基于模糊综合评价法的铁路货运客户评价研究

张文清

(中国铁路北京局集团有限公司 北京货运中心，北京 100071)

铁路货运客户评价对不同客户实施针对性营销策略有重要影响，可以有效避免盲目营销导致的营销成本高、营销效率低的问题。当前由于铁路货运客户种类繁多、需求复杂，对于货运资源的调配存在分布不均和资源浪费的现象，且市场环境复杂，企业间的竞争比较激烈，客户的流失风险与之前相比明显增大。科学地对客户进行评价有助于更好地满足客户需求，增加客户黏性。针对目前我国铁路缺乏对货运客户评价机制的问题，结合客户评价实践及理论经验，在综合考虑客户的当前价值和潜在价值的基础上[1]，构建铁路货运客户评价体系，运用模糊综合评价法方法，对铁路货运客户进行评价，结合评价结果，提出有针对性的营销策略。

1 铁路货运客户评价体系构建

1.1 客户当前价值分析

铁路客户的当前价值是指客户的以往运输需求对其铁路创收的贡献度，对贡献度的评价可以从收入贡献和任务贡献2个方面阐述。

（1）收入贡献。统计客户在一定时间内对铁路运输所支付的综合费用，包括运杂费、运输费用、保价费、建设基金、电气化附加费等，可通过铁路货票获得[2]。铁路货票可以真实客观地反应客户所创造的铁路运营收入实际情况，因而将货票收入作为客户当前价值的一项评价指标。

（2）任务贡献。铁路运营指标作为铁路运营管理的重要手段，反应铁路运营的质量。在此，使用客户的装车数和装车吨数作为客户当前价值的评价指标。

因此，客户当前价值的评价指标为货票收入、装车数、装车吨数。

1.2 客户潜在价值分析

客户潜在价值是指在铁路运营过程中，客户可能带来的价值和利润。客户潜在价值是一种面向未来的经济行为[3]。铁路的客户潜在价值可以通过诚信度、忠实度和满意度3个方面进行阐述。

（1）满意度。满意度是指客户对运输办理流程、运输效率等的总体评价，主要以投诉频数和未解决问题次数等指标进行衡量。

（2）诚信度。诚信度作为衡量客户潜在价值的一个重要指标，诚信度对铁路货物运输的风险具有非常重要的影响。诚信度主要以计划兑现率、退订次数等指标进行衡量。

（3）忠实度。忠实度是指铁路客户对铁路货运的依赖度，依赖度和忠实度呈现正相关的关系。忠实度主要以发货频次、平均发货量、客户产量、未发货天数、公路和铁路运输比等指标进行衡量[4]。

综上，客户潜在价值的评价指标有9项，分别为投诉频数、未解决问题次数、计划兑现率、退订次数、发货频次、平均发货量、客户产量、未发货天数、公路和铁路运输比。

1.3 铁路货运客户评价指标体系构建

综上所述，从3个层次构建铁路货运客户评价指标体系：第1层为总目标层，从整体上体现客户价值；第2层为子目标层，包含客户当前价值和客户潜在价值；第3层为指标层，与子目标层呈现对应关系。构建铁路货运客户评价指标体系如表1所示。

2 基于模糊综合评价法的铁路货运客户评价模型

在国内外研究中，对于客户价值的评价方法很多，其中使用比较广泛的主要有层次分析法(AHP)、专家综合打分法、模糊综合评价方法、人工神经网络评价法等。模糊综合评价法由于可以模糊地对评价对象进行评价，并且对比较模糊的属性给出可以量化和科学的评价结果，其评价结果包含的信息较为充分和丰富。此外，由于模糊综合评价法具备和对象集合无关联性的优势，其评价结果具有惟一性特点[4-5]。因此，选用模糊综合评价法对铁路货运客户进行评价。

计算步骤如下。

（1）确定评价指标集。假设U=(u1，u2，…，um)为评价指标的集合，m为被评价对象中所含有因素的个数，其具体数值受评价体系的影响。其中每一类评价指标可以按照属性的不一致分成许多子类，子类又可以使用单一评价因素来开展评价。

（2）确定被评价对象的评价集。假设P=(p1，p2，…，pn)为评价人员对评价对象作出的n种评价等级。

（3）模糊评价隶属函数的构造。任意评价指标ui对U上的模糊集合具有模糊性的隶属关系，每个元素的取值可以在0～1之间。当取值越接近与1，说明其隶属度越高[6]。论域上的隶属度情况可以用隶属度函数来描述，从而实现模糊属性转化成数值化描述。

