CN113327047B - 基于模糊综合模型的电力营销服务渠道决策方法及系统 - Google Patents

Abstract

基于模糊综合模型的电力营销服务渠道决策方法及系统，方法包括：1.构建营销服务渠道综合指标体系；2.采集每项综合指标所对应的数据或对该指标进行赋值，通过加权平均的方法计算指标体系中一级指标对应的分数；3.根据每项指标的采集数据或对应赋值，计算指标的相对重要性权重向量；4.基于熵权法计算每项指标的客观权重向量；5.结合相对重要性权重向量与客观权重向量计算融合权重向量；6.计算评价矩阵；7.结合融合权重矩阵向量以及评价矩阵计算模糊综合评价总评价矩阵；8.利用总评价矩阵计算最终评定等级并确定等级最优的服务渠道。本发明通过模糊综合决策模型计算输出各营销服务渠道的决策结果，便于后续确定优化渠道目标。

Description

基于模糊综合模型的电力营销服务渠道决策方法及系统

技术领域

本发明涉及基于模糊综合模型的电力营销服务渠道决策方法及系统，属于电力技术领域。

背景技术

随着营销渠道效能评价领域相关技术的发展，相继出现了包括文献调查研究法、SWOT分析法、结构方程模型法等在内的多种解决方案，但是其中最有前景的解决方案是采用主客观结合的多指标评价技术，它不仅能最大限度减少信息的损失，同时还能结合专家意见给出更贴近实际的评价。模糊综合评价技术是电力行业营销服务渠道管理系统的重要组成部分，也是目前电网企业营销服务渠道数字化、营销服务渠道布局优化、营销管理创新发展进一步提升的方向。相比于单一的主观或者客观评价方法、定性或者定量分析方法而言，综合性的系统分析技术具有利于认识现象与本质特征、利于把握分析对象的总体与局部，体现科学性等优点，呈现出良好的发展前景。

模糊综合评价技术的核心是模糊数学，根据隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。一般步骤包括构建模糊综合评价指标、构建权重向量、构建评价矩阵、求得模糊综合评判集解释结果。在构建权重向量部分，本技术选择相对主观的层次分析法与相对客观的熵权法相结合来确定评价指标间的相对重要性次序。模糊综合评价法具有结果清晰、系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决，其性能在主客观结合、定性定量综合方面具有优势，成为目前研究的热点。随着国家电网、南方电网等电力单位的大力推进，如何开发和利用现有技术提升公司营销服务渠道利用水平、降低营销服务渠道资源浪费、提高客户服务满意度，有效支撑公司提质增效发展成为关注的焦点。

目前，专家打分法等主观评价方式仍是构建权重向量的主流方案，但是其权重打分易受个人知识水平、个性偏好等因素的影响，仅代表主观的权重向量确定方式并不足以说明问题，甚至出现各项内容的评价结果没有辨识度或者与实际大相径庭的情况。此时利用单一的权重向量确定方式会出现决策失误，不足以反映评价效果。因此，如何针对实际情况和侧重需求建立综合的评价体系也成为待解决的问题之一。为此，文章提出一种结合了层次分析法与熵权法的模糊综合评价方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于模糊综合评价模型的营销服务渠道效能评价方法。

本发明采用如下的技术方案：

基于模糊综合模型的电力营销服务渠道决策方法包括以下步骤：

步骤1：构建营销服务渠道综合指标体系；

步骤2：根据步骤1所建立的营销服务渠道综合指标体系，采集每项综合指标所对应的数据或对该指标进行赋值，通过加权平均的方法计算指标体系中一级指标对应的分数；

步骤3：根据步骤2中得到的每项指标的采集数据或对应赋值，计算指标的相对重要性权重向量ω_A；

步骤4：基于熵权法计算指标的客观权重向量ω_B；

步骤5：结合步骤3的相对重要性权重向量ω_A与步骤4的客观权重向量ω_B计算融合权重向量ω；

步骤6：构建包含多个评价等级的评语集并根据步骤2中得到的一级指标对应的分数计算每个评价等级对应的隶属值，用计算得到的所有隶属值组成评价矩阵L；

步骤7：结合步骤5的融合权重向量ω以及步骤6的评价矩阵L计算模糊综合评价总评价矩阵U；

步骤8：利用步骤7的总评价矩阵计算最终评定等级，确定等级最优的服务渠道。

在步骤1中，营销服务渠道综合评价指标体系包括一级指标以及隶属于一级指标的二级指标；

其中，一级指标包括“环保性指标”、“安全性指标”、“经济性指标”、“增长性指标”；

“环保性指标”所属二级指标包括服务渠道是否具备节能减排措施、是否设置电价优惠通道、服务渠道流程是否具备全自动化模式、服务渠道是否具备监督反馈环节，环保性指标下所属的二级指标均为赋值类型；

“安全性指标”所属二级指标包括“渠道故障频率”、“渠道业务办理服务速度”、“渠道紧急服务响应速度”、“渠道服务时长”、“停电信息接收功能使用频率”、“停电信息查询功能使用频率”、“电费账单接收功能使用频率”、“意见反馈功能使用频率”。

“经济性指标”所属二级指标包括“渠道网站流量年增长率”、“渠道新增用户年增长率”、“渠道覆盖率”。

营销服务渠道包括“网上国网”APP、“电e宝”APP、第三方互动服务渠道、“我的南京”APP、“江苏政务服务”APP、95598服务电话、线下营业厅。

步骤3包括以下内容：

步骤301：构建递阶层次模型，划分模型中不同指标层次，确定隶属关系；

步骤302：根据步骤301构建的递阶层次模型，计算下层指标对上层指标的相对重要性，利用二元对比法确定同层指标的判断矩阵；

步骤303：对步骤302所得的判断矩阵进行一致性检验，计算一致性比率；如一致性比率小于一致性比率阈值，调整各指标相对于上一层次指标A_k的重要性权重，重复步骤302与步骤303直至一致性比率大于或等于一致性比率阈值；

