基于灰關聯分析的物流服務失誤的評價模型

蘇暢 哈爾濱工業大學 徐振中 北京航空航天大學 高瑄 吉林大學 高聞酉 長春理工大學

基于灰關聯分析的物流服務失誤的評價模型

蘇暢 哈爾濱工業大學 徐振中 北京航空航天大學 高瑄 吉林大學 高聞酉 長春理工大學

基于灰關聯理論建立物流服務失誤的評價模型。首先確定導致物流服務失誤的各影響因素，隨后對原始數據進行同一量綱處理，利用灰關聯分析，計算各因素指標的關聯度。

灰關聯 服務失誤 評價模型

當前物流業已經成長為企業的“第三利潤源”，事實上，隨著物流業的快速發展，各大物流企業的技術、價格等越來越同質化，在服務失誤之后增強自身補救能力已經成為物流企業競爭的優勢。

1 構建物流服務失誤的評價體系

本文主要用灰關聯分析方法計算服務失誤的關聯度大小，構建物流服務失誤的評價模型。

2 灰關聯分析的計算方法

A．原始數據轉換

均值化處理：設有原數列X，對于任意x(k),k=1,2,3…n，均值化處理得到新數列。

B． 計算關聯系數

設灰關聯模型的母序列為x0,比較序列為xi，則

計算出下式：

k點x0和xi的絕對差表示為：

兩級最小差為：

該公式可以拆分為下列兩個公式：

其中前者為第一級最小差，第二個表示為第二級最小差。第二級最大差為：

上述公式中ρ為分辨系數，一般情況下，取值0.5。

C．計算灰關聯度

D．排關聯序

根據計算得出的關聯度排序，可以得出各個因素序列對于母序列的關聯程度。

E．列出灰關聯矩陣

設有n個母序列{Y1,Y2,Y3…．Yn} ,m個因素序列{x1,x2,x3…xm};第m因素序列對于Y的關聯度表示為矩陣：

3 案例分析

下面運用上述方法針對于某一物流站點的服務失誤進行分析。表1，2是原始數據

表1 顧客對于x物流站點不滿意比例 （%）

表2 顧客對于X物流站點不滿意的因素比例（%）

3.1 原始數據均值化處理

表3 均值變換表

表4 絕對值

Δ05 Δ06 Δ07 Δ08 Δ09 0．37 0．04 0．25 0．51 0．56 0．07 0．26 0．31 0．3 0．3 0．31 0．09 0．55 0．22 0．86

表5 極差最大最小值

3.2 計算關聯系數

兩級最大值和兩級最小值分別為：0．86和0．04，關聯度系數結算結果如表6

表6 關聯系數表

3.3 求關聯度

表7 關聯度表

3.4 排關聯序

根據上表得出的結果，進行關聯度排序：

3.5 列關聯矩陣

本文的關聯矩陣為：(0．8，0．82，0．73，0．94，0．72，0．86，0．6，0．62，0．49)T

4 結論

該文從若干服務失誤因素出發，利用灰關聯分析建立分析模型，找出導致服務失誤最主要的因素，能夠很好促進其服務改進。

[1] 魏斐翡.基于網上消費者風險的快遞服務滿意度分析[J].武漢理工大學學報,2011,33(6):1003-1010.

[2] Sprcng R,Hm'rell D,Mackoy.Service recovery:impact on satisfaction and intentions[J].Joumal of Services Marketing,1995,1:15-23.

蘇暢（1995.9—），女，吉林省長春市人，哈爾濱工業大學外語學院英語專業，本科；徐振中（1994.2—）， 男，山東臨沂， 北京航空航天大學，碩士；高瑄（1993.8—），男，吉林省長春市人，吉林大學超硬材料國家重點實驗室，碩士；高聞酉（1968.2—），男，吉林省長春市人，長春理工大學經濟與信息管理學院，副教授。