《(2020年)企业采购管理应用灰关联分析於网上个人电脑采购》由会员分享,可在线阅读,更多相关《(2020年)企业采购管理应用灰关联分析於网上个人电脑采购(15页珍藏版)》请在金锄头文库上搜索。
1、1應用灰關聯分析於網上個人電腦採購Appling Grey Relational Analysis to Purchase Personal Computers Via Web段裘慶*楊鍵樵Chiu-Ching Tuan*Chen-Chau Yang國立臺北科技大學電子工程系*國立臺灣科技大學電子工程系 摘要個人電腦設備之購置已是現今一般大眾或家庭所必須面臨的一項重要課題。為此,本文提出以灰關聯分析應用於建置一網上個人電腦採購諮詢系統,以提供決策性訊息來協助消費者採購屬於高購買涉入之電腦產品。於作法上,為了探討消費者購置電腦的需求趨勢,先針對約1500份個人電腦購買意向的有效問卷調查表作交叉分
2、析。之後,依所得之數據來制定灰關聯式採購決策法則所需的產品評估要項與權重矩陣表,並制定客觀式、主觀式與綜合式等三種權重模式以為選用。最後,完成一雛型系統以為驗證之用。灰關聯式採購法則關鍵詞:灰關聯分析、網上採購諮詢、購買涉入、權重矩陣表、問卷調查。投稿受理時間:90年10月8日審查通過時間:91年1月15日ABSTRACTIn recent years, purchasing Personal Computers (PCs) has been a crucial issue for most people or families. This study presented a novel pu
3、rchase rule based on grey relational analysis (GRA-rule) to evaluate the properties of PCs with high purchase involvement effectively. We further integrate this GRA-rule into a web-based consultative system (WebCS). As a result, consumers could utilize this system to obtain more decisive information
4、 that facilitated buying suitable PCs. First, we took and analyzed a questionnaire entitled “Demands of Purchasing PCs” over 1,500 persons so as to could reveal the trends of consumers demands for buying PCs possibly. From the data analyzed as above, we set eight factors for evaluating PCs, and then
5、 construct a corresponding weighted matrix of size 158. The GRA-rule would utilize such a matrix to rank all products of PCs to be evaluated. Moreover, the WebCS offered three types of weighted modes, including objectivity, subjectivity, and hybrid, to be conformed with diverse consumers demands and
6、 preferences. Last, we implemented a prototype of WebCS for examining the effects of GRA-rule.Keywords: grey relational analysis, web-based consultative system, purchase involvement, weighted matrix, questionnaire.2壹、緒論由於全球電腦科技與網際網路快速地普及,同時上網接線率也急速地攀升之中,這造就了網際網路的高度使用並已透露出無限的商機,使得電子商務(Electronic Comm
7、erce)與行動商務(Mobile Commerce)儼然已經成為新世紀最新穎的消費趨勢3,5,7。 儘管電腦的深度使用在人們日常作息中所佔據的地位已是日趨重要。但是,一般大眾或家庭對於電腦產品的配備與相關的週邊設備並不甚熟悉或完全一無所悉,所以在購買電腦商品時將嚴重欠缺決策與判斷的能力去自由地選擇電腦搭配,且所購得的電腦於日後的使用也未必能符合自己原始的需求。本研究所提之灰關聯式網上個人電腦採購諮詢系統,其目的在於協助消費大眾能經由系統的互動式誘導來了解自己真正的商品需求,並進一步地尋得合適的電腦搭配,藉以降低因購物失調與金錢浪費而令人不悅的沮喪現象。首先,我們了解在傳統上購買電腦前通常會試
8、圖先取得相關的電腦商品資料或訊息,例如透過廣告傳單、書刊雜誌或洽詢親友與同事等管道來獲取,再經過有限度地商品比較之後才至相關賣場或店家選購適合自己需要的電腦及其週邊設備。顯然地,如此程序是既耗時又費力,且未必能如期順利地完成選購。然而若經由電子商務的交易方式則可輕易地購得電腦商品;此外,尚可於事前利用各相關網站來取得各類電腦商品的規格資料,也可利用線上目錄來比較各電腦品牌於規格與品質上的差異及售價上的差額等。當選定自己所需的電腦後,只需要在其網站上直接填單購買即可。相對地,線上購買是既經濟又有效能的,並可降低購物失調的風險4。傳統的購買方式不僅需要耗費大量時間和精力去作資料搜尋與產品評估的事前
