APP下载

基于RS-SVM 的移动旅游服务质量评价模型研究

2021-08-29周小勇吴玉萍

生产力研究 2021年7期
关键词:约简服务质量样本

周小勇 ,吴玉萍

(1.桂林航天工业学院 管理学院,广西 桂林 541004;2.桂林航天工业学院 工程综合训练中心,广西 桂林 541004)

一、引言

随着消费者对于旅游服务便捷性、及时性和个性化需求的不断攀升,移动旅游服务市场近年来取得了令人瞩目的发展。据中国互联网信息中心最新数据,我国2019 年手机旅行预订用户规模达到4亿,较上年增长49%,手机旅游预订使用比例达到45%[1]。以携程网为代表的一批移动旅游服务企业逐渐成为旅游消费者制定旅行规划、预订各类票证、购买旅游服务的首选选择。同时,移动旅游服务市场竞争的日趋激烈也使以往依靠低价吸引流量以增加交易规模的营销模式屡屡出现问题,如携程“假机票”事件、航空公司集体封杀去哪儿等[2]。如何提高服务质量,对于移动旅游服务企业提升顾客满意度、增加竞争力至关重要。建立科学有效的服务质量评价模型,不仅可以为消费者科学选择移动旅游服务提供参考,还能为企业有效改善移动旅游服务提供依据。

移动旅游服务质量是指企业满足消费者移动旅游服务需求的程度,也是消费者对企业移动旅游服务的评价。移动旅游服务质量评价则是按照一定衡量标准对移动旅游服务内容、方式、效果等进行综合判断,其目的是改善服务质量,完善服务体系,提升整体服务水平和顾客满意度。目前,国内外对移动旅游服务质量评价的研究主要集中在两个方面:一是影响因素识别与分析,Kim 等(2005)[3]研究发现在线旅游服务质量主要涉及网站结构、易用性、有效性、信息质量、名誉和安全等方面;彭润华等(2009)[4]认为游客认知的有用性和易用性、自我感知和风险感知是影响移动商务游客接受度的重要因素;张宏梅等(2015)[5]分析了消费者创新性和使用动机因素对移动旅游服务用户融入意向的影响。二是评价指标体系和评价模型构建,丁娟(2014)[6]基于WebQual 体系构建了旅行社在线服务质量评价指标体系,并利用熵权法建立综合评价模型;张立军(2003)[7]认为旅游服务质量评价具有主观性和模糊性,因而在分析其构成要素基础上,建立了模糊综合评价模型;张广宇和张梦(2012)[8]分析了网站功能性、信息质量、履行性、经济性、保障机制等因素的影响,并基于结构方程构建了在线旅游服务满意度评价模型。

现有研究主要通过主成分分析、模糊综合评价、熵权法等方法构建在线旅游服务定量评价模型,虽然一定程度上消除了评价指标多样性、主观性的影响,但对于移动旅游服务影响因素更多、指标之间非线性关系更复杂、大样本指标数据收集更困难等问题却缺乏解决办法,也难以准确衡量指标间交互对评价结果的影响,从而无法客观评价服务质量。粗糙集(Rough Set,RS)不需依靠任何附加信息和先验知识,仅从数据集本身出发,即可揭示数据间存在的规律,有效地刻画出数据中的关键因素[9]。支持向量机(Support Vector Machine,SVM)能够在最小化结构风险情况下将非线性分类问题转变为线性问题,对于解决小样本、非线性评价问题具有独特优势[10]。基于RS-SVM 的评价模型,不仅可以减少因RS 属性约简造成的重要信息丢失,还有助于提高SVM模型的评价精度和效率,已在组织效率评价[11]、信用评价[12]、风险评价[13]、能力评价[14]等领域应用,并取得良好效果。因此,本文拟将RSSVM模型引入移动旅游服务质量评价,利用RS 进行评价指标约简,并通过SVM 对非线性数据分类处理,为科学评价移动旅游服务质量提高方法参考。

二、研究方法与模型

(一)RS 理论

RS 是定量分析处理模糊和不确定性知识的数学工具,其基本概念包括:

1.信息系统

在RS 理论中,用信息系统IS=(U,A,V,ƒ) 来表示研究对象,其中U=(x1,x2,…,xm) 称为论域,表示对象的非空有限集合;A=C∪D={a1,a2,…,an}是属性集合,且C∩D=φ,C={c1,c2,…,cn}为条件属性集,D={d}为决策属性集;ƒ:U×A→V是信息函数,它为每个对象的每个属性赋予一个信息值。

