基于企業校準行為模型的客戶分析

朱嘯天 張楊

（許昌開普電氣研究院有限公司 河南省許昌市 461000）

近年來，我國物聯網、智能電網等新興技術的快速發展，食品、藥品安全等領域的需求也受到高度關注，這些都為儀器儀表校準行業提供了廣闊的市場[1]。而國家對第三方校準機構采取開放和扶持的政策也使得第三方校準機構所占校準市場的份額越來越大。但由于第三方校準機構起步較晚、規模與能力無法與國家檢定部門以及國外校準實驗室相提并論，而且隨著校準行業的準入門檻降低導致越來越多的校準機構的涌入，第三方校準機構所面臨的競爭也日趨激烈。因此，第三方校準機構想要在校準行業站穩腳跟，除了提高自身校準能力、擴大實驗室規模之外，還應努力優化市場營銷策略。

傳統校準機構市場營銷模式是對所有企業進行宣傳或走訪，主要以價格作為宣傳點來“被動”的吸引客戶，但這樣的效果并不明顯。究其原因主要是企業用戶本身是一個復雜的系統，不僅僅是送校費用，企業的規模、性質以及對校準的態度等等因素都可能影響自身的校準行為。筆者認為市場營銷的側重點在于對企業校準行為的分析和預測。通過對企業相關信息的收集和分析，挖掘潛在的校準客戶，繼而進行有針對性的走訪和宣傳。不僅可以有效的減少由于盲目宣傳產生的成本，還可以避免與同行的惡性低價競爭，使得營銷策略起到事半功倍的效果。

現如今，越來越多的研究人員和學者們將關注的重點集中到了行為學和社會學在各個行業的研究與應用上。世界頂級期刊——自然（Nature）期刊出版社還為此專門開辟了在線論壇，為研究者探討和分享行為學和社會學研究及其在各行業的應用提供了平臺[2]。而為了提升用戶服務質量，實現個性化的服務體驗，用戶行為模型的概念也應運而生，并廣泛應用于供應鏈管理[3]、軟件系統設計[4]、用戶畫像[5-6]、網絡推薦[7]等領域；文獻[8]提出的用戶體驗動態行為模型，分析了移動數字閱讀和用戶體驗行為的關系；文獻[9]提出了電力用戶行為模型，通過分析傳統電力系統中用戶體驗的不足，闡述了用戶型模型的研究意義；因此本文以企業校準行為模型為核心，從社會學視角剖析企業校準行為的基本構成，從企業相關信息、環境因素、校準趨勢三個方面將企業校準行為模型的構建轉化為一系列用戶特征屬性與校準趨勢相關聯的問題。研究工作在我國校準市場逐漸放開的大趨勢下，對挖掘潛在校準客戶具有一定的實用價值。

1 企業校準行為模型

“行為”一詞具有豐富的含義，在不同研究領域具有不同的解讀方式。本文所描述的企業校準行為是從社會學和心理學的角度進行解讀：企業校準行為是指企業在外界環境影響下所產生的校準活動以及表現出來與校準相關的態度。

圖1：企業校準行為模型基本組成

圖2：企業行為屬性

圖3：3 層BP 神經網絡

在社會學領域，人的行為一般由行為主體、行為環境、行為手段、行為結果和行為客體五個部分組成[10]。同理如圖1所示，企業校準行為的基本組成部分主要分為五個部分：

（1）行為主體：企業本身，是一個復雜的系統，自身擁有特殊的相關信息等特征；

（2）行為環境：影響企業校準行為的外界或內部環境，如企業所在位置和校準機構的距離、校準機構認可能力能否滿足企業的需求、校準周期、校準價格等；

（3）行為手段：送校或者現場校準；

（4）行為結果：校準行為所產生的結果包括校準費用以及其他目標達成（例如企業體系認證、CNAS 認證等）；

（5）行為客體：各個校準機構。

2 校準行為基本特性

企業校準行為具有趨優性、主觀能動性、多樣性、可預見性、不確定性、復雜性等基本特性，這些特性是構建企業校準行為模型的基礎。

2.1 趨優性

企業最終產生校準行為一定是受到外部環境的影響，通過送校或者現場校準等手段來滿足自身的需求。雖然在滿足自身需求的情況下實現校準成本最低這個問題上無法求得最優解，但企業也是趨向于通過合理的安排校準，增加自己的校準效用，降低自己的校準成本。

