基于前景理論的大規模定制旅游指派問題

程德通,余高鋒,黃海棠

(三明學院 經濟與管理學院,福建 三明 365004)

大規模定制旅游是指旅游企業依據游客的個人偏好、經濟基礎和需求,通過開發差別性旅游產品并進行模塊化設計和生產,為游客提供優質廉價、充滿個性化服務的一種運作模式,它是新時期旅游企業為滿足游客多樣化、個性化需求,提升企業競爭力而發展起來的一種新的服務運作模式[1]187-188。大規模定制旅游所追求的目標是“大規?！焙汀岸ㄖ啤边@一對矛盾的和諧共存,即通過“大規?！睂崿F規模經濟,通過“定制”滿足游客多樣化、個性化的需求,而如何在滿足游客多樣化、個性化需求的同時仍然保持較低的成本,這也正是旅游企業實施大規模定制的難點。由于資源和條件的有限,為了實現目標,實施大規模定制的旅游企業通常需要針對需求相近的游客群體,由定制師綜合考慮游客的多樣化、個性化需求屬性,將現有的資源包括餐飲、住宿、交通、游覽、購物、娛樂等要素進行模塊化搭配和組合,設計出多個不同的有限定制旅游方案,并在此基礎上將游客在有限方案之間進行選擇性安排,即進行合理指派。大規模定制旅游的服務對象就是合理指派后的小型團體,通過指派將游客在不同方案之間合理分組安排后,旅游企業將同一定制旅游方案下屬性需求相近的游客組成一個小包團拼團出行,從而既滿足游客的個性化需求,又可以有效降低出行費用。根據李莉嚟的研究,采取6人及以下的小拼團的大規模定制旅游方式,游客的滿意度明顯高于20人以上的跟團游旅游方式[2]78-79。因此,通過合理的指派,能夠同時兼顧游客對個性化和出行費用的要求,有效提升游客的滿意度。指派問題已成為大規模定制旅游決策的一項重要的研究內容。

在大規模定制指派問題研究方面,目前已有的研究成果較多集中在制造企業生產指派問題方面。Anzanello和Fogliatto提出了在大規模定制裝配線上一種使用學習曲線來將產品系列分配給工人團隊的方法,并將該方法運用在鞋類制造業的案例研究中[3]2919-2938。周俊等從顧客滿意度角度出發,以顧客對產品單個屬性個性化需求值與企業產品實際產出值差距最小為目標建立生產指派模型[4]1-5;梁琛平和彭燦以顧客對產品個性化需求滿意度和價格滿意度雙因素最大化為目標,探討大規模定制模式下的指派模型[5]96-104;梁樑等研究了產品多個屬性個性化需求值與企業產品實際產出偏差最小的生產指派模型[6]188-192;程德通等分別對屬性值為直覺模糊信息[7]92-106、三角直覺模糊信息[8]59-69、梯形直覺模糊信息[9]33-43、多類型信息[10]2099-2106的大規模定制生產指派問題進行了探討。

相對于制造企業生產指派問題方面的研究,大規模定制旅游指派研究成果相對較少,相關研究成果較多體現在定制產品定制方法上,如Jin等基于行為研究和邏輯回歸分析,探討了不同旅游產品屬性的選擇設置是如何影響游客決策的問題[11]266-275;Dragolea和Cotirlea研究了國際博物館定制旅游中的文化偏好問題[12]33-45;Chiang和Huang研究了如何通過建立個性化旅游系統幫助游客制定包括選擇預定景點、酒店、用餐、出行時間和經費預算的旅游計劃[13]3-17;張曉曉在對基于游客個性化要求的游客分組方法研究的基礎上,探討了定制旅游服務產品設計方法[14]49-59;于超針對散客拼團式旅游產品定制問題,以散客對旅游產品不同屬性期望與旅游產品定制方案之間差異最小化為目標,建立旅游產品定制的優化模型,通過求解并確定旅游產品定制方案,從而順利實現散客拼團[15]65-74。這些研究是基于期望效用理論,即假設決策者是完全理性的,然而在現實的指派決策過程中,決策者的決策行為往往會受到內部條件和外部環境因素的影響,表現出“損失規避”的心理行為特征,即決策者的行為是有限理性的。

