（管理科学与工程专业论文）面向顾客资产管理的顾客细分方法及应用.pdf

南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 摘要 市场竞争日益激烈，识别、锁定以及保持最具盈利性顾客的技巧和能力成为企业 获取持续竞争优势的最佳途径。把顾客视为资产并进行管理是一种新的管理理念。顾 客资产管理的目的是通过顾客的细分与识别，针对不同的顾客群体采取不同的管理策 略以最大化所有顾客的终身价值，从而使企业获取持续盈利。简单的依照顾客利润贡 献对顾客进行细分未能充分考虑顾客的无形贡献，这样就会低估顾客对企业的价值， 不能科学的指导企业营销资源的配置。 基于此，论文综合考虑顾客对企业所有货币与非货币贡献，提出了基于顾客当前 显性贡献、潜在显性贡献和潜在隐性贡献三维的顾客细分方法，以期能够有效指导企 业开展顾客关系管理活动。论文内容主要包括： ( 1 ) 回顾并归纳了顾客资产管理兴起的驱动因素，阐述了顾客资产管理的基本 原理，从顾客对企业的贡献形式对顾客资产进行了重新认识，认为顾客对企业的贡献 主要包括顾客当前显性贡献、顾客潜在显性贡献以及顾客潜在隐性贡献这三个维度。 ( 2 ) 针对这三个维度的特点和传统度量方法的局限性，认为对顾客当前显性贡 献应该采用精确的概率模型预测，对顾客潜在显性贡献和顾客潜在隐性贡献应该通过 统计模型加以度量。 ( 3 ) 依据顾客对企业顾客资产三种贡献程度的不同，提出面向顾客资产管理的 “三维”顾客细分模型及其相应的顾客保持策略。 最后，辅以实证给出了该细分方法的实现过程，验证了模型的可行性和有效性。 关键词：顾客资产管理，顾客细分，顾客关系管理，顾客资产贡献 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 a b s t r a c t u n d e rt h em o r et u r b u l e n te n v i r o n m e n t , e n t e r p r i s e ss h o u l df u l l ye x p l i c a t et h es k i l l sa n d a b i l i t i e st oi d e n t i f y , s e l e c t , i n i t i a t ea n dm a i n t a i nt h em o s tp r o f i t a b l ec u s t o m e rr e l a t i o n s h i p s a st h ee f f e c t i v ew a yo fp u r s u i n gt h es u s t a i n a b l ec o m p e t i t i v ea d v a n t a g e s c u s t o m e re q u i t y m a n a g e m e n t ( c e m ) i san c wa p p r o a c ht om a r k e t i n g - - o n et h a tf o c u st h ee f f o r t so ft h e e n t e r p r i s eo ni n c r e a s i n gt h ec u s t o m e rl i f e t i m ev a l u eo fi n d i v i d u a lc u s t o m e ri naw a yt h a t s e e k st om a x i m i z ec u s t o m e re q u i t y w i t h o u tc o n s i d e r i n gt h ec o n t r i b u t i o no fa l lt h ei n d i r e c t i n f l u e n c e st h a t w i l lc a u s ei nt h ef i r m sp e r f o r m a n c e , c u s t o m e rs e g m e n t a t i o nm o d e l s p r o p o s e db e f o r ew h i c hi n c o r p o r a t e dt h ec u r g e n ta n dp o t e n t i a lp r o f i t a b l ec o n t r i b u t i o n 镐t h e o n l ym e t r i c sm a yr e s u l tt h ei m p r o p e rm a r k e t i n gr e s o u r c ea l l o c a t i n gs t r a t e g i e s ，s i n c et h e u n d e r e s t i m a t i n gt h et r e ev a l u eo ft h ei n d i v i d u a lc u s t o m e rt ot h ee n t e r p r i s e w i t ht h ee x p e c t a t i o no f p r o v i d i n gs o m ea p p r o p