Computer Engineering and Applications计算机工程与应用2016，52（11）
微信作为一款即时通讯软件，通过网络快速发送语
音短信、视频、图片和文字，支持多人群聊、实时对讲的
手机聊天软件，自从推出，由于其软件本身完全免费而
迅速被普及。为此，许多企业开始涉足微信营销。微信
虽然具备营销的功能，但要将微信打造成直接的产品销
售平台，成为移动电子商务的载体，则需要更深入和更
细致的细节打造。微信作为交友平台，具备便捷、精准、
范围等优势。但作为销售平台显然在产品展示方面，受
到了手机屏幕尺寸和好友数量的制约[1-3]。
通过微信平台进行产品销售，有个人平台销售和企
基于集成赋权的微信营销效果模糊综合评价
张文宇，王 磊
ZHANG Wenyu, WANG Lei
西安邮电大学，西安 710061
Xi’an University of Posts and Telecommunications, Xi’an 710061, China
ZHANG Wenyu, WANG Lei. Fuzzy comprehensive evaluation based on integrated enduing coefficients to assess
wechat marketing effect. Computer Engineering and Applications, 2016, 52（11）：68-76.
Abstract：This paper establishes a multilevel fuzzy comprehensive evaluation model which uses the integrated enduing
coefficients to determine the weights of the indexes of the enterprise wechat marketing effect, in order to objectively eval-
uate the wechat marketing effect and provide the basis for the enterprise to summarize the marketing situation and adjust
the marketing strategy. This paper first summarizes and layers the wechat marketing effect factor by the analytic hierarchy
process model, then uses the double point entropy method for improved multi index weight processing to obtain the objec-
tive weighted value, then evaluates micro channel marketing effect by using the improved fuzzy multi-level evaluation
model, and analyzes 5 micro shop marketing effect in the wechat at last. The results show that the wechat marketing effect
evaluation model which determines the index weight method based on entropy weight and Delphi method has overcome
the process influenced by human factors issues. The improved comprehensive evaluation fuzzy model not only evaluates
the wechat marketing effect, but also can reflect the influence of various factors on the results of the evaluation. It also
reflects the importance of professional advice. It makes the evaluation results more tally with the actual situation through
combining expert opinion and actual data mining.
Key words：wechat marketing effect; evaluation system; integrated enduing coefficients; fuzzy evaluation
摘 要：为了客观地评价微信营销效果，进而为企业总结营销状况、调整营销策略提供依据，提出了运用熵值集成赋
权确定指标权重的微信营销效果模糊多级综合评价模型。首先以层次分析模型为基础对微信营销效果的影响因子
进行总结并分层，再运用双基点熵权法改进多级指标权重的处理过程，从而得到客观的赋权值，并与Delphi法结合
集成赋权确定最终权重，进而运用改进的模糊多级评价模型对微信营销效果进行综合评价，最后对 5家微店的微信
