天津財經(jīng)大學(xué) 王英娟 彭飛

隨著經(jīng)濟(jì)全球一體化，市場競爭越來越激烈，人們對產(chǎn)品和服務(wù)的需求越來越多樣化，企業(yè)為了占有更大的市場份額，需要不斷努力滿足顧客的需求。其中顧客作為產(chǎn)品和服務(wù)的受用者已成為企業(yè)賴以生存的根本，而顧客滿意度對企業(yè)生存發(fā)展更是至關(guān)重要。現(xiàn)在多數(shù)企業(yè)已經(jīng)認(rèn)識到提升顧客滿意度對企業(yè)長久發(fā)展的重要性。顧客滿意度測評有利于企業(yè)了解顧客需求從而有針對性的進(jìn)行改進(jìn)。參考相關(guān)文獻(xiàn)其中常見的顧客滿意度測評方法有如下幾種：

(1)雙重評價法：這種方式主要是讓受訪者對被調(diào)查產(chǎn)品的一些影響滿意度的相關(guān)驅(qū)動要素進(jìn)行打分，同時對其重要性程度打分[6]。

(2)采用計量經(jīng)濟(jì)學(xué)測評方法：該方法將數(shù)量經(jīng)濟(jì)學(xué)的方法與顧客滿意理論的內(nèi)容結(jié)合在一起提出一種多元線性回歸模型。此模型注重數(shù)據(jù)的完整性和一致性。

(3)采用結(jié)構(gòu)方程模型進(jìn)行測評：結(jié)構(gòu)方程模型是目前國際上流行的顧客滿意度研究分析手段之一。它是一種驗(yàn)證性多元統(tǒng)計分析技術(shù)，通過驗(yàn)證觀測變量和潛在變量之間的結(jié)構(gòu)來揭示現(xiàn)實(shí)生活中的因果關(guān)系。當(dāng)今國內(nèi)外主流的用戶滿意度研究都是采用

結(jié)構(gòu)方程模型構(gòu)建，并通過偏最小二乘法(Partial Least Squares，PLS)進(jìn)行計算分析[6]。

(4)利用神經(jīng)網(wǎng)絡(luò)分析技術(shù)進(jìn)行顧客滿意度測評：神經(jīng)網(wǎng)絡(luò)因?qū)ψ兞康南拗戚^少可以克服傳統(tǒng)多元回歸統(tǒng)計分析的不足。同時此方法與結(jié)構(gòu)方程模型相比能夠更好的反映出各個變量之間的復(fù)雜關(guān)系。本文運(yùn)用此方法進(jìn)行測評研究。

1 遺傳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,因此該方法在尋優(yōu)的過程中容易陷入局部極小，且由于學(xué)習(xí)速率固定使得網(wǎng)絡(luò)收斂速度較慢。而遺傳算法是一種借鑒生物界自然選擇和進(jìn)化機(jī)制發(fā)展起來的用于全局優(yōu)化的迭代算法。為克服BP網(wǎng)絡(luò)局部極小的缺點(diǎn)本文將遺傳算法的全局搜索性和BP神經(jīng)網(wǎng)絡(luò)的局部搜索快速性的優(yōu)點(diǎn)結(jié)合起來。

遺傳神經(jīng)網(wǎng)絡(luò)的算法執(zhí)行過程為初始群體的設(shè)定、編碼方式的選擇、個體適應(yīng)度計算、選擇、交叉、變異、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得出問題的最優(yōu)解[5]。該算法的基本處理流程如圖1所示。

2 基于遺傳神經(jīng)網(wǎng)絡(luò)的顧客滿意度測評模型建立

本測評模型首先采用遺傳算法進(jìn)行全局尋優(yōu)；尋優(yōu)后利用解碼將遺傳算法的基因群體還原為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，然后對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和顧客滿意度的測評；最后由網(wǎng)絡(luò)輸出最終測評結(jié)果[6]。基于遺傳神經(jīng)網(wǎng)絡(luò)的測評模型如圖2所示。

