航运企业顾客满意度测评研究

发布时间：2020-08-05 21:13

【摘要】：今天的航运市场上，由于各船公司之间激烈的竞争和造船产业等相关行业的不断发展，造成了供大于求的局面，运力出现明显过剩。在这种情况下，一味的降低价格显然是行不通的，只有能够提供满足顾客个性化服务的企业才能在竞争中获胜。因此，各航运企业都在采取不同的营销策略吸引货源，保持现有顾客，开发潜在顾客。在这样的背景下，本文以美国顾客满意度指数测评为依据，对航运企业顾客满意度的测评进行研究。本文首先建立了航运企业顾客满意度测评的指标体系。经过系统的分析，结合航运企业的实际，将航运企业顾客满意度测评指标体系分为五类指标，即企业形象指标、运输质量指标、配套服务水平指标、顾客满意度和顾客忠诚度。其中，每类指标中又细化为若干子指标作为各类指标的测量变量，各测量变量都直接与航运企业的生产经营密切相关，有很强的说服力。在众多的评估模型中，人工神经网络模型对非线性数据的拟合比较好。本文选择了学习速度快、能够自适应确定网络结构的径向基函数网络(RBF)作为航运企业顾客满意度测评模型，并利用Matlab6.5进行仿真实现。在确定训练函数的参数时，本文以仿真值与真实值之间误差平方和最小为评判标准编制了算法。经过数据训练和仿真，利用两组数据进行测试，得到结果为：误差允许值为0.25，SPREAD值为4.2，最小误差平方和为0.4384。将仿真值与真实值之间进行回归分析，两组测试数据的拟合程度R值分别为0.993和0.991，可见模型的仿真结果准确性很高。本文的最后提出了提高航运企业顾客满意度的措施。航运企业应注重树立质量和品牌优势，提高顾客让渡价值，奉行服务至上的原则，妥善的处理顾客抱怨，只有这样才能提高顾客满意度，保持顾客忠诚。
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：F550.6
【图文】：

效果图,数据仿真,效果图,第一

接下来对训练好的网络进行仿真，验证网络的性能.利用表4一中的第一组数据进行仿真测试，测试结果为:4.0195，3.0077，3.9571，4.0057，2.0194。与真实值相比较，可得到其相对位置及误差如图4.3所示。可见其误差很大，结果不准确。(a)真实值与仿真值相对位里图(b)误差图图4.3当 SPREAD=1.0时第一组测试数据仿真效果图再取SPREAD=5.0，误差仍为0.15，仍用第一组数据进行网络仿真，结果为:5.4615，4.7359，2.3847，5.2758，4.8752.与真实值相比较

效果图,数据仿真,效果图,第一

再取SPREAD=5.0，误差仍为0.15，仍用第一组数据进行网络仿真，结果为:5.4615，4.7359，2.3847，5.2758，4.8752.与真实值相比较，可得到其相对位置及误差如图4.4所示。可见，当SPREAD=5.0时网络的误差比 SPREAD=1.0时要小 lllll撒撒撒鳄鳄份六一一峡峡峡峡峡峡峡峡峡龚龚龚龚撰撰畜畜畜畜刃，，甲典典飞飞飞飞飞飞飞飞飞之梦}翔戈戈 }}}VVVVV玉玉玉(a)真实值与仿真值相对位里图(b)误差图图4.4当 SPREAD=5.0时第一组测试数据仿真效果图由这两次测试，我们可以看出SPREAD的值对网络的准确性有很大影响，此外还有误差对网络的影响，在训练网络时都应考虑。为解决这个问题，本文设计

网络性能

还可以通过网络的训练过程，直观的观察网络的性能的优劣，主要表现在网络收敛所需时间以及收敛速度等方面。利用求解最佳参数算法求得最佳参数后，将其带入网络训练函数中进行网络训练，其网络性能及训练过程如图4.7所示。(a)网络性能图(b)训练过程图图4.7网络性能及训练过程图由图4一7可以看出，网络在训练的开始阶段误差较大，平方误差达到1800，但是网络平方误差在大约2个时间单位内就迅速减少到200以下，用了大约18个时间单位从1800减少到1，然后在剩下的一个时间单位里，迅速减少到0。总体上看，网络的收敛效果很好，速度很快，性能良好。(2)线性化回归分析。对模型评价的另一个方面就是仿真结果的准确性。这一点可以上一节中的误差分析图中观察到。但是，为了更好的说明结果的可靠性和准确性，可以采取回归分析的方法。做法就是对网络输出结果和响应的目标进行线性回归

【相似文献】