客户推荐价值模型研究探析.docx

客户推荐价值模型研究探析*本文受国家自然科学基金重点项目(批准号70532006)，教育部人文社科项目(10YJC630065)，教育部新世纪优秀人才支持计划项目(2006)资助.马特 郭艳红 董大海（大连理工大学管理学院，大连 116024） 摘 要：随着客户关系管理理论的观念被现今社会所接受，客户终身价值逐渐被企业界及营销学者所重视。如何计算和预测客户终生价值，已经成为客户关系管理领域的研究热点。但是，目前的学者研究所关注的客户终身价值仅仅是把重点放在了客户给企业带来的直接价值，而忽视了对企业同样重要的间接价值，本文着重分析了客户的间接价值，如口碑推荐，客户信息更新等，希望为企业研究客户带来的终身价值提供补充，并从多个视角展望未来的研究方向,以期进一步明确客户间接带来的价值对企业的重要作用,并为相关研究结论在我国市场情境下的验证与拓展提供参考。关键词：客户终身价值；客户间接价值；客户关系管理；客户推荐价值模型Analysis of customer testimonials value modelTe Ma, DaHai Dong, YanHong Guo（Dalian University of Technology, School of Management, Dalian, China, 116024）Abstract: As the concept of customer relationship management theory accepted by modern society, customer lifetime value and marketing scholars have gradually been valued by the business community. How to calculate and predict customer lifetime value, customer relationship management has become a hot area of research. However, the current focus of the Institute of scholars customer lifetime value is just to focus on the customer directly to the enterprise value, while ignoring the equally important indirect enterprise value, this paper focuses on the indirect analysis of customer value, such as word of mouth recommendation, customer information update in the hope that the enterprise of the lifetime value of customers to provide additional, and from multiple perspectives of future research directions to further bring clear value to customers indirectly the important role of enterprises, and research Conclusion in the context of Chinas market validation and expansion of reference.朗读显示对应的拉丁字符的拼音Keywords: Customer value; Customer indirect value; customer relationship management; customer referral value1 引言在市场容积有限的环境中，抢占较高的市场份额是企业关注的焦点，其中，具有高价值的客户更成为各个企业争夺的目标，如此激烈的竞争环境导致吸引客户的成本急剧上升。因此，企业迫切需要一种能够较为准确的帮助企业识别高价值客户的预测模型，以协助企业的决策者将有限的资源充分利用到有价值的客户身上，从而赢得企业的长远利益。而本文研究的客户推荐价值模型正是对客户终身价值模型研究的延伸，这种模型可以帮助企业找到对企业直接贡献较大的客户同时还可以找到那些企业经常忽略的具有较高间接价值的客户。因此，对于客户推荐价值的模型研究意义重大。2 CRV的研究意义客户终生价值是指在客户整个生命周期内，客户带给企业的利润的净现值。CLV对企业的重要作用不言而喻，如AT&T公司平均每位客户30年的价值是7.2万美元。CLV不仅体现在其自身的购买价值上，还体现在其他方面，如为企业推荐新客户、向企业提供有价值的信息等。