营销效果做了实证分析。实证应用结果表明基于熵值理论的集成赋权法，不仅克服了现阶段评价方法存在指标赋
权过程受人为因素影响较大的缺点，也体现了专业意见的重要性。改进的模糊综合评价模型结合专家意见和实际
数据挖掘，评价结果更符合实际情况。
关键词：微信营销效果；评价体系；集成赋权；模糊评价
文献标志码：A 中图分类号：C931 doi：
基金项目：国家自然科学基金（）。
作者简介：张文宇（1973—），女，博士，教授，主要研究方向：智能决策、数据挖掘、知识发现；王磊（1990—），男，研究生，研究方向：
项目管理。
收稿日期：2015-07-10 修回日期：2015-10-13 文章编号：1002-8331（2016）11-0068-09
CNKI网络优先出版：2015-10-16,
68
2016，52（11）
业平台销售两种方式[4-7]。个人销售相对比较简单，直接
建立个人微信账号，然后每天上传一张或几张产品图
片，并附带产品说明即可。因为保持每天的产品图片分
享，就可以让所有好友每天都通过查看“好友更新”，看
到产品的信息。而对于企业销售，则是建立企业微信平
台。不论是企业还是个人，要通过微信销售产品，都要
做到详细精美的产品展、精准定位的信息推送及丰富的
趣味推广活动等方面。那么，如何准确地评价微信营销
的效果，使商家能够及时正确地修改营销策略以获得最
佳的营销效果，成为很多微商重点关注的问题。
一般的营销效果评价方法中主要以产品销售量来
衡量营销效果 [8-9]，受市场浮动影响较大，评价结果往往
也差强人意。本文为弥补以往营销效果评价方法的不
足，在熵值理论的基础上提出集成赋权的微信营销效果
模糊综合评价方法，建立了详尽的评价指标体系，并用
模糊评价模型对数据进行处理。相对于以往的营销效
果评价方法而言，评价结果更客观。
1 模糊综合评价模型概述
模糊综合评价法概述
模糊综合评价法[10-13]是一种基于模糊数学的综合评
标方法。该综合评价法根据模糊数学的隶属度理论把
定性评价转化为定量评价，即用模糊数学对受到多种因
素制约的事物或对象做出一个总体的评价。由于微信
营销效果的评价中大多数因素是基于消费者的主观感
受，是一些模糊信息，因此微信营销效果的评价具有模
糊性。采用模糊综合评价方法来分析微信营销效果是
可行的方法。
评价步骤
（1）确定评价指标集和评价域
p 个评价指标，指标集 u ={u1,u2,…,up}；评价域
v ={v1,v2,…,vn}，即等级集合。每一个等级可对应一个
模糊子集。
（2）建立模糊关系矩阵 R
在构造了等级模糊子集后，要逐个对被评事物从每
个因素 ui(i = 1,2,…,p)上进行量化，即确定从单因素
来看被评事物对等级模糊子集的隶属度 (R|ui)，进而得
到模糊关系矩阵：
R =
é
ë
ê
ê
ê
êê
ê
ê
ê
ù
û
ú
ú
ú
úú
ú
ú
ú
R|u1
R|u2
…
R|up
=
é
ë
ê
ê
êêê
ê
ù
û
ú
ú
úúú
ú
r11 r12 … r1m
r21 r22 … r2m
… … …
rp1 rp1 … rpm
p ×m
矩阵 R中第 i行第 j列元素 rij，表示某个被评事物从因
素 ui 来看对 vj 等级模糊子集的隶属度。一个被评事物
在某个因素 ui 方面的表现，是通过模糊向量 (R|ui) =
(ri1,ri2,…,rim)来刻画的。
（3）确定评价因素的权向量
在模糊综合评价中，确定评价因素的权向量：W =
(a1,a2,…,ap)。权向量W 中的元素 ai 本质上是因素 ui
对模糊子集（被评事物重要的因素）的隶属度，并在合成
运算前对权系数归一化处理，即：∑
i = 1
p
ai = 1，ai ≥ 0 ，
i = 1,2,…,p。
（4）合成模糊综合评价结果向量
利用合适的算子将W 与各被评事物的 R 进行合
成，得到各被评事物的模糊综合评价结果向量 B。即
W 。R = (a1,a2,…,ap)
é
ë
ê
ê
êêê
ê
ù
û
ú
ú
úúú
ú
r11 r12 … r1m
r21 r22 … r2m
… … …
rp1 rp1 … rpm
=
(b1,b2,…,bm) =B
其中 bj 是由W 与 R的第 j列运算得到的，它表示被评
事物从整体上看对 vj等级模糊子集的隶属程度。
（5）对模糊综合评价结果向量进行分析
实际中最常用的方法是最大隶属度原则，但在某些
情况下使用会有些很勉强，损失信息很多，甚至得出不
合理的评价结果。提出使用加权平均求隶属等级的方
法，对于多个被评事物并可以依据其等级位置进行排序。
2 建立微信营销效果评价指标体系
微信营销效果评价的多层次性使得营销效果具有
模糊性，模糊数学中的多级模糊综合评价为营销效果的
测定提供了有效的评价途径。运用多级模糊综合评价
模型测定营销效果，关键在于设计微信营销效果综合评
价的指标体系和确定各评价指标权重。
微信营销效果综合评价指标体系
本文通过查阅相关资料及网络问卷发现微信营销
主要有个人微信账号推广和公众号推广两种途径。
个人微信账号推广主要体现在地域优势上，营销者
可以通过微信功能“附近的人”来定位添加好友的范围，
定点推送营销信息。微信中的“朋友圈”及“漂流瓶”等
功能是推送商品信息、拓展客户量的主要途径。对于个
人微信推广而言，账号使用的地域性、好友数量、发布营
销信息的频率及内容，及与客户的交流情况都会对营销
效果产生一定的影响。
公众号推广在推广群体的数量上有较大的优势，目
前推广所使用的微信公众号有服务号与订阅号两种，中
小型微店大多使用订阅号进行营销推广。针对订阅号