9、工作,且產品作通盤性比較的效果通常也不彰顯,因而可能無法明確地作出有效的決策以利購得自己滿意的電腦。但是,若能透過網上採購諮詢系統的協助,消費者便有機會可輕而易舉地接受引導而快速地挑選到適合自己需求的電腦。綜上所述,我們規劃一灰關聯式網上個人電腦採購諮詢系統。其有別於現今網站上所出現的線上目錄式購物系統,此類系統通常僅是呈獻相關產品型錄、有關規格與建議售價如此而已11。至於進一步互動式的諮詢與評估功能則甚少或完全未提供,而將所有購買決策的重擔與可能購後失調等項的諸多風險,全委由購物者自行負擔。實在有欠妥當且更凸顯出純以金錢交易為主調的商業氣息而欠缺些許的人性關懷與關切,同時也降低了商品購買的享
10、受與學習。本研究主要的作法歸納為如下兩項:1.先策劃一電腦購買取向問卷調查並作交叉分析9,而問卷區域以大台北為限。2.再制定灰關聯式採購法則與計算式1,12。上述程序是基於分析1500份(信心指數誤差小於3%)有效問卷所得的資料具有一定的參考效度,所以可供作為後續釐定灰關聯式採購法則的重要依據。本文之章節架構如后,第貳節先論述灰關聯分析採購法則之研定;第參節說明消費決策程序與購買意向問卷分析;第肆節為灰關聯權重模式與系統驗證探討;最後,第伍節為結論。貳、灰關聯分析採購法則本節先簡述消費者所用的一般採購決策法則,接著論述引用灰關聯度分析作商品篩選之決策演算程序。一、一般採購決策法則一般而言,消費
11、者在購置產品之前,會先擇定一些採購決策法作為篩選產品的依據,以覓得符合自己需求的產品。而一般所用的採購決策規則有如下五種方式13,茲概述如下:首先,設Pi、P*各表為”待選”與”中選”產品;而產品屬性值依其重要性由xi(1) xi(n)作遞減排序;且令Sk為產品第k項屬性之低標值。1.連結(conjunctive)決策規則: (1)2.分離(disjunctive)決策規則: (2)3.逐次比較(lexicographic)決策規則:3 (3)4.逐次刪除(elimination-by-aspects)決策規則: (4)5.補償性(compensatory)決策規則: (5)由上述知,連結、分
12、離兩法則於最後可篩選得數個未劃分等級的商品;而逐次比較、逐次刪除與補償法等則均只產生單一組的候選商品,明顯地使得消費者較無抉擇商品的機會。另外,僅補償性決策是屬於加權式而適用於高涉入購買;其餘四者皆為非加權式而較不利於反映消費者偏好的頃向,故僅適用於低涉入購買。本研究引入灰色理論(Grey Theory)中所倡導的灰關聯分析(Grey Relational Analysis)2,4,將之應用於商品選購決策規則的計算上,並稱之為灰關聯式採購法則。系統可就全部商品作等級排序,並設有三種權重模式可為選用以滿足個別消費者所需5。二、灰關聯式採購法則此灰關聯式採購法則係根據消費者所提供的購買意向資料為主
13、,再循計算程序尋找符合消費者需求的電腦商品。4以下悉遵照灰關聯分析法1,6,12來說明本灰關聯式採購法則的演算程序。首先,確定電腦產品的評估屬性為如后8項,其依序為:xi(1)品牌形象、xi(2)價格合理性、xi(3)特惠促銷價、xi(4)擴充性、xi(5)相容性、xi(6)售後服務、xi(7)外觀造型與xi(8)說明文件等。且產品屬性皆以五分法作評量,所以。另就實務而言,各商品屬性評估值之評定問題,我們認為定期委由具公信力的第三者,如專家、學者與產業界代表等,以合議制方式定立之會是一可行的方式。步驟一 設定比較數列與參考數列:根據上述的8項商品特徵所設定的比較數列和參考數列,分別如下比較數列
14、表示為任一待價而沽的電腦商品。 (6)參考數列:為便於化簡計算式,設有最佳數列與最差數列,如下所示: (7)其中,分別表為商品各單項屬性的極大值與極小值且令其為常數,也就是設和。步驟二 計算差序列:於求算與的灰關聯係數之前,必須先計算差序列。惟為了加速計算,已將數列區間值化(採望大型9,10)與差序列的兩階段計算合併成單一運算式,如下所示 (8) (9)上式(9)為式子(8)化簡後的差序列計算,如此可省卻掉極大與極小值的搜尋時間。步驟三 計算灰關聯係數:若令,則原始公式(10)可化簡成(11),明顯地可縮減計算程序。其中,一般都令分辨係數=0.5。 (10) (11)步驟四 求加權灰關聯度:基
15、於消費者對各項產品屬性的重視或偏好程度不一,故系統需以一組權值數列來作反映,以此求算加權灰關聯度,公式如下:, (12)而加權序列如式子(13)所示,其中與分別表為客觀與主觀權重值,則為可調變的主觀因子,詳見第肆節所述。 (13)步驟五 排定灰關連序:依照加權灰關聯度值的高低,所有的候選產品可作遞減排序(如下所示),而越位於序列前端者表示越趨近於消費者心目中的理想商品。 (14)三、灰關聯度計算範例本範例設有H牌、I牌、A牌與L牌等四部候選電腦,並且以五分法評估該產品的8項屬性值,既令,而屬性值優劣程度由51作遞減表示,其中以表為最優(詳如表一)。基於計算式化減的原因,故直接以式子(11)作灰關聯係數計算可節省運算時間,所得結果如表二所示。接著,計算加權灰關聯度,在本範例中假設w(k)=0.15, 0.1, 0.05, 0.2, 0.25, 0.1, 0.05, 0.1,經由式子(12)與(14)運算後各產品的灰關聯度及灰關連序如表三所列。最後,所得產品的優選排序為。參、電腦購買意向問卷調查分析以下就消費者行為模式作初步了解,接著再探討與分析電腦購買意向問卷調查的結果。