步骤304：利用步骤303得到的判断矩阵，通过归一化计算下层指标对其上层指标的相对重要性权重向量。

在步骤301中，递阶层次模型分为三层，第一层为目标层，其指标为本发明所要解决的问题；第二层为准则层，隶属于第一层，其指标包括步骤1构建的4个指标；第三层为方案层，隶属于第二层，其指标包括营销服务渠道；

在步骤302中，首先对指标进行排序，根据指标相对于上一层次指标A_k的重要性设置ε个档次，相同档次的两个指标同等重要，每差一档则赋予标准值1；其中，k表示上一层次的第k个指标,该层次一共有K个指标；

之后计算下层指标对于上层指标的判断矩阵为A：

其中，c₁₁表示下层第一个指标与自己相对于上一层指标重要性的比例标度值；c_1r表示下层第一个指标与第r个指标相对于上一层次指标重要性的比例标度值；c_r1表示下层第r个指标与第一个指标相对于上一层次指标重要性的比例标度值，c_rr表示下层第r个指标与自己相对于上一层次指标重要性的比例标度值；其中，r的大小为下层指标的总个数。

对判断矩阵A进行一致性检验，计算一致性比率C.R.：

其中，R.I.表示平均随机一致性指标，可通过查表得到；当r＝1至12时，R.I.对应的值分别为0，0，0.52，0.89，1.12，1.26，1.36，1.41，1.46，1.49，1.52，1.54；C.I.＝(λ_max-t)/(t-1)，t为判断矩阵A的阶数，λ_max是一致矩阵A的最大特征根。

在步骤304中，采用特征根法计算同层指标的相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}，其中，w₁,w₂,…,w_r表示下层第1到第r个指标所对其上层指标的相对重要性权重：

AW＝λ_maxW

式中，AW表示一致性矩阵A与其最大特征根λ_max对应的特征向量W的乘积，λ_max是一致矩阵A的最大特征根，W是对应的特征向量，对W进行归一化后即可作为相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}。

步骤4包括以下内容：

针对g个营销渠道，r个评价指标，设x_yi为第y个营销渠道的第i个评价指标的数值，y＝1,2,…,g；i＝1,2,…,r，此处评价指标的个数r即为下层指标的个数r；

步骤401：进行指标的归一化处理；令x_yi＝|x_yi|，x_yi表示第y个营销渠道的第i个指标的数值，其具体方法如下：

如果其为正向指标，则：

如果其为负向指标，则：

则x′_yi为第y个营销渠道的第i个指标归一化处理后的的数值，正向指标表示数值越高越好的指标，负向指标表示数值越低越好的指标；

步骤402：计算第i项指标下第y个营销渠道占该指标的比重p_yi：

步骤403：计算第i项指标的熵值：

其中KK＝1/ln(g).满足e_i≥0；

步骤404：计算各项指标的客观权重向量ω_B＝{pp₁,pp₂,…,pp_r}：

其中，pp_i表示第i个指标的客观权值，d_i＝1-e_i，d_i为信息熵冗余度。

在步骤5中，融合权重向量为ω＝{ω₁,ω₂,…,ω_r}，计算得到融合权重：

其中，ω_i表示第i个指标的融合权重。

步骤6包括以下内容：

构建用以评价各个指标性能的评语集V＝(v₁，v₂,…,v_m),每个评语集中各评价等级(v₁，v₂,…,v_m)所对应的指标评价等级取值为(Y₁，Y₂,…,Y_m),m表示评价等级的个数；对于正向指标来说，需对越优的指标评价等级赋予越大的取值；对于负向指标来说，需对越优的指标评价等级赋予越小的取值；

评价矩阵为：

l₁₁为第一个评价指标其评价等级的首级隶属值，l_rm为第r个评价指标其评价等级的尾级隶属值。

隶属值的计算方法为：

正向指标评价等级的首级，f₁＝1，隶属值计算公式：

其中，表示正向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级的首级对应的指标评价等级取值；x为所选一级指标对应的分数；

正向指标评价等级的中间级，f₂＝2,3,…,m-1，隶属值计算公式:

其中，表示正向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级所选中间级对应的指标评价等级取值；表示正向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

正向指标评价等级的尾级，f₃＝m，隶属值计算公式:

其中，表示正向指标评价等级的尾级对应的指标评价等级取值；表示正向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的首级，f₄＝1，隶属值计算公式：

其中，表示负向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级的首级对应的指标评价等级取值；

负向指标评价等级的中间级，f₅＝2,3,…,m-1，隶属值计算公式:

其中，表示负向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级所选中间级对应的指标评价等级取值；

表示负向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的尾级，f₆＝m，隶属值计算公式:

其中，表示负向指标评价等级的尾级对应的指标评价等级取值；表示负向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值。

在步骤7中，总评价矩阵的计算方法为：

其中，运算符号表示两个矩阵之间的点积，L表示评价矩阵，l₁₁为第一个评价指标其评价等级的首级隶属值，l_rm为第r个评价指标其评价等级的尾级隶属值；(u₁,u₂,…,u_m)为总评价矩阵中所计算得到的所有总评价值，u₁为首级的总评价值，u₂,…,u_m-1为中间级的总评价值，u_m为尾级的总评价值。

