1. <tt id="5hhch"><source id="5hhch"></source></tt>
    1. <xmp id="5hhch"></xmp>

  2. <xmp id="5hhch"><rt id="5hhch"></rt></xmp>

    <rp id="5hhch"></rp>
        <dfn id="5hhch"></dfn>

      1. 基于客戶需求的第三方物流客戶分類的論文

        時間:2020-08-02 15:18:44 交通物流畢業(yè)論文 我要投稿

        基于客戶需求的第三方物流客戶分類的論文

          基于客戶需求的第三方物流(Third-Party-Logistics,3PL)客戶分類就是根據(jù)客戶需求將客戶劃分為不同的客戶群,針對不同類型的客戶,為其提供高效、個性化的物流服務的行為,F(xiàn)有文獻對第三方物流的研究主要集中在第三方物流客戶關(guān)系管理、第三方物流效率評價、第三方物流客戶滿意度等方面。文獻分析了第三方物流CRM系統(tǒng)的結(jié)構(gòu)并論述了第三方物流CRM系統(tǒng)實施的管理策略;用DEA模型對第三方物流的效率進行了評價;運用結(jié)構(gòu)方程模型構(gòu)建了第三方物流客戶滿意度模型。

        基于客戶需求的第三方物流客戶分類的論文

          從以上文獻研究內(nèi)容可以看出,物流客戶關(guān)系管理、物流效率評價都是為提高客戶滿意度服務的。但是,很少有專家、學者從基于物流客戶的需求對客戶進行分類,滿足不同類型客戶的個性化需求,進而提高客戶滿意度方面進行研究。

          物流客戶分類的方法有很多種,經(jīng)典的聚類法是一種硬劃分,它劃分的結(jié)果是每一個待分類的對象嚴格地屬于某個類,體現(xiàn)了非此即彼的特征。但實際上,很多事物之間并沒有明確的界限,一個待分類的對象可能部分地屬于若干類,因此,模糊劃分是描述這種現(xiàn)象最好的方式。目前比較流行的模糊劃分方法有灰色模糊聚類、灰色關(guān)聯(lián)度聚類、半監(jiān)督模糊核聚類、模糊聚類等。其中,灰色模糊聚類與灰色關(guān)聯(lián)度聚類的原理基本相同,都需要參考數(shù)列,但是本論文分析的問題沒有參考數(shù)列,因為不同客戶對不同需求指標的優(yōu)先權(quán)、需求值是不同的,無法給出一個參考數(shù)列。半監(jiān)督模糊核聚類需要預先設(shè)定聚類數(shù)目,且計算復雜,適用于機械制造行業(yè)的聚類分析。單純的模糊聚類是依靠單一λ值來進行劃分,這種劃分方式主要存在兩點不足:一是λ值的確定沒有客觀依據(jù);二是單一λ值只考慮了客戶需求之間的緊密程度,而忽略了物流規(guī)劃的復雜度和物流成本。因此,用這種單純的模糊聚類法劃分客戶,其柔性是不足的。

          基于以上分析,本文,筆者利用復合值模糊聚類法對客戶進行分類,該方法能夠在兼顧物流規(guī)劃復雜度和物流成本的情況下,最大限度地利用第三方物流資源滿足不同客戶的需求,提高企業(yè)競爭力。

          一、第三方物流客戶需求

          1.客戶需求表達及獲取。客戶需求是指客戶對所購買的產(chǎn)品或服務的要求,用來表達客戶所考慮事項的關(guān)鍵特征?蛻粜枨蟊磉_就是將所獲取的'客戶需求信息用適當?shù)男问奖硎境鰜。針對第三方物流企業(yè),客戶的需求信息可以分為參數(shù)型和描述型,如表1所示。

          客戶的需求往往是模糊的、多方面的、不確定的,需要去分析和引導。第三方物流企業(yè)應積極、持續(xù)地了解客戶需求,進行信息的搜集、匯總和分析,以便及時掌握客戶的需求動向。

          2.客戶需求指標體系的建立及量化。在物流服務中,客戶對第三方物流提供商的要求是多樣化、個性化的。如有些客戶在看重物流成本的情況下,還會考慮服務商所提供服務的準確性、準時性、安全性等;而另外一些客戶在看重服務商的時間響應能力的同時,還會考慮安全性能、成本優(yōu)化能力、企業(yè)形象等。結(jié)合有關(guān)文獻和基于對客戶需求的理解,筆者選擇如下7大指標,如表2所示。

          從上面的指標體系中可以看出,既有定性指標,也有定量指標。其中,成本優(yōu)化能力、數(shù)據(jù)共享能力、3PL對客戶關(guān)系的管理、企業(yè)形象是定性指標;準確性、準時性、安全性是定量指標。

