基于企业校准行为模型的客户分析

朱啸天 张杨

（许昌开普电气研究院有限公司 河南省许昌市 461000）

近年来，我国物联网、智能电网等新兴技术的快速发展，食品、药品安全等领域的需求也受到高度关注，这些都为仪器仪表校准行业提供了广阔的市场[1]。而国家对第三方校准机构采取开放和扶持的政策也使得第三方校准机构所占校准市场的份额越来越大。但由于第三方校准机构起步较晚、规模与能力无法与国家检定部门以及国外校准实验室相提并论，而且随着校准行业的准入门槛降低导致越来越多的校准机构的涌入，第三方校准机构所面临的竞争也日趋激烈。因此，第三方校准机构想要在校准行业站稳脚跟，除了提高自身校准能力、扩大实验室规模之外，还应努力优化市场营销策略。

传统校准机构市场营销模式是对所有企业进行宣传或走访，主要以价格作为宣传点来“被动”的吸引客户，但这样的效果并不明显。究其原因主要是企业用户本身是一个复杂的系统，不仅仅是送校费用，企业的规模、性质以及对校准的态度等等因素都可能影响自身的校准行为。笔者认为市场营销的侧重点在于对企业校准行为的分析和预测。通过对企业相关信息的收集和分析，挖掘潜在的校准客户，继而进行有针对性的走访和宣传。不仅可以有效的减少由于盲目宣传产生的成本，还可以避免与同行的恶性低价竞争，使得营销策略起到事半功倍的效果。

现如今，越来越多的研究人员和学者们将关注的重点集中到了行为学和社会学在各个行业的研究与应用上。世界顶级期刊——自然（Nature）期刊出版社还为此专门开辟了在线论坛，为研究者探讨和分享行为学和社会学研究及其在各行业的应用提供了平台[2]。而为了提升用户服务质量，实现个性化的服务体验，用户行为模型的概念也应运而生，并广泛应用于供应链管理[3]、软件系统设计[4]、用户画像[5-6]、网络推荐[7]等领域；文献[8]提出的用户体验动态行为模型，分析了移动数字阅读和用户体验行为的关系；文献[9]提出了电力用户行为模型，通过分析传统电力系统中用户体验的不足，阐述了用户型模型的研究意义；因此本文以企业校准行为模型为核心，从社会学视角剖析企业校准行为的基本构成，从企业相关信息、环境因素、校准趋势三个方面将企业校准行为模型的构建转化为一系列用户特征属性与校准趋势相关联的问题。研究工作在我国校准市场逐渐放开的大趋势下，对挖掘潜在校准客户具有一定的实用价值。

1 企业校准行为模型

“行为”一词具有丰富的含义，在不同研究领域具有不同的解读方式。本文所描述的企业校准行为是从社会学和心理学的角度进行解读：企业校准行为是指企业在外界环境影响下所产生的校准活动以及表现出来与校准相关的态度。

图1：企业校准行为模型基本组成

图2：企业行为属性

图3：3 层BP 神经网络

在社会学领域，人的行为一般由行为主体、行为环境、行为手段、行为结果和行为客体五个部分组成[10]。同理如图1所示，企业校准行为的基本组成部分主要分为五个部分：

（1）行为主体：企业本身，是一个复杂的系统，自身拥有特殊的相关信息等特征；

（2）行为环境：影响企业校准行为的外界或内部环境，如企业所在位置和校准机构的距离、校准机构认可能力能否满足企业的需求、校准周期、校准价格等；

（3）行为手段：送校或者现场校准；

（4）行为结果：校准行为所产生的结果包括校准费用以及其他目标达成（例如企业体系认证、CNAS 认证等）；

（5）行为客体：各个校准机构。

2 校准行为基本特性

企业校准行为具有趋优性、主观能动性、多样性、可预见性、不确定性、复杂性等基本特性，这些特性是构建企业校准行为模型的基础。

2.1 趋优性

企业最终产生校准行为一定是受到外部环境的影响，通过送校或者现场校准等手段来满足自身的需求。虽然在满足自身需求的情况下实现校准成本最低这个问题上无法求得最优解，但企业也是趋向于通过合理的安排校准，增加自己的校准效用，降低自己的校准成本。

2.2 主观能动性

企业并不会消极被动地接受校准机构的校准服务，而是具有一定的主观能动性的，为了实现校准效用的趋优性，会根据外部环境的变化，主动的改变自己的校准行为。例如企业根据校准设备的使用情况，主动缩短或增加设备的校准周期；根据设备的校准需求，主动选择能力满足的校准机构；在企业认证或实验室评审之前，会主动选择校准速度快的校准机构等等。

2.3 多样性

不同企业自身属性多种多样、对于校准效用的衡量标准也不尽相同；由于拥有的校准设备的不同，导致校准行为手段有所不同；此外，不同区域的企业所受到的外界影响也是不一样的。因此，不同的企业在受到不同的外部环境的影响下所采取的校准行为手段不同，产生的校准行为当然具有多样性。包括不同企业的多样性和同一企业在不同时间段的多样性。

2.4 可预见性

企业对校准效用的趋优性使得企业的校准行为具有一定的内在规律，在了解掌握这些内在规律的情况下，对企业的校准行为有一定的预见性。例如根据企业的规模、性质、位置等相关信息推测其未来能否成为校准机构的潜在客户。也可以通过客户往年的送校曲线分析，预测其未来的送校趋势。