若总评价矩阵U＝(u₁,u₂,…,u_m)中u_t，t＝1,…,m，为常数，计算最终等级B公式如下：

若总评价矩阵U中u_t不为常数，则进一步判断β，若β>0.7，则选用最大隶属度原则进行最终等级计算，β计算公式如下：

若β≤0.7，则根据α的值进行进一步判定，若α＝0.5，则选用最大隶属度原则进行最终等级计算，否则选用加权平均原则；α计算公式如下

其中，γ为计算中的中间变量；

运用最大隶属度原则时，从U＝(u₁,u₂,…,u_m)中取最大值max u_t,max u_t所在位置对应的等级即为最终评定等级B；

加权平均原则具体计算步骤如下：

令评语集所对应的等级向量为V＝(v₁，v₂,…,v_m)

最终评定等级选择最终评定等级最优的渠道为最终结果。

本发明还公开了一个基于模糊综合模型的电力营销服务渠道决策方法而构建的电力营销服务渠道决策系统，包括综合指标构建模块、指标数据获取模块、相对重要性权重向量计算模块、客观权重向量计算模块、融合权重向量计算模块、评价矩阵计算模块、模糊综合评价总评价计算模块以及最优服务渠道决策模块。

综合指标构建模块构建的综合评价指标体系包括一级指标以及隶属于一级指标的二级指标，一级指标包括“环保性指标”、“安全性指标”、“经济性指标”、“增长性指标”，并将构建好的体系输入至指标数据获取模块；

指标数据获取模块采集每项综合指标所对应的数据或对该指标进行赋值，并将所采集的数据或赋值输入至相对重要性权重计算模块以及客观权重向量计算模块；通过加权平均的方法计算指标体系中一级指标对应的分数，并将计算得到的分数输入至评价矩阵计算模块；

相对重要性权重计算模块构建递阶层次模型，划分模型中不同指标层次，确定隶属关系后，计算计算下层指标对其上层指标的相对重要性权重向量并将相对重要性权重向量输入至融合权重向量计算模块；

客观权重向量计算模块根据指标的正向与负向性以及指标对应的数据或赋值计算出指标的比重以及熵值后，再根据比重与熵值计算出指标的客观权重向量并将其输入至融合权重向量计算模块；

融合权重向量计算模块根据所输入的相对重要性权重向量以及客观权重向量计算所有指标的融合权重向量，并将计算结果输入至模糊综合评价总评价计算模块；

评价矩阵计算模块构建指标性能的评语集以及评语集中每个评价等级对应的等级取值，根据一级指标对应的分数以及等级取值计算评价矩阵，并将计算结果输入至模糊综合评价总评价计算模块；

模糊综合评价总评价计算模块根据融合权重向量以及评价矩阵计算总评价矩阵，并将计算结果输入至最优服务渠道决策模块；

最优服务渠道决策模块根据总评价矩阵中的数值是否为常数对渠道的最终评定等级进行计算，并根据最终评定等级选择最优服务渠道。

本发明的有益效果在于，与现有技术相比，本发明引入结合层次分析法和熵权法的模糊综合决策法进行电力营销渠道的决策，完善了电力营销服务渠道领域的效能决策方法，为电力营销渠道的发展提供一定的借鉴。

本发明提出的方法支持多指标评价，可充分利用数据，全面对电力营销渠道进行决策。其主要基于一系列基础数据，量化分析，从环保性、安全性、经济性以及增长性四大方面通过层次分析方法与熵权法进行指标综合权重计算，并通过模糊综合决策模型计算输出各营销服务渠道的决策结果，有利于观察各渠道不同指标的强弱，分析各项数据原因，便于后续确定优化渠道目标，指定优化策略。

附图说明

图1为本发明基于模糊综合评价模型的电力营销服务渠道决策方法的电力营销服务递阶层次模型的示意图；

图2为本发明基于模糊总和评价模型的电力营销服务渠道决策方法的流程示意图；

图3为本发明基于模糊总和评价模型的电力营销服务渠道决策方法的系统示意图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

图2为本发明的流程示意图，具体包括以下步骤：

步骤1：构建营销服务渠道综合指标体系。

本领域的技术人员可以根据具体的营销服务渠道进行效能评价指标体系的构建，在本实施例中的指标体系只是一种优选方式。

在本实施例中，营销服务渠道效能决策指标包括“环保性指标”、“安全性指标”、“经济性指标”以及“增长性指标”。

“环保性指标”所属二级指标包括服务渠道“是否具备节能减排措施”、“是否设置电价优惠通道”、“是否具备全自动化模式”、“是否具备监督反馈环节”，环保性指标下所属的二级指标均为赋值类型；

“安全性指标”所属二级指标包括“渠道故障频率”、“渠道业务办理服务速度”、“渠道紧急服务响应速度”、“渠道服务时长”、“停电信息接收功能使用频率”、“停电信息查询功能使用频率”、“电费账单接收功能使用频率”、“意见反馈功能使用频率”。

“经济性指标”所属二级指标包括“渠道网站流量年增长率”、“渠道新增用户年增长率”、“渠道覆盖率”。

这四个指标以及相对应的二级指标和它们的评价方法如表1所示。

表1：营销服务渠道效能评价指标的内容以及其评价方法

步骤2：根据步骤1所建立的营销服务渠道综合指标体系，采集每项指标所对应的数据或对该指标进行赋值，通过加权平均的方法计算一级指标对应的分数；

本领域的技术人员应该知道，营销服务渠道包括所有线上以及线下的营销服务渠道；在本实施例中，对“网上国网”APP、“电e宝”APP、第三方互动服务渠道、“我的南京”APP、“江苏政务服务”APP、95598服务电话、线下营业厅这10个渠道进行了数据采集。通过问卷调研，获得了的调研数据。