前景理論是具有代表性的“有限理性”行為分析方法。從前景理論在旅游決策領域的研究來看,Ramos等分別對期望效用理論、前景理論和后悔理論3種理論在旅游者行為建模中的應用研究現狀進行了梳理與歸納,分析了3種理論在旅游者行為建模應用研究的優越性與局限性,并通過案例研究說明了3種理論之間的差異[16]46-67;Rahman等運用前景理論探討了旅游者的時間預定決策[17]55-68;趙凜和張星臣[18]82-86、張波等[19]54-62、姚蘭[20]33-38對前景理論及其在出行者出行行為方面的應用進行了研究,研究結果表明,與期望效用理論相比,運用前景理論研究不確定情形下出行者的出行行為,會更加貼近現實生活的實際情況;張世杰和周秀菊將前景理論應用于旅游目的地選擇行為,建立了基于前景理論的旅游目的地選擇描述模型,在此基礎上分析了旅游目的地選擇的步驟[21]63-64,但該篇論文缺乏實例分析。實際上,前景理論所闡述的是不確定條件下對各前景的選擇的理論,也就是一種決策論。

從以上研究成果可以看出,目前運用期望效用理論研究大規模定制旅游指派問題的相關研究成果相對較少,而借助前景理論來探討大規模定制旅游指派問題的研究成果就更少。與建立在期望效用理論基礎之上的旅游決策方法相比,本文運用前景理論反映大規模定制旅游指派問題的“有限理性”,更加符合人們的決策行為習慣,得到的決策結果也更為科學合理?？紤]到基于前景理論的大規模定制旅游指派問題具有一定的實際應用背景,不僅可以促成游客合理分組拼團,滿足游客個性化需求,而且可以降低旅游成本,從而提高游客滿意度。因此,基于前景理論大規模定制旅游指派問題是值得關注且具有實際意義的。本文將現代行為決策理論中的前景理論引入大規模定制旅游指派問題的研究,并且較好地處理與融合了多種數據類型的評價信息,可以為前景理論的應用研究拓展新的渠道,為大規模定制指派的研究開辟新的途徑,為多種形式信息多屬性決策的研究增添新的思路。

一、大規模定制旅游指派評價指標體系的構建

大規模定制旅游指派追求的是以較低的價格滿足游客的多樣化、個性化需求,因此能否建立科學的旅游大規模定制指派評價指標體系,是實現旅游大規模定制合理指派的關鍵。首先,游客的個性化要求是影響游客決策的主要因素[14]3。李冬麗認為,游客的個性化價值是旅游企業根據游客的需求為其量身定制的旅游產品的特性所產生的價值,它是構成大規模定制旅游游客的重要的感知價值維度之一[22]35。在大規模定制旅游指派決策中,游客追求“食、住、行、游、購、娛”等的個性化配置。如在出行方面,能否使用多樣化交通組合,根據不同線路,選用航班、高鐵、輪渡與旅行車的出行組合;在游玩方面,時間、地點、玩法、節奏能否由游客自主拍板,因此定制方案的個性化配置,就成為游客關注的重要指標。其次,旅游服務也是影響大規模定制旅游決策因素之一[23]21,旅游服務價值是構成大規模定制旅游游客的感知價值的重要維度之一[22]33。因此,大規模定制旅游服務尤其是定制師的服務質量也是游客關注的一項關鍵指標。大規模定制旅游的本質是提供管家式的貼心服務,著重解決游客在旅行中遇到的問題,并根據各種情況對游客的旅游路線進行實時調整,讓游客在旅游的過程中省心省力。最后,實施大規模定制的企業在致力于更好地滿足客戶個性化需求的同時,制定合理的價格也是一項不容忽視的工作,因為客戶不會為定制化的產品支付過多的費用,一旦價格超出客戶的價值評估,就有可能放棄其個性化的需求[24]39。因此,價格也是大規模定制旅游指派的評價指標之一。大規模定制旅游指派評價指標體系見表1。

