心智反饋模型

心智反饋模型，Mind-Feedback Model，中國籍企業管理學家羅嘯所發明的商業分析模型。該商業分析模型不同於其他商業模型的地方在於，成功實現了對消費者心智的建模和量化分析，同時還將其用於實踐中的誤差控制在5%以內。在該模型中，每個消費者被視作電信系統中的比特（bit）擁有其獨立的虛擬屬性，很好地實現了精細化行銷的需求。其理論核心在於：運用電信系統中的IIR（無限脈衝回響）系統來保證抽象數據量化的穩定性，同時通過統計學的基礎分布對區域內各個消費者進行虛擬建模，以巨觀統計數據作為分析基礎，反饋形成各個微觀消費者的虛擬屬性，從而很好地模擬了區域內消費者的心智活動。

基本介紹

• 中文名：心智反饋模型
• 外文名：Mind-Feedback Model
• 表達式：MFM
• 提出者：羅嘯
• 提出時間：2012年
• 套用學科：商業
• 適用領域範圍：企業管理

概述

心智反饋模型由羅嘯於2012年在他就讀於倫敦大學學院（UCL）的碩士畢業論文中提出。基於其多年在電信系統方面的研究，在該論文中，他第一次提出了心智也是可以進行量化的，而保持這個模型穩定的基礎就是電信系統中的無限脈衝回響（IIR）系統。在IIR系統中，有限信號的輸入可能會產生無限長的信號輸出，需要依據Z變換之後的極點是否在複數坐標的單位圓內來判斷系統是否穩定。通過分析，羅嘯證明了將IIR的系統架構運用在一些抽象參數的量化上是可以行的，整個模型在經過Z變換之後具有穩定性，藉此提出了將消費者心智資源進行量化的分析模型。

模型理論

與電信系統的類比

在電信系統中，最基礎的信號單位為比特，依據不同的實際需求，信號系統工作者會在設計系統時構建出擁有不同邏輯體系的系統。基礎信號在系統之間經過運算之後產生變化，最終由輸入信號變為輸出信號。

系統的構建與運算

在心智反饋模型中，每一個消費者就是由代表不同屬性的“比特”（性別，年齡，購買力，產品相合性，渠道接觸度）所構成的類似“位元組”的輸入源。通過計算機，依據區域的巨觀數據模擬出數萬個消費者（在羅嘯的畢設中，其模擬的消費者量級在30000人），再依次依據企業的價格，行銷，產品，競爭等情況模擬出價格運算元（operator），行銷運算元，產品運算元與競爭運算元。

認知價值運算元的模型分布

之後，依靠IIR系統的強健性，用該系統的反饋邏輯來保證各個運算元之間邏輯關係的穩定性。同時在各個運算元內部以及各個比特屬性之間，依舊用IIR系統的基礎構架來保證他們之間邏輯關係的穩定性，從而使整個模型系統趨於穩定。

消費傾向參數（Propensity）

在整個模型中，量化的最終體現為消費傾向參數（Propensity）,他具有如下屬性：

1. It’s about the will that people want to buy the product.（它代表了消費者的消費傾向）

2. It’s abstract but the main parameter in this modeling approach.（它是抽象的，但同時是這個模型中最為關鍵的參數）

3. In this project, the propensity is quantified as the feedback to connect the business IR systems in different product cycles.（我們用該參數來連結不同商業運算元所形成的脈衝回響系統。）

4. It is initialized by a Gaussian distribution with 97% energy focused on the interval of [-10, 10]. .（在初始假設中，消費傾向參數以高斯分布來進行初始化。）

5. It will be changed in each business processor.（它會被各個不同的商業運算元所改變）

6. The final propensity is the only parameter which will affect whether people buy the product.（最終的消費傾向參數是關於單個消費者是否進行購買活動的唯一標準）

7. It can be regarded as the signal in telecom system. It will be modulated by the people, affected by the noise, get to the end of the system and generate the displayed result.（它類似於電信系統中的信號，由各個消費者進行內部調製，各個運算元模擬外部運算邏輯與噪音，在終端形成其最終的輸出信號）

模型的輸出結果

在對30000名消費者進行建模之後，依據消費傾向參數（Propensity）的輸出結果，形成了最終的經過量化的每個消費者的消費傾向數據。將該數據經過整理之後，可以形成所有消費者的消費傾向參數分布圖，同時還可以得到消費者下達購買決策時對應消費傾向參數的閾值。

模型系統中形成的消費者數據

30000名消費者的消費傾向分布圖

消費傾向分布（Propensity Distribution）

通過該模型最終形成量化的指標---消費傾向參數。將該參數的消費者分布用柱狀圖表示出來可以發現，其在大致形狀上形成一個左陡右緩的山體，且山體右端從頂峰向下的有明顯“陡---緩---陡---緩”的坡度變更，而購買行為的臨界閾值一般存在於分布的右端。目前尚沒有標準的數學公式可以描述該分布，僅能通過計算機建模後得到。圖中所示的消費傾向分布皆為30000-40000人左右的消費傾向分布，更平滑的分布圖樣會需求更高計算能力的計算機來進行模擬。

套用

通過建模，可以統計分析並預測每一個消費者的消費傾向參數，同時可以得到模擬的每一個消費者在年齡，性別，購買力，產品相合性等方面的量化數據。以中國山西的一家炸雞快餐店的消費數據為基礎進行誤差測算，運用該模型進行次年銷售額測算的誤差結果測算，2011年的預測值與實際值的誤差為1.11%，2012年的預測值與實際值（僅有上半年實際數據，因此客觀上導致了一定的誤差）的誤差為8.04%。

預測值與實際值之間的誤差

除了進行預測以外，該模型可以模擬區域內消費者包括消費傾向參數在內的多個參數，同時模擬整個商業活動中消費者購買決策的下達過程。其中蘊含的數據可以很好地支持包括年齡分類，產品定位，精細化行銷等多種商業手段。