（管理科学与工程专业论文）顾客声音数据收集处理过程及其方法研究.pdf

顾客声音数据收集处理过程及其方法研究 摘要 顾客对企业产品或服务发出的需求、意见、建议、抱怨、投诉等信息内容 被称为顾客声音( v o i c eo fc u s t o m e r s ，v o c ) 。企业收集客户声音的方法多种多 样，由于收集的渠道、过程和方法不同，如自己或委托专门的咨询公司调查顾 客获得数据；与客户进行座谈、焦点访谈或上门获得数据；从已有的原始数据 信息中抽取客户数据：对客户原始记录数据中挖掘数据等。因此，研究顾客声 音数据的收集、处理过程及方法，是找出有价值的客户声音数据的重要手段。 对企业聆听客户声音，满足客户需要，提高客户的满意度和忠诚度，具有重要 的理论价值与现实意义。 顾客声音数据来自于多种调研渠道和多种调查方式，不同的采集主体获得 的顾客数据形式差异很大，需要对来自不同渠道的数据进行格式和内容的有效 处理。本文针对该问题，研究顾客声音数据的收集、处理过程及方法。具体是， 针对特定的调查对象，采用问卷调查的方法收集顾客关于某一类问题的原始数 据，数据类型经过规范化处理后，主要有三类形式：次序值型的顾客声音数据、 效用值型的顾客声音数据、语言短语型的顾客声音数据；将这些数据，进行一 致化处理并引入群决策理论中的数据集结方法，找出有价值的顾客声音。主要 是利用文献给出的数据转换方法，对上述三种顾客声音数据进行数据转换，得 到统一的模糊互补矩阵型数据表达形式，并对其进行有效性检验；再对检验后 的数据进行不同偏好信息的集结处理，以模糊语义算子方法对顾客声音数据进 行集结，最终筛选出代表顾客共识的有价值主流顾客声音，支撑企业有效地聆 听顾客声音。 关键词：顾客声音聆听；异构数据处理；规范化；一致化；群集结 s t u d yo nt h ep r o c e s so f c o l l e c t i o nt r e a t m e n ta n di t s m e t h o df o rv o i c eo fc u s t o m e r s a b s t r a c t t h ev o i c eo fc u s t o m e r s ( v 0 c ) i sd e f i n e da st h ec u s t o m e r ss e n do u td e m a n d ， o p i n i o n ，s u g g e s t i o n ，c o m p l a i n t ，s u i ta n ds oo nt ot h ee n t e r p r i s ep r o d u c to rs e r v i c e e n t e r p r i s e st oc o l l e c tt h ev o i c eo fc u s t o m e r si sv a r i e t y ，b e c a u s eo ft h ed i f f e r e n tc h a n n e l s 、 p r o c e s sa n dm e t h o d st oc o l l e c t ，s u c ha se n t e r p r i s e si n v e s t i g a t et h e i ro w nc u s t o m e r so r s p e c i a l i z ec o n s u l t i n gf i r mc o m m i s s i o n e dt oi n v e s t i g a t et h ep u r p o s eo fa c c e s st oc u s t o m e r d a t a ；h o l d i n gt a l k sw i t ht h ec u s t o m e r s ，t h ef o c u so ft h ei n t e r v i e wo rd o o r - t o d o o ra c c e s st o d a t a ；e x t r a c t i n gi n f o r m a t i o nd a t af r o mt h ee x i s t i n go r i g i n a lc u s t o m e rd a t a ；m i n i n gd a t at h e o r i g i n a lr e c o r d so fc u s t o m e ra n ds oo n t h u s ，t h ev o i c eo ft h ec u s t o m e rd a t ac o l l e c t i o n ， p r o c e s sa n dm e t h o d so ft r e a t m e n t ，c l i e n t sa r ev a l u a b l et oi d e n t i f ya ni m p o r t a n tm e a n so f v o i c ed a t a t h es t u d yo fl