通过营销中心，获得了这几个渠道在查询类、业务类、消息类功能方面的功能数据清单、渠道功能使用情况统计以及营业厅分布统计。其中，查询类功能包括日用电量查询、电量电费查询、交费预存记录查询、停电信息、网点信息；业务类功能包括电费交纳预存、电费代扣、开具电子发票、业扩新装、更名/过户、其他用电业务、自动复电、开通智能交费；消息类功能包括点对点消息、APP消息。江苏省全省共有1068个实体线下营业厅，26个自主(助)营业厅，总计1094家营业厅。

步骤3：根据步骤2中得到的每项指标的采集数据或对应赋值，计算指标的相对重要性权重向量ω_A；

步骤301：构建递阶层次模型，划分模型中不同指标层次，确定隶属关系；

图1为本发明根据步骤1的指标体系建立的递阶层次模型。该递阶层次模型分为三层，第一层为目标层，其指标为本发明所要解决的问题；第二层为准则层，隶属于第一层，其指标包括步骤1构建的4个指标；第三层为方案层，隶属于第二层，其指标包括步骤2数据采集渠道，即本发明所涉及的营销服务渠道。电力营销部门所要解决的问题是优化营销服务渠道效能，通过改善“网上国网”APP、“电e宝”APP、第三方互动服务渠道、“我的南京”APP、“江苏政务服务”APP、95598服务电话、线下营业厅各渠道，实现环保性指标最大化、安全性指标最优化、经济性指标最优化和增长性指标贡献最大化。

本领域的技术人员需要根据实际情况对递阶层次的层次以及隶属关系进行划分，所划分方法包括但不限于以上的实施例。

步骤302：根据步骤301构建的递阶层次模型，计算下层指标对上层指标的相对重要性，利用二元对比法确定同层指标的判断矩阵。

假定上一层次的指标A_k作为准则，k表示上一层次的第k个指标,该层次一共有K个指标，对下一层次的指标c₁,c₂,…,c_r有支配关系，在准则A_k之下按它们相对重要性赋予c₁,c₂,…,c_r相应的权重。采用二元对比法对同层指标两两比较，首先对指标进行排序，根据指标相对于上一层次指标A_k的重要性设置ε个档次，相同档次的两个指标同等重要，每差一档则赋予标准值1。在本实施例中，ε＝9。

即下层指标对于上层指标的判断矩阵为A：

其中，c₁₁表示下层第一个指标与自己相对于上一层指标重要性的比例标度值；c_1r表示下层第一个指标与第r个指标相对于上一层次指标重要性的比例标度值；c_r1表示下层第r个指标与第一个指标相对于上一层次指标重要性的比例标度值，c_rr表示下层第r个指标与自己相对于上一层次指标重要性的比例标度值。

步骤303：对步骤302所得的判断矩阵进行一致性检验，计算一致性比率；如一致性比率小于一致性比率阈值，调整各指标相对于上一层次指标A_k的重要性权重，重复步骤302与步骤303直至一致性比率大于或等于一致性比率阈值；

针对准则A_k，判断矩阵A中的指标不一定具有传递性，若矩阵A满足：

c_ij×c_jk＝c_ik

则称A为一致性矩阵。

其中，i＝1,2…r,j＝1,2…r,k＝1,2…K。

对判断矩阵进行一致性检验，计算一致性比率C.R.：

其中，R.I.表示平均随机一致性指标，可通过查表得到；当r＝1至12时，R.I.对应的值分别为0，0，0.52，0.89，1.12，1.26，1.36，1.41，1.46，1.49，1.52，1.54；C.I.＝(λ_max-t)/(t-1)，t为判断矩阵A的阶数，λ_max是一致矩阵A的最大特征根。

当C.R.小于一致性比率阈值时，认为该判断矩阵具有整体满意的一致性。否则，应对判断矩阵作出修正，调整各下层指标相对于上一层次指标A_k的重要性，重复步骤302与步骤303，直到判断矩阵的一致性满足步骤303中的要求，则说明判断矩阵正确，不需要进行修正。

在本实施例中，一致性比率阈值优选0.1。

步骤304：利用步骤303得到的判断矩阵，通过归一化计算下层指标对其上层指标的相对权重。

由步骤303的判断矩阵A的数学性质可知其为正定互反矩阵，存在最大特征根且唯一，因此，采用特征根法计算同层指标的相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}，其中，w₁,w₂,…,w_r表示下层第1到第r个指标所对其上层指标的相对重要性权重。

AW＝λ_maxW

式中，λ_max是一致矩阵A的最大特征根，W是对应的特征向量，对W进行归一化后即可作为相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}。

步骤4：基于熵权法计算指标客观权重向量w_B。

熵权法作为一种客观赋权法主要通过信息熵这个工具来衡量权值。在多指标决策过程中，其信息熵值越小，指标的离散程度越大，该指标对综合评价的影响，即权重，就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用。

针对g个营销渠道，r个评价指标，设x_yi为第y个营销渠道的第i个评价指标的数值(y＝1,2,…,g；i＝1,2,…,r)，评价指标个数即为下层指标个数，所以用同样的参数进行表征。

步骤401：进行指标的归一化处理。由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令x_yi＝|x_yi|，x_yi表示第y个营销渠道的第i个指标的数值，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同，正向指标数值越高越好，负向指标数值越低越好，因此，对于高低指标本发明用不同的算法进行数据标准化处理。其具体方法如下：

