基于模糊理论电信行业应用满意度综合评价方法.docVIP

基于模糊理论电信行业应用满意度综合评价方法 　　1 引言 近年来，随着电信行业应用建设的快速发展，在应用建设及推广的过程中，应用质量和用户体验越来越受到公司决策层和一线业务人员的重视。应用满意度在一定程度上反映了应用质量和用户体验，但是应用满意度本身是一个模糊的概念，并且受业务部门和一线使用人员对应用的各个环节“主观感觉”的影响。 一般来说，可以把满意程度分为很满意、较满意、一般、不满意和很不满意五个等级。事实上，这五个等级的划分也只是人们主观意识的结果，从数学的角度来说，这种分类具有“模糊性”，因此很难界定每种等级的分类和评判标准。由于实际情况的复杂性，应用满意度受到多种指标的影响。通常在对受到多种指标影响的事物进行评价时，采用总分法或加权平均法。在上述两种方法中，对于每一种指标都给出一个确定的评判分数，从而达到综合评价的目的。当被评价对象的各个指标以及指标权重具有模糊性时，这种综合评价方法存在很大的局限性。由于应用满意度评价的各个指标以及指标权重不同程度上都存在模糊性，具有非线性特征，因此很难对应用满意度进行科学评判。 由于模糊综合评价方法能够较好地解决综合评价中的模糊性问题，并且对多因素、多层次系统有较强的适用性[1]，本文试运用模糊综合评价法，从应用各个环节的满意度出发，对应用满意度进行科学计算，为促进应用建设质量提高提供参考依据。 2 模糊综合评价法 模糊综合评价是借鉴模糊数学中模糊关系的理论部分，将一些边界模糊不清，难以定量的指标量化，从而达到进行科学评价的一种综合评价方法[2]。基本思路遵循定性→定量→定性的步骤，即从定性研究入手，经定量加工处理，得出定性的评价结果[3]。使用模糊综合评价法对应用满意度的评价流程如图1所示。 2.1 构建应用满意度评价指标的集合P 先确定满意度评价指标，评价指标集合中的各指标要兼具代表性和全面性，可用公式（1）表示： P={P1，P2，…，Pn} （1） 评价指标集合是业务部门或一线营销人员对应用满意度评价时所需考虑的指标，P1，P2，…，Pn代表不同的评价指标。 在构建评价指标集合P时，通常使用层次分析法[4]建立指标体系，建立一级指标、二级指标、多级指标。本文为清晰阐述应用满意度模糊综合评价方法，从影响应用满意度的决定性指标和关键性指标出发，在下面的计算实例中，只选取了一级指标作为满意度评价指标集合。 如对某应用进行满意度调查时，可根据界面合理性、操作便捷性、系统稳定性、响应速度、数据准确性等指标进行评价，以上5个评价指标构成了评价指标集合P，元素分别为P1、P2、P3、P4、P5。 2.2 建立各指标权重集合W 权重集合就是以上所有评价指标各自权重系数的集合，可用公式（2）表示： W={W1，W2，…，Wn} （2） 其中，，Wi≥0，i=1，2，…，n。 集合P中不同指标对应用满意度的作用大小是不一样的，这种对评价结果的影响程度通常是通过各个指标的权重系数来体现的。 在实际评价过程中，由于应用的多样性，不同应用具有不同特征。因此，不同应用即便使用同一评价指标体系，其各个指标对应用满意度的影响程度也不相同，即各个指标所占权重不同，通常需要根据实际情况拟定。常用的指标权重确定方法有层次分析法、主成分分析法、专家评判法等。 本文旨在阐述模糊综合评价方法在应用满意度的应用和实践，因此，在下面的计算实例中，采用专家评判法[5]，W取为{0.3，0.3，0.2，0.1，0.1}。 2.3 建立评语等级论域V V={V1，V2，…，Vm}={很满意，较满意，一般，不满意，很不满意} （3） 为了简化计算复杂度，本文将应用满意度评语等级量化成5个等级的评价标准，依次赋值5、4、3、2、1，分别对应用户应用满意度各个评价指标的感知，即很满意、较满意、一般、不满意、很不满意。 2.4 计算综合满意度 （1）构建隶属度矩阵R 在建立隶属度矩阵之前，需先理解隶属度这个概念。隶属度来源于模糊数学，表示某个元素在多大程度上属于某个集合。通常使用0和1之间的数值来表示隶属度，0是最低的隶属度，1是最高的隶属度。 构建隶属度矩阵就是对应用满意度的评价指标集合进行模糊综合评价，即对某评价指标做出某等级评价的可能程度。本文通过构建隶属度矩阵（模糊关系矩阵），评价各个指标对于集合的隶属程度。 在构造了等级模糊子集后，要逐个对被评事物从每个指标Pi（i=1，2，…，n）上进行量化，即确定从单指标来看被评事物对等级模糊子集的隶属度（R|Pi），进而得到模糊关系矩阵： （4） 其中，rij是矩阵R中第i行第j列的一个元素，具体含义是指从评价指标Pi来