• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      開(kāi)放售電背景下電力客戶黏度的綜合評(píng)價(jià)研究

      2021-01-20 01:46:30田立燚孫天雨李悅悅
      技術(shù)經(jīng)濟(jì) 2020年12期
      關(guān)鍵詞:賦權(quán)黏度權(quán)重

      曾 鳴,劉 沆,田立燚,孫天雨,戚 巍,李悅悅

      (1.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院,北京 102206;2.國(guó)網(wǎng)遼寧省電力有限公司丹東供電公司,遼寧丹東 118000;3.國(guó)網(wǎng)遼寧省電力有限公司沈陽(yáng)供電公司,沈陽(yáng) 110003)

      隨著新一輪電力體制改革的深入推進(jìn),售電側(cè)逐漸放開(kāi),除了電網(wǎng)公司外,越來(lái)越多符合資質(zhì)條件的售電公司涌入競(jìng)爭(zhēng)性售電市場(chǎng),而電力客戶作為售電公司利潤(rùn)的源頭,將成為各類售電公司關(guān)注的焦點(diǎn),因而如何有效地?fù)碛泻涂刂瓶蛻糍Y源并提升客戶留存率對(duì)于各類售電公司具有重要的研究意義[1]。

      一、文獻(xiàn)回顧

      目前,國(guó)內(nèi)外針對(duì)電力客戶黏度的研究較少,但電力客戶價(jià)值評(píng)價(jià)與電力客戶滿意度評(píng)估等方面的研究較多。在電力客戶價(jià)值評(píng)價(jià)方面,拓廣忠等[2]構(gòu)建了基于決策樹(shù)的客戶價(jià)值決策模型,并從電力客戶的當(dāng)前價(jià)值和潛在價(jià)值兩個(gè)方面設(shè)計(jì)了電力價(jià)值評(píng)定指標(biāo),利用優(yōu)劣解距離方法計(jì)算客戶最終分值。陳纓等[3]構(gòu)建了符合電力行業(yè)特點(diǎn)的電力客戶終身價(jià)值模型,在此基礎(chǔ)上運(yùn)用k 均值聚類算法對(duì)某省電力客戶的開(kāi)展了實(shí)證分析。喻小寶等[4]從收益和風(fēng)險(xiǎn)兩個(gè)方面構(gòu)建了電力客戶評(píng)估指標(biāo)體系,并基于電力客戶評(píng)估結(jié)果對(duì)用戶進(jìn)行類別劃分。在電力客戶滿意度評(píng)估方面,周黎莎和于新華[5]提出了基于網(wǎng)絡(luò)層次分析法的客戶滿意度評(píng)價(jià)模型,來(lái)評(píng)價(jià)具有不確定性的電力客戶滿意度。楊淑霞等[6]構(gòu)建了基于魚(yú)群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的電力客戶滿意度綜合評(píng)價(jià)模型。董沫如等[7]從業(yè)務(wù)報(bào)裝和供電能力兩大方面考慮,構(gòu)建了基于蒙特卡洛模擬的電力客戶滿意度測(cè)評(píng)。此外,在電力客戶黏度方面,杜鵬輝等[8]對(duì)電力客戶黏度、客戶忠誠(chéng)與客戶滿意間的關(guān)系進(jìn)行了深入研究,構(gòu)建了用電客戶黏度測(cè)評(píng)模型,從轉(zhuǎn)換成本、信任、安全性感知與滿意度4 個(gè)方面構(gòu)建了指標(biāo)體系。

