随机森林影响因素研究论文

随机森林影响因素研究论文

在随机森林介绍中提到了随机森林一个重要特征：能够计算单个特征变量的重要性。并且这一特征在很多方面能够得到应用,例如在银行贷款业务中能否正确的评估一个企业的信用度,关系到是否能够有效地回收贷款。但是信用评估模型的数据特征有很多,其中不乏有很多噪音,所以需要计算出每一个特征的重要性并对这些特征进行一个排序,进而可以从所有特征中选择出重要性靠前的特征。 一：特征重要性在随机森林中某个特征X的重要性的计算方法如下：1：对于随机森林中的每一颗决策树,使用相应的OOB(袋外数据)数据来计算它的袋外数据误差,记为: 随机地对袋外数据OOB所有样本的特征X加入噪声干扰(就可以随机的改变样本在特征X处的值),再次计算它的袋外数据误差,记为：假设随机森林中有Ntree棵树,那么对于特征X的重要性=∑(errOOB2-errOOB1)/Ntree,之所以可以用这个表达式来作为相应特征的重要性的度量值是因为：若给某个特征随机加入噪声之后,袋外的准确率大幅度降低,则说明这个特征对于样本的分类结果影响很大,也就是说它的重要程度比较高。 二：特征选择在论文 Variable Selection using Random Forests中详细的论述了基于随机森林的特征选择方法,这里我们进行一些回顾。首先特征选择的目标有两个：1：找到与应变量高度相关的特征变量。2：选择出数目较少的特征变量并且能够充分的预测应变量的结果。其次一般特征选择的步骤为：1：初步估计和排序a)对随机森林中的特征变量按照VI（Variable Importance）降序排序。b)确定删除比例,从当前的特征变量中剔除相应比例不重要的指标，从而得到一个新的特征集。c)用新的特征集建立新的随机森林,并计算特征集中每个特征的VI,并排序。d)重复以上步骤,直到剩下m个特征。2：根据1中得到的每个特征集和它们建立起来的随机森林,计算对应的袋外误差率(OOB err),将袋外误差率最低的特征集作为最后选定的特征集。

1.随机森林是一个用随机方式建立的，包含多个决策树的分类器。其输出的类别是由各个树输出的类别的众数而定。

2.随机性主要体现在两个方面：（1）训练每棵树时，从全部训练样本（样本数为N）中选取一个可能有重复的大小同样为N的数据集进行训练（即bootstrap取样）（2）在每个节点，随机选取所有特征的一个子集，用来计算最佳分割方式。

3.随机森林算法的优缺点：（1）随机森林已经被证明在某些噪音较大的分类或回归问题上会过拟（2）对于有不同取值的属性的数据，取值划分较多的属性会对随机森林产生更大的影响，所以随机森林在这种数据上产出的属性权值是不可信的。

4.比决策树算法更复杂，计算成本更高。

随机森林论文答辩

随机森林是一种集成算法(Ensemble Learning)，它属于Bagging类型，通过组合多个弱分类器，最终结果通过投票或取均值，使得整体模型的结果具有较高的精确度和泛化性能。其可以取得不错成绩，主要归功于 "随机"和“森林” ，一个使它具有抗过拟合能力，一个使它更加精准。 Bagging 是一种在原始数据集上通过有放回抽样重新选出k个新数据集来训练分类器的集成技术。它使用训练出来的分类器的集合来对新样本进行分类，然后用多数投票或者对输出求均值的方法统计所有分类器的分类结果，结果最高的类别即为最终标签。此类算法可以有效降低bias，并能够降低variance。 【 自助法 】它通过自助法（bootstrap）重采样技术，从训练集里面采集固定个数的样本，但是每采集一个样本后，都将样本放回。也就是说，之前采集到的样本在放回后有可能继续被采集到。 【OOB】 在Bagging的每轮随机采样中，训练集中大约有的数据没有被采样集采集中。 对于这部分没有采集到的数据，我们常常称之为袋外数据(Out of Bag, 简称OOB) 。这些数据没有参与训练集模型的拟合，因此可以用来检测模型的泛化能力。 【随机性】 对于我们的Bagging算法，一般会对样本使用boostrap进行随机采集，每棵树采集相同的样本数量，一般小于原始样本量。这样得到的采样集每次的内容都不同 ，通过这样的自助法生成K个分类树组成随机森林，做到样本随机性 。 【输出】 Bagging的集合策略也比较简单，对于分类问题，通常使用简单投票法，得到最多票数的类别或者类别之一为最终的模型输出。对于回归问题，通常使用简单平均法，对T个弱学习器得到的回归结果进行算术平均得到的最终的模型输出。 【弱分类器】 首先，RF使用了CART决策树作为弱学习器。换句话说，其实我们只是将实验CART决策树作为弱学习器的Bagging方法称为随机森林。 【随机性】 同时，在生成每棵树的时候， 每个树选取的特征都不仅仅是随机选出的少数特征，一般默认取特征总数m的开方。 而一般的CART树则会选取全部的特征进行建模。因此 ，不但特征是随机的，也保证了特征随机性 。 【样本量】 相对于一般的Bagging算法，RF会选择采集和训练集样本数N一样个数的样本。、 【特点】 由于随机性，对于降低模型的方差很有作用，故随机森林一般不需要额外剪枝，即可以取得较好的泛化能力和抗拟合能力(Low Variance)。当然对于训练集的拟合程度就会差一点，也就是模型的偏倚会大一些(High Bias)，仅仅是相对的。 在关于随机森林的原始论文中，显示随机森林错误率取决于两件事：       森林中任何两棵树之间的相关性。增加相关性会增加森林错误率。      森林中每棵树的力量(具有低错误率的树是强分类器)。增加单棵数据的强度(分类更精确)会降低森林错误率。     随机森林的弱分类器使用的是CART树，CART决策树又称为分类回归树。当数据集的因变量为连续型数值时，该树算法就是一个回归树，可以用叶节点观察的均值作为预测值；当数据集的因变量为离散型数值时，该树算算法就是一个分类树，可以很好地解决分类问题。但是需要注意的是，该算法是一个二叉树，即每一个叶节点只能引申出两个分支，所以当某个非叶节点是多水平(2个以上)的离散变量时，该变量就有可能被多次使用。同时，若某个非叶节点是连续变量时，决策树也将把他当做离散变量来处理(即在有限的可能值中做划分)。     特征选择目前比较流行的方法是信息增益、增益率、基尼系数和卡方检验。这里主要介绍基于基尼系数(Gini)的特征选择，因为随机森林采用的CART决策树就是基于基尼系数选择特征的。     基尼系数的选择的标准就是每个子节点达到最高的纯度，即落在子节点中的所有观察都属于同一分类，此时基尼系数最小，纯度最高，不确定度最小。对于一般的决策树，加入总共有K类，样本属于第K类的概率：pk,则该概率分布的基尼指数为： 基尼指数越大，说明不确定性就越大；基尼系数越小，不确定性越小，数据分割越彻底，越干净。 对于CART树而言，由于是二叉树，可以通过下面的表示： 在我们遍历每个特征的每个分割点时，当使用特征A=a，将D划分为两部分，即D1（满足A=a的样本集合），D2（不满足A=a的样本集合）。则在特征A=a的条件下D的基尼指数为： Gini(D)：表示集合D的不确定性。 Gini(A,D)：表示经过A=a分割后的集合D的不确定性。 随机森林中的每棵CART决策树都是通过不断遍历这棵树的特征子集的所有可能的分割点，寻找Gini系数最小的特征的分割点，将数据集分成两个子集，直至满足停止条件为止。     首先，正如Bagging介绍中提到的，每个树选择使用的特征时，都是从全部m个特征值随机产生的，本身就已经降低了过拟合的风险和趋势。模型不会被特定的特征值或特征组合所决定，随机性的增加，将控制模型的拟合能力不会无限提高。     第二，与决策树不同，RF对决策树的简历做了改进。对于普通的决策树，我们会在节点上所有的m个样本特征中选择一个最优的特征来做决策树的左右子树划分。但是RF的每个树，其实选用的特征是一部分，在这些少量特征中，选择一个最优的特征来做决策树的左右子树划分，将随机性的效果扩大，进一步增强了模型的泛化能力。     假设每棵树选取msub个特征，msub越小，此时模型对于训练集的拟合程度会变差，偏倚增加，但是会泛化能力更强，模型方差减小。msub越大则相反。在实际使用中，一般会将msub的取值作为一个参数，通过开启OOB验证或使用交叉验证，不断调整参数以获取一个合适的msub的值。 优点：     （1）由于采用了集成算法，本身精度比大多数单个算法要好。     （2）在测试集上表现良好，由于两个随机性的引入，使得随机森林不容易陷入过拟合( 样本随机，特征随机 )     （3）在工业上，由于两个随机性的引入，使得随机森林具有一定的抗噪声能力，对比其他算法具有一定优势。     （4）由于树的组合，使得随机森林可以处理非线性数据，本身属于非线性分类(拟合)模型。     （5） 它能够处理很高维度(feature很多)的数据 ，并且不用做特征选择，对数据集的适应能力强：既能处理离散型数据，也能处理连续型数据，数据集无需规范化。     （6）训练速度快，可以运用在大规模数据集上。     （7）由于袋外数据(OOB)，可以在模型生成过程中取得真实误差的无偏估计，且不损失训练数据量。     （8）在训练过程中，能够检测到feature间的互相影响， 且可以得出feature的重要性 ，具有一定参考意义。     （9）由于每棵树可以独立、同时生成，容易做成并行化方法。     （10）由于实现简单、 精度高、抗过拟合能力强 ，当面对非线性数据时，适于作为基准模型。 缺点：     （1）随机森林在解决回归问题时，并没有像它在分类中表现的那么好，这是因为它并不能给出一个连续的输出。当进行回归时，随机森林不能够作出超越训练集数据范围的预测，这可能导致在某些特定噪声的数据进行建模时出现过拟合。（PS:随机森林已经被证明在某些噪音较大的分类或者回归问题上会过拟合） （2）对于许多统计建模者来说，随机森林给人感觉就像一个黑盒子，你无法控制模型内部的运行。只能在不同的参数和随机种子之间进行尝试。 （3）可能有很多相似的决策树，掩盖了真实的结果。 （4）对于小数据或者低维数据(特征较少的数据)，可能不能产生很好的分类。( 处理高维数据，处理特征遗失数据，处理不平衡数据是随机森林的长处 )。 （5）执行数据虽然比boosting等快，但是比单棵决策树慢多了。 （1） 不要求是线性特征，比如逻辑回归很难处理类别型特征 ，而树模型，是一些决策树的集合，可以很容易的处理这些情况。 （2） 由于算法构建的过程，这些算法很容易处理高维的数据，大量的训练数据的场景 。 极端随机树是随机森林的一个变种，原理几乎和RF一模一样，仅有区别有： （1）对于每个决策树的训练集，RF采用的是随机采样bootstrap来选择采样集作为每个决策树的训练集，而extra trees一般不采用随机采样，即每个决策树采用原始训练集。 （2）在选定了划分特征后，RF的决策树会基于基尼系数，均方差之类的原则，选择一个最优的特征值划分点，这和传统的决策树相同。但是极端随机树比较的激进，他会随机的选择一个特征值来划分决策树。

