基于灰关联分析的物流服务失误的评价模型

苏畅 哈尔滨工业大学 徐振中 北京航空航天大学 高瑄 吉林大学 高闻酉 长春理工大学

基于灰关联分析的物流服务失误的评价模型

苏畅 哈尔滨工业大学 徐振中 北京航空航天大学 高瑄 吉林大学 高闻酉 长春理工大学

基于灰关联理论建立物流服务失误的评价模型。首先确定导致物流服务失误的各影响因素，随后对原始数据进行同一量纲处理，利用灰关联分析，计算各因素指标的关联度。

灰关联 服务失误 评价模型

当前物流业已经成长为企业的“第三利润源”，事实上，随着物流业的快速发展，各大物流企业的技术、价格等越来越同质化，在服务失误之后增强自身补救能力已经成为物流企业竞争的优势。

1 构建物流服务失误的评价体系

本文主要用灰关联分析方法计算服务失误的关联度大小，构建物流服务失误的评价模型。

2 灰关联分析的计算方法

A．原始数据转换

均值化处理：设有原数列X，对于任意x(k),k=1,2,3…n，均值化处理得到新数列。

B． 计算关联系数

设灰关联模型的母序列为x0,比较序列为xi，则

计算出下式：

k点x0和xi的绝对差表示为：

两级最小差为：

该公式可以拆分为下列两个公式：

其中前者为第一级最小差，第二个表示为第二级最小差。第二级最大差为：

上述公式中ρ为分辨系数，一般情况下，取值0.5。

C．计算灰关联度

D．排关联序

根据计算得出的关联度排序，可以得出各个因素序列对于母序列的关联程度。

E．列出灰关联矩阵

设有n个母序列{Y1,Y2,Y3…．Yn} ,m个因素序列{x1,x2,x3…xm};第m因素序列对于Y的关联度表示为矩阵：

3 案例分析

下面运用上述方法针对于某一物流站点的服务失误进行分析。表1，2是原始数据

表1 顾客对于x物流站点不满意比例 （%）

表2 顾客对于X物流站点不满意的因素比例（%）

3.1 原始数据均值化处理

表3 均值变换表

表4 绝对值

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 极差最大最小值

3.2 计算关联系数

两级最大值和两级最小值分别为：0．86和0．04，关联度系数结算结果如表6

表6 关联系数表

3.3 求关联度

表7 关联度表

3.4 排关联序

根据上表得出的结果，进行关联度排序：

3.5 列关联矩阵

本文的关联矩阵为：(0．8，0．82，0．73，0．94，0．72，0．86，0．6，0．62，0．49)T

4 结论

该文从若干服务失误因素出发，利用灰关联分析建立分析模型，找出导致服务失误最主要的因素，能够很好促进其服务改进。

[1] 魏斐翡.基于网上消费者风险的快递服务满意度分析[J].武汉理工大学学报,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.

苏畅（1995.9—），女，吉林省长春市人，哈尔滨工业大学外语学院英语专业，本科；徐振中（1994.2—）， 男，山东临沂， 北京航空航天大学，硕士；高瑄（1993.8—），男，吉林省长春市人，吉林大学超硬材料国家重点实验室，硕士；高闻酉（1968.2—），男，吉林省长春市人，长春理工大学经济与信息管理学院，副教授。