. 北京：科學(xué)出版社，2006.

[4] 歐陽慶，劉 鋒，陳開峰. 模糊層次分析方法在客戶滿意度分析中的應(yīng)用[J]. 應(yīng)用科技，2006，33(5)：40-42.

[5] 馮芬玲，陳治亞. 基于SERVQUAL的鐵路貨物運輸服務(wù)質(zhì)量評價[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報，2007，28(1)：90-94.

[6] 蔣升陽，陳彥如，王 謙. 鐵路貨運事故處理質(zhì)量滿意評價體系研究[J]. 鐵道運輸與經(jīng)濟，2004，26(6)：69-71.

[7] 周建亨，劉 泳. 3PL客戶滿意度模糊評判方法[J]. 東華大學(xué)學(xué)報：自然科學(xué)版，2009，35(1)：94-97.

[8] 張葛祥，李 娜. MATLAB 仿真技術(shù)與應(yīng)用[M]. 北京：清華大學(xué)出版社，2003.