r i a t eg u i d a n c et ot h er e l e v a n tc u s t o m e r m a n a g e m e n ts t r a t e g i e s ，t h i sp a p e rp r o p o s e d ac u s t o m e rs e g m e n t a t i o nb a s e do nt h e p r o f i t a b l ec o n t r i b u t i o na sw e l la st h ei n d i r e c t l yc o n t r i b u t i o no ft h ei n d i v i d u a lc u s t o m e rt o t h ee n t e r p r i s e t h em a i nc o n t e n t so ft h ep a p e ri n c l u d e ： 1s i m p l yr e v i e w e dt h es t u d yo ft h er e l a t e dm o d e l so fc u s t o m e re q u i t ya n dc u s t o m e r s e g m e n t a t i o n ，o nt h eb a s i so ft h ec o n c e p to f “c o n t r i b u t i o n ia r g u e dt h a tt h ec u s t o m e r l i f e t i m ev a l u es h o u l db et h ei n t e r p r e t e da s t h ec u s t o m e re q u i t yc o n t r i b u t i o no ft h e i n d i v i d u a lc u s t o m e r , w h i c hi st h ei n t e g r a t i o no fo n e sc u r r e n tv a l u ec o n t r i b u t i o n , p o t e n t i a l v a l u ec o n t r i b u t i o na n dp o t e n t i a lm e d i a t e 2p r o v i d e dt h ea p p r o a c h e st od e t e r m i n et h ed e g r e eo ft h e s et h r e ec o n t r i b u t i o n so fa l l i n d i v i d u a lc u s t o m e rs e p a r a t e l y p r o p o s e dac u s t o m e rs e g m e n t a t i o nm o d e lb a s e do nt h i s t h r e em e t r i c s 3i no r d e rf o rt h i sm o d e lt 0b et r u l ye f f e c t i v e ，a p p l i e di ti n t oac r e d i tc a r ds e t t i n go fa b a n k ，s t r e n g t h e n e dt h eu n d e r s t a n d i n go fh o wt op u ti ti n t op r a c t i c e k e y w o r d s ：c u s t o m e r e q u i t ym a n a g e m e n t ，c u s t o m e rs e g m e n t a t i o n ， 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 u s t o m e re q u i t yc o n t r i b u t i o n 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本 学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或 公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使 用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文 中作了明确的说明。 研究生签名： 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或 上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并 授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密 论文，按保密的有关规定和程序处理。 研究生签名： 南京理工大学硪士学位论文面向顾客资产管理的顾客细分方法及应用 1 引言 1 1 研究背景与问题的提出 加入w t o 以来，我国企业，特别是金融、保险等服务型企业面对众多国际大型 跨国公司的竞争和挑战。