考虑风险因素的客户评价与选择研究

应用效用理论考虑客户终生价值的不确定性,根据客户的期望效用对客户进行评价,权衡价值与风险来优化选择客户组合.通过蒙特卡罗仿真方法得到客户终生价值分布样本,并以此计算期望效用;通过实际案例,揭示期望价值相近的客户可能表现出风险的巨大差异.对比期望价值和期望效用方法所得到的前30名客户组合,发现采用风险规避型期望效用方法得到的客户资产期望价值虽然有所减少,但风险大大降低.通过这种方法,管理者能体现自己对客户终生价值分布风险的偏好,根据当前的市场战略选择重点客户进行投资.     

基于在线客户评论的客户细分研究

针对基于在线客户评论数据进行客户细分分析的问题,设计了二阶段客户细分分析框架.在客户偏好建模阶段,设计了同义属性识别方法和属性偏好换算方法,基于产品属性树结构,构建粒度统一的客户偏好向量;在客户聚类阶段,设计了包含最优聚类数识别的聚类流程,基于模糊C均值聚类方法,对客户进行聚类.     

一种基于语言偏好关系的群体评价方法

针对专家偏好信息权重未知的基于语言偏好关系的群体评价问题提出了一种解决方法.首先,采用序关系分析法和唯一参照物比较判断法指导专家表达偏好信息;其次,在对专家偏好信息形式转换的基础上,定义了2个基于二元语义的诱导有序加权平均算子对权重未知的专家偏好信息进行集结,从而得出群体评价结论;最后,给出了一个应用算例.     

群集智能研究进展

群集智能是指众多行为简单的个体相互作用过程中涌现产生的整体智能行为.从复杂系统研究的角度入手,以群集智能的基本原理为线索,对其系统结构、运行机理、建模工具、算法模型和典型应用等内容进行全面论述.首先围绕以蚁群和鸟群为代表的群集智能系统结构,分析说明了其中的个体属性、行为规则和交互方式,进而阐述和剖析了群集智能中的反馈机制和学习机制.在给出若干常用群集智能建模工具介绍的基础上,对蚁群觅食、蚁群聚类、蚁群劳动分工和鸟群觅食等4类群集智能模型进行了细致深入的探讨,旨在归纳提炼形成基于群集智能的复杂系统建模与仿真的一般性规律.最后综述了群集智能在工程优化、生产管理、机器人学、数据分析与模式识别等领域的典型应用情况并展望了群集智能的发展前景.     

电子商务推荐系统中群体用户推荐问题研究

尽管传统的电子商务推荐系统在个体用户推荐方面取得了巨大成功,但它并不适用于向群体用户进行推荐。随着虚拟社区中群体用户的不断增加,构建群体推荐系统,向群体用户提供个性化推荐,减少他们搜集信息所耗费的时间和精力显得越来越重要。基于此,本文提出了一种新颖的推荐方法—结合领域专家法的群体用户推荐算法。该算法以基于项目的协同过滤技术为基础,根据群体成员间的相互作用确定群体偏好,由群体偏好产生推荐,推荐过程中存在的成员未评分项采用领域专家法进行预测填充,此外本文算法还考虑了成员间相似关系对推荐质量的影响。实验结果表明了本文算法的有效性。     

面向虚拟企业的蚁群劳动分工建模与仿真

针对虚拟企业的复杂性特征,提出了以群集智能这种新颖的复杂系统建模手段研究虚拟企业的组建和运行过程.在将虚拟企业运行特点与蚁群劳动分工模型进行对比分析的基础上,将企业单元定义为人工蚂蚁,根据虚拟企业运行的要求重新设计蚂蚁的属性特征、任务执行和学习规则、活动环境等模块,建立了扩展的蚁群劳动分工模型.采用该模型对虚拟制造式、供应链式、组织虚拟式等3种具有代表性的虚拟企业组织进行建模和仿真,实验表明仿真结果与实际情况比较吻合,运行过程能够体现出虚拟企业运行的自组织行为特征,该模型可为类似虚拟企业的组建、任务规划和利益分配提供依据.最后分析了扩展蚁群劳动分工模型的内在特性和适用范围,并对今后研究的方向进行了展望.     

