(河北工程大學經(jīng)濟管理學院，河北 邯鄲 056038)

住房問題是一個關(guān)系國計民生的大問題。最近幾年，國家為遏制房價上漲相繼出臺了的一系列的政策，每一次政策的出臺都牽動著億萬國民的心，由此可見房地產(chǎn)業(yè)的重要性。在房價飆升、住房需求卻處于供大于求的背景下，如何提高顧客滿意度不僅僅是房地產(chǎn)企業(yè)提高自身競爭力需要迫切解決的問題，更關(guān)系到社會經(jīng)濟的持續(xù)健康發(fā)展和社會的和諧穩(wěn)定。

現(xiàn)在企業(yè)管理理論將提升顧客滿意度視為企業(yè)營銷戰(zhàn)略的一個重要部分。顧客滿意是指顧客通過對一種產(chǎn)品或服務(wù)的可感知效果（結(jié)果）與他們的期望值相比較后，所形成的愉悅或失望的感覺狀態(tài)。如果可感知效果低于期望，顧客就不滿意；如果可感知效果與期望相匹配，顧客就會滿意；如果可感知效果超過期望，顧客就會高度滿意或欣喜[1]。

顧客滿意度來源于顧客的評價，但不能被直接觀測和計量。目前學術(shù)界對顧客滿意度這類多指標、多方案問題進行綜合測評的方法有很多。林盛、劉金蘭等（2005）指出利用基于 PLS的結(jié)構(gòu)方程模型，可以有效解決在構(gòu)造客戶滿意度模型中所遇到的變量非正太問題[2]；李峰平、薛偉等（2006）

在建立顧客滿意度層次分析結(jié)構(gòu)模型的基礎(chǔ)上，利用模糊數(shù)學理論確定滿意度定性指標權(quán)重[3]；溫阿莉、周黎等（2009）基于BP神經(jīng)網(wǎng)絡(luò)，利用一種權(quán)值譜分析方法，分析了超市顧客滿意度和各個結(jié)構(gòu)變量之間的關(guān)系，得出影響超市滿意度的各個指標因素的排序[4]；王娟麗、熊偉等（2010）在QFD的基礎(chǔ)上，對KAND中的魅力質(zhì)量進行明確的定義，從而提出顧客滿意度定量分析模型[5]；趙富強、王荃等（2011）利用 RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建了農(nóng)機企業(yè)顧客滿意度測評模型，可以快速完成對樣本的學習與擬合，對于數(shù)據(jù)較多的農(nóng)機企業(yè)非常適用[6]；姚恒、劉敏等（2013）借鑒ACSI和CCSI的基礎(chǔ)上，基于結(jié)構(gòu)方程和偏最小二乘 PLS路徑建模技術(shù)構(gòu)建了施工企業(yè)顧客滿意度評價模型，對提高建筑施工企業(yè)顧客滿意度有一定的借鑒意義[7]。但是目前所提到的測評方法沒有專門的針對房地產(chǎn)業(yè)顧客滿意度進行研究。因此本文參考ACSI中建立的評價指標體系，結(jié)合我國房地產(chǎn)業(yè)的行業(yè)特點，提出了基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)業(yè)顧客滿意度測評模型。通過實例驗證了該模型的有效性和實用性，對研究房地產(chǎn)業(yè)顧客滿意度有一定的現(xiàn)實意義。

1 BP神經(jīng)網(wǎng)絡(luò)基本理論

BP神經(jīng)網(wǎng)絡(luò)模型的處理信息的基本原理是：輸入信息xi(i=1,2,…,n)通過隱含層作用于輸出層，經(jīng)過非線性變換，產(chǎn)生輸出值yj（k=1,2,…,m），網(wǎng)絡(luò)訓(xùn)練的每個樣本包括輸入向量和期望輸出向量，網(wǎng)絡(luò)輸出值與期望輸出值ok（k=1,2,…,m）之間的偏差，則會沿原來連接通路反向傳播，通過調(diào)節(jié)輸入層神經(jīng)元與隱含層神經(jīng)元之間的權(quán)重Wij(i=1,2,…,n;j=1,2,…,p)和隱含層神經(jīng)元與輸出層神經(jīng)元之間的權(quán)重Wjk(j=1,2,…,p;k=1,2,…,m)以及閥值Tij、Tjk(j=1,2,…,p;k=1,2,…,m)，使誤差沿梯度方向下降，經(jīng)過反復(fù)學習訓(xùn)練，直到網(wǎng)絡(luò)輸出誤差達到訓(xùn)練精度要求。此時經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以對類似樣本的輸入信息自行處理。以一個三層神經(jīng)網(wǎng)絡(luò)為例，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 單隱層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)