Ⅰ 学数据分析，报考数据分析师考试有哪些条件

在考试前也应注意的：要模拟练习，想像老师可能出的题目，从考古题中，或从自我评量的题目中，从关键的词汇里尝试来自我解答，相信在不断的练习，你可以知道哪些部分需要再加强。

Ⅱ 项目数据分析师报考条件是什么

人才认证 主管机构 项目数据分析师专业技术培训项目的主办单位是中回国商业联合会数据分析专答业委员会及工业和信息化部教育与考试中心。 分管机构 各盛直辖市构建专业认证体系的形式存在，并开展培训、继续教育等工作。

Ⅲ 如何考大数据分析师

大数据分析师报考要求如下：

1、初级数据分析师：

（1）具有大专以上学历，或从事统计工作的人员；

（2）通过初级笔试、上机考试、报告考核，成绩全部合格。

2、中级数据分析师：

（1）具有本科及以上学历，或初级数据分析师证书，或从事相关工作一年以上；

（2）通过中级笔试、上机考试，成绩全部合格；

（3）通过中级实践应用能力考核。

3、高级数据分析师：

（1）研究生以上学历，或从事相关工作五年以上；

（2）获得中级数据分析师证书。

（3）通过高级笔试、报告考核后，获取准高级数据分析师证书；

（4）考生在获得准高级证书后，在专业领域工作五年，并撰写一篇专业数据分析论文，经答辩合格，获取高级数据分析师合格证书。

(3)数据分析师条件扩展阅读

技能要求

1、懂业务

从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理

一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

Ⅳ 2016数据分析师报考条件

2016数据分析师分报考条件（具备以下条件之一）：

1.大专以上学历，在相关行业连续半年以上实践、实习经历（提供学历证书原件、复印件和单位证明原件）。

2.中专学历者，相关专业（电子商务、计算机及其应用、通信工程、电子信息工程等）毕业，从事相关行业连续1年以上实践、实习经历。 非上述专业，须在相关行业连续实践3年以上（提供学历证书原件、复印件和单位证明）。

3.在校学生（含自学考试）大专层次以上相关专业（同上）学生报考必须已学习相关专业2年以上；其它学生报考须按教学大纲经系统培训80学时以上（培训学校结业证书或证明）。

4.持有相关职业技术证书的人员（提供证书原件、复印件）均可申报。

数据分析师考试相关知识：

考试安排：

数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，截止2014年8月，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制。

考试时间：

每年有4次考试。具体时间请关注CPDA数据分析师官网考试通知，大致在每年的3月、6月、9月、12月中旬。

颁发证书：

考核合格，学员获得：由工业和信息化部教育与考试中心颁发的《项目数据分析师职业技术证书》和中国商业联合会数据分析专业委员会颁发的《数据分析师证书》，证书可查询。见下图

希望能帮到您

Ⅳ 成为一名优秀的数据分析师需要什么条件

1、对上级：了解数据需求。最核心的是搞清楚领导对数据工作的满意/不满意点。用小本子记下来，交办了多少项事情，紧急程度如何。这样每周汇报完成了多少。慢慢做不等于闷不吭声做，越是见效慢的工种就越得分阶段的、日常的汇报进度。不然，领导看不到进展，就会以为新招一个人来了也没啥起色，就会心生怨念。大部分悲剧都是从这里开始的。 2、对业务部门平级：了解业务背景。业务流程自然要慢慢熟悉，之前发生过哪些重大业务动作要逐步了解。这些和构建分析思路，解答问题有重大关系。暗中观察不同部门对数据的态度，后续合作的时候，可以有针对性的。 3、对技术部门平级：了解数据流程。数据采集-清洗-存储-BI开发-维护，每个环节上都是谁在干，情况如何。要一一整明白。以后大家常在一起干活，关系自然要维护好。 4、对下级（如果有）：先别急着摆官威，先整明白现有的数据需求（报表/专题/BI）种类，用途，日常工作中下级有什么困惑。已经吃过饼的人，才最知道饼的滋味。别被老板画的大饼忽悠了，多听听基层真实情况，可以让自己更好理解形势。 以上~~听起来很怂，可却是比较稳妥的立足方式。也有些小伙很 *** ，进门就怀着“我为大家带阿尔法狗来啦！”的想法，指望着一进公司就做出超牛逼算法毁天灭地，哦不，改天换地。这种特激进的做法，往往容易惹麻烦。先处理好人际关系，摸清形势再有的放矢。

Ⅵ 如何成为一个数据分析师需要具备哪些技能

接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。

数据获取：公开数据、Python爬虫

如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。

外部数据的获取方式主要有以下两种。

第一种是获取外部的公开数据集，一些科研机构、企业、 *** 会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。

另一种获取外部数据费的方式就是爬虫。

比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。

在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）

网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。

掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。

除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。

数据存取：SQL语言

你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。

SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：

提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。

数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。

数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。

数据预处理：Python（pandas）

很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。

比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。

那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。

对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：

选择：数据访问（标签、特定值、布尔索引等）

缺失值处理：对缺失数据行进行删除或填充

重复值处理：重复值的判断与删除

空格和异常值处理：清楚不必要的空格和极端、异常数据

相关操作：描述性统计、Apply、直方图等

合并：符合各种逻辑关系的合并操作

分组：数据划分、分别执行函数、数据重组

Reshaping：快速生成数据透视表

概率论及统计学知识

数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：

基本统计量：均值、中位数、众数、百分位数、极值等

其他描述性统计量：偏度、方差、标准差、显著性等

其他统计知识：总体和样本、参数和统计量、ErrorBar

概率分布与假设检验：各种分布、假设检验流程

其他概率论知识：条件概率、贝叶斯等

有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……

你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。

python数据分析

如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。

比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：

回归分析：线性回归、逻辑回归

基本的分类算法：决策树、随机森林……

基本的聚类算法：k-means……

特征工程基础：如何用特征选择优化模型

调参方法：如何调节参数优化模型

Python 数据分析包：scipy、numpy、scikit-learn等

在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。

当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。

系统实战

这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。

如何进行实战呢？

上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。

另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。

开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。

你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。

在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：

员工离职预测训练赛

美国King County房价预测训练赛

北京浓度分析训练赛

种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！

Ⅶ 数据分析师的入职条件是什么

任职要求： 1.大专抄及以上学历有半年袭以上统计工作经验; 2.熟练运用office办公软件，熟练掌握、运用excel表格函数，有较强的数据统计、分析能力; 3.工作认真积极进取有较强的工作责任感和事业心有强烈的集体认同感和团队合作精神。