i s t e n i n gt ot h ev o i c eo fe n t e r p r i s ec u s t o m e r st om e e tc u s t o m e r n e e d s ，e n h a n c ec u s t o m e rs a t i s f a c t i o na n dl o y a l t y ，h a sg r e a tt h e o r e t i c a lv a l u ea n dp r a c t i c a l s i g n i f i c a n c e t h ed a t ao fv o i c eo fc u s t o m e r sc o m ef r o maw i d er a n g eo fc h a n n e l sa n ds u r v e yr e s e a r c h m e t h o d s ，a n dt h em a i nc o l l e c t i o no fd i f f e r e n td a t aa c c e s st oc u s t o m e r sh a v ed i f f e r e n tf o r m s ， r e q u i r e dd a t af o r m a ta n dc o n t e n to fe f f e c t i v et r e a t m e n tf r o mav a r i e t yo fc h a n n e l s t h i s a r t i c l ei nv i e wo ft h i sp r o b l e m ，s t u d yo nt h ec o l l e c t i o n ，d i s p o s a lo fp r o c e s sa n dm e t h o d sf o r t h ed a t ao fv o i c eo fc u s t o m e r s s p e c i f i c a l l y ，f o ras p e c i f i cs u r v e y ，t h eq u e s t i o n n a i r es u r v e y m e t h o d su s e dt oc o l l e c tt h ep r i m a r yd a t aa b o u tap a r t i c u l a rq u e s t i o n ，a f t e rs t a n d a r d i z a t i o n o ft h ed a t a , t h e r ea r et h r e et y p e so ff o r m s ：t h eo r d e ro ft h ev a l u eo ft h ec u s t o m e r v o i c e b a s e dd a t a ，t h ee f f e c t i v e n e s so fv a l u e b a s e dc u s t o m e rv o i c ed a t a , l a n g u a g e p h r a s e b a s e dv o i c eo ft h ec u s t o m e rd a t a ；t h e s ed a t aa r ec a r d e do nu n i f o r m i z a t i o n ，a f t e r t h a ti n t r o d u c e st h em e t h o do fd a t aa g g r e g a t i o ni nt h eg r o u pd e c i s i o nt h e o r yt od i s c o v e r v a l u a b l ev o i c eo fc u s t o m e r s u s i n gt h ed a t ac o n v e r s i o nm e t h o df r o ml i t e r a t u r et ot r a n s f o r m t h ea b o v e m e n t i o n e dt h r e et y p e so fc u s t o m e rd a t a ，t ob eu n i f i e df u z z yc o m p l e m e n t a r y m a t r i xo fe x p r e s s i o nd a t aa n dt h ee f f e c t i v e n e s so fi st e s t i n g ；r e e x a m i n ed a t ao nt h ed i f f e r e n t p r e f e r e n c e sd e a lw i t ht h eb u i l d - u pi n f o r m a t i o nt of u z z ys e m a n t i co p e r a t o