2.2 主觀能動性

企業并不會消極被動地接受校準機構的校準服務，而是具有一定的主觀能動性的，為了實現校準效用的趨優性，會根據外部環境的變化，主動的改變自己的校準行為。例如企業根據校準設備的使用情況，主動縮短或增加設備的校準周期；根據設備的校準需求，主動選擇能力滿足的校準機構；在企業認證或實驗室評審之前，會主動選擇校準速度快的校準機構等等。

2.3 多樣性

不同企業自身屬性多種多樣、對于校準效用的衡量標準也不盡相同；由于擁有的校準設備的不同，導致校準行為手段有所不同；此外，不同區域的企業所受到的外界影響也是不一樣的。因此，不同的企業在受到不同的外部環境的影響下所采取的校準行為手段不同，產生的校準行為當然具有多樣性。包括不同企業的多樣性和同一企業在不同時間段的多樣性。

2.4 可預見性

企業對校準效用的趨優性使得企業的校準行為具有一定的內在規律，在了解掌握這些內在規律的情況下，對企業的校準行為有一定的預見性。例如根據企業的規模、性質、位置等相關信息推測其未來能否成為校準機構的潛在客戶。也可以通過客戶往年的送校曲線分析，預測其未來的送校趨勢。

2.5 不確定性

圖4：BP 神經網絡流程圖

圖5：校準行為屬性對應集合

企業的校準行為可以理解成為企業在正常校準習慣的基礎上疊加了一系列的隨機事件的結果。該不確定性可能來源于設備的損毀維修、業務擴展導致新的設備購買、企業人事變動導致校準習慣的改變、企業搬遷等純粹的隨機事件，也可能來源于沒有充分辨識企業規律性的校準行為導致的校準行為模型的偏差。而隨著企業的不斷發展，在不同的發展階段，企業校準行為模型也不斷變化。因此，企業校準行為在具有可預見性的同時也具有不確定性。

圖6：BP 神經網絡模型

圖7

2.6 復雜性

企業校準行為的描述涉及到企業一系列的基本屬性，由于企業的社會屬性以及自身屬性具有復雜性，因此企業的行為也無法采用幾個簡單的屬性對其進行全面的描述。

3 校準行為預測與仿真

3.1 企業校準行為屬性

企業校準行為模型是由一系列描述企業行為組成部分內在關系的子模型構成的，每一個子模型可以抽象成為Y=h(X)。即給定企業校準行為中的部分信息X 下，來分析企業的另一部分行為屬性Y，而h(·)則是需要訓練的關聯函數。

如圖2所示，以分析企業是否送校為例，從企業內在屬性、校準屬性和偏好屬性，歸納了企業校準行為的若干屬性。即

3.2 BP神經網絡構建

BP 神經網絡是一種多層前饋神經網絡，該網絡的主要特點是信號前向傳遞，誤差反向傳播[11]。其結構如圖3所示。

BP 神經網絡在前向傳播的過程中，輸入信號從輸入層經隱含層處理，直至輸出層[12]。每一層的神經元狀態只影響下一層神經元狀態[13]。如果輸出層得不到期望輸出，則轉入反向傳播，根據預測誤差調整網絡權值和閾值，從而使BP 神經網絡預測輸出不斷逼近期望輸出[14]。具體流程圖如圖4所示。

