基于云模型的配送客戶價(jià)值模糊綜合評(píng)價(jià)研究

劉秋萍

摘要：為了構(gòu)建符合配送企業(yè)實(shí)際情況的客戶價(jià)值評(píng)價(jià)指標(biāo)體系，分別從客戶當(dāng)前價(jià)值和潛在價(jià)值進(jìn)行評(píng)價(jià)。針對(duì)價(jià)值評(píng)價(jià)范圍的模糊性問(wèn)題，引進(jìn)交叉量化的評(píng)價(jià)標(biāo)準(zhǔn)云模型。為克服評(píng)價(jià)過(guò)程中隸屬度函數(shù)單一主觀性，引入云模型代替原隸屬度函數(shù)，更好體現(xiàn)評(píng)價(jià)指標(biāo)定性評(píng)分的隨機(jī)性和模糊性。最后選取某企業(yè)的配送客戶數(shù)據(jù)分別用云模型評(píng)價(jià)法和常規(guī)模糊綜合評(píng)分對(duì)客戶進(jìn)行分類，結(jié)合配送客戶實(shí)際情況，驗(yàn)證了所提出的客戶價(jià)值分類方法是有效的。

關(guān)鍵詞：配送客戶價(jià)值;云模型;模糊綜合評(píng)價(jià)

一、引言

不同的客戶為企業(yè)創(chuàng)造的經(jīng)濟(jì)效益是不同的，為了更大化配送企業(yè)的經(jīng)濟(jì)效益，通過(guò)對(duì)客戶進(jìn)行精確的分類管理，針對(duì)不同客戶提供差異化的服務(wù)方式，對(duì)提高配送客戶的滿意度和忠誠(chéng)度具有較大幫助，且能實(shí)現(xiàn)企業(yè)配送資源的優(yōu)化分配管理。

目前國(guó)內(nèi)外學(xué)者對(duì)于客戶價(jià)值評(píng)價(jià)指標(biāo)和評(píng)價(jià)方法的相關(guān)研究。包志強(qiáng)，等學(xué)者在傳統(tǒng)的RFM模型基礎(chǔ)上進(jìn)行改進(jìn)，提出RFA模型，應(yīng)用K-means聚類算法對(duì)客戶進(jìn)行細(xì)分。Permana D等從客戶生命周期價(jià)值的出發(fā)，分別應(yīng)用馬爾可夫模型，kano模型等為客戶未來(lái)潛在的價(jià)值進(jìn)行評(píng)估。Mosavi A B等學(xué)者使用模糊層次分析方法來(lái)解決評(píng)價(jià)客戶價(jià)值時(shí)評(píng)價(jià)指標(biāo)存在的模糊性和不確定因素，但卻沒(méi)法克服模糊隸屬度函數(shù)的選擇存在的主觀性。研究如何能針對(duì)客戶評(píng)價(jià)指標(biāo)的模糊性和不確定性進(jìn)行。

可見，國(guó)內(nèi)外學(xué)者客戶價(jià)值分類的指標(biāo)選取和評(píng)價(jià)方法有較深入的研究，但對(duì)配送客戶需求多樣化，累積的客戶數(shù)據(jù)量龐大且動(dòng)態(tài)變化，對(duì)于一些定性指標(biāo)如何定量化評(píng)價(jià)，以及評(píng)價(jià)標(biāo)準(zhǔn)區(qū)間的模糊性或者重疊部分如何確定，評(píng)價(jià)過(guò)程中的不確定如何處理等問(wèn)題的相關(guān)研究卻比較少。李德毅學(xué)者提出的云模型主要是由以下三個(gè)數(shù)字特征表示，分別為期望（EX）、熵（En）、超熵（He），能有效實(shí)現(xiàn)定性和定量互相轉(zhuǎn)化的特點(diǎn)。因此本文將云模型應(yīng)用到客戶價(jià)值分類，將客戶價(jià)值評(píng)價(jià)指標(biāo)的相關(guān)參考文獻(xiàn)和配送企業(yè)客戶的實(shí)際情況相結(jié)合，確定評(píng)價(jià)指標(biāo)體系，然后構(gòu)建不同評(píng)語(yǔ)量化區(qū)間存在相交的標(biāo)準(zhǔn)云模型解決評(píng)價(jià)分界過(guò)于絕對(duì)性，跟傳統(tǒng)的模糊評(píng)價(jià)方法比較，該方法更能客觀對(duì)配送客戶進(jìn)行分類。