的推广，本文查阅相关资料及相关调研后发现粉丝的情
况和订阅信息的质量对公众号推广的影响较大；其次，
商家与用户的互动、用户对商品的关注度、营销活动状
况、交易情况等也对微信公众号推广效果有显著的影响。
张文宇，王 磊：基于集成赋权的微信营销效果模糊综合评价 69
Computer Engineering and Applications计算机工程与应用2016，52（11）
基于以上两种途径的相关信息，运用层次分析法分
三级建立如下微信营销效果综合评价的指标体系 [14-21]，
除三级指标中的取消关注的人数和退货量为负向指标
外，其他指标均为正向指标，具体见表 1。
确定各评价指标权重
目前用于确定指标权重的方法有很多，最常用的是
Delphi法（专家调查法），但是由于Delphi法在指标的赋
权过程中受人为因素影响较大，本文将综合考虑Delphi
法和熵权法集成赋权确定指标权重。熵权法[22-23]是一种
客观的赋权方法，它利用各指标的熵值所提供的信息量
的大小来决定指标权重，避免了各评价指标权重的人为
因素干扰，使评价结果更符合实际。集成赋权的方法在
保留实际数据的结果上，也注重专家意见对评价过程的
重要参考价值，具体赋权过程见 节相关描述。
3 微信营销效果改进模糊评价模型的建立
对于微信营销这一新兴营销模式，传统的模糊评价
模型并不能很好地评价其营销效果。基于传统模糊评
价方法，本文对模糊评价模型做了以下几点改进：
（1）隶属度的确定
以往的模糊评价模型中隶属度是数据在各指标分
级下的隶属程度，显然这种定义是不适用于微信营销效
果评价的。本文以指标下的最大值（负向指标为最小
值）为最优，最小值（负向指标为最大值）为最差，基于此
规则确定隶属度函数，具体详见 节。
（2）指标赋权
传统模糊评价方法中指标权值的确定一般采用层
次分析法和专家打分法，这些方法的主观性较强，无法
准确给出客观的赋值。本文针对这些缺点对赋权过程
进行改进，将熵权理念应用于加权过程中，结合熵权法
和Delphi法集成赋权确定指标权重，克服了现阶段评价
方法存在指标赋权过程受人为因素影响较大和专家意
见缺失的问题。赋权过程详见 节。
确定隶属度
设 U ={u1,u2,…,um}为因素集，在本文中特指各评
价指标，V ={v1,v2,…,vn}为评判集，本文中指微信营销
的月数据，模糊关系用 R
~
表示，u与 v 所具有的模糊关
系的程度记为 u R
~
(ui,vj) = rij∈[0,1]。首先分析因素集中
的某个单因素 ui ，从 ui 着眼该事物对评判等级 vj 的隶
属度为 rij ，这样就得出第 i 个因素 ui 的单因素评判集
为：ri = (ri1,ri2,…,rin)。
这样，全部 m 个因素的评价集就构造出一个总的
评判矩阵 R
~
，即每一个被评价对象确定了从 U 到 V 的
模糊关系 R：
目标层
微信营销效果 R
一级指标
个人微信账号推广 R1
公众号推广 R2
二级指标
账号情况 R11
账号使用情况 R12
信息发布情况 R13
好友互动情况 R14
粉丝情况 R21
公众号关注情况 R22
订阅信息发布情况 R23
用户互动情况 R24
用户对商品的关注程度 R25
交易情况 R26
三级指标
推广账号数量 R111
账号好友数量 R112
微信在线时长 R121
好友增加数量 R122
优质图文信息发布量 R131
商品信息发布量 R132
信息点击总量 R133
1对 1交流次数 R141
信息转发或分享次数 R142
购买商品的好友数 R143
粉丝数量 R211
粉丝中电商消费群体（16~42岁）量 R212
粉丝增加量 R221
公众号信息查阅总数 R222
取消关注的人数 R223
优质内容发布量 R231
营销信息发布量 R232
活动信息发布量 R233
自动回复信息数 R241
1对 1咨询次数 R24 2
发布信息被收藏次数 R243
咨询商品的人数 R251
营销信息点击量 R252
商品销售量 R261
退货量 R262
表 1 微信营销效果综合评价的指标体系
70
2016，52（11）
R
~
= (rij)m × n =
é
ë
ê
ê
êêê
ê
ù
û
ú
ú
úúú
ú
r11 r12 ... r1n
r21 r22 ... r2n
… … …
rm1 rm2 ... rmn
其中，rij表示因素 ui能被评为 vj的隶属度，其值通过隶
属函数计算，因为评价指标分为正向指标和逆向指标，
不同的指标类型所采用的隶属函数是不同的，正向指标
的隶属函数如式（1）所示：
rij =
ì
í
î
ïï
ïï
0,xij ≤min(xj)
xij -min(xj)
max(xj) -min(xj),min(xj)< xij <max(xj)
1,xij ≥max(xj)
（1）
逆向指标的隶属函数如式（2）所示：
rij =
ì
í
î
ïï
ïï
1,xij ≤min(xj)
1 - xij -min(xj)
max(xj) -min(xj),min(xj)< xij <max(xj)
0,xij ≥max(xj)
（2）
其中，xij 为店 i 的指标 j 评价得分；min(xj),max(xj)分
别表示指标 j评价得分的最小值和最大值。根据式（1）、
（2）可以计算得到评判矩阵 R
~
。
评价指标数据加权处理
专家意见确定权重
本文采用Delphi法对“很明显、较明显、一般、不明
显、很不明显”五个等级分别赋予 10分、8分、6分、4分、2
