基于調(diào)查數(shù)據(jù)的電網(wǎng)營銷評(píng)價(jià)研究

胡西民, 羅嵐波, 姚李孝, 劉家軍, 楊國清

(西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048)

?

基于調(diào)查數(shù)據(jù)的電網(wǎng)營銷評(píng)價(jià)研究

胡西民, 羅嵐波, 姚李孝, 劉家軍, 楊國清

(西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048)

在電網(wǎng)營銷評(píng)價(jià)中，結(jié)合我國電力行業(yè)實(shí)際情況與國內(nèi)外已有的營銷滿意度指標(biāo)體系，構(gòu)建一個(gè)多因素，多層次的指標(biāo)體系。在確定三級(jí)指標(biāo)權(quán)重時(shí)，利用調(diào)查問卷中的原始數(shù)據(jù)，提出了主成分回歸賦權(quán)方法與熵權(quán)值賦權(quán)法相結(jié)合，根據(jù)調(diào)查問卷中客戶的選擇來確定權(quán)重，有效地避免了專家的主觀判斷的不確定性問題造成對(duì)權(quán)重分配的不合理。以某省的電力客戶滿意度調(diào)查為實(shí)例，驗(yàn)證文中提出的方法的可行性、有效性及合理性。

電網(wǎng)營銷； 原始數(shù)據(jù); 主成分回歸; 熵權(quán)值

國家電網(wǎng)營銷承擔(dān)著直接面向社會(huì)市場(chǎng)和為廣大電力消費(fèi)者服務(wù)的功能，建立電網(wǎng)營銷評(píng)價(jià)為了建立常態(tài)的服務(wù)品質(zhì)監(jiān)督機(jī)制，不斷提高供電企業(yè)服務(wù)能力。轉(zhuǎn)變以生產(chǎn)為導(dǎo)向的電力營銷舊觀念,建立以優(yōu)質(zhì)服務(wù)為核心，以用電客戶需求為主的營銷機(jī)制,以用電客戶滿意為核心的市場(chǎng)觀念。電網(wǎng)企業(yè)營銷包括形象營銷、優(yōu)質(zhì)服務(wù)、引導(dǎo)需求、市場(chǎng)開拓、推進(jìn)需求側(cè)管理、管理創(chuàng)新六個(gè)方面的營銷策略。電網(wǎng)企業(yè)的營銷策略評(píng)價(jià)的方法有多種，文獻(xiàn)[1]、[2]采用灰色關(guān)聯(lián)和神經(jīng)網(wǎng)絡(luò)方法對(duì)客戶滿意度進(jìn)行分析、度量和評(píng)價(jià)；文獻(xiàn)[3]雖然考慮到了客觀權(quán)重的影響，但在確定三級(jí)指標(biāo)權(quán)重時(shí)，沒有考慮客戶的決策對(duì)權(quán)重的影響；文獻(xiàn)[4]權(quán)重的方法有專家估測(cè)法、加權(quán)統(tǒng)計(jì)法、層次分析法，缺點(diǎn)是不能描述指標(biāo)值之間的不同對(duì)其權(quán)重的分配產(chǎn)生的影響，然而可以利用熵權(quán)值彌補(bǔ)層次分析法的不足；文獻(xiàn)[5]引入了D-S證據(jù)理論，解決了客戶選擇的模糊性，但忽略權(quán)重對(duì)其結(jié)果的影響，而且其經(jīng)典合成規(guī)則在實(shí)際應(yīng)用中并非十分完善；文獻(xiàn)[6]多元線性回歸(MLR)賦權(quán)法通過建立一個(gè)因變量和多個(gè)解釋的顯著線性回歸方程，然而原始數(shù)據(jù)存在多重線性相關(guān)；主成分回歸賦權(quán)方法(PCR)優(yōu)點(diǎn)是克服自變量之間的多重共線問題。

