（企业管理专业论文）基于NPTB模型的银行个人客户交叉销售研究.pdf

基于n p t b 模型的银行个人客户交叉销售研究 学科：企业管理 研究生签字： 指导教师签字 摘要 交叉销售是客户资产增值的重要途径，而实施交叉销售的核心在于交叉销售机会的识 别，本文关注于交叉销售机会识别模型。 本研究首先对交叉销售内涵进行剖析，讨论了实施交叉销售的理论基础和技术支持， 分析现有交叉销售机会识别模型，通过比较序列模型和n p t b 模型，将n p t b 模型作为 本研究交叉销售的机会识别模型；其次构建基于n p t b 模型的银行个人客户交叉销售理 论体系框架，并根据银行的实际业务及数据进行变量的重新定义：然后采用银行的客户交 易数据来进行实证分析，研究贡献如下： 1 ) 修订n p t b 模型相关变量定义，加入关系时间变量，建立国内银行个人客户交叉 销售的n p t b 模型 本文在文献研究的基础上，结合某商业银行的实际交易数据特征，建立了国内银行个 人客户交叉销售的n t t b 模型。选取活期、定期、贷款、理财、基金、国债六大类产品 作为实施交叉销售的产品，进行变量的重新定义，用个人金融资产余额代替无法获取的个 人收入水平，加入关系时间变量，选取应用方便并被广泛使用的逻辑回归模型和善于捕捉 非线性变量关系的神经网络模型作为统计模型。 2 ) 对某商业银行个人客户交叉销售进行实证分析 本文利用某商业银行个人客户的实际交易数据，对n p t b 模型进行了实证分析。本 文选取了在银行业中容易获取的历史数据作为数据源，在实证过程中给出了银行业的业务 数据转化为交叉销售n p t b 模型用的数据转换的处理方法。另外，本文在选用统计模型 时，通过比较逻辑回归模型及神经网络模型，发现神经网络模型的预测准确率高于逻辑回 归模型，最终选用神经网络模型作为n p t b 模型的统计模型，并通过实证分析，发现n p t b 模型优于序列模型。 3 ) 对n i t b 模型在银行实际经营管理中的应用予以探讨 本文从实证结果与管理理论相结合的角度，探讨了如何将n p t b 模型应用于商业银 行的实际经营管理中。从营销数据库的建立、交叉销售产品分类、客户分类三个方面，给 出了n p t b 模型应用管理建言，以帮助银行实施交叉销售。 最后总结了本文主要的研究成果及研究的局限性，并给出了未来的研究方向。 关键词：交叉销售；n p t b 模型；逻辑回归模型；人工神经网络模型；序列模型 t h ec r o s s - s e l l i n gi nb a n k si n d i v i d u a lc u s t o m e r b a s eo nt h en p t bm o d e l d i s c i p l i n e ：b u s i n e s sm a n a g e m e n t a b s t r a c t t h ec r o s s - s e l l i n gi sa ni m p o r t a n tw a yt om a k i n gt h ec u s t o m e re q u i t yi n c r e a s e t h ek e yo f t h ei m p l e m e n t a t i o no f g l o s s s e l l i n gl i e si ni d e n t i f y i n gt h ec r o s s - s e l l i n go p p o r t u n i t i e s ，w h i c ht h i s p a p e rf o c u s e so n 1 b u i l dt h en p t bm o d e li nd o m e s t i cb a n k si n d i v i d u a lc u s t o m e rb ya m e n d i n gt h e d e f i n i t i o no fr e l e v a n tv a r i a b l e s ，a d d i n gt h er e l a t i o n s h i pt i m ev a r i a b l e a c c o r d i n gt ot h el i t e r a t u r es t u d y , t h i st h e s i sb u i l d st h en p t bm o d e li nd o m e s t i cb a n k s i n d i v i d u a lc u s t o m e rw i t ht h ea c t u a lt r a n s a c t i o nd a t ao fac o m m e r c i a lb a n