表1 大規模定制旅游指派評價指標體系

以上評價指標中,游客對定制方案的個性化配置(G1)給出滿意度、不滿意度和猶豫度3個方面的評價信息,因此采用直覺模糊數來表示;游客對定制師的服務質量(G2)的評價采取語言短語來衡量;而價格(G3)則用實數來表示。在這些指標中,定制方案的個性化配置(G1)和定制師的服務質量(G2)為效益型指標,即屬性值越大越好的指標[25]220-225;價格(G3)為成本型指標,即屬性值越小越好的指標[25]220-225。

二、相關定義

為了方便起見,稱α=(uα,vα)為直覺模糊數[27]417-433,其中,uα∈[0,1],vα∈[0,1],uα+vα≤1。

定義2[28]163-172設α=(uα,vα)為一個直覺模糊數,則該直覺模糊數的得分函數為

定義4[30]1179-1187設αj=(uαj,vαj)(j=1,2,…,n)為一組直覺模糊數,且設IFWA:Θn→Θ,若

定義5[30]1179-1187設αj=(uαj,vαj)(j=1,2,…,n)為一組直覺模糊數,則由IFWA算子得到的集成值也是直覺模糊數,其中

三、決策方法

(一)問題描述

針對這m個游客的定制需求,旅游企業需要首先加以審核,以排除不合實際的定制需求?，F假設這m個游客的訂單均通過了旅游企業的審核,審核通過后旅游企業安排n個定制規劃師進行專屬定制。每個定制規劃師針對游客的特定需求,為游客提供一個旅游定制方案,n個定制規劃師可提供n個定制方案,定制方案的集合為B={B1,B2,…,Bn},其中Bj表示第j個定制方案,j=1,2,…,n。通常情況下,由于旅游企業存在定制能力和其他資源條件的約束和限制,因此有n

假設游客Ai對定制方案Bj依據評價指標Gk(k=1,2,3)作出評價。首先獲取每一個游客在各定制方案下相關屬性評價值等信息,將多種形式信息的屬性評價值轉化為直覺模糊數并進行規范化處理,求得規范化的直覺模糊數屬性評價值;其次運用直覺模糊熵計算各屬性的客觀權重,然后運用IFWA算子集成所有屬性評價值,求得加權規范化直覺模糊決策矩陣,在此基礎上計算出相應的得分矩陣;最后通過確定正靶心、負靶心和平均期望值的3個參照點矩陣,計算3個參照點下針對每個游客在各定制方案下的前景價值矩陣,再運用加權平均算子將3個前景價值矩陣集結成一個綜合前景價值,在考慮大規模定制旅游能力以及成本、價格等約束條件下,構建以綜合前景價值最大化為目標的指派模型,并通過求解指派模型得到指派結果。

(二)游客滿意度與定價

1.游客對定制方案個性化配置的滿意度

(6)

(7)

游客對定制方案個性化配置的滿意度計算公式為

2.游客對定制師服務質量的滿意度

游客對定制師服務質量的滿意度計算公式為

3.游客的加權平均滿意度

由式(8)和式(12),可以將游客對定制方案個性化配置的滿意度和游客對定制師服務質量的滿意度進行加權平均,計算出游客對二者的加權平均滿意度為:

4.個性化需求定價模型

價格(G3)是游客決定是否選擇大規模定制旅游的因素之一,也是大規模定制旅游指派的重要評價指標。在定價方面,旅游企業制定的價格應在一個合理的區間范圍。首先,價格不得低于成本,如果價格低于成本,則意味著旅游企業將發生虧損;同時,價格也不得高于游客愿意支付的最高價格,如果價格高于游客愿意支付的最高價格,游客將放棄定制旅游從而導致旅游企業失去訂單。因此旅游企業制定的價格范圍應既不低于旅游企業的成本,也不高于游客愿意支付的最高價格。另外,旅游企業定價還應考慮游客對定制方案個性化配置和定制師服務質量的綜合滿意度,綜合滿意度越高,游客愿意支付的價格也就越高。因此,旅游企業可以針對不同游客的個性化需求實施差別定價法,定價模型可以構建為