分，邀请相关专家对指标的影响能力进行打分，并对调
查数据进行处理，计算指标得分权重，进一步归一处理
得出权值。得分权重计算公式如下：
wi =
∑
i = 1
m
Si
10m
其中 m为专家的人数。
归一化处理后到指标权重为：
Wi =
wi
∑
i = 1
k
wi
其中 k 为指标数。
熵值理论加权处理
若单一使用 Delphi法进行加权，主观因素影响较
大，所以本文用熵值双基点法[24-28]对指标数据进行处理，
进而得到较为客观的指标权重。具体数据处理步骤如下：
（1）用功效系数法按式（3）对表 2的数据进行标准
化处理：
Yij =
Xij - Xmin( j)
Xmax( j) - Xmin( j) α + (1 - α) （3）
其中 Xmax( j) =max(X1j,X2j,…,Xmj)，即列最大值，0 < α < 1，
α 的取值大小决定了功效范围的大小，在本文中可取
α = 。
通过对数据标准化处理，在不同量纲的数据之间建
立起相互比较的基础。
（2）计算熵值
用 eij表示熵值，则熵值的计算公式可表示为：
ej = 1
(ln m)∑
i = 1
m
Yij
[(ln∑
i = 1
m
Yij)∑
i = 1
m
Yij - ∑
i = 1
m
Yij ln Yij] （4）
（3）计算熵权
用Wj表示熵权，熵权公式为：
Wj =
1 - ej
∑
j = 1
n
(1 - ej)
（5）
（4）确定双基点（理想点与反理想点）
记理想点为：p+ = (y+1,y+2,…,y+n)，y+j ( j = 1,2,…,n)
由下述原则确定：当 j∈ I1时，y+j =max{y1j,y2j,…,ymj}；
当 j∈ I2时，y+j =min{y1j,y2j,…,ymj}；当 j∈ I3时，y+j = γ j。
其中 I1为效益型指标（即数值越大越好的指标）下标的
集合；I2 为成本型指标（即数值越小越好的指标）下标
的集合；I3为固定型指标（即数值越接近某一固定数值
越好的指标）下标的集合。
记反理想点为：p- = (y-1,y-2,…,y-n)，y-j ( j = 1,2,…,n)
由下述原则确定：当 j∈ I1时，y-j =min{y1j,y2j,…,ymj}；
当 j∈ I2时，y-j =max{y1j,y2j,…,ymj}；当 j∈ I3时，y-j = γ j。
其中 γ j使得：
|ykj - γ j| =max{|y1j - γ j|, |y2j - γ j|,…, |ymj - γ j|}
（5）计算指标到理想点 p+的距离 d +i (q)和到反理想
点 p-的距离 d -i (q)：
d +i (q) =[∑
j = 1
n
Wj|Yij - Y +j |q]
1
q ，q > 0
d -i (q) =[∑
j = 1
n
Wj|Yij - Y -j |q]
1
q ，q > 0
当 q = 1时得到加权的绝对距离：
d +i (q) = ∑
j = 1
n
Wj|Yij - Y +j |
d -i (q) = ∑
j = 1
n
Wj|Yij - Y -j |
（6）计算优属度
用 ui表示优属度，计算公式如下：
ui =
d -i (q)
d -i (q) + d +i (q)
（6）
（7）确定指标的权值
用 Ri表示第 i个指标的权值，权值计算公式如下：
Ri =
ui
∑
i = 1
m
ui
（7）
张文宇，王 磊：基于集成赋权的微信营销效果模糊综合评价 71
Computer Engineering and Applications计算机工程与应用2016，52（11）
集成赋权处理
pi,qi分别是指标 xi通过专家打分的到的权值和熵
值法计算所得到的权值，则集成赋权 [29-32]可以用以下两
个公式确定 wi：
wi = k1 pi + k2qi, i = 1,2,…,m （8）
wi = piqi /∑
i = 1
m
piqi, i = 1,2,…,m （9）
解得：
k1 =
∑
i = 1
m
pi xi
(∑
i = 1
m
pi xi)
2 + (∑
i = 1
m
qi xi)
2
k2 =
∑
i = 1
m
qi xi
(∑
i = 1
m
pi xi)
2 + (∑
i = 1
m
qi xi)
2
则有集成权值为 wi = k1 pi + k2qi。
考虑到上级指标下的同级指标权值之和为 1，所以
对集成权值归一化处理，公式如下：
Wi =
wi
∑
i = 1
m
wi
分层作综合评判
模糊合成的一般形式如式（10）所示：
B =W 。 R
~
（10）
本文中W 表示指标的权重向量，R
~
为相应指标所对应
的模糊评判矩阵中向量的集合。“ 。”为合成算子，本文
采用的合成算子为 M (•,+)。采用自下而上的计算方
法，先计算最底层的得分[32-37]。首先，利用前面所述的熵
权法计算各级指标的权重，设为Wi，然后按照式（11）计
算相应的 Bi：
Bi =Wi 。 R~ i （11）
其中，R
~ i
是各指标层所对应的评判矩阵，Bi 即是营销
效果的得分向量。
4 微信营销效果评价实证应用
数据来源
为了对微信营销效果进行综合评价，本文针对表 1
的评价体系中的一级和二级指标设计了“微信营销效果
调查表”，将底层指标对上层指标的正向影响（即促进作
用）分为“很明显、较明显、一般、不明显、很不明显”五个
等级对 100名网络对象进行了问卷调查，问卷调查的选
项统计结果如表 2所示。对 5家规模相近的微店营销一