圖1 遺傳神經(jīng)網(wǎng)絡(luò)處理流程圖

圖2 基于GA-BP神經(jīng)網(wǎng)絡(luò)的顧客滿意度測評模型

2.1 評價指標(biāo)的確定

此模型評價指標(biāo)由輸入指標(biāo)和輸出指標(biāo)組成[1]。輸入指標(biāo)：(1)企業(yè)形象(知名度X1、知曉度X2、美譽(yù)度X3)[5]；(2)顧客期望(顧客的總體期望X4、顧客對產(chǎn)品或服務(wù)質(zhì)量滿足需求程度的期望X5、顧客對產(chǎn)品或服務(wù)質(zhì)量穩(wěn)定性的期望X6)；(3)顧客對產(chǎn)品質(zhì)量的感知(顧客對產(chǎn)品質(zhì)量滿足需求的感知X7、顧客對產(chǎn)品質(zhì)量可靠性的評價X8、顧客對產(chǎn)品質(zhì)量的總體評價X9)；(4)顧客對服務(wù)質(zhì)量的感知(顧客對服務(wù)質(zhì)量滿足需求的感知X10、顧客對服務(wù)質(zhì)量可靠性的評價X11、顧客對服務(wù)質(zhì)量的總體評價X12)；(5)顧客對價值的感知(顧客對總價值的感知X13、給定質(zhì)量下對價值級別的評價X14、給定價格下對質(zhì)量級別的評價X15)[9]；(6)企業(yè)的服務(wù)質(zhì)量(服務(wù)人員的專業(yè)知識X15、服務(wù)人員的態(tài)度X16、服務(wù)人員的儀容儀表X17)[5-9]；(7)購買環(huán)境(商品種類X18、環(huán)境設(shè)施X19、設(shè)施安全性X20)。GA-BP網(wǎng)絡(luò)輸出指標(biāo)：顧客滿意度(總體滿意度Y1、同預(yù)期相比較Y2、同其他品牌相比較Y3)[1]。

2.2 網(wǎng)絡(luò)設(shè)計

GA-BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層和輸出層。其中隱含層中的傳遞函數(shù)采用sigmoid型函數(shù)，輸出層節(jié)點(diǎn)的激活函數(shù)設(shè)定為線性激活函數(shù)[8]。

2.3 樣本收集

依據(jù)上文提供的20個指標(biāo)進(jìn)行相關(guān)指標(biāo)值的收集。

2.4 遺傳優(yōu)化和網(wǎng)絡(luò)訓(xùn)練

實(shí)際中所收集到的數(shù)據(jù)往往不是在同一個數(shù)量級，所以將所收集的樣本數(shù)據(jù)映射到[-1，1]之間，先做歸一化處理，這樣有利于提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。

2.5 樣本測試

對已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)采用待檢測的樣本進(jìn)行有效性驗(yàn)證。

3 實(shí)例分析

通過對某商場進(jìn)行顧客滿意度調(diào)查得出相關(guān)實(shí)例數(shù)據(jù)。通過MATLAB軟件對數(shù)據(jù)進(jìn)行處理。選取53組調(diào)研數(shù)據(jù)進(jìn)行分析，其中50組數(shù)據(jù)對GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；再選取沒有參加訓(xùn)練的3組數(shù)據(jù)對經(jīng)過學(xué)習(xí)的BP網(wǎng)絡(luò)進(jìn)行預(yù)測，將網(wǎng)絡(luò)得出的預(yù)測值與實(shí)際值進(jìn)行比較分析，計算兩者之間的誤差，以檢驗(yàn)該方法的正確性和實(shí)用性。

