转载自:http://www.itongji.cn/article/0R35502011.html

最小二乘法回归、岭回归等都是线性方程,都是假设自变量与因变量之间是线性相关关系,得出的回归系数也是线性回归系数。但是在大部分的企业服务管理实践中,服务要素表现与客户总体满意度之间的关系并不全是线性关系。日本质量管理大师KANO提出了著名的KANO模型,将质量要素分成3类,如下图所示:

(注:KANO的计算与应用,将另文叙述。不需另外设计问题,不需改变问卷问题与结构,绝对业内唯一之量化方法。)

从上图可知,除了期望要素与客户满意度的关系是明显的线性关系外,基本要素、激励要素与满意度的关系都是明显的非线性关系。用线性方程去模拟非线性关系,就相当于把曲线拉直了量,其中不免会损失大量的信息,造成数据结果的失真。

如果应用非线性回归方法,由于其模型可能的表达式种类繁多,而且事先并不清楚曲线形态,也就很难选择模型表达式,在实际应用中很难操作。

人工神经网络(ANN)又称神经网络,是在现代神经科学研究的基础上发展起来的一种新型信息处理和计算系统,具有极强的非线性处理、容错抗噪能力。神经网络可以避开过程的复杂性和不明确性,更智能地考虑因素和结果的映射关系。

人工神经网络在满意度调查中的运用价值在于更精确地计算各因素对整体满意度的影响力,更为重要的是,人工神经网络跳出了传统统计处理技术的诸多限制,如多元正态分布、方差齐等很多实际应用中很难达到的要求,能更为有效地处理非线性问题、缺失值问题等。

人工神经网络技术借助计算机的高性能运算能力,在数据之间进行反复的拟合以达到最稳定的平衡。人工神经网络示意图:

上图是神经网络分析可展现的结果,x1、x2…xn 表示输入的各因素的满意度数据,Wj1、Wj2…Wjn 表示各因素对整体满意度的影响力。

上文电信客户满意度推导重要性(驱动力/影响力),用神经网络分析结果如下:

对应的数据如下:

(注:神经网络软件可用:Neuroshell2 或Clementine中的神经网络模块,上述是用Clementine完成)

从上表可知,神经网络计算的结果中没有出现负值,仔细对照的话,可发现与上文中最小二乘法回归分析结果大小顺序基本一致,可以作为相互的验证。

其实,80%的情况下,线性方程都能很好模拟出自变量与因变量之间的关系,数据结果也是合理和令人满意的。除非数据的质量比较差,有较多的噪音;或者说自变量与因变量之间有非常明显的非线性关系,导致模型拟合度很差,这个时候就可以应用神经网络来处理。当然,要求高的话要用神经网络都是可以的,只是对研究人员的要求更高了。

量化客户需求强度-建立VOC相关推荐

  1. 全局系统性地把握客户感知-建立VOC

    转载自:http://www.itongji.cn/article/0R45542011.html 通过客户投诉意见.网站信息收集.一线员工反馈等渠道获得的客户需求信息往往庞大而杂乱,管理者很难从中理 ...

  2. 企业是否应该实现对客户需求的快速响应_如何做好企业服务?

    2018 年,企业级服务仍处于高速增长时期. 经过几年的市场洗礼后,企业级服务的市场格局正在逐步明朗.无论是垂直型还是通用型的企业级服务厂商,公司发展核心问题主要围绕客户满意度.产品成熟度.企业健康度 ...

  3. Live800:服务经济时代,企业如何满足客户需求?

    在互联网与市场经济的催化下,我们正在从产品经济时代过渡到服务经济时代.在产品经济时代,企业关注的核心是质量和成本:而在服务经济时代,如何面向客户,满足客户需求则成为企业建立核心竞争力的关键. 具体来说 ...

  4. 项目管理中的客户需求变更时需求分析和解决方法

    一.令人烦恼的需求变更 作为一个软件项目经理,在项目开发进行中,你是否遇到过这样的问题:客户的一个电话,就推翻了之前你与客户.与你自己的开发团队,经过再三讨论而确认定下来的需求.之后你就重新开始了和客 ...

  5. 产品经理如何量化关键需求指标

    在确定了客户需求之后,要将客户需求作为网站优化.流程改进的依据,还需要更进一步,对这些需求提出特定的.可衡量的要求,作为日后评价的标准.检验和考核的指标依据,这些量化的要求被称为关键质量特征.例如: ...

  6. 搜索NLP行业模型和轻量化客户定制

    简介:开放搜索NLP行业模型和轻量化客户定制方案,解决减少客户标注成本.完全无标注或少量简单标注的等问题,让搜索领域扩展更易用. 特邀嘉宾: 徐光伟(昆卡)--阿里巴巴算法专家 搜索NLP算法 搜索链 ...

  7. 在X++中使用IoC/DI模式应对不断变化的客户需求

    IoC/DI(Inverse of Control/Dependency Injection,控制反转/依赖注入)模式是一种企业级架构模式,通过将应用程序控制权反转交移给框架,并以构造器注入.属性设置 ...

  8. ★如何引导客户需求?几个经…

    如何引导客户需求?几个经典的案例分析! (第三个医患案例仅作为启发,不倡导医生为之,在此声明) 导读:客户的需求往往是多方面的.不确定的,需要去分析和引导.客户的需求是指通过买卖双方的长期沟通,对客户 ...

  9. 维谛技术(Vertiv):一切研发创新都以客户需求为核心

    在关键基础设施领域,维谛技术(Vertiv,NYSE:VRT)产品线的完整性及技术实力是得到业内公认的,在这背后是其完善研发体系的有力支撑,以及对市场需求和客户痛点的准确把握. "维谛技术( ...

最新文章

  1. Spark学习之RDD的概念
  2. Redis作者谈Redis应用场景
  3. oracle11g的tnstimeout,redhat下oracle11g 配置listener.ora
  4. Android 内存管理之优化建议
  5. 软件框架的理解(转载)
  6. 有哪些激光雷达SLAM算法?
  7. Web调用海康威视摄像头
  8. 可以用WebRTC来做视频直播吗?
  9. 指针(一)(基本概念)
  10. 2021-04-30
  11. 【Linux】在Xilinx平台上实现UVC Gadget(2)- 解决dwc3驱动bug
  12. 虚幻4和Unity3D应该学哪个?
  13. 实例:用C#.NET手把手教你做微信公众号开发(3)--普通消息处理之图片
  14. 世界上第一个便便数据库需要您的帮助!【智能快讯】
  15. java计算机毕业设计家电仓储管理系统源码+mysql数据库+系统+lw文档+部署
  16. inet_ntoa 和inet_ntop函数
  17. MYSQLg高级-----SQL注入的理解(初级篇)以及如何防止注入
  18. 五种主流web报表工具的功能对比
  19. 酒店预订系统实现的数据表搭建
  20. 【转】关于羽毛球拍拉线方法的介绍

热门文章

  1. 引用之函数返回值 函数的返回值为引用类型《三》
  2. H264 帧、pps 、sps
  3. Ubuntu安装ssh server及分配用户
  4. Binder基本概念流程学习
  5. Android源码编译FFmpeg4.0.2单独so库for Android(验证可用)
  6. ios libfdk-aac encode
  7. vue-cli的router/index.js跳转出问题了
  8. quartus 使用IP提供的脚本仿真rapidio
  9. python按位处理二进制文件_对如何在python shell中对16位二进制数执行按位运算感到困惑...
  10. phpcms 指定id范围 调用_Dubbogo 源码笔记(二)客户端调用过程