1、灰色系统理论视角下企业绿色营销绩效管理评价内容摘要：本文通过对企业绩效、生态环境绩效和社会绩效等三个方面的绿色营销绩效评价指标的选用，运用灰色系统理论对企业的绿色营销绩效进行了综合的评价。通过建立灰色多目标模型，提高了企业对绿色营销绩效评价分析的可信度，为企业加强对绿色营销绩效的管理与控制提供了科学的依据，同时为企业改善绿色绩效管理的薄弱环节，并实施有效控制提供一些帮助。 关键词：灰色系统理论 绿色营销绩效 绩优度 层次分析法 引言 灰色系统理论是我国学者邓聚龙教授于 19 世纪 80 年代初创立并发展的理论，它把一般系统论、信息论和控制论的观点和方法延伸到社会、经济、生态等抽象系统，结合运用
2、数学方法发展的一套解决灰色系统的理论和方法，20 多年来，灰色系统理论引起了国内外学者的广泛关注。灰色系统理论已成功应用到工业、农业、社会、经济等众多领域，解决了生产、生活和科学研究中的大量实际问题。灰色系统是指“部分信息已知，部分信息未知”的“小样本” ， “贫信息”的不确定性系统，它通过对“部分”已知信息的生成、开发去了解、认识现实世界，实现对系统运行行为和演化规律的正确把握和描述。 随着经济的发展，消费观念的转变，绿色消费的兴起，市场营销将迎来一个全新的时代绿色营销。在激烈竞争、不断变化的市场上，企业在绿色营销观念的指导下，必须不断进行营销组合策略的创新，动态地评价与控制各项营销活动，及
3、时地发现问题、解决问题，这样才能增强企业的绿色营销绩效。 由于绿色营销活动涉及企业自身的发展对社会、经济的影响等，是一个复杂的大系统，而且反映其绩效的某些指标很难准确地量化和统计，在进行绿色营销绩效集成评价时，常常很难判断反映绿色营销绩效优劣的信息的完备性，难以精确地描述，因此可以应用灰色系统有关理论进行研究与评价。 绿色营销绩效管理指标体系构建 对于一个企业来讲，绿色营销绩效就是其在绿色营销活动中的投入与产出的比较。传统的企业中，可能会追求更少的人力、物力、财力的投入，而其所获得的销售量、利润率、市场占有率等指标会尽可能的高。然而由于绿色营销绩效的特殊性，它不仅涉及到企业经济绩效，还包括社会
4、环境绩效、生态环境绩效。它要求企业在追求经济效益最大化的前提下，也要关注环境保护和资源的可持续利用、社会经济的可持续发展。基于绿色营销绩效多方面特征和内涵和所要遵循的一些原则，本文构建了企业绿色营销绩效指标体系，把绿色营销绩效管理用一个指标量化，即绿色营销绩效综合优度绩优度 P，它反映了绿色营销的优劣和绿色营销活动的综合效果，绩优度 P 越高，则表明企业的绿色营销绩效越好（见表 1） 。 （一）指标收集 为了保证指标值的真实可靠，企业内部应由专人或专门机构负责按一定期限收集整理各指标值，形成一个指标值评价矩阵。对其中的定量指标可以通过两种渠道获取指标值：一是从企业内的统计、财务、营销、企管、服
5、务等部门获得有关资料，经计算确定，如销售利润率、利润增长率、销售增长率、市场占有率等； 二是设立经常性的调查网络，通过抽样调查的方法进行推断，如通过对顾客的问卷调查了解顾客满意率与忠诚度等。对其中的定性指标不能直接用确定的数据表示，要经过适当的转换才能确定指标值，例如对公众影响力和社会导向力等指标， 可通过咨询专家、公众访谈等方法对这些指标按百分制或十分制打分，用分值表示，以方便绩效的综合评价。 （二）进行标准化处理 由于各指标属性上的差异会影响到绿色营销绩效评估的结果，为了保证绿色营销绩效评估的客观性和科学性，必须对所有指标进行标准化处理，即把指标矩阵 X=（Xij）mxn 变为效用系数矩阵
6、 D=（dij）mxn 以消除指标差异和量纲不同对评估结果的影响，一般方法如下： （i=1，2，m；j=1，2，n） （1） 式中 dij、xij 分别表示第 i 期第 j 个指标的效用系数值和指标值；x*j、xj 分别表示评估者预先确定的第 j 个指标的最优值和最劣值。 确定绩效指标的权重 对各指标的权重可以运用层次分析法（AHP）来确定，如表 1 所示，大体步骤如下： 一是根据指标体系的从属关系，构建由目标层、准则层、分准则层、指标层的递阶层次结构；二是指标体系中同一层次的各元素（指标）对于上一层次的相对重要性，通过专家进行两两对比，构造两两比较的判断矩阵；三是通过计算各判断矩阵的最大特征
7、值 max 和它的特征向量，算出每一层指标相对于上一层的相对权重。如准则层各元素对于目标层（绩优度）的相对权重为 Ws=（Wen，Wec，Ws） ，其中 Wen、Wec、Ws 分别表示企业绩效、生态环境绩效、社会绩效在绩优度中的权重；四是通过判断矩阵计算出的各元素的相对权重，来计算各层元素的组合权重。 运用灰色系统集成评估模型对绿色营销绩效进行评估 对绿色营销绩效进行评价，一般可以预先规定评估对象绩优度的优劣等级标准，如以 P 为绩优度，可规定为 0P10.2 时，绩优度很低甚至无（K=1） ；0.2P20.4 时，绩优度较低（K=2） ；0.4P30.6 时，绩优度一般（K=3） ；0.6P