2.可辨识矩阵

信息系统中的对象由于缺乏知识而无法被准确地分类,则称二者之间具有不可辨识关系,根据对象间不可辨识关系,可得到信息系统的可辨识矩阵。可辨识矩阵为m×n阶矩阵,其第i行第j列元素TD(ij)为:

3.属性重要度

对于一个可辨识矩阵TD(ij)=(tij)m×n,属性a∈A,则属性a在A中的重要度为:

(二)SVM 算法

SVM 算法是从线性可分情况下的最优分类面提出的,要求分类面不但能将两类样本点无错误地分开,而且要使两类分类空隙最大,即可表示为约束优化问题:

定义拉格朗日函数把原问题转化为如下凸二次规划的对偶问题:

这是一个不等式约束下二次函数机制问题,存在唯一最优解。若为最优解,则

不为零的样本即为支持向量,因此最优分类面的权系数向量是支持向量的线性组合。b∗可由约束条件αi[yi(wTxi+b)-1]=0 求解,由此求得的最优分类函数为:f(x)=sgn((w∗)Tx+b∗)=。当用一个超平面不能把两类点完全分开时(只有少数点被错分),可以引入松弛变量,使超平面wTx +b=0满足:

当0<ξi<1 时样本点xi仍旧被正确分类,而当ξi≥1 时样本点xi被错分。为此,引入以下目标函数:

其中C 是一个正常数,称为惩罚因子,此时SVM 可通过对偶规划来实现:

(三)基于RS-SVM 的评价模型

模型构建基本思路为:利用RS 从初始指标数据中筛选出关键评价指标,并将各关键指标数据输入SVM 进行训练学习,得到评价模型的核函数和参数信息,再利用样本检验模型评价结果的准确性,如果准确率较高,即可将该模型用于实际评价,如图1 所示。

图1 移动旅游服务质量评价模型

该模型具体应用步骤如下:

(1)构建移动旅游服务质量评价指标体系,各评价指标用ci表示;

(2)根据实际情况,将服务质量水平划分为s个等级,其中s为不小于2 的正整数;

(3)确定评价对象并设计调查问卷,收集被调查者对服务质量各项指标的打分数据;

(4)将服务质量各评价指标及其综合评价等级数据集整理成信息决策表,并进行离散化处理;

(5)在保持决策表分类能力不变的条件下,用RS 属性约简算法得到约简后的服务质量样本数据,即确定关键评价指标;

(6)整理关键评价指标及旅游服务质量样本数据,并确定训练样本集和测试样本集;

(7)构建服务质量评价的SVM模型,并确定模型核函数和相关参数;

(8)用训练样本集对SVM模型进行训练,直至训练结果与实际结果保持一致;

(9)用测试样本检测SVM模型的训练效果,若在允许的误差范围内,测试样本结果与实际结果保持一致,那么该模型可以用于服务质量的评价,否则重复步骤(7)~(8);

(10)将实际样本数据输入至SVM模型中,计算得到该评价对象的服务质量等级。

三、评价模型的实证应用

(一)评价指标体系构建

在线服务质量影响因素众多,Zeithaml 等认为电子服务质量评价指标包括效率、可靠性、完成性、隐私性、反应性、补偿性和接触性;王伟军等针对移动电子商务环境,提出高效性、安全性、移情性、响应性、可靠性、补偿性等服务质量评价维度。结合移动旅游服务特点,本文构建由5 个维度影响因素、16 个评价指标组成的评价指标体系(见表1)。

表1 评价指标体系

(二)样本数据收集

为了检验移动旅游服务质量评价模型,本文以携程网、去哪儿网和飞猪旅行等国内12 家知名移动旅游服务企业为评价对象,采用专家调查法收集各评价指标数据。设计调查问卷时,采用李克特五级量表法和专家打分法对服务质量等级加以量化,1~5 分别表示很差、较差、一般、较好、很好,对各项评价指标则采用百分制法进行打分。通过对15 位分别来自旅游企业、移动电子商务企业、高校的专家进行调研,得到12 个评价对象各评价指标评价值及综合评价等级数据如表2 所示。

