营销系统冲突的智能化管理研究

来源:用户上传      作者:

　　摘  要：从营销系统模块的智能化管理思路出发，研究了营销系统的冲突状况，分析了营销模块冲突的解决路径。分别从数学模型的运用和人工智能技术的运用进行了研究 。并对营销模块的博弈论方法进行了分类介绍。最后对营销冲突的智能化水平的度量进行了分析。
　　关键词：营销模块;冲突管理;智能化;度量技术
　　一、引言
　　现代营销系统特别是国际营销系统往往会受冲突问题的困扰。冲突问题基本上是营销系统智能化管理的难点。因为冲突问题大多是非结构化的复杂问题，而不是结构化的流程型问题。现代营销系统由于逐步实行模块化管理，大大提高了智能化管理的可能性。但营销模块化仍然没有很好的实现智能化管理的有效性。笔者对这个问题进行了相关研究。
　　二、营销模块的冲突问题分析
　　营销系统实施模块化管理的历程较短，各个方面的理论和实践经验较少。模块化对于流程化和结构化的系统具有较好的效果。但是模块化对于非结构化的复杂知识处理缺乏较好的解决方案。营销系统的冲突问题范围广泛。主要的冲突问题包括法律冲突、制度冲突、文化冲突等等。现有的冲突解决方案和途径主要是由人来实现的。这就为营销系统冲突的智能化管理提供了研究空间。
　　营销模块化的冲突管理目前还没有较好的研究路径。笔者认为营销系统在实施模块化的初期就要为冲突管理预留设计空间。营销模块化的品种和思路在不断发展，已经从有形资产领域向无形资产领域转变。营销系统的模块化过程不仅是冲突的发现过程，而且也是冲突的解决过程。智能化的物流管理不仅要能够发现冲突，而且要管理冲突，乃至解决冲突。
　　目前，关于冲突问题的解决方案很多是从博弈论的角度出发。引入了人工智能的博弈论可以快速的运用计算机来解决问题。但是相关的数学模型还是需要专家去构建。也就是说相关的数学模型的建立还是没有实现人工智能。也就是营销物流系统的流程处理模块可以较好的处理流程冲突，但对于非流程型的冲突无能为力。流程型冲突时低层次的冲突，大多属于物理系统的冲突类别。物理系统的冲突可以比较容易的建立数学模型。
　　非流程型的冲突往往很难建立数学模型。没有数学模型的冲突问题肯定不能运用博弈论的方法。而且，目前的国际营销物流系统是开放的，具有动态的冲突问题边界。也就是，很多冲突属于无边界的冲突。这种无边界的冲突也是难以建立一般数学模型，也是难以运用传统博弈论方法。
　　另外，还有一些发散型的冲突没有解决方案，也就是冲突问题在一定时间内不收敛，导致冲突问题在一定时间内无解。这也没有办法来运用博弈论。
　　三、物流模块冲突的解决路径研究
　　（一）营销物流模块冲突的非结构化问题解决路径分析
　　既然一般的结构化的冲突问题具有较好的解决基础和路径，那么对于非结构化的冲突问题就可以向结构化冲突问题转化。非结构化的冲突问题往往具有难以理解的语义问题。也就是计算机看不懂相关的具体冲突问题。这就对人工智能提出了更高的要求。要求针对物流模块冲突的人工智能具有更高层次的学习能力，特别是深度学习能力。笔者提出要加大营销系统初始模块化的人工智能设计和规划。提高人工智能的运用层次可以更好的应对营销模块化的冲突。尤其是人工神经网络等技术的引入对于营销冲突的学习机制有较大帮助。越是非结构化程度高的冲突问题，就对智能化的要求越高。物流模塊化的过程本身就是解决非结构化营销系统一般问题的辅助手段，但很多具体问题不能得到解决。非结构化的冲突往往可以预测，可以统计。非结构化冲突的语义理解需要人工智能的结构化学习能力。而目前人工智能的深度学习能力普遍不好。这就让营销模块的冲突形成了等待。这种等待是一个具体行业对公共技术平台的等待，属于产业发展的正常情况。
　　（二）系统动态边界冲突问题的分析
　　现代营销系统往往是不具有固定边界的。业务范围具有动态的特征。冲突的发生与发展也具有随机的特征。在时间上冲突随机发生，在业务领域上冲突也随机发生。这种冲突的随机性具有多维度的基本特征。开放的动态边界，为我们运用博弈论设置了障碍。目前，虚拟最小遗憾算法在博弈论中有所运用，提高了人工智能的应用水平。模糊数学、灰色系统、人工神经网络等理论工具都可以较好的运用于动态边界的冲突问题。但是由于边界是动态的，冲突的随机性具有多维特征。冲突的捕捉具有更高的难度。冲突捕捉难度的提高是冲突问题处理的第一道难关。这对于面前的人工智能的管理和应用提出了挑战。
　　机器学习的理论可以解决部分人工智能系统的知识库问题。知识库的边界是开放的。知识库的运用可以解决基本的常用工具需求。一般的普通冲突基本可以用人工的方法去构建。知识库的图谱，目前已经是成熟的技术路径。知识库的图谱不是人工智能的难点。自然语言的理解仍然是智能管理的难点。由于边界冲突问题本身就可能是语言冲突，所以自然语言的处理是个关键问题。这是通用技术的问题。
　　（三）系统冲突的博弈分析
　　营销系统的博弈，根据营销系统的复杂程度可以划分为六类。根据营销系统的变化发展的速度，可以分为模块化静态博弈和模块化动态博弈。根据营销系统信息的屏蔽程度，可以分为模块化完全信息博弈和模块化不完全信息博弈。根据营销系统内外的合作程度，可以分为模块化合作博弈和模块化非合作博弈。这些博弈论的具体方法都有很好的数学模型来支持。这些数学模型的运用基本上可以运用智能化的方法。这些都是常规技术。
　　四、营销系统冲突的智能化管理的度量问题
　　由于目前人们对营销系统智能化管理实践和理论还没有很好掌握，而且智能化平台技术还没有发展到很高的水平，所以目前的营销系统智能化管理的实际水平还很低。这就需要我们对营销系统的智能化管理进行度量。这个度量技术目前还有很多研究的空间。多度量技术的研究可以更好地促进智能化物流管理系统的规范化。因为营销系统的供应链的特征，所以各个营销模块的智能化管理水平必须匹配和协调。营销系统智能化的度量技术为供应量的协调运作提供了基础性根据。因此，笔者认为营销模块的智能化管理水平很大程度上取决于智能化度量技术的水平。
　　参考文献：
　　[1]精益制造执行系统（LMES）的研究与开发[J].邹强强，石宇强. 制造业自动化. 2014人工智能的商业价值和取用之道[J]. 黄平.电子技术与软件工程. 2019（14）
　　[2]人工智能对企业会计的影响及应对策略[J].杨昊华，王艳芹. 中外企业家. 2019（03）
　　[3]浅谈人工智能对财务行业的影响[J]. 李佳蔚.中国农业会计. 2019（01）
　　[4]初露锋芒的人工智能招聘[J].凌云，李传耀.智库时代. 2017（16）
转载注明来源:https://www.xzbu.com/3/view-15044879.htm