CN113780799A - 一种商品经销商服务弱项的识别评估方法及装置 - Google Patents
一种商品经销商服务弱项的识别评估方法及装置 Download PDFInfo
- Publication number
- CN113780799A CN113780799A CN202111044049.3A CN202111044049A CN113780799A CN 113780799 A CN113780799 A CN 113780799A CN 202111044049 A CN202111044049 A CN 202111044049A CN 113780799 A CN113780799 A CN 113780799A
- Authority
- CN
- China
- Prior art keywords
- weak
- satisfaction
- commodity
- elements
- item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供一种商品经销商服务弱项的识别评估方法及装置。所述方法包括:确定影响商品经销商服务总体满意度的要素及权重k;针对选取的每个本商品样本和竞品样本,对每个要素进行满意度打分,计算每个要素的本商品样本满意度打分均值u0和方差σ2、竞品样本满意度打分均值u1及Δu=u0‑u1;在三个维度确定属于弱项的要素;划分弱项要素的等级。本发明可充分对比行业内同一竞争圈本商品与竞品之间服务表现的差异,找出本品商与竞品的差异弱项,与只关注本商品的现有弱项识别技术相比,提高了弱项识别的准确度。本发明通过划分弱项等级,使经销商能够根据弱项的等级有针对性地采取改进措施,以最小的人力物力投入获得最好的改进效果。
Description
技术领域
本发明属于销售服务行为评估技术领域,具体涉及一种商品经销商服务弱项的识别评估方法及装置。
背景技术
随着大型商品(如汽车)厂商对客户体验管理的不断关注,经销商为消费者提供服务的整个服务过程越来越被重视,厂商对产品交付过程中的经销商服务行为有强烈的评估需求。经销商在为客户提供服务的过程中,涉及很多标准服务环节例如在线体验、到店接待、试乘试驾、交车交付和店内服务体验等环节,以及具体服务流程例如到店接待环节中的客户停车引导行为、客户接待的主动反馈时机和反馈行为、服务人员和销售团队的形象状态保持等流程这些环节和流程形成的与客户交互或反馈的触点直接或者间接地影响着客户感受和客户满意度,进而影响商品成交量。如何快速识别经销商服务过程中的的弱项环节,并对所述弱项的级别(弱的程度)进行评估,通过改进这些弱项的级进行分层管理,是大型商品厂商和经销商急需解决的问题。
由于样本调研数据获取难的限制,现有经销商服务弱项的识别方法缺乏本品与竞品(同一级别同等价位的竞争商品)的对标,现有的弱项识别主要在集中在其内部寻找,不了解同行业标杆产品的服务优劣势以及自身与标杆产品的差距。而且现有方法对识别出的服务弱项不划分等级,没有改进优先级,使得经销商在获得整套服务行为评价体系后无从针对性改进,不知道与标杆相比最迫切的需要改进的问题弱项是什么,无法达到经销商投入最少的人力物力成本,达到最好的改进效果的技术目的。
发明内容
为了解决现有技术中存在的上述问题,本发明提供一种商品经销商服务弱项的识别评估方法及装置。
为了实现上述目的,本发明采用以下技术方案。
第一方面,本发明提供一种商品经销商服务弱项的识别评估方法,包括以下步骤:
确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
进一步地,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
进一步地,确定每个要素影响所述总体满意度的权重的方法包括:
建立以每个要素满意度得分为自变量、以总体满意度得分为函数的模型:
以训练样本数据集A对所述模型进行训练得到每个要素的权重ki,A={(x1j,x2j,…,xnj),yj},j=1,2,…,m,m为样本数量。
更进一步地,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Au的弱项。
更进一步地,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
第二方面,本发明提供一种商品经销商服务弱项的识别评估装置,包括:
要素确定模块,用于确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
样本计算模块,用于针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
弱项识别模块,用于根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
等级划分模块,用于根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
进一步地,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