      雖然國(guó)內(nèi)外在電力客戶黏度相關(guān)領(lǐng)域已開(kāi)展諸多研究,但是研究中還存在賦權(quán)方式過(guò)于簡(jiǎn)單、指標(biāo)體系中缺乏定量指標(biāo)等不足[9],而且針對(duì)開(kāi)放售電環(huán)境這一背景下電力客戶黏度評(píng)價(jià)的研究更是鮮有。鑒于此,本文在前人工作的基礎(chǔ)上,對(duì)開(kāi)放售電環(huán)境下售電公司客戶黏度評(píng)價(jià)展開(kāi)深入研究。首先,明確電力客戶黏度的涵義,并分析影響電力客戶黏度的重要因素。其次,站在電力客戶的角度,綜合考慮客戶感知、客戶行為、客戶依賴、客戶信任4 大主要影響因素,將其具體細(xì)分為15 個(gè)關(guān)鍵性定性與定量相結(jié)合的指標(biāo),構(gòu)建電力客戶黏度評(píng)價(jià)指標(biāo)體系,并基于綜合賦權(quán)方法和模糊綜合評(píng)價(jià)方法建立電力客戶黏度評(píng)價(jià)模型。最后,選取某地區(qū)的典型售電公司代表開(kāi)展算例分析,算例驗(yàn)證了本文構(gòu)建的模型的可操作性與有效性,為售電公司提升服務(wù)質(zhì)量,增進(jìn)客戶留存提供重要支撐。

      二、電力客戶黏度內(nèi)涵及影響因素分析

      (一)電力客戶黏度含義

      “用戶黏度”一詞最早出現(xiàn)于互聯(lián)網(wǎng)產(chǎn)業(yè),通常用于表征目標(biāo)消費(fèi)群體對(duì)于網(wǎng)絡(luò)平臺(tái)的依賴程度[10],該概念在網(wǎng)絡(luò)游戲、購(gòu)物平臺(tái)及網(wǎng)絡(luò)運(yùn)營(yíng)中擁有廣泛的應(yīng)用,它體現(xiàn)了網(wǎng)絡(luò)用戶的忠誠(chéng)度與依賴度,包含用戶回訪次數(shù)、頁(yè)面停留時(shí)間等,用戶黏度越強(qiáng),則該電商平臺(tái)越容易發(fā)揮價(jià)值。隨著互聯(lián)網(wǎng)產(chǎn)業(yè)與營(yíng)銷(xiāo)行業(yè)的深度融合,在市場(chǎng)營(yíng)銷(xiāo)[11-12]相關(guān)的研究與實(shí)踐中常常將客戶價(jià)值與用戶黏度2 個(gè)定義進(jìn)行關(guān)聯(lián)。因此“用戶黏度”逐漸演變?yōu)椤翱蛻麴ざ取薄?/p>

      將客戶購(gòu)買(mǎi)商品或服務(wù)的心理分析作為研究出發(fā)點(diǎn),客戶的心理變化過(guò)程[13-15]是由認(rèn)知、情感逐步發(fā)展為意向,三階段心理歷程缺一不可。因此,開(kāi)展有效的客戶黏度分析,需要從行為黏度、認(rèn)知黏度、情感黏度及意向黏度對(duì)客戶黏度進(jìn)行劃分。對(duì)于電力行業(yè),電力客戶對(duì)售電公司的服務(wù)的感知狀態(tài)與依賴程度容易受到電價(jià)、電能質(zhì)量、相關(guān)服務(wù)等一系列因素的影響[16-19]。因此客戶黏度的定義同樣適用于售電企業(yè)。在此基礎(chǔ)上,本文進(jìn)一步考慮開(kāi)放售電環(huán)境下,電力客戶面向售電公司的行為、態(tài)度、情感等一系列主客觀感受,從客戶行為、客戶感知、客戶信任、客戶依賴幾個(gè)方面來(lái)評(píng)估客戶受到其他因素干擾存在轉(zhuǎn)換售電公司可能性時(shí),能夠克服壓力依然保持對(duì)現(xiàn)有售電公司的購(gòu)電行為及偏好,即本文中所理解的電力客戶黏度。

