我国电子商务B2B服务市场发展现况分析

我国B2B从无到有,仅十几年间就取得了傲人的成绩。2009年,我国电子商务交易额已经达到4万亿元,其中B2B的比例高达93%。在B2B的发展历程中,以中小企业为主要客户的电子商务服务市场发挥了普及、培育、提供应用平台和商务服务等一系列作用,推动了我国电子商务发展。     

服务外包中的客户企业参与度逆向选择模型

客户企业通过参与外包服务项目生产降低服务商生产成本,可达到减少服务费用支付的目的.然而,在不对称信息下客户企业不清楚参与行为对服务商生产成本的影响程度.针对不对称信息下客户企业参与度决策问题,建立客户企业参与度逆向选择模型,通过模型求解得到了客户企业参与度与服务费用支付相结合的服务外包合约菜单,并对合约菜单相关性质进行了分析.研究表明,当客户企业参与对服务商成本影响较小时,客户企业能设计出分离合约菜单;反之,靠近最高成本类型的服务商区域将产生混同,且客户企业参与对服务商成本影响越大,混同区域越大.     

基于模糊时间窗的车辆调度干扰管理研究

为解决由顾客需求变动引发的物流配送干扰问题,最大化满足顾客需求并兼顾企业利益,提出基于模糊时间窗的车辆调度干扰管理方法.采用干扰管理思想对由客户需求变动引起的实时车辆调度问题进行研究,在深入分析现实中客户服务时间要求特征的基础上,把客户满意度水平定义为模糊时间窗的隶属度函数,并提出了车辆调度干扰恢复问题转换策略,构建了基于模糊时间窗的客户需求变动干扰管理救援模型,实现从顾客、驾驶员和供应商3方面对干扰影响程度的度量.为寻求最优解,设计模糊遗传算法,并改进了基于客户点的编码方式.在算法中用模糊优化程序处理问题的模糊特征,通过对客户服务时间的局部调整来确定最佳服务时间.实例结果表明了时间窗模糊化处理、扰动恢复模型及算法在应用中的有效性.     

基于客户细分的电子邮件营销

电子邮件方便、快捷、成本低等多方面的优点决定了电子邮件营销具有广阔的发展前景,由于客户个性化的需求,迫切需要企业对所面临的客户进行细分,以便企业为客户提供对应的产品和服务,进行针对性电子邮件营销。销     

面向特定主题的客户抱怨文本分类识别方法

客户抱怨的自动识别是企业支持和维系客户的关键问题。文章将文本挖掘与支持向量机理论相结合,提出一种网络客户抱怨文本的分类识别方法。该方法通过2次分类识别客户抱怨文本和客户抱怨的类型,主要是通过构建情感词典,选取特征词汇,以特征向量表示客户抱怨文本,以支持向量机的方法分类抱怨文本,并识别抱怨文本类型;用实验方法验证了其合理性和有效性,对企业网上客户抱怨识别和服务质量提高具有重要意义和实用价值。     

基于Cox模型的移动通信行业中低端客户流失预测研究

文章将Cox模型运用于客户流失预测研究中,通过对中国移动通信某分公司提供的历史数据的研究,计算出每个客户的生存概率,并按照生存概率从小到大排序,等分为10组,实际流失的客户基本上都落在第1组中,覆盖率达到89%以上,运营商只对原来客户的10%进行维护与挽留,大大减少了工作量和挽留成本。该方法用于移动通信行业的客户流失预测中有很好的效果。     

网络营销中的客户管理方法研究

随着电子商务在各个领域的广泛应用,网络的购物群体迅速的扩大和成熟,企业开展电子商务和进行网络营销的意识逐步增强.网络环境下传统的营销模式发生了巨大的变化,网络营销的产生促进了以客户为中心的营销观念的产生和发展.针对目前在网络营销中对客户信息处理的不完善性,提出了关于网络营销客户信息管理的实施策略因此,在网络营销环境下对客户管理的理论和方法的研究,是每个企业都必须面对的一个重要课题.本文在对网络营销的客户进行细分的基础上挥讨了电子商务企业面对不同类型的客户应该采取的营销策略.     

基于客户满意的4R营销策略研究——以重庆建行转型网点为例

在激烈的市场竞争中,"以市场为导向,以客户为中心"的变革时代慢慢的渗透我国金融业营销环境.相应的营销理念,也从4P、4C模式进入了4R的模式.本文从现有营销组合策略出发,对重庆建行转型网点调研数据进行分析,为重庆建行转型网点营销策略的制定寻找理论依据.     

混合Markov与Bayes的客户欠费预测模型

为有效规避客户欠逃费和实现差异化处置,针对具有长期定时付费特征的后付费类服务,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置.首先,基于其付费特点,建立k序马尔科夫模型,计算客户的初始欠费概率;然后,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;最后,基于实际数据进行实证分析,验证了该模型的有效性.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。