越来越多的企业意识到，要想获取持续竞争优势，必须把战 略重点放在管理顾客关系上面，而不再是传统上的产品和技术。如何深刻理解顾客资 产概念的内涵以及加强对顾客资产的管理对企业有效实施顾客关系管理具有重要的 理论意义和实用价值。 技术环境日新月异的今天，产品不断更新换代，但是顾客价值是企业持续竞争优 势的来源这一点毋庸置疑1 2 1 。传统的营销经历了直接销售、数据库营销、关系营销等 阶段，一直都是从市场份额的获取的角度，关注能够盈利的顾客关系的识别和维系途 径。随后人们注意到竞争激烈的市场中，顾客获取和维系的成本和经济性是不容忽略 的，而资源的有限性使得企业需要区别对待其庞大的顾客基础，企业逐步开始强调顾 客份额的重要性，把顾客当作企业的战略资产进行经营和管理，以帮助企业获得长期 的竞争优势，实现可持续发展。全新的顾客资产管理理念浮出水面。为优化顾客获取 成本与顾客维系成本的权衡，b l a t t b e r g 和d e i g h t o n ( 1 9 9 6 ) 首次提出了顾客资产一词 的概念( 1 1 。顾客资产可以界定为企业全部顾客终身价值折现现值的总和【2 l 。十几年来， 顾客资产管理的相关理论成为学术界研究的焦点，顾客资产也被普遍认为是评价营销 效果的有效指标1 3 l 。 顾客资产管理的基本理念是把营销上的开支看作是可以通过未来的回报为企业 及其股东们创造价值的一种投资，企业针对顾客未来产生的全部收益开展相关的顾客 关系管理活动。事实上这种把营销投资当作长期回报的方法确实能更好的指导企业做 出更具收益的决策 a j , n 。零流失并不能为企业带来最大的收益，因为并不是所有的顾 客都盈利，顾客细分作为顾客关系管理中的一个重要的步骤，能够帮助企业根据不同 细分顾客群开展有针对性的营销策略，从而达到最大化顾客资产的目的 6 1 。顾客资产 理论为顾客细分和顾客关系管理提供了新思维【刀，不同于传统的基于顾客行为、顾客 价值的细分方法，顾客资产理念启示下的顾客细分认为企业应该不仅关注顾客当前的 利润贡献，而且结合顾客潜在的货币，非货币贡献对顾客进行定位，制定适当的顾客 关系管理策略。 顾客对企业来说是一种资产，但同时，获取和维系顾客也是一项昂贵的开销。与 此同时，企业开始认识到顾客除了在其生命周期内所有购买产生的现金流贡献，其口 碑效应对企业长期收益具有重大影响，j u l i a nv i u a n u e v a 等人的研究表明，比起其它 渠道，口碑营销能带来近两倍的长期价值【酊，另外，顾客对企业驾驭顾客资产的能力 1 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 尽管不容易捕捉，但是这种贡献无疑对企业来说也是有价值的。 本文以顾客资产理论思想为基础，通过分析顾客对企业的所有贡献来定位顾客是 否“值得”维系以及应该实施怎样的保持策略，易于应用于庞大顾客基础的方法，旨 在期望能够帮助企业更有效的管理顾客关系，实现顾客资产增值的目的，最终提升企 业自身的竞争优势。 本文采用v i l l a n u e v a 等关于“贡献”的提法，区别于以往对用“价值”对顾客盈 利性的描述，因为顾客对企业顾客资产的贡献( 特别是间接的贡献) 并不直观，除了 传统的c l v 期望值，还包括该顾客能够带来的所有的、对企业绩效的间接影响，涉 及到利益变量的复杂交互，需要通过统计模型捕捉1 8 】。本文侧重于对当前顾客基础的 分析，没有考虑潜在顾客的获取。 本研究的适用环境为b 2 c 非契约环境。非契约环境是指顾客与企业之间没有契 约或伙伴关系约束的市场环境，比如百货商店的购买、银行信用卡、网上购物、直复 营销以及电邮购买等，该情境具有如下特点： ( 1 ) 顾客基础较大，顾客个人与多家企业保持交易关系，购买行为复杂，顾客自 主地选择是否与企业交易、交易数量和金额、何时终止交易，而且其重复购买的时间 间隔具有不确定性l 吼，控制与预测顾客的未来行为具有很大难度。 ( 2 ) 长期的关系并不意味着高收益【埘，也就是说，严格意义上顾客的生命周期长 短与企业收益之间并不存在正向相关关系。企业需要明白与顾客之间关系的保持状况 i n 。 ( 3 ) 不需要一味追求顾客生命周期长度的确定，也不需要精确度量顾客整个生命 周期内的价值，只需要通过历史行为预测分析顾客未来给定的一段时间内的盈利贡 献。 1 2 国内外文献综述 1 2 1 顾客资产理论的相关研究 顾客资产管理的核心理念是顾客资产最大化，从1 9 9 6 年顾客资产概念提出迄今， 对顾客资产定性的与定量的研究取得了不少的研究成果： ( 1 ) r u s t 的顾客资产模型 r u s t 等人吲( 2 0 0 0 ) 基于战略视角，提出了一个顾客资产原始概念模型以及一个决 策支持系统，旨在使企业关注其营销策略并明确企业( 和竞争者) 用于顾客资产战略 投资产生的金融影响。他们将顾客资产界定为品牌资产、维系资产和价值资产三方面 的综合影响结果，这三者与顾客资产之间的关联程度为企业提供了迅速对顾客需要变 化做出调整和反应的依据。其中，价值资产是顾客对企业产品月艮务的客观评估，品 2 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 牌资产是顾客对企业及其产品服务的主观的无形的评估，维系资产则是顾客与企业 之间关系的强弱程度。