      (二)開(kāi)放售電背景下售電公司電力客戶黏度影響因素

      售電側(cè)的放開(kāi)被認(rèn)為是新一輪電力體制改革的最大亮點(diǎn),對(duì)于競(jìng)爭(zhēng)性的市場(chǎng)結(jié)構(gòu)和市場(chǎng)體系的構(gòu)建具有重要意義。縱觀目前市場(chǎng)中的售電公司,大部分擁有發(fā)電能力或配電能力,具有十足的潛力。其中,擁有發(fā)電權(quán)的售電公司擁有豐富的電能資源和不同客戶的用電資料,特別是一些大用戶通過(guò)直購(gòu)電的方式來(lái)保證穩(wěn)定的供需關(guān)系;擁有配網(wǎng)經(jīng)營(yíng)權(quán)的售電公司擁有配電的調(diào)度權(quán),并可以收取一定過(guò)網(wǎng)費(fèi),同時(shí)憑借電力運(yùn)行數(shù)據(jù)的挖掘來(lái)吸納更多的客戶;獨(dú)立型售電公司既不能掌控調(diào)度權(quán)又缺乏相關(guān)客戶和對(duì)手信息,在競(jìng)爭(zhēng)性的市場(chǎng)環(huán)境下面臨著巨大的挑戰(zhàn)。

      為了能夠更為科學(xué)客觀地剖析電力客戶黏度這一概念,同時(shí)兼顧電力行業(yè)中用電客戶的特點(diǎn),本文立足于電力客戶的視角,從客戶行為、客戶感知、客戶信任、客戶依賴4 大影響因素來(lái)考慮電力客戶對(duì)于售電公司的黏度,四大影響因素的關(guān)系如圖1 所示,各影響因素具體解釋見(jiàn)下文。

      圖1 電力客戶黏度影響因素及其關(guān)系

      三、開(kāi)放售電背景下售電公司的電力客戶黏度評(píng)價(jià)指標(biāo)體系

      綜合考慮上述影響因素,將其作為一級(jí)指標(biāo),并選取一級(jí)指標(biāo)下屬的子級(jí)指標(biāo)構(gòu)建了開(kāi)放售電環(huán)境下售電公司客戶黏度指標(biāo)體系,見(jiàn)表1。

      各二級(jí)指標(biāo)的釋義及計(jì)算方法如下:

      (1)客戶行為(A1)。用電客戶的重復(fù)購(gòu)電率(A11):對(duì)于指定售電公司,在給定的時(shí)段內(nèi)產(chǎn)生重復(fù)購(gòu)電行為的客戶數(shù)量占全部電力客戶的比重,屬于效益型指標(biāo);推薦售電公司行為傾向(A12):電力客戶向他人推薦該售電公司的行為傾向,可量化為[0,100]的評(píng)分區(qū)間數(shù),屬于效益型指標(biāo);投訴行為次數(shù)(A13):對(duì)于指定售電公司,在給定的時(shí)段內(nèi)產(chǎn)生投訴行為的次數(shù),屬于成本型指標(biāo)。

      (2)客戶感知(A2)。A2層的指標(biāo)主要考慮了電力客戶對(duì)于售電公司供電情況及公司自身的綜合感知。因此均可以通過(guò)感知程度與期望程度的差值來(lái)表示。供電服務(wù)性價(jià)比(A21)、供電質(zhì)量穩(wěn)定程度(A22)、售電公司形象(A23)、客服人員的綜合素質(zhì)(A24)分別可由電力客戶對(duì)于以上指標(biāo)的感知程度與期望程度的差值得到,均可量化為[0,100]的評(píng)分區(qū)間數(shù),均屬于效益型指標(biāo)。

      (3)客戶依賴(A3)。業(yè)務(wù)種類多樣性(A31):對(duì)于指定售電公司,在給定時(shí)段內(nèi)供電業(yè)務(wù)種類數(shù)量,反映電力客戶對(duì)售電公司未來(lái)的發(fā)展?jié)摿υu(píng)估,屬于效益型指標(biāo)。對(duì)售電公司價(jià)格長(zhǎng)期合理性評(píng)價(jià)(A32):電力客戶對(duì)于售電公司價(jià)格長(zhǎng)期合理性的感知程度與期望程度的差值,影響電力客戶對(duì)售電公司長(zhǎng)期經(jīng)濟(jì)性的依賴程度,可量化為[0,100]的評(píng)分區(qū)間數(shù),均屬于效益型指標(biāo)。更換售電公司所需成本(A33):電力客戶在轉(zhuǎn)換售電公司的過(guò)程中,了解新售電公司資料并與其交易的過(guò)程中產(chǎn)生的費(fèi)用總和,影響電力客戶對(duì)售電公司長(zhǎng)期經(jīng)濟(jì)性的依賴程度,屬于成本型指標(biāo)。承受供電事故的能力(A34):電力客戶對(duì)于售電公司承受供電事故的能力的認(rèn)可程度,影響了電力客戶對(duì)售電公司長(zhǎng)期安全可靠性的依賴程度,可量化為[0,100]的評(píng)分區(qū)間數(shù),均屬于效益型指標(biāo)。

