基于貝葉斯網(wǎng)絡(luò)的營銷風(fēng)險評價研究

摘要:由于營銷環(huán)境的多變性#65380;營銷系統(tǒng)的不穩(wěn)定性和營銷管理的復(fù)雜性，從而使得企業(yè)營銷具有較高的風(fēng)險性#65377;營銷風(fēng)險的大小由風(fēng)險發(fā)生概率和風(fēng)險損失幅度決定，而在實踐中，概率大小是難以確定的#65377;本文通過貝葉斯網(wǎng)絡(luò)(BN)的結(jié)構(gòu)學(xué)習(xí)和概率學(xué)習(xí)，綜合先驗信息和后驗信息，結(jié)合企業(yè)實際構(gòu)建了營銷風(fēng)險評價指標(biāo)體系和BN分析模型，進行了營銷風(fēng)險概率推斷，在此基礎(chǔ)上進行了營銷風(fēng)險評價#65377;

關(guān)鍵詞:營銷風(fēng)險;貝葉斯網(wǎng)絡(luò);主成分分析;D-S證據(jù)理論;BN分析模型

中圖分類號:F405文獻標(biāo)識碼:A 文章編號:1009-9107(2007)03-0042-07

由于營銷環(huán)境的多變性#65380;營銷系統(tǒng)的不穩(wěn)定性和營銷管理的復(fù)雜性，企業(yè)營銷管理具有較高的不確定性和復(fù)雜性，從而使得企業(yè)營銷風(fēng)險不斷上升，這不僅影響著企業(yè)的正常經(jīng)營，而且嚴(yán)重制約著企業(yè)的發(fā)展#65377;我國多數(shù)企業(yè)雖然對營銷風(fēng)險較為重視，但是缺乏有效的營銷風(fēng)險評價方法，對營銷風(fēng)險難以進行定量的分析和評價#65377;近年來營銷科學(xué)的發(fā)展和我國企業(yè)市場信息化水平的提高，為營銷風(fēng)險分析提供了理論基礎(chǔ)和技術(shù)條件，本文探討用貝葉斯網(wǎng)絡(luò)理論為工具對營銷風(fēng)險進行評價衡量，以期對我國企業(yè)防范營銷風(fēng)險提供參考#65377;

所謂營銷風(fēng)險，就是指在企業(yè)營銷過程中，由于各種事先無法預(yù)料的不確定因素帶來的影響，使企業(yè)營銷的實際收益與預(yù)期收益發(fā)生一定的偏差，從而有蒙受損失和獲得額外收益的機會或可能性#65377;營銷風(fēng)險的大小由風(fēng)險發(fā)生概率和風(fēng)險損失后果嚴(yán)重性決定#65377;[1]營銷風(fēng)險管理實踐中的難點是其概率大小難以確定，而貝葉斯網(wǎng)絡(luò)的推理在不確定性推斷和概率性計算方面具有突出優(yōu)勢，它為營銷風(fēng)險概率的測定提供了一個平臺#65377;

一#65380;貝葉斯網(wǎng)絡(luò)方法

(一)貝葉斯網(wǎng)絡(luò)方法研究進展

貝葉斯網(wǎng)絡(luò)方法是近年來在人工智能領(lǐng)域的研究成果之一，適用于不確定性和概率性事物，應(yīng)用于有條件地依賴多種控制因素的決策#65377;在解決實際問題時，需要從不完全的#65380;不精確的或不確定的知識和信息中做出推理#65377;貝葉斯網(wǎng)絡(luò)是一種概率推理技術(shù)，它使用概率理論來處理在描述不同知識成分之間的條件相關(guān)而產(chǎn)生的不確定性#65377;