(三)評價信息的數據轉化

1.評價信息為直覺模糊數的標準化

2.評價信息為語言短語的數據轉化

表2 語言變量與直覺模糊數的轉換

3. 評價信息為實數的數據轉化

假設游客Ai(i=1,2,…,m)在定制方案Bj(j=1,2,…,n)下,針對評價指標價格(G3)給出以實數型pij3形式表示的評價信息。因價格pij3是成本型屬性指標值,本文參考李登峰提出的方法[33]73-74,將其轉化為直覺模糊數的計算公式為

參數ε3∈[0,1]和φ3∈[0,1]滿足條件0≤ε3+φ3≤1。ε3、φ3可根據實際評價問題特點和需要由旅游企業事先確定。

(四)屬性權重的確認

在此基礎上依據李梅提出的方法[29]48,可求得各屬性的客觀權重,計算公式如下

(五)屬性集結

假設游客Ai(i=1,2,…,m)在定制方案Bj(j=1,2,…,n)下,針對評價指標Gk(k=1,2,3)分別給出直覺模糊數、語言短語、實數等形式的評價值,將多種形式信息的屬性評價值轉化為直覺模糊數并進行規范化處理,得到一組直覺模糊值αijk={αij1,αij2,αij3},依據定義5,由IFWA算子得到的屬性集成值也是直覺模糊數,其中

(六)游客對所有屬性的綜合滿意度

其中,Iij=1-Uij-Vij,I+=1-U+-V+,I-=1-U--V-。式中:i=1,2,…,m;j=1,2,…,n。

游客對所有屬性的綜合滿意度計算公式為:

(七)參照點的選擇

確立3個參照點矩陣,其中前兩個參照點為游客Ai(i=1,2,…,m)在定制方案Bj(j=1,2,…,n)下,依據灰靶決策方法[34]256-275確立的正靶心、負靶心,第3個參照點為各定制方案的平均期望值。

(八)屬性綜合前景價值的計算

顯然,綜合前景價值Vij越大,定制方案Bj對于游客Ai越好。

(九)指派模型的建立

基于前景理論的大規模定制旅游指派模型是在考慮游客心理行為特征的基礎上,以游客的綜合前景價值最大化為目標建立的模型:

s.t.{

目標函數(31a)指派模型為以游客綜合前景價值最大化為目標的規劃模型。約束條件(31b)與(31c)表示方案Bj為游客Ai提供的價格應介于成本與游客愿意支付的最高價格之間;約束條件(31d)表示旅游企業某個定制方案服務的游客人數,不能超過該定制方案所能服務游客的數量上限;約束條件(31e)表示已通過審核的每位游客最終只能安排到一個定制方案;約束條件(31f)表示xij為0-1變量。

(十)評價方法的步驟

綜合以上分析,可將基于前景理論的大規模定制旅游指派問題決策方法的主要步驟歸納如下:

步驟1,獲取決策前提條件中的游客集、定制方案集和屬性集等信息內容;

步驟2,獲取游客對定制方案個性化配置的直覺模糊評價以及游客對定制師服務質量的語言短語評價;

步驟3,依據式(5)-(8)計算游客對定制方案個性化配置的滿意度,依據式(9)-(12)計算游客對定制師服務質量的滿意度,并依據式(13)對這兩個滿意度進行加權平均,求得游客的加權平均滿意度;

步驟4,依據式(14),測算旅游企業各個定制方案為每位游客提供的價格;

步驟5,依據式(15)-(19)及表2,將游客對定制方案個性化配置的直覺模糊評價、定制師服務質量語言短語評價和價格實數轉化為直覺模糊數并進行規范化;

步驟6,依據式(20),針對每個游客計算定制方案個性化配置、定制師服務質量和價格等各屬性的直覺模糊熵,在此基礎上依據式(21)計算各屬性的權重;

步驟7,依據式(22),運用直覺模糊加權平均(IFWA)算子集成所有屬性評價值,求得加權規范化直覺模糊決策矩陣;

步驟8,依據式(23),根據加權規范化直覺模糊決策矩陣,計算其相應的得分矩陣;

步驟9,依據式(28),確立每個游客在各定制方案下的參照點矩陣,其中前兩個參照點為依據灰靶決策理論確立的正靶心和負靶心,第3個參照點為每個游客在各定制方案下的得分值平均期望值;