      (4)客戶信任(A4)。A4層的指標(biāo)主要為售電公司能夠滿足電力客戶各方面期望的能力或程度。因此均可以通過(guò)感知程度與期望程度的差值來(lái)表示。對(duì)售電公司發(fā)展前景的信心程度(A41)、售電公司履行所承諾服務(wù)的能力(A42)、用戶對(duì)客服人員的信任程度(A43)、售電公司對(duì)用戶需求的響應(yīng)程度(A44)分別可由電力客戶對(duì)于以上指標(biāo)的感知程度與期望程度的差值得到,均可量化為[0,100]的評(píng)分區(qū)間數(shù),均屬于效益型指標(biāo)。

      表1 售電公司電力客戶黏度評(píng)價(jià)指標(biāo)體系

      四、開(kāi)放售電背景下售電公司電力客戶黏度綜合評(píng)價(jià)模型

      (一)組合賦權(quán)模型

      為了補(bǔ)足現(xiàn)有研究中客戶黏度相關(guān)評(píng)價(jià)模型[20-21]中賦權(quán)太過(guò)簡(jiǎn)單的研究空白,本文采用主客觀相結(jié)合的賦權(quán)方法[22-23],將層次分析法和熵權(quán)法得到的權(quán)重進(jìn)行組合,構(gòu)建開(kāi)放售電背景下售電公司電力客戶黏度的綜合賦權(quán)模型。

      1.層次分析法

      層次分析法(analytics hierarchy process,AHP)是一種層次權(quán)重決策分析方法,按目標(biāo)、準(zhǔn)則和方案等層次將與決策有關(guān)的元素進(jìn)行分解。算法原理如下:

      (1)構(gòu)造判斷矩陣。通過(guò)梳理上、下層次之間的邏輯關(guān)系并對(duì)各層次之間的每一個(gè)元素進(jìn)行兩兩判斷,從而構(gòu)造出判斷矩陣B。B=(bij)n×m,其中bij為判斷矩陣的各要素,i=1,2,…,n;j=1,2,…,m。

      (2)判斷矩陣歸一化處理。通過(guò)對(duì)判斷矩陣B中不同層次的元素進(jìn)行歸一化處理得到向量wj,wj=從而可計(jì)算出判斷矩陣的特征值與特征向量。其中,特征值為αj2=1,2,…,m;特征向量θi=;i=1,2,…,n。

      (3)判斷矩陣一致性檢驗(yàn)。通過(guò)檢驗(yàn)判斷矩陣B的隨機(jī)一致性比例AT是否滿足AT<0.1,若滿足則通過(guò)一致性檢驗(yàn)。AT=AI/TI,其中,AI表示一致性指標(biāo),數(shù)值越大一致性程度越差,AI=(αj2-n)/(n-1),n表示判斷矩陣的階數(shù),TI表示矩陣的平均隨機(jī)一致性指標(biāo)。

      (4)進(jìn)行層次排序。分別對(duì)同一層次的各元素進(jìn)行單排序,并從上到下逐層進(jìn)行排序,最終得到各元素的權(quán)重。

      2.熵權(quán)法(EWM)

      熵是用來(lái)度量信息無(wú)序狀態(tài)的工具,信息熵的大小與信息的無(wú)序度呈正相關(guān),意味著信息熵越大,信息的效用越小。在綜合評(píng)價(jià)領(lǐng)域,可以利用熵值體現(xiàn)出的指標(biāo)信息效用價(jià)值確定指標(biāo)的權(quán)重。具體步驟如下。