          對于定性指標的量化和標準化處理,筆者采用10等級劃分法進行,分值越大表示客戶對此需求越高。這種方法將所有指標量化為[0.0,10.0]范圍內(nèi)的值,同時指標也達到了一致性,即無論哪個指標,其值越大客戶在此方面的要求也就越高。

          二、客戶分類模型

          1.前提假設(shè)。本模型基于第三方物流客戶的需求對客戶進行分類,這些客戶都是大客戶,對第三方物流公司而言,這些客戶具有相同的優(yōu)先級,只是他們的需求有所不同。

          2.復合λ值模糊聚類的原理。復合λ值模糊聚類分兩步進行,首先,利用單純的模糊聚類法生成模糊聚類層次樹;然后,根據(jù)自身情況,第三方物流綜合考慮物流規(guī)劃復雜度、物流成本,確定復合λ值,達到最優(yōu)劃分。

          (1)假定有n個客戶,有m個需求指標。P={x1,x2,…,xi,…,xn},其中xi表示第i個客戶;需求指標U={u1,u2,…,uj,…,um},其中uj表示第j個需求指標。假設(shè)已觀測到n個客戶的m個需求。

          三、實例分析

          下文,筆者以某第三方物流公司為例進行實例分析。該公司目前的客戶數(shù)為6,不同客戶的需求如表3所示。

          利用公式rik=1-c(dik)

          β,取c=maxdik1,β=1,計算得模糊相似矩陣R~如下:R~=,并求得R~的傳遞閉包(tR~)=R~4,即(tR~)=R~4=。

          取不同水平的λ,確定出λ-截關(guān)系Rλ。λ越接近1,分類越細;λ越小,分類越粗。為了直觀體現(xiàn)取不同λ時的聚類結(jié)果,其動態(tài)模糊聚類過程可用層次樹來表達,如圖2所示。

          例如,當取λ

          1=0.74時,客戶分為4類:{x1,x4},{x2},{x5},{x3,x6}。此時,第三方物流可以根據(jù)自身的情況,綜合考慮物流規(guī)劃復雜度、物流成本等制約因素,決定是否再選取一個λ值。假若第三方物流認為λ1=0.74時的劃分太細,不利于企業(yè)運作,可根據(jù)自身情況,將x2與x5聚為一類比較合適。則該第三方物流可以再選取一個λ值,λ2=0.59。該案例所選擇的聚類情況如圖2中自上而下第4條虛線所示,即聚為3類,即{x1,x4},{x3,x6},{x2,x5},F(xiàn)對類{x1,x4}進行分析。由表3可以看出,該類客戶對第三方物流提供商的成本優(yōu)化能力、準確性、準時性要求很高,第三方物流應充分利用資源滿足該類客戶在這些指標優(yōu)先級上的要求。筆者通過搜集有關(guān)專家、此類客戶對這些指標重要性的評價,并將這些信息加以匯總,利用層次分析法,得出這些指標的權(quán)重分配W=(w1,w2,w3,w4,w5,w6,w7)=(0.3,0.2,0.2,0.15,0.06,0.05,0.04)。則客戶1的總需求值為Y1=W*x1T=7.72;客戶4的總需求值為Y4=W*x4T=7.895。由此可見,如果第三方物流提供的服務能夠滿足客戶4的需求,則也一定能夠滿足客戶1的需求;更重要的是不僅能夠獲取客戶4的當前忠誠度,提高客戶1的當前忠誠度,還更能夠獲取客戶1的長期忠誠。

          綜上,本文,筆者探討了用復合λ值模糊聚類法對第三方物流客戶進行分類,并建立了聚類模型的方法,目的是在資源有限的情況下,使第三方物流企業(yè)能夠兼顧物流規(guī)劃復雜度和物流成本,合理配置資源,以滿足不同類型客戶的需求,進而提高客戶滿意度和忠誠度,使第三方物流和客戶達到“共贏”。值得進一步研究的是建立物流規(guī)劃復雜度和物流成本的數(shù)學模型,從而使復合λ值更科學。

        【基于客戶需求的第三方物流客戶分類的論文】相關(guān)文章:

        1.基于客戶需求的第三方物流客戶分類論文

        2.基于客戶關(guān)系管理的潛在客戶開發(fā)研究論文

        3.淺談物流的客戶服務研究論文

        4.客戶購房需求分析

        5.如何抓住客戶的心理需求

        6.如何把握客戶的購買需求

        7.對有需求的客戶應該怎樣抓住客戶的心理

        8.第三方物流企業(yè)的客戶關(guān)系管理

        国产高潮无套免费视频_久久九九兔免费精品6_99精品热6080YY久久_国产91久久久久久无码

        1. <tt id="5hhch"><source id="5hhch"></source></tt>
          1. <xmp id="5hhch"></xmp>

        2. <xmp id="5hhch"><rt id="5hhch"></rt></xmp>

          <rp id="5hhch"></rp>
              <dfn id="5hhch"></dfn>