Ⅷ 数据分析师做什么工作，报考条件是什么

数据分析来师是为了适应大数据源时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。 报考条件没有限制。

Ⅸ 数据分析师主要做什么

专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。

互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。

与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。

(9)数据分析师条件扩展阅读

数据科学家这个职业的定义有点广泛。同样叫数据科学家，在不同行业不同公司干的活可能是很不一样的。

有的偏机器学习、建模，有的偏数据分析。有的叫数据科学家，干的很多事情跟软件工程师（SWE）很类似。有的偏产品，风格短平快。有的偏长期研究，看的是一两年甚至更久的效果。

做数据分析的最终目的，那就是通过数据分析来引导产品改进的能力。任何方面的技能，归根结底都需要为这个目的服务。

Ⅹ 项目数据分析师报考条件是什么

至少大专学历，大专学历需有数据分析相关工作2年经验 本科及以上学历，可直接报名 项目数据分析师，是考培一体化的，需要参加培训，方可考试 现在，项目数据分析师已经改名为 数据分析师

摘 要 人体识别是计算机视觉领域的一大类热点问题，其研究内容涵盖了人体的监测与跟踪、手势识别、动作识别、人脸识别、性别识别和行为与事件识别等，有着非常广泛的应用价值。随机森林以它自身固有的特点和优良的分类效果在众多的机器学习算法中脱颖而出。随机森林算法的实质是一种树预测器的组合，其中每一棵树都依赖于一个随机向量，森林中的所有的向量都是独立同分布的。本文简单介绍了随机森林的原理，并对近几年来随机森林在姿势识别和人脸识别中的应用进行讨论。 1.人体识别概述 人体识别是计算机视觉领域的一大类热点问题，其研究内容涵盖了人体的监测与跟踪、手势识别、动作识别、人脸识别、性别识别和行为与事件识别等。其研究方法几乎囊括了所有的模式识别问题的理论与技术，例如统计理论，变换理论，上下文相关性，分类与聚类，机器学习，模板匹配，滤波等。人体识别有着非常广泛的应用价值。 绝大多数人脸识别算法和人脸表情分析算法在提取人脸特征之前,需要根据人脸关键点的位置(如眼角,嘴角)进行人脸的几何归一化处理。即使在已知人脸粗略位置的情况下,人脸关键点精确定位仍然是一个很困难的问题,这主要由外界干扰和人脸本身的形变造成。 当前比较流行的算法有：基于启发式规则的方法、主成分分析(PCA)、独立元分析(ICA)、基于K-L 变换、弹性图匹配等。 2.随机森林综述 随机森林顾名思义，使用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的死后，就让森林的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类能被选择最多，就预测这个样本为那一类。 随机森林是一种统计学习理论，其随机有两个方面：首先是在训练的每一轮中，都是对原始样本集有放回的抽取固定数目的样本点，形成k个互不相同的样本集。第二点是：对于每一个决策树的建立是从总的属性中随机抽取一定量的属性作分裂属性集，这样对于k个树分类器均是不相同的。由随机生成的k个决策树组成了随机森林。 对于每一个决策树来讲，其分裂属性是不断的选取具有最大信息增益的属性进行排列。整个随机森林建立后，最终的分类标准采用投票机制得到可能性最高的结果。 下图是随机森林构建的过程： 图1 随机森林构建过程 3.随机森林在人体识别中的应用 随机森林应用于姿势识别 以[1]一文来讨论，论文中所涉及到的人体识别过程主要分为两步，首先是，身体部位标记：对于从单张景深图像中对人体进行分段，并标记出关键节点。之后进行身体关节定位，将标记的各个人体部分重新映射到三维空间中，对关键节点形成高可靠的空间定位。 图2 深度图像-身体部位标记-关节投影 文的最主要贡献在于将姿势识别的问题转化成了物体识别的问题，通过对身体不同部位的空间位置的确定来实现，做到了低计算消耗和高精确度。在身体部位标记的过程中，将问题转化成了对每个像素的分类问题，对于每个像素点，从景深的角度来确定该点的局域梯度特征。该特征是点特征与梯度特征的良好结合。 举个例子，对于不同点的相同属性值的判别，如下图，图a中的两个测量点的像素偏移间均具有较大的景深差，而图b中的景深差则明显很小。由此看出，不同位置像素点的特征值是有明显差别的，这就是分类的基础。 图3 景深图像特质示例 文中对于决策树的分裂属性的选择来说。由于某两个像素点、某些图像特征选取的随意性，将形成大量的备选划分形式，选择对于所有抽样像素对于不同的分裂属性划分前后的信息熵增益进行比较，选取最大的一组ψ=(θ, τ)作为当前分裂节点。（信息增益与该图像块最终是否正确地分类相关，即图像块归属于正确的关键特征点区域的概率。） 图4 决策时分类说明 决策树的建立后，某个叶子节点归属于特定关键特征点区域的概率可以根据训练图像最终分类的情况统计得到，这就是随机森林在实际检测特征点时的最重要依据。 在人体关节分类中，我们由形成的决策森林，来对每一个像素点的具体关节属性进行判断，并进行颜色分类。随机森林这种基于大量样本统计的方法能够对由于光照、变性等造成的影响，实时地解决关键特征点定位的问题。 如图所示，是对于景深图像处理后的结果展示。 图5 姿势识别处理结果 应该这样说，这篇文章在算法的层面对随机森林没有太大的贡献。在划分函数的形式上很简单。这个团队值得称道的地方是通过计算机图形学造出了大量的不同体型不同姿势的各种人体图像，用作训练数据，这也是成为2011年CVPR Best Paper的重要原因。正是因为论文的成果运用于Kinect，在工业界有着巨大的作用，落实到了商用的硬件平台上，推动了随机森林在计算机视觉、多媒体处理上的热潮。 随机森林应用于人脸识别 基于回归森林的脸部特征检测通过分析脸部图像块来定位人脸的关键特征点，在此基础上条件回归森林方法考虑了全局的脸部性质。对于[2]进行分析，这篇论文是2012年CVPR上的论文，本文考虑的是脸部朝向作为全局性质。其主要描述的问题是如何利用条件随机森林，来确定面部10个关键特征点的位置。与之前不同的是，在随机森林的基础上，加入了面部朝向的条件约束。 图6 脸部10个特征点 对于面部特征标记的问题转化成了对大量图像块的分类问题。类似于人体识别中的局域梯度特征识别。本文中，对于每一个图像块来说，从灰度值、光照补偿、相位变换等图像特征，以及该图像块中心与各个特征点的距离来判断图像块的位置特征。在决策树的分裂属性确定过程，依然使用“最大信息熵增益”原则。 图7 条件随机森林算法说明 文中提出了更进一步基于条件随机森林的分类方法，即通过设定脸部朝向的约束对决策树分类，在特征检测阶段能够根据脸部朝向选择与之相关的决策树进行回归，提高准确率和降低消耗。此论文还对条件随机森林，即如何通过脸部朝向对决策进行分类进行了说明，但这与随机森林算法没有太大关系，这里就不再继续讨论了。随机森林这种基于大量样本统计的方法能够对由于光照、变性等造成的影响，实时地解决关键特征点定位的问题。 另一篇文章[3]对于脸部特征标记，提出了精确度更高、成本更低的方法。即，基于结构化输出的随机森林的特征标记方式。文中将面部划分为20个特征点，对于各个特征点来说，不仅有独立的图像块分类标记，还加入了例如，点4，对于其他嘴唇特征点3,18,19的依赖关系的判断。这样的方法使特征点标记准确率大大增加。 该方法依然是使用随机森林的方法，有所不同的是引入了如式中所示的与依赖节点之间的关系。对于决策树的建立依然是依赖信息熵增益原则来决定，叶子节点不仅能得到特征的独立划分还会得到该特征对依赖特征的贡献，最终特征节点的判断会综合原始投票及空间约束。 图8 脸部特征标记 图9 决策树依赖关系 例如当对下图中人脸特征点进行分类时，使用简单的随机森林方法，经过判断会将各个点进行标注，可以看到 红色的点，标注出的鼻子特征。如果利用依赖节点进行判断，鼻子的点会被局限在其他鼻子特征点的周围，进行叠加后，得到了这个结果。显然，对于此节点的判断，利用结构输出的方式，准确度更高了。 图10 结构化输出结果 4.随机森林总结 大量的理论和实证研究都证明了RF具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合。可以说，RF是一种自然的非线性建模工具，是目前数据挖掘算法最热门的前沿研究领域之一。具体来说，它有以下优点： 1.通过对许多分类器进行组合，它可以产生高准确度的分类器； 2.它可以处理大量的输入变量； 3.它可以在决定类别时，评估变量的重要性； 4.在建造森林时，它可以在内部对于一般化后的误差产生不偏差的估计； 5.它包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度。 6.它提供一个实验方法，可以去侦测变量之间的相互作用； 7.学习过程是很快速的； 8.对异常值和噪声具有很好的容忍度，且不容易出现过拟合； 随机森林的缺点： 1.对于有不同级别的属性的数据，级别划分较多的属性会对随机森林产生更大的影响，所以随机森林在这种数据上产出的属性权值是不可信的； 2.单棵决策树的预测效果很差：由于随机选择属性，使得单棵决策树的预测效果很差。 参考文献： [1] Shotton, J.; Fitzgibbon, A.; Cook, M.; Sharp, T.; Finocchio, M.; Moore, R.; Kipman, A.; Blake, A., “Real-time human pose recognition in parts from single depth images,”Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on , vol., no., , 20-25 June 2011 [2] Dantone M, Gall J, Fanelli G, et al. Real-time facial feature detection using conditional regression forests[C]//Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012: 2578-2585. [3] Heng Yang, Ioannis Patras, “Face Parts Localization Using Structured-output Regression Forests”, ACCV2012， Dajeon, Korea. 本文转自：，仅供学习交流