一种具有不确定偏好序信息的多指标群决策方法

针对具有不确定偏好序信息的多指标群决策问题,给出了一种决策分析方法。在本文中,首先对具有不确定偏好序信息的多指标群决策问题进行了描述;然后给出了将不确定偏好序转换为投票数的计算公式;进一步地,依据Bernardo方法的基本思想,根据每个专家给出的不确定偏好序信息,计算相应的投票数并构建群体投票矩阵,并基于群体投票矩阵构建0-1整数规划模型,通过求解模型可得到方案排序结果。最后,通过一个算例以及与已有方法的对比分析说明了本文给出的方法的可行性和有效性。     

基于两类残缺偏好信息的交互式群决策方法研究

提出不同残缺偏好信息的交互式群决策方法。利用矩阵元素之间的可达性关系,给出区间数判断矩阵残缺元素的确定方法。定义了不同偏好信息的群体满意度,基于群体判断与决策个体判断之问的偏离程度,与决策者进行交互,使得决策者的意见尽可能协调一致。根据修正意见求解得到方案排序,并通过算例说明方法的有效性。     

面向群体利益分配的蚁群劳动分工建模与仿真

建立公平的社会群体利益分配机制是解决当前由利益失衡引发的社会矛盾与冲突的关键所在.基于对蚁群劳动分工在任务分配中所表现出柔性特征的分析,提出借鉴该任务分配柔性来实现利益分配柔性的新思路.首先从分配的角度对利益的概念进行界定,给出了其形式化描述,引入相对剥夺感来衡量利益分配的公平性.随后根据社会群体利益的特点,对基本蚁群劳动分工模型进行扩展,借助恢复因子来协调不同利益群体,建立了面向利益分配的蚁群劳动分工模型,给出了该模型的算法实现流程.选取一个具有代表性的利益分配实例进行仿真实验,从恢复性和分配柔性两方面验证本文模型的有效性.通过仿真分析发现,利益实现能力在利益分配过程中具有主导作用;对于利益分配不公的情况,恢复因子能够起到有效的恢复作用,且在动态环境下显示出良好的利益分配柔性.最后给出了利益型群体事件演化过程的描述,定量分析了其中的恢复情况,阐述了现实中利益型群体事件的演化规律.     

基于消费行为的市场细分模型构建与验证——以移动通信行业为例

针对客户偏好和客户需求开展市场营销活动是每一个移动运营商最为关注的问题.为此,分析了移动通信行业现行的以人口统计变量和ARPU值为划分维度的市场细分方法,并在此基础上提出了以消费行为作为划分维度的市场细分模型,该模型将客户按照"当前价值"、"发展性"和"忠诚度"3个维度进行细分,并从数据库中分别提取相应的变量对各个维度进行有效测量.同时采用了K-means聚类算法和相关的数据挖掘和统计方法对模型进行了验证,进一步确定了模型的实用价值.     

集成博弈和多智能体的人群工作互动行为研究

基于进化博弈视角,对人群工作互动行为进行多智能体模拟研究.建立了收益和惩罚共享的群体工作收益博弈模型,考虑工作个体的个性决策特征,设计基于历史信息和个体决策特性的混合学习规则,并用多智能体方法对群体工作场景进行描述.在Repast类库基础上,用Ja-va实现该多智能体模拟系统.模拟结果表明:1)群体规模对宏观工作趋势影...     

电子商务环境下iCRM体系结构分析

智能客户关系管理是电子商务时代客户关系管理发展的新方向.本文首先描述了iCRM和客户智能,并对iCRM的数据挖掘结构模型进行分析,最后详细剖析了基于客户智能的iCRM的体系结构.     