个月的三级指标数据进行了统计，统计结果如表 3所示。
各级指标加权
专家打分赋权
以一级指标为例，通过专家打分赋权公式计算指标
权重：表 4即为专家对一级指标的影响程度评价情况统
计，对评价得分归一化处理后得到各一级指标的权值，
其他指标详细权重数据见表 5。
熵值理论加权过程
以二级指标的加权过程为例，按第 3章所述熵权赋
值步骤对表 2中的数据进行计算处理，得出二级指标的
熵权数据如表 6，表 7所示。
指标集成加权
为在客观熵值赋权的基础上，体现出专家意见在评
价过程中的重要性，综合考虑专家打分和熵值赋权的影
响，利用 节的集成赋值理论处理权值，具体数据处理
结果如表 5所示。
微信营销效果评价
由表 5 中计算所得的数据可知：W11 = ( 4,
6)；
由公式（1）、（2）可得：
R
~ 11
= éëê
ù
ûú
3 0 0 3 7
3 0 0 6 4
通过公式（11）计算可得到得分向量 B11 = ( 3,
0, 0, 5, 1)。
微信营销效果
一级指标对目标层的影响
二级指标对个人微信推广
效果值的影响
二级指标对公众号推广
效果值的影响
个人微信推广对微信营销效果的影响
企业公众号推广对微信营销效果的影响
账号情况对个人微信推广效果值的影响
账号使用情况对个人微信推广效果值的影响
好友互动情况个人微信推广效果值的影响
信息发布情况个人微信推广效果值的影响
粉丝对公众号推广效果值的影响
公众号关注情况对对公众号推广效果值的影响
订阅信息发布情况对对公众号推广效果值的影响
用户互动情况对对公众号推广效果值的影响
用户对商品的关注程度对公众号推广效果值的影响
交易情况对公众号推广效果值的影响
很明显
3
23
13
7
27
31
11
17
25
22
25
21
较明显
18
43
45
29
39
37
48
43
47
48
47
46
一般
45
21
27
37
16
18
28
32
23
24
24
25
不明显
27
10
11
24
10
10
10
6
4
4
3
6
很不明显
7
3
4
3
8
4
3
2
1
2
1
2
表 2 微信营销效果调查结果统计
72
2016，52（11）
二级指标
账号情况
账号使用情况
信息发布情况
好友互动情况
粉丝情况
公众号关注情况
订阅信息发布情况
用户互动情况
用户对商品的关注程度
交易情况
三级指标
推广账号数量/个
账号好友数量/人
微信在线时长/h
好友增加数量/人
优质图文信息发布量/条
商品信息发布量/条
信息点击总量/次
1对 1交流次数/次
信息转发或分享次数/次
购买商品的数量/件
粉丝数量/人
粉丝中电商消费群体/人
粉丝增加量/人
公众号信息查阅总数/次
取消关注的人数/人
优质内容发布量/条
营销信息发布量/条
活动信息发布量/条
自动回复信息数/条
1对 1咨询次数/次
发布信息被收藏次数/次
咨询商品的人数/人
营销信息点击量/次
商品销售量/件
退货量/件
店 1
3
1 000
430
100
180
30
2 300
600
700
120
1 800
1 600
200
270
90
80
25
3
2 000
600
1 000
400
2 500
300
70
店 2
2
700
370
70
130
28
1 500
330
415
100
2 150
1 780
270
343
60
54
18
2
2 520
670
1 300
430
3 100
270
23
店 3
5
1 600
870
110
310
73
3 970
780
1300
320
4 300
3 100
430
512
87
130
46
7
4 350
1 700
2 640
760
5 250
420
54
店 4
3
750
482
96
275
34
2 860
576
480
292
2 800
2 150
264
310
74
70
27
2
2 874
830
1 520
487
3 300
347
30
店 5
4
1 280
560
40
250
65
3 150
660
750
170
3 480
2 975
158
425
54
85
30
3
3 060
700
1 870
426
2 700
280
43
表 3 微店营销月数据统计表
微信营销效果
个人微信推广对微信营销效果的影响
企业公众号推广对微信营销效果的影响
很明显
（10分）
3
23
较明显
（8分）
18
43
一般
（6分）
45
21
不明显
（4分）
27
10
很不明显
（2分）
7
3
得分
566
746
权值
4
6
表 4 一级指标加权数据处理表
表 5 指标加权数据表
指标
R1
R2
R11
R12
R13
R14
R21
R22
R23
R24
R25
R26
R111
R112
R121
R122
R131
R132
R133
专家打分赋权
4
6
0
4
0
6
5
0
2
3
4
6
2
8
0
0
4
8
8
熵值赋权
6
4
6
2
9
3
5
0
2
5
4
4
4
6
1
9
9
1
0
集成赋权
5
5
9
7
7
8
5
5
2
4
4
0
3
7
1
0
1
9
9
指标
R141
R142
R143
R211
R212
R221
R222
R223
R231
R232
R233
R241
R24 2
R243
R251
R252
R261
R262
专家打分赋权
5
4
1
0
0
0
4
6
2
0
8
0
4
6
0
0
0
0
熵值赋权