貝葉斯學(xué)派奠基性的工作是貝葉斯的論文“關(guān)于幾率問題求解的評論”#65377;20世紀(jì)50年代，以羅賓斯為代表，提出了經(jīng)驗貝葉斯方法和經(jīng)典方法相結(jié)合，引起統(tǒng)計界的廣泛注意，這一方法很快就顯示出它的優(yōu)點，成為很活躍的一個方向#65377;[2]隨著人工智能的發(fā)展，尤其是機器學(xué)習(xí)#65380;數(shù)據(jù)挖掘等興起，為貝葉斯理論的發(fā)展和應(yīng)用提供了更為廣闊的空間#65377;近年來，貝葉斯學(xué)習(xí)理論方面的文章更是層出不窮，內(nèi)容涵蓋了人工智能的大部分領(lǐng)域，包括因果推理#65380;不確定性知識表達#65380;模式識別和聚類分析#65377;[3]本文針對營銷風(fēng)險的特殊性，研究了基于貝葉斯網(wǎng)絡(luò)的營銷風(fēng)險評價方法#65377;它不同于傳統(tǒng)的主觀判斷方法，而是一種系統(tǒng)工程技術(shù)，綜合了營銷風(fēng)險的各種影響因素，采用定性與定量相結(jié)合的方法，構(gòu)建了營銷風(fēng)險評價的貝葉斯網(wǎng)絡(luò)模型#65377;

(二)貝葉斯定理

貝葉斯網(wǎng)絡(luò)使用概率積分表示不確定性，這稱為貝葉斯積分或條件概率#65377;條件概率描述為:給定事件A，事件B發(fā)生的概率x#65377;

概率積分最基本的規(guī)則是聯(lián)合事件的概率:

上式事件A和事件B發(fā)生的概率為事件B發(fā)生的概率乘以給定事件B的情況下，事件A發(fā)生的條件概率#65377;轉(zhuǎn)換公式或貝葉斯規(guī)則:

(三)貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(也稱信度網(wǎng)絡(luò)#65380;因果網(wǎng)絡(luò)或者推理網(wǎng)絡(luò))是一種基于網(wǎng)絡(luò)形狀結(jié)構(gòu)的有向圖解描述， 適用于表達和分析不確定和概率性事件， 它可以很容易地從不完全或不確定的知識或信息中做出推理#65377;每一組有限的排他的狀態(tài)，其擬然分配表示為信度值#65377;事件本身的不確定性以節(jié)點的信度值表示，專家知識的不確定性用條件概率表示#65377;一個貝葉斯網(wǎng)絡(luò)是一個有向無環(huán)圖(DAG)，由代表變量節(jié)點及連接這些節(jié)點的有向邊構(gòu)成#65377;節(jié)點代表隨機變量，節(jié)點間的有向邊代表了節(jié)點間的相互關(guān)系(由父節(jié)點指向其子節(jié)點)，用條件概率進行表達其關(guān)系強度，沒有父節(jié)點的用先驗概率進行信息表達#65377;節(jié)點變量可以是任何問題的抽象，如測試值#65380;觀測現(xiàn)象#65380;意見征詢等#65377;一般而言，確定貝葉斯網(wǎng)絡(luò)模型一般采用貝葉斯網(wǎng)絡(luò)修正算法或者更新算法[4]，過程如圖1所示#65377;

我們把根據(jù)先驗知識構(gòu)造的貝葉斯網(wǎng)絡(luò)稱為先驗貝葉斯網(wǎng)絡(luò)，把先驗貝葉斯網(wǎng)絡(luò)和數(shù)據(jù)結(jié)合而得到的貝葉斯網(wǎng)絡(luò)稱為后驗貝葉斯網(wǎng)絡(luò)#65377;

由貝葉斯網(wǎng)絡(luò)的概念可知，關(guān)于一組變量X={X1，X2，…，Xn}的貝葉斯網(wǎng)絡(luò)由以下兩部分組成:(1)一個表示X中的變量條件獨立斷言的網(wǎng)絡(luò)結(jié)構(gòu)S;(2)X的局部概率分布P#65377;P中的每一元素為數(shù)據(jù)變量Xi的條件概率密度P(Xi|Pai，ζ)#65377;

由概率的鏈規(guī)則得:

貝葉斯網(wǎng)絡(luò)具有條件獨立性，基于概率論的嚴(yán)格推理，知識表達分為定性知識和定量知識，知識獲取與推理復(fù)雜度較小等性質(zhì)#65377;其特點有:(1)可以綜合先驗信息和后驗信息，即可避免只使用先驗信息可能帶來的主觀偏見和缺乏樣本信息時的大量盲目信息搜索與計算，也可避免只使用后驗信息帶來的噪音的影響#65377;只要合理確定先驗，就可進行有效的學(xué)習(xí)，這在樣本難以獲得或者代價高昂時特別有用#65377;(2)適合處理不完全狀態(tài)數(shù)據(jù)集問題#65377;(3)可以發(fā)現(xiàn)數(shù)據(jù)間的因果關(guān)系#65377;這是在實際問題中經(jīng)常遇到，而且使用其它模型難以處理的#65377;(4)具有成熟有效的算法#65377;雖然任意貝葉斯網(wǎng)絡(luò)的統(tǒng)計推斷是NP難題，但是很多問題加上一些限制后就可以簡化#65377;[5]