正向指标：

负向指标：

则x′_yi为第y个营销渠道的第i个指标的归一化处理后的数值，y＝1,2,…,g；i＝1,2,…,r。

步骤402：计算第i项指标下第y个营销渠道占该指标的比重p_yi：

步骤403：计算第i项指标的熵值：

其中KK＝1/ln(g).满足e_i≥0；

步骤404：计算各项指标的客观权值向量ω_B＝{pp₁,pp₂,…,pp_r}：

其中，pp_i表示第i个指标的客观权值，d_i＝1-e_i，d_i为信息熵冗余度。

步骤5：结合步骤3的相对重要性权重向量ω_A与步骤4的客观权重向量ω_B计算融合权重向量ω。

采用乘积归一法的组合赋权法融合相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}和客观权值向量ω_B＝{pp₁,pp₂,…,pp_r}，使得指标赋权既能反应指标客观规律，又能兼顾营销专家的主观需求和实际营销经验。

令融合权重向量为ω＝{ω₁,ω₂,…,ω_r}，计算得到融合权重：

其中，ω_i表示第i个指标的融合权重。

步骤6：构建包含多个评价等级的评语集并根据步骤2中得到的一级指标对应的分数计算每个评价等级对应的隶属值，用计算得到的所有隶属值组成评价矩阵L；

根据实际情况构建用以评价各个指标性能的评语集V＝(v₁，v₂,…,v_m),每个评语集中各评价等级(v₁，v₂,…,v_m)所对应的指标评价等级取值为(Y₁，Y₂,…,Y_m),m表示评价等级的个数。此处具体的评语集指的是各个指标的评价等级，根据指标取值划分为多个等级，如根据经济性指标得分给经济性指标指标构建评语集V＝(Ⅰ,Ⅱ,Ⅲ),下表中甲，乙，丙，丁的评语集均为{Ⅰ,Ⅱ,Ⅲ}，其中甲的各等级所对应的等级取值为(12，6，1)。最后再选取隶属函数进行评价矩阵的构建。根据效能评价的特点，指标取值与等级分布二者呈线性关系，因此选取升半梯形分布函数和降半梯形分布函数作为隶属函数。当相应指标为正向指标时选用升半梯形函数，当相应指标为负向指标时选用降半梯形函数。如下：

表1评价指标及评价等级

对于正向指标来说，需对越优的指标评价等级赋予越大的取值；对于负向指标来说，需对越优的指标评价等级赋予越小的取值。在本实施例中，最优指标为I，其次为II，再其次为III。

升半梯形函数

降半梯形函数

其中a,b]为根据指标位置选择的边界值，x为所选一级指标对应的分数。

隶属值F(x)具体计算公式如下：

正向指标评价等级的首级(f₁＝1)隶属值计算公式：

表示正向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级的首级对应的指标评价等级取值；x为所选一级指标对应的分数；

正向指标评价等级的中间级(f₂＝2,3,…,m-1)隶属值计算公式:

表示正向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级所选中间级对应的指标评价等级取值；表示正向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

正向指标评价等级的尾级(f₃＝m)隶属值计算公式:

表示正向指标评价等级的尾级对应的指标评价等级取值；表示正向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的首级(f₄＝1)隶属值计算公式：

表示负向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级的首级对应的指标评价等级取值；

负向指标评价等级的中间级(f₅＝2,3,…,m-1)隶属值计算公式:

表示负向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级所选中间级对应的指标评价等级取值；表示负向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的尾级(f₆＝m)隶属值计算公式:

表示负向指标评价等级的尾级对应的指标评价等级取值；表示负向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值；

选定函数模型后，将全部指标对应的融合权重一一代入计算可最终得到评价矩阵如下：

l₁₁为第一个评价指标其评价等级的首级隶属值，l_rm为第r个评价指标其评价等级的尾级隶属值。

步骤7：结合步骤5的融合权重矩阵向量ω以及步骤6的评价矩阵L计算模糊综合评价总评价矩阵U；

在确定评价矩阵后，将融合权重矩阵ω与评价矩阵L进行合成可得到模糊综合评价总评价向量矩阵U。鉴于效能评价的各项指标均对效能评价结果有影响，因此选择加权平均型M(*，+)进行矩阵合成。如下：

(u₁,u₂,…,u_m)为总评价矩阵中所计算得到的所有总评价值，u₁为首级的总评价值，u₂,…,u_m-1为中间级的总评价值，u_m为尾级的总评价值。

步骤8：利用步骤7的总评价矩阵计算最终评定等级，确定等级最优的服务渠道；

模糊综合判断一般有最大隶属度原则和加权平均原则，需根据需求进行选择。

若总评价矩阵U＝(u₁,u₂,…,u_m)中u_t，t＝1,…,m为常数，则选用简单平均原则，计算等级B公式如下：

若总评价矩阵U中u_t不为常数，则进一步判断β，若β>0.7，则选用最大隶属度原则进行等级判断。β计算公式如下：

若β≤0.7，则根据α的值进行进一步判定，若α＝0.5，则选用最大隶属度原则进行等级判断，否则选用加权平均原则。α，γ计算公式如下

运用最大隶属度原则时，从U＝(u₁,u₂,…,u_m)中取最大值max u_t,max u_t所在位置对应的等级即为最终评定等级B。

加权平均原则可综合考虑所有指标的影响。具体计算步骤如下：

选择最终评定等级最优的渠道。

本发明还公开了基于模糊综合模型的电力营销服务渠道决策方法而构建的电力营销服务渠道决策系统，包括综合指标构建模块、指标数据获取模块、相对重要性权重向量计算模块、客观权重向量计算模块、融合权重向量计算模块、评价矩阵计算模块、模糊综合评价总评价计算模块以及最优服务渠道决策模块，其连接方式如图3所示。