论文研究影响因素

1. 研究生导师的因素

研究生导师是影响研究生学位论文选题的重要因素，也可以说，研究生学位论文选题质量的高低，导师负有不可推卸的责任。这些方面对于研究生是否敢于选择具有前沿性、挑战性和开拓性的选题，具有直接或间接的影响。

其次,导师的“把关”或“甄选”,也直接或间接地影响着研究生学位论文的选题质量。如，哪些研究领域是具有学术研究的意义和价值的，哪些领域是具有前沿性对硕士研究生来讲确实存在着很大的困难，导师就上述方面的问题向研究生提出可能性、务实性和可行性的建设性意见或建议，一是可以避免研究生的选题盲目“求新求异”，误解前沿性和创新性的内涵所指;二是避免研究生在选题上盲目求“大”，忽视自身的研究能力的局限性。

2. 研究生课程设置的因素

研究生课程设置也直接影响着研究生学位论文的选题。目前在研究生的课程设置上存在一些问题:首先,部分课程内容反映不出本学科领域内的最新知识和科研成果。尤其是一些学科领域中的热点、难点和尚存争议的问题及边缘学科或跨学科性的研究与发展情况很少能够及时地、迅速地反映到研究生教育的课程内容中。

其次，研究生选修课程、学术讲座和学术讨论等性质的课程，在设置上也存在着不少的问题。总之，由于课程设置上的诸多缺陷，致使研究生在接受教育期间,缺乏必要的研究意识、探究专业前沿性问题的意识，研究的思维视野不够宽广，从而影响了研究生研究方向的确立及论文的选题。

以上就是环球青藤小编关于研究生学位论文选题的相关内容，希望对即将毕业的小伙伴们在论文写作上有所帮助，更多相关内容，欢迎关注本平台!

你是不是想问，什么是学术论文的影响因子？影响因子（Impact Factor,IF)即某期刊前两年发表的论文在统计当年的被引用总次数除以该期刊在前两年内发表的论文总数。这是一个国际上通行的期刊评价指标。 该指标是相对统计值，可克服大小期刊由于载文量不同所带来的偏差。一般来说，影响因子越大，其学术影响力也越大。

手机价格走势和影响因素研究论文

首先，是手机制造成本的增加；其次，是手机性能和配置的提升；最后，是手机市场的转型。

大家不难发现，眼下的手机价格与前几年相比，可以说是翻倍暴涨，那么我们不禁想问到底是什么原因造成了这种现象的发生呢？就我个人而言，我认为有以下三点原因。

1.手机制造成本的增加

手机制造成本不仅仅包括手机零件的成本，更是包括投入研发5G手机的费用。

随着5G时代的到来，各大手机品牌争先抢后地研制5G手机，都想要在这个市场上分得一块蛋糕，前期研制投入的科研经费以及上交有关部门的5G税，都是造成手机价格上涨的因素。

2.手机性能和配置的提升

随着时代和科技的不断发展，人们对手机的性能要求也逐渐提高，已经不再局限于打电话，而是希望手机能够兼具电脑的功能，给生活带来更大的便利。

为了更好地满足人们的需求，各大手机零件制造商都卯足了劲研发新产品，尤其是芯片，可以说是一部手机的心脏了，像比较出名的骁龙8系芯片，近些年来价格就上涨了不少。除了芯片之外，目前市场上流行的手机配置还有NFC、2K屏幕等，这些功能的添加也使得手机的价格逐渐提高。

3.手机市场的转型

如果说过去的手机制造商主要是针对中低端市场，那么现在的手机制造商就是要打破上限、进军中高端市场，也就是过去苹果和三星占据的市场。

众所周知，美国苹果和韩国三星算得上中高端市场的两巨头了，两个品牌的手机价格一直都是高居不下，尤其是苹果，最新款手机售价接近1w，如果国内的手机品牌能够成功打入这个市场，将来一定能够为我国的手机通讯行业带来新的生机。

最后我想说，尽管现在手机价格普遍上涨，但还是存在许多性价比高的手机，我们可以根据自己的经济实力来选择合适自己的，不必追求过高的配置，对于普通人来说能够正常沟通与上网就已经足够了。

我个人认为导致手机价格上涨的原因有:消费者对手机的功能要求越来越全面。

我国经济蓬勃发展,人民生活也有了很大改善,有了钱,所以，每个人对手机的要求变的很多,现在手机对我们来说是不可分割日常产品,也为了满足消费者的需求,所以制造商开发出更好更昂贵的手机。除此之外，国产手机也想冲击高端市场，手机的价格自然就越来越贵。

消费者手机配置系统越来越强悍，成本肯定也会增加。

配置越来越强悍也是手机价格上涨的主要原因，骁龙8gen1处理器 、 150W快充、144Hz屏幕刷新率、一亿像素、3D深感镜头、双扬声器、x轴线性马达、徕卡镜头。这些新功能的加入使得成本大幅提升。

除了这些黑科技，手机芯片、镜头、屏幕等这些手机必备的硬件，也都越来越贵。骁龙8Gen1处理器，价格在1200元左右。OLED屏的价格在1000元左右。手机成本增加的最大原因还是研发成本的增加。

疫情原因

国外的疫情依旧严重，受疫情影响，导致做芯片的材料也出现了一定的短缺，供应链出现了一定的断层，而导致芯片非常缺，导致众多手机厂家争先恐后订货，而芯片制造商坐地起价导致了供应链成本的上涨。

营销市场价格的增加

手机厂商为了更大的市场份额，大家都在增加营销费用，不停地签代言人，花样吸引眼球。手机技术投入、冲击高端价格高、明星代言等耗费了大量成本，而这些自然都是要算在手机里的，手机价格自然也就越来越高。

而且国产手机厂商要想既提升利润，也要保证自身在残酷的竞争下活下去，又完成品牌建设，在高端市场发力，必须涨价。

也因为，国内消费水平提高，手机价格上涨也是不可避免的现象。

手机降价很快的原因就是现在手机的竞争压力是很大的，也是由于整个市场的竞争压力所影响的，第2点就是手机的一些进价其实也是非常贵的，第3点人力物力的这些钱都是要算在里面。

（1）手机价格下跌的根本原因是商品的价值发生了变化：随着手机生产技术的日趋成熟，商品生产者普遍提高了劳动生产率，从而使单位商品价值量发生变化，致使手机价格下跌。（2）手机价格下跌还受供求关系的影响：由于手机生产迅猛发展，导致手机生产过剩，于是出现“货多不值钱”的现象，导致手机价格下跌。