2 基于 BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)業(yè)顧客滿意度測評研究

在社會主義市場經(jīng)濟體制下，國家宏觀調(diào)控在房地產(chǎn)業(yè)的發(fā)展中發(fā)揮著重要的作用，其調(diào)控手段主要包括經(jīng)濟手段、行政手段、法律手段和道德手段等。國家繼2008年出臺“國十條”，又相繼出臺了為遏制房價上漲的“新國十條”、“新八條”、“國五條”和限購令。這些政策的出臺是國家宏觀調(diào)控的直接表現(xiàn)，其中經(jīng)濟手段最為主要。本文在ACSI模型的基礎(chǔ)上，增加經(jīng)濟政策這一動態(tài)變量，提出了房地產(chǎn)業(yè)顧客滿意度測評模型，如圖 2所示。國家提出的每一項經(jīng)濟政策，不僅直接影響房地產(chǎn)企業(yè)的經(jīng)營戰(zhàn)略，同時也對購房者以及顧客滿意度有直接的影響。

圖2 房地產(chǎn)業(yè)顧客滿意度測評模型

2.1 建立房地產(chǎn)業(yè)顧客滿意度指標體系

要科學地對房地產(chǎn)業(yè)顧客滿意度進行評價，必須有一套適合房地產(chǎn)業(yè)的評價指標體系。

輸入指標共有15個：企業(yè)形象（企業(yè)信譽x1、企業(yè)實力x2）；經(jīng)濟政策（利率x3、稅收x4、價x5）；質(zhì)量感知（工程質(zhì)量x6、配套設(shè)施的健全程度x7、建筑規(guī)劃設(shè)計的合理程度x8、服務(wù)質(zhì)量x9）；顧客期望（房屋的增值空間x10、房屋功能的齊全程度x11、服務(wù)人員專業(yè)知識的掌握程度x12、交通便捷性x13）；價值感知（房價和房屋價值是否相等x14、促銷活動的優(yōu)惠程度x15）。

2.2 BP神經(jīng)網(wǎng)絡(luò)學習過程

Kolmogorov定理證明對于任何在閉區(qū)間的一個連續(xù)函數(shù)都可以用一個三層的BP神經(jīng)網(wǎng)絡(luò)來逼近，因此結(jié)合房地產(chǎn)業(yè)的行業(yè)特點，建立一個三層BP神經(jīng)網(wǎng)絡(luò)模型。輸入層神經(jīng)元個數(shù)根據(jù)評價指標體系確定，為15個。輸出層輸出結(jié)果應(yīng)為顧客滿意度所處等級。為了細化滿意度的等級，分為非常滿意y1、滿意y2、不滿意y3，目標輸出模式為（1,0,0）、（0,1,0）、（0,0,1）。隱含層神經(jīng)元的個數(shù)根據(jù)嚴太山提出的經(jīng)驗公式(1-1)，并經(jīng)多次試算確定為11個。本文的BP神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)是15×11×3。

其中m代表輸入層的節(jié)點數(shù)，n代表輸出層的節(jié)點數(shù)，p代表隱含層的節(jié)點數(shù)，q為訓(xùn)練樣本數(shù)。

BP算法的神經(jīng)元所用的轉(zhuǎn)換函數(shù)必須是處處可導(dǎo)的。一般使用log-sigmoid函數(shù)和tan-sigmoid函數(shù)，能將 , )(-∞ +∞的輸入分別映射在區(qū)間(0,1)和（-1,+1)中。因此以log-sigmoid函數(shù)作為隱含層神經(jīng)元的傳遞函數(shù)，以tan-sigmoid函數(shù)作為輸出層神經(jīng)元的傳遞函數(shù)。由于輸入層各指標沒有統(tǒng)一的度量標準，必須將其歸一化到[0,1]中。這里采用如下公式(1-2)：