本文提出將主成分回歸與熵權(quán)方法相結(jié)合，確定三級(jí)指標(biāo)權(quán)重，解決層次分析方法專家主觀判斷的模糊不確定性問題，彌補(bǔ)單一主觀賦權(quán)法的不足。

1　評(píng)價(jià)體系模型

1.1電網(wǎng)滿意度模型

電網(wǎng)滿意度模型[7-8]必須與電力用戶實(shí)際情況相結(jié)合，因此把電力客戶滿意度評(píng)價(jià)模型分為三級(jí)指標(biāo)，選取規(guī)范服務(wù)等5個(gè)因素作為第二級(jí)指標(biāo)，第三級(jí)指標(biāo)直接反應(yīng)電力客戶滿意度的基本特征，如用電質(zhì)量、供電安全性等19個(gè)因素。具體模型見圖1。

圖1　電力客戶滿意度測(cè)評(píng)模型Fig.1　Measurement model of customer satisfaction

1.2評(píng)價(jià)指標(biāo)體系測(cè)評(píng)方法

1.2.1問卷設(shè)計(jì)

為了得到電力客戶滿意度，利用問卷測(cè)評(píng)出用電客戶對(duì)每個(gè)三級(jí)指標(biāo)的滿意度，通過加權(quán)平均得到各二，三級(jí)指標(biāo)滿意度指數(shù)，進(jìn)一步得到供電企業(yè)的用戶滿意度指數(shù)，問卷的設(shè)計(jì)包括3個(gè)階段。

1) 訪談和開放式。小范圍內(nèi)的訪談和問卷調(diào)查，統(tǒng)計(jì)出現(xiàn)頻次較多的測(cè)量指標(biāo)。調(diào)查問卷采用李克點(diǎn)量表(5 4 3 2 1)分別表示非常滿意，滿意，一般，不滿意，非常不滿意。

2) 預(yù)調(diào)查。主要采用方便抽樣的方式，預(yù)試問卷題項(xiàng)數(shù)與樣本數(shù)比例大約在1∶5～1∶10。

3) 正式調(diào)查。方式有街頭截訪、營業(yè)廳訪問、入戶訪問及電話訪問。

問卷信度分析：信度是電力客戶滿意度測(cè)評(píng)問卷反映電力客戶評(píng)價(jià)的可信度。常用Cronbach,sa系數(shù)測(cè)量，其公式為：

(1)

其中k為問卷項(xiàng)目的個(gè)數(shù)，σij為方差，σi為標(biāo)準(zhǔn)方差。當(dāng)信度檢驗(yàn)標(biāo)準(zhǔn)α≥0.7。調(diào)查問卷的正確性、一致性和穩(wěn)定性均滿足要求，問卷合理有效。

1.2.2主成分回歸賦權(quán)方法

主成分回歸(PCR)賦權(quán)方法是將主成分分析與多元回歸結(jié)合起來的賦權(quán)方法，在多維向量矩陣中，在數(shù)據(jù)信息丟失最少的情況下，對(duì)高維矩陣進(jìn)行降維處理。如果X是有n個(gè)樣本點(diǎn)和p個(gè)變量的矩陣,設(shè)該數(shù)據(jù)矩陣為：

(2)

將數(shù)據(jù)標(biāo)準(zhǔn)化,則E(xj)=0,Var(xj)=1，綜合變量F1是x1,x2,…,xp線性組合，即:

(3)

求最優(yōu)化問題：

(4)

(5)

其步驟詳述如下。

1) 測(cè)量變量的協(xié)方差矩陣A：

(6)

其中

2) 計(jì)算矩陣的特征值及特征向量ai：

(7)

3) 寫出主成分Gj：

(8)

主成分個(gè)數(shù)由累計(jì)貢獻(xiàn)率的大小確定，在顧客滿意度指數(shù)測(cè)評(píng)中，如果取3個(gè)主成分，其表達(dá)式為:

(9)

測(cè)量主成分的初步權(quán)重時(shí)把式(8)代入式(9)，得:

F=p1x1+p2x2+…+pmxm

(10)