k s e l e c tc u r r e n t d e p o s i t , f i xd e p o s i t , l o a n , f i n a n c i a la c c o u n t , f u n da c c o u n t ，n a t i o n a lb o n d sa st h ep r o d u c t so f g l o s s - s e l l i n g ，a m e n dt h ed e f i n i t i o no fv a r i a b l e s ，a d dt h er e l a t i o n s h i pt i m ev a r i a b l ea n ds e l e c tt h e l o g i s t i cr e g r e s s i o nm o d e la n dt h en e u r a ln e t w o r km o d e l a st h er i g h ts t a t i s t i c a lm o d e l 2 c o n d u c tt h ee m p i r i c a la n a l y s i so fn p t bm o d e lw i t ht h ea c t u a lt r a n s a c t i o nd a t a t l l i st h e s i su s e so n ec o m m e r c i a lb a n k sa c t u a lt r a n s a c t i o nd a t at oc o n d u c tt h ee m p i r i c a l a n a l y s i so fn p t bm o d e l i nt h ep r o c e s so fe m p i r i c a la n a l y s i s ，i tg i v e st h em e t h o dw h i c h t r a n s f e r sb u s i n e s sd a t ai n t om a r k e t i n gd a t a t h ea n a l y s i sr e s u l t ss h o wt h a tt h ea c c u r a t eo ft h e n e u r a ln e t w o r km o d e li sh i g h e rt h a nt h el o g i s t i cr e g r e s s i o nm o d e l w es e l e c tt h et h en e u r a l n e t w o r km o d e la st h es t a t i s t i c a lm o d e lo fn p t bm o d e l t h ee m p i r i c a ls h o wt h a tn p t bm o d e l i sb e t t e rt h a nt h es e q u e n c er u l e 3 p r o p o s et h er e l e v a n tm a n a g e m e n ta d v i c et h r o u g hd i s c u s s i n gt h ea p p l i c a t i o no f n p t bm o d e li nt h ea c t u a lo p e r a t i o na n dm a n a g e m e n to fc o m m e r c i a lb a n k s t h i st h e s i sh a sa ni n - d e p t hd i s c u s s i o no fh o wt oa p p l yt h en p t bv a l u em o d e lt o c o m m e r c i a lb a n k si nt h ea c t u a lo p e r a t i o na n dm a n a g e m e n t i tg i v e ss o m em a n a g e m e n ta d v i c e f r o mt h r e ea s p e c t st h a ta 代t h eb u i l d i n go fm a r k e t i n gd a t a b a s e ，g l o s s - s e l l i n gp r o d u c t s c l a s s i f i c a t i o n , c u s t o m e rc l a s s i f i c a t i o nt oh e l