步驟10,依據式(29),計算每個游客針對各定制方案在3個參照點下的前景價值,得到基于3個參照點的前景價值矩陣;

步驟11,依據式(30),將基于3個參照點的前景價值矩陣通過加權平均算子進行集結,求得每個游客在各定制方案下的綜合前景價值矩陣;

步驟12,依據式(31a)-(31f),建立大規模定制旅游指派優化模型;

步驟13,使用MATLAB軟件求解模型,獲得最優的指派結果。

四、算例分析

(一)算例及指派優化結果

假設某旅游企業收到13個游客大規模定制旅游需求訂單,現假設這13個游客的訂單均通過了旅游企業的審核。針對這些游客的定制需求,旅游企業安排3個定制師進行專屬定制,每個定制師負責提供一個旅游定制方案,即旅游企業提供3個旅游定制方案供游客選擇。假設游客的集合為A={A1,A2,…,A13},定制方案的集合為B={B1,B2,B3}。從游客角度出發選取定制方案個性化配置(G1)、定制師服務質量(G2)和價格(G3)作為評價指標,其中,價格為成本型指標,其余為效益型指標。

表3 各定制方案的成本和服務游客人數的上限

旅游企業可以通過網絡調查等方式獲取游客對定制方案個性化配置的直覺模糊評價以及游客對定制師服務質量語言短語評價,游客的語言短語評價采用九粒度語言評價信息集Y={y0,y1,y2,y3,y4,y5,y6,y7,y8}={EP(極差),VP(很差),P(差),MP(較差),F(一般),MG(較好),G(好),VG(很好),EG(極好)},相關數據見表4。

表4 游客的屬性評價矩陣

已知游客對定制方案個性化配置滿意度的權重向量為(0.500,0.650,0.485,0.600,0.450,0.500, 0.550, 0.450, 0.500, 0.700, 0.750, 0.475, 0.600),游客對定制師服務質量滿意度的權重向量為(0.500,0.350,0.515,0.400,0.550,0.500,0.450,0.550,0.500,0.300,0.250,0.525,0.400)。依據式(5)-(8)計算游客對定制方案個性化配置的滿意度,依據式(9)-(12)計算游客對定制師服務質量的滿意度,并依據式(13)計算游客對個性化配置和定制師服務質量的加權平均滿意度,相關數據見表5。

表5 游客的滿意度

依據式(14),測算旅游企業各個定制方案為每位游客提供的價格,相關數據見表6。

表6 各定制方案為游客提供的價格

依據式(16)-(19),將價格實數進行規范化并轉化為直覺模糊數,其中ε3=0.820,φ3=0.115,相關數據見表7。

表7 價格實數轉化為直覺模糊數

依據表2,將游客對定制師服務質量的語言短語評價轉化為直覺模糊數,相關數據見表8。

表8 語言短語評價轉化為直覺模糊數

依據式(20),針對每個游客計算定制方案個性化配置、定制師服務質量和價格等評價屬性的直覺模糊熵,在此基礎上依據式(21)計算各評價屬性的權重,相關數據見表9和10。

表9 每個游客關于各屬性的直覺模糊熵

表10 每個游客關于各屬性的權重值

依據式(22),運用直覺模糊加權平均(IFWA)算子集成所有屬性評價值,求得加權規范化直覺模糊決策矩陣,相關數據見表11。

表11 加權規范化直覺模糊決策矩陣

根據式(23),依據加權規范化直覺模糊決策矩陣,計算其相應的得分矩陣。依據式(28),確立每個游客在各定制方案下的參照點矩陣,其中前兩個參照點為依據灰靶決策理論確立的正靶心和負靶心,第3個參照點為每個游客在各種定制方案下的得分值平均期望值,相關數據見表12。依據式(29),計算每個游客針對各定制方案在3個參照點下的前景價值,得到基于3個參照點的前景價值矩陣,得出相關數據,見表13。

表12 得分矩陣及3個參照點

表13 每個游客針對各定制方案在3個參照點下的前景價值

假定旅游企業依據游客對3個參照點的偏好分別設定權重(0.3,0.4,0.3),依據式(30),將基于3個參照點的前景價值矩陣通過加權平均算子進行集結,求得每個游客在各定制方案下的綜合前景價值矩陣,相關數據見表14。