9
8
3
4
6
4
0
6
0
3
7
3
4
3
7
3
9
1
集成赋权
9
2
9
2
8
2
7
1
6
1
3
2
4
5
8
2
9
1
张文宇，王 磊：基于集成赋权的微信营销效果模糊综合评价 73
Computer Engineering and Applications计算机工程与应用2016，52（11）
可得二级指标评判矩阵。
同理可计算出其他各指标层的得分向量。
通过公式 B1 =W1 。R1，B2 =W2 。R2计算。其中：
R1 =
æ
è
ç
ç
ç
çç
ç
ö
ø
÷
÷
÷
÷÷
÷
B11
B12
B13
B14
，R2 =
æ
è
ç
ç
ç
ç
ç
çç
ç
ç
ç
ç
ç
ö
ø
÷
÷
÷
÷
÷
÷÷
÷
÷
÷
÷
÷
B21
B22
B23
B24
B25
B26
对于目标层有得分向量 B =W 。R =W 。 æ
èçç
ö
ø÷÷
B1
B2
，通过
数据计算，最后得到目标层的得分向量为 B = ( 1,
0, 1, 7, 4) ，得分向量 B 中的值
分别是 5个微店的月营销效果评价得分。
指标评判矩阵详细数据如表 8、9。
结果分析
集成赋权评价结果
本文通过建立多级模糊评价模型得到微店 1~5的
营销效果评价得分向量为：
B = ( 1, 0, 1, 7, 4)
通过得分向量可以看出各微店的月营销效果，从而
使管理者对这段时间的营销效果有一个相对的认识。
微信营销效果的影响
二级指标对个人微信推广
效果值的影响
账号情况对个人微信推广
效果值的影响
账号使用情况对个人微信推广
效果值的影响
信息发布情况个人微信推广
效果值的影响
好友互动情况个人微信推广
效果值的影响
理想点
反理想点
熵值
熵权
很明显
0
0
0
0
0
0
6
6
较明显
0
0
5
0
0
0
2
4
一般
4
0
0
7
2
8
6
7
不明显
3
0
0
0
0
0
4
2
很不明显
0
0
0
0
0
0
4
1
优属度
9
4
7
6
权值
6
2
9
3
表 6 个人微信营销二级指标加权数据表
微信营销效果的影响
二级指标对公众号推广
效果值的影响
粉丝对公众号推广效果值
的影响
公众号关注情况对公众号
推广效果值的影响
信息发布情况对公众号推广
效果值的影响
用户互动情况对公众号推广
效果值的影响
用户对商品的关注程度对公众号
推广效果值的影响
交易情况对公众号推广
效果值的影响
理想点
反理想点
熵值
熵权
很明显
0
7
0
1
0
9
0
0
9
6
较明显
0
0
0
0
0
0
0
0
6
8
一般
0
0
0
0
0
0
2
8
1
4
不明显
0
7
6
6
0
7
0
0
3
2
很不明显
0
0
0
0
0
0
0
0
9
1
优属度
7
8
8
8
3
9
权值
5
0
2
5
4
4
表 7 公众号营销二级指标加权数据表
二级指标得分向量
B11
B12
B13
B14
B21
B22
B23
B24
B25
B26
店 1
3
0
0
3
0
5
1
0
0
0
店 2
0
5
0
0
6
1
0
7
3
1
店 3
0
0
0
0
0
9
0
0
0
9
店 4
5
7
1
2
0
9
8
7
7
1
店 5
1
5
9
8
7
3
1
3
5
3
表 8 二级指标评判矩阵
一级指标得分向量
B1
B2
店 1
7
1
店 2
1
9
店 3
0
6
店 4
4
2
店 5
8
2
表 9 一级指标评判矩阵
74
2016，52（11）
分析可知，微店 1~5的月营销活动中店 3的营销效果最
好，具体效果按降序排列为：店 3>店 5>店 4>店 2>店 1。
管理者也可以通过分析相应指标差异对微信营销的影
响，进一步调整营销策略，以达到更好的营销效果。
本文只对 5个微店的营销效果做了评价对比，进一
步地，可以通过大量微店的数据评价，对得出的评价得
分值进行分析，把评价值按照一定的取值范围进行类别
分级，从而直接得出一个微店营销效果的评价类别，在
这里本文只作简单探讨。
本文通过数据分析将微信营销效果按评价得分分
成优、良、中、差四种评价，相应的定级分别为 E1、E2、
E3、E4，具体评价分级如表 10。
对照上述分级标准，评价得“优”的是店 3，店 5的评
价为“中”，店 1、店 2、店 4的评价均为“差”。
评价结果对比分析
为对比改进的评价方法与传统模糊评价结果的差
异，分别利用表 5中专家打分和熵值赋权的加权数据，
对微店营销效果进行综合评价，得到评价向量分别为：
Ba = ( 7, 0, 1, 7, 4)
Bb = ( 3, 2, 4, 7, 6)
并通过拥有微信营销经验的专家对 5家微店的营销数
据进行分析，得出微店 1~5的预想营销效果分别为差、
差、优、差、中。该预想营销效果与集成赋权模糊综合评
价所得到的结果相符。
根据评价分级标准，通过专家打分得出的评价结果
分别为差、差、优、中、中；熵值赋权得到的评价结果为
差、差、优、中、差。其中，专家打分所得的结果有 1家与
预想结果不符，而熵值赋权所得结果有 2家与预想结果
不符。由对比分析可以看出，集成赋权模糊综合评价过
程中集成考虑专家意见和数据挖掘技术的应用，评价效
果优于传统评价方法。
5 结论
随着微信营销的崛起，对微店经营者而言，微信营
销效果的评价显得越来越重要。而微信营销途径的多
元化，决定了微信营销效果的高度复杂性，复杂性意味
着影响因素的多样性。大量定性定量的单因素错综复
杂地交织在一起，必然会产生多层次和模糊性的特点。