pt h eb a n k st oi m p l e m e n tc r o s s s e l l i n g f i n a l l y , i ts u m m a r i z e st h em a i nr e s u l t so ft h et h e s i sa n dp o i n t so u tt h el i m i t a t i o no ft h e s t u d ya n da l s od i s c u s s e st h ef u t u r er e s e a r c hw o r k k e yw o r d s ：c r o s s - s e l l i n g ；n p t bm o d e l ；l o g i s t i cr e g r e s s i o n ；n e u r a ln e t w o r k ；s e q u e n c em o d e l 目录 1 绪论1 1 1 课题来源与研究背景。l 1 2 研究内容、意义、思路及框架。2 1 2 1 研究内容2 1 2 2 研究意义2 1 2 3 技术路线3 1 2 4 论文框架4 1 3 主要创新点5 2 交叉销售相关理论6 2 1 交叉销售的概念6 2 1 1 交叉销售的定义6 2 1 2 交叉销售的内涵6 2 2 交叉销售的理论基础和技术支持7 2 2 1 与c r m 的关系7 2 2 2 与数据库营销的关系8 2 2 3 技术支持9 2 3 交叉销售机会识别文献综述1 0 2 3 1 交叉销售机会识别模型1 0 2 3 2 本研究交叉销售机会识别模型的选取1 2 2 4 本章小结1 3 3 基于n p t b 模型的银行个人客户交叉销售模型构建1 4 3 1n p t b 模型简介。1 4 3 2 基于n p t b 模型的银行个人客户交叉销售模型构建的影响因素。1 5 3 2 1 交叉销售在我国银行业应用的制约因素1 5 3 2 2 客户数据。1 6 3 2 3 数据质量1 7 3 3 基于n p t b 模型的银行个人客户交叉销售研究方案设计1 7 3 3 1 交叉销售产品的确定1 7 3 3 2 时间段的确定1 9 3 3 - 3 统计模型的选取1 9 3 3 4 模型检验2 0 3 3 5 研究方案。2 0 3 4 基于n p t b 模型的银行个人客户交叉销售模型构建2 1 3 4 1n p t b 模型变量确定2 1 i 3 4 2 模型的实现2 4 3 5 本章小结2 6 4 基于n p t b 模型的银行个人客户交叉销售实证研究2 7 4 1 数据来源2 7 4 2 数据预处理2 7 4 3 数据描述：3 2 4 3 1 人口统计变量描述3 2 4 3 2 其他特征描述。3 5 4 4 自变量检验3 9 4 5 逻辑回归模型4 5 4 5 1 数据平衡前的逻辑回归模型4 5 4 5 2 数据平衡后的逻辑回归模型4 7 4 6 神经网络模型一4 9 4 7n p t b 模型与序列模型的预测效果比较5 1 4 8 本章小结5 2 5n p t b 模型在银行经营管理上的应用5 3 5 1 建设交叉销售与营销数据库集成平台一5 3 5 2 合理的交叉销售产品分类一5 4 5 3 交叉销售客户的分类5 5 5 4 本章小结5 7 6 结论5 8 6 1 研究结论一5 8 6 2 研究贡献5 8 6 3 局限性。5 9 6 4 未来研究方向5 9 参考文献6 1 攻读硕士学位期间发表的论文6 4 j 2 i 谢6 5 学位论文知识产权声明。6 6 学位论文独创性声明6 7 附录6 8 1 绪论 1 1 课题来源与研究背景 1 绪论 本研究来源于国家自然科学基金资助的“客户回报计划对客户保持的影响机制研究” 项目( 项目批准号：7 0 5 7 2 0 0 9 ) 和“基于客户终身价值的最优回报计划设计及应用研究” 项目( 项目批准号：7 0 8 7 2 0 8 7 ) 。 客户是企业活力的源泉。没有客户，企业就没有收入，没有利润，也就没有市场价值。 因此企业的经营理念不断由“产品导向”转向“客户导向”，客户作为企业的重要资产受 到广泛的重视。客户资产( c u s t o m e re q u i t y ，简称c e ) 的概念最早是由b l a t t b e r g 教授在 1 9 9 1 年在华盛顿大学所作的演讲中提到，并于1 9 9 6 年与哈佛的d e i g h t o n 教授发表了第一 篇关于客户资产的学术论文【1 1 。客户资产概念提出后至今，客户资产的研究成为国内外学 者研究的热点，对如何实现客户资产增值的研究也随即展丌。b l a t t b e r g 教授等人( 2 0 0 1 ) 【2 峙旨出交叉销售是客户资产增值的重要途径。 