这些价值虽然不在客户身上直接体现出来，但同样构成CLV的一部分，是不可忽视的。如果能够让客户认同企业的经营理念和产品质量，并主动为企业宣传，其可信度和宣传效果比企业的营销更能打动潜在客户，使企业能够在不增加营销支出的同时又获得有价值的信息和新客户。Boulding等人认为，客户非常相信服务质量会对重要的行为结果如忠诚和口碑传播产生影响。他们通过实验证明，客户感知的企业服务质量越高，越有可能产生有利于企业战略发展的行为，例如，产生正面的口碑传播、向他人做出推荐等。因此，忽视80的客户是不明智的选择。一项对欧洲7个国家7000名消费者的调查报告表明，60%的被调查者认为，他们购买新产品或新品牌是受到家庭成员或朋友的影响。综上，在客户争夺愈演愈烈的今天，推荐效应会严重影响客户的未来购买行为，这关系到企业能否吸引和保持更多有价值的客户，为了有效满足企业吸引这些客户的要求，有必要对现有的CLV模型进行改进。3 考虑CRV的CLV模型大部分的已有CLV模型仅仅考虑消费者与企业通过直接交易而带来的有形价值，并没有考虑客户通过推荐等行为为企业创造的无形价值。事实上，获取新客户的质量对于企业而言是至关重要的，如何识别新客户的推荐价值差异，成为CLV的另一个难点问题。为此，Herrmann ,Fuerderer首次提出了一个计算客户长期推荐价值的模型。 (1)RV指的是客户长期推荐价值；n指的是新客户数；N指的是因为客户的推荐而预测到的新加入的客户总数；t指的是新客户与企业交易的年限；T指的是新获得的客户保持忠诚的年数；指的是新客户在时刻t的获得成本；指的是客户在时期t内预测获得的边际收益；指的是客户在时期t内预测因增量销售而获得的边际收益；指的是客户n在时期t内预测向他人推荐而获得的边际收益；指的是客户n在时期t内预测预测的营销费用。由于模型中的这些数据需要依据客户的购买行为来预测，而不能采用问卷调查的方式来预测，所以该模型的有效性受到了限制。Cornelsen提出了一种新的计算客户推荐价值的方法，其分析得出客户推荐价值由五种因素组成: 推荐程度比、平均边际贡献、社会网络数量、意见领袖强度、客户满意方向, 并提出了CRV模型。其中,推荐程度比例指的是推荐人对于其他客户的影响力, 即接受方在做出购买决策时, 受到其他人的影响程度; 平均边际贡献指的是每一位潜在客户的边际贡献金额大小; 社会网络数量指的是接受者将会与多少人一起讨论与产品相关的话题; 意见领袖强度是指意见提供者影响其他购买者的程度,这取决于其对产品和市场的了解程度; 客户满意方向指的是意见提供者对于产品的满意程度,当意见提供者感到满意时, 将会做正向推荐, 反之, 将会做负向推荐。公式中的取值均为估算值，限制了该方法的准确性。H.Bauer在综合前人研究的基础上, 将客户终生价值划分为四个部分: 正常销售收入、增量销售收入、交叉销售收入和客户推荐收入, 并提出了一个更为综合的CLV模型: (2)在具体计算顾客推荐价值 时，借鉴了Cornelsen的模型的计算方法，由于客户行为是多种复杂因素交互作用的结果，由客户行为导致的客户盈利能力也势必具有波动性。该模型是根据客户过去购买模式或者人口统计学特征而计算出来的，据此来推断客户未来行为和客户未来的盈利能力，并不能很好地反映出客户价值的波动趋势，存在着一定的局限性。Hwanag, Jung和Euiho提出了基于客户当前价值、潜在价值和客户忠诚的模型，在式中将客户的潜在价值提出来单独计算。 (3) (4) (5)为选择分析的服务客户i的时间周期， 为服务客户i总时间周期数；d是贴现率；为服务客户i时间周期数的期望值；是在时间周期内客户i未来利润贡献；是在时间周期内客户i潜在价值。为客户i的流失率，采用数据挖掘技术进行计算得出。该模型对复杂客户行为进行了更充分的分析，更全面真实地反映了客户的价值。该模型的计算反映出了客户的潜在价值，而不是简单的根据客户的历史数据来预测，客户的过去的利润贡献不能反映其潜在价值，而通过该模型的计算可以使潜在价值的比较高的客户被识别出来，把他们当做是对企业有价值的客户。同时，该模型还考虑到了客户的流失。事实上，即使目前被企业认为是高价值的客户，也有可能成为企业的流失客户。Kumar, Petersen, Leone提出了测量客户推荐价值的新模型。 (6) (7)T是预计的客户关系年限， 是受推荐而购买产品的客户y对企业运营收入的贡献，是客户y的推荐成本，是如果没有被推荐就不会成为企业客户的人数，是受推荐客户进行维护的营销成本，是受推荐客户为企业所节约的客户获得成本。该公式对现有客户推荐新客户为企业带来的收益进行了衡量，由此我们也不难发现，CRV与客户自身的购买行为没有直接、必然的联系。式的后半段表示即使没有收到客户的推荐也会成为企业客户的节约所得成本。笔者认为这应该算作是企业的营销宣传所涵盖的范围，因此降低了该模型的客户推荐价值的精准度。