基于BP神经网络的超市顾客满意度研究
2017年02月16日 | 作者: adminlin | 分类: 企业顾客满意度 |
顾客满意度是衡量企业核心竞争力的一项重要指标。本文采用BP神经网络的综合评价方法对超市顾客满意度进行研究，利用一种权值谱分析方法，分析了顾客满意度和各个结构变量之间的关系，得出影响超市满意度的各个指标因素的排序。
随着市场的不断成熟，产品差异越来越小，服务质量已经逐渐成为衡量企业竞争优势的关键，尤其是在零售业这种更加偏重于服务质量的行业当中。在2000版ISO9000族标准中，“以顾客为关注焦点”位列“八项质量管理原则”之首。然而，要使‘顾客满意度管理’模式能为企业带来良好的效果，就必须采用科学的方法和手段对其过程和结果进行监控和测评。国外许多学者的研究表明:许多产品或服务的质量特性和顾客满意度之间存在着非线性关系。为此本文引入一种基于BP神经网络的权值谱分析方法，对顾客满意度和各个结构变量之间的关系进行分析。
一、KANO的顾客满意度模型
卡诺顾客满意模型把产品和服务的质量分为三类：当然质量、期望质量和迷人质量。当然质量是指产品和服务应当具备的质量特性。如果顾客认为这类质量特性的重要程度很高，企业在这类质量特性上的业绩也很好，但却不会显著增加顾客的满意度；相反，即使重要程度不高，如果企业在这类质量特性上的业绩不好，则会导致顾客的严重不满；期望质量是指顾客对产品或服务有具体要求的质量特性。这类质量特性的重要程度与顾客的满意程度同步增长。顾客对产品或服务的这种质量特性的期望以及企业在这种质量特性上的业绩都容易度量。因此，对这种质量特性的期望和满意度的测评是竞争性分析的基础;迷人质量是指产品或服务所具备的超越了顾客期望的、顾客没有想到的质量特性。这类质量特性（即使重要程度不高）能激起顾客的购买欲望，并导致顾客十分满意。
在三类质量特性中，期望质量和顾客满意度之间成线性正相关关系，这种关系提供了目前各种顾客满意度测评方法和模型的理论基础；而当然质量和迷人质量与顾客满意度之间则为非线性正相关关系，对此，目前的各种顾客满意度模型都无法给出令人信服的数学解释。统计工具中虽然有各种非线性回归的方法，但对当然质量和迷人质量与顾客满意度之间的这种非线性关系的拟合效果并不理想。因此，本文应用卡诺顾客满意模型的原理，提出一种基于BP神经网络的综合评价方法对客户满意度进行综合评价, 分析顾客满意度和各个结构变量之间的非线性关系。
二、方法模型
BP网络是一种多层次反馈型网络，所使用的是有指导的训练方法。本文采用具有多输入单元、单隐层单元和单输出单元的三层BP神经网络，其结构如图1所示。
n、m分别表示输入结点和隐含结点个数；Xi1,Xi2…Xin是第i个样本模式的评价指标属性值，Yi1，Yi2…Yin为Xij经相应隶属函数量化后的评价值;ωij（i=1,2…n; j=1,2…m）为输入层第i个单元到第j个单元的连接权值;ωj(j=1,2…m)为隐层第j单元到输出层的连接权值；Oi为样本模式i的输出。输入样本为Y(i)={Yi1，Yi2…Yin}即被评对象各分指标的隶属度函数值。输出样本Oi为综合评价总指标，由(1)式确定，其中Yij是Xij经上述转换后的隶属度函数值，ωj为综合评价中各分指标的权重。
三、评价分析
本文数据来自对济南华联超市的调查，对其满意度进行评价，步骤如下：
1.确定评价指标。在确定客户满意度指标时应当遵循全面性原则、代表性原则、区分度原则、效用性原则。一般来说,不同行业的企业和产品的客户满意度指标会有所差异,为确保调查问卷能够涵盖所有对客户满意有所帮助的因素和问题,在设计满意度指标是有必要作一些探测性市场调查。本文根据前人的研究成果及专家对超市顾客满意度指标的综合分析，确定商品价格满意程度（X1）；商品种类齐全、货源充裕（X2）；商品(特别是食品)质量的安全可靠性（X3）；服务人员态度亲切、友好礼貌（X4）；服务人员仪表整洁、举止文明（X5）；员工不会因太忙而疏于及时解决消费者的问题（X6）；员工具有充足的专业知识能回答顾客提问（X7）；提供咨询、投诉处理环节（X8）；提供送货、退货、保养和维修服务（X9）；结算快速准确（X10）；支付方式灵活多样（X11）；超市(卖场)整体布局合理（X12）；柜台、商品摆放合理查找方便（X13）；导购标志明显（X14）；店址是否合理（X15）；超市附近交通是否便利（X16）；超市附近停车方便与否（X17）；超市的整洁及卫生状况（X18）；灯光照明、超市（卖场）通风（X19）；超市的安全设施情况（X20）；超市配有良好的休闲设施和卫生间（X21）；超市促销频率及水平（X22）；超市经营时间满足要求程度（X23)23个指标能很好的测评出顾客对超市满意度。