表2 初始样本数据

由表2 可知,在被评价的12 家企业中,2 家移动旅游服务质量很好,3 家较好,7 家一般、较差或很差,说明移动旅游服务质量整体表现仍然不佳,需要在后续运营中重视服务质量优化和改善。从评价指标平均分值可以看出,便利性(c4-c7)和交互性(c8-c9)指标表现很好,可靠性(c1-c3)指标中商家信誉保证(c3)表现很差,安全性(c13-c6)指标整体表现较好,而移情性(c10-c12)指标表现最差。因此,企业在提供移动旅游服务时应注重保证商家信誉,同时重点加强用户移情性体验满足,特别是强化个性化服务和移动情景性服务开发与运营。

(三)关键评价指标确定

由于RS 只能处理离散化数据,因此,在利用RS 进行属性约简前必须对初始样本数据进行离散化。本文利用分割点法对表2 进行离散化,将条件属性域划分为5 个分值区间:[90,100],[85,90),[80,85),[70,80),[0,70),并分别用离散化数据1、2、3、4、5 表示各分值区间和服务质量等级的从高到低,结果如表3 所示。

表3 离散化后样本数据

在上述离散化数据基础上,为减小计算的复杂性,本文采用遗传算法进行属性约简求解,通过设置遗传算法参数,求得移动旅游服务质量评价指标约简结果如表4 所示。

表4 评价指标的约简结果

由表4 可知,从第五代开始出现了最优个体(1001001000101001),并且连续十代保持不变,说明条件属性“评价指标值”对决策属性“综合评价等级”的最小相对约简为{c1,c4,c7,c11,c13,c16},此结果是问题的最优解,即影响移动旅游服务质量的关键指标分别为信息准确性、操作方式易用性、支付方式多样性、服务个性化、安全交易机制和服务应急补救能力。因此,企业需重点从这六方面进行移动旅游服务优化,才能最有效地提升服务质量。

(四)模型训练及评价结果

将以上六项关键指标数据输入SVM模型进行训练。考虑到Gauss 径向基核函数具有学习能力优势,本文将其作为识别模型的核函数,在MatlabR 2016a 环境下采用粒子群算法进行参数优化选择,得到SVM模型相关最优参数值,如图2 所示。

图2 粒子群算法参数寻优的适应度曲线

在粒子群算法参数寻优基础上,根据约简后关键评价指标,利用libsvm 软件包对前10 组样本数据进行训练,训练结果如表5 所示。

表5 基于RS-SVM模型的训练样本评价结果

由表5 可知,测试样本中仅有3 组样本与实际值未完全一致,且相对误差均在1%以内,说明本文建立的基于RS-SVM模型具有较高的评价精确度。为验证模型推广性能,对剩余2 组样本数据进行测试,并将其与传统SVM模型进行对比,结果如表6 所示。

表6 RS-SVM模型和SVM模型评价结果比较

由表6 可知,两个模型的评价结果基本一致,与实际情况吻合。但是,RS-SVM模型服务质量评价精确度(100%)高于传统SVM模型(98.6%),说明模型具有更高的拟合能力和推广能力,这是因为RS约简去除了原始数据中的冗余属性,使评价指标更具有代表性。

四、结论

本文构建了移动旅游服务质量评价指标体系,并提出基于RS-SVM 的评价模型,并以携程网等12家知名移动旅游服务企业为评价对象进行实证分析,得到如下结论:

(1)移动旅游企业服务质量整体表现一般,存在较大提升空间,主要原因是商家信誉保证缺乏以及用户移情性体验满足较差。企业在提供移动旅游服务过程中应在保证商家信誉的基础上,加强用户移情性体验满足,重视个性化服务和移动情景性服务的开发与运营。

(2)影响移动旅游服务质量的关键因素包括信息准确性、操作方式易用性、支付方式多样性、服务个性化、安全交易机制和服务应急补救能力。企业需重点从这六方面进行移动旅游服务优化,从而更有效地提升服务质量。

(3)相比于传统SVM模型,RS-SVM模型由于去除了原始数据的冗余评价指标,使精简后的属性更具有代表性,因此具有更高的评价精确度和推广应用能力。旅游消费者可利用该评价模型筛选移动服务质量好的企业,而企业则可利用它确定旅游服务中存在的不足之处及相应优化方向。

猜你喜欢

约简服务质量样本
用样本估计总体复习点拨
新媒体环境下图书馆阅读推广服务质量的提高
论如何提升博物馆人性化公共服务质量
基于传感器数据采集的快递服务质量分析
规划·样本
近似边界精度信息熵的属性约简
广义分布保持属性约简研究
随机微分方程的样本Lyapunov二次型估计
8地市医院感染科医患感知服务质量
时频表示特征约简的旋转机械故障特征提取方法