该模型能够清晰的表现出顾客和企业战略之间的真正联系，可 以帮助企业更好的理解顾客真实需求，明确战略目标，制定给企业带来最好收益的营 销活动。如图1 1 。 品牌资产，维系资严 图1 1 战略视角下的顾客资产管理模型 ( 2 ) b l a t t b e r g 的顾客资产模型 b l a t t b e r g 等人( 1 9 9 6 ) 最初提出顾客资产概念时认为顾客资产就是优化企业整个顾 客基础的价值【1 1 ，强调企业对顾客基础的分析。本着应该把营销当作是一种把潜在顾 客变为逐渐满意顾客的过程，他们主张顾客资产受到企业获取潜在顾客、维系现有顾 客和激励交叉购买三方面活动的影响。不同于传统营销思想，顾客资产营销下的潜在 顾客获取是在对潜在顾客识别的基础上，锁定具有较高潜在价值的顾客，开展营销活 动将其变为企业真实的顾客；通过培养顾客忠诚来维系顾客，延长顾客一企业关系的 维系时间，提高顾客企业关系的稳定性和持久性；加深顾客一企业关系，刺激顾客的 增加购买( a d d - o ns a l e s ) 和交叉购买( c r o s s s e l l i n g ) 行为，让顾客贡献额外的价值来增加 其对顾客资产的贡献【1 2 1 。 厂一 l百i 要蒌 鐾臣 o 。如果顾客在t 时刻仍然活动，即f t 时，( 0 叼时段内发生x 次交易的概率为： 凇圳厶f ，t 卜e 一”绰；川1 2 2 ( 1 ) 期望和方差为： e l x l a ，f r 】一x t ；v a r x l a ，_ r ，z 卜 r ( 2 ) 生命周期服从指数分布：每个仍然“活跃”的顾客，生命周期服从“死亡” 率是脚的指数分布，也就是说假设时间f 服从指数分布，直到顾客变不活跃为止。概 率密度和特征函数为： ， i p ) 一z e 一”；f 0 ； e p i 卅- 1 j ；v a r r l z 】- i i z 2 考虑顾客异质性，有如下两条假设： ( 3 ) 个人购买率a 服从g a m m a 分布：对不同顾客来说，购买率川报从参数为，和口 2 3 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 的g a m m a 分布，以此描述不同顾客闻购买率的异质性。 舭i ，小高e “ 口，r ，a ，0 ， 不同顾客购买率期望值是e 阻l ，口1 - 二，方差v 缸n i r ，口】，与。 口 口 ( 4 ) 个人“死亡率”u 服从参数为s 和芦的g a m m a 分布。即： 期望和方差分别为： 川邶) 一e 一邶，。 研m i 阱古，v 础k 小砉 ( 5 ) a 和肛独立：a 和卢分布独立。 模型计算原理如下： ( 1 ) 计算顾客在未来时间活跃概率的模型如下： a 时 p l i v e r ，s ，口，芦，x , t ，r ) 一 三骞腰缈幽；c l ；水下一( 等灿帆z l 其中，a t r + z + $ ，巩。j + 1 ，c 1 ，+ 善+ s + 1 ，毛) 。业。 a + v ，j ，口，卢是模型参数，0 。，b ：c 。；z ) 是超几何函数，x 是顾客在( o r 】时段内购买 的次数，最后一次购买发生在时刻fsr 。假设顾客在时刻0 处是活跃的； 口卢时 赫叩属砧刃。 + 志 ( 等) ，”( 筹卜2 , b z ；c z ；z 2 一( 币a 4 - t j r + x 如虮而扛) ) 其中心，b 2 r + x , c ：“z ：( ) ，) 。舒； 当口；卢时 删内胁 叶+ 忐【( 爿”一旷 ( 2 ) 单个顾客在未来丁。时问内购买x 次的概率为： 研z x l ，口，j ，芦，x ，f ，z ，r 。卜研工一x + l ，+ x ，口+ l s ，卢+ r ，r + p a l i v e i r , a , s , 卢，工，q 其中，当口 卢时， 珂x - ，i r + x , u + f ，s ，芦+ f ，t 1 f + r 锚矗，喏等， + f + ? 卜1 ) 妻) 【一一r ) ，南+ 硝“( 卢+ 珂订) 啼驯m ，o m 川m ，川小m 国+ r + r ) 却”u m f p + 1 ，r + x4 - ) + 以，+ x + j 十s + 1 ；：寿；雩f - 啊 当a 芦时 p 隧一ri ，+ 工，口+ r ，s ，+ r ，t + 】 f + ? 。一1 = k 翱“向万! ； ) j + f + ? p 】) 嘉m 7 毛产川“妒删咿+ 矿一 f ( r z 。，+ 州川小m 铬) 妒小n 似脚( r + x + x * ，r4 - x + m ，+ 州1 ；翱 当口= 芦时 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 e i x 工。i r + 善，口+ r ，s ，卢+ r ，r l - f + ? 卜特“去舞， ， +f+?。一1)蠢f)唯一秽q+z)，”h(-；j刁【缸+t)-(r*s*j4s)_j 4 - r + f + ，) 却i j 哪! l 矗 s + x + | ( 3 ) 顾客未来丁时间内的期望购买次数： e i x l r 7 5 ，a ，卢 t ，t ，t 】 e i x l r + x , s ，口+ ? ，p + r ，而t ，t ，t 。 