服务的影响因素研究论文

以往在企业营销活动中，有相当一部分企业只重视吸引新客户，而忽视保持现有客户，使企业将管理重心置于售前和售中，造成售后服务中存在的诸多问题得不到及时有效的解决，从而使现有客户大量流失。然而企业为保持销售额，则必须不断补充“新客户”，如此不断循环。这就是著名的“漏斗原理”。企业可以在一周内失去100个客户，而同时又得到另外100个客户，从表面看来销售业绩没有受到任何影响，而实际上为争取这些新客户所花费的宣传、促销等成本显然要比保持老客户昂贵得多，从企业投资回报程度的角度考虑是非常不经济的。因此，以“漏斗”原理作为制定企业的营销策略的指导思想，只适应于传统的生产观念以及产品观念和推销观念为主导的时代。如今，买方市场情况下，产品同质化程度越来越高，同时，由于科学技术的发展，产品本身的生命周期也是越来越短，很多企业推出的营销策略和手段也大同小异，消费者已变得相当理智，所以对客户进行维护和售后的服务非常必要。下面我们具体分析下如何维护客户：一、不为难客户 谈合作、谈项目一定要讲究时期。时期不好，好合作也会泡汤。当客户有为难之处时，一定要体谅别人，不要让客户为难。比如他正在有事，他认为那样做会不合适或不能做等，你就要马上停止你的要求，并告诉他不管怎么样，你都非常感谢他。你的善解人意会让他觉得很抱歉甚至内疚，下次一有机会他就不会忘记补偿你。二、替客户着想 我们与客户合作一定要追求双赢，特别是要让客户也能漂亮地向上司交差。我们是为公司做事，希望自己做出业绩，别人也是为单位做事，他也希望自己办的事情办得漂亮。因此，我们在合作时就要注意，不要把客户没有用或不要的东西卖给他，也不要让客户花多余的钱，尽量减少客户不必要的开支，客户也会节省你的投入。三、尊重客户 每个人都需要尊重，都需要获得别人的认同。对于客户给予的合作，我们一定要心怀感激，并对客户表达出你的感谢。而对于客户的失误甚至过错，则要表示出你的宽容，而不是责备，并立即共同研究探讨，找出补救和解决的方案。这样，你的客户会从心底里感激你。四、信守原则 一个信守原则的人最会赢得客户的尊重和信任。因为客户也知道，满足一种需要并不是无条件的，而必须是在坚持一定原则下的满足。只有这样，客户才有理由相信你在推荐产品给他时同样遵守了一定的原则，他们才能放心与你合作和交往。比如，适当地增加某些服务和培训是可以接受的，但损害公司、客户甚至别人利益的要求绝不能答应。因为当你在客户面前可以损害公司或别人的利益时，他会担心他的利益也正在受到威胁。五、多做些销售之外的事情比如，我有客户要找教委的某领导，却找不到好的机会。如果我认识又有机会，我就会为他引荐。比如他们需要某些资料又得不到时，我就会帮他搞到。甚至，他们生活中碰到的一些困难，只要我知道又能做到时，我就一定会帮助他们，这样，我与客户就不再是合作的关系了，更多的就是朋友关系了。这样，一旦有什么机会时，他们一定会先想到我。六、让朋友推荐你如果前面的要诀都掌握并运用自如的话，你就会赢得客户和朋友的口卑，你的朋友就会在多数也是他同行的朋友中推荐你。那么你的生意就有如原子弹爆炸，会迅速在业界扩张起来。你就达到了生意的最高境界，让客户来主动找你。七、不要忽视让每笔生意来个漂亮的收尾所有的工作都做完了，你与客户的合作告一段落，是不是就是终结了呢？也许这是大部分业务员处理的方式，但事实证明这是一个巨大的错误。事实上，这次生意结束的时候正是创造下一次机会的最好时机。千万别忘了送给客户一些合适的小礼品，如果生意效益确实不错，最好还能给客户一点意外的实惠。让每笔生意有个漂亮的收尾带给你的效益不亚于你重新开发一个新的客户。理由如下：如果你前面的工作尚欠火候，还不能从合作关系提升到朋友关系的话，这个时候这样做就能很好地实现这个目标。如果前面的合作可能有些不如意的话，这更是个很好的补救方案。因为大部分的人都认为既然合作完了，那么我们与客户的关系也自然结束了，所以对这种不求回报的最后感谢，他们马上就会把你从合作关系提升到朋友关系上来。那么下次再有需求时肯定跑不了就是你的。八、以让步换取客户认同在与客户进行沟通的过程中，一些销售人员以为自己在每次沟通中都扮演着“进攻者”的角色：为了达成销售目标一步一步地向前迈进，不断地说服客户认可产品或服务的品质、接受产品或服务的价格等等。这些销售人员的销售目标是明确的，为了达成目标而努力奋进的勇气也是值得赞扬的，但是他们为了实现目标所采用的方法却不见得高明，至少，我们不提倡销售人员对客户进行单一的、“进攻”意图明显的说服。其实很多销售人员都会在销售沟通过程中有意无意地使用一些让步方式，以期让客户满意。比如在保证利润的前提下进行价格方面的让步，或者根据双方的诉求提出解决问题的折中方式等。销售沟通中的让步策略如果运用得当，那将有利于实现买卖双方的双赢，同时也有利于长期销售目标的实现。如何了解客户需求客户服务，就是与顾客建立一种关系，并使他们感到满意， 然后继续和你做生意。随着现代商业的飞速发展，客户服务变得越来越具挑战性。要想让客户满意，就要了解客户的需求，尽力满足，甚至要超过客户的期望值。那么，如何了解客户的需求呢？首先，仔细、周到的观察必不可少。从事客户服务的员工必须密切关注顾客的一举一动，不仅是顾客们说了些什么，还有他们的身体语言，这些都可以帮助其判断客户对服务的满意程度。一种更直接地了解客户需求的方法是向他们询问。许多公司都在不断改进客户服务方式，在每一次联系时都会问：如何让您更满意？怎样给您更多的帮助？第三种方法是关注竞争对手的做法。如果竞争对手的客户服务在某方面已经超前了，那就意味着，你的客户今后会提出更高的要求。你也必须作出相应的调整，以追赶竞争对手。既然如此，为何不成为市场的领导者，在客户服务上先行一步呢。如何防范老客户的流失一些高层管理人员经常诧异地说：“不久前与客户的关系还好好的，一会儿‘风向’就变了，真不明白。”客户流失已成为很多企业所面临的尴尬，他们大多也都知道失去一个老客户会带来巨大损失，也许需要企业再开发十个新客户才能予以弥补。但当问及企业客户为什么流失时，很多企业老总一脸迷茫，谈到如何防范，他们更是诚惶诚恐。客户的需求不能得到切实有效的满足往往是导致企业客户流失的最关键因素。一般来讲，企业应从以下几个方面入手来堵住客户流失的缺口。实施全面质量营销顾客追求的是较高质量的产品和服务，如果我们不能给客户提供优质的产品和服务，终端顾客就不会对他们的上游供应者满意，更不会建立较高的顾客忠诚度。因此，企业应实施全面质量营销，在产品质量、服务质量、客户满意和企业赢利方面形成密切关系。另外，企业在竞争中为防止竞争对手挖走自己的客户，战胜对手，吸引更多的客户，就必须向客户提供比竞争对手具有更多“顾客让渡价值”的产品，这样，才能提高客户满意度并加大双方深入合作的可能性。为此，企业可以从两个方面改进自己的工作：一是通过改进产品、服务、人员和形象，提高产品的总价值；二是通过改善服务和促销网络系统，减少客户购买产品的时间、体力和精力的消耗，从而降低货币和非货币成本。某企业为了更好地吸引客户，将销售收入的3%用于新产品的研制开发，生产市场上有良好需求的产品，还投入了大量的费用改进产品的各种性能，提高产品的价值。而且把全国市场划分为华东、华西、华中、华南、华北五个部分，出资建立了五个仓库，每个仓库都配备专门的送货车。另外企业承诺客户不管什么时间要货，只要一个电话，保证24小时内送到。解决了客户缺少货源问题，节省了货物运输的时间、费用，客户购买产品的成本大大降低，受到众多客户的好评，企业当年的销售额就比往年增加了。很多企业为了发现自身存在的问题，经常雇一些人，装扮成潜在顾客，报告潜在购买者在购买公司及其竞争者产品的过程中发现的优缺点，并不断改进。提高市场反应速度1、善于倾听客户的意见和建议客户与企业间是一种平等的交易关系，在双方获利的同时，企业还应尊重客户，认真对待客户提出的各种意见及抱怨，并真正重视起来，才能得到有效改进。在客户抱怨时，认真坐下来倾听，扮好听众的角色，有必要的话，甚至拿出笔记本将其要求记录下来，要让客户觉得自己得到了重视，自己的意见得到了重视。当然光仅仅是听还不够，还应及时调查客户的反映是否属实，迅速将解决方法及结果反馈给客户，并提请其监督。客户意见是企业创新的源泉。很多企业要求其管理人员都去聆听客户服务区域的电话交流或客户返回的信息。