随着我国国际化进程的深入，国外银行踏足中国市场，国内银行业的竞争同益激烈。 国外银行以其先进的管理理念、灵活的市场反应能力、优质的服务，加大了对国内银行业 的威胁。经济的、全球化也要求国内银行业必须直面这些压力。 交叉销售是银行业在激烈的市场竞争中的一件利器。交叉销售旨在满足现有客户的潜 在需求，国外学者j a r r a r 和n e e l y ( 2 0 0 2 ) 1 3 】曾指出银行吸引一位新客户的成本通常是保留一 位老客户成本的5 倍，而且不同的客户给银行带来的利润完全不一样，银行应着重关注如 何增加每个客户的钱包份额( s h a r eo fw a l l e t ，即企业提供的产品或服务占客户总交易额 的比值) 。因此，在激烈的市场环境中，最大化现有客户的价值，即可在竞争中处于有利 地位。 现代信息技术的发展、银行数据仓库的建设使交叉销售成为可能。由于数据量大，数 据来源多样化，在商业银行构建信息管理系统时，不可避免地会遇上如何管理这些浩如烟 海的数据以及如何从中提取有用的信息的问题。以前，银行会将历史数据从业务数据库中 转移到备份系统中，导致无法深入分析数据，难以做出有竞争性的决策。而数据仓库的最 大优点在于它能把企业网络中不同信息岛上的商业数据集中到一起，存储在一个单一的集 成的数据库中，并提供各种手段对数据进行统计、分析，并且允许企业的各个部门共享数 据，为企业更快、更好地做出商业决策提供更加准确、完整的信息。在银行数据集中后， 数据仓库与数据挖掘自然提上同程。利用数据仓库技术，可以使原本分散、孤立的信息相 互之间建立良好的联系【4 1 。自九十年代术至今，经过二十多年的发展，国内大部分银行已 初步实现数据的集中、数据仓库的建设，这些为交叉销售的实施提供了保障。 多数人深入了 出交叉销售旨 o m e rr e l a t i o n 数据库营销为 明了交叉销售 售的机会识别 银行业实施交 型变量进行重 户的交叉销售 3 ) 实证分析 本文从某商业银行随机抽取了部分个人客户的历史交易数据，进行数据的预处理，使 其成为本文研究所需数据。这些处理后的研究数据再进一步被分为两个部分，一部分用于 对商业银行个人客户交叉销售模型进行参数估计；另一部分用于对商业银行个人客户交叉 销售模型分辨率进行验证。并针对研究对象，采用序列模型，对n p t b 模型进行比较分 析。 1 2 2 研究意义 本研究的意义主要体现在以下两个方面： 1 ) 构建国内银行业个人客户交叉销售的n p t b 模型 n p t b 模型是国外银行业个人客户实施交叉销售的经典模型，但是由于国内外银行业 的政策体制、客户的消费水平、产品设计的差异性等原因，国内银行业在应用n p t b 模 型时，需对模型进行调整。 本文根据某商业银行的业务特征及数据，选取了实施交叉销售的产品，进行变量的重 新定义，加入关系时问变量，选取逻辑回归模型、神经网络模型作为统计模型，建立国内 银行业个人客户交叉销售的n p t b 模型。通过比较逻辑回归模型和神经网络模型，发现 神经网络模型的预测准确率高于逻辑回归模型，最终选用神经网络模型作为n p t b 模型 的统计模型，实证结果表明，n p t b 模型要优于序列模型。 交叉销售作为一种有效提升现有客户价值的营销方式受到了广泛的关注，而实施交叉 2 能否成功实施交叉销售的关键，本文提出的n p t b 模型可用于预测客户未购买产品的概 率，并对这些产品的概率进行排序，确定客户下一个最有可能购买的产品。 2 ) 现实的管理意义 客户的历史交易数据蕴藏着大量的信息，可能就包含着影响该客户下一次购买行为的 关键因素，此时数据挖掘的作用就会体现出来，它可以帮助企业寻找到这些影响购买行为 的因素。 本文将通过对交叉销售的研究，提出如何利用历史交易数据来发现不同类型的客户对 产品需求的变化，通过建立的n p t b 模型可预测客户未购买产品的概率，并对这些产品 的概率进行排序，确定客户下一个最有可能购买的产品。这样可以发现客户的潜在需求， 提高预测的准确性，有助于客户经理及时准确地定位客户，不但可以减少银行的销售成本， 而且随着客户与银行的接触点增多，还能保持客户，提升银行的竞争力。 1 2 3 技术路线 本研究的目的是通过交叉销售影响因素分析和变量的重新定义，建立银行个人客户交 叉销售的n p t b 模型。本文的技术路线图1 1 所示。 个人客户n p t b 模型构建 模客 概 企 艰户 塞 业 预测变量确定 参对排实 ，t 数 广厶序施 客人 r 关 估 u 确 交 n 九 芦口f 系 计的定义 拥统m 时 购 客 啼 销 有计值间买 户 售 寓 变概 下的 口 量 窒 。