[发明专利]综合消费者品牌偏好的修正哈弗模型

说明书

技术领域

本发明涉及商业选址分析技术领域，特别涉及综合消费者品牌偏好的修正哈弗模型。

背景技术

随着市场经济体制的不断完善和市场竞争的日益激烈，零售商业选址分析显得尤为重要。目前，哈弗模型是经常使用的一种算法，主要依据卖场引力和距离阻力这两个因素来进行分析。运用哈弗模型能求出从居住地去特定商业设施的出行概率，预测商业设施的销售额，评价商业集聚的集客能力，从而得知商圈结构及竞争关系会发生怎样的变化。然而，哈弗模型有一定的局限性，卖场引力不易确定。在修正的哈弗模型中，用商店的规模代替卖场引力，公式表示为                                                ,其中，代表j商店的面积，代表距离阻力，μ和λ是参变量。此模型便于计算，但忽略了影响卖场引力的其他因素。布莱克对模型进行了改进，提出了多因素的吸引力模型，；但布莱克模型仅限于理论模型，实际运用中很难确定和量化吸引要素和阻碍要素。

因此，商业选址分析技术领域急需一种采用问卷调查、网上调查的方法，搜集消费者对于店铺好感度的调查数据，定量化数据，明确吸引因素和阻碍因素，提高了吸引力计算的准确性，更加实用、系统、简洁的综合消费者品牌偏好的修正哈弗模型。

发明内容

本发明提供了综合消费者品牌偏好的修正哈弗模型，技术方案如下：

综合消费者品牌偏好的修正哈弗模型，构建过程包括如下步骤：

步骤一，采用层次分析法量化消费者对店铺的好感度和店铺规模一起作为吸引要素；对于阻碍因素，采用顾客到商业设施的距离平方计算；

步骤二，请消费者填写问卷调查，针对某个商店的好感度进行评价，删除不合格的调查问卷；

步骤三，针对剩余的合格调查问卷，确定要素重要度的权重和每个店铺在各好感度因素指标的权重，进而计算出每个店铺的好感度指数F；

步骤四，根据每个店铺的好感度指数F，计算出每个店铺的好感度评价指标L；

步骤五，根据店铺规模和好感度评价指标，得出店铺好感度修正哈弗模型；

根据店铺规模和店铺好感度评价指标L作为吸引要素，以顾客到商业设施的距离K的平方作为阻碍因素，修正哈佛模型为：

  ；

其中，代表第n家店铺的修正哈弗模型，代表第n家店铺的面积，店铺规模用面积表示，代表第n家店铺的好感度评价指标，代表顾客到第n家店铺的距离。

优选的，在上述综合消费者品牌偏好的修正哈弗模型中，步骤一中用层次分析法量化店铺的好感度，影响店铺好感度因素的指标分别为产品质量、使用效果、产品价格、社会名声、售后服务。

优选的，在上述综合消费者品牌偏好的修正哈弗模型中，步骤二请消费者填写问卷调查，针对某个商店的好感度进行评价，再删除不合格的调查问卷的具体步骤如下：

首先，通过请消费者填写问卷调查，针对某个商店的好感度进行评价；

进一步地，每个被调查者对统一好感度因素进行指标的重要性比较，结果为相同、稍微重要、重要、明显重要、绝对重要；

进一步地，针对某一具体好感度因素的指标，请用户进行多个店铺之间的评价比较；

进一步地，当调查问卷填写完毕后，剔除不合格的调查问卷。

优选的，在上述综合消费者品牌偏好的修正哈弗模型中，步骤二中计算每个店铺的好感度指数的具体步骤如下：

首先，针对剩余的合格调查问卷，确定要素重要度的权重矩阵W；

进一步地，根据调查问卷确定在同一个因素上每个店铺的比较矩阵M；

进一步地，根据权重矩阵W和比较矩阵M，计算出店铺的好感度指数F。

优选的，在上述综合消费者品牌偏好的修正哈弗模型中，确定要素重要度的权重矩阵W的具体步骤如下：

a，根据实际的调查经验，约定各指标之间的重要性对比的量化取值；

b，根据调查问卷中消费者好感度因素的指标重要性的选择，建立两两因素的判断矩阵，即要素重要度的权重矩阵W，具体如表一：

表一   要素重要度的权重矩阵W

其中，Aij表示第i行的因素相比于第j列的因素的重要性，i=1~5，j=1~5，并且Aii=1,Aij=1/Aji的性质；