rv o i c eo f c u s t o m e rd a t ag a t h e r i n g ，a n du l t i m a t e l ys e l e c tac o n s e n s u so nb e h a l fo ft h ec u s t o m e rv a l u e t h ev o i c eo ft h em a i n s t r e a mc u s t o m e r s ，s u p p o r t i n ge f f e c t i v eb u s i n e s sv o i c et ol i s t e nt oo u r c u s t o m e r s k e y w o r d s ：l i s t e n i n gt ot h ev o i c eo fc u s t o m e r s ；t h ed i s p o s a lo fh e t e r o g e n e o u sd a t a ； s t a n d a r d i z i n g ；u n i f o r m i z a t i o n ；g r o u pa g g r e g a t i o n 插图清单 图1 1 本文研究的技术路线2 图1 2 本文研究框架4 图2 1 基于溯源法的顾客需求获取过程6 图2 2 问卷调查法的顺序7 图2 3 偏好信息集结方法分类1 2 图3 1 三角模糊数及最大隶属函数2 7 图3 2 三角模糊数及最小隶属函数一2 7 图4 1 互反判断矩阵型数据的混合检验法3 3 图4 2 有向偏好关系图3 4 图5 - 1 三种典型的相对模糊语言量化算子3 7 插表清单 表2 1v o c 获取的访谈法总结5 表2 - 2 调查实施方法7 表2 3v o c 获取的问卷调查法7 表3 1 调查表形式一1 5 表3 2 调查表形式二1 5 表3 3 调查表形式三1 6 表3 4 调查表形式一对应的v o c 原始数据1 6 表3 5 规范化后的第一种v o c 数据1 7 表3 6 算例1 中的顾客声音原始数据1 8 表3 7 算例1 中经规范化后的顾客声音数据1 8 表3 8 调查表形式二对应的v o c 原始数据1 9 表3 - 9 规范化后的第二种v o c 数据1 9 表3 - 1 0 算例2 中的顾客声音原始数据2 0 表3 - 11 算例2 中经规范化后的顾客声音数据2 0 表3 12 调查表形式三对应的v o c 原始数据2 0 表3 1 3 语言短语的区间模糊数表示2 1 表3 - 1 4 选项及其代表的意义2 1 表3 15 规范化后的第三种v o c 数据2 2 表3 - 16 模糊区间数与语言短语对应表2 2 表3 - 17 算例3 中的顾客声音原始“数据”2 2 表3 - 1 8 算例3 中经规范化后的顾客声音数据2 3 表4 一ls a a t y 给出的r ，值3 1 表4 2 门限k o = 0 9 对应的戕( k 因子法) 3 l 表4 - 3 相对比较法与因子法转化成同一评价指标比较3 2 表4 - 4 相对比较法与因子法一致性检验方法作比较3 3 表5 1 构造采样顾客类主观权重的分析表4 2 表6 - 1 各种各样的汽车功能属性及其指标4 5 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所 知，除了文中特别加以标志和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得金月曼王些态堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签字彳笏花j 旋签字日期：护7 年手月j 日 学位论文版权使用授权书 本学位论文作者完全了解金8 垦王些太堂有关保留、使用学位论文的规定，有权保留并向 国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权佥月墨王些盔 ! l 可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 名：厮荔进乃a 蚍 签字日期：夕7 年中侈日 签字日期汐c 7 年咿多日 学位论文作者毕业后去向： 工作单位： 通讯地址： 电话： 邮编： 致谢 历时两年半，我的硕士学位论文终将完成，我的硕士学习生涯也即将结束。在过 去两年半的硕士研究生攻读期间，很多的老师、同学、朋友都给了我无私的帮助和支 持，所有这些，我都将铭记在心。 首先，要感谓 我尊敬的导师何建民副教授。在我的研究生学习期间和毕业论文写 作阶段，给以悉心指导，付出了大量的心血和宝贵的时间。何老师是一位治学严谨、 诲人不倦、胸怀宽广的好导师，从开始收集论文材料到选题、开题直到完成论文的每 个阶段，老师都不断开启我解决问题思路，步步严格把关、耐心审阅。在三年攻读硕 士学位期间，何老师不但在课题研究上给了我热心指导，使我在三年的研究生阶段受 益匪浅，而且在生活上也悉心关照。