_ - 管 n 日 数 和 个 理 l 模最建 占上 犁有 士 一 评可 逻辑同 模趔神经网络模型 价能 商业银行 训约i 数据集 购 实际交易 买 数据 ii l 产 测试数据集 品 序确樽刑 图1 1 技术路线图 3 西安工业入学硕士学位论文 1 ) 分析国内银行实施n p t b 模型的影响因素 n p t b 模型是k n o t t 、h a y e s 和n e s l i n 等人( 2 0 0 2 ) 【5 j 以国外某零售银行为背景提出的， 由于国内外银行业背景、消费者水平、产品等方面的差异，国内银行在应用n p t b 模型 时，存在一些需要调整的方面。本文在首先分析这些影响因素的基础上，指出了国内外银 行业实施交叉销售的差异。 2 ) 构建银行个人客户交叉销售的n p t b 模型 在分析影响因素的基础上，确定了实施交叉销售的产品类别，进行变量的重新定义， 加入关系时间变量，选择选取逻辑回归模型、神经网络模型作为统计模型，从理论上构建 适用于银行个人客户的n p t b 模型。 3 ) 进行实证分析 本文利用某商业银行业务特征及数据对本文提出的银行个人客户交叉销售的n p t b 模型进行实证分析，讨论该模型对商业银行个人客户未来购买行为的预测效果，并采用序 列模型对模型进行比较、分析。 1 2 4 论文框架 第一章，绪论 阐述本研究的选题背景，论述研究内容、思路及框架，并描述本文的创新点。 第二章，交叉销售相关理论综述 阐述交叉销售的定义及内涵，交叉销售的理论基础及技术支持，并进行交叉销售机会 识别模型的回顾，比较n p t b 模型和序列模型，确定本研究采用n p t b 模型作为交叉销 售的机会识别模型。 第三章，银行个人客户交叉销售n p t b 模型构建 在分析实施交叉销售影响因素的基础上，确定了实施交叉销售的产品类别，进行变量 的重新定义，加入关系时间变量，选择逻辑回归模型、神经网络模型作为统计模型，从理 论上构建适用于银行个人客户的n p t b 模型。 第四章，实证分析 利用某商业银行业务特征及数据对本文提出的银行个人客户交叉销售的n p t b 模型 展开实证分析，讨论该模型对商业银行个人客户未来购买行为的预测效果，并采用序列模 型对模型进行比较。 第五章，n p t b 模型在银行经营管理上的应用 对本文提出的银行个人客户交叉销售的n p t b 模型的实践意义进行深入探讨，从实 证的角度分析了n p t b 模型对于银行业经营管理的现实意义，提出了如何建立交叉销售 与营销数据库的集成平台，如何进行合理的交叉销售产品分类，如何进行交叉销售客户分 类三个方面的管理建议。 第六章，结论及未来研究方向。 4 销售的n p t b 模型 n p t b 模型是国外银行业个人客户实施交叉销售的经典模型，但是由于国内外银行业 的政策体制、客户的消费水平、产品设计的差异性等原因，国内银行业在应用n f r b 模 型时，需对模型进行调整。本文根据某商业银行的业务特征及数据，选取活期、定期、贷 款、理财、基金、国债六大类产品作为实施交叉销售的产品，进行变量的重新定义，用个 人金融资产余额代替无法获取的个人收入水平，加入关系时问变量，选取逻辑回归模型、 神经网络模型作为统计模型，建立了国内银行个人客户交叉销售的n p t b 模型。 2 ) 对某商业银行个人客户交叉销售进行实证分析 本文利用某商业银行个人客户的实际交易数据，对n p t b 模型进行了实证分析。本 文选取了在银行业中容易获取的历史数据作为数据源，在实证过程中给出了如何将银行业 的业务数据转化为交叉销售n p t b 模型用的数据转换的数据处理方法。另外，在实证研 究过程中，本文在选用统计模型时，通过比较逻辑回归模型和神经网络模型，发现神经网 络模型的预测准确率高于逻辑回归模型，最终选用神经网络模型作为n p t b 模型的统计 模型，实证结果表明，n p t b 模型要优于序列模型。 。3 ) 对n p t b 模型在银行实际经营管理中的应用予以探讨 本文从营销数据库的建立、交叉销售产品分类、客户分类三个方面，对如何将n p t b 模型应用到银行的实际经营管理中进行了深入的探讨。在银行建立营销数据库后，需要将 银行产品按产品属性( 风险、变现能力等的相似程度) 进行分类，选取合适的产品进行交 叉销售，建立n p t b 模型。在具体预测客户对未拥有产品的购买概率时，首先按客户产 品拥有数量、种类进行客户划分，利用n p t b 模型生成未购买产品的概率，对未购买产 品进行概率排序，得到客户下一个最有可能购买的产品。 西安- t 业大学硕士学位论文 2 1 交叉销售的概念 2 交叉销售相关理论 2 1 1 交叉销售的定义 从9 0 年代起，有关交叉销售的研究逐步开展起来，截止到目前，学者们关于交叉销 售的定义并未达成一致共识，并不存在为大家所公认的统一的交叉销售的定义。 