基于AHP和熵权法结合赋权的客户评分系统技术方案

本发明专利技术提供了一种基于AHP和熵权法结合赋权的客户评分系统，包括指标设计模块，用于统计输入月总体业务量、月项目覆盖量、客户合作时长、客户满意度和业务趋势的数据；指标数据标准化模块，采用min

【技术实现步骤摘要】
基于AHP和熵权法结合赋权的客户评分系统


[0001]本专利技术涉及一种客户评分系统，具体涉及一种基于AHP和熵权法结合赋权的客户评分系统。

技术介绍

[0002]客户价值是企业从与其具有长期稳定关系的并愿意为企业提供的产品和服务承担合适价格的客户中获得的利润，也即顾客为企业的利润贡献。对于企业来说既存在着优质客户，也存在着劣质客户。对客户进行有效的评价能够为企业进行客户甄别，让企业更好的运营和发展。
[0003]AHP：层次分析法Analytic Hierarchy Process。该法的主要思想是通过将复杂问题分解为若干层次和若干因素,对两两指标之间的重要程度作出比较判断,建立判断矩阵,通过计算判断矩阵的最大特征值以及对应特征向量,就可得出不同方案重要性程度的权重,为最佳方案的选择提供依据。但是如何实现AHP技术与客户价值之间的结合，形成客户价值评价得分模型，用于形成更加直观模型展示客户价值，一直是本领域急需解决的技术难题。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出了一种基于AHP和熵权法结合赋权的客户评分系统，实现了AHP技术与客户价值之间的结合，可以基于客户一些统计数据的输入，形成客户价值评价得分模型，可以更加直观模型展示客户价值。
[0005]为实现上述技术方案，本专利技术提供了一种基于AHP和熵权法结合赋权的客户评分系统，包括：
[0006]指标设计模块，用于统计输入月总体业务量、月项目覆盖量、客户合作时长、客户满意度和业务趋势的数据；
[0007]指标数据标准化模块，采用min
‑
max标准化模式将指标设计模块中统计的指标数据进行标准化处理；
[0008]评价算法模块，采用AHP层次分析法与熵权法进行结合赋权的算法进行赋权，并基于权重对进行标准化处理后的指标值进行加权求和，得到最终的评价得分模型。
[0009]优选的，所述指标设计模块中：
[0010]月总体业务量为客户当月上送的病理例数，用于体现当前客户的活跃度，为正向指标，越大越好；
[0011]月项目覆盖量为客户当月送检项目的种类数，用于体现客户当前合作深度，为正向指标，越大越好；
[0012]客户合作时长为客户合作的月份数，客户合作越久，客户黏性越高，用于体现客户关系紧密度，为正向指标，越大越好；
[0013]客户满意度为客户满意度，从报告时长来侧面衬托，用于体现客户期望的匹配度，
报告时长为负向指标，越小越好；
[0014]业务趋势为客户近3个月月均业务量/客户近12个月均业务量，用于反映客户的价值潜力，为正向指标，越大越好，对于业务合作3个月以内的客户，该指标默认为1。
[0015]优选的，将各个指标的数据进行标准化处理的方式如下：
[0016]假设给定了k个指标X1,X2，
……
，X
k
，其中X
i
＝{x1,x2,...,x
n
}，
[0017]假设对各指标数据标准化后的值为Y1,Y2,...,Y
k
，
[0018]那么对于正向指标标准化的公式如下：
[0019][0020]那么对于负向指标标准化的公式如下：
[0021][0022]所有的指标值标准化后均在[0,1]范围内，其中max(x
i
)表示x
i
指标所有客户数据的最大值，min(x
i
)表示x
i
指标所有客户数据的最小值，x
ij
表示x
i
指标的第j项客户的数据值。
[0023]优选的，采用AHP层次分析法与熵权法进行结合赋权的算法进行赋权的方式如下：
[0024]S31、构建因素比对矩阵，两两相互比较，采用相对尺度，按其重要性程度评定等级；
[0025]S32、矩阵一致性检验，设定n阶一致阵的唯一非零特征根为n；n阶正互反阵A的最大特征根λ≧n，当且仅当λ＝n时，A为一致矩阵，一致性指标用CI计算，CI越小，说明一致性越大，用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大，用λ
‑
n数值的大小来衡量A的不一致程度，定义一致性指标为：
[0026][0027]CI＝0，有完全的一致性；CI接近于0，有满意的一致性；CI越大，不一致越严重；
