一种基于动态模糊综合评价的客户知识价值度量方法.doc

《一种基于动态模糊综合评价的客户知识价值度量方法.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种基于动态模糊综合评价的客户知识价值度量方法摘要：客户知识价值是客户价值的重要组成部分，因此定量的认识客户知识价值显得尤为重要。根据客户知识的模糊性和动态性等特点，本文提出了一种客户知识价值的动态模糊综合评价方法。为了能使评价结果更有现实性和减小评价的主观性，本文根据知识增长的特性构造了相应的动态隶属度函数。最后通过实例应用，验证了该方法的有效性和可用性。通过此方法不仅可计算客户知识价值的大小，还能反映其动态发展趋势，为企业有效识别客户知识源提供参考标准。关键字：客户知识价值；动态模糊评价；隶属函数；客户知识源1引言随着客户导向时代的到来，客户资产作为企业战略资产的价值已日益为人们所认同和重

2、视，快速的技术增长、产品和服务生命周期的缩短以及激烈的全球竞争，使得企业的竞争优势越来越多地依靠持续的知识发展和增加[1]。美国学者DebraM.Amdino(2001)指出“客户不仅仅是销售的对象，而且是组织学习和企业知识的真正源泉”。可见，客户知识是企业知识增长的重要来源，是企业获得并保持竞争力的宝贵资源，企业应当充分的把客户知识和技能引导到企业的价值链当中，以实现产品和服务的创新。随着知识管理与客户关系管理的发展，知识管理与客户关系管理逐渐融合，并产生出了客户知识管理，客户知识管理就是构建一个系统来获取客户知识，并运用客户知识以建立更有价值的客户关系。从定义可以看出，要实施客户知识管理的

3、前提是要获取客户知识。然而，并不是每个客户所提供的知识对企业来说都具有高价值，有的不仅不能为企业带来利益，还有可能带来负的效应(如客户无理的抱怨可能影响企业的决策)[2]。因此为了合理利用企业的资源和能力，企业首先需要有效的寻找客户知识源，争取以更低的成本获取更高价值的客户知识，从而提升企业的价值。对于如何寻找客户知识源这个问题，目前的研究主要从“领先客户”的角度来识别客户知识源，他们大多从客户终身价值(CLV)的角度来确定客户知识源。另外也有学者从客户知识价值的角度来确定客户知识源，如黄亦潇等[3]提出通过构建客户知识价值矩阵去确定客户知识价值的大小，从而确定客户知识源；还有学者从客户资产的

4、角度，测量客户对企业的价值贡献，从而使企业能有效的与高价值的客户进行协作，达到提升自身价值的目的，如JulianVillanueva等人指出[5]，客户对企业资产的贡献不仅体现在财务方面，即不仅包括CLV，还应包括客户对企业绩效的隐形价值贡献。虽然在客户知识获取方面已有许多的研究，但目前对如何确定客户知识源还尚未形成统一的标准。目前，从定性的角度对客户知识价值已有不少研究，而从定量方面的研究较少，一方面是因为客户自身的特点，即客户是外部主体，很难通过有效的渠道加以管理；另一方面是因为知识自身的特点：Simonin[6]通过对知识的默会性、专有性、复杂性等特点的剖析，得出知识具有模糊性；而甘路明

5、等[7]进一步提出知识具有生长性和自我更新性，即主体的知识是随着时间和环境而动态变化的。因此，本文将引入动态模糊综合评价理论，以解决知识的模糊性、动态性等问题，从而更加准确科学的评价客户知识价值。2客户知识价值及其度量2.1客户知识价值的概念对企业来说，客户知识来自各个方面，比如来自与客户的营销互动，来自售后服务，来自客户反馈等。而企业要获取这些知识，就必须付出一定的成本，因此，本文借鉴黄亦潇(2005)的观点，将客户知识价值界定为：“在客户的整个生命周期内，企业利用客户知识所创造的价值与企业获取客户知识所付出的成本之间的差值。”由此可知，客户知识价值的实现主要包括两个方面的因素[8]：首先，

6、是获取成本。企业的最终目的是盈利，所以企业要获取客户的知识价值，首先要考虑的是自己能否承担得起获取成本；其次，是使用功效。在考虑自己可以承担获取成本的条件下，客户知识的使用功效是企业考虑获取客户知识的前提条件。2.2客户知识价值的度量目前，学者们对知识价值的度量主要从以下两个方面研究：其一是认为知识价值的表现是多元化的，并且知识的创新和运用将引发一连串的反应，但这些反应并没有确定的方向(发散的)，因此它并不一定要用货币来表示。由这一观点出发，黄亦潇等人提出了一种间接度量客户知识价值的思路，他通过分析客户知识为企业创造的直接价值和间接价值，通过“客户知识能力”和“知识交流意愿”两个维度构建了客户

7、知识价值矩阵来间接反映客户知识价值；而刘险峰[9]、王庆金[10]等则采用数据包络分析法(DEA)，通过分析客户与企业知识活动过程中有用的客户知识数量，以衡量客户知识价值，不过这种方法并没有考虑到企业获取客户知识的成本；另外李晓利等[11]从客户协同创新以及知识共享的角度，提出了基于减聚类—模糊神经网络的客户知识共享绩效预测模型，以预测客户知识价值，不过该预测模型中仍然未考虑到企业获取客户知识的成