综合指标构建模块构建的综合评价指标体系包括一级指标以及隶属于一级指标的二级指标，一级指标包括“环保性指标”、“安全性指标”、“经济性指标”、“增长性指标”，并将构建好的体系输入至指标数据获取模块；

指标数据获取模块采集每项综合指标所对应的数据或对该指标进行赋值，并将所采集的数据或赋值输入至相对重要性权重计算模块以及客观权重向量计算模块；通过加权平均的方法计算指标体系中一级指标对应的分数，并将计算得到的分数输入至评价矩阵计算模块；

相对重要性权重计算模块构建递阶层次模型，划分模型中不同指标层次，确定隶属关系后，计算计算下层指标对其上层指标的相对重要性权重向量并将相对重要性权重向量输入至融合权重向量计算模块；

客观权重向量计算模块根据指标的正向与负向性以及指标对应的数据或赋值计算出指标的比重以及熵值后，再根据比重与熵值计算出指标的客观权重向量并将其输入至融合权重向量计算模块；

融合权重向量计算模块根据所输入的相对重要性权重向量以及客观权重向量计算所有指标的融合权重向量，并将计算结果输入至模糊综合评价总评价计算模块；

评价矩阵计算模块构建指标性能的评语集以及评语集中每个评价等级对应的等级取值，根据一级指标对应的分数以及等级取值计算评价矩阵，并将计算结果输入至模糊综合评价总评价计算模块；

模糊综合评价总评价计算模块根据融合权重向量以及评价矩阵计算总评价矩阵，并将计算结果输入至最优服务渠道决策模块；

最优服务渠道决策模块根据总评价矩阵中的数值是否为常数对渠道的最终评定等级进行计算，并根据最终评定等级选择最优服务渠道。

为方便更好理解本发明，下面以实例辅助说明。

实验模拟测试了网上国网、电E宝和掌上电力销售渠道在环保性指标最大化、安全性指标最大化、经济性指标最大化以及增长性指标最大化四个方面的评分。三种渠道在不同的单一评价指标下排序差异较大，为了避免单一评价值的误差干扰，综合考虑多方评价因素，采用模糊综合评价法对渠道进行评价排序。

步骤1和步骤2：通过系统数据导出、问卷调查和数据分析，表2列出了三种营销渠道对单一渠道营销效能的辨识分析结果。

表2算法辨识结果

步骤3：计算基于层次分析法的主观权重，并进行一致性检验；

由表4得到判断矩阵A，C₁,C₂,…,C₄依次表示表4中的四种指标。

解特征根方程，得到主观权重ω_A如下表所示。

表3层次分析下主观权重

计算得到一致性比率C.R.为0.000，经验证C.R.<0.1，通过一致性检验，说明不需要进行修正。

步骤4：计算基于熵权法的客观权重。

对表2数据依次计算得到信息熵值e、信息熵冗余度d以及客观权重系数ω_B。

表4熵权法下客观权重

步骤5：计算融合权重。

融合主观权值ω_A和客观权值ω_B，采用乘积归一法求得融合权重ω，如表7所示。

表5融合权重

步骤6：计算评价矩阵。

根据专家对评语集的确定，可得到下表

表6评价指标及评价等级

由于四个指标均属于正向指标，因此选择升半梯形函数作为隶属函数。根据上表可计算出具体的隶属函数为下：

环保性指标隶属函数

首级

中间级

尾级安全性指标隶属函数

首级

中间级

尾级经济性指标隶属函数

首级

中间级

尾级

增长性指标隶属函数

首级

中间级

尾级

将表2中各个渠道的指标得分具体数值代入计算可得评价矩阵如下：

举例：R_O中(0.63,0.37,0)这一行是将微信公众号(O)的环保性指标得分0.69分别带入三个隶属函数F_1(x)中得到。

步骤7：矩阵合成形成总评价矩阵。

结合评价矩阵以及权重向量计算总评价矩阵如下：

由表五可知最终权重向量ω为(0.1620，0.0016，0.2483，0.5881)

由

步骤8：利用步骤7的总评价矩阵做出模糊决策，确定最优的服务渠道。

由于所有的总评价矩阵都不为常数，所以通过计算β判断确定最终等级的方法。计算各β如下：

根据β＞0.7则选取最大隶属度原则，即max u_t所在位置对应的等级即为最终的最终评定等级L。因此可得网上国网(O)、电E宝(P)、掌上电力(P)的max u_t所在的位置均为首级，因此三者最终评价等级为1级、1级、1级。因此网上国网(O)、电E宝(P)、掌上电力(P)在本实施例中皆为等级最优的服务渠道。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (15)

1.基于模糊综合模型的电力营销服务渠道决策方法，其特征在于，所述模糊综合决策方法包括以下步骤：

步骤1：构建营销服务渠道综合指标体系；

步骤2：根据步骤1所建立的营销服务渠道综合指标体系，采集每项综合指标所对应的数据或对该指标进行赋值，通过加权平均的方法计算指标体系中一级指标对应的分数；

步骤3：根据步骤2中得到的每项指标的采集数据或对应赋值，计算指标的相对重要性权重向量ω_A；

步骤4：基于熵权法计算指标的客观权重向量ω_B；

步骤5：结合步骤3的相对重要性权重向量ω_A与步骤4的客观权重向量ω_B计算融合权重向量ω；

步骤6：构建包含多个评价等级的评语集并根据步骤2中得到的一级指标对应的分数计算每个评价等级对应的隶属值，用计算得到的所有隶属值组成评价矩阵L；

步骤7：结合步骤5的融合权重向量ω以及步骤6的评价矩阵L计算模糊综合评价总评价矩阵U；

步骤8：利用步骤7的总评价矩阵计算最终评定等级，确定等级最优的服务渠道。

2.根据权利要求1所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤1中，所述营销服务渠道综合评价指标体系包括一级指标以及隶属于一级指标的二级指标；