二、配送客戶等級(jí)劃分及評(píng)價(jià)指標(biāo)體系建立

（一）配送客戶等級(jí)劃分

本文對(duì)配送客戶等級(jí)劃分主要建立在企業(yè)視角，配送能為客戶帶來(lái)當(dāng)前和未來(lái)所有可變現(xiàn)的經(jīng)濟(jì)利益價(jià)值。假設(shè)評(píng)價(jià)值設(shè)定為[0，10]，考慮到定性評(píng)價(jià)模糊性，相鄰集合之間沒(méi)有嚴(yán)格條件設(shè)定，本文在原來(lái)模糊綜合評(píng)判評(píng)語(yǔ)集之間沒(méi)有交集的情況下允許評(píng)語(yǔ)集與評(píng)語(yǔ)集之間有交集，確定配送客戶5個(gè)等級(jí)：低端客戶[0，3），開發(fā)客戶（2，5），常規(guī)客戶（4，8），良性客戶（6，9），高端客戶（8，10]。

（二）配送客戶等級(jí)價(jià)值評(píng)價(jià)體系的建立

配送客戶價(jià)值的評(píng)價(jià)體系指標(biāo)的設(shè)計(jì)應(yīng)該遵循科學(xué)性的原則，結(jié)合物流配送企業(yè)的實(shí)際情況，構(gòu)建符合冷鏈物流配送客戶的評(píng)價(jià)指標(biāo)體系（具體如圖1所示）。層級(jí)劃分主要依據(jù)AHP法，將評(píng)價(jià)體系中作用、影響程度不同的指標(biāo)分列不同層次上。

（三）評(píng)價(jià)指標(biāo)權(quán)重的確定

根據(jù)指標(biāo)間的相對(duì)重要性程度，邀請(qǐng)相關(guān)行業(yè)專家和企業(yè)高管評(píng)估指標(biāo)的重要性，應(yīng)用層次分析法確定各指標(biāo)權(quán)重。

三、配送客戶價(jià)值等級(jí)評(píng)價(jià)模型

（一）配送客戶的評(píng)語(yǔ)集云模型

（二）基于云模型的配送客戶等級(jí)綜合評(píng)價(jià)方法

1. 根據(jù)配送客戶價(jià)值指標(biāo)體系構(gòu)成因素集，設(shè)為U={U1 U2 U3 … Um}，通過(guò)配送企業(yè)業(yè)務(wù)主管和配送人員對(duì)客戶的了解，分別對(duì)配送客戶的各指標(biāo)因子打分，為了使計(jì)算過(guò)程更加簡(jiǎn)便，假定評(píng)分區(qū)間為[0，10]，確定各指標(biāo)分?jǐn)?shù)值Xi。

2. 咨詢?cè)擃I(lǐng)域的專家和配送企業(yè)的相關(guān)主管各指標(biāo)的相對(duì)重要性程度，依據(jù)層次分析法確定各級(jí)指標(biāo)的權(quán)重W={w1 w2 w3 … wm}。

3. 將下層指標(biāo)得到的評(píng)分值代入到標(biāo)準(zhǔn)云模型中，可得下層指標(biāo)相對(duì)于上層級(jí)指標(biāo)的隸屬度值Ri=（ri1 ri2 ri3 … rin）（i=1，2，3…）。