目前，交叉销售的定义众说纷纭，有代表性的主要有以下几个： n a s h ( 1 9 9 3 ) 【6 1 ，d e i g h t o n ( 1 9 9 6 ) 【7 】认为交叉销售是鼓励一个已经购买了公司a 产 品的客户也购买其b 产品。 j a r r a ry e ，n e e l y ( 2 0 0 2 ) 认为交叉销售是借助客户关系管理( c r m ) ，发现现有客 户的多种需求，并为满足其需求而销售多种产品或服务的一种新的营销方式【3 1 。 k a m a k ( 2 0 0 3 ) 认为交叉销售是努力增加客户使用同一企业产品或服务的数量【8 1 。 国内学者郭国庆( 2 0 0 3 ) 认为以企业与客户的现有关系为基础去销售另一个产品的营 销战略i 引。 以上各个学者从不同的角度给出了交叉销售的定义，但是实际上都是要在充分了解客 户的基础上，借助各种分析技术和经验判断，发现现有客户的多种需求，通过满足其需求 而销售多种产品或服务。本文将交叉销售定义为发现并满足现有客户潜在需求的一种新的 营销战略。 2 1 2 交叉销售的内涵 交叉销售并不是简单的把客户未购买的产品推销给客户，要想成功的实施交叉销售， 必须要深刻把握交叉销售的内涵。 1 ) 交叉销售要以客户为导向。实施交叉销售就是要发现并满足客户的潜在需求。与 一般的推销观念截然不同，交叉销售是以客户为基础，在分析客户真正需求的基础上，实 现对客户需求的满足。 2 ) 交叉销售实施的对象是现有顾客。交叉销售是满足现有客户的潜在需求，是针对 已购买企业产品的客户，发现并满足其潜在需求。企业实施交叉销售可以以较低的投入获 取回报，国外学者j a r r a r 和n e e l y ( 2 0 0 2 ) 1 3 】曾指出银行吸引一位新客户的成本通常是保留一 位老客户成本的5 倍，而且不同的客户给银行带来的利润完全不一样，银行应着重关注如 何增加每个客户的钱包份额( s h a r eo fw a l l e t ，即企业提供的产品或服务占客户总交易额 的比值) 。 3 ) 交叉销售不仅仅是一种营销方式，更是种营销战略、营销哲学。k a m a k u r a 等 j k ( 1 9 9 1 ) 1 1 0 l 表明，“交叉销售是一种培养稳固的客户关系的重要工具”。其实交叉销售不仅 6 2 交义销售相关理论 仅是一种销售技巧，还是一种营销哲学，更是一种指导销售的战略思想【1 1 】。交叉销售的 实质就是“充分利用一切可能的资源开展营销，服务市场，营得顾客【1 2 】。因此，企业 管理者要树立交叉销售的思想，企业之间、企业内部各产品之间都可以作为实施交叉销售 的机会。 2 2 交叉销售的理论基础和技术支持 2 2 1 与c r m 的关系 1 ) 交叉销售起源于客户关系管理( c u s t o m e rr e l a t i o n s h i pm a n a g e m e n t ，c r m ) 。交 叉销售是在客户关系管理的框架体系下发展起来的，是客户关系管理( c r m ) 的重要应 用。正是由于c r m 的不断发展，交叉销售逐步出现并成为c r m 的重要功能。 客户关系管l 里( c u s t o m e rr e l a t i o n s h i pm a n a g e m e n t ，c r m ) 是一个不断加强与顾客交 流，不断了解顾客需求，并不断对产品及服务进行改进和提高以满足顾客的需求的连续的 过程。其内含是企业利用信息技术和互联网技术实现对客户的整合营销，是以客户为核心 的企业营销的技术实现和管理实现。客户关系管理注重的是与客户的交流，企业的经营是 以客户为中心，而不是传统的以产品或以市场为中心。为方便与客户的沟通，客户关系管 理可以为客户提供多种交流的渠道1 1 3 j 。c r m 的主要含义就是通过对客户详细资料的深入 分析，来提高客户满意程度，从而提高企业的竞争力的一种手段。客户关系是指围绕客户 生命周期发生、发展的信息归集。客户关系管理的核心是客户价值管理，通过“一对一” 营销原则，满足不同价值客户的个性化需求，提高客户忠诚度和保有率，实现客户价值持 续贡献，从而全面提升企业盈利能力1 1 4 j 。c r m 的核心思想是将企业的客户f 包括最终客户、 分销商和合作伙伴) 作为企业最重要的企业资源，通过完善的服务和深入的客户分析来满 足客户需求，保证实现客户的终生价值1 1 5 l 。 客户关系管理是由美国著名咨询公司g a r t n e r 于2 0 世纪9 0 年代中提出的一个营销理 念。为了推动和宣传，g a m e r 每年举办一次c r m 高级论坛会( c r ms u m m i t ) ，邀请企业 界重量级人物来现身说法，至今已办了1 3 次【1 6 j 。