(四)貝葉斯網(wǎng)絡(luò)學(xué)習(xí)

貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)也就是找出一個能夠真實地反映現(xiàn)有數(shù)據(jù)庫中各數(shù)據(jù)變量之間的依賴關(guān)系的貝葉斯網(wǎng)絡(luò)模型#65377;[6]

對變量集的每一個Xi，它的值域(狀態(tài)集)為為數(shù)據(jù)樣本，其中Cl為一事例(一個實驗情況或數(shù)據(jù)庫中的一條記錄);為先驗概率的參數(shù)變量，ζ為先驗知識狀態(tài)，網(wǎng)絡(luò)結(jié)構(gòu)為S的假設(shè)，Xi的父節(jié)點集Pai具有第j個狀態(tài)的前提下，變量Xi取第k個值的客觀概率，的值域為的所有可能狀態(tài)的個數(shù)，則:

貝葉斯網(wǎng)絡(luò)學(xué)習(xí)包括參數(shù)學(xué)習(xí)#65380;結(jié)構(gòu)學(xué)習(xí)和概率學(xué)習(xí)#65377;

1.參數(shù)學(xué)習(xí)#65377;參數(shù)具有相互獨立性并呈迪里赫列分布:

2.結(jié)構(gòu)學(xué)習(xí)#65377;結(jié)構(gòu)學(xué)習(xí)是尋找對先驗知識和數(shù)據(jù)擬合的最好的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)#65377;對具備大量專家知識的問題領(lǐng)域，貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法由先驗知識獲得，即根據(jù)專家對變量間存在的因果依賴關(guān)系的認(rèn)知，直接勾畫出從因變量到果變量間的連接，大多數(shù)情況下有專家知識獲得的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)正是最優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)#65377;

3.概率學(xué)習(xí)#65377;概率學(xué)習(xí)即在確定網(wǎng)絡(luò)結(jié)構(gòu)的前提下，結(jié)合樣本數(shù)據(jù)集，確定根節(jié)點的先驗概率和中間節(jié)點的條件概率分布的過程#65377;在得到更多的數(shù)據(jù)時，貝葉斯網(wǎng)絡(luò)可以利用這些新數(shù)據(jù)對網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進行更新，也是從先驗聯(lián)合分布到后驗聯(lián)合分布的過程#65377;[7]

二#65380; 營銷風(fēng)險評價指標(biāo)體系的確定

(一)營銷風(fēng)險評價指標(biāo)體系

營銷風(fēng)險是由宏觀營銷風(fēng)險和微觀營銷風(fēng)險共同作用所引起，對宏觀營銷風(fēng)險我們可以找出觀測點或指標(biāo)進行跟蹤，根據(jù)企業(yè)對環(huán)境的適宜程度判斷其風(fēng)險水平[8]，在此不作評價#65377;微觀營銷風(fēng)險主要由營銷微觀環(huán)境變化引起，結(jié)合營銷微觀環(huán)境的六要素，可以劃分為:供應(yīng)商風(fēng)險#65380;中間商風(fēng)險#65380;顧客風(fēng)險#65380;競爭對手風(fēng)險#65380;社會公眾風(fēng)險和企業(yè)內(nèi)部管理風(fēng)險#65377;其中中間商風(fēng)險主要表現(xiàn)為產(chǎn)品銷售風(fēng)險，社會公眾風(fēng)險難以評價，主要體現(xiàn)在企業(yè)管理者與社會公眾的關(guān)系處理以及企業(yè)的良好形象，因而將其合并入企業(yè)內(nèi)部管理風(fēng)險#65377;經(jīng)過上述分析，結(jié)合營銷微觀環(huán)境的六要素，我們將其分為顧客風(fēng)險#65380;供應(yīng)商風(fēng)險#65380;市場競爭風(fēng)險#65380;競爭對手風(fēng)險#65380;產(chǎn)品銷售風(fēng)險#65380;營銷管理風(fēng)險6大類共36個子因素指標(biāo)，構(gòu)成了一個評價指標(biāo)體系(具體指標(biāo)省略)#65377;這一指標(biāo)體系基本涵蓋了企業(yè)營銷活動的各個方面，對不同的行業(yè)都有一定的參考價值#65377;但由于各個行業(yè)的市場情況不同，其營銷模式差距較大，關(guān)注點也不一樣，如果能建立起行業(yè)性的評價指標(biāo)體系，對企業(yè)指導(dǎo)性會更強#65377;企業(yè)在具體評價時可以參照這一指標(biāo)體系，根據(jù)企業(yè)營銷風(fēng)險的實際情況和管理水平確定具體指標(biāo)#65377;[9]