式中：

1.3熵權(quán)值賦權(quán)方法

熵權(quán)法[10-13]原理則是根據(jù)各評(píng)價(jià)指標(biāo)數(shù)值的變異程度所反映的信息量大小來確定權(quán)數(shù)，本文用于度量方案的多目標(biāo)屬性的信息量的大小，若某個(gè)評(píng)價(jià)指標(biāo)的信息熵越小，表明指標(biāo)值變異程度越大，提供的信息量越大，在綜合評(píng)價(jià)的所起作用越大。步驟如下：

1) 對(duì)X的每一個(gè)指標(biāo)的數(shù)據(jù)歸一化處理，得出矩陣X=(xij)m×n,則第i個(gè)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象的權(quán)重為：

(11)

2) 計(jì)算第i項(xiàng)指標(biāo)信息熵值：

(12)

3) 計(jì)算指標(biāo)的差異性因素：

Mi=1-Hi

(13)

4) 確定指標(biāo)i的熵權(quán)值：

(14)

1.4主成分回歸的熵權(quán)值賦權(quán)法

主成分回歸賦權(quán)方法[14-15]消除多重共線的影響，確定初步權(quán)重，熵權(quán)值與主成分回歸擬合，以保證攜帶更多的信息量。從而推算出最終賦權(quán)值：

(15)

其中,p為主成分回歸權(quán)重，w為熵權(quán)的權(quán)重。

2　算例及分析

以某省的十個(gè)地級(jí)市供電公司為例，調(diào)查者包括城鎮(zhèn)居民、一般工商業(yè)、大宗工業(yè)、農(nóng)業(yè)生產(chǎn)、農(nóng)村居民、重要客戶，其中供電質(zhì)量，規(guī)范服務(wù)為第二級(jí)指標(biāo)，其他19個(gè)因素為第三級(jí)指標(biāo)，其中包括定性因素和定量因素，定量因素建立合理的隸屬函數(shù)[4]。以供電站質(zhì)量為例，根據(jù)調(diào)查問卷的數(shù)據(jù)，首先進(jìn)行信度分析，其數(shù)據(jù)如表1所示，其次分析它的主成分與熵值，得出供電質(zhì)量矩陣的特征根和特征向量，見表2。

表1　信度系數(shù)

表2　供電質(zhì)量特征根及特征向量

由表2可知，若λ1=1.941， 則a11=0.375,a12=0.868,a13=0.408。

由公式(8)、(9)、(10)可得：p1=0.498,p2=0.675,p3=0.483。歸一化得:

p1=0.300

p3=0.292

同理計(jì)算各三級(jí)指標(biāo)的主成分權(quán)重見表3。對(duì)于二級(jí)指標(biāo)權(quán)重的確立，由專家組通過模糊層次分析法分別求出二級(jí)指標(biāo)的權(quán)重，對(duì)于模糊層次分析法技術(shù)已經(jīng)比較成熟[6]，各二級(jí)指標(biāo)權(quán)重的確定不是本文的重點(diǎn)，這里不再詳述。各個(gè)指標(biāo)的滿意度見圖2～3。

表3　電網(wǎng)客戶滿意度三級(jí)指標(biāo)權(quán)重

圖2　三級(jí)指標(biāo)滿意度圖形Fig.2　Satisfaction of three indicators

圖3　總體滿意度圖形Fig.3　The overall satisfaction of customer

主成分回歸(PCR)可以解決相關(guān)變量的多重共線問題，增加回歸模型的穩(wěn)定性。熵權(quán)值(EW)賦權(quán)方法能夠提高變量的解釋能力，最大限度地?cái)y帶信息量，其缺點(diǎn)是不能解決多重共線問題，將PCR賦權(quán)方法和EW賦權(quán)方法引入到企業(yè)顧客滿意度指數(shù)測(cè)評(píng)之中，提高系統(tǒng)的穩(wěn)定性，而且可以消除多重共線性，從而獲得出具有創(chuàng)新性的賦權(quán)方法。

