航运企业顾客满意度测评研究

《航运企业顾客满意度测评研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Y103"／946学位论文航运企业顾客满意度测评研究指导教师申请学位级别专业名称学位授予单位赵艳君于艳莉副教授工学硕士(高校教师)交通运输规划与管理大连海事大学2006年9月中文摘要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

2、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(Ⅺ}F)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

3、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O．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。关键词：航运企业；顾客满意度；ACSI；径向基函数；仿

4、真英文摘要StudyontheAssessmentofShippingCompany’sCustomerSatisfaetiouAbstractNowadays，inshippingmarket,owingtothedrasticcompetitionamongtheshippingcompaniesandthedevelopmentof缸relativeindustries，e．g．shipbuilding，thesupplyisgreaterthanthedemand,flotheshippingcapabilityisobviouslyex

5、cessive．Inthiscircumstance,reducingthepricecan’trunwell，onlythosewhocanprovidethepersonalityserviceforcustomerswillwinthecompetition．Therefore，shippingcompaniesareemployingdifferentmarketingstrategiestoattractingmerchandisercsourcefl，maintainingthecustomersinpossessionanddeve

6、lopingthepotentialcustomers．So,onthebasisofACSI,theassessmentofshippingcompany'scustomersatisfactionisdiscussedinthispaper．Firstly,thecustomersatisfactionassessmentindexsystemofshippingcompanyisestablished．Aftersystematicallyanalysis，theindexsystemisdividedintofiveclasses，i．e

7、．companyimageindex，transportationqualityindex，supportingservicelevelindex,customersatisfactionandcustomerfidelity．Eachkindofindicescanbedividedintoseveralsub-indiceswhichRrethemeasuringvariables．Allthesub—indicescorrelatetotheshippingcompany’soperationdirectlysothattheyaremuc

8、hpersuasively．Theartificialneuralnetworkcanfitthenon-lineardataveryw