      (1)構(gòu)建初始信息數(shù)據(jù)矩陣。針對(duì)已獲得的s個(gè)樣本,t個(gè)評(píng)價(jià)指標(biāo)構(gòu)建初始信息數(shù)據(jù),其中hij表示原始評(píng)價(jià)數(shù)據(jù),cij表示第i個(gè)評(píng)價(jià)的特征比重。

      (2)計(jì)算指標(biāo)j的熵值:

      (3)計(jì)算熵值與1 的差距pj,對(duì)于給定的指標(biāo)j,hij的差異性越小,則fj越大;當(dāng)完全無(wú)序時(shí),fj=1,此時(shí)fj的信息對(duì)綜合評(píng)價(jià)的效用值為0。因此,定義差異性因數(shù)向量V為

      (4)計(jì)算指標(biāo)效用價(jià)值,其本質(zhì)是通過(guò)計(jì)算指標(biāo)的熵值來(lái)體現(xiàn)對(duì)應(yīng)指標(biāo)的信息效用價(jià)值,效用價(jià)值系數(shù)越高,表示該指標(biāo)對(duì)評(píng)價(jià)的重要性越大,于是j項(xiàng)指標(biāo)的權(quán)重為

      3.組合賦權(quán)法

      AHP 法充分考慮了決策者的感性認(rèn)知,但是人為主觀因素隨意性較大,忽視了指標(biāo)攜帶的客觀信息,主觀認(rèn)可度較高;熵權(quán)法保留了原始數(shù)據(jù)的客觀信息,更具客觀真實(shí)性,但缺少了人為經(jīng)驗(yàn)的情況下會(huì)使得求得權(quán)重與實(shí)際情況偏差較大[20-21]。鑒于此,本文提出一種組合賦權(quán)法,通過(guò)引入求解最優(yōu)組合系數(shù)將主觀權(quán)重xi與客觀權(quán)重yi進(jìn)行組合的方法,使得到的電力客戶黏度更加貼近實(shí)際狀況。組合權(quán)重:

      其中:a、b分別表示主觀和客觀權(quán)重系數(shù),ab≥0,a+b=0,0≤a、b≤1。

      某售電公司j的主客觀加權(quán)屬性值一致水平:

      其中:axi Aij表示主觀加權(quán)屬性值;byi Aij表示客觀加權(quán)屬性值。

      為了最小化主客觀加權(quán)屬性值一致水平,利用線性加權(quán)法建立優(yōu)化模型:

      其中:ab≥0;a+b=0,0≤a、b≤1。

      利用拉格朗日乘法求解權(quán)重系數(shù)a和b的二元優(yōu)化模型,解得指標(biāo)的權(quán)重系數(shù)并代入式(3),從而獲得組合權(quán)重zi。

      (二)模糊綜合評(píng)價(jià)模型

      電力客戶黏度評(píng)價(jià)中涉及到多個(gè)復(fù)雜的指標(biāo),而模糊綜合評(píng)價(jià)適用于研究包含多個(gè)復(fù)雜因素的問(wèn)題,加入模糊數(shù)學(xué)的想法,對(duì)事物進(jìn)行模糊線性變換和隸屬等級(jí)的劃分,把定性問(wèn)題的評(píng)價(jià)轉(zhuǎn)化為定量問(wèn)題的評(píng)價(jià),得出更為準(zhǔn)確可信的評(píng)價(jià)結(jié)果。該模型如下所示。

      (1)確定評(píng)價(jià)因素集W。首先,將所有評(píng)價(jià)指標(biāo)分成m個(gè)因數(shù)集,建立因素集W={W1,W2,…,Wm},滿足Wi?Wj=?,(i≠j);其次,將Wi劃分為子因素集Wi={Wi1,Wi2,…,Wij,…,Win}。

      (2)建立評(píng)價(jià)集M。首先,構(gòu)建評(píng)價(jià)矩陣E,n為隸屬度個(gè)數(shù);其次,根據(jù)指標(biāo)的性質(zhì)和程度,建立評(píng)價(jià)集其中Mi代表各種可能的總的評(píng)價(jià)結(jié)果。

      (3)構(gòu)建評(píng)價(jià)矩陣E,如式(6)所示:

      其中:eij表示綜合所有電力客戶意見(jiàn)得到的評(píng)價(jià)對(duì)象按第i個(gè)因素Wi獲得第j個(gè)評(píng)語(yǔ)Mj的隸屬度。

      (4)確定權(quán)重集Z。Zi中各評(píng)價(jià)指標(biāo)的權(quán)重向量集表示為

      (5)模糊綜合評(píng)判。首先,對(duì)Wi的m個(gè)因素進(jìn)行單因素評(píng)價(jià)從而得到單因素評(píng)價(jià)矩陣Ei,其次,采用相同的模糊算子將Ei和權(quán)重向量Zi模糊合成,計(jì)算出該層次因素集Wi的評(píng)價(jià)結(jié)果Di:

      用Di作為Wi的單指標(biāo)評(píng)價(jià)向量,可構(gòu)成W到M的模糊評(píng)價(jià)矩陣:

      由此假設(shè),若W1,W2,…,Wm的權(quán)重向量為Zi={Zi1,Zi2,…,Zim},則W的綜合評(píng)價(jià)為

      (6)得出售電公司客戶黏度評(píng)價(jià)分值結(jié)果。將模糊綜合評(píng)價(jià)結(jié)果D與評(píng)價(jià)集M的右邊界所構(gòu)成的矩陣M0={100,80,60,40,20}的轉(zhuǎn)置矩陣進(jìn)行相乘,得出售電公司i的電力客戶黏度評(píng)價(jià)分值Si:

      五、算例分析

      為了實(shí)現(xiàn)電力客戶黏度方面的理論研究對(duì)實(shí)踐進(jìn)行指導(dǎo),同時(shí)驗(yàn)證本文所提模型的有效性,本部分開(kāi)展算例分析,算例結(jié)構(gòu)及各部分之間的關(guān)系如圖2 所示。算例選取了東北地區(qū)的甲、乙、丙、丁4 家典型售電公司進(jìn)行電力客戶黏度評(píng)價(jià),其中甲、丙售電公司的主要客戶群體為商業(yè)用戶及居民用戶,乙、丁售電公司的主要客戶群體為大工業(yè)用戶,選取每個(gè)售電公司參與評(píng)價(jià)的典型電力客戶各100 戶,計(jì)算各指標(biāo)的樣本均值以進(jìn)行后續(xù)相關(guān)的運(yùn)算。

      圖2 算例結(jié)構(gòu)及各部分關(guān)系

      1.確定各級(jí)指標(biāo)的權(quán)重集

      基于AHP-EWM 法組合賦權(quán)模型,確定一級(jí)評(píng)價(jià)指標(biāo)和二級(jí)評(píng)價(jià)指標(biāo)的權(quán)重集分別見(jiàn)表2 和表3。

      2.建立評(píng)價(jià)集

      將評(píng)價(jià)指標(biāo)劃為5個(gè)等級(jí),評(píng)價(jià)集為M={M1,M2,…,M5},其 中Mj表示第j個(gè)等級(jí)的分?jǐn)?shù)。Mj={[0,20)差,[20,40)較差,[40,60)中,[60,80)良,[80,100)優(yōu)}。取等級(jí)分?jǐn)?shù)區(qū)間的上限值構(gòu)成評(píng)價(jià)集:M={M1,M2,…,M5}={20,40,60,80,100} 。

      表2 一級(jí)評(píng)價(jià)指標(biāo)的權(quán)重集

      3.構(gòu)建隸屬度矩陣

      以售電公司甲為例,將100 位電力客戶的評(píng)價(jià)結(jié)果,取平均值得出如下模糊隸屬度矩陣,見(jiàn)表4。

      4.模糊綜合評(píng)價(jià)

      根據(jù)各個(gè)指標(biāo)的權(quán)重值,利用加權(quán)平均算子求得第一層次因素集的模糊綜合評(píng)價(jià)矩陣E:

      表3 二級(jí)評(píng)價(jià)指標(biāo)的權(quán)重集

      將上述評(píng)價(jià)向量作為上層指標(biāo)評(píng)價(jià)矩陣,計(jì)算得出二級(jí)模糊綜合評(píng)價(jià)值,則甲公司的二級(jí)模糊綜合指標(biāo)值為

