[发明专利]基于AHP和熵权法结合赋权的客户评分系统

权利要求书

1.一种基于AHP和熵权法结合赋权的客户评分系统，其特征在于包括：

指标设计模块，用于统计输入月总体业务量、月项目覆盖量、客户合作时长、客户满意度和业务趋势的数据；

指标数据标准化模块，采用min-max标准化模式将指标设计模块中统计的指标数据进行标准化处理；

评价算法模块，采用AHP层次分析法与熵权法进行结合赋权的算法进行赋权，并基于权重对进行标准化处理后的指标值进行加权求和，得到最终的评价得分模型。

2.如权利要求1所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，所述指标设计模块中：

月总体业务量为客户当月上送的病理例数，用于体现当前客户的活跃度，为正向指标，越大越好；

月项目覆盖量为客户当月送检项目的种类数，用于体现客户当前合作深度，为正向指标，越大越好；

客户合作时长为客户合作的月份数，客户合作越久，客户黏性越高，用于体现客户关系紧密度，为正向指标，越大越好；

客户满意度为客户满意度，从报告时长来侧面衬托，用于体现客户期望的匹配度，报告时长为负向指标，越小越好；

业务趋势为客户近3个月月均业务量/客户近12个月均业务量，用于反映客户的价值潜力，为正向指标，越大越好，对于业务合作3个月以内的客户，该指标默认为1。

3.如权利要求1所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，将各个指标的数据进行标准化处理的方式如下：

假设给定了k个指标X₁,X₂，……，X_k，其中X_i＝{x₁,x₂,...,x_n}，

假设对各指标数据标准化后的值为Y₁,Y₂,...,Y_k，

那么对于正向指标标准化的公式如下：

那么对于负向指标标准化的公式如下：

所有的指标值标准化后均在[0,1]范围内，其中max(x_i)表示x_i指标所有客户数据的最大值，min(x_i)表示x_i指标所有客户数据的最小值，x_ij表示x_i指标的第j项客户的数据值。

4.如权利要求1所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，采用AHP层次分析法与熵权法进行结合赋权的算法进行赋权的方式如下：

S31、构建因素比对矩阵，两两相互比较，采用相对尺度，按其重要性程度评定等级；

S32、矩阵一致性检验，设定n阶一致阵的唯一非零特征根为n；n阶正互反阵A的最大特征根λ≧n，当且仅当λ＝n时，A为一致矩阵，一致性指标用CI计算，CI越小，说明一致性越大，用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大，用λ-n数值的大小来衡量A的不一致程度，定义一致性指标为：

CI＝0，有完全的一致性；CI接近于0，有满意的一致性；CI越大，不一致越严重；

S33、求各指标的信息熵，根据信息论中信息熵的定义，一组数据的信息熵

其中

如果

p_ij＝0，则定义

S34、确定各指标权重，根据信息熵的计算公式，计算出各个指标的信息熵为E₁,E₂,...,E_k，

通过信息熵计算各指标的权重：

S35、基于AHP层次分析法和熵权法得到的权重得到组合权重。

5.如权利要求4所述的基于AHP和熵权法结合赋权的客户评分系统，其特征在于，S32中为了衡量CI的大小，引入随机一致性指标RI：

其中，随机一致性指标RI和判断矩阵的阶数有关，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，将CI和随机一致性指标RI进行比较，得出检验系数CR，公式如下：

如果CR0.1，则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。