其中，所述一级指标包括“环保性指标”、“安全性指标”、“经济性指标”、“增长性指标”；

“环保性指标”所属二级指标包括服务渠道是否具备节能减排措施、是否设置电价优惠通道、服务渠道流程是否具备全自动化模式、服务渠道是否具备监督反馈环节，所述环保性指标下所属的二级指标均为赋值类型；

“安全性指标”所属二级指标包括“渠道故障频率”、“渠道业务办理服务速度”、“渠道紧急服务响应速度”、“渠道服务时长”、“停电信息接收功能使用频率”、“停电信息查询功能使用频率”、“电费账单接收功能使用频率”、“意见反馈功能使用频率”；

“经济性指标”所属二级指标包括“渠道网站流量年增长率”、“渠道新增用户年增长率”、“渠道覆盖率”。

3.根据权利要求1或2所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

所述营销服务渠道包括“网上国网”APP、“电e宝”APP、第三方互动服务渠道、“我的南京”APP、“江苏政务服务”APP、95598服务电话、线下营业厅。

4.根据权利要求3所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

所述步骤3包括以下内容：

步骤301：构建递阶层次模型，划分模型中不同指标层次，确定隶属关系；

步骤302：根据步骤301构建的递阶层次模型，计算下层指标对上层指标的相对重要性，利用二元对比法确定同层指标的判断矩阵；

步骤303：对步骤302所得的判断矩阵进行一致性检验，计算一致性比率；如一致性比率小于一致性比率阈值，调整各指标相对于上一层次指标A_k的重要性权重，重复步骤302与步骤303直至一致性比率大于或等于一致性比率阈值；

步骤304：利用步骤303得到的判断矩阵，通过归一化计算下层指标对其上层指标的相对重要性权重向量。

5.根据权利要求4所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤301中，所述递阶层次模型分为三层，第一层为目标层，其指标为本发明所要解决的问题；第二层为准则层，隶属于第一层，其指标包括步骤1构建的4个指标；第三层为方案层，隶属于第二层，其指标包括营销服务渠道。

6.根据权利要求4或5所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤302中，首先对指标进行排序，根据指标相对于上一层次指标A_k的重要性设置ε个档次，相同档次的两个指标同等重要，每差一档则赋予标准值1；其中，k表示上一层次的第k个指标,该层次一共有K个指标；

之后计算下层指标对于上层指标的判断矩阵为A：

其中，c₁₁表示下层第一个指标与自己相对于上一层指标重要性的比例标度值；c_1r表示下层第一个指标与第r个指标相对于上一层次指标重要性的比例标度值；c_r1表示下层第r个指标与第一个指标相对于上一层次指标重要性的比例标度值，c_rr表示下层第r个指标与自己相对于上一层次指标重要性的比例标度值；其中，r的大小为下层指标的总个数。

7.根据权利要求6所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

对所述判断矩阵A进行一致性检验，计算一致性比率C.R.：

其中，R.I.表示平均随机一致性指标，可通过查表得到；当r＝1至12时，R.I.对应的值分别为0，0，0.52，0.89，1.12，1.26，1.36，1.41，1.46，1.49，1.52，1.54；C.I.＝(λ_max-t)/(t-1)，t为判断矩阵A的阶数，λ_max是一致矩阵A的最大特征根。

8.根据权利要求7所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤304中，采用特征根法计算同层指标的相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}，其中，w₁,w₂,…,w_r表示下层第1到第r个指标所对其上层指标的相对重要性权重；

AW＝λ_maxW

式中，AW表示一致性矩阵A与其最大特征根λ_max对应的特征向量W的乘积，λ_max是一致矩阵A的最大特征根，W是对应的特征向量，对W进行归一化后即可作为相对重要性权重向量ω_A＝{w₁,w₂,…,w_r}。

9.根据权利要求8所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

所述步骤4包括以下内容：

针对g个营销渠道，r个评价指标，设x_yi为第y个营销渠道的第i个评价指标的数值，y＝1,2,…,g；i＝1,2,…,r，此处评价指标的个数r即为下层指标的个数r；

步骤401：进行指标的归一化处理；令x_yi＝|x_yi|，x_yi表示第y个营销渠道的第i个指标的数值，其具体方法如下：

如果其为正向指标，则：

如果其为负向指标，则：

则x′_yi为第y个营销渠道的第i个指标归一化处理后的的数值，所述正向指标表示数值越高越好的指标，所述负向指标表示数值越低越好的指标；

步骤402：计算第i项指标下第y个营销渠道占该指标的比重p_yi：

步骤403：计算第i项指标的熵值：

其中KK＝1/ln(g).满足e_i≥0；

步骤404：计算各项指标的客观权重向量ω_B＝{pp₁,pp₂,…,pp_r}：

其中，pp_i表示第i个指标的客观权值，d_i＝1-e_i，d_i为信息熵冗余度。

10.根据权利要求9所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤5中，融合权重向量为ω＝{ω₁,ω₂,…,ω_r}，计算得到融合权重：