本文所提出的多级模糊综合评价的方法较好地解决了
微信营销效果评价所遇到的问题，为调整营销策略提供
了依据。并且本文在赋权的过程中采用熵权法与Delphi
法相结合的加权方法，直接依据指标提供的信息量大小
确定权值，排出了人为因素的影响，所以对指标权重的
确定较为有效、可靠、客观。
本文所提出的基于熵权法的微信营销效果模糊综
合评价方法，在以产品销售量为主要评价指标的基础上
进一步完善评价体系，用解决模糊性问题的模糊综合评
价模型对微信营销效果进行评价，评价效果比以往的评
价方法所得出的结果更符合实际情况。该模型还可以
广泛应用于绩效评价、服务质量评价、学生综合成绩的
考量等影响因素中含有模糊性指标的问题处理中。
参考文献：
[1] 所志国.微信营销如何销售产品[J].信息与电脑，2013（12）：
74-76.
[2] 王微.微信营销与传统营销的优势分析[J].中小企业管理与
科技：上旬刊，2014（8）：164-165.
[3] Xu Jianhua，Kang Qi，Song Zhiqiang，et
of mobile social media：wechat among academic libraries
in China[J].The Journal of Academic Librarianship，2014
（10）.
[4] 张尔煦.微信推广的病毒性营销分析[J].新闻传播，2012（6）.
[5] 金晶晶.电子商务微信营销探讨[J].合作经济与科技，2015
（1）：72-73.
[6] 田原.企业微信公众订阅号的运营策略及有效性研究——以
“西安万科”微信公众订阅号为例[D].西安：西北大学，2014.
[7] Chen Sihua，He Wei，Wang on knowledge
propagation in complex networks based on preferences，
taking wechat as example[J].Abstract and Applied Anal-
ysis，2014，2014（7）.
[8] 程小永.微信营销效果如何衡量[J].中小企业管理与科技：
中旬刊，2013（2）：72-73.
[9] Lien C H，Cao wechat users’motivations，
trust，attitudes，and positive word-of-mouth：evidence from
China[J].Computers in Human Behavior，2014，41：104-111.
[10] 崔宏伟，佟义福.基于层次分析法和模糊综合评价法的课
程质量评价研究[J].现代经济信息，2014（23）.
[11] Gim Bongjin，Kim J -criteria evaluation of hydro-
gen storage systems for automobiles in Korea using
the fuzzy analytic hierarchy process[J].International Jour-
nal of Hydrogen Energy，2014.
[12] 沈中华.基于AHP的企业绩效模糊综合评价研究[J].科技
与企业，2015（2）：64-65.
[13] 安晶，李香静，刘好德，等.面向公交优先绩效考核的城市
公交发展水平评价指标体系研究 [J].公路与汽运，2015
（1）：57-63.
[14] 沈忱，李桂华，顾杰，等.产业集群品牌竞争力评价指标体
系构建分析[J].科学学与科学技术管理，2015（1）：88-98.
[15] 陈宝文，谭旭，李鑫.基于AHP的高职教育社会服务评价
指标体系研究[J].无锡商业职业技术学院学报，2014（6）：
47-49.
评价值
bi >
< bi ≤
< bi ≤
bi ≤
评语
优
良
中
差
定级
E1
E2
E3
E4
表 10 评价得分定量分级标准
张文宇，王 磊：基于集成赋权的微信营销效果模糊综合评价 75
Computer Engineering and Applications计算机工程与应用2016，52（11）
[16] 毕然.基于模糊层次分析法的培训项目全面质量管理评
价指标体系研究[J].质量探索，2014（12）：54-56.
[17] 杭艳秀，杭艳红.地铁的社会效益指标体系构建及评价研
究[J].科技与企业，2015（1）.
[18] Kurka of the analytic hierarchy process to
evaluate the regional sustainability of bioenergy develop-
ments[J].Energy，2013，62.
[19] Abdullah L，Najib new type-2 fuzzy set of linguis-
tic variables for the fuzzy analytic hierarchy process[J].
Expert Systems With Applications，2014，41（7）：3297-3305.
[20] Durbach I，Lahdelma R，Salminen analytic hierar-
chy process with stochastic judgements[J].European Jour-
nal of Operational Research，2014，238（2）：552-559.
[21] Badea A，Prostean G，Goncalves G，et risk
factors in collaborative supply chain with the Analytic
Hierarchy Process（AHP）[J].Procedia-Social and Behav-
ioral Sciences，2014，124：114-123.
[22] 赵慧芳.熵权双基点法在网络广告效果评估中的应用[J].
统计与信息论坛，2006（7）：84-86.
[23] 章穗.基于熵权法的科学技术评价模型及其实证研究[J].
管理学报，2010（1）：37-38.
[24] 杨亚频.基于熵权值的建筑企业技术创新能力模糊综合
评价[J].工程管理学报，2014（6）：134-138.
[25] 吕晓玥，简迎辉.基于熵权模糊综合评价法的水资源送水
工程项目综合后评价研究[J].项目管理技术，2014（12）：
114-118.
[26] 苏宇，周爱前.研究生导师指导业绩的模糊综合评价分析[J].
中国电力教育，2014（12）：20-21.
[27] 陈晓红，杨志慧.基于改进模糊综合评价法的信用评估体
系研究——以我国中小上市公司为样本的实证研究[J].
中国管理科学，2015（1）：146-153.
[28] 张云丰.基于模糊综合评价法的高校教师岗位胜任力研
究[J].价值工程，2015（1）：228-230.
[29] 孙启鹏，高怡，马飞，等.基于 LEAP和综合集成赋权的城
市低碳交通政策选择方法 [J].中国公路学报，2014（8）：
105-111.
[30] 傅利平，何勇军，李小静.城市公共文化服务的综合评价
模型[J].统计与决策，2013（16）：39-41.
[31] 姚爽，岳玉珠，黄玮强，等.基于主客观集成赋权思想的科
技企业孵化器绩效评价研究——以辽宁省为例[J].科技
进步与对策，2012（21）：113-117.
[32] 张彧瑞，马金珠，齐识.人类活动和气候变化对石羊河流
域水资源的影响——基于主客观综合赋权分析法[J].资
源科学，2012（10）：1922-1928.
[33] Zolfaghari Z S，Mohebbi M，Najariyan
of fuzzy linear regression method for sensory evalua-
tion of fried donut[J].Applied Soft Computing Journal，
2014.
[34] Shaverdi M，Heshmati M R，Ramezani of
fuzzy AHP approach for financial performance evalua-
tion of Iranian petrochemical sector[J].Procedia Com-
puter Science，2014，31.
[35] Kiliç M，Kaya İ.Investment project evaluation by a deci-
sion making methodology based on type-2 fuzzy sets[J].
Applied Soft Computing Journal，2014.
[36] Ahmed I，Sultana I，Paul S K，et perfor-
mance evaluation：a fuzzy approach[J].International Jour-
nal of Productivity and Performance Management，2013，
62（7）：718-734.
[37] Qi Wei，Chen multi-granular fuzzy comprehen-
sive evaluation model for e-commerce enterprise Image[J].
Journal of Computers，2013，8（4）：1011-1015.
[8] 陆宁，武本令，刘颖.基于自适应粒子群优化的 SVM模型
在负荷预测中的应用[J].电力系统保护与控制，2011（15）：
43-46.
[9] Basturk B，Karaboga Artificial Bee Colony（ABC）
algorithm for numeric function optimization[C]//Proceed-
ings of IEEE Swarm Intelligence Symposium，Indianapo-
lis，USA，2006：651-656.
[10] Karaboga D，Basturk powerful and efficient algorithm
for numerical function optimization：Artificial Bee Col-
ony（ABC） algorithm[J].Journal of Global Optimization，
2007，39（3）：459-471.
[11] Karaboga D，Basturk the performance of Artifi-
cial Bee Colony（ABC） algorithm[J].Applied Soft Com-
puting，2008，8（1）：687-697.
[12] 毕晓君，王艳娇.用于多峰函数优化的小生境人工蜂群算
法[J].系统工程与电子技术，2011（11）：2564-2568.
[13] 付丽，罗钧.引入跟踪搜索和免疫选择的人工蜂群算法[J].
模式识别与人工智能，2013（7）：688-694.
[14] 王定成，方廷健，唐毅，等.支持向量机回归理论与控制的
综述[J].模式识别与人工智能，2003，16（2）：192-197.
[15] 于明，艾月乔.基于人工蜂群算法的支持向量机参数优化
及应用[J].光电子·激光，2012（2）：374-378.
[16] 银建霞，孟红云.具有混沌差分进化搜索的人工蜂群算
法[J].计算机工程与应用，2011，47（29）：27-30.
[17] 于舒娟，张昀，杨磊.基于改进蚁群优化的盲检测算法[J].
计算机技术与发展，2013（11）：74-76.
[18] 陈明，刘衍民.基于自适应排斥因子的改进粒子群算法[J].
计算机应用，2013（8）：2269-2272.
[19] 宋驰，沈国江.短时交通流预测模型综述[J].自动化博览，
2012（6）：84-87.
（上接 59页）
76