通过倾听，我们可以得到有效的信息，并可据此进行创新，促进企业更好的发展，为客户创造更多的经营价值。当然，还要求企业的管理人员能正确识别客户的要求，正确地传达给产品设计者，以最快的速度生产出最符合客户要求的产品，满足客户的需求。在一次进货时，某家具厂的一个客户向其经理抱怨，由于沙发的体积相对大，而仓库的门小，搬出搬进的很不方便，还往往会在沙发上留下划痕，顾客有意见，不好销。要是沙发可以拆卸，也就不存在这种问题了。两个月后，可以拆卸的沙发运到了客户的仓库里。不仅节省了库存空间，而且给客户带来了方便。而这个创意正是从客户的抱怨中得到的。2、分析客户流失的原因（1）对于那些已停止购买或转向另一个供应商的客户，公司应该与他们接触一下以了解发生这种情况的原因，区分客户流失的原因。客户流失的原因，有些是公司无能为力的，如客户离开了当地，或者改行了、破产了，除此之外，其他的因素有：他们发现了更好的产品；供应商的问题或产品没有吸引力。这些都是公司可以改进的，如客户流失是因为服务差、产品次、价格太高等.诚的客户是企业最宝贵的资源, 如何提高客户忠诚度是企业必须面对的问题。电信行业自从垄断被打破以来，运营商之间的竞争是愈演愈烈，运营商的利润率随着竞争的升级在逐步下降。提高客户忠诚度，减少客户流失，成为电信运营商保持业务增长的重要手段。1 是电信客户忠诚度客户忠诚对任何一家企业来说都非常重要，那么应该如何去判断哪些是忠诚客户呢？ 一般来说，忠诚的客户有以下几个特征：忠诚的客户有反复购买的行为，且购买的频率相对较高；忠诚的客户是企业新产品的积极体验者，是企业新产品和新服务的主要客户群；忠诚的客户愿意为企业提供一定的参考，对于企业的发展有着一定的看法和建议；忠诚的客户乐于向其他顾客推荐该公司的产品和服务；忠诚的客户对于其他企业的同类产品有排斥感。客户对于企业忠诚度的提高是伴随着客户使用该企业产品的过程而发展的。从客户开始使用该企业产品到客户对该企业产生一定的忠诚，一般经历5 个阶段，如图1 所示。从顾客接受该产品到顾客满意，说明顾客有了使用该产品的意愿，而我们企业要做的就是使客户的满意度达到尽可能大，使客户在使用的过程中有愉悦的感觉。客户在消费电信产品的过程中会有一定的风险和不确定性，而效用最大化的产品能让顾客对企业产生一定的信赖，让客户的风险性和不确定性降到最低。应该说顾客信赖感是客户忠诚的前身，只有当客户对企业有了真正的信赖，客户才能被企业锁定，成为企业的忠实用户。客户对于企业的忠诚可细分为行为、意识和情感忠诚3 类。行为忠诚是指客户在购买过程中实际表现出来的重复办理的行为；意识忠诚表现了客户在未来消费中存在的潜意识的办理意向；情感忠诚则表现为客户对运营商及其业务或服务的态度，包括客户积极向周围人士推荐该运营商的业务和服务。由这3 类组成的电信客户忠诚度，反映了客户因对运营商业务或服务的信赖而经常性重复办理的程度，是运营商长期赢利潜力的重要指标。2 电信客户忠诚度的因素分析电信客户的忠诚是一个相对的概念， 客户对于一个企业没有绝对的“忠诚”，而且衡量一个客户是否忠诚也缺少绝对的标准。但是客户的忠诚是建立在满意度的基础之上的，因此我们在考虑将客户忠诚度量化的过程中，可以先从影响客户满意度的因素着手。在对于影响电信客户忠诚度的因素进行分析的时候，我们首先要了解哪些因素对于电信客户的忠诚起到真正的作用，这些因素将成为量化客户忠诚度的评价指标，如图2 所示。价格价格在任何时候都是竞争客户的“重中之重”，基于价格的手段往往易引起客户的注意。我国现阶段的电信运营商开拓市场的最直接、最广泛的方法就是降低资费价格，因此价格是电信运营商维持客户忠诚度的一项非常直接且重要的手段。质量在通信服务行业，关于质量的两个最重要的范畴就是通信质量和服务质量。通信质量更多依靠技术，而服务质量则较多取决于人。在通信行业中，通信质量被认为是影响客户满意度的最重要的一个环节。优质的通信质量和服务质量是留住客户、培养客户忠诚度的前提。时间一般认为，消费者消费一个品牌的时间越长，消费者就越容图2 影响客户忠诚度的因素层次模型图3 电信客户忠诚度时间因素示意图易对该品牌产生依赖。但是电信产品和传统的产品有着一定的区别（ 见图3）， 电信产品的更新换代相对较快，顾客很难对于一项业务保持长久的消费忠诚。电信客户的这项特性对于电信运营商进行客户流失管理有着重要的参考价值，运营商可以通过顾客使用该产品的时间数据来挖掘顾客流失的大致时间。消费者特征消费者的不同特征引起客户消费行为的不同。比如，在通信市场中，一般来说大客户对企业的忠诚机率要大于个体客户；年龄大的客户对企业的忠诚机率要大于青少年客户。消费者的这些特征差异给了运营商市场细分的依据，让运营商在市场战略中注意到了差异化的重要性。竞争对手在分析影响电信客户忠诚度的因素时，我们不能忽略竞争对手，竞争对手的竞争行为是导致企业客户流失最根本的原因。诸如替代品等的出现让消费者有了选择的权利，让客户的流失有了合理的理由。通信市场瞬息万变，重视竞争对手的竞争行为，建立动态的竞争反应机制是保持客户忠诚度、减少客户流失的重要举措。电信客户忠诚度应用模型对于影响客户忠诚度的因素进行分析可以为通信企业防止客户流失管理提供一定的参考。客户的忠诚度分析基于客户满意度调查的基础之上，因此量化了的客户忠诚度对于通信行业的客户管理有着参考价值。比较重要的因素是电信运营商在客户管理过程中的重点。重要性和满意度都比较高的因素是保持客户忠诚的关键，在该区域内的因素也是企业极易受到竞争对手攻击的项目，对于该区域的因素，运营商应该重点进行管理和优化；在客户满意的区域内，要保持这些竞争对手相对不太重视的竞争优势；对于那些在客户心目中不受重视的，但是企业也没有表现出一定竞争力的潜在流失区域内，应该进行适当的调整，防止客户潜在流失；而重要性比较高、企业恰恰又做得不够的区域内的因素是导致客户流失的“罪魁祸首”，对于这些因素的管理优化是企业争夺客户资源、提高市场竞争力和客户忠诚度的关键。3 电信客户忠诚度的措施建立“以人为本”的企业理念“以人为本”的企业理念一方面是对消费者，另一方面也是针对企业的员工。“ 沟通从心开始”、“用户至上，用心服务”等等标语都表明了电信运营商已经越来越意识到了客户的重要性， 意识到只有真正做到奉顾客为“上帝”，才会让客户对于企业及其品牌忠诚。提升客户忠诚度，客户是关键主体，而企业内的员工则是这一目标实现的基础。要想赢得客户，企业必须先赢得自己的员工，没有员工的忠诚就谈不上客户的忠诚。赢得员工忠诚， 让每一个员工都有着“主人翁”的态度是赢取客户忠诚的前提。实施差异化战略迈克尔· 波特在《竞争优势》中提出“企业惟一持久的竞争优势来源于差异化”。业务创新和产品的差异化是现代通信企业赢取竞争优势的重要手段。产品差异化是以产品为特色的，尽可能多地为客户提供增补功能，让客户在同等条件下获得最大的效用。产品差异化带来的附加价值可以极大地弥补企业在价格等方面的缺陷。如果说产品差异化战略是赢得客户的“法宝”，那么顾客差异化战略就是企业留住客户的“杀手锏”。采取顾客差异化战略的前提是必须要了解客户，这对于建立客户忠诚非常重要。了解客户意味着企业要从客户的资料数据中挖掘出客户的独特之处，掌握导致客户差异的原因。对于不同特征的客户，企业要制定相对不同的营销和管理策略。比如，如今的电信运营商往往对于大客户、企业用户和个体客户都有着不同的服务标准；VIP 等服务标准的出台也显示了企业客户差异化的战略正在实施。重视CRM 建设信息化时代管理信息系统的出现使得企业的管理出现重大的改变，其中CRM 的出现极大地改变了以往企业客户关系管理的不足。CRM 为通信企业建立了客户忠诚培养与提升的流程，为企业实现对客户“一对一”的服务提供了基础条件。通信企业建立CRM 后，可以管理客户的整体资料和信息，通过适当的数据存储和挖掘，企业可以得到诸如客户利润贡献率、交易偏好、地理位置、消费习惯等极其重要的信息。这些信息的整合及使用有效帮助了客户忠实战略的实施。企业运用CRM 的目标就是提高忠诚客户的比重，提升满意客户的忠诚度，并提高忠诚客户的利润贡献率。影响客户忠诚度的因素很多，但是客户忠诚的基础和根本是客户的满意。电信运营商只有将“使客户满意”的理念和实践相结合，使得客户对于企业越来越有依赖感，才能真正赢得客户的忠诚，从而增强企业的核心竞争力。