4. 云模型綜合評(píng)價(jià)C是評(píng)價(jià)集V上的模糊子集，則有式（2）

模糊綜合評(píng)價(jià)法R代表隸屬度函數(shù)的集合，不同問(wèn)題可設(shè)定不同隸屬度函數(shù)。由于該方法一般是用固定的隸屬度函數(shù)相關(guān)曲線表現(xiàn)問(wèn)題描述的映射，不能準(zhǔn)確的表達(dá)問(wèn)題的模糊性和隨機(jī)性。為讓隸屬度更加客觀，更好表述不同評(píng)價(jià)等級(jí)之間的交叉關(guān)系，將模糊綜合評(píng)價(jià)法中的隸屬度函數(shù)用正太云模型來(lái)計(jì)算。具體公式為μc=exp-，評(píng)分值相當(dāng)于云滴x，且滿足x～B（Ex，En2），En′～N（En，He2）

5. 根據(jù)指標(biāo)體系層數(shù)，重復(fù)3～4步，直到算到頂層配送客戶的等級(jí)評(píng)價(jià)值。

四、實(shí)例分析

本文隨機(jī)選取冷鏈物流配送企業(yè)L的10家客戶為研究對(duì)象。目前該企業(yè)主要采用ABC法根據(jù)配送客戶近期的配送量進(jìn)行簡(jiǎn)單的分類，主要是考慮配送客戶的當(dāng)前價(jià)值，而未考慮配送客戶的潛在價(jià)值，可見本文提供評(píng)價(jià)指標(biāo)體系等級(jí)劃分方法可解決此問(wèn)題。

（一）數(shù)據(jù)的獲取

本文隨機(jī)抽取配送企業(yè)的10個(gè)客戶樣本，并將配送客戶名稱假定為Si……S10。評(píng)價(jià)體系中分為兩部分，一部分為主觀評(píng)價(jià)數(shù)據(jù)，包括費(fèi)用指標(biāo)，客戶忠誠(chéng)度指標(biāo)，客戶成長(zhǎng)性指標(biāo)。這部分?jǐn)?shù)據(jù)主要通過(guò)問(wèn)卷，邀請(qǐng)業(yè)務(wù)經(jīng)理，配送主管，財(cái)務(wù)主管共10位本著實(shí)事求是的態(tài)度打分。

另一部分為客觀數(shù)據(jù)，該部分?jǐn)?shù)據(jù)從客戶管理系統(tǒng)導(dǎo)出。不同企業(yè)評(píng)分規(guī)則可能略有差異，本文參照該企業(yè)實(shí)際管理情況進(jìn)行評(píng)分，具體規(guī)則如下：

當(dāng)次配送貨物數(shù)量a11，評(píng)分設(shè)為SCOREa11，當(dāng)a11大于配送車輛載重20%（設(shè)為x），評(píng)為10分，否則SCOREa11=（1-（x-a11）/x）*10。

統(tǒng)計(jì)周期內(nèi)的配送總數(shù)量a12，評(píng)分設(shè)為SCOREa12，當(dāng)a12大于配送企業(yè)規(guī)定的業(yè)績(jī)指標(biāo)（設(shè)為y），評(píng)分為10，否則SCOREa11=（1-（y-a12）/y）*10。

統(tǒng)計(jì)周期內(nèi)的平均每次配送數(shù)量a13，評(píng)分設(shè)為SCOREa13，當(dāng)a13大于配送車輛載重20%（設(shè)為z），評(píng)為10分，否則SCOREa13=（1-（z-a11）/z）*10。

（二）指標(biāo)權(quán)重的確定

根據(jù)1介紹的方法，邀請(qǐng)行業(yè)相關(guān)專家對(duì)指標(biāo)體系的比較分析和統(tǒng)計(jì)，具體評(píng)判矩陣和各指標(biāo)權(quán)重結(jié)果如下：