Step 1：設定網絡參數，如訓練次數、學習率、目標誤差等[15]。

Step 2：初始化BP 神經網絡結構，隨機生成矩陣[16]：

其中Wh、Wo分別為隱含層和輸出層的權值矩陣；Bh、Bo分別為隱含層和輸出層的閾值矩陣；n 為輸入層神經元個數；p 為隱含層神經元個數；q 為輸出層神經元個數；為輸入層第i 個神經元與隱含層第j 個神經元的連接權值；為隱含層第j 個神經元與輸出層第l 個神經元的連接權值；為隱含層第j 個神經元的閾值；為輸出層第l 個神經元的閾值。

Step 4：通過式（5）誤差函數依據式（6）（7）（8）（9）對輸出層和隱含層的各個神經元求偏導數。

Step 5：利用Step 3 和Step 4 中的靈敏度，按照式（10）（11）來修正輸出層和隱含層的連接權值[18]。

Step 6：按式（12）計算全局偏差。

Step 7：判斷偏差是否滿足要求，當偏差達到預設精度或學習次數大于設定的最大次數，則結束算法。否則，則返回到Step 3，選取下一個訓練樣本及對應的期望輸出，繼續訓練。

4 實驗仿真與分析

4.1 仿真結果

將上文歸納的企業校準行為屬性作為輸入端，即7 個輸入節點。每個校準行為屬性抽象成為一個集合，如圖5所示。

另將客戶的合作意向由強到弱分為A、B、C 共3 個等級，分別代表意向明顯、意向一般、意向較弱。將客戶合作意向等級作為輸出端，即1個輸出節點，即。隱含層按照以下公式來確定：

圖8：各等級客戶送校設備數量

式中：為(1 10)之間的常數。

由此可得到一個輸入層為7、隱含層為13、輸出層為1 的BP神經網絡。如圖6所示。

為驗證本文提出的企業校準行為模型對潛在客戶具有預測能力，選取作者所在的校準實驗室客戶數據作為訓練樣本，對構建的BP 神經網絡進行訓練。通過訓練完成后的網絡來分析一個企業是否會到本實驗室進行校準，并對其進行等級劃分。采取相應的營銷策略。仿真結果如圖7所示。

該企業的客戶屬性按照圖5 可抽象成輸入數據x=(0,0,0,1,15,1,1)，通過訓練后的網絡得到輸出y=2。即該企業的潛在客戶等級為A。

該企業的客戶屬性按照圖5 可抽象成輸入數據x=(1,2,1,1,30,0,1)，通過訓練后的網絡得到輸出y=1。即該企業的潛在客戶等級為B。

該企業的客戶屬性按照圖5 可抽象成輸入數據x=(2,0,0,0,0,0,0,)，通過訓練后的網絡得到輸出y=0。即該企業的潛在客戶等級為C。

4.2 結果分析

潛在客戶等級為A 的客戶，送校到本實驗室的可能性最大，實驗室應經常與其溝通宣傳并隨時保持業務溝通，跟進用戶最新需求，及時解決出現的問題，穩固合作關系；潛在客戶等級為B 的客戶，送到本實驗室的可能性一般，實驗室應根據其校準物品種類以及校準需求，建立聯系，適當增加宣傳力度，擴展潛在業務；潛在客戶等級為C 的客戶，送到本實驗室的可能性不大，實驗室采取觀察的方式，可適當減少對此類企業營銷的成本投入，營銷方式以宣傳為主。圖8 為近三年不同等級的客戶送校的設備數量，以此來驗證本文仿真結果的一致性。

5 結論

隨著各類校準機構不斷涌入市場，第三方校準機構面臨的競爭壓力日益增強。相對于校準行業以及校準技術的快速發展，目前校準機構的市場營銷策略比較滯后而且低效。機構在向客戶宣傳時帶有很大的盲目性，這種盲目性會對校準機構的正常運營帶來挑戰。本文針對該問題提出了基于企業校準行為模型的客戶分析；通過收集企業的基本校準行為信息來構建企業校準行為模型，利用神經網絡從中挖掘潛在的客戶，進而優化校準機構的市場營銷策略。仿真結果驗證了基于企業校準行為模型進行客戶分析的可行性。