进一步地,确定每个要素影响所述总体满意度的权重的方法包括:
建立以每个要素满意度得分为自变量、以总体满意度得分为函数的模型:
以训练样本数据集A对所述模型进行训练得到每个要素的权重ki,A={(x1j,x2j,…,xnj),yj},j=1,2,…,m,m为样本数量。
更进一步地,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Δu的弱项。
更进一步地,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
与现有技术相比,本发明具有以下有益效果。
本发明从客观服务过程中形成三个衡量维度自动识别商品经销商服务弱项,所述三个维度不仅与本商品有关,还与包含标杆商品的竞品有关,可充分对比行业内同一竞争圈本商品与竞品之间服务表现的差异,找出本品商与竞品的差异弱项,与只关注本商品的现有弱项识别技术相比,大大提高了弱项识别的准确度。本发明还在弱项识别的基础上将弱项划分成不同等级,使经销商能够根据弱项的等级有针对性地采取改进措施,以最小的人力物力投入获得最好的改进效果。
附图说明
图1为本发明实施例一种商品经销商服务弱项的识别评估方法的流程图。
图2为三个维度的散点图,图2(a)为k-u0散点图,图2(b)为σ2-u0散点图,图2(c)为k-Δu散点图。
图3为本发明实施例一种商品经销商服务弱项的识别评估装置的方框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明白,以下结合附图及具体实施方式对本发明作进一步说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种商品经销商服务弱项的识别评估方法的流程图,包括以下步骤:
步骤101,确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
步骤102,针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
步骤103,根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
步骤104,根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
本实施例中,步骤101主要用于确定影响商品经销商服务总体满意度的要素以及每个要素的影响力权重(简称为权重)。经销商在为客户提供服务的过程中,涉及很多标准环节和流程,这些触点直接或者间接地影响着客户感受和客户满意度,进而影响商品成交量。本实施例通过分析全面反映客户在接触销售服务中的各个触点,确定影响商品经销商服务总体满意度的要素。所述要素的数量很多,以汽车经销商为例,确定的要素就可达数十项之多,如与在线体验有关的要素就包括获取信息的难易程度、线上信息的有用程度、咨询过程顺畅且专业、电话咨询等;又如,与到店接待有关的要素包括引导停车、接待及时主动、人员的着装和仪态、现场工作人员工作纪律性等。每个要素对总体满意度的影响力也不同,有的强,有的弱,因此需要根据历史数据确定每个因素的权重。有了每个要素的权重,将每个要素的满意度得分乘以每个要素的权重再求和,就得到总体满意度得分。
本实施例中,步骤102主要用于对每个要素的商品样本数据进行计算统计,为下一步的弱项识别做准备。本实施例选取的商品样本,不仅包括本商品的样本,还包括与本商品同一级别同等价位的竞争商品即竞品样本,而且竞品样本中包括一定比例的标杆商品(同行业的优质商品)样本。本实施例进行的统计计算包括:针对选取的每个样本,对每个要素进行满意度打分;分别计算每个要素的本商品样本满意度打分均值u0和方差σ2(或均方差σ),计算每个要素的竞品样本满意度打分均值u1,进而计算每个要素的两个均值的差Δu=u0-u1。方差σ2用于一致性评价,即测量服务水平提供的稳定性。均值差Δu用于表示本商品与竞品之间服务表现的差异,以找出本品商与竞品的差异弱项。由于本实施例选取的商品样本,不仅包括本商品的样本,还包括竞品样本,可充分对比行业内同一竞争圈本商品与竞品之间服务表现的差异,找出本品商与竞品的差异弱项,与只关注本商品的现有弱项识别技术相比,可大大提高弱项识别的准确度。
本实施例中,步骤103主要用于弱项要素识别。本实施例在三个维度分别对每个要素进行弱项识别,一个要素只要有一个维度为弱项,则认为所述要素为弱项要素。三个维度对应三种关系数据,分别为:每个要素的权重k与满意度均值u0的关系数据,每个要素的本商品满意度方差σ2与满意度均值u0的关系数据,每个要素的权重k与本商品和竞品的满意度差Δu的关系数据。根据k、u0、σ2、Δu的大小,按照设定的判定规则,就可以分别在三个维度确定属于弱项的要素。比如,如果某个要素的权重大于所有要素权重的均值,且其满意度小于所有要素满意度的均值,也就是说这个要素的影响力较大,满意度却较小,那么这个要素就可认为是弱项要素。
本实施例中,步骤104主要用于划分弱项要素的等级即进行弱项评估。上一步已在三个维度识别出了属于弱项的要素,在此基础上统计弱项要素在三个维度属于弱项的数量M。很显然,M越大的要素弱的程度越高(服务水平越差,越有待于改进)。因此,本实施例根据M的大小将弱项要素划分成不同的等级,划分原则是M越大等级越高。对识别出的弱项要素进行等级划分后,可使经销商根据弱项的等级高低有针对性地采取改进措施,以最小的人力物力投入获得最好的改进效果。