挖掘客户潜在需求确定指标重要程度的证据组合方法

在现实中,属性(例如产品的各种指标)的权重常常与特定客户的需求有关,因此这些客户的偏好信息对权重的确定非常重要.这种信息不一定就直接体现在对属性的重视程度上,而可能表现在对一组具体产品的偏好关系上.在对产品的指标评价时还会存在一些无知性.针对这些情况,本文给出一个基于证据理论和目标规划、挖掘客户潜在需求的指标权重估计方法,并结合一个计算示例,给出具体的计算过程.     

基于产品属性效用的市场细分方法与应用研究

以产品属性效用为细分变量是建立在因果关系变量而非描述性变量基础上的一种细分方法。通过结合2004年海南马自达新上市轿车的市场细分案例,在运用组合分析法获得产品属性效用数据的基础上,采用动态聚类法,以产品属性效用为细分变量进行了1次细分, 并以产品属性水平效用进行了2次细分,获得了不同属性以及属性水平的偏好群体。最后,对各个偏好群体的属性特征进行了描述。     

基于态度和钱包份额两维度的客户忠诚度测量模型

客户忠诚的表现形式可以归纳为态度和行为两个方面,用钱包份额测量行为忠诚度有助于企业全面考察客户的忠诚行为和潜在价值,因此从态度忠诚和钱包份额两个维度分别测量客户忠诚度.对中国内地信用卡客户进行调查,采用结构方程和验证性因子分析方法建模,比较基于态度和钱包份额两因子的忠诚度测量模型和单一忠诚度因子模型.结果发现,在中国内地信用卡客户数据样本中,两维度的客户忠诚度测量模型拟合指标优于单一忠诚度因子模型,而且基于这两个维度进行客户细分有助于企业识别客户行为偏好的差异性,有针对性地实施客户关系策略.     

客户忠诚度之积分计划

正客户忠诚度是指客户对某一特定产品或服务产生了好感,形成偏好,进而重复购买的一种趋向,它主要通过客户的情感忠诚、行为忠诚和意识忠诚表现出来。一套完善且成功运行的客户积分计划,可很大程度上提升核心客户的忠诚度。它不仅仅只是提升品牌转换成本,借以锁定客户群体,也是企业与客户之间的纽带。它更大的价值与意义,在于与客户形成良好互动,充分利用关键性服务节点,延长客户生命周期,并引导促进客户消费。     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。     

基于利益偏好的大学生手机市场细分实证研究

论文从利益细分的角度,对大学生购买手机时追求的利益进行市场的细分研究。首先通过定性研究,选取反映大学生手机决策中利益偏好的测量变量;然后采用利益偏好量表进行调查,对有关数据进行因子分析和聚类分析,得到具有利益偏好的五个细分市场;再对这五个细分市场的人口统计变量进行分析,刻画出了各个子市场的特征,从而揭示出基于利益偏好形成的细分市场与大学生群体特征的潜在关系。     

移情关系影响下的群体共识决策模型研究

群体成员之间的社会关系及其网络结构特征是影响群决策的重要因素。移情关系是客观存在于一些现实群决策问题中的一种社会关系，但目前考虑移情关系的群决策研究尚不多见。为拓展群决策模型的应用范围，面向移情网络环境提出一种群体共识决策方法，并揭示移情关系对群体共识决策的影响规律。首先，从偏好交互影响的角度出发，构建局部移情模型和全局移情模型，并由此确定移情关系影响下决策者偏好演化的结果。其次，利用个体偏好分解为内在偏好和移情偏好的结构特点，为群体共识达成过程设计一种有效的移情关系引导的反馈机制，该机制可以通过内在偏好层面的偏好调整实现个体偏好层面的共识收敛。最后，数值仿真分析表明：群体成员之间的移情关系提升了群体共识水平，而且全局移情关系比局部移情关系更有利于群体共识的达成；移情网络结构和群体规模是影响移情网络环境下群体共识达成的重要因素。相关决策模型和研究结论可为移情网络环境下的群体共识决策提供理论和方法支持。