（4）计算评价指标的权重值。权重的确定用专家打分法进行计算，经过专家打分后，可以用加权平均方法计算各个属性的评价权重，最终形成权重向量，权重向量可以用ω来标识，ω=(ω1，ω2，…，

（5）单指标评价方法。单指标评价是进行模糊评价的第1个环节。从评价指标ui(i= 1，2，…，m)上对被评价体实施评价，确定在单指标下，评价体对各评价等级pj(j=1，2，…，n)上的隶属度rij，从而得到模糊关系矩阵。其中，rij代表评价体在评价指标ui的作用下，对评价等级pj的隶属度。ri= (ri1，ri2，…，rin)T表示评价体在评价指标ui的作用下，对模糊集合的隶属度向量。

表1 铁路货运客户评价指标体系Tab.1 An evaluation model of railway freight clients

（6）模糊处理和模糊合成。在隶属度向量ri和权重向量ω明确后，可以进行模糊处理，最后经过模糊合成运算，得到模糊综合评价结果向量h。

（7）综合评价结果。根据以上计算结果，得出模糊综合评价结果向量h。依照最大隶属度方法，选取max (hj)所对应的评价等级作为被评价体的最终评价结果[7-8]。

3 案例分析

以中国铁路北京局集团有限公司(以下简称“北京铁路局”)为例，选取客户价值作为评价指标，利用模糊综合评价法对其当前价值进行评价。按照真实性、可行性原则，以北京铁路局某客户实际发送数据为例，对基于模糊综合评价法的铁路货运客户评价模型进行验证。

（1）确定评价指标集。总目标评价指标集U=(A1，A2)，子目标评价指标集U1= (A11，A12，A13)，U2= (A21，A22，A23，A24，A25，A26，A27，A28，A29)。

（2）确定被评价对象的评价集。设定评价人员对评价对象作出高现值高潜在、高现值低潜在、低现值高潜在、低现值低潜在4种评价结果，即P= (p1，p2，p3，p4) = (高现值高潜在、高现值低潜在、低现值高潜在、低现值低潜在)。

（3）计算评价指标的权重值。采用问卷调查的方法，对北京铁路局某客户单位参加货运工作工龄20年以上职工开展调查，得到客户价值调查结果统计如表2所示。在采用专家打分法的基础上，确定各个指标的权重值，ω= (0.5，0.5)，ω1= (0.4，0.3，0.3)，ω2= (0.12，0.1，0.12，0.1，0.12，0.12，0.1，0.1，0.12)。

（4）构建单指标对应的模糊关系矩阵。对评价指标体系中第二层各元素进行单指标评价，单指标评价的关键是构建单指标对应的模糊关系矩阵，通过对调查结果的整理和统计，得到评价指标体系第二层因素，即客户当前价值A1和客户潜在价值A2的模糊关系矩阵。

（5）模糊合成。客户当前价值的评价向量：h1=ω1×R1= (0.435，0.23，0.175，0.16)；客户潜在价值的评价向量：h2=ω2×R2= (0.34，0.28，0.21，0.17)。客户价值向量可以表示为

表2 调查结果统计表Tab.2 The survey results

根据最大隶属度原则，在模糊综合评价向量h中，max (hj) = 0.387 5，所对应的评价等级为高现值高潜在，因而该客户为高现值高潜在价值客户。

（6）高现值高潜在客户营销策略分析。高现值高潜在客户特点较为鲜明，其各项指标评分均较高，作为给铁路运营贡献最大的一类客户，其潜在价值也非常大，从营销的层面讲，这是品质优良的客户。在实际的铁路运营过程中，可以适当将重要的运营资源向此类客户转移，优先满足此类客户的实际需求，以维系此类客户的稳定运行。对于此部分客户的投诉等问题，需要安排专门的运维人员及时解决，从而保证其满意度维持在一个比较稳定的值域。

4 结束语

基于模糊综合评价的铁路货运客户评价，细化铁路货运客户评价指标，确定客户分类，为铁路货运部门特别是货运中心及下属货运营业部开展货运营销、区分客户类别、为客户提供差异性和针对性服务提供参考。模糊综合评价法兼顾指标间的动态性和相关性，可在一定程度上减少人为主观赋权的不利影响，在实际运用中展现出较强的可操作性和普遍适用性，有助于对铁路货运客户进行精准定位，有针对性地对铁路货运客户实施高效营销，以获得最大化收益。