近年来，很多大软件公司也纷纷加盟 c r m 的行列，在开发推销以数据仓库为核心的商业智能软件的同时，积极宣传c r m 的 特效与作用。如微软和甲骨文等公司都大量投资丌发c r m 产品。因些，和客户关系管 理有关的公关、服务、咨询和软件市场不断升温。据统计，c r m 软件在2 0 0 4 年的销售额 高达4 7 亿美刽1 7 j 。 对客户关系管理应用的重视来源于企业对客户长期管理的观念，这种观念认为客户是 企业最重要的资产并且企业的信息支持系统必须在给客户以信息自主权的要求下发展。成 功的客户自主权将产生竞争优势并提高客户忠诚度最终提高公司的利润率。客户关系管理 的方法在注重4 p 关键要素的同时，反映出在营销体系中各种交叉功能的组合，其重点在 于赢得客户。这样，营销重点从客户需求进一步转移到客户保持上并且保证企业把适当的 时间、资金和管理资源直接集中在这两个关键任务上，作为c r m 的一个重要的派生功能， 西安工业大学硕士学位论文 交叉销售可以高效的实现这两个任务1 1 引。 2 ) c r m 是交叉销售的理论基础，而交叉销售是企业实施c r m 的重要工具。有效 的c r m 为交叉销售提供了一个发挥作用的平台，企业通过c r m 进行客户数据集中处理， 更好地理解客户的价值、行为及其与企业的关系。而且，客户数据对所有产品部门开放， 各部门可借助客户数据来调整自己的战略战术，从而使交叉销售更加行之有效。交叉销售 战略要取得理想的效果，采取协调整合、集中处理的c r m 解决方案是至关重要的。同时 交叉销售是一种培养稳固的顾客关系的重要工具。随着市场竞争的日益加剧，客户的高服 务预期和低退出成本，导致企业与客户的合作关系愈加难以维系，出现摩擦的概率越来越 高。为了把新服务带来的利润收入掌握在自己手中，进而建立客户的持续性忠诚，企业必 须实施有效的c r m 后台解决方案系统，把运行数据转化成可操作的营销战略、战术，积 极主动地服务客户，满足需求。 切实有效的c r m 是一种客户导向的营销战略，借助它，企业可以建立客户忠诚和渠 道忠诚，强化客户与企业的互利关系，增加盈利收入和市场份额。在客户关系管理中，交 叉销售有助于企业避丌饱和的竞争市场。由于客户从企业那罩获得更多的产品和服务，客 户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此， 企业提高满足客户需求的能力就比竞争对手更有效。 2 2 2 与数据库营销的关系 交叉销售是数据库营销的重要应用。数据库营销作为现代营销分支，强调了从产品到 顾客的重心转移。它重视对所有潜在顾客( 潜在顾客也是一个广义的概念，包括需要交叉 销售和向上销售的现有客户) 的开发。而客户关系管理实际上是秉承了数据库营销理念而 发展出来的一种“再营销”的模式。该模式更强调顾客上门之后的关系和服务，通过改进 服务和联络感情等手段来和客户建立良好和持久的关系，从中挖掘新的营销机会。和数据 库营销相比，客户关系管理已经超越了营销范畴，更多靠向企业管理【1 9 】。 表2 1 数据库营销与客户关系管理的比较 2 交叉销售相关理论 两者的共同之处是，都依赖于客户数据整合，数据库的支持；依赖于数据分析和挖掘； 都强调以客户为中心，以客户的终身价值为追求目标。所以，在实际操作中c r m 往往多 由营销部门来兼管，把任何对现有的顾客进行的活动统称为“客户关系管理 。因此，有 人认为c r m 可以改写为“顾客关系营销”( c u s t o m e rr e l a t i o n s h i pm a r k e t i n g ) ，它和数据 库营销没有本质上的差别，只是说法不同而已。 有些专家干脆认为数据库营销是c r m 的基础，也有人认为c r m 和数据库营销的根 本区别在于：c r m 必须有大型数据库的支持，而数据库营销只需数据量占数据仓库1 0 的小型数据库即可【1 7 j 。因此，交叉销售实际上是c r m 和数据库营销应用的重要方面。 2 2 3 技术支持 作为c r m 和数据库营销的重要应用，交叉销售的实施必须借助信息技术来实现，这 些技术主要包括两方面的内容：统计预测技术和数据挖掘技术。 1 ) 统计预测技术 统计预测模型是用一组简约的参数来描述数据中自变量和因变量之间的关系。参数的 估计通过假设检验进行。如果样本选取符合随机原理的话，统计模型可以根据样本结果对 整个人口做出相应的推论。常用的统计预测技术包括：回归分析、逻辑回归分析、存活率 分析、集群分析、关联规则和潜在分类分析等较常见的统计预测技术。 常规的统计技术在寻找数据中隐藏的规律时，需要理论或经验依据，据此形成变量之 间相互关系的假设，然后通过数据分析对假设进行验证。