p ( a l i v e r ，岛口，声，x , t ，t ) 一谍篇【1-(嚣“p(aliver,s,a,xs 眦乃 ( a + 丁一1 ) 、卢+ r + z 7 7 对模型参数的估计，s c h m i t t l e i n 等给出了三种方法，指出管理者可以根据经验主 观给出。目前运用比较多地是极大似然方法，采用m a t l a b 工具箱可以实现。 顾客活跃概搴通常可以用来判断顾客的流失情况，活跃率过低意味着顾客较高的 流失可能性，非契约环境下，该指标能够有效地表征顾客企业关系的稳定性。本文 认为，在顾客关系管理中，该项指标对于分析顾客是否继续维系于企业的关系具有很 好的指示性。 3 2 3 g a m m a g a m m a 模型 度量顾客当前显性贡献除了需要知道顾客在未来给定时间发生的期望购买次数， 还需要知道顾客每次交易发生的回报是多少。f a d e r 等指出，g a m m a - g a m m a 模型能 够更好的根据顾客以往每次发生的交易额预测顾客每次交易的花费回报吲，该模型优 于s c h m i t t l e i n ( t 9 9 4 ) 提$ 的正态分布模型【5 9 1 ，模型有如下假设： ( 1 ) 顾客对给定交易的价值固报围绕平均交易价值随机变化； ( 2 ) 顾客间的平均交易价值不同，但是对给定的顾客，其平均交易价值不会随时 问变化； ( 3 ) 顾客问的平均交易价值分布与交易过程独立； 假定顾客进行了x 次交易，用z 。，z ：，以表示每次交易的价值回报。观察到的平 均交易价值为： ，_ _ 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 ( 4 ) 茸是g a m m a ( p ， ，) 分布的独立同分布随机变量，其和服从参数为的，v 的 g a m m a 分布； 圆不同顾客的异质性v 服从参数为鼋，r 的g a m m a 分布。 对每个顾客来说其平均交易价值分布的概率密度为： 觚彬卜茜篇篙斋 顾客的期望平均交易价值为： 酬p 届m 加i q - 1 - 1 j ) 州y p + ( 南卜， 采用p a r e t o n b d 和g a m m a g a m m a 模型除了能够精确的预测顾客未来的行为趋 势和顾客当前显性贡献( 等于顾客期望购买次数乘以顾客每一次交易的期望价值回 报) ，还能够通过平均购买率r a 和平均退出率s 芦对企业当前的绩效进行诊断。 3 3 顾客潜在显性贡献度量 顾客获取成本的增加使得企业更多的开始关注当前顾客回报的最大化闯题，在维 系顾客的同时注重于顾客关系的“长”、“宽”、“深”发展1 5 4 1 。近些年在顾客关系管理 过程中，顾客增加购买机会与交叉购买机会也逐渐成为企业评价顾客的重要指标。 事实上我们发现除了顾客与企业交易过程中的一些特性，影响顾客潜在显性贡献 机会还包括很多其他因素，比如顾客自身的人口统计特征、地理位置、收入职业的变 化等。 通常预测顾客发生交叉购买和增加购买都会结合顾客的感知指标，但是这种方法 存在一定的局限性。首先，顾客的感知性指标尽管具有很大效应，但是其度量本身就 具有风险，将其作为自变量推断顾客潜在贡献可能性可能会影响结果预测效果；其次， 对于顾客基础庞大的企业来说，如果采用调查问卷的方式要么难具典型性，要么无法 结合考虑顾客自身固有的特质( 顾客异质性影响) ，很难推广；另外，数据挖掘技术 蓬勃发展，成为营销领域的新宠，而庞大的数据仓库又能提供有力的支持，有助于企 业学习顾客，寻找更贴近顾客的途径。 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 3 3 1 传统基于阅卷方法的局限性 传统对顾客交叉购买和增加购买分析中，所需数据很多都需要通过调查的方式获 取，特别是一些感知类的数据。但是调查中收集到的数据容易出现严重闯题，获得恰 当的随机样本往往是非常困难而昂贵的，典型的，存在以下局限： ( 1 ) 调查人员选择目标群体时的主观影响。调查人员可能对更具亲和力的调查对 象进行调查，这样容易影响样本的随机性。尽管有些方法可以一定程度上消除这些影 响，但是需要花费统计人员的精力和成本。 ( 妨调查对象主观反映也可能受调查人员的特征、调查对象当时的心情和状态、 调查环境等可能会影响调查结果带来主观偏差。 ( 3 ) 对调查问题的理解性差异。 ( 4 ) 时效性。调查的时间和数据处理往往需要花费大量的时间和精力，无法满足 营销活动快速响应的需求，而且市场和数据可能随时间不断的发生变化，处理结果很 难具有时效性。 管理统计应用中的这些问题亟待通过更好的方式解决。数据仓库的普及飞速的提 升了企业收集、存储和处理顾客数据的能力。顾客固有的信息以及对先前营销活动反 应的历史信息显然更具有预测力。 对顾客潜在显性贡献度量的目的在于预测顾客进行交叉购买和增加购买的可能 性或价值，找出影响顾客潜在价值贡献的预测因子。交叉购买是现有顾客购买不同产 品和服务，增加购买则是顾客购买更多同样产品或服务，这两种贡献都可以用常用的 度量模型得到。交叉购买带来的价值贡献可以表示为： ， e l f , 一y b ( 发生购买) x p r o f i t ， 箭 其中最( 发生购买) 是指顾客i 购买产品，服务j 的概率； p r o f i t 是，产品，月髓务的利润值 3 2 1 。 