（三） 評(píng)價(jià)綜合結(jié)果分析

以客戶S1為例，將表S1客戶的得分值帶入標(biāo)準(zhǔn)的云模型中得到相應(yīng)的隸屬度矩陣：

（四）對(duì)比分析

根據(jù)方法1：基于云模型的模糊評(píng)價(jià)法;方法2：綜合模糊評(píng)判法，評(píng)價(jià)人員之間給出評(píng)分，評(píng)分對(duì)應(yīng)的等級(jí)，若存在評(píng)分出現(xiàn)在兩個(gè)等級(jí)區(qū)間的，取較低等級(jí)的來(lái)計(jì)算;方法3：綜合模糊評(píng)判法，評(píng)價(jià)人員之間給出評(píng)分，若存在評(píng)分出現(xiàn)在兩個(gè)等級(jí)區(qū)間的，取較高的等級(jí)計(jì)算。方法2和方法3隸屬度函數(shù)rij=，由于對(duì)等級(jí)規(guī)則的臨界區(qū)間的不確定，分子的大小存在不同。

從表1看出，10個(gè)客戶當(dāng)中有8個(gè)客戶評(píng)價(jià)是一致的，存在的不一致的客戶分類是S2、S4，且是在臨近等級(jí)存在差異?？蛻鬝2主要分歧在于是良性客戶還是高端客戶，兩者的評(píng)分標(biāo)準(zhǔn)分別是（6，9）和（8，10]，由于方法3使用取較高等級(jí)的評(píng)語(yǔ)，最后得到高端客戶?？蛻鬝4的分歧在于是常規(guī)客戶還是開發(fā)客戶，兩者的評(píng)分標(biāo)準(zhǔn)是（4，8）和（2，5）。由于方法2取較低等級(jí)評(píng)語(yǔ)，最后得到開發(fā)客戶。而根據(jù)評(píng)分用標(biāo)準(zhǔn)云求出的最大隸屬值S2落在良性客戶區(qū)間，S4落在常規(guī)客戶區(qū)間。最后回歸到現(xiàn)在，根據(jù)S2最近的配送情況，最后配送企業(yè)的相關(guān)評(píng)價(jià)主管一致認(rèn)為該客戶為S2為良性客戶，S4為常規(guī)客戶?？煽闯?，基于云模型的模糊評(píng)價(jià)方法可以有效避免常規(guī)綜合模糊方法中隸屬度產(chǎn)生的主觀性影響。此外，該方法更符合實(shí)際對(duì)評(píng)價(jià)等級(jí)模糊臨界點(diǎn)的界定。

五、結(jié)語(yǔ)

根據(jù)配送企業(yè)客戶的實(shí)際情況，建立客戶當(dāng)前價(jià)值、潛在價(jià)值的綜合評(píng)價(jià)指標(biāo)體系。評(píng)價(jià)指標(biāo)的存在定性指標(biāo)難以量化以及評(píng)價(jià)區(qū)間標(biāo)準(zhǔn)的模糊性，為避免評(píng)價(jià)過(guò)程中的不確定性和人為的主觀判斷，利用云?？上嗷マD(zhuǎn)化的定性定量特征，通過(guò)云模型構(gòu)建相關(guān)的隸屬度函數(shù)，避免常規(guī)模糊評(píng)判中隸屬度函數(shù)單一主觀的缺陷。最后通過(guò)實(shí)例驗(yàn)證本文提出關(guān)于客戶價(jià)值分類方法的有效性和可行性。

參考文獻(xiàn)：

[1]包志強(qiáng)，趙媛媛，趙研，胡嘯天，高帆.基于RFA模型和聚類分析的百度外賣客戶細(xì)分[J].計(jì)算機(jī)科學(xué)，2018（S2）.

[2]Permana D， Pasaribu U S， Indratno S W， et al. Classification of customer lifetime value models using Markov chain[J]. Journal of Physics： Conference Series， 2017（01）.

[3]Mosavi A B， Afsar A. Customer Value Analysis in Banks Using Data Mining and Fuzzy Analytic Hierarchy Processes[J]. International Journal of Information Technology & Decision Making，2018（04）.

[4]李德毅， 杜鹢. 不確定性人工智能.[M]. 國(guó)防工業(yè)出版社， 2014.

[5]劉杰，王宇，李文立.基于云模型的商家信譽(yù)綜合評(píng)價(jià)方法[J].大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（01）.

（作者單位：江蘇大學(xué)管理學(xué)院）