何老师对人平和、亲切，他不仅教会了我如何做 学术研究，也教会了我平易近人的待人处事方式和许多做人的道理。何老师渊博的知 识、严谨求实的治学态度、诲人不倦的指导作风以及勇于开拓的进取精神，是我今后 学习和工作的楷模。 接着，我还要感谢合肥工业大学研究生班2 0 0 6 级2 5 班的所有同学。更要感谢曾 经同处一个工作室的刘赞、金玉泉、许婷婷、傅成、吴锐侠、陈城、陈畅、徐佳、李 冬、常传武、史惠慈和徐艳玲，还有大学时的同学冯明星。感谢大家在我学习和生活 上给予的帮助和支持，是你们滋润着我的心灵，感染着我的情操，激发着我的创造； 是你们让我的生活更加精彩；是你们的不断鼓励让我充满斗志。在此也祝各位前程似 锦! 最后，我特别要感谢我的父母二十多年来对我的付出和培养，你们的支持是我顺 利完成学业的巨大动力。还总之，对家人的这份感激真的难以用言语表达，我只有在 今后的工作、生活中尽自己最大的努力回报你们对我的爱! 感谢所有关心和帮助过我的人 作者：陈艺达 2 0 0 9 年3 月3 0 日 第一章绪论 1 1 研究背景 1 1 1 选题背景 随着现代社会的进步，特别是当前全球性新技术革命的兴起，知识经济的 到来，这种充满竞争与挑战的环境中，企业要想搞好自己的生产经营活动( 包 括生产经营的主要方向、产品的生产和销售、新产品的开发等等) ，显然不能 依赖过去一般的传统经验和办法，而需要去聆听顾客的声音，满足顾客的需求。 “聆听顾客声音 是在企业经营由生产者主权向消费者主权演进的进程中出现 的一个重要经营理念，是企业生存环境发生根本性变更的产物：激烈的竞争促 使企业不得不将目光从企业内部转向外部，将顾客的声音引入企业内部。作为 企业寻求竞争优势进程出现的一个重要术语，它给企业界带来了希望，也给理 论界开辟了一个新的研究领域【l 2 】。 虽然“顾客声音数据概念及其度量的出现将“顾客声音 带入了企业内 部，但是在聆听顾客声音后却存在几个问题：首先，企业聆听顾客声音的方式 不科学、不合理，造成了无法获取有效的顾客声音；其次，在调查过程中，由 于调查问卷产生的数据来自不同的用户、渠道，问卷的描述方式也有差异，调 查问卷所获得的数据表达形式各不相同，比较难以处理；再次，企业对“聆听 ( 包括访谈、问卷调查等方式) 得来顾客声音数据缺乏后续的分析和处理能力， 不能获取足够和真实的顾客声音，难以引导企业对顾客作出反应。最后，虽然 许多企业对“聆听”得来的顾客声音数据作出了反应，但是在处理过程中由于 方法不当容易造成顾客声音原始信息的丢失，企业并未因聆听顾客声音而对其 经营业绩起积极影响。 1 1 2 目的意义 针对上述选题背景，本文的研究目的有三：采用一系列的方法来对顾客 声音数据进行系统的分析和处理，解决顾客声音数据难以处理的问题；从众 多顾客声音数据中提取出代表主流需求意见的顾客声音；为企业营销决策提 供重要参考依据。 对顾客声音进行收集和处理研究，可以帮助企业了解在哪些方面需要进行 努力和改进，有利于企业完成由“消费者请注意我们的商品 到“注意消费者” 的换位经营思考。市场最终是由顾客说了算，所以说，及时聆听顾客声音并对 其进行有效处理，了解顾客真正需求，可以帮助企业在一系列经营活动赢得了 顾客的信任和忠诚。企业不聆听顾客声音，就没有了顾客，也就没有所谓的产 品、服务和品牌，最终也就没有企业的一切。 总之，现今企业在生产经营过程中面临着聆听、处理顾客声音方式是否有 效、合理等难题，而本文希望通过对“聆听”得来的顾客声音数据进行一系列 的处理( 规范化处理、一致化处理、有效性检验、集结处理) 后，能获取一个 真实的顾客声音。 1 2 研究方法及技术路线 1 2 1 研究方法 本文所采用的研究方法包括： 1 ) 采用问卷调查表的方式来“聆听”顾客声音，获取顾客声音的原始数据； 2 ) 应用数学的有关理论和知识，构造转换函数来对顾客声音的原始“数据” 进行规范化处理，获取三种不同类型的顾客声音数据； 3 ) 综合现有文献给出的转换公式，对三种顾客声音数据进行一致化处理， 将它们都一致化为模糊互补矩阵型的数据表达形式； 4 ) 对一致化后的矩阵型数据进行有效性检验，即对矩阵的一致性进行检 验。本文提供了相对比较法、k 因子法来检验互反判断矩阵的一致性；提供了 基于加性一致性检验方法、基于指标p 的一致性检验方法来检验模糊互补矩阵 的一致性。 5 ) 应用群决策的相关理论和方法来处理顾客声音数据的集结问题。提出一 种新的集结算法：基于d o w g a 及c o w g a 算子的顾客声音集结方法。 1 2 2 技术路线 本文开展研究工作所遵循的技术路线如图1 1 所示： 图1 1 本文研究的技术路线 1 3研究内容及章节安排 1 3 1 概念界定及描述 为明确研究对象和研究范围，本文提出“顾客声音 和“采样顾客”的概 念。 顾客声音：顾客有关企业产品及其服务等相关信息。 采样顾客：在获取一次有效的顾客声音数据时，由于委托不同调查机构调 查顾客数据，使得数据来源于多个采集渠道和多种方式。为了便于研究，定义 一种采样数据来源于一类顾客，那么m 类顾客构成整个样本空间。记为： 2 孵e = 仁1 ，e 2 ，e 肘) ( 扰为调查方式的数量) 。