增加购买则可以通过顾客f 对产品，服务发生增加购买的概率只( 发生购买) ，乘以 增加购买带来的收益p r o f i t 。 如果企业各类产品朋艮务利润值差异性不是很显著，那么在用于对顾客定位的顾 客细分研究中，顾客的这种潜在价值的贡献倾向显然更具吸引力，也就是顾客发生交 叉购买的机会和增加购买的概率，因为它能够在一定程度上表征顾客的满意与虑诚倾 向。将顾客这两种贡献集成为顾客潜在显性贡献可以由企业主观根据侧重赋以权重， 将二者的量值加权得到。 对于顾客发生潜在显性贡献的倾向( 概率) 的确定很难用概率模型精确刻画，此 时虽然统计方法较概率模型具有较低的稳定性和精确性，其独有的优势更适应于对这 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 一倾向的预测。 统计结果的有效性依赖于数据样本输入以及统计方法的选取。o l i v i a ( 2 0 0 1 ) 认为， 顾客人口统计学数据非常稳定，而且成本很低，应该应用在预测建模中；心理数据通 常需要通过调查、推倒和定位群体得到，但其花费的代价较高，预测性和稳定性也一 般：行为数据具有很高的预测能力，但稳定性很低，收集成本也很高。但是这三种数 据都是可以用来预测的数据。以先前的营销反应数据以及顾客自身的预测数据为样 本，通过“适当”的统计模型进行建模分析应该具有较高的预测能力阳。描述顾客购 买的变量可以用购买，不购买这样的二元变量说明，所以本文认为l o g i s t i c 模型是预测 顾客是否发生潜在显性贡献比较适合的模型。 回归分析是管理统计中极为有效的一种工具，它通常建立在大规模的历史数据基 础上，根据取自某一段时期的历史数据，进行定性的和定量的分析确定预测对象与影 响因素之间的关系。本文认为l o g i s t i c 回归分析方法适合于对顾客潜在现行贡献可能 性的研究，它也是营销领域以及顾客资产管理研究中应用较为普遍的一种方法，因为 它能够帮助企业预测离散的营销活动的效果。除此之外，l o g i s t i c 回归比多元线形回 归具有更强的适应性，结果输出比起神经网络方法更易理解和解释，而且便于操作， 是营销科学领域中一种有效的工具【删。很多学者曾经用它分析过顾客的价值【3 s l , 4 s l ， 说明其在管理研究领域应用具有合理性和实用性。 l o g i s t i c 回归是一种多元统计回归方法，实际上是普通多元线性回归模型的推广， 用多个离散变量或类型变量预测事件发生的概率，通常因变量是二分类变量。l o g i s t i c 回归假定自变量间没有强的多重共线性，误差项服从二项分布而非正态分布。l o g i s t i c 模型更为简单，还可以直接推广到多个预测变量的场合。对l o g i s t i c 回归的拟合优度 检验等问题在相关书籍中都有介绍嘲，本文只对该模型的原理进行简单介绍 ( 1 ) 回归函数应该限制在0 - 1 之间的单调增函数。 ，g ) 一告- 丽1 ( 2 ) 因变量) ，。本身只取0 和1 两个离散值，是均值为 毋- ，( 岛+ 岛4 - 声2 x i ：+ + 声p b ) 的0 - 1 型分布，概率函数为 e o , ，一1 ) - 玛，即为事件发生的概率。 p l y ，一0 ) - 1 一啊 ( 3 ) 参数估计 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 黾，工：，z ，是与y 。相关的确定型变量，n 组观测数据为 把_ ) ，。的概率函数合写为 ( 善n ，x 1 2 ，善妒；y j x i - 1 ，2 ，甩) p ( j ，j ) 一石，( 1 一嘎) 1 1 ，y l - 0 ，1 2 ，厅 对似然函数取自然对数，得 砒渺h 嘎+ ( 1 吖。蚺卜渺h 去：弛。一喇 将嘎一j 14墨-ex墅l邪生。写壁j。lxl等爰薏镙代入上式得 1 + l + 芦2 毛2 + + 声p ) 。 l n 工。善【，j 伊。+ 卢一n + 卢2 坼2 + + 卢，) 一l l l ( 1 + e x p ( j o 。+ a 毛l + d 2 x , 2 + + 卢，) ) 】 极大似然估计得到卢。，卢，卢：，声，的估计值反，声。，声：，允，即为回归系数， 表示自变量的变化引起因变量变化的程度。 功g i s 血回归模型对样本量有严格的要求，适合大样本处理，该过程可以通过 s p s s 软件中r e g r e s s i o n 分析中的b i n a r yl o g i s t i c 命令实现，样本量的选取原则上是 越大越好。 3 3 3 自变量的选取 理论上，模型应该纳入所有理论上可以接受的自变量。正如上文所说，我们认为 影响顾客行为的内在因素包括三类数据：入口统计学数据、行为数据以及心理数据。 ( 1 ) 人口统计学数据： 包括顾客的年龄、性别、职业、民族、受教育程度、收入水平、家庭构成、生活 水平( 住房信息和是否有汽车) 等基本信息，还包括顾客所处的地理位置、在家庭生 命循环中的阶段等。 甚至可钱包括一些文化影响( 信仰等) 以及兴趣、偏好等。这些因素对顾客行为 也有一定影响。 ( 2 ) 行为数据： 包括顾客购买的历史数据信息，可以帮助解释顾客的消费习惯。比如，顾客对服 务的使用程度( 频率和数量) ，可能与其交叉购买的行为有关，而不是顾客与企业建 南京理工大学硕士学位论文面向顾客资产管理的顾客细分方法及应用 立关系的时间长度。但是如果其已经进行了很大程度的购买，也就是钱包份额较大的 时候，交叉购买的可能性就会较小 另外包括购买渠道、营销活动的反应。 ( 3 ) 心理因素： 包括顾客态度，以及对企业总体形象的感知等，该部分数据除了通过调查得到， 还可以用其他影响因素反映。比如消费习惯，购买程度等。一些对产品，服务，风险态 度的信息可以通过交易过程中通过人口统计数据学习和观察分析得到，能够提高模型 的预测精度。 外在因素有企业的影响、市场的影响以及宏观环境变化的影响。企业自身也会对 顾客行为产生影响，包括品牌形象，营销影响，另外，宏观的经济、政治环境影响也 可能对顾客行为产生影响，但是为简化问题的讨论，本文将不对这部分数据进行讨论。 究竟选择哪些变量以及多少变量才是最合适的，需要按照实际需要、市场情况和 经验确定。可以通过模型效率寻找出合适的变量。 3 4 顾客潜在隐性贡献度量 顾客潜在隐性贡献包括顾客的口碑价值、信息价值、学习价值和合作价值，在企 业不同的成长时期，故可这几部分的价值贡献对企业的重要性也不尽相同。通常企业 更侧重顾客口碑推荐价值的贡献。 传统对顾客口碑推荐倾向的考虑大都是把该指标当作度量顾客忠诚度的因素之 一，很少单独把顾客这一贡献单独用来表征为顾客的贡献。这种基于忠诚的顾客关系 管理方法局限性在于仅仅认为忠诚的顾客能够提供高的利润值，但是没有得出忠诚度 与利润的函数关系，事实上很难从直观上认识顾客的利润价值。 对于顾客潜在隐性贡献的度量，认为顾客是否贡献对定位顾客更具意义，因为顾 客这些隐性贡献带来的利润贡献很难通过货币度量。拿口碑推荐来说，如果考虑 i n t e r a c t 的影响，将更难把握顾客这一行为将带来怎样的价值影响。考虑操作性和稳定 性，认为应该考虑定性和定量结合的办法。比如银行认为口碑推荐或网络影响可以很 大程度影响收益1 6 1 j ，向他人推荐是顾客为银行带来的重要潜在价值，但是银行无法一 一考察每个顾客是否向他人进行推荐，推荐效果如何，他们通常通过采用关联交易同 行加以比例衡量。关联交易同行交易比例指与该顾客有往来交易的账户中，同行交易 次数所占的比例以及同行交易金额占中交易金额比例，以及同行交易金额占盛交易金 额比例。但更为复杂的日常用品消费环境这种方式就不适用了。另外也有企业通过投 诉记录反映顾客创新效应价值大小 本文认为，各部分价值贡献的度量可以通过企业考察得到，也可以采用l o g i s t i c 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 回归预测各部分贡献的倾向。对于如何将各部分顾客贡献倾向集成为顾客潜在隐性贡 献程度，企业可以采用层次分析法等办法将各部分加权求得，得到最终的评价结果。 毕竟对b 2 c 环境来说识别顾客满意的形成具有很重要的意义，直观上，顾客满 意是其态度和未来倾向的主要指标，捕捉顾客满意和积极态度，并应用到预测将会很 大程度的提高预测精度。但是当顾客基础庞大时，可能很难直按获取每一个顾客的态 度和心理数据，这时就需要从历史行为和典型样本挖掘获取相关数据的表征形式，进 一步应用到预测中。 3 5 本章小结 本章内容主要介绍了顾客对企业顾客资产三种贡献的度量思路，认为非契约环境 下顾客当前显性贡献的度量应该使用p a r e t o n b d 模型，该概率模型能够精确刻画顾 客未来行为趋势，辅以g a m m a - g a m m a 模型，则能够准确的刻画顾客当前显性贡献。 对其他两种贡献则由于捕捉难度大，采用统计模型较为合适。再加上顾客关系管理过 程中顾客倾向性指标更为重要，本文认为l j 0 9 i s t i c 回归对于刻画行为倾向性更为恰当 南京理t 大学硪i ：学位论文 商氢颐客资产管理的顾客细分方法致应用 4 面向顾客资产管理的顾客细分的实现 上一章我们得到了刻画一个顾客对企业顾客资产贡献的三个维度以及度量方法， 以这三个指标作为维度，可以得到一个三维的顾客细分模型，有助于企业对顾客有更 为直观和准确的认识。 4 1 细分的实现及保持策略 根据得到顾客对企业顾客资产三种贡献度量结果，依照贡献程度高低可以将顾客 基础细分为八类。如图4 1 所示。 高 顾客潜在显性贡献 图4 1 面向顾客资产的顾客细分模弛 至于对各价值贡献高低的界定可由企业管理人员根据企业目标的战略目标、成长 时期等具体情况主观界定。如需要对顾客价值贡献程度进行排名，也可以有侧重的通 过对顾客三种贡献的标准化值加权得到，以便更直观的确定顾客对企业的重要程度。 对于不同的行业，不同的企业实体，对每一个细分的保持策略应该灵活变动，本 文考虑一般情况，对每个细分的保持策略做如下建议。 第一类顾客为当莳显性贡献、潜在显性贡献和潜在隐性贡献都较高的顾客，该类 顾客显然对企业来说最理想的顾客，也是为企业顾客资产贡献最为显著的顾客。相对 来说，该部分的顾客是对企业行为和情感都较忠诚的顾客，与企业感情联系较紧密， 关系质量非常高，愿意为企业提供货币的和非货币的价值。该部分顾客企业应该尽力 维系，锁定为顾客忠诚计划的对象。