随着电子商务的飞速发展,全球市场竞争日益加剧,企业间的竞争规则发生重大变革。不少企业纷纷实施客户关系管理战略和顾客满意战略以提高企业核心竞争力。顾客满意理论逐渐发展成为企业管理理论研究的一个热点问题。 长期以来,学术界对顾客满意度指数测评进行了大量研究,但大多数研究人员侧重于探讨满意度指数测评体系与测评过程方法。目前,顾客满意度指数测评的计量经济模型主要还是最初美国顾客满意度(ACSI)指数测评采用PLS(偏最小二乘法)回归的结构方程。也有学者提出采用模糊综合评判方法。当顾客满意度指数测评指标和测量成分较多时,PLS回归建模方法和模糊综合评判方法都存在简化测量成分而造成信息损失和难以估计预测精度的问题。 本论文针对顾客满意度测评模型中存在的问题,在引入新理论模型基础上,利用人工自组织神经网络具有很强的非线性映射能力,可挖掘多因素数据本身隐含的规律的特性,构建了基于人工自组织神经网络的顾客满意度测评模型,该模型使用运算法则将输入数据组映射至输出模式之中,输出节点能自我组织,在大量数据组练习之下,产生正确的特征映射。网络记忆了基于输入特征的顾客感受模式,能根据顾客调查数据对顾客满意度模式进行复杂的联想与记忆,从而达到顾客满意度测评分析的目的。 在顾客满意度神经网络模型基础上,利用J2EE技术实现了客户满意度测评系统,该系统具有数据准备,统计分析,建立模型(样本训练,样本测试),满意度预测与因素分析四个功能模块。系统界面友好,运行良好,对问卷数据和建立顾客满意度自组织神经网络模型具有较好的通用性和实用性。