e 1 代表“调查表一的采样顾客 群，e 搬代表“调查表m 的采样顾客群。 1 3 2 研究内容及章节安排 本文以顾客声音为研究对象，依托群决策理论，将重点放在处理顾客声音 数据的方法研究上。对顾客声音数据的规范化处理、一致化处理、有效性检验、 集结处理进行系统分析和研究，主要研究内容如下： 第一章，“绪论”。介绍本文的研究背景、研究目的和主要任务、各章节安 排。 第二章，“文献综述及理论基础”。对处理不同偏好信息( 即顾客声音) 的 群决策理论与方法研究进展进行综述。分析现有理论与方法存在的问题及其进 一步研究的必要性，从而确定本文的研究内容。 第三章，“顾客声音数据的收集和整理”。首先，针对顾客声音的原始数据 进行规范化处理。本文针对不同调查表得来的三种顾客声音原始数据，分别进 行规范化处理，由此获得三种顾客声音数据：次序值型v o c 数据、效用值型v o c 数据、语言短语型v o c 数据。其次，对这三种顾客声音进行一致化处理，将其 一致化为模糊互补矩阵型数据的形式。 第四章，“顾客声音数据处理的有效性检验”。在顾客声音数据集结之前， 需对其进行有效性检验。本文对顾客声音数据的有效性检验是在建立在顾客声 音数据一致化为矩阵型数据的基础之上，利用矩阵的一致性检验方法来判断矩 阵中数据信息是否有效，并间接验证了调查得来的顾客声音信息是否有效。 第五章，“获取主流顾客声音的群决策方法”。首先，介绍o w a 算子及o w g a 算子的一些基本性质和特点；其次，在o w g a 算子基础定义两个新的算子： d o w g a 算子和c o w g a 算子；最后，提出了处理顾客声音数据集结问题的方 法，即基于c o w g a 及d o w g a 算子的顾客声音集结方法。该方法的特点： 考虑数据本身的属性权重：引入了采样顾客的权重；利用新定义两个新的 算子( d o w g a 算子和c o w g a 算子) 来对顾客声音进行集( 5 ) 顾客声音数据集 结处理的研究。 第六章，“基于汽车产品设计的v o c 收集处理应用” 。通过一个具体的 实例来验证上述理论和方法的可行性和实用性。 第七章，“总结与展望。总结全文的研究工作和创新点，并对未来的研 究进行展望。 1 3 3 研究框架 本文开展研究工作所遵循的研究框架如图1 2 所示 r j ： 、 l 一1 y 图1 2 本文研究框架 4 第一章绪论 i 第二章文献综述及理论基础 l 第三章顾客声音数据 l 的收集与整理 之多 第四章顾客声音数据 处理的有效性检验 第二章文献综述及理论基础 企业聆听顾客声音并对顾客声音信息进行处理其本质是一类群决策问题。 首先通过调查获取顾客声音的原始数据；其次，对调查得来的顾客声音原始数 据进行规范化处理，获得不同类型的顾客声音数据( 即不同的偏好信息) ，这 是由于调查表的设计方式不同造成的。最后，将各种不同的顾客声音数据进行 一致化处理，并进行有效性检验，最终集结成一个主流的顾客声音( 即群的偏 好信息) 。近年来，由于群决策的研究有着重要的理论意义和实际背景，有关 群决策问题的研究一直受到国内外学者的广泛关注。本章从顾客声音原始数据 的获取、规范化后的数据一致化处理、一致化后的数据有效性检验和v o c 集结 的群决策方法四个方面分别给出文献综述。 2 1顾客声音原始数据的收集方法 常见的v o c 获取研究提供了关于问题背景的看法和理解，属于探测性研 究。v o c 收集方式主要是为了发掘顾客需求。顾客声音原始数据的收集可以通 过各种方式来获取，在传统市场环境下，常见的v o c 获取方法主要有三类： ( 1 ) 访谈法：主要有焦点小组访谈法、深层访谈法、5 w 1 h 访谈等； ( 2 ) 观察法：主要有溯源法； ( 3 ) 问卷法：问卷调查法。 2 1 1 访谈法 依据对大量文献的阅读，对于由访谈法获取v o c 手段和方法，可总结如 表2 1 所示： 表2 1v o c 获取的访谈法总结 分类常见方法目的局限性 焦点小组能将调查和讨论相结合，了解顾客对某一种类的认容易造成判断失误，主观 访谈法知、偏好与行为性较强 v o c深层访谈 在轻松自然的气氛中让受访者自由发言，充分表达成本高，访谈的结果和数 获取 法自己的观点和情感据常难以解释和分析 通过5 w 1 h ( w h o ，w h a t ，w h e n ，w h e r e ，w h y 和h o w )难以全面了解顾客的需 5 w 1 h 访谈 访谈，获得顾客属性数据和顾客需求的原始数据求 将5 w 1 h 访谈等获取的数据进行整理，导出质量需 v o c 表 求的工具 v o ck j 法( 亲和 发掘需求之间潜在的结构关系，使需求自行聚类形 成分组。这种方式要优于事先确定分类，再代入需定性整理 整理 图法) 求的方式。 以更清晰的方式由法整理出的需求分组，以发现 树状图 需求层次上的不一致，识别缺省需求 2 1 2 观察法 通过对顾客使用产品现场的观察和写实，获取所需信息资料，主要采用溯源法。 