随着汽车行业竞争的加剧和整车销售利润空间的缩减，售后服务逐渐成为企业实现可持续发展的法宝，如何提高售后服务质量，赢取竞争优势是汽车 企业管理 人员急需解决的问题。下面是我为大家整理的汽车售后服务管理研究论文，供大家参考。

《 汽车售后服务绩效目标设计浅析 》

[摘要] 本文分析了汽车售后服务企业绩效欠佳原因，阐述了科学制定绩效目标的重要性，在前人研究的基础上提出售后服务以硬软件、技术力量、制度为基础，以“让客户更加满意”、财务指标体现绩效目标，构建了多维绩效评价模型。

[关键词] 汽车售后服务 绩效目标 多维绩效评价模型

汽车售后服务主要包括维修、养护、救援、信息咨询、 保险 、二手车交易等内容。据统计，中国汽车售后服务业总规模约1000亿元，从事汽车售后服务的企业数量逐年递加约23%。要把握潜力巨大的汽车售后服务市场，必须分析目前汽车售后服务业存在的问题，才能建立高效的绩效管理体系。

一、国内汽车售后服务绩效欠佳的主要原因

从总体上看，消费者对汽车售后服务反映的问题主要有维修技术差、服务人员素质低、管理落后、配件假冒伪劣、收费混乱等。为此，有的汽车厂家在全国推行了“管家式”、“一站式”、“家的感受式”等服务，却局限于定性说法或只是不切实际的理念，指标不科学，指标标准不清。一方面设定指标不可计量;另一方面，绩效目标设计可操作性差。

二、科学制定绩效目标的重要性

绩效管理是在制定目标与达成目标之间达成共识，并以此为基础促进和确保员工达成目标的管理 方法 。绩效目标是通过绩效管理努力达成的可以评价管理效果的目标，是被评估对像期望的结果。绩效目标必须切实可行，科学制定绩效目标既是绩效管理的重要内容，又是实现绩效管理的前提。

三、常见的汽车售后服务绩效评价方法

常见的汽车售后服务绩效评价方法偏重衡量工作表现：

汽车售后服务业绩财务报表;汽车售后服务工作中的服务收益;其他链式收入评估。

这种评价方法以工作表现为评价对象，以收益为主要依据，有利于计划和控制，具有开拓性和预见性的优点。但它通常具有目标难定、使管理者与被管理者之间信任度下降、被管理者抗拒绩效管理、考绩脱节等缺点。没有将客户(服务对象)纳入绩效评价体系是这种方法的一大缺陷。

四、汽车售后服务绩效目标可以从“让客户更加满意”、财务指标两个方面予以体现

企业的绩效有效体现了企业的战略执行能力和市场竞争力，对大部分汽车企业来说，如果能够有效考核汽车售后服务绩效，不但可以掌握汽车售后服务绩效对公司的财务贡献，而且可以在整体上为汽车企业的管理提供决定性的评估资料。客户是否满意对企业的市场竞争力有决定性影响，市场竞争力和盈利能力决定了企业的生存和发展空间，因此，“让客户更加满意”和财务指标可以体现汽车售后服务绩效。

1.让客户更加满意

让客户更加满意是企业的生存发展之道。据调查，用户最关心的是维修等候时间和维修费用。目前我国各大汽修企业已高度重视控制维修时间，但部分维修企业一味压缩维修时间，实际作业中难于做到，客户满意度反而因此下降，有的甚至以牺牲安全性为代价则更不明智。笔者认为企业应当充分考虑客户安全，绝不压缩关键工序时间，通过科学安排减少工序流转时间、交接时间、派工时间和待工待料时间，优化工作组合，提高工时利用率，严格执行安全操作规程，避免返工。企业主急功近利势必导致其企业生命周期短暂。客户满意，企业才能拥有较为稳定的市场份额;让客户更加满意，企业才能在竞争中不断发展。客户满意度是绩效管理的重要指标之一。

2.反映汽车售后服务绩效的财务指标

汽车售后服务绩效主要的财务指标可由关键绩效指标(KPI)反映。确定KPI首先应当作企业内外部环境分析。影响和制约汽车售后服务绩效内部因素主要有：硬件、软件、技术力量和制度。

(1)硬件和软件。改进硬件和软件的配置通常可以提高工作效率、改善企业形象。软硬件投资既需要一次投入大量资本，还需要大笔后续费用，如硬件维修和保养，软件调试、改进和维护。因此，投入前须做投入产出分析，根据市场规模、市场潜力、竞争形势、消费水平，立足现在着眼未来，合理配备相关软硬件件，适时升级软硬件。

(2)技术力量。据调查，国内汽车售后服务业不仅从业人员总体水平不高，且技术人员流动过于频繁，给企业造成很大压力。我们建议从以下几个方面改善这种状况：引进、培养技术人员，形成技术补充梯队;建立以技术水平和敬业精神为主要依据的技术职务聘任制，对技术人员的能力予以科学评定;合理薪酬;科学实施对技术人员的绩效管理;技术部门管理规范化。

(3)制度。国内汽车售后服务企业的管理制度不善主要有两种：一是制度不健全，二是制度流于形式、可行性差。制度本身并非绩效的动力，但针对性强、可行性佳的制度对经营绩效无疑具有强大推动作用，相反则成为绩效低下原因、绩效提升障碍。

通过分析影响和制约汽车售后服务绩效的外部因素：行业状况、区域经济状况、政策环境和法律环境，确定企业的相对最优规模。加拿大的综合汽车维修企业模式与中国十分相似，但规模却远远比国内小，拥有三四十名员工的汽车维修企业在加拿大就算很大了，其规模控制值得借鉴。

汽车售后服务 企业战略 目标一般是实现本年度利润稳步增长、维持或扩大市场占有率。以4S品牌店为例，用鱼骨图分析KPI可得：售后服务给企业带来的利润=售后服务产值-成本-费用。

五、基于客户满意度和财务指标的多维绩效评价模型

汽车售后服务绩效是基于企业的软硬件基础、现有技术力量、管理制度，通过利润驱动和市场驱动，在组织内各成员共同努力下达成。其中，市场驱动可以用客户满意度来描述。

综上，可构建如下模型：汽车售后服务绩效=利润水平×客户满意度×(软件+硬件+技术力量)×制度。其中，利润水平=(售后服务产值-成本-费用)/预期利润。

客户满意度取值为：客户满意的服务占服务总数的比例。

参考文献:

[1]徐世庆:亟待量化的汽车售后服务[J].企业研究，2005(5)

[2]李立国程森成:绩效目标与绩效标准对比分析[J].科技与管理，2005(1)

《 汽车售后服务质量的博弈分析 》

【摘要】 伴随着我国汽车销量的迅速增长，汽车的售后服务质量却呈下降趋势。针对这一现状，本文得出了汽车售后服务质量陷入了纳什均衡的结论，并指出解决低质量售后服务困境的最有效方法就是政府出台相关政策，提高汽车售后服务质量标准。

【关键词】 汽车 纳什均衡 售后服务质量

一、汽车售后服务问题日益凸显

在2011年初凤凰网汽车频道进行的一项调查中，89%的被调查者表示对汽车售后服务不满意。随着汽车保有量和销售量的不断快速增加，汽车售后服务问题渐渐凸显出来。

从法律方面看，汽车售后服务不能令消费者满意主要是因为国家缺乏保护消费者权益的法律法规。早在2006年就出现了“汽车不是消费品”事件：一位消费者在起诉经销商的案件中败诉，法院给出的依据是汽车不是生活消费品，不适用于消费者权益保护法。时至今日，汽车仍然没有实行“三包”服务。

从经济利益方面看，现阶段汽车售后服务质量水平不高，但汽车售后服务市场的潜力巨大，售后服务是各个企业都必须高度重视的一个领域。在汽车产品销售利润逐渐萎缩的情况下，售后服务将成为企业利润的重要来源。宋晓冰(2006)指出：“相关统计资料显示，在一个完全成熟的国际化汽车市场，汽车的销售利润约占整个汽车业的20%，零部件供应利润约占20%，而60%的利润是在售后服务领域中产生。与汽车工业发达国家相比，我国汽车售后服务业比汽车产业更加幼稚，发展水平更低。”

售后服务本身也是企业获取竞争优势的有力武器，最典型的案例非海尔莫属。在海尔创业时期，电视机是“三大件”之首，买一台电视机需要四五千元，相当于一个家庭的年收入，其地位与今天的汽车是非常相似的。在没有明显的技术和品牌优势的情况下，海尔靠优质的售后服务取得了消费者的认可，成为世界名牌。通过提高售后服务质量，汽车企业可以减少消费者购买时的不确定性，增加产品的竞争力。

针对上述问题，本文将探析汽车企业为什么没有主动提高售后服务质量，争取竞争优势和巨额利润的经济原因。

二、汽车售后服务质量的博弈分析

1、分析假设

假设有两个企业：领导者和追随者，可以将上海大众等合资企业视为领导者，奇瑞等自主品牌企业视为追随者，这两个企业在汽车市场中展开竞争。假设两个企业追求的目标是短期利润最大化，并且初始情况下领导者的销量与追随者的销量相等。

