基于BP算法的客户价值评价 - 西北大学学报.docVIP

基于BP算法的客户价值评价 陈光会1，李纯青1，2，赵 健3，赵 艳1 西安工业学院 经济管理学院，陕西 西安 710032；2.西安交通大学 管理学院 陕西 西安 710048； 3. 西北大学 电子科学系，陕西 西安 710069) 摘　要：针对神经网络的结构特性、自适应性和自学习功能，提出了基于BP神经算法的客户价值评价系统。通过系统的规划、设计，确定了系统模型，并用改进的BP算法实现了客户价值评价该模型在收敛速度、网络的适应能力方面是可行的、适用的。实验结果表明：该方法用于客户关系管理领域的客户价值评价克服了传统分析过程的复杂性，具有方便、准确、可靠、快速的特点。 关　键　词：客户价值指标评价BP模型 中图分类号：TP391 文献标识码：A 文章编号：1000-274X(2003)0054-08在WTO以及经济全球化形势下，为数不少的企业纷纷从“以产品为中心”的模式向“以客户为中心”的模式转移但由于国内企业发展的特殊轨迹，在客户关系管理CRM（Customer elationship management）方面的研究和应用明显落后于国外。CRM的核心内容便是客户价值，而本文所要研究的客户价值是把客户看作一项资源(客户资源) [1]，这种客户资源能够给企业带来的利益，称为企业的客户价值。企业的发展取决于客户提供给企业的价值，不同的客户对企业的贡献度不一样，对企业而言，客户的价值就不一样。 在众多的客户中，哪些客户是最有价值的如何根据客户价值的大小提供不同层次的服务解决这些问题的最好办法是建立客户价值评价指标体系。如何建立采用何种方法才能对客户价值进行准确、快速的评价这便是本文研究的内容。 1 综合评价是对系统进行技术(功能)、经济、社会等各方面的全面评价，是决策理论研究的一个重要内容，主要是指评价主体在多指标体系下对某方案的优劣评判或分类判别其问题本身可以由下列四元组来描述〈A，V，Wc，O〉，其中：A={a1，a2，…，an}为n维评价指标体系；V为评价对象在指标体系下的属性值；Wc为评价主体对指标体系的偏好结构，常见的如各指标的权重描述；O为评价输出。评价工作在某些领域是不可或缺的，如工程、经济、管理等领域，其评价结果会对决策者提供或多或少的指导作用。在对系统进行评价时，首先需要建立系统的评价指标体系，然后才能采用适当的方法进行评价。 客户价值评价有许多方法，除常规的单项因子评价法、综合评价法，还有模糊数学、运筹学、多元统计分析、灰色系统理论、多维标度分析及空间统计学等，在不同程度上取得了一定效果，但不够完善[]：① 较准确地确定各项指标的权重相当困难，对于客户价值评价指标体系以往通常凭借专家的经验进行评估，主观随意性较大，其评价结果与实际值往往存在一定的误差，有时甚至相当大；某些指标的评价结果的影响随时间变化，用传统的方法很难对结果做出精确的评价；计算复杂，求解烦琐，计算量相当大；这些算法缺乏自学习能力。因此长期以来专家们一直试图获取一种快速、有效且准确的客户价值指标评价方法，为企业的管理者提供有效的决策依据。近年来，人工神经网络（ANN）理论以其强大的功能越来越受到关注，也为快速、准确评价客户价值提供了理论依据和方法。 2.1 人工神经网络是以工程技术手段模拟人脑神经网络的结构与功能的一种技术系统，它用大量非线性并行处理器模拟众多的人脑神经元，用处理器间错综灵活的连接关系来模拟人脑神经元，可以解决许多用传统方法不能解决的问题。神经网络能够从数据样本中自动学习以前的经验，不需要繁复的查询和表述过程，并且能够自动的逼近那些最佳刻画了样本数据规律的函数，不论这些函数具有怎样的形式。对于那些影响因素越复杂，非线性程度越高的情况，人工神经网络的这种优势越明显。 对于客户价值的评价指标这一问题，本身涉及的影响因素很多，对其进行评价，必须很好研究各个影响变量之间的关系而这种复杂的关系很难用具体的数学方程表达出来，传统的回归方法和专家识别法也常常显得精确度不够。人工神经网络的特点就是可以模拟复杂的非线性函数，通用性极强，好适用于这种情况。神经网络具有自适应性、自学习性、自组织性等特点，并且善于从近似的、不确定的、甚至相互矛盾的知识环境中作出决策，可以避开人为计取权重和计算相关系数等环节BP算法是迄今为止应用最普遍的神经网络学习算法。将训练后的BP神经网络用于客户价值的综合评价，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。因此，本文采用基于BP网络的客户价值评价体系。 2.2 客户与企业关系发展是动态的，分析客户价值应定量与定性相结合动态指标与静态指标相结合进行综合评价。本文对客户关系生命周期的个时段用22个指标进行客户价值的综合评价，并在此基础上建立了基于BP