對企業(yè)營銷風(fēng)險進行評價時，因素太多會增加計算量和增加分析問題的復(fù)雜性，難以客觀地反映被評價對象的相對風(fēng)險，而且在實際過程中很難全面獲取這些指標(biāo)#65377;企業(yè)自然希望在分析過程中設(shè)計的指標(biāo)較少，而得到的信息量又較多，簡便易行才有操作性，否則再好的方法也很難在企業(yè)推行#65377;主成分分析法是解決這一問題的理想工具#65377;[10]同時在營銷風(fēng)險評價指標(biāo)中有些指標(biāo)是先行指標(biāo)，有些指標(biāo)是一致性指標(biāo)，有些則是滯后指標(biāo)，只有一致性和先行指標(biāo)用于評價，滯后指標(biāo)不能用于評價和預(yù)測#65377;再采用時差相關(guān)分析方法對指標(biāo)進行篩選#65377;[11]經(jīng)過剔除和篩選，可得到用于的評價指標(biāo)#65377;表1對某白酒廠2003年和2004年兩個銷售年度的營銷指標(biāo)和模糊評判指標(biāo)進行處理，然后通過統(tǒng)計分析軟件編寫程序進行計算分析得到(分析過程從略)#65377;

(二) 用D-S證據(jù)推理處理營銷風(fēng)險評價指標(biāo)數(shù)值

在初選的衡量指標(biāo)體系中，既有定性指標(biāo)又有定量指標(biāo)，同時既有正指標(biāo)，也有逆指標(biāo)，而且是不同的量綱，為使各指標(biāo)在整個系統(tǒng)中具有可比性，必須對所有的指標(biāo)進行正則化處理#65377;對定性指標(biāo)本文采用D-S證據(jù)理論進行指標(biāo)處理#65377;[12]一般來講，定性指標(biāo)無法給出具體的指標(biāo)數(shù)值，只有依靠相關(guān)領(lǐng)域?qū)＜业呐袛嘟o出具體的數(shù)值#65377;專家受認(rèn)識能力#65380;偏好的限制，難免會產(chǎn)生誤差，通過采用群專家預(yù)測以提高專家信息的可信度和準(zhǔn)確度，因此專家信息融合的基本任務(wù)就是將群專家信息融合為一個專家信息#65377;專家信息具有主觀性#65380;不確定性，而D-S證據(jù)推理方法可有效的融合這些信息#65377;[13]D-S證據(jù)推理方法是一種不確定性推理方法，即證據(jù)合成法則，所依據(jù)的數(shù)學(xué)方法是證據(jù)理論#65377;它是一種決策理論，不但能處理因知識不準(zhǔn)確引起的不確定性，而且滿足比概率論更弱的公理系統(tǒng)#65377;[14]

三#65380;基于貝葉斯網(wǎng)絡(luò)的營銷風(fēng)險評價模型

(一)貝葉斯網(wǎng)絡(luò)建模的基本步驟

貝葉斯網(wǎng)絡(luò)的建模可以分為以下步驟:

1.明確研究問題#65377;這一階段包括確定相關(guān)變量;確定網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)應(yīng)能反映研究的問題，并在建模過程中盡可能簡化網(wǎng)絡(luò)結(jié)構(gòu);再將變量表示為統(tǒng)計量，雖然變量在理論上可以表示為連續(xù)型和離散型變量，但為簡化問題，本文中只將變量設(shè)計為離散變量#65377;