3　結(jié)　論

電網(wǎng)營銷評(píng)價(jià)方法將考慮客戶對(duì)各指標(biāo)的重視程度及服務(wù)需求,完善評(píng)價(jià)系統(tǒng)，更利于電力公司決策者對(duì)客戶滿意度做出全面的評(píng)價(jià)?？傮w滿意度為一般(3.78)，國家電網(wǎng)需在分值較低的指標(biāo)中不斷完善自身。從各指標(biāo)的滿意度來看，用電申請(qǐng)流程，電話報(bào)修，及時(shí)準(zhǔn)確抄表滿意度較低， 國家電網(wǎng)必須轉(zhuǎn)變營銷策略，樹立服務(wù)理念，加強(qiáng)電網(wǎng)建設(shè)，使電力企業(yè)與客戶建立良好的供用電關(guān)系，實(shí)現(xiàn)共贏與持續(xù)發(fā)展。

[1] KUNG Changyung，YAN Tzungming，CHUANG Shihchieh，et al.Applying grey relational analysis to assess the relationship among service quality customer satisfaction and customer loyalty[C]//IEEE Conference on Cybernetics and Intelligent Systems,Bangkok,2006:1-5.

[2]LIU Yan，ZHOU Changfeng，CHEN Yingwu.Measuring customer satisfaction Based on neural networks partial least squares approach[C]// International Conference on Service Operations，Logistics and Informatics，Shanghai，2006：627-631.

[3]陳偉，夏建華.綜合主客觀權(quán)重信息的最優(yōu)組合賦權(quán)方法[J].數(shù)學(xué)的實(shí)踐，2009，37(1)：17-22.

CHEN Wei, XIA Jianhua.An optimal weights combination method considering both subjective weight information[J].Mathematics in Practices and Theory,2009,37(1):17-22.

[4]王靖,張金鎖.綜合評(píng)價(jià)中確定權(quán)重向量的幾種方法比較[J].河北工業(yè)大學(xué)學(xué)報(bào)，2001，30(2):52-57.

WANG Jing,ZHANG Jinsuo.Comparing several methods of assuring weight vector in synthetical evaluation[J].Journal of Hebei University of Technology，2001，30(2):52-57.

[5]韋運(yùn)杰，李揚(yáng).基于D-S證據(jù)理論的電力客戶滿意度評(píng)價(jià)[J].電力需求側(cè)管理,2010,6:21-23.

WEI Yunjie，LI Yang.Evaluation of power customer satisfaction degree based on D-S evidence theory[J].Power DSM,2010,6:21-23.

[6]王鶴，曾鳴.基于模糊層次分析法的供電服務(wù)質(zhì)量綜合評(píng)價(jià)模型[J].電網(wǎng)技術(shù)，2006,30(17):29-33.

WANG He, ZENG Ming. Comprehensive evaluation model for power supply service quality based on fuzzy analytic Hierarchy process[J].Power System Technology,2006,30(17):29-33.

[7]呂朋蓬，趙晉泉，李端超，等.電網(wǎng)運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系與綜合評(píng)價(jià)方法[J].電網(wǎng)技術(shù)，2015,39(8):245-252.

Lü Pengpeng, ZHAO Jinquan, LI Duanchao,et al. Assessment index system for power grid operation status and corresponding synthetic assessment method[J].Power System Technology,2015,39(8):245-252.

[8]盧建昌，韓紅領(lǐng).基于模糊積分的電力客戶滿意度綜合評(píng)價(jià)[J].電網(wǎng)技術(shù),2009,32(1):67-71.

LU Jianchang, HAN Hongling. Comprehensive evaluation of power customer satisfaction degree based on fuzzy integral[J].Power System Technology,2009,32(1):67-71.

[9]史耀波，岳愛.農(nóng)村消費(fèi)性公共產(chǎn)品的成本分擔(dān)與滿意度評(píng)價(jià)[J].西安理工大學(xué)學(xué)報(bào),2012,28(2):247-252.