作为一可选实施例,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
本实施例给出了确定影响商品经销商服务总体满意度要素的一种技术方案。如前述,经销商在为客户提供服务的过程中,涉及很多标准环节和流程,导致所要确定的要素(基础要素)很多,可高达数十项,如果从经销商服务过程中直接确定这些众多的基础要素,很容易出现遗漏,而且得到要素很可能不准确。为此,本实施例将确定要素的步骤分为两步:先确定影响总体满意度的因子,即影响总体满意度的大的方面;然后,再将每个因子细分为多个要素。很显然,大的方面即因子被遗漏的可能性很小,而一个因子包含的要素数量有限,一个因子中包含的要素被遗漏的可能性也很小。仍以汽车经销商为例,其服务过程可包括以下9个因子:在线体验,到店接待,店内看车,试乘试驾,交易过程,交车过程,用户维系,销售人员,经销店设施。因子“经销店设施”可细分为以下4个要素:店面硬件设施,餐饮服务,展车商品车情况,数字化相关。
作为一可选实施例,确定每个要素影响所述总体满意度的权重的方法包括:
建立以每个要素满意度得分为自变量、以总体满意度得分为函数的模型:
以训练样本数据集A对所述模型进行训练得到每个要素的权重ki,A={(x1j,x2j,…,xnj),yj},j=1,2,…,m,m为样本数量。
本实施例给出了确定要素权重的一种技术方案。本实施例首先构建一个以每个要素满意度得分为自变量、以总体满意度得分为函数、以每个要素的权重为训练参数的模型。如上式,所述模型为一个多元线性方程,也称为线性回归方程;然后,基于历史数据构建包含标签数据y的训练数据集,利用所述训练数据集对所述模型进行训练就可得到每个要素的权重。
作为一可选实施例,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Δu的弱项。
本实施例给出了在三个维度识别弱项要素的一种技术方案。三个维度识别弱项要素的基本方法相同,均是根据弱项的特性基于每个维度涉及的两个关联数据分别与设定阈值进行比较的结果,确定每个维度的弱项要素。以维度σ2-u0为例,很显然,一个因素的满意度打分均值u0越小,服务水平越差;一个因素的满意度打分的方差σ2越大,客户评价一致性或服务水平稳定性越差,因此如果一个因素的σ2大于设定阈值,且u0小于设定阈值,则可认为这个因素为弱项因素。三个维度覆盖了4种不同数据k、u0、σ2、Δu,每种数据分别对应一个阈值T1、T2、T3、T4,这4个阈值的大小根据经验或通过实验确定,也可用所有要素的均值作为对应数据的阈值,如阈值T1等于所有要素权重的平均值,即:
为了更直观地理解三个维度弱项要素的识别方法,图2(a)、(b)、(c)分别画出了三组关联数据k-u0、σ2-u0、k-Δu的散点图。由图可知,每个图中的两条阈值线将所有的数据点分成了4个区域,而弱项数据点均在左上角的区域内。
作为一可选实施例,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
本实施例给出了划分弱项要素等级的一种技术方案。本实施例基于M的大小划分弱项要素等级。如前述,M越大等级越高,而弱项要素M的取值为1、2、3,因此,可根据M的取值将弱项要素划分为三个等级:M=3,弱项要素等级最高,称为重点弱项;M=2,弱项要素等级次之,称为次重点弱项;M=1,弱项要素等级最低,称为关注弱项。
为了说明本发明的有效性,下面给出一个具体的应用实例。
以汽车经销商为例,基于其服务过程得到9个因子,对9个因子进一步细分得到38个因素,基于线性回归法得到每个因素的权重k(共38个)。获取国内主流自主品牌汽车调研数据样本1600个,其中本品876个,竞品724个(每3个竞品包含1个标杆产品)。对所有样品针对38个要素分别进行满意度打分(1-10分),分别计算38个要素的本品满意度均值u0、方差σ2,本品满意度均值u0与竞品满意度均值u1的差Δu=u0-u1,计算结果如表1所示。
表1各要素的统计数据值
根据表1数据,绘制三个维度的散点图如图2所示。落入图2三个散点图中任意一个的左上角区域的要素为弱项要素,弱项要素在三个散点图中的分布及弱项等级如表2所示。
表2弱项要素在三个散点图中的分布及弱项等级
图3为本发明实施例一种商品经销商服务弱项的识别评估装置的方框图,所述装置包括:
要素确定模块11,用于确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
样本计算模块12,用于针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
弱项识别模块13,用于根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
等级划分模块14,用于根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