表14 綜合前景價值矩陣

依據式(31a)-(31f),建立大規模定制旅游指派模型:

maxZ= 0.0538x11+0.0361x12-0.1151x13+0.0361x21+0.0778x22-0.1615x23+0.0664x31-0.1968x32+0.0912x33+0.1508x41+0.1748x42-0.3838x43-0.1710x51+0.0719x52+0.0772x53+0.1413x61-0.3098x62+0.1206x63-0.2670x71+0.1412x72-0.0186x73+0.1578x81-0.3381x82+0.1073x83+0.0786x91+0.0668x92-0.1723x93-0.2543x101+0.1324x102-0.0046x103-0.2544x111-0.1132x112+0.1474x113+0.1263x121-0.2341x122-0.0319x123-0.0205x131-0.1822x132+0.0976x133

使用MATLAB軟件求解模型,獲得最優的指派結果為第1、6、8、9和12個游客安排給方案1,第2、4、7和10個游客安排給方案2,第3、5、11和13個游客安排給方案3,具體安排見表15。

表15 指派優化的結果

(二)與不采用“指派優化分組”結果的比較

如果不采用指派優化模型,隨意地將游客安排給3個方案,比如按順序將第1至第5個游客安排給方案1,將第6至第10個游客安排給方案2,將第11至第13個游客安排給方案3,依據表14和式(24)-(27),可以計算游客個人綜合前景價值和對所有屬性的綜合滿意度以及總體平均滿意度,相關數據見表16。隨意安排的結果與指派優化的結果相比較,游客個人綜合前景價值和綜合滿意度除了第1、7、10、11和13個游客保持不變,其余游客的個人綜合前景價值和綜合滿意度都有不同程度的降低;總體綜合前景價值從1.497 4降低到0.041 7,總體平均滿意度由68.76%降低到53.59%。

而最差的一種可能指派結果,是所有游客的綜合前景價值均為負數,游客安排如下:第5、7、10和11個游客安排給方案1,第3、6、8、12和13個游客安排給方案2,第1、2、4和9個游客安排給方案3。與指派優化結果相比,最差指派結果的總體綜合前景價值由1.497 4降低到-3.040 4,總體平均滿意度則下降了39.02%。

3種不同指派結果下,各個游客綜合滿意度的比較,如圖1。

3種不同指派結果下,游客總體平均滿意度的比較,如圖2。

表16 隨機指派和最差指派的結果

五、結論

研究表明,采取大規模定制旅游指派優化方法對游客進行分組后,無論是游客個人還是分組后的總體均獲得了較高的綜合前景價值和滿意度。通過本文分析可以得出:大規模定制旅游方式下,從游客的“有限理性”角度出發,基于前景理論對游客進行合理優化分組,是滿足游客個性化需求,提升游客滿意度的有力途徑。

本文針對大規模定制旅游指派問題,提出了一種基于前景理論的決策方法,該方法具有以下優勢:首先,通過構建個性化定價模型,既考慮了游客的個性化需求,又兼顧了旅游企業的成本和效益,體現了大規模定制旅游追求“雙贏”的理念;其次,在現實的指派問題中常常會遇到多種類型的數據并存的情形,而本文在數據上采用實數、直覺模糊數和語言短語等多種形式反映大規模定制旅游指派問題的評價信息,因而更加貼近實際情況;再次,運用前景理論反映游客在大規模定制旅游決策過程中的心理行為特征,更加符合人們的決策行為習慣,可以為實施大規模定制旅游的企業提升游客滿意度提供另外一種思路;最后,改進了參照點的選擇,通過選擇正靶心、負靶心和平均期望值作為3個參照點來減少由于參照點單一而導致的信息損失,從而提高指派的科學性。

由于篇幅所限,本文未深入探討大規模定制旅游指派評價指標體系中相關指標之間的關聯性;另外,本論文也未對游客的不同行為偏好,包括謹慎、偏激或是溫和等可能會導致的不同指派結果進行區分探討,這些問題將在以后的研究中加以討論和解決。