      D甲=A甲E=(0.2809,0.3683,0.1800,0.1708,0.0000)。

      矩陣D中的5 個(gè)元素分別代表了該售電公司客戶黏度綜合評(píng)價(jià)結(jié)果在“優(yōu)、良、中、較差、差“5 個(gè)維度上的集群程度。D甲(0.2809,0.3683,0.1800,0.1708,0.0000)表示甲售電公司客戶黏度評(píng)價(jià)中28.09%為優(yōu),36.83%為良,18.00%為中,17.08%為較差,0%為差,故該矩陣中數(shù)值最大的元素即為最大隸屬度,反映了該售電公司整體上看36.83%的指標(biāo)落入了等級(jí)為良的評(píng)價(jià)區(qū)間。

      同理,可得其他售電公司的最終評(píng)價(jià)結(jié)果:

      乙公司為

      D乙=(0.1543,0.3512,0.2516,0.1257,0.1123);

      丙公司為

      D丙=(0.3151,0.2453,0.2052,0.2451,0.0640);

      丁公司為

      D丁=(0.2150,0.1816,0.2250,0.3350,0.0970)。

      5.綜合評(píng)價(jià)結(jié)果及分析

      根據(jù)最大隸屬度原則,甲售電公司的綜合隸屬度值為0.3683,根據(jù)劃定的評(píng)價(jià)集可判定為“良”。因此,大約有36.83%的電力客戶對(duì)甲售電公司的整體實(shí)力或服務(wù)滿意。同理,乙售電公司的綜合隸屬度值為0.3512,評(píng)判等級(jí)為“良”,丙售電公司的綜合隸屬度值為0.3151,評(píng)判等級(jí)為“優(yōu)”,丁售電公司的綜合隸屬度值為0.335,評(píng)判等級(jí)為“較差”。

      為了將各個(gè)售電公司的最終客戶黏度評(píng)價(jià)結(jié)果更為直觀地進(jìn)行比較,對(duì)隸屬度進(jìn)行分值轉(zhuǎn)換處理記為S。通過(guò)計(jì)算,甲售電公司的最終電力客戶黏度評(píng)價(jià)得分S甲=75.16;同理,可得售電公司乙、丙、丁的最終得分分別為S乙=63.65,S丙=73.25,S丁=62.93。

      4 家售電公司的評(píng)判結(jié)果和最終得分如圖3 所示,甲售電公司在隸屬度評(píng)判上屬于良,但綜合得分為最高;乙售電公司在隸屬度評(píng)判上屬于良,綜合得分排第三;丙售電公司在隸屬度評(píng)判上屬于優(yōu),但綜合得分排第二;丁售電公司在隸屬度評(píng)判上屬于較差,綜合得分為最低。分析可知,4 家售電公司的評(píng)判結(jié)果和最終得分并不完全呈現(xiàn)正相關(guān),這是因?yàn)樵u(píng)判結(jié)果的依據(jù)為最大隸屬度,反映了最大多數(shù)客戶的客戶黏度評(píng)價(jià)情況,即“眾數(shù)”的概念,而最終得分的依據(jù)為初始數(shù)據(jù)的加權(quán)平均,反映了平均電力客戶黏度水平,即“均數(shù)”的概念。

      究其原因,是因?yàn)樵陂_(kāi)放售電環(huán)境下購(gòu)電的選擇更加多元化,工業(yè)用戶用電量更大,購(gòu)電途徑更廣,購(gòu)電經(jīng)濟(jì)性的訴求更高,較容易改變重復(fù)購(gòu)電行為及偏好。因此容易在價(jià)格等信號(hào)的引導(dǎo)下轉(zhuǎn)換售電公司的選擇,電力客戶黏度較低;與之相對(duì)的,商業(yè)用戶的個(gè)體規(guī)模不一、數(shù)量龐大,它們?cè)陔娏κ袌?chǎng)中并不具備與發(fā)電商直接交易的資格與權(quán)力,此外電力故障帶來(lái)的營(yíng)業(yè)額虧損對(duì)于用戶個(gè)體影響較大。因此他們更傾向于從長(zhǎng)期以來(lái)供電穩(wěn)定并已樹(shù)立了良好公眾形象的電網(wǎng)公司購(gòu)電,電力客戶黏度較低,而算例中甲、丙的主要客戶群體為商業(yè)用戶及居民用戶,乙、丁的主要客戶群體為工業(yè)用戶,與該結(jié)果相符,證明所提出的評(píng)價(jià)模型具有實(shí)效性。