此种调查方式较为客观，真实性高，且能够发现隐性需求，而缺点在于所获得的信息 往往具有一定的局限性，难以全面了解顾客的真正需求。 溯源法，源自日文g e m b a ，意为“发源( 地) ”，指事物实际发生的地方，是最原始、 最自然的信息。溯源法基于“顾客不会告诉我们一切 的认识，针对“w h e r e 找到 顾客使用产品的现场，对顾客的使用方式和情况直接进行观察和写实，获取所需信息 和资料的一种现场观察方法。溯源法要求企业直接与正在使用本公司产品的顾客打交 道。相比传统其它方法来说，它更加依赖于对顾客行为的观察以及与顾客直接的面对 面的交流。其研究结果可以使我们更好地发现顾客的需求和问题所在，从而尽早把顾 客需求融入到新产品、新功能的开发过程中。通过溯源法调查获得的少量线索中所收 集到的信息量是惊人的。同时进行现场调查的次数并不一定需要那么多，有时候仅仅 从几次调查中就可以收集到几乎全部的信息。据有关研究，通过l o 1 2 个现场调查就 可以获得顾客需求的7 0 左右，额外的调查只能获得重复的数据。另据相关的经验， 调查1 5 个现场就足以抽取所有的显性需求( 顾客需求的7 0 ) ，而剩下的3 0 ( 顾客未 陈述的需求) 可以通过其他需求获取工具分析获得。 基于溯源法的顾客需求获取过程如图2 1 所示。 选定目标顾客卜_ 一选择调查现场 将亲和图转化成 为质量需求表 ( 树型结构) 让顾客对质量需 求进行分类( 利 用k j 法) 设计调查方法 调查小组设置，拍 照，观察，访问，记 录，调查报告 从调查报告中抽 取出顾客的质量 需求( v o c 表) 图2 1 基于溯源法的顾客需求获取过程 2 1 3 问卷调查法 问卷是调查者依据调查目的和要求，按照一定的理论假设设计出来的，由 一系列问题、调查项目、备选答案及说明组成的，向被调查者收集资料的一种 工具。通过设计问卷，利用问卷来进行调查、获取调查资料的方法称为问卷调 查法。 1 调查顺序( 图2 2 ) 6 匝驷 确定调查目标 + 确定调查项目和设问 + i 确定调查实施方法、问卷形式、闯题设置 + 调查实施 + 误填、漏填检查 + 统计分类、分析处理 图2 - 2 闯卷调查法的顺序 2 问卷实施方法 问卷法的实施见表2 2 所示的几种方法。 表2 - 2 调查实施方法 方法特点 邮寄调查法调查表邮给调查对象，范围大，回收率低 委托调查法 委托其他机关，回收率高，受制约 放置调查法调查表放置某一地点，结果的可信度低 集合调查法 省时省力，集合难，受情绪影响 跟踪调查法对同样的对象按一定时间间隔连续调查 3 回答形式及结果的整理 调查问卷的回答形式及结果整理可总结为如表2 - 3 所示： 表2 - 3v o c 获取的问卷调查法 回答形式方法结果整理 抓住典型 自由回答根据设问自由回答按分类基准分类 同类性质回答问题 两项选一法 从两个答案中选一格用百分比表示 百分比表示 多项选择法 从多个相互独立的答案中选择 必要时进行计权处理 顺序值表示 顺序法给一群项目从高至低编主次 得点比表示 正态化顺序法表示 从一群调查项目中任选两项进行比较， 度数表示 比较法得点比表示 比较次数多 尺度化 比翠衣不 评定尺度法给每一项进行尺度定位 平均值、标准差表示 中央值表示 语义微分法 从反义词对中选择 因子得点表示 主成分分析 ( 心理量表法) 如：很亮一亮一适度一暗一很暗 数量化回归 7 2 2规范化后的数据一致化处理方法 在获取顾客声音原始数据后，由于用户类型、调查渠道、表达方式不同， 经规范化处理后可以得到三种不同类型的顾客声音数据( 次序值、效用值、语 言短语) ，因此，需要将不同顾客声音数据进行一致化处理。传统处理方法有： ( 1 ) 距离测度的一致性公理化方法【3 1 ，理论较为严谨，是支持群决策的重要方法； ( 2 ) 层次分析法( a h p 法) 【4 1 应用广泛，用于对群体意见或偏好信息的集结处理； ( 3 ) 个体偏好序集结的一致化方法，把不同偏好信息一致化为矩阵形式再行处 理，该方法是目前的主流方法。 在获取顾客声音的调研中，传统的v o c 调查方法是让顾客通过回答“1 3 9 ” 或“1 5 7 ”等这样的数字标度答案获得顾客需求项目的相应评价值，以客观明 确的数字表示语言值估计。虽然该方法被广泛应用，但由于简单和主观而不能 获得模糊的顾客意见，因此不能充分地反映顾客需求的重要性结构。用模糊集 理论处理顾客声音中的模糊信息是近年来的研究内容，在处理能力上显示其强 大生命力，可以对定性、主观的语言化信息进行定量化的描述和处理【5 j 。因此， 用模糊语言值来表达顾客声音中的模糊性和不确定性解决群决策问题越来越受 到研究人员的重视。文献【6 】研究了效用值型、互补判矩阵型之间偏好信息的转 换；文献 7 】研究了具有效用值型、偏好次序型、互补判矩阵型三种偏好信息的 群决策方法。 对于个体偏好序集结的一致化方法，模糊互补矩阵和互反判断矩阵是一致 化处理后的两个主要表达形式。徐泽水【8 】和周宏安【9 】分别给出了这两种矩阵 之间的转换关系。而肖四汉等【, o j 贝z j 采用优化方法研究了具有模糊互补判断矩阵 和互反判断矩阵两种形式偏好信息之间的关系。