[0028]S33、求各指标的信息熵，根据信息论中信息熵的定义，一组数据的信息熵
[0029][0030]其中
[0031]如果
[0032]p
ij
＝0，则定义
[0033][0034]S34、确定各指标权重，根据信息熵的计算公式，计算出各个指标的信息熵为
[0035]E1,E2,...,E
k
，
[0036]通过信息熵计算各指标的权重：
[0037][0038]S35、基于AHP层次分析法和熵权法得到的权重得到组合权重。
[0039]优选的，S32中为了衡量CI的大小，引入随机一致性指标RI：
[0040][0041]其中，随机一致性指标RI和判断矩阵的阶数有关，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，将CI和随机一致性指标RI进行比较，得出检验系数CR，公式如下：
[0042][0043]如果CR<0.1，则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。
[0044]本专利技术提供的一种基于AHP和熵权法结合赋权的客户评分系统的有益效果在于：
[0045]1)本基于AHP和熵权法结合赋权的客户评分系统实现了AHP技术与客户价值之间的结合，可以基于客户一些统计数据的输入，形成客户价值评价得分模型，可以更加直观模型展示客户价值。
[0046]2)本基于AHP和熵权法结合赋权的客户评分系统通过设置指标数据标准化模块，采用min
‑
max标准化模式将指标设计模块中统计的指标数据进行标准化处理，可以将各个业务指标的值范围转换到统一数量级，方便后续评价算法模块的数据处理；
[0047]3)本基于AHP和熵权法结合赋权的客户评分系统可以尽可能减少性质不同的诸因素相互比较的困难，以提高准确度。
附图说明
[0048]图1为本专利技术的系统模块框图。
具体实施方式
[0049]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本专利技术的保护范围。
[0050]实施例：一种基于AHP和熵权法结合赋权的客户评分系统。
[0051]参照图1所示，一种基于AHP和熵权法结合赋权的客户评分系统，包括：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AHP和熵权法结合赋权的客户评分系统，其特征在于包括：指标设计模块，用于统计输入月总体业务量、月项目覆盖量、客户合作时长、客户满意度和业务趋势的数据；指标数据标准化模块，采用min
‑
max标准化模式将指标设计模块中统计的指标数据进行标准化处理；评价算法模块，采用AHP层次分析法与熵权法进行结合赋权的算法进行赋权，并基于权重对进行标准化处理后的指标值进行加权求和，得到最终的评价得分模型。2.如权利要求1所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，所述指标设计模块中：月总体业务量为客户当月上送的病理例数，用于体现当前客户的活跃度，为正向指标，越大越好；月项目覆盖量为客户当月送检项目的种类数，用于体现客户当前合作深度，为正向指标，越大越好；客户合作时长为客户合作的月份数，客户合作越久，客户黏性越高，用于体现客户关系紧密度，为正向指标，越大越好；客户满意度为客户满意度，从报告时长来侧面衬托，用于体现客户期望的匹配度，报告时长为负向指标，越小越好；业务趋势为客户近3个月月均业务量/客户近12个月均业务量，用于反映客户的价值潜力，为正向指标，越大越好，对于业务合作3个月以内的客户，该指标默认为1。3.如权利要求1所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，将各个指标的数据进行标准化处理的方式如下：假设给定了k个指标X1,X2，
……
，X
k
，其中X
i
＝{x1,x2,...,x
n
}，假设对各指标数据标准化后的值为Y1,Y2,...,Y
k
，那么对于正向指标标准化的公式如下：那么对于负向指标标准化的公式如下：所有的指标值标准化后均在[0,1]范围内，其中max(x
i
)表示x
i

【专利技术属性】
技术研发人员：全超，陈传文，刘增国，孙文举，
申请(专利权)人：广州华银康医疗集团股份有限公司，
类型：发明
国别省市：