      表4 售電公司甲的模糊隸屬度矩陣

      圖3 4 家售電公司電力客戶黏度評(píng)價(jià)的最大隸屬度和分值

      六、結(jié)論

      本文在開(kāi)放售電環(huán)境背景下,提出了面向售電公司的電力客戶黏度評(píng)價(jià)模型。針對(duì)客戶黏度指標(biāo)中包含定性與定量指標(biāo)較多的問(wèn)題,利用AHP-EWM 法相結(jié)合的方法進(jìn)行組合賦權(quán),增加評(píng)價(jià)結(jié)果的真實(shí)有效性。

      (1)明確了電力客戶黏度定義及內(nèi)涵,科學(xué)客觀地剖析了影響電力客戶黏度的主要影響因素。

      (2)構(gòu)建了構(gòu)建了開(kāi)放售電環(huán)境下售電公司客戶黏度指標(biāo)體系,在指標(biāo)選取上綜合考慮客戶行為、客戶感知、客戶依賴、客戶信任等影響因素,確定了4 項(xiàng)一級(jí)指標(biāo)、15 項(xiàng)二級(jí)指標(biāo)。

      (3)建立了基于模糊綜合評(píng)價(jià)方法的電力客戶黏度評(píng)價(jià)模型。本文采用主客觀相結(jié)合的賦權(quán)方法,將AHP 和EWM 得到的權(quán)重進(jìn)行組合,使得到的電力客戶黏度更加貼近實(shí)際狀況。

      (4)選取了東北地區(qū)的甲、乙、丙、丁4 家典型售電公司進(jìn)行電力客戶黏度評(píng)價(jià)。算例結(jié)果表明,本文提出的售電公司電力客戶黏度評(píng)價(jià)模型能夠從多個(gè)維度全面評(píng)價(jià)未來(lái)售電公司的客戶黏度,綜合賦權(quán)的應(yīng)用及模糊綜合評(píng)價(jià)方法將定性指標(biāo)定量化處理,驗(yàn)證了所提模型的有效性,可為售電公司有針對(duì)性地改善企業(yè)售電服務(wù)提供有效的決策支撐。

      猜你喜歡
      賦權(quán)黏度權(quán)重
      論鄉(xiāng)村治理的有效賦權(quán)——以A縣扶貧項(xiàng)目為例
      企業(yè)數(shù)據(jù)賦權(quán)保護(hù)的反思與求解
      權(quán)重常思“浮名輕”
      超高黏度改性瀝青的研發(fā)與性能評(píng)價(jià)
      上海公路(2019年3期)2019-11-25 07:39:30
      試論新媒體賦權(quán)
      活力(2019年15期)2019-09-25 07:22:12
      基于改進(jìn)AHP熵博弈賦權(quán)的輸變電工程評(píng)價(jià)
      為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
      基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
      水的黏度的分子動(dòng)力學(xué)模擬
      SAE J300新規(guī)格增加了SAE 8和SAE 12兩種黏度級(jí)別
      黄梅县| 上虞市| 同心县| 鱼台县| 阿合奇县| 五大连池市| 当阳市| 迁安市| 恩施市| 伊金霍洛旗| 松桃| 扬州市| 泽库县| 遂川县| 浪卡子县| 罗江县| 河津市| 修武县| 阳信县| 龙里县| 霍林郭勒市| 贺兰县| 内丘县| 桦甸市| 威海市| 防城港市| 墨江| 宿迁市| 岳阳县| 双牌县| 桐柏县| 潜江市| 武山县| 长岭县| 依安县| 柳河县| 永和县| 银川市| 鄂尔多斯市| 邹城市| 什邡市|