从数据挖掘技术的角度来看，统 计技术有三点局限：a 基于理论和经验的假设不一定可靠，而且那些尚在人们认知范围之 外的规律还没有理论可以借鉴；b 如果数据问结构和联系不符合已知的概率分布，则没在 可用的统计方法；c 从数据中提取出来的信息需要经过使用者解译，难免染上主观色彩。 此外，从技术的角度看，许多统计分析方法估算的都是参数方程，而建立参数方程的数据 必须满足一些条件，如萨念分布等，但这样严格的条件在现实世界中，尤其是客户数据库 中是很难满足的。 2 ) 数据挖掘技术 数据挖掘技术可以分为两类：一类需要分析人员介入，比如遗传算法；另一类是自动 的，比如神经网络技术1 2 0 1 。有种观点认为只有后者才能称为真正意义上的数据挖掘技术， 因为它放任数据运行不需要分析人员的启示和干预。整个数据挖掘过程是一种发现规律的 过程，不是验证规律的过程1 2 。 数据挖掘主要依赖计算机的强大数据处理能力所以多是由软件完成。目前流行的数据 挖掘软件一般都包含模型选择和评价模块，如通过表格列出模型预测值与实际观察值对照 的误差，显示模型预测的准确程度1 7 2 】。在营销领域，一点小小的变化都可能意味着丰厚 的利润，所以这种误差计算对企业决策非常有参考价值1 2 引。 数据挖掘的过程虽然很复杂，但数据挖掘软件包能够把模型的最终结果通过简单易懂 的形式表现出来，非常直观。这点对于营销人员非常实用。而且，由于数据挖掘模型软件 9 西安工业大学硕士学位论文 操作不需要专i q i ) i l 练，营销人员也可以操作，在一定程度上降低了数据库营销预测模型开 发的人工成本l 矧。 数据挖掘技术在数据库营销领域的应用方兴未艾，许多新技术不断涌现，统计技术与 数据挖掘技术是相辅相成的，随着软件技术的不断发展，相关的统计技术也可以通过数据 挖掘软件方便实现，在平时的应用中，统计技术也可以作为数据挖掘技术。常用的数据挖 掘技术按应用范围可分为以下几类： 表2 2 数据挖掘技术 2 3 交叉销售机会识别文献综述 2 3 1 交叉销售机会识别模型 实施交叉销售的核心在于识别交叉销售机会，因此，最受学者们关注的是交叉销售机 会的识别模型，国内关于交叉销售机会识别模型的研究较少，目前国外关于交叉销售的机 会识别模型如表2 3 所示： 表2 3 交叉销售机会识别模型 模型 模型简介 模型特点 潜在特质模型 k a m a k u r a - 等) l ( 1 9 9 1 ) 1 0 】提出，假 设个人特征可体现可以行为，通 过个人特征的计算预测个人行 为。在调查出客户对产品或服务 特性的意见以及其它特征的基 础上，预测客户使用该产品或服 1 0 关于识别交义销售机会较早的 学术性文献，为交叉销售的后续 研究提供了一个主流研究方向； 但此模型要求企业了解每个客 户消费本企业和竞争对手的产 品的情况，这在现实中很难做 序列模型 n p t b 模型 市场细分模璎 生存分析方法 多种类同时决策模型 险模型( h a z a r dm o d e l ) 来评估客 户对新产品的购买概率和购买 时间 p a a s 汞1k u i j l e n ( 2 0 0 1 ) t 2 刀认为客户 购买产品时存在一定顺序，运用 m o k k e n 量表，利用序列模型分 析客户购买产品的序列及客户 在各阶段的购买特征。 k n o t t 、h a y e s 和n e s l i n ( 2 0 0 2 ) 例 以零售银行业为背景提出，旨在 确定客户下一个最有可能购买 的产牖。 p e l t i e r 等人( 2 0 0 2 ) 【2 8 】提出了利用 市场细分米预测交义销售。选择 的市场细分变量是互动心理细 分变昔，对从某银行数据库中随 机抽取的样本客户进行有关心 理变量冈素的问卷调奄，据此对 顾客进行细分，并分析每个细分 群体的人口统计特征，然后建立 得分模型来预测交义销售机会。 h a r r i s o n 和a n s e l l ( 2 0 0 1 ) 1 2 9 】探讨 了如何利刚生存分析方法来预 测交义销售机会的问题。利用 c o x 模型米说明现有顾客的哪些 特征会影响其卜一次购买，并分 析购买行为发生的人致时间分 布。 e d w a r d s 和a l l e n b y ( 2 0 0 3 ) 3 0 j ， m a n c h a n d a，a n s a r i和 g u p t a ( 1 9 9 9 ) t 3 1 1 分别提出利用贝 1 1 购买时间，首次将交叉销售的时 间考虑进来。 较为简单，但对数据要求量大， 需人量的历史数据积累。 n p t b 模型确实能够提高交义销 售的效果，但需大量的数据支 持。 需进行心里变鼙的凋查问卷，并 据此进行客户细分 为预测交叉销售的实施时间提 供了一个备选方法。 麻用的m c m c ( m a r k o vc h a i n m o n t ec a r l o ) 算法也较为复杂，模 型的计算鼙1 卜常巨