其中，ω_i表示第i个指标的融合权重。

11.根据权利要求10所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

所述步骤6包括以下内容：

构建用以评价各个指标性能的评语集V＝(v₁，v₂,…,v_m),每个评语集中各评价等级(v₁，v₂,…,v_m)所对应的指标评价等级取值为(Y₁，Y₂,…,Y_m),m表示评价等级的个数；对于正向指标来说，需对越优的指标评价等级赋予越大的取值；对于负向指标来说，需对越优的指标评价等级赋予越小的取值；

所述评价矩阵为：

l₁₁为第一个评价指标其评价等级的首级隶属值，l_rm为第r个评价指标其评价等级的尾级隶属值。

12.根据权利要求11所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

所述隶属值的计算方法为：

正向指标评价等级的首级，f₁＝1，隶属值计算公式：

其中，表示正向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级的首级对应的指标评价等级取值；x为所选一级指标对应的分数；

正向指标评价等级的中间级，f₂＝2,3,…,m-1，隶属值计算公式:

其中，表示正向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示正向指标评价等级所选中间级对应的指标评价等级取值；表示正向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

正向指标评价等级的尾级，f₃＝m，隶属值计算公式:

其中，表示正向指标评价等级的尾级对应的指标评价等级取值；表示正向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的首级，f₄＝1，隶属值计算公式：

其中，表示负向指标评价等级的首级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级的首级对应的指标评价等级取值；

负向指标评价等级的中间级，f₅＝2,3,…,m-1，隶属值计算公式:

其中，表示负向指标评价等级所选中间级后一评价等级所对应的指标评价等级取值，表示负向指标评价等级所选中间级对应的指标评价等级取值；表示负向指标评价等级所选中间级前一评价等级所对应的指标评价等级取值；

负向指标评价等级的尾级，f₆＝m，隶属值计算公式:

其中，表示负向指标评价等级的尾级对应的指标评价等级取值；表示负向指标评价等级所选的尾级前一评价等级所对应的指标评价等级取值。

13.根据权利要求11或12所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

在所述步骤7中，总评价矩阵的计算方法为：

其中，运算符号°表示两个矩阵之间的点积，L表示评价矩阵，l₁₁为第一个评价指标其评价等级的首级隶属值，l_rm为第r个评价指标其评价等级的尾级隶属值；(u₁,u₂,…,u_m)为总评价矩阵中所计算得到的所有总评价值，u₁为首级的总评价值，u₂,…,u_m-1为中间级的总评价值，u_m为尾级的总评价值。

14.根据权利要求13所述的基于模糊综合模型的电力营销服务渠道决策方法，其特征在于：

若所述总评价矩阵U＝(u₁,u₂,…,u_m)中u_t，t＝1,…,m，为常数，计算最终等级B公式如下：

若所述总评价矩阵U中u_t不为常数，则进一步判断β，若β>0.7，则选用最大隶属度原则进行最终等级计算，β计算公式如下：

若β≤0.7，则根据α的值进行进一步判定，若α＝0.5，则选用最大隶属度原则进行最终等级计算，否则选用加权平均原则；α计算公式如下

其中，γ为计算中的中间变量；

运用最大隶属度原则时，从U＝(u₁,u₂,…,u_m)中取最大值maxu_t,maxu_t所在位置对应的等级即为最终评定等级B；

所述加权平均原则具体计算步骤如下：

令评语集所对应的等级向量为V＝(v₁，v₂,…,v_m)

最终评定等级选择最终评定等级最优的渠道为最终结果。

15.根据权利要求1-14任意一项权利要求所述的基于模糊综合模型的电力营销服务渠道决策方法而构建的电力营销服务渠道决策系统，包括综合指标构建模块、指标数据获取模块、相对重要性权重向量计算模块、客观权重向量计算模块、融合权重向量计算模块、评价矩阵计算模块、模糊综合评价总评价计算模块以及最优服务渠道决策模块，其特征在于：

所述综合指标构建模块构建的综合评价指标体系包括一级指标以及隶属于一级指标的二级指标，所述一级指标包括“环保性指标”、“安全性指标”、“经济性指标”、“增长性指标”，并将构建好的体系输入至所述指标数据获取模块；

所述指标数据获取模块采集每项综合指标所对应的数据或对该指标进行赋值，并将所采集的数据或赋值输入至所述相对重要性权重计算模块以及客观权重向量计算模块；通过加权平均的方法计算指标体系中一级指标对应的分数，并将计算得到的分数输入至所述评价矩阵计算模块；

所述相对重要性权重计算模块构建递阶层次模型，划分模型中不同指标层次，确定隶属关系后，计算计算下层指标对其上层指标的相对重要性权重向量并将相对重要性权重向量输入至所述融合权重向量计算模块；

所述客观权重向量计算模块根据指标的正向与负向性以及指标对应的数据或赋值计算出指标的比重以及熵值后，再根据比重与熵值计算出指标的客观权重向量并将其输入至融合权重向量计算模块；

所述融合权重向量计算模块根据所输入的相对重要性权重向量以及客观权重向量计算所有指标的融合权重向量，并将计算结果输入至模糊综合评价总评价计算模块；

所述评价矩阵计算模块构建指标性能的评语集以及评语集中每个评价等级对应的等级取值，根据一级指标对应的分数以及等级取值计算评价矩阵，并将计算结果输入至模糊综合评价总评价计算模块；

所述模糊综合评价总评价计算模块根据融合权重向量以及评价矩阵计算总评价矩阵，并将计算结果输入至最优服务渠道决策模块；

所述最优服务渠道决策模块根据总评价矩阵中的数值是否为常数对渠道的最终评定等级进行计算，并根据最终评定等级选择最优服务渠道。