2.貝葉斯網(wǎng)絡(luò)的節(jié)點賦值#65377;這一階段是對各節(jié)點進行賦值，包括確定根節(jié)點的先驗概率，確定其它節(jié)點的條件概率#65377;對貝葉斯網(wǎng)絡(luò)的賦值可以通過數(shù)據(jù)收集和專家信息取得#65377;貝葉斯網(wǎng)絡(luò)的賦值過程是貝葉斯網(wǎng)絡(luò)建模過程中最困難的一步#65377;

3.貝葉斯網(wǎng)絡(luò)的推斷#65377;第三個階段是貝葉斯網(wǎng)絡(luò)的推斷#65377;對于事件變量，它的信息通過信念傳播算法，進入貝葉斯網(wǎng)絡(luò)，再通過條件概率改變網(wǎng)絡(luò)中其它節(jié)點的概率分布，這個過程稱為信念傳播和概率推斷#65377;在整個計算過程中，要充分利用網(wǎng)絡(luò)結(jié)構(gòu)信息和各節(jié)點的條件概率#65377;[15]具體步驟如圖2所示，實際上有些步驟又是交叉進行的#65377;[16]

(二)基于貝葉斯網(wǎng)絡(luò)的營銷風(fēng)險評價結(jié)構(gòu)建立

前面確定了營銷風(fēng)險評價的指標(biāo)變量，可以將他們分為兩類節(jié)點:征兆節(jié)點和風(fēng)險原因節(jié)點#65377;前者可以通過觀測得到，后者是直接的風(fēng)險源#65377;

1.數(shù)據(jù)樣本組建#65377;數(shù)據(jù)樣本是數(shù)據(jù)挖掘的基本組成部分，企業(yè)的歷史行為數(shù)據(jù)隱含著大量的與風(fēng)險有關(guān)的行為模式，數(shù)據(jù)樣本根據(jù)企業(yè)在營銷環(huán)境分析中組建#65377;本文中數(shù)據(jù)由某白酒廠提供2003年和2004年兩個銷售年度的原始銷售數(shù)據(jù)#65377;

2.指標(biāo)與數(shù)值的映射關(guān)系及數(shù)據(jù)離散化#65377;在貝葉斯網(wǎng)絡(luò)中使用分類型變量，因此我們對數(shù)據(jù)集進行離散化轉(zhuǎn)換(見表2)#65377;我們將各指標(biāo)變量分5層，例如:供貨合同履約率(≥95%，80%-95%，65%-80%，50%-65%，≤50%)，分別記為:低，較低，中等，較高，高#65377;

對于定量指標(biāo)，一般只能計算出具體的數(shù)值，如賒銷比率風(fēng)險等，并沒有表示成直接的風(fēng)險度，只是說明比率變化在多大的幅度內(nèi)可能導(dǎo)致發(fā)生風(fēng)險的概率，因此我們建立了具體的指標(biāo)對風(fēng)險的映射函數(shù)#65377;[17]對于不同的行業(yè)和企業(yè)，指標(biāo)對風(fēng)險的映射關(guān)系并不相同，在此用提供數(shù)據(jù)的白酒企業(yè)為例建立映射關(guān)系#65377;

表2指標(biāo)之間的映射關(guān)系

指標(biāo)的映射關(guān)系表明指標(biāo)對營銷風(fēng)險的作用程度#65377;由此得到數(shù)據(jù)樣本集作為學(xué)習(xí)樣本集建立模型#65377;

貝葉斯網(wǎng)絡(luò)的語義和緊湊的表達使其能夠從數(shù)據(jù)中進行有效的統(tǒng)計學(xué)習(xí)#65377;設(shè)D是含n個事例的數(shù)據(jù)集，我們基于以下假設(shè)進行計算:(1)所有變量是離散的，可觀察的;(2)各個事件的發(fā)生是獨立的;(3)參數(shù)呈現(xiàn)迪里赫列分布#65377;

(三)模塊化的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)

企業(yè)營銷風(fēng)險受到企業(yè)內(nèi)#65380;外部環(huán)境的多種因素影響，相當(dāng)復(fù)雜，風(fēng)險源非常廣泛，具有復(fù)雜大系統(tǒng)的特點#65377;因此，對其建模有特殊的要求，應(yīng)采用模塊化結(jié)構(gòu)，然后由各模塊共同組成系統(tǒng)的BN結(jié)構(gòu)#65377;[18]為充分反映開展?fàn)I銷活動所受各種風(fēng)險源的影響，我們將其分為產(chǎn)品銷售風(fēng)險#65380;顧客風(fēng)險#65380;市場競爭風(fēng)險#65380;營銷管理風(fēng)險#65380;供應(yīng)商風(fēng)險#65380;競爭對手風(fēng)險6個模塊#65377;