2.问卷指标量化。问卷衡量方式采用Likert5点尺度量表来进行评估，分为非常不满意(或非常不重要)，有点不满意(有点不重要)，中立，有点满意(有点重要)，非常满意(非常重要)。由顾客对有关顾客满意度的满意程度和重要程度各个指标进行评分。指标Xij的权重即重要程度采用顾客赋权法，顾客赋权法较客观地反映了顾客对某一指标的看法，计算也十分简便。将第j个指标的重要性分值除以所有指标的重要性分值总和，即得出第j个指标的权重。最后采用（1）公式计算出此顾客的满意度，作为顾客对超市满意度的网络输出。
3.样本的收集及网络结构。调查表发放了120份，其中有效数据为100份。为确保数据的合理性，分别对不同性别、年龄、学历、收入的人群进行问卷调查。调查表的前90个用于训练学习样本，后10个用于验证样本。网络结构采用三层BP网络，输入层单元为23个评价指标；隐含层为一层，设为15个节点；输出层单元数为1个即顾客对超市的满意度。利用MATLAB中的工具箱，建立人工神经网络。
4.网络训练。经过150次训练误差到达0.0001。利用训练好的BP神经网络,用后10个样本数据对BP网络的有效性进行验证。经过验证，样本数据与实际输出误差极小，可以得出用BP算法得出的结果与实际值的结果基本一致,它最大的优点是不受人为因素的影响、准确度高。
5.指标分析。利用训练好的网络，对每个输入指标对于输出指标的影响进行分析。神经网络的第一层单元一般是线性的。从直观意义上讲，它是将数据的隐含信息引入到网络的隐含层。输入层和隐含层之间的各个权值的绝对值大小代表了某个变量被引入网络的信息量大小。一般来说，对于一个已经训练好的网络，无论输入如何变化，权值是保持不变的。基于这一点,本文引入一种基于神经网络的权值谱分析方法。根据上面的分析可知，在没有噪声或噪声影响较小的情况下，网络权值的分配是严格按照其对输出的贡献的大小来进行的。因此，对于一个训练好的网络，可以先求出各个输入变量到隐含层单元的权值，然后对其做如下处理: (2)，其中,为第j个输入变量到第m个隐含层神经元的权值，j为数入变量个数，m为隐含层神经元个数，得到的为输入变量xij的谱值。依据谱值的大小分析输入对输出的影响。利用公式（2），计算出输入量到隐含层的权值谱。得到如图2所示的权值谱图。
图2横坐标1－23分别代表上述23个指标对满意度影响的权值谱。从上面的权值谱分析图上可以看出,对满意度影响最大的因素是超市附近交通是否便利（X16）,最小的是商品(特别是食品)质量的安全可靠性（X3）。在超市购物、服务、质量的诸要素中，超市位置便利程度、售中售后服务、购物中的便利权值较高。这说明当前消费者去超市购物，最为关注的是超市的便利和服务的质量，其次是超市的环境。商品质量的安全可靠性影响最小，这说明消费者认为质量的安全是当然质量，超市应能满足质量的要求，所以它对满意度的影响最不明显。但是如果没有满足当然质量，满意度也会急剧下降。
四、结论与建议
本文对超市经营者如何提高服务质量、增强顾客购物的满意度具有重要的指导意义。在当今竞争日趋激烈的卖方市场上，超市经营者想获得持续的竞争优势就必须以顾客为中心，提升期望质量和迷人质量。为此,超市经营者应注意以下几点:①提高超市的便利程度。超市产业被称为“选址的产业”。选址的好坏,直接关系到超市经营能否成功。不仅要有便利的交通，超市布局和取货的便利程度以及服务的便利也是满意度的决定因素。②提高超市服务质量,培养顾客对超市的品牌忠诚度。上面对超市顾客满意度的调查分析告诉我们,便利对顾客满意度起着决定性的作用，但也不可忽视服务对满意度的影响。好的服务对于提高迷人质量有着不可忽视的作用，迷人质量更是建立顾客忠诚的重要因素。
经过上面的分析，我们可以看出:BP神经网络能够更好地反映出各个变量之间的复杂关系，尤其是非线性关系，因而有更高的拟合精度。将训练后的BP神经网络用于顾客满意度的综合评价，既可摆脱人为因素及模糊随机性的影响，又能保证评价的准确性，是一种智能的评价方法。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