此GA-BP神經(jīng)網(wǎng)絡(luò)共設(shè)計為三層，其中輸入層節(jié)點(diǎn)20個，隱含層節(jié)點(diǎn)4個，輸出節(jié)點(diǎn)3個。隨機(jī)產(chǎn)生100個個體作為初始種群，遺傳代數(shù)設(shè)定為100，交叉概率Pc為0.7，變異概率Pm為0.05。設(shè)定后分別進(jìn)行選擇、交叉和變異操作，從中得到BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。取神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)速率為0.01，訓(xùn)練次數(shù)800，網(wǎng)絡(luò)訓(xùn)練為0.0001。經(jīng)過實(shí)驗(yàn)BP網(wǎng)絡(luò)輸出和GA-BP網(wǎng)絡(luò)輸出預(yù)測結(jié)果與實(shí)際值對比如表1所示、誤差如表2所示。

表1 BP、GA-BP網(wǎng)絡(luò)訓(xùn)練結(jié)果與實(shí)際值比較分析

表2 BP、GA-BP網(wǎng)絡(luò)誤差比較

從圖3、圖4中可以得出：BP網(wǎng)絡(luò)經(jīng)過563次迭代達(dá)到實(shí)驗(yàn)要求的預(yù)測精度，而經(jīng)GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)僅需經(jīng)過232次迭代即可滿足誤差精度要求，并且從預(yù)測的結(jié)果來看, GA-BP網(wǎng)絡(luò)預(yù)測的誤差小于BP網(wǎng)絡(luò)，其MSE = 0.3885，而BP網(wǎng)絡(luò)MSE = 0.5366。

4 結(jié)語

本文借鑒遺傳算法和BP神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn)建立了基于GA-BP神經(jīng)網(wǎng)絡(luò)的顧客滿意度測評模型。通過實(shí)例數(shù)據(jù)分析，此遺傳神經(jīng)網(wǎng)絡(luò)對顧客滿意度的測評比BP神經(jīng)網(wǎng)絡(luò)評價更有效、更準(zhǔn)確。此研究結(jié)果表明將遺傳算法與神經(jīng)網(wǎng)絡(luò)互相結(jié)合是有一定應(yīng)用價值的，這也為我們利用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模預(yù)測提供了新的發(fā)展思路。

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差

圖4 GA-BP網(wǎng)絡(luò)訓(xùn)練誤差

[1]Yao-Hung Hsieh, Chiuhsiang Joe Lin, James C.Chen.Customer satisfaction measurement with neural network[J].Human Systems Management, 2007/1,26(1).

[2]高琴,張衛(wèi)綱.基于BP神經(jīng)網(wǎng)絡(luò)的客戶滿意度評價模型[J].江蘇商論,2007(06).

[3]曾鳳章,王元華.神經(jīng)網(wǎng)絡(luò)在顧客滿意度測評中的應(yīng)用[J].北京理工大學(xué)學(xué)報(社會科學(xué)版),2005(01).

[4]金少勝,周潔紅.神經(jīng)網(wǎng)絡(luò)在顧客滿意度研究中的應(yīng)用[J].統(tǒng)計與決策,2003.

[5]趙富強(qiáng).基于PLS路徑模型的顧客滿意度測評研究[D].天津大學(xué)博士學(xué)位論文,2010,6.

[6]趙富強(qiáng),王荃,張磊.基于RBF神經(jīng)網(wǎng)絡(luò)的農(nóng)機(jī)企業(yè)顧客滿意度測評研究[J].中國農(nóng)機(jī)化,2011(3).

[7]劉永坤.基于遺傳神經(jīng)網(wǎng)絡(luò)的建筑工程快速估價研究[M].華東交通大學(xué),2006.

[8]趙富強(qiáng),姚紹文,徐建剛.基于遺傳神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)機(jī)械化水平測評研究[J].中國農(nóng)機(jī)化,2010(4).

[9]余琳娜.基于顧客滿意的D企業(yè)第三方物流配送優(yōu)化策略研究[D].天津大學(xué)碩士學(xué)位論文,2009,3.

[10]李曄.基于一種改進(jìn)遺傳算法的神經(jīng)網(wǎng)絡(luò)[D].太原理工大學(xué)碩士論文,2007,4.