營銷風(fēng)險這一問題領(lǐng)域，影響因素多，統(tǒng)計信息少，而專家知識在這一領(lǐng)域的作用則不容或缺，根據(jù)專家對變量之間存在的因果依賴關(guān)系的認(rèn)知，直接勾畫出從因變量到果變量之間的連接#65377;而且前面已經(jīng)提到有專家知識獲得的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)正是最優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)#65377;由專家對營銷風(fēng)險這一問題領(lǐng)域變量之間的因果依賴關(guān)系的認(rèn)識，得到貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示#65377;

四#65380;基于貝葉斯網(wǎng)絡(luò)的營銷風(fēng)險概率推斷

在確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)后，建模就只剩下節(jié)點賦值和概率推斷兩方面內(nèi)容了#65377;而節(jié)點賦值在前面的樣本組建和數(shù)據(jù)處理過程中即可得到，采用模塊化結(jié)構(gòu)又簡化了數(shù)據(jù)需求和概率推斷過程，如果我們能確定所有節(jié)點的先驗概率和條件概率，整個定量概率推斷過程即可進行#65377;

在建立了網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上采用BN Toolkit(BNT)軟件工具，就可進行概率推斷#65377;它是Kevin P.Murphy基于Matlab語言開發(fā)的關(guān)于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的軟件包，提供了許多貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的底層基礎(chǔ)函數(shù)庫#65377;[18]

在概率計算時，軟件工具用J.H.Kim和J.Pearl提出的Noisy-OR模型#65377;[19]在計算過程中，首先是用計算機語言表示專家勾畫的營銷風(fēng)險的BN結(jié)構(gòu)圖;然后通過專家信息輸入每個節(jié)點的條件概率并結(jié)合數(shù)據(jù)樣本，通過貝葉斯網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練各個節(jié)點的邊緣概率或條件概率，直到期望最大化為止;最后將企業(yè)某一時間段的營銷風(fēng)險觀測指標(biāo)輸入到貝葉斯網(wǎng)絡(luò)模型中進行營銷風(fēng)險評價，同時也可根據(jù)所確定的貝葉斯網(wǎng)絡(luò)模型對企業(yè)未來營銷風(fēng)險發(fā)生的概率進行預(yù)測#65377;[20]

五#65380;營銷風(fēng)險評價

在前面提到，營銷風(fēng)險大小決定與其發(fā)生的概率及其損失幅度的大小#65377;損失幅度是指一旦發(fā)生致?lián)p事故，其可能造成的最大損失值#65377;風(fēng)險管理人員根據(jù)企業(yè)自身特點，可用不同的方法衡量損失幅度，最基本的估測單一風(fēng)險單位在每一事件下的最大可能損失和最大預(yù)期損失#65377;在此用風(fēng)險度來衡量風(fēng)險大小的尺度[1]，計算公式如下:

其中:R為風(fēng)險度;P為在一定時間內(nèi)營銷風(fēng)險發(fā)生的概率;S為嚴(yán)重程度，即平均一次事故所造成的損失(損失幅度)#65377;

六#65380;結(jié)論

通過對貝葉斯網(wǎng)絡(luò)的描述以及在營銷風(fēng)險評價的應(yīng)用，可以看出貝葉斯網(wǎng)絡(luò)技術(shù)非常先進，它使用概率理論來描述知識成分之間的條件相關(guān)而產(chǎn)生的不確定性，也可以有效的表達#65380;處理事件和專家知識之間的不確定性#65377;通過貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)，可以進行營銷風(fēng)險評價#65377;基于貝葉斯網(wǎng)絡(luò)的定性和定量建模，實現(xiàn)了營銷風(fēng)險的科學(xué)評價#65377;從而根據(jù)計算出的風(fēng)險度，結(jié)合營銷活動過程中的實際操作，做好營銷風(fēng)險管理#65377;實驗證明，貝葉斯網(wǎng)絡(luò)是分析營銷風(fēng)險等不確定問題的有效工具#65377;

本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。