本实施例的装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。后面的实施例也是如此,均不再展开说明。
作为一可选实施例,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
作为一可选实施例,确定每个要素影响所述总体满意度的权重的方法包括:
建立以每个要素满意度得分为自变量、以总体满意度得分为函数的模型:
以训练样本数据集A对所述模型进行训练得到每个要素的权重ki,A={(x1j,x2j,…,xnj),yj},j=1,2,…,m,m为样本数量。
作为一可选实施例,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Δu的弱项。
作为一可选实施例,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种商品经销商服务弱项的识别评估方法,其特征在于,包括以下步骤:
确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
2.根据权利要求1所述的商品经销商服务弱项的识别评估方法,其特征在于,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
4.根据权利要求3所述的商品经销商服务弱项的识别评估方法,其特征在于,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Δu的弱项。
5.根据权利要求4所述的商品经销商服务弱项的识别评估方法,其特征在于,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
6.一种商品经销商服务弱项的识别评估装置,其特征在于,包括:
要素确定模块,用于确定影响商品经销商服务总体满意度的要素,并确定每个要素影响所述总体满意度的权重k;
样本计算模块,用于针对选取的每个本商品样本和包含标杆产品的竞品样本,对每个要素进行满意度打分;计算每个要素的本商品样本满意度打分均值u0和方差σ2,计算每个要素的竞品样本满意度打分均值u1,计算每个要素的两个均值的差Δu=u0-u1;
弱项识别模块,用于根据k、u0、σ2、Δu的大小,分别在三个维度k-u0、σ2-u0、k-Δu确定属于弱项的要素,只要有一个维度为弱项,则所述要素为弱项要素;
等级划分模块,用于根据弱项要素在三个维度属于弱项的数量M,划分弱项要素的等级,M越大等级越高。
7.根据权利要求6所述的商品经销商服务弱项的识别评估装置,其特征在于,确定影响商品经销商服务总体满意度的要素的方法包括:先确定影响总体满意度的因子,然后将每个因子细分为多个要素。
9.根据权利要求8所述的商品经销商服务弱项的识别评估装置,其特征在于,在三个维度确定属于弱项的要素的方法包括:
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度k-u0的弱项;
如果第i个要素本商品样本满意度打分的方差σ2大于设定的阈值T3,且第i个要素本商品样本满意度打分均值u0小于设定的阈值T2,则第i个要素为维度σ2-u0的弱项;
如果第i个要素的权重k大于设定的阈值T1,且第i个要素本商品样本满意度打分均值与竞品样本满意度打分均值的差Δu小于设定的阈值T4,则第i个要素为维度k-Δu的弱项。
10.根据权利要求9所述的商品经销商服务弱项的识别评估装置,其特征在于,划分弱项要素等级的方法包括:
如果M=3,则弱项要素等级为重点弱项;
如果M=2,则弱项要素等级为次重点弱项;
如果M=1,则弱项要素等级为关注弱项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044049.3A CN113780799A (zh) | 2021-09-07 | 2021-09-07 | 一种商品经销商服务弱项的识别评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111044049.3A CN113780799A (zh) | 2021-09-07 | 2021-09-07 | 一种商品经销商服务弱项的识别评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780799A true CN113780799A (zh) | 2021-12-10 |
Family
ID=78841593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111044049.3A Pending CN113780799A (zh) | 2021-09-07 | 2021-09-07 | 一种商品经销商服务弱项的识别评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780799A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957709A (zh) * | 2023-06-05 | 2023-10-27 | 上海朗晖慧科技术有限公司 | 一种基于数字化云平台的货单交易管理系统及方法 |