8、40.8 时，绩优度较高（K=4） ；0.8P51 时，绩优度很高（K=5） 。 （一）构造样本矩阵 DL=（dij（L） ） ，L=S1，S2，S10；j=1，2，n 式中 dij（L）为 L 分准则层中，第 i 期所对应的第 j 个指标的样本标准值。 （二）确立灰类的白化函数 由于对指标进行了标准化处理，各个灰类标准都是用效用数值来确定的，因而各指标的优劣标准及属于某一灰类的标准都是一致的，本文得到了各指标的白化函数，如图 1 所示。 图 1 中 fk（L）为第 L 分准则层的第 j 个指标对 K 灰类的白化权函数；（1）jk、（2）jk 为 fk（L）的阀值，实际为各指标值灰类标准的代表
9、值（平均值）与上限值，如某一指标属于的灰类标准为 0.4 白化函数的计算公式如下： （2） （三）计算绿色营销绩效评价指标的灰色聚类权 设第 L 分准则层的 j 个指标对于第 K 个灰类的权值为 （L）jk，则有： （3） 由于各基础指标对某一灰类的白化函数是一致的，故实际上 （L）jk=（1）jk/n（i）jk=1/n（其中 n 为某一分准则层 L 下基础指标的个数） 。 （四）计算分准则层 L 综合评价的灰色聚类系数并构造灰色聚类矩阵 设 （L）ik 为第 i 个专家对第 L 分准则层综合评价属于第 k 灰色聚类系数，则有： （4） 这样就可以求出第 L 分准则层社会导向力（公益活动率，绿
10、色控制率）的灰色聚类矩阵： L=（L）ik）mx5 （5） 它以所有专家对第 L 分准则层综合评价的灰色聚类系数 （L）ik为矩阵，反映了某一评价子系统（如社会绩效）中不同分准则层（公众影响力，社会影响力，社会导向力）的评价优劣。灰色统计矩阵 L 是以灰色聚类系数为元素的矩阵，其中第 j 行的统计向量为：j=（L）j1，（L）j2，（L）j3， （L）j4，（L）j5） ，它表示第 j 个专家对第 L 分准则层的灰色集成评价。若有，则第 j 个指标属于第 k*个灰类，即为最大系数对应的灰类。 （五）建立灰色评估模型 上述 L 分别反映了企业绿色营销绩效评估指标中 L 分准则层在不同方面的优劣情
11、况，建立综合评估模型： Pis=WLRiL（i=1，2，8；S=1，2，3） （6） 式中 WL=（WS1，WS2，WS3，WSR，WS5）为企业盈利等几个方面对其准则层（企业绩效）的权重，RiL 为在 L 的灰色聚类矩阵，在不同的方面求得的第 L 分准则层属于灰类的灰类矩阵；RiL 为第 i 个专家第 L 个分准则层的综合评价向量，所以由以上的方法进一步可以得到： Pi=WSPiS （7） 其中 Pi 为第 i 个专家对绿色营销绩效优度的灰色集成评价，WS=（Wen，Wec，Ws）是由企业绩效，生态环境绩效，社会绩效对绩优度的权重向量，Pi=（Pi1，Pi2，Pi3，Pi4，Pi5）反映了第
12、 i 个专家对绿色营销绩效的集成评价属于不同的灰类程度，若有Pik*=maxPi1，Pi2，Pi3，Pi4，Pi5，则第 i 个专家对绿色营销绩优度的评价属于灰类 k*，即最大系数对应的灰类。 （六）求企业的绿色营销绩优度 以上得到的第 i 期所属的灰类实际上是一个等级区间，称为子集，具有一定的范围，可记作P（i）1，P（i）2，P（i）1、P（i）2 分别表示等级标准的上、下限，如某一期的绿色营销绩效优度属“好”类，则为P（i）1，P（i）2=0.6，0.8若有 m 期，便可得到 m 个区间值，从而形成一个集值统计序列。这 m 个子集叠加在一起，则会覆盖整个评价值，形成一种样本的落影函数分布
13、，根据这种分布可得到绿色营销绩效度如下： （8） 根据 P 值的大小即可判断企业绿色营销活动绩效的优劣，为企业的营销绩效评价和管理提供决策依据。 结论 本文运用灰色系统理论， 建立了灰色多目标模型， 提高了企业对绿色营销绩效评价分析的可信度，为企业加强对绿色营销绩效的管理与控制提供了科学的依据。但由于大多数指标数据的获取需要评价者主观打分，从而选择不同的评价者所产生综合评价结果可能会不完全一样。因此，在实际绩效评估过程中， 应尽可能多的寻找知识水平较高、经验丰富的专家打分，并把企业详细的生产经营状况告知他们，以提高每一个指标的精确度，从而更准确地确定企业的绩优度。 参考文献： 1.邓聚龙.灰色系统理论教程M.华中理工大学出版社，1990 2.许树柏.层次分析法原理M.天津大学出版社，1998 3.魏明侠，司林胜.绿色营销绩效管理M.经济管理出版社，2005 4.司林胜.企业绿色营销系统的构建与绩效评价J.系统工程，2003（4） 5.张汝根.企业绿色营销绩效评价及应用J.中国科技产业，2008（7）
