2010年 03月
(第24卷第03期)
菩 暮蛭心 彳翟
East China Economic M anagement
●案例研究
Mar．，2010
(Vo1．24，No．03)
【DOI】10．3969／j．issn．1007—5097．2010．03．033
基于 SVM的中问商选择
张志平 ，张梅梅
(1．石家庄邮电职业技术学院 电信工程系，河北 石家庄 050021；
2．华北电力大学 经济管理学院，河北 保定 071003)
[摘要】企业为了满足消费者的个性化与多样化需求迫切需要中间商参与，为了帮助企业选择最佳中间商，文
章设计了参与式中间商选择流程，即 “业务类型一 市场细分一 目标市场一特征选择一 中间商”。该流程最后建
立了基于SVM的中间商客户价值评估模型，将该模型作为中间商选择的技术依据。以移动运营商选择中间商为
例进行实证分析，结果表明该流程可以作为运营商高效选择中间商的决策依据。
[关键词]中间商；支持向量机；特征选择；参与式
[中图分类号]F274 [文献标志码]A [文章编号]1007--5097(2010)O3—ol39—O5
Partionary Interfirms Choice Based on SVM
ZHANG Zhi—ping‘．ZHANG Mei—mei
(1．Department of the Telecommunication Engineering of the Shijiazhuang
Posts and Telecommunication Technical College，Shijiazhuang 05002 1，China；
2．School ofEconomy and Management，North China Electric Power University，Baoc~ng 071003，China)
Abstract：In oMer for the enterprise to choose rather interfirms to satisfy the customer’S individuation need，this paper designed the pro—
cedure of partionary interfirms choice．Construct the interfirm’S customer value evaluation model based on SVM，regard the model as the
technology foundation of choosing the interfirm． With the example of the interfirm customer of mobile operator，experiments show the reli—
ability of the procedure in mobile operator choosing interfirm，and we obtained the interfirm’S customer value evaluation model correspond—
ing to the 3rd business，and this model can be applied to choose a new interfirm customer．
Key words：interfirms；support vector machines；feature extraction；partionary
一
、 引 言
在市场逐步成熟和竞争日益激烈的压力下，许多公司越
来越依靠中间商 (代理商、分销商、经销商、零售商)来销
售产品，并为产品提供服务，以期迎合消费者个性化的需
求。那么选择最佳中间商就成为企业迫切需要解决 的问题。
Yeoh和 Calantone(1995)确定了 6个标准：承诺情况、经
济实力、市场营销技巧、与产品相关 的其他因素、策划能
力、便利条件等⋯。Rosenbloom (1999)总结出了中间商评
价的 10个主要准则，包括 ：规模、销售实力、产品线、声
誉、市场占有率、销售状况、管理权的延续 、管理能力、态
度和信用与财务状况 J。对企业而言中间商是有差异的，根
据企业资源外取理论将 中间商作为企业在客户导向时代的新
客户资源 J，则这种差异主要体现在客户价值是不同的，因
此中间商客户价值是企业选择和管理中间商的决策依据。齐
佳音 (2002)认为中间商客户潜在价值主要表现在客户信任
和行为忠诚上。陈静宇 (2004)归纳出中间商考察指标为规
模与能力 、管理的延续性和信誉状况三个方面 J。以上中间
商客户潜在价值评价相关研究的着眼点是中间商客户自身状
况 ，是学者们通过对大量案例归纳、比较分析得出的评价结
果。笔者认为企业和中间商客户之间存在着信息不对称，这
会造成中间商客户价值关键因素识别困难，并可能导致中间
商客户价值识别产生误差 ，使企业难以依据客户价值选择合
适的中间商客户。如果以系统观点来考察 “企业——中间商
客户——最终客户”这个价值链条 ，将 中间商作为一个黑
箱 ，只考虑输入与输出对黑箱的影响和需求 ，可以部分解决
信息不对称造成的关键价值要素识别困难，同时它契合了价
值是主体对客体的感受和需求的涵义。
鉴于此 ，本文确立了中间商客户价值的研究角度是主体
对客体的需求 ，分析主体需求提炼 中间商客户潜在价值的评
价指标。在消费者需求和企业维持竞争优势需求 的背景下，
中问商客户价值评价指标由两者需求决定；两者需求依 目标
市场不同而不同，目标市场是企业根据消费者属性进行市场
细分之后选定的，目标市场是企业依据自身经营的业务或产
品等条件而选定或开拓的特定需要的市场。“参与式”中问
[收稿日期]2009— 6—20
[基金项目]河北省自然科学基金青年基金项 目 (G2009001410)；华北电力大学博士基金项 目
[作者简介]张志平(1973一)，男，河北饶阳人，讲师，硕士，研究方向：电信营销；
张梅梅(1976一)，女，河北饶阳人，讲师，博士，研究方向：服务管理。
一 l39 —
商选择最大的特色就是改变企业 自我封闭式评价和选择中间
商的方式，将产品或服务的用户纳入到正式的评价选择机制
当中。
依此思路，本文设计了参与式中间商选择流程，制定了
详细操作步骤，并进行实证研究。
二、“参与式”中间商选择的操作流程设计
(一)业务类型
随着消费者需求个性化和营销技术的发展，产品或业务
的设计目标就是满足不同目标客户需求。为了提高寻找目标
客户和高价值中间商客户的精确性，为 “一对一”营销提供
策略依据，有必要对业务或产品按用户可感知属性进行细
分，用户可感知属性是由产品的可感知结果赋予的，它是消
费者对特定产品属性的解释。比如，Kotler认为消费者会将
每一项产品看成是一些属性的集合，顾客在面对众多商品选
择时，他们也只能看到产品的属性 ，并不能确实了解到这些
属性能够为他们带来怎样的价值 J。
因此，制定业务类型分析的步骤为：①穷举业务或产品
的可感知属性；②将感知属性进行因子分析提取主要因子；
③根据得到的因子将业务或产品聚类分析，得到不同的业务
类型。
(二)市场细分一 目标市场
市场细分是从消费者需求差异性出发，从差异中寻找具
有共性需求的消费者组成一个细分市场。市场细分一般按照
地理变量、人口统计变量等标准来划分，比如，人口统计变
量标准包括年龄、性别、收入、职业、教育程度等指标。鉴
于此 ，本文设计了 “假设——验证”的定性与定量结合的分
析方法确定市场细分标准，即在分析二手资料基础上定性确
学习过程
已知的中间商客户价值
评价指标和价值程度 类
别 (训练数据 )
竺兰堡 i
未知模式类别的中间
商客户价值指标数据
训练数据
的特征选择
定市场细分的标准，并假设该标准正确，根据研究目的 (比
如消费者需求)有明显差异为准绳对该标准进行检验，如果
验证结果差异显著则假设的标准合理。企业对整体市场经过
细分后，即可从中确定一个或几个作为自己的 “目标市场”。
目标市场是企业依据自身经营条件而选定或开拓的特定需要
的市场，即企业产品或服务的消费对象。
寻找每种业务类型目标客户的步骤为：①确定市场细分
的标准；②对客户进行聚类分析；③确定企业的目标市场。
(三)特征选择一 中间商客户价值评价体系一
中间商客 户
运筹学多种理论 (如：层次分析法、月标规划技术等)
都在合作伙伴选择中得到成功运用。规则推理、案例推理、
人工神经网络、统计学习理论等智能技术用于合作伙伴选
择，都能够得到较好的效果 J。因为中间商客户价值数据获
取的成本太高，使得获取的样本较小，但单个样本的指标维
度又比较高。考虑到统计学习理论中支持向量机方法在解决
高维 、小样本数据上表现出较强的优越性，本文拟采用该方
法建立价值评估模型。应用支持向量机 (SVM)的前提是特
征提取 ，它将直接影响到中间商客户识别分类器的设计、
性能及其识别效果的准确率；闲而特征提取与选择是中间商
选择的一个关键问题。特征选择的目的是确认与输出相关的
特征，降低输入空间维数，缩小求解问题的规模，从而降低
计算难度，缩短训练时间，得到最好的决策函数，提高准确
率。支持向量分类机 (SVC)可被用来完成特征选择这项工
作 ，设计流程为 ：①特征选择 ，且测试结果误差足够小；
②以特征选择得到的最好属性集合为训练集 ，建立基于 SVM
的价值评估模型，如图1所示。
改进评估规则
建立中间商客户
价值评估的分类
判 别规 则和模型
评估错误率检验
价值程度评估 —— 评估结果输出
图 l 中间商客户价值评估过程示意图
因为中间商客户价值数据获取的成本太高，使得获取的
样本较小，但单个样本的指标维度又比较高。考虑到支持向
量机在解决高维、小样本数据上表现出较强的优越性，本文
采用支持向量机方法建立中间商客户价值评估模型。
通过上述分析，确立如图2所示的中间商客户选择操作
流程。
图 2 中间商客户选择的操作流程
三、案例分析——移动运营商的中间商客户选择
随着3G牌照的发放，发展增值业务成为运营商的重头
戏，当前移动增值业务的营销主要集中于电子渠道中间商的
营销，这些中间商潜能已被充分地挖掘和利用了，其增长空
间越来越小。所以寻找新的中间商成为移动增值业务营销的
一 140 一
关键，本文建立的中间商客户选择流程可以为移动通信运营
商的营销和研发部门提供中间商客户选择的高效决策依据。
(一)移动增值业务的类型分析
(1)产品属性因子分析。笔者提炼了 13个消费者对产
品属性的感知因素，请专家对每个业务的每个属性进行评
分，分值为0一t之间。为降低分类的维度，采用主成分分
析方法进行因子分析，最后将产品属性提炼成 了5个因子，
可以描述为：a．资费因子 (载荷为资费高低 0．87，资费透
明性 0．78，计 费方式 0．68)；b．操 作 因子 (取 消便利性
0．92，开通便利性0．92，使用繁简 0．65)；c．品质因子 (实
时性 0．87，准确性 0．83，网络服务0．66)；d．限制因子 (品
牌限制 0．82，终端限制 0．67)；e．吸引因子 (内容多样化
0．90，服务人性化0．79)。
(2)业务聚类。每种业务类型具有不同的可感知属性组
合，根据感知因素因子分析得到五个公因子得分，对所研究
的27类移动增值业务进行 K近邻聚类分析，得到 6类业务
类型群集 ，操作主导类 (短信 、161移动聊天等)；资费主
导类 (手机上网、随 e行、百宝箱等)；资费及限制并重类
(彩铃、手机银行等)；限制及品质并重类 (彩信)；吸引主
导类 (E购通等)；资费及吸引并重类 (移动游戏、手机杂
志等)。最终的聚类中心和分类结果显示了5个因子的均值
在集群中是显著不同的。
(二)移动增值业务的目标市场选择
本文采用人口统计特征细分市场 ，因研究起点是消费者
对移动增值业务的需求，所以能对移动增值业务的需求产生
影响的人口统计变量 即细分市场的标准。按照前文设计的
“假设——验证”方法需首先明确移动用户的移动通信需求
结构，然后验证细分标准的适用性。
(1)移动通信需求。定量调研分析发现移动用户对 “信
息”的需求最强烈，占45．2％ ；其次是对 “娱乐休闲”的
需求，占35．4％；再次是 “能对工作产生帮助”的需求 占
30．4％；“与人沟通”的需求占26．4％ ；“对学生产生帮助”
的需求占 10．9％；对 “理财能产生帮助”的需求占6．2％。
(2)移动通信需求的影响因素。确定了移动通信需求导
向，需要分析人口因素各变量对需求的影响差异。笔者假设
年龄、职业、学历是移动通信需求的重要影响因素，如果研
究结果能够推出不同年龄、职业、学历对移动通信需求的影
响显著，则可验证笔者假设的正确性。下面对不同年龄、职
业 、学历对移动通信需求的影响进行频率分析，首先计算出
需求频率的平均值，差异值为每个具体频率值与均值比较所
得值，如图3，分析可得不同年龄用户对移动通信需求的影
响显著。同理可得职业、学历对移动通信需求的影响也是显
著的，可以验证假设的正确性，则可将这三个指标作为市场
细分的标准。
(3)细分人群。按照年龄、职业、学历将 900名用户划
分为五个人群：30岁以上 白领、30岁 以上蓝领、30岁以下
白领、30岁以下蓝领和学生，比例分别为 6．1％、12．1％、
26．3％ 、36．1％和 19．3％ 。
(4)验证年龄、职业、学历三个维度的细分人群对需求
导向是否存在差异。通过频率分析得到业务需求导向，比
如，学生对 “娱乐休闲”的需求 占37．4％，而 30岁以上白
领人群对此的需求仅 占29．1％ ；30岁以下蓝领人群 “与人
沟通”的需求为 29．5％，而 3O岁以上白领对此的需求仅占
14．5％；对于 “方便个人学习”的需求来说，30岁以下白领
仅占7．2％，而学生有此需求的比例为 22．4％。可以看到不
同细分人群的移动通信需求有差异，证明以这三个因素作为
市场细分的标准可以成立。
：
一 嗣
： 一 一一
18岁以下 19—22岁 23—25岁 26—3O岁 31岁以上
娱 乐休 闲 一甘_ 帮助工作
— 古一 信息需求 —*一 轻松理财
与人沟通 -e_ 方便个人学习
图3 年龄对移动通信需求的影响
(三)“业务类型一细分人群”的对应分析
笔者设计分析 “业务类型一细分人群”的步骤如下：
(1)计算业务权重。不同细分人群分布比例已知，每个
人群比例乘以每个人群使用每个业务的比例。每个业务的比
5
例设为 x．，i．1，2，⋯，5；然后加和为∑；每个业务的权
l I
5
重 W，=X ／∑X，。
(2)计算每个人群使用业务类型的比例。每个人群内同
一 类业务中每个业务使用比例乘以每个业务的权重 w；，然
后加和为每个人群使用每个业务类型的比例，具体结果如表
2所示
表2 不同细分人群使用业务类型比例 (％)
业务 3O岁以上 3O岁以上 30岁以下 3O岁以下 学生
类型 的白领 的蓝领 的白领 的蓝领
l 47．36 49．99 37．29 42．65 39．79
2 9．22 6．84 14．97 ll|42 9．90
3 l9．33 23．64 23．44 21．32 15．34
4 lO．25 8．73 l5．00 l1．69 13．17
5 0 O O 0．00l3 0
6 O．09 0．0l O．O3 O．O2 O．o2
确定了不同业务类型的目标人群后 ，通过消费者市场调
研和中间商深度访谈的参与方式可以知道满足消费者需求的
中间商价值构成成分，另外从满足企业竞争优势需求角度得
到其余构成成分，两者对接构成移动运营商的中间商价值评
价体系，如图4 J。
(四)基于支持向量机的中间商客户选择
1．准备训练数据
选择业务类型3(彩铃、移动气象站、亲子通等业务)，
采用图4所示的评价体系，设计 1—5分量表问卷，请企业
管理者给经营该业务的中间商的客户价值估值。那么对一个
中间商客户的评价可以用数学语言描述为X。=([x] 一，
[x]。，) eR”，在这里 [x] 意味着第j个价值属性。将企业
管理者对中间商客户价值的评判结果分为价值较高和价值较
低两个量度。用 Y=1表示价值较高，Y=一1表示价值较低。
这样上述信息用数学语言可以描述为一个集合 T：
T={(Xl，Y1)，⋯，(x加，Y加)}∈(R"×Y)40 (1)
其中，x。=([x] ，⋯ ，[x]。 ) ∈R”，Y．∈Y={一1，1}，
i=1，⋯ ，40。
一 141一
3 2 l 1 2 3
图4 移动运营商的中间商客户价值评价体系
2．特征选择
采用 c—SVC算法进行特征选择，C—SVC算法如下：
算法 1(C—SVC)
(1)设已知训练集T=jx1，Y，}，⋯，(x ，Y )} (R X{一
、
f
1，1})
．
(2)选定合适的核函数 K(·，·)和适当的参数C>0，构
造并求解最优化问题 ：
1 l I 2
n 寺 y·yjcqc~jK(xt，x】)一
s．．．t y 仅 =0， (2)
0≤0【 ≤C，i=1，⋯ ，Z
得最优解 ：( ，⋯，d ) 。
(3)选择 仅 的一个分量 0<Or．． <C，并据此计算 ：b =Y，
2
一 yJ仅． K( xJ)。
(4)计算出阚值 b 后构造决策函数为：
f
f(x)=sgn(∑仪。 YiK(x，x，)+b ) (3)
在这个算法中选择的核函数是线性核函数，如 K(x，X )=
(X·X )。因为选用了核函数 ，那么决策函数将会变为：
f(X)=(W ·x)+b (4)
f
其中，W =([W] --，[W] ) =∑ ． Yix．∈R”。[W] 的
绝对值越大第i个属性[X] 的重要性越强，那么X的特征就能
被 W 表征，可以作为特征选择的依据。特征选择的详细步骤
如下：
算法 2(特征选择)
(1)设已知训练集 T = {(x ，Y )，⋯，(xf，Y1)}∈(R X
{一1，1})。
(2)选择核函数 K(x，x )=(X·X )，从集合 s 中选择参
数 C，比如 S ： {0．001，0．01，0．1，1，10，100，1000，
10000}。
(3)将 K(x，X )=(X·x )和 c代入算法 1，计算出 LO0(
Leave ont out)误差 ；选择相应于最小 LOO误差的参数 C 。
(4)将 K(x，X )=(X·x )和C 代入问题(2)一(4)，得到
问题解 0【 ：( ，⋯， ) 。
f
(5)计算W = ， Yix。，选择与较大的绝对值[W]。相对
应的第 i个指标；第 i个属性的集合就是我们要选择的特征。
(6)将算法2应用于原始集合(1)和选择了l2，13，14，15
和 16个属性的集合，结果如表 3。
表3 特征选择结果
最小的Lo0误差 最优 C W 特征选择的指标组
[一0 1102，-0．0012，一0．1623， ①[1，3，4，5，7，8，10，13，14，l5，l6，17]
一 0．0444，一0．5794，0．0014，一0．1205， ②[1，3，4，5，6，7，8，10，13，14，15，16，17]
5％ O．1 一．oo32，0．0264，一0，2399，0．0564， ③[1，2，3，4，5，6，7，8，10，13，14，15，16，17]
0．0683，一0．0109，～0．2053，一0．0312， ④[1，2，3，4，5，6，7，8，10，13，14，15，16，17]
一 0．1664，一0．0827] ⑤[1，2，3,4，5，6，7，8，9，10，11，13，14，15，16，l7]
3．建立中间商客户价值评估模型规则
现在原始集合变形为：
T=}(x ，Y )，⋯，(x40，Y4o)}∈(R x Y)4o
T={(x1，Y1)，·一，(x40，y4o)}∈(R X Y)加
T=t(x ，Y )，⋯，(x40，y4o)}∈(R X Y) ，
T={(x1，Y1)，⋯，(x40，Y40)}∈(R X Y)
一 142 一
T={(x1，Y1)，⋯，(x40，y4o)}∈(R X Y) (9)
为了得到最好的属性组用于建立中间商客户价值评估模
(5) 型，并证明特征选择的有效性，对这五个集合分别进行实验。
(6) 描述如下：
(7) 算法3(选择最好的属性组)
(8) (1)随机将集合(3)分成两部分：T 和 T ，T。是训练集 ，
T，作为测试集。
(2)对于集合T。，选择核函数，从集合 s 中选择参数 C，
例如 Sc={0．001，0．01，0．1，1，10，100，1000，10000}。
(3)将 k(x，x )和 C代人算法 1，计算出关于T．的 LO0(
Leave ont out)误差；选择对应于最小 Loo误差的参数 C 。
(4)将 k(X，X )和 C’代入算法 1，然后构建中间商客户
价值评估模型：
f(x)=sgn( 0【． Y。(x·x )+b ) (10)
(5)将集合 T：应用于测试模型(10)。
(6)用同样的 T。和 T 将集合(6)一(9)按照从 (1)一
(5)的步骤计算。
(7)也用同样 的 T。和 T 将原始集合(1)按照从 (1)到
(5)的步骤计算。
为了得到更值得信赖的结果，我们随机选择T，和 T 50
次 ，然后用算法2计算。
4．评估错误率
测试误差采用平均值，6个训练集的对比结果如表 4。
表 4 对比结果
集合 集合 集合 集合 ．集合 集合
(5) (6) (7) (8) (9) (1)
测试误差 7．2％ 1．6％ 2．8％ 4．6％ 5．6％ 6。4％
从表4中看出，用算法 3计算出的集合(6)的测试误差最
小，那么最好的属性组就是[1，3，4，5，6，7，8，10，13，14，15，16，
l7]，即二级指标及时开通，提供体验 ，客户学习经验，媒介资
源，服务质量，质量保证，信誉，忠诚客户资源，服务能力，客流
资源，关系融洽，产品创新 ，产品一致性 ，可以证明特征选择是
有效的。下面以集合(6)为训练集构建中间商客户价值评估
模型。
5．算法 4(构建中间商客户价值评估模型)
(1)对于训练集(6)，选择核函数 K(X，x )=(x·x )，从
集合 S 中选择参数 C，例如 S ={0．001，0．01，0．1，1，10，
100，1000，10000}。
(2)将K(x，x )=(X·x )和C代人算法1，计算出关于集
合(6)的 LO0(Leave ont out)误差。
(3)将 K(x，x )=(x·x )和 C 代人算法 1，构建中间商
客户价值评估模型的决策函数：
f
f(x)=sgn( ‘Y。(x·x )+b ) (11)
6．寻找和评估中间商
选定经营 KTV的中间商，该中间商具有良好的情境、目标
客户等便利条件，按照精简的指标体系给出其属性 ，将每个分
值代人公式(11)，得到其评估值为⋯1’，即比较理想的中间商，
运营商可以尝试与其洽谈合作意向。
四、结 论
本文设计了“业务类型一 目标市场一市场细分一特征选
择一中间商”的参与式中间商选择流程。以移动通信运营商
选择中间商客户为例，按照论文设计的选择操作流程进行了
实证研究，首先将业务的可感知属性进行因子分析约简为五
个感知公因子，按照其得分将 27种移动增值业务聚类分析得
到了6种业务类型；其次通过假设——验证方法分析认识到：
年龄、职业 、学历的人口统计细分标准是影响移动用户需求的
显著因素，可作为市场细分的标准，按照这个标准将移动用户
分成了5类 ；最后运用支持向量机方法对中间商客户潜在价
值评价体系进行了特征选择，根据特征选择最小误差结果
(1．6％)对应的理想集合建立了移动通信运营商的中间商客
户潜在价值评估模型。该模型可以作为移动运营商高效选择
中间商客户的决策依据，同样这个中间商选择流程也适用于
一 般企业选择中间商。
[参考文献]
[1]Yeoh P L，Calantone R J．An Application of the Analytical Hi—
erarchy Process toInternational Marketing：Selection of a For—
eign Distribution[J]．Journal of Global Marketing，1995，8：39
— 65．
[2]Rosenbloom B．Marketing Channels：A management View
[M]．Dryden Press，1999．
[3]张梅梅．中间商客户价值及细分研究——对移动运营商的
中间商客户实证研究[D]．北京：中国农业大学，2006．
[4]陈静宇．基于客户价值的中间商客户细分与客户管理策略
研究[D]．重庆：重庆大学，2004．
[5]Kotler P．Marketing Management—Analysis，Planning，Imple—
mentation，and Contro1．9th ed[M]．NJ：Prentice—Hall Inter-
national，1997：313—314．
[6]李辉，李向阳，孙洁．供应链伙伴关系管理问题研究现状评
述及分析[J]．管理工程学报，2008，22(2)：148—151．
[7]邓乃扬，田英杰．数据挖掘 中的新方法——支持向量机
[M]．北京：科学出版社，2004．
[责任编辑：余志虎]
． - - - — — 143 ．．．——