-
2021
- 2021-09-07 CN CN202111044049.3A patent/CN113780799A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957709A (zh) * | 2023-06-05 | 2023-10-27 | 上海朗晖慧科技术有限公司 | 一种基于数字化云平台的货单交易管理系统及方法 |
CN116957709B (zh) * | 2023-06-05 | 2024-04-23 | 上海朗晖慧科技术有限公司 | 一种基于数字化云平台的货单交易管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6856972B1 (en) | Automated method for analyzing and comparing financial data | |
Lambert et al. | A customer‐based competitive analysis for logistics decisions | |
Overby et al. | Electronic and physical market channels: A multiyear investigation in a market for products of uncertain quality | |
CN107665448A (zh) | 用于确定消费贡献价值的方法、装置以及存储介质 | |
CN109902441B (zh) | 一种基于kano模型原理的车辆性能指标权重分配系统及方法 | |
CN107153977A (zh) | 网上交易平台中交易实体信用评估方法、装置及系统 | |
Mandel | Heterogeneous firms and import quality: Evidence from transaction-level prices | |
CN109191172A (zh) | 二手车车值的评估方法 | |
CN115082153A (zh) | 一种商家质量评价方法、装置、电子设备及存储介质 | |
CN113780799A (zh) | 一种商品经销商服务弱项的识别评估方法及装置 | |
CN117035607A (zh) | 一种基于物联网的仓储容量预测管理系统及方法 | |
Celikkol et al. | Measuring the impact of price-induced innovation on technological progress: application to the US food processing and distribution sector | |
KR100616054B1 (ko) | 데이터 분석 시스템, 데이터 분석 방법 및 프로그램을기록하는 컴퓨터 판독 가능한 기록 매체 | |
CN116611796B (zh) | 一种店铺交易数据的异常检测方法及装置 | |
Xu et al. | Customer requirement analysis based on an analytical Kano model | |
CN111598660A (zh) | 一种用于筛选供应商的计算机筛选装置、方法及存储介质 | |
Mohammadi et al. | Applying fuzzy DEMATEL method to analyze supplier selection criteria (Case study: WagonPars Company) | |
CN114707904A (zh) | 一种基于大数据的质量检测方法及系统 | |
CN113935649A (zh) | 一种粮食收购管控系统 | |
US20190378075A1 (en) | Forecasting voyage-level net promotor scores | |
CN115131070B (zh) | 一种在线商品预定量虚标的识别及处理方法及装置 | |
Dudziak et al. | Application of the CSI method to test consumer satisfaction: a case study of petrol stations | |
Wang et al. | An empirical case study of DEMATEL method focus on Indonesian coffee consumption | |
CN111461797B (zh) | 一种基于用户行为的货物定价方法 | |
Asepta | Influence of the marketing mix on the decision to purchase Oepet Oe cigarette products in the people of Pamekasan district |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |