超市顧客滿意度

前言：本站為你精心整理了超市顧客滿意度范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

[摘要]本文通過調查問卷的方式對北京某大型超市的顧客滿意度進行了調研，在對調查問卷分析處理的基礎上，建立了基于BP神經網絡的超市顧客滿意度評價模型，并對該超市的顧客滿意度進行了評價研究。

[關鍵詞]BP神經網絡超市顧客滿意度調查問卷

超市顧客滿意度體現了超市的價值，也是超市生存發展壯大的根本。顧客滿意度評價作為超市了解顧客滿意程度的一種手段和工具，對于超市來說具有重要的意義。超市通過顧客滿意度評價，一方面可以和過去的經營業績進行比較，另一方面可以與行業內其他超市顧客滿意水平進行橫向比較，認清自己在市場競爭中的位置，識別主要的競爭者以及市場中存在的機遇和障礙。對顧客滿意的評價信息進行分析還可以幫助超市了解自己的薄弱環節，推動超市經營機制的改革，幫助超市制定正確的發展戰略和市場政策，更合理的分配超市有限的資源，最大可能地提高顧客滿意戰略的效益。顧客滿意度評價模型是超市評價其顧客滿意度的關鍵問題。本文在對調查問卷的分析處理的基礎上，綜合考慮多種因素，建立了基于BP神經網絡的超市顧客滿意度評價模型。

一、超市顧客滿意度指標體系的建立

評價指標體系主要根據超市顧客滿意度的主要因素和管理側重點來確定。在確定顧客滿意度指標時應當遵循全面性、代表性、區分度和效用性等原則，同時也必須根據超市的需要來確定評價指標，同時隨著超市顧客信用管理水平的改善和營銷環境的變化，應及時作適當調整。

1.超市顧客滿意度指標選取原則

一個好的指導原則是整個評價系統的靈魂，指導原則決定整個評價體系的效果。如何建構整體體系，必須以設計原則為起點。根據指標選擇原則建立的超市顧客滿意度評價指標體系，能夠在不同方面反映超市顧客滿意度，選取超市顧客滿意度評價指標應遵循如下原則:

（1)代表性原則。為了全面描述超市的顧客滿意度，應選取少數幾個具有代表性的、蘊含信息量大的指標，可以在比較低的成本條件下得到比較高的信息水平。

（2)獨特性原則。對超市顧客滿意度的評價應當考慮超市的顧客需求和經營特點，建立一套獨特的指標體系，目的是通過這些特點了解顧客對超市的滿意程度。

（3)獨立性原則。獨立是指各選取指標之間相互獨立，坐標間重復信息過多，將不利于指標評價作用的發揮。

（4)操作性原則。所選取的指標要與國際慣例接軌，同時又符合我國超市的發展水平現狀，各項指標應該力求能從廣泛的經濟數據中獲取相關的可靠信息，要求數據來源確鑿可靠，推理過程科學合理，易于量化，適于操作，并且指標間的相關性較弱。

2.指標體系的建立

基于以上原則，根據消費心理學原理，結合超市的具體情況以及市場調研特點和實踐，本文選擇的調研指標包括以下幾個部分:

(1)商品特征。對商品特征的印象是超市滿意度的核心,顧客對商品的感知度,對顧客滿意度起決定性的作用。

(2)服務狀況。顧客對超市服務的感知應來自兩個方面:一是超市員工的服務狀況;二是超市服務狀況。

(3)店容店貌。店容指超市內外的容貌、面貌,即超市形象。

(4)購物環境。超市購物環境直接影響到消費者的購物情緒。

（5)其他。根據調研實際需要,還可設計一些附加指標,但不亦過多。

具體指標體系如表所示。

二、顧客滿意度調查問卷設計及調研

搜集多組被評價超市的代表顧客的指標值，獲得合適的數據是構建模型的重要步驟。根據建立的指標體系及問卷設計的原則來選擇合適的問題進行調查，在設計問卷的過程中，為了方便顧客在問卷上反映自己對某超市的滿意度，盡量將各個指標簡單化，使之通俗易懂且便于評價打分。

由于超市顧客滿意度由一系列的指標來反應，最后的總體滿意度如何確定是問卷設計過程中的一個難題，知道每個指標的值很難得出顧客的滿意度，那么BP神經網絡訓練集中的輸出值就無法確定，因此本文在問卷的最后，調查了顧客對超市滿意度的總體評價，但顧客的總體滿意度跟之前的各個指標很可能出現不匹配的情況，所以為了減少由于主觀因素而影響評價模型的準確性，增加了樣本的數量，對明顯不合理的問卷進行篩選。

問卷一共有20個問題,分別對應于5個指標,比如商品滿意度一般包括商品質量、商品價格、商品種類、商品花色款式和食品安全,而問卷中只能單獨調查顧客對各個小項目的滿意度,由各個小項目的值得到一個指標的值,而每個小項在一個指標中所占的比例不盡相同,因此本文確定了每個小項所占的權重,具體如下：

商品特征:質量(0.25)、價格(0.25)、種類(0.25)、花色款式(0.1)、食品安全(0.15)

服務狀況:員工素質和員工服務態度(0.4)、結算環節(0.2)、提供咨詢和投訴處理(0.2)，員工儀表(0.2)

店容店貌:外觀設計(0.2)、商品陳列(0.4)、商品標識(0.4)

購物環境:環境衛生(0.3)、音樂背景(0.2)、進出線路(0.3)、購物安全(0.2)

其他部分:超市硬件(0.4)、超市信譽(0.2)、促銷活動(0.4)

三、基于BP神經網絡的超市顧客滿意度評價模型構建

根據所確立的顧客滿意度評價指標體系和BP神經網絡結構來確定所要構建的評價系統模型。基于BP神經網絡算法，該模型是由輸入層、輸出層和一個隱層構成的三層前饋網絡。輸入層將評價指標歸一化處理后的樣本數值作為神經元；輸出層是對顧客信用等級的衡量，是一個從定性到定量，再從定量到定性的過程，通過BP神經網絡模型將定性轉化為定量輸出，再根據輸出結果和事先確定的標準，對顧客信用做出定性評價。而隱含層在設計上是一個難點，設置多少個隱節點取決于訓練樣本數的多少、樣本的大小以及樣本中蘊含規律的復雜程度。

1.輸入節點的確定

網絡輸入全面描述了超市顧客滿意度的指標。因此，不同的超市顧客滿意度的指標體系對應不同的網絡模型，也形成不同的輸入節點數，輸入節點數等于滿意度指標數。由前面的超市顧客滿意度指標體系可知，顧客滿意度指標包括商品特征、服務狀況、店容店貌、購物環境和其他五個部分，所以確定輸入節點數為5個。

2.輸出節點的確定

輸出節點對應于評價結果，輸出為1表示很不滿意、2表示不滿意、3表示不太滿意、4表示一般、5表示較滿意、6表示滿意、7表示很滿意，因此輸出節點確定為1個。

3.隱層節點的確定

隱節點的作用是從樣本中提取并存儲其內在規律，每個隱節點有若干個權值,而每個權值都是增強網絡映射能力的一個參數。隱節點數太少就不足以提煉訓練集中的規律，過多也可能把樣本中非規律性的噪聲等牢記,因此必須選擇合適的隱節點數才能使訓練達到要求。確定隱節點數的最佳方法是試湊法，先設置較少的隱節點數再逐漸增加,由于神經網絡的并行分布結構和非線性動態特性，還沒有得到一個簡單通用的隱含層單元的確定公式。因此結合文中實際情況,并參考以下經驗公式:

其中：n為輸入層節點數，l為輸出層節點數，a為1到10之間的常數。

再用試湊法進行研究，確定隱含層單元個數，本文最終選取的隱節點數為9個。

四、基于BP神經網絡的超市顧客滿意度評價模型仿真研究

本文采用動量及自適應的梯度遞減訓練函數即Traingdx。對于梯度下降法，訓練成功與否與學習率的選取有很大關系。自適應學習算法能夠自適應調整學習率來增加穩定性，提高速度和精度。

調研中對100個顧客進行了隨機訪問，在訪問過程中注意協調各種年齡段、收入水平及職業等，使得問卷更具有代表性，增加了問卷的有效性，并舍棄嚴重不合理問卷，抽取90個調研數據，其中54個作為建模的訓練樣本集，另外36個數據作為測試樣本集用于測試網絡。在進行網絡訓練之前，首先要對輸入輸出訓練數據進行歸一化，這樣做的好處是可以防止權值調整進入誤差曲面的平坦區和訓練后誤差不均等。文中選用的歸一化函數為prestd，使用該函數進行歸一化的結果是使得數據的平均值為0，標準差為1。

輸入要評價的顧客指標值，根據輸出值，對超市的顧客滿意度狀態給出評價結論。顧客的滿意程度用李克特量表分成七級來衡量：很不滿意、不滿意、不太滿意、一般、較滿意、滿意、很滿意，輸出節點輸出的評價結果分別用1到7數字表示。

首先對網絡進行初始化，設定輸入節點數為5，隱節點數為9，輸出節點數為1，誤差要求為0.001，訓練次數為20000次。建立一個BP神經網絡模型，訓練網絡時將輸出值同理想值進行比較，如有誤差就進行反向傳播輸出，修正權重系數，如此反復直到誤差小于設定的誤差。輸入訓練樣本后,系統按期望輸出與實際輸出誤差平方和的最小化規則來學習,調整權值矩陣和閾值向量。當誤差減小到要求范圍時,系統停止學習,此時權值矩陣與閾值向量固定下來，成為系統內部知識。為了使訓練更有效，在測試樣本中加入兩組數據作為教師信號，即p=[11111；77777]，t=[17]，這兩個信號是兩個極端，即對每個指標都很不滿意且最后結論為對超市的滿意度為很不滿意，或者對各個指標都是很滿意，而對超市的總體滿意度也是很滿意。

當訓練到出現如下字符

TRAINGDA,Performancegoalmet.

停止訓練，同時圖像界面動態圖停止，如圖1所示。

當訓練誤差達到要求時，用測試樣本對網絡進行測試。通過對每一個測試數據的仿真輸出和期望輸出的比較，可以看出該神經網絡的仿真誤差的大小，以直觀地表現出仿真得出的結果與理想值之間的關系，如圖2所示。圖中o代表期望輸出，*代表仿真輸出。

從圖中可以看出，只有少數幾個誤差較大，大部分的輸出結果是令人滿意的，因此采用BP神經網絡模型對超市顧客滿意度進行評價具有較高的精確度。

五、結束語

本文在問卷調查的基礎上，運用人工神經網絡的理論,建立了對超市顧客滿意度進行評價的BP神經網絡模型,并在MATLAB仿真環境中測試了該神經網絡評價模型的功能。從測試結果來看,該網絡達到了設計要求,對超市顧客滿意度的評價的正確率較高，證明了利用BP人工神經網絡模型對超市顧客滿意度進行評價比傳統的評價方式更為科學有效。

參考文獻：

[1]張葛祥李娜:MATLAB仿真技術與應用[M]．北京:清華大學出版社，2003

[2]ALTMAREMARCOG:Corporatedistressdiagnosis:comparisonsusinglineardiscriminateanalysisandneuralnetworks[J].JournalofBankingandFinance，1994．6

[3]郝勇:運用BP神經網絡研究上證公用事業指數的波動[J].上海工程技術大學學報，2005．3

[4]蘇變萍王一平:基于BP神經網絡的信息商品價格預測模型[J].統計與信息論壇，2007．3

[5]李穗豐陳燕清:BP神經網絡及其在數椐分類中的應用[J].電腦與電信，2006．6