SHI Yaobo，YUE Ai.Research on the cost sharing and satisfaction evaluation of rural public goods[J]. Journal of Xi’an University of Technology,2012,28(2):247-252.

[10] 汪妮，方正，解建倉.改進(jìn)的熵權(quán)法在再生水資源價(jià)值評(píng)價(jià)中的應(yīng)用[J].西安理工大學(xué)學(xué)報(bào),2012,28(4):416-420.

WANG Ni，F(xiàn)ANG Zheng，XIE Jiancang.Application of improved entropy weight method to reclaimed water value assessment[J].Journal of Xi’an University of Technology,2012,28(4):416-420.

[11]劉瑾，馮瑛敏，章輝.基才熵值分析和層次分析法的智能電網(wǎng)電力終端接入網(wǎng)綜合效益評(píng)價(jià)[J].電力建設(shè)，2015，36(5):136-140.

LIU Jin，F(xiàn)ENG Yingmin，ZHANG Hui. Comprehensive benefit evaluation for power terminal access network in smart grid based on analytic hierarchy process and entropy analysis[J].Electric Power Construction,2015，36(5):136-140.

[12]劉俊華，羅隆福.基于集對(duì)分析法的電能質(zhì)量綜合評(píng)估與排序穩(wěn)定性分析[J].中國電機(jī)工程學(xué)報(bào)，2013，33(1):70-76.

LIU Junhua, LUO Longfu. A new method for power quality comprehensive evaluation considering the analysis of sequence stability[J].Proceedings of the CSEE,2013,33(1):70-76.

[13]蔣亞坤，李文云，趙瑩，等.粗糙集與證據(jù)理論結(jié)合的電網(wǎng)運(yùn)行優(yōu)質(zhì)性綜合評(píng)價(jià)[J].電力系統(tǒng)保護(hù)與控制,2015,43(13)1-7.

JIANG Yakun, LI Wenyun, ZHAO Ying, et al. Evaluation of power quality performance based on rough set and evidence theory[J].Power System Protection and Control,2015,43(13)1-7.

[14]李勇. 顧客滿意度指數(shù)模型及其測(cè)評(píng)方法研究[D].北京：中國礦業(yè)大學(xué)，2008.

LI Yong. Studies on customer satisfaction indices model and its evaluation methods[D].Beijing:China University of Mining and Technology,2008.

[15]何曉群,劉文卿.應(yīng)用回歸分析 [M]. 第2版.北京:中國人民大學(xué)出版社，2007:63-70.

(責(zé)任編輯楊小麗)

Evaluation research on grid marketing based on survey data

HU Ximin, LUO Lanbo, YAO Lixiao, LIU Jiajun, YANG Guoqing

(School of Water Resources and Hydroelectric Engineering, Xi’an University of Technology，Xi’an 710048，China)

Based on the evaluation of power marketing, combined with the actual situation of China’s power industry and the existing marketing Satisfaction Index at home and abroad, it is necessary to build a multi-factor, multi-level index system. In determining the weight of three indicators, the original data in the questionnaires are used to propose a method that combines principal component regression empowerment and empowerment wears entropy value, and according to the customer's choice questionnaire to determine the weight, it can effectively avoid the uncertainty caused by the subjective judgment of the experts ,which may cause the irrational weight distribution .The example about power customer satisfaction survey in a province verifies the feasibility the validity and the rationality of proposed method in this paper.

network marketing; original data; principal component regression; entropy weight value

1006-4710(2016)02-0158-05

10.19322/j.cnki.issn.1006-4710.2016.02.005

2015-09-08

國家自然科學(xué)基金資助項(xiàng)目(51077109)

胡西民, 男, 副教授, 博士生， 研究方向?yàn)榫W(wǎng)絡(luò)安全、管理信息系統(tǒng)。E-mail:huximin@xpu.edu.cn

姚李孝， 男， 教授， 博導(dǎo)， 研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與運(yùn)行。E-mail:ylx@xaut.edu.cn

TM73

A