2.5 不确定性

图4：BP 神经网络流程图

图5：校准行为属性对应集合

企业的校准行为可以理解成为企业在正常校准习惯的基础上叠加了一系列的随机事件的结果。该不确定性可能来源于设备的损毁维修、业务扩展导致新的设备购买、企业人事变动导致校准习惯的改变、企业搬迁等纯粹的随机事件，也可能来源于没有充分辨识企业规律性的校准行为导致的校准行为模型的偏差。而随着企业的不断发展，在不同的发展阶段，企业校准行为模型也不断变化。因此，企业校准行为在具有可预见性的同时也具有不确定性。

图6：BP 神经网络模型

图7

2.6 复杂性

企业校准行为的描述涉及到企业一系列的基本属性，由于企业的社会属性以及自身属性具有复杂性，因此企业的行为也无法采用几个简单的属性对其进行全面的描述。

3 校准行为预测与仿真

3.1 企业校准行为属性

企业校准行为模型是由一系列描述企业行为组成部分内在关系的子模型构成的，每一个子模型可以抽象成为Y=h(X)。即给定企业校准行为中的部分信息X 下，来分析企业的另一部分行为属性Y，而h(·)则是需要训练的关联函数。

如图2所示，以分析企业是否送校为例，从企业内在属性、校准属性和偏好属性，归纳了企业校准行为的若干属性。即

3.2 BP神经网络构建

BP 神经网络是一种多层前馈神经网络，该网络的主要特点是信号前向传递，误差反向传播[11]。其结构如图3所示。

BP 神经网络在前向传播的过程中，输入信号从输入层经隐含层处理，直至输出层[12]。每一层的神经元状态只影响下一层神经元状态[13]。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP 神经网络预测输出不断逼近期望输出[14]。具体流程图如图4所示。

Step 1：设定网络参数，如训练次数、学习率、目标误差等[15]。

Step 2：初始化BP 神经网络结构，随机生成矩阵[16]：

其中Wh、Wo分别为隐含层和输出层的权值矩阵；Bh、Bo分别为隐含层和输出层的阈值矩阵；n 为输入层神经元个数；p 为隐含层神经元个数；q 为输出层神经元个数；为输入层第i 个神经元与隐含层第j 个神经元的连接权值；为隐含层第j 个神经元与输出层第l 个神经元的连接权值；为隐含层第j 个神经元的阈值；为输出层第l 个神经元的阈值。

Step 4：通过式（5）误差函数依据式（6）（7）（8）（9）对输出层和隐含层的各个神经元求偏导数。

Step 5：利用Step 3 和Step 4 中的灵敏度，按照式（10）（11）来修正输出层和隐含层的连接权值[18]。

Step 6：按式（12）计算全局偏差。

Step 7：判断偏差是否满足要求，当偏差达到预设精度或学习次数大于设定的最大次数，则结束算法。否则，则返回到Step 3，选取下一个训练样本及对应的期望输出，继续训练。

4 实验仿真与分析

4.1 仿真结果

将上文归纳的企业校准行为属性作为输入端，即7 个输入节点。每个校准行为属性抽象成为一个集合，如图5所示。

另将客户的合作意向由强到弱分为A、B、C 共3 个等级，分别代表意向明显、意向一般、意向较弱。将客户合作意向等级作为输出端，即1个输出节点，即。隐含层按照以下公式来确定：

图8：各等级客户送校设备数量

式中：为(1 10)之间的常数。

由此可得到一个输入层为7、隐含层为13、输出层为1 的BP神经网络。如图6所示。

为验证本文提出的企业校准行为模型对潜在客户具有预测能力，选取作者所在的校准实验室客户数据作为训练样本，对构建的BP 神经网络进行训练。通过训练完成后的网络来分析一个企业是否会到本实验室进行校准，并对其进行等级划分。采取相应的营销策略。仿真结果如图7所示。

该企业的客户属性按照图5 可抽象成输入数据x=(0,0,0,1,15,1,1)，通过训练后的网络得到输出y=2。即该企业的潜在客户等级为A。

该企业的客户属性按照图5 可抽象成输入数据x=(1,2,1,1,30,0,1)，通过训练后的网络得到输出y=1。即该企业的潜在客户等级为B。

该企业的客户属性按照图5 可抽象成输入数据x=(2,0,0,0,0,0,0,)，通过训练后的网络得到输出y=0。即该企业的潜在客户等级为C。

4.2 结果分析

潜在客户等级为A 的客户，送校到本实验室的可能性最大，实验室应经常与其沟通宣传并随时保持业务沟通，跟进用户最新需求，及时解决出现的问题，稳固合作关系；潜在客户等级为B 的客户，送到本实验室的可能性一般，实验室应根据其校准物品种类以及校准需求，建立联系，适当增加宣传力度，扩展潜在业务；潜在客户等级为C 的客户，送到本实验室的可能性不大，实验室采取观察的方式，可适当减少对此类企业营销的成本投入，营销方式以宣传为主。图8 为近三年不同等级的客户送校的设备数量，以此来验证本文仿真结果的一致性。

5 结论

随着各类校准机构不断涌入市场，第三方校准机构面临的竞争压力日益增强。相对于校准行业以及校准技术的快速发展，目前校准机构的市场营销策略比较滞后而且低效。机构在向客户宣传时带有很大的盲目性，这种盲目性会对校准机构的正常运营带来挑战。本文针对该问题提出了基于企业校准行为模型的客户分析；通过收集企业的基本校准行为信息来构建企业校准行为模型，利用神经网络从中挖掘潜在的客户，进而优化校准机构的市场营销策略。仿真结果验证了基于企业校准行为模型进行客户分析的可行性。