领导者的产品质量水平好于追随者，并且价格也高于追随者。在初始时刻，领导者和追随者的售后服务质量都是低水平的。在我国汽车企业的经营管理水平都较低的情况下，必然只能提供低水平的售后服务。领导者和追随者都可以选择通过增加成本向消费者提供高水平的售后服务。这样，售后服务质量的高与低就构成了汽车企业的战略选择集。

假设在其他条件相同的情况下，消费者愿意为售后服务更好的产品出更高的价格，但由于我国大部分的消费者都是第一次购买汽车，他们没有使用汽车的 经验 ，因而无法判断出汽车企业售后服务质量的高低，也不能感受到售后服务质量的提高，只有经过长期经验的积累，消费者才能切实了解和感受到售后服务质量并提高自己的保留价格。售后服务质量的提高具有两个标准：其一是客观标准，即车企售后服务质量的真实水平，其二是消费者的主观感受。消费者明显地感受到售后服务质量的提升往往需要很长时间。

2、博弈分析过程

纳什均衡是博弈论的核心概念，它是指这样一种均衡状态：每个博弈的参与人，都在其他参与人战略给定的条件下，选择了他认为最优的战略。

根据纳什均衡的定义，只需要满足两个条件，领导者与追随者均选择保持低质量的售后服务就是一个纳什均衡。这两个条件分别是：第一，在追随者不选择提高售后服务质量的情况下，领导者也会选择不提高售后服务质量;第二，在领导者不选择提高售后服务质量的情况下，追随者也会选择不提高售后服务质量。当以上两个条件同时成立时，市场达到纳什均衡状态，各个企业没有改变现状的激励。

首先需要讨论的问题是第一个条件是否成立。给定追随者选择保持低质量的售后服务，领导者有两种选择：提高售后服务质量和保持低质量的售后服务。如果领导者提高售后服务质量，消费者无法立即感受到其服务水平的变化，因而领导者还必须保持原来的价格不变。但由于售后服务质量的提高，使得领导者的成本提高，领导者的利润将会在短期内下降。而在长期看来，领导者的价格和售后服务质量同时提高后，并没有在性价比方面有所提升，反而会因为价格提高而失去部分消费者。由此可以得出结论：提高售后服务质量对于领导者而言是不利的，领导者没有提高售后服务质量的激励，即第一个条件是成立的。

接下来要讨论第二个条件是否成立。给定领导者选择保持低质量的售后服务，追随者有两种选择，提高售后服务质量和保持低质量的售后服务。追随者选择低质量的售后服务时市场保持初始状态。

在追随者选择提高售后服务质量而领导者保持低质量售后服务的情形下，追随者将会面临一系列不确定性，导致其利润下降。使得追随者可能遭受损失的情况大致有以下情形。

第一，追随者的利润水平低，增加售后服务质量的成本较高，可能导致追随者亏损。虽然乘用车行业整体利润水平较高，但自主品牌企业等的产品价格较低，利润水平也较低。“据有关研究表明，自主品牌与合资品牌的品牌差价十分明显，A00级为30%，A0级为25%，A级为25%，B级为50%”。2009年的相关研究表明，自主品牌的汽车企业利润率大约在5%左右，而合资品牌的车企利润率能够达到10%。当追随者提高产品售后服务质量之后，其售后服务成本也必然随之上升。如果追随者的销售价格和销量没有变化，增加的售后服务成本将减少追随者的利润水平，甚至使追随者出现亏损。

第二，追随者的保有量不断增大，使得增加售后服务成本高。随着时间的推移，追随者的保有量不断增加。2007年8月22日，奇瑞汽车第100万辆车下线。这也意味着奇瑞汽车的保有量达到了100万级别。汽车企业宣布提高售后服务质量，就意味着要对这上百万的用户同等地提供更高质量的售后服务。如果每年花在每个用户的售后服务时间增加1个小时，每个售后服务人员每年工作时间为2000个小时，那么汽车企业需要增加5000个员工。假设每个员工的年工资为5万元，只是员工工资的开支增加就高达亿元。

而自主品牌企业作为行业的追随者，错失了一个重大的机遇。即在21世纪之初的几年，在汽车的利润率较高的几年时间里，在自身的保有量并不高的情况下，用高质量的售后服务赢得市场认可的机会。由于盲目追求规模，迅速增加的市场需求使得自主品牌企业忽视了售后服务质量问题。因为对行业和产品本质问题缺乏深刻的认识，自主品牌企业并没有抓住这难得的机遇。而当保有量已经达到百万级别之时，当汽车已经变成微利产品之时，当消费者已经对自主品牌的产品质量、售后服务质量失去信心之时，再去提高售后服务质量显然要付出巨大的代价，甚至变得根本不可行。

第三，消费者可能要在多个时期后才能感觉到追随者售后服务质量的提高并且增加对追随者产品的购买量。而在这之前，追随者要忍受售后服务成本的提高和销量不变的境遇。而如果领导者采取“浑水摸鱼”的策略，追随者的情况可能变得更差。领导者在追随者提高售后服务质量时，可能也向消费者发布信息，声称提高自身的售后服务质量，但实际上并不采取任何行动。当消费者或相关媒体观察到领导者的实际情况时，也会自然地认为追随者提高售后服务质量的承诺也是空话。因此，追随者提高售后服务质量的努力很大程度上被抹杀了。

第四，当追随者提高售后服务质量之后，如果领导者采取降低产品价格的还击策略，追随者将面临产品价格下降、产品销量下降、售后服务成本提高等三重困难。在追随者提高售后服务质量之后，消费者增加对追随者产品的购买之前，领导者会降低自身的产品价格。因为价格信号非常明确，易于观察，消费者会立即改变自身的购买决定，转而购买领导者的产品。追随者的销量将会出现下降，利润将进一步被压缩。提高售后服务质量的代价过高，迫使追随者放弃提高售后服务质量的承诺，又回到初始的状态。

第五，快速增加的消费者需求可能使得追随者无心提高产品质量。从2001年以来，我国的乘用车行业一直处于快速增长的态势。2001年，乘用车销量为127万辆，2007年达到630万辆。快速增长的销量会将企业的注意力吸引到如何安排产能、生产更多的产品上，也会让企业觉得消费者对产品质量和售后服务质量的要求产生错觉。

第六，企业规模经济的错误认识使得追随者要先追求销量目标。关于规模经济问题，各方普遍的共识是汽车行业是一个具有明显规模经济的行业。如果产量达不到一定的规模，通常认为是15万辆或30万辆，企业将无法在行业内立足。在这种思想的指导下，新进入行业的企业都力求快速增加销量，争取早日达到规模经济的门槛。

第七，售后服务人员严重匮乏，售后服务质量提高的人力资源条件不具备。提高售后服务质量需要大量的售后服务人员。目前全国4S店的数量达到六七千家，而且还在不断地增加。每家4S店的员工人数大约为50至100人。此外，还有大量的汽车维修店需要各种人员。近几年来，汽车制造商、4S店、汽车 修理 厂等广义的汽车行业规模迅速扩大，但人才培养规模不能适应这种变化，结果导致汽车行业的人才缺乏，从业人员的素质普遍不高。

因此，给定领导者选择保持低质量的售后服务，追随者也将选择保持低质量的售后服务，第二个条件成立。而两个条件都成立证明领导者和追随者都保持低质量的售后服务构成一个纳什均衡。

三、解决低质量售后服务问题的对策

通过以上的分析，可以得出结论：市场中的各种企业都提供低质量的售后服务构成一个纳什均衡。纳什均衡具有稳定性，在外部条件不变的情况下，企业将维持现状不变。

解决这个低质量售后服务问题的最有效的办法就是政府出台售后服务标准，强制提高售后服务质量。 政策法规 的强制性使得领导者和追随者都不得不提高产品的售后服务质量。这样低售后服务质量的纳什均衡就会自然地瓦解。政策法规的出台及企业提高售后服务质量的行动将会很快地使消费者受益，从而提高市场绩效。

【参考文献】

[1] 邱灿：售服：高飙低走为哪般[J].汽车观察，2006(5).

[2] 宋晓波：我国轿车售后服务体系的发展研究[J].上海汽车，2006(5).

[3] 雷林松：关于轿车市场自主品牌份额下滑的思考[J].汽车工业研究，2008(12).

有关汽车售后服务管理研究论文推荐：

1. 关于售后服务管理论文

2. 浅谈汽车服务管理论文

3. 2016汽车维修企业管理论文

4. 有关汽车维修毕业论文范文

5. 有关汽车服务营销论文

6. 有关汽车服务与营销论文