不仅如此，各种不同形式的偏 好信息之间都可以转换。对于实数值、区间数、语言短语三种不同形式的效用 值的偏好信息处理，姜艳萍等 】给出了其在群决策中的一种一致化方法；周宏 安等【9 1 、徐泽水【1 2 1 和樊治平 1 3 】也分别将偏好次序、效用值、互反判断矩阵和互 补判断矩阵四类偏好信息转换为互补判断矩阵；吴江【1 4 】从比值和差值关系角度 出发，综述了4 种偏好信息( 效用值、序关系值、模糊互补判断矩阵、互反判 断矩阵) 之间的相互转换方法，并得到了4 个更具合理性的新转换公式；王欣 荣等【1 5 】将效用值、序关系值、互反判断矩阵、区间数评价值、模糊语言评价值 和模糊互补判断矩阵等六种不同形式的偏好信息转化为模糊互补判断矩阵形式 的计算公式。 2 3一致化后的数据有效性检验方法 由于三种顾客声音数据都被一致化为模糊互补矩阵型数据，因此，对顾客 声音数据的有效性分析，只需分析模糊互补矩阵型数据的有效性，而衡量判断 矩阵是否合理、有效的一个重要依据就是判断矩阵是否一致或是否满意一致。 本文关于判断矩阵的一致性问题包括两个方面：第一，判断矩阵的一致性定义； 8 第二，一致性的判定。 2 3 1 互反判断矩阵型数据的一致性检验 关于互反判断矩阵一致性问题的研究已经有了比较丰富的研究成果。 s a a t y 4 在1 9 8 0 年给出互反判断矩阵的概念，同时又给出完全一致性的定义和 满意一致性的指标。刘心报【1 6 】在1 9 9 8 年、魏毅强【1 7 】等在l9 9 4 年分别定义了不 确定型a h p 判断矩阵一致性的概念和权重。杜之韩【1 8 】在1 9 9 8 年、赵纬【1 9 】在 1 9 9 9 年分别给出a h p 判断矩阵一致性的统计检验方法。何斌等【2 0 】利用概率统 计置信度的基本思想，给出了一种检验判断矩阵一致性的方法。h e r m a nm 2 1 】 在1 9 9 6 年、秦学志【2 2 j 等在1 9 9 8 年分别给出k 因子检验法及嫡方法。李学全等 u j j 则证明互反判断矩阵一致性的一个充要条件，并根据此充要条件对矩阵的一 致性进行检验。陈侠等【2 4 】给出了有关互反判断矩阵及其相容性和一致性的若干 定义，然后，通过定义各个方案的一致性指标及专家群体判断一致性指标，给出 了基于互反判断矩阵的专家群体判断一致性的判别方法。而对于残缺判断矩阵 的一致性检验，阮民荣【2 5 j 首先阐明了检验残缺判断矩阵的传统一致性比例检验 法，然后对此方法进行了修正，构造了适合残缺判断矩阵的一致性检验法。对于 广义判断矩阵的一致性检验，杜之韩等【2 6 】在2 0 0 3 年给出了一种新的方法，该 方法将广义判断矩阵的计算转化为普通判断矩阵的计算，并借助于经典a h p 的一致性检验方法实现对广义判断矩阵的一致性检验。 2 3 2 互补判断矩阵型数据的一致性检验 关于互补判断矩阵一致性问题的研究己经引起了人们的重视。姚敏和黄燕 君在1 9 9 9 年给出互补判断矩阵的概念，同时又给出完全一致性和满意一致性的 定义【z7 1 。樊治平和肖四汉等在2 0 0 1 年、林钧昌等在1 9 9 8 年、b a s i l e 在1 9 9 0 年分别给出了互补判断矩阵一致性的检验标准【2 8 。3 0 】。其中樊治平和肖四汉等给 出两种互补判断矩阵一致性的检验方法，其一，成功地将图论运用与决策分析 之中，利用构造的可达矩阵来判定互补判断矩阵的一致性，方法比较简单、实 用性强；其二，利用构造的影子矩阵，来间接判定模糊互补判断矩阵的一致性， 其方法理论依据比较充分；b a s i l e 提出的检验方法具有比较简单、方便使用等 特点。樊治平和姜艳萍等【3 l 】在2 0 0 1 年给出互补判断矩阵乘性一致性的定义及 相关性质分析。宋光兴等【3 2 】证明乘性一致性模糊判断矩阵的若干性质，给出一 个判别模糊判断矩阵加性一致性程度的指标，提出一种改进模糊判断矩阵加性 一致性的方法。姜艳萍和樊治平分别在2 0 0 2 年、2 0 0 3 年给出两种模糊互补判 断矩阵一致性的改进方法或调整方法【3 孓3 4 】，其调整方法或改进方法的基本思路 是先构造一个完全一致性( 加性或乘性) 互补判断矩阵，然后根据所构造的完全 一致性矩阵与原判断矩阵的差异，逐渐将互补判断矩阵修正为具有满意一致性 矩阵。史文雷登【35 j 利用模糊互补判断矩阵与正互反判断矩阵之间的转换公式， 9 依据正互反判断矩阵的一致性检验标准，得到了模糊互补判断矩阵的一致性检 验标准。冯向前等【3 6 1 给出了基于区间数互补判断矩阵的群判断一致性指标和个 体判断一致性指标的计算公式。而对于模糊广义判断矩阵，邱涤珊等【3 7 1 给出模 糊广义判断矩阵的一致性定义，讨论了各类判断形式条件下的一致性检验法。 2 4v o c 数据集结的群决策方法 本文对规范化后的顾客声音数据的集结处理是采用群决策的理论和方法进 行处理的，其本质是一种多属性群决策方法。用群决策方法处理v o c 是在对 第一手调研来的顾客声音原始数据进行必要的规范化处理转换为顾客声音数据 的基础上，借助群决策的理论和方法来对顾客声音数据进行集结处理，帮助企 业获得主流的顾客声音。基于群决策理论的v o c 集结处理方法主要由三部分 组成： ( 1 ) 理论支撑一一多属性群决策理论 ( 2 ) 处理工具一一o w a 算子及其扩展形式 ( 3 ) 处理方法一不同偏好信息的集结处理 2 4 1 多属性群决策方法 多属性群决策是现代决策科学中的一个重要组成部分，它在经济、管理和 军事等诸多领域有着广泛的应用。多属性群决策的实质：利用已有的决策信息 通过一定方式对一组有限个备选方案进行排序并择优。它主要由三部分组成： ( 一) 决策者权重的确定。在群效用函数的集结中，权重表示决策者在形 成群决策时的重要程度，也就是决策者在群决策过程中的决策权力。文献 3 8 】 根据专家的名望、地位、所属专业、对决策问题的熟悉程度等来确定专家的权 重。文献【3 9 】中提出，通过群体内部各专家之间相互评价来确定专家权重。文 献f 4 0 1 将这些权重定义为主观权重，通常用a h p 法等方法来确定。但是，在实 际决策过程中，专家所作判断的可信度并不一定与他的主观权重相一致，即使 是同一位专家，在判断不同的决策中，其可信度也是不同的。为了全面反映各 决策者在群决策过程中的作用，还必须根据具体的群决策问题及群决策方法来 确定决策者所作决策的可信度，这种可信度由决策结果及其相互关系所决定， 它也应作为决定决策者权重的一部分，文献【4 0 1 称之为决策者的客观权重。因 此，在专家判断信息的合成过程中，寻取一种科学的确定专家客观权重的方法 至关重要。文献【4 1 】给出了一种确定群决策中各专家客观权重的方法。 ( 二) 决策信息的获取。决策信息一般包括两个方面的内容：属性权重和 属性值。属性权重的确定，是多属性决策中的一个重要研究内容。已经有一些 学者提出了许多确定属性权重的方法，这些方法主要有2 类： ( 1 ) 客观赋权法。客观赋权法是利用客观信息( 属性值) 进行赋权的一种 方法。主要有熵值法、离差最大化方法、多目标最优化法、两阶段法等。 1 0 ( 2 ) 主观赋权法。主观赋权法是由专家根据自己的知识而直接给出偏好信 息的方法。主要有d e l p h i 法、f u z z y 子集法和判断矩阵法等。其中，判断矩阵 法是一种常用的主观赋权方法，它是指决策者根据一定的标度对属性进行两两 比较，并构造判断矩阵，再按一定的排序方法求得属性的权重向量。 ( 三) 通过一定的方式对决策信息进行集结并对方案进行排序和择优。目 前主要有以下几种方法：加性加权平均( a w a ) 法、t o p s i s 法、l i n m a p 法、 有序加权平均( o w a ) 法等。本文对顾客声音的数据进行处理所采用的方法就 是有序加权平均( o w a ) 法。 2 4 2o w a 算子应用现状 美国著名学者y a g e r 教授19 8 8 年提出了一种界于“a n d 和“o r ”运算之 间的“o r a n d ”数据信息集结算子，即有序加权平均( o r d e r e dw e i g h t e da v e r a g i n g o p e r a t o r ，o w a ) 算子【4 2 1 ，其本质：对数据或证据按从大到小的顺序重新进行排 序，并通过数据或证据所在的位置进行加权再集结，可以较好地消除一些不合 理的情况。o w a 算子已经广泛地被应用到神经网络、模糊控制与模糊建模、 信息融合、专家系统、通信网络、决策分析等诸多领域。o w a 算子理论研究 的主要内容包括两个方面：( 1 ) o w a 算子权重的求解方法。( 2 ) 拓展的o w a 算子及其应用。 ( 一) o w a 算子权重的确定，直接关系到数据集结值得大小，是o w a 算 子理论研究的关键之一。国内外已经有学者研究了这个问题，我们把这些方法 分成以下3 类： ( 1 ) 模糊语义量化算子 文献 4 2 ，4 3 提出了基于模糊语义的权重求解方法，其主要是由模糊语义 量化函数q 来决定。文献 4 3 定义了三种模糊语义量化函数“f o ra l l ”、“t h e r e e x i s t 和“i d e n t i t y ”；h e r r e r a 等4 4 定义了三种模糊语义量化函数“m o s t ”、 “a tl e a s th a l f 和“a sm a n ya sp o s s i b l e 。该方法对于权重的求解比较简单可 行。 ( 2 ) 无决策者主观偏好的权重算法 无决策者主观偏好的权重算法主要是利用数据位置的信息和数据值之间的 比例关系。文献 4 3 ，4 5 给出了在样本观察值和集结值都已知的情况下，提出了 一种确定o w a 算子权重的学习方法。 ( 3 ) 带决策者主观偏好的权重算法 y a g e r 提出了两个与o w a 算子相关的侧度，“o r n e s sm e a s u r e ”和“d i s p e r s i o n m e a s u r e 。其中，前者用来度量决策者的乐观态度，而后者用来度量每个数据 在集结中被利用的程度