而且相对而言该类顾客比较容易维系，适当的关 怀和激励即可，过多的营销投入未必会产生更大的回报。 3 3 南京理工大学硕士学位论文 面向顾客资产管理的顾客细分方法及应用 第二类顾客是当前显性贡献较低、潜在显性贡献和潜在隐性贡献都较高的顾客。 该类顾客是企业不能忽视的顾客，传统的忠诚度量可能会忽略掉这一部分顾客。他们 在行为上可能表现得不是很忠诚( 重复购买行为较少) ，但是情感联系可以激发其潜 在价值。企业应该在维系该顾客的同时发掘其需求，以求能够更好的满足其需求时期 挥发更大的货币价值贡献。有必要的话需要了解该部分顾客的新需求，为其开发新产 品。 第三类顾客是潜在显性贡献较高，当前显性贡献和潜在隐性贡献都较低的顾客。 该类顾客存在潜在需求，( 极具可能发生或已发生的显性贡献并不能表示顾客) 对企 业的满意较高，有可能因为客观原因，比如购买习惯、价格等。理论上，该部分顾客 比较容易流失，也可能很容易受到外部竞争者进入的影响。企业应该根据其潜在贡献 大小决定是否值得挖掘其需求，维系该部分顾客。 第四类顾客是当前显性贡献和潜在显性贡献都较高，潜在隐性贡献较低的顾客。 该部分顾客能够为企业提供较多的利润贡献，对企业的吸引力较大，但是对企业的成 长并不具有显著的影响。该类顾客与企业并没有很紧密的情感联系，比较理性，也可 能受顾客所处地理位置、转移成本等客观原因影响。通常，该部分的顾客对企业的产 品，服务较满意，但如果该部分顾客表现出不满意的情绪，说明比较容易流失，由于 其流失后带企业的价值损失可能较大，企业需要关注该部分顾客的情感需求，努力将 其转变为第一类顾客。 第五类顾客是当前显性贡献和潜在隐性贡献都较高，潜在显性贡献较低的顾客。 该类顾客对企业较满意，与企业关系质量也较高，但是可能目前企业提供的产品朋艮 务不能满足其潜在需求，追踪其潜在显性贡献的流向，尝试将其转变为新产品的顾客。 加强与该类顾客的沟通，激励其更好的挥发潜在的隐性价值。 第六类顾客是潜在隐性贡献较高，当前显性贡献和潜在显性贡献都较低的顾客。 该部分的顾客未来货币价值贡献的空间有限，需求空间也较小，具有较低的维系价值。 可能处于生命周期末期，或稳定期，这时候企业需要视情况而定，降低关系终止成本， 不必花太大精力维系。如果其中一部分顾客隐性贡献趋势比较明显，可能是对企业可 能很满意，企业需要根据其隐性贡献大小决定是否激发其隐性贡献的挥发，特别是口 碑影响。 第七类顾客是当前显性贡献、潜在显性贡献和潜在隐性贡献都较低的顾客。该类 顾客企业应该考虑剔除，但是需要警惕对企业可能具有负面影响的顾客( 比如可能具 有负面的口碑推荐效应的顾客) 。 第八类顾客是当前显性贡献较高，潜在隐性贡献和潜在显性贡献都较低的顾客。 该类顾客是非契约环境中最常见的顾客，容易流失，与企业的关系质量一般，将其转 变为第一类顾客可能需要花费较大的成本。企业应该不需要花费营销投资在该类顾 南京理工大学硕士学位论文 面向顾客瓷产管理的顾客细分方法及应用 客，只需要关注与该类顾客每一次交易的收益。 顾客基础是动态变化的，顾客有可能从一类顾客转移到另一类顾客，企业需要关 注于这种动态变化，制定更为科学和正确的策略。 4 2 三维顾客细分模型的优势分析 以顾客为中心的演变使得企业从为产品寻找顾客转变为向顾客提供更能满足其 需求的产品和服务，企业越来越关注如何优化顾客价值。顾客资产的概念为企业提供 了更为有效的顾客管理办法，那就是基于顾客资产，通过的最大化顾客价值的方法来 优化企业营销回报。顾客细分的目的是帮助企业更好的定位顾客，从而实现针对性的 顾客关系管理策略和营销资源分配决策。顾客细分需要具有可识别性( i d e n t i f i a b l e ) 、 可命中性( t a r g e t a b l e ) 以及可操作性( a c t i o n a b l e ) 1 6 2 1 ，本文的细分模型具备了这三 个条件。 首先，面向顾客资产管理的顾客细分按照顾客资产贡献的三个方面对顾客进行划 分，有助于企业更为全面和准确的理解顾客真实的价值。本质上来讲，顾客当前显性 贡献可以表征顾客对企业的盈利贡献，也是顾客最直接的价值体现；顾客潜在显性贡 献则可以表征企业在维系顾客的过程中，顾客能给企业带来的盈利贡献；顾客潜在隐 性贡献则可以表征顾客对企业，特别是企业绩效的贡献价值。综合的考察顾客各种价 值贡献能够有效的避免企业低估顾客价值贡献，制定错误的策略，满足了细分的可识 别性。 其次，三维价值划分可以帮助企业更直观的认识、理解当前的顾客基础以及每一 个顾客的贡献情况，每一个维度又可以说明每个顾客对企业的不回价值体现，有助于 企业有效的根据当下的企业战略目标和企业发展阶段，有针对性和侧重的锁定顾客并 开展顾客关系管理的相关策略，满足了细分可命中性的特点。除此之外，通过剖析顾 客各部分贡献的影响因素，对企业所定潜在顾客也具有一定的指导意义。 第三，该模型三个维度的确定分别可以通过适当的方法得到，随着信息化的普及 和信息技术的发展，企业处理数据的能力飞速增长。数据挖掘技术的蓬勃发展为企业 提供了强有力的工具。再加上营销科学领域理论不断发展，为企业实际运作中从理念 到方法都提供了强有力的支撑。除此之外，如上一章内容所述，顾客三种贡献的度量 都所需的数据输入都是企业容易获得的数据，面向顾客资产管理的顾客细分具有较强 的操作性。 显然，更能表征企业“未来”收益情况