其中xi為樣本輸入值，xmin、xmax的最大值和最小值為處理后的輸入樣本值，d1取值0.997，d2取值0.001。

3 實例分析

根據(jù)構(gòu)建的房地產(chǎn)業(yè)顧客滿意度測評模型，利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱建立一個輸入層、隱含層和輸出層的節(jié)點數(shù)分別為15、11、3的BP神經(jīng)網(wǎng)絡(luò)模型，進行網(wǎng)絡(luò)訓(xùn)練和檢驗。評價值在(0.8,1.0]為非常滿意，(0.6,0.8]為滿意，(0,0.6]為不滿意。

本文選取某市 8家房地產(chǎn)企業(yè)作為樣本進行顧客滿意度評價。通過對這 8家企業(yè)已經(jīng)買房或者是打算買房的顧客進行問卷調(diào)查的結(jié)果作為訓(xùn)練網(wǎng)絡(luò)的樣本集。由于評價指標體系中，既有定性指標，又有定量指標，為使各指標在整個系統(tǒng)中具有可比性，對各指標進行歸一化處理如表1所示。

表1 樣本數(shù)據(jù)表

（1）網(wǎng)絡(luò)創(chuàng)建

（2）網(wǎng)絡(luò)訓(xùn)練

隨機選取其中的5組數(shù)據(jù)進行BP網(wǎng)絡(luò)訓(xùn)練，最大訓(xùn)練步數(shù)為1000，目標誤差為0.0001，其它參數(shù)均為默認。運行網(wǎng)絡(luò)進行訓(xùn)練，通過不斷迭代，直到網(wǎng)絡(luò)訓(xùn)練終止。

（3）訓(xùn)練結(jié)果

為了檢驗訓(xùn)練之后的BP神經(jīng)網(wǎng)絡(luò)能否解決實際問題，本文將剩下的3組數(shù)據(jù)作為測試樣本帶入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，得到的輸出結(jié)果和預(yù)期評價結(jié)果如表2所示。

表2 網(wǎng)絡(luò)評價驗證結(jié)果

從驗證和比較結(jié)果可以看出，網(wǎng)絡(luò)評價的結(jié)果和實際評價的結(jié)果基本上是一致的，這標志著基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)顧客滿意度測評模型的建立是成功的。因此，本文提出的用于房地產(chǎn)業(yè)顧客滿意度評價的方法是可行的。

4 結(jié)術(shù)語

本文基于BP神經(jīng)網(wǎng)絡(luò)算法建立了房地產(chǎn)顧客滿意度測評模型，由于該算法具有很強的自我學習能力、自適應(yīng)能力以及容錯能力等優(yōu)點，使其能在一定條件下對房地產(chǎn)顧客滿意度進行綜合測評。但是由于房地產(chǎn)業(yè)是一個相對不穩(wěn)定的非線性動態(tài)變化的“復(fù)雜系統(tǒng)”，且影響顧客滿意度的部分指標無法完全定量分析，所以只借助BP神經(jīng)網(wǎng)絡(luò)一種算法實現(xiàn)顧客滿意度測評的精度有限，還需要加入其它數(shù)學方法以提高測評的精準度。

[1]Fornell,C.,Johnson,M.D.,Anderson,E.W.,Cha,J.&Bryant,B.EThe American customer Satisfaction Index: Nature, Purpose and Fingdings.Journal of Marketing,1996.

[2]林盛,劉金蘭.基于 PLS-結(jié)構(gòu)方程的顧客滿意度評價方法[J].系統(tǒng)工程學報,2005,20(6):653-656.

[3]李峰平,薛偉.基于fuzzy AHP的顧客滿意度權(quán)重計算方法的研究[J].計算機工程與應(yīng)用,2006,3:100-102.

[4]溫阿莉,周黎.基于BP神經(jīng)網(wǎng)絡(luò)的超市顧客滿意度研究[J].商場現(xiàn)代化,2009,567:115-116.

[5]王麗娟,熊偉.基于QFD的顧客滿意度定量分析研究[J].現(xiàn)代管理科學,2010,4:93-95.

[6]趙富強,王荃.基于 RBF神經(jīng)網(wǎng)絡(luò)的農(nóng)機企業(yè)顧客滿意度測評研究[J].中國農(nóng)機化,2011,235(3):32-34.

[7]姚恒,趙敏.基于結(jié)構(gòu)方程和 PLS的建筑施工企業(yè)顧客滿意度評價模型研究[J].工程管理學報,2013,27(1):93-97.