4 现有研究不足及启示综上所述，大多数研究集中在重复购买、RFM等直接绩效指标方面，对经由客户推荐而导致的客户间接价值增加的度量与管理方面的研究相对较少。在计算CLV时，不应单单只考虑客户通过直接购买行为为企业创造的价值，还应该考虑客户推荐而给企业带来的增量收入和交叉销售收入，因此如何测评客户价值中的间接价值的大小也是研究的难点。既考虑了客户的直接价值，又考虑了客户为企业创造的间接价值，才能够精确地按照客户占用资源的多少来分配企业的成本，更易于分析客户的异质性和与不同客户之间进行交往的关系风险，从而帮助企业准确地预测客户的终生价值，使企业获取持久的竞争优势。因此，今后的研究应重点放在影响客户推荐的因素上，考察有哪些因素会影响客户推荐价值，从而对前人的模型加以改进，使之能够更加符合实情，以利于企业及营销管理者更准确地计算CLV，识别出企业的高价值客户。事实上，衡量一个客户对企业是否有价值并不仅仅根据这个客户自身的购买能力，对企业的产品和服务满意的客户未必会持续购买或增加购买量，不过这并不意味着企业对他们的前期投入就白费了，因为他们可能在另一个方面为企业创造了价值，即客户的推荐价值。目前，客户推荐研究的发展比较迅速，研究时间较短，却已经吸引了包括营销学，心理学，社会学，传播学在内的众多学者参与。研究中，学者们采用了多种研究方法例如实验法，多元回归，结构方程模型，内容分析法，焦点访谈法以及社会网络分析等手段进行研究，取得了不少成果。但是，客户推荐研究还处于初期阶段，针对现有的基于客户推荐的终身价值研究也仅限于口碑的研究方面。在未来的研究中，互联网环境下的基于客户推荐的客户终身价值研究也是很好的研究方向。5 总结客户终身价值一直是客户价值研究领域的一个热点，也是个难点。营销科学学会(MSI)己连续多年将“客户价值”列为营销学研究的优先领域;美国两个重要的商业营销机构商业市场研究所（BMRI）和商业工业营销中心(BIMC)也将客户价值的综合研究列入其研究规划。然而,由于相关研究工作开展的时间较短,该领域研究总体上还处于探索阶段,存在许多亟待研究和解决的问题。本文通过对客户终身价值的研究进行延伸，重点分析了客户推荐价值对企业的重要作用，并按照客户的直接价值及其间接价值将客户进行成了六类客户，并分析了这六类客户对于企业的重要作用及增进客户直接与间接价值的方法，期望对未来的客户终身价值研究提供良好的研究基础。参考文献1 Berger, Paul. D and Nada I. Nasr, Customer lifetime value: marketing model and applicant ions. J. Journal of Interactive Marketing, 19982 Gupta Sunil, Donald R. Lehmann, Jennifer Ames Stuart, Valuing customers. J. Journal of Marketing Research, 41(1), 2004,p.83 Hyunseok Hwanag,Taesoo Jung, Euiho suh.An LTV Model and Customer Segmentation Based on Customer Value: A Case Study on the Wireless Telecommunication Industry. J. Expert Systems with Application, 2004(26):181-188.4 V.Kumar, J.Andrew Petersen, Robert P.Leone, How Valuable is Word of Mouth? J. Harvard Business Review, Oct.2007, pp.139-1465 R. Bruce Money, Word of Mouth Promotion and Switching Behavior in Japanese and American Business-to-Business Service Clients, J. Journal of Business Research, (57), 2004, pp. 297-3056 H. Bauer, H. and M. Hammerschmidt. Customer- based corporate valuation: Integrating the Concepts of Customer Equity and Shareholder Value J. Management Decision, 2005. 43(3): p. 331-348.7 Stahl, H.K. et al. Linking Customer Lifetime Value with Shareholder