数据挖掘与客户忠诚度管理

新华信汽车研究 数据挖掘与客户忠诚新华信汽车研究 数据挖掘与客户忠诚 度度 中国汽车行业经历了 2 年的爆发式增长后 市场逐步回归理想化和平稳化 销售市场暂时难以兴起波澜 而售后市场则逐步成为汽车产业链的最佳赢利点 坐拥亿级的汽车保有量 庞大的客户群体如何管理 如果把客户尽可能长久地 保持在自己的体系之内 如果在产能过剩的市场格局中确保自己的那部分产能 不过剩 正逐渐成为每个汽车营销人必须思考的话题 粗糙的客户关系管理 目前汽车行业对于客户关系管理领域涉足尚浅 在组织机构 人力资源 系统保证 流程制度 方法论等方面均储备不足 难以开展大规模的客户关系 管理工作 也难以进一步保持和发掘既有客户的潜在价值 具体的表现如下 l 组织结构松散 客户关系管理的责任存在于每一个客户接触点 而传统的汽车销售公司市场部 销售部 售后服务部 网络部等单一部 门都无谓承接如此的重任 即使部分厂商在内部设置了多种流程制度 以期确保各个部门的协同作战 但往往囿于部门间的复杂利益纠纷而流 于无声 l 经销商协同有限 经销商是最重要的客户接触点 但经销商和厂 商之间也存在着诸多的利益冲突 导致客户关系管理难以为继 一是双 方的短期目标存在差异 导致厂商的客户关怀活动在经销商处受到一定 程度的冷落 二是经销商把销售返利看得过重 在客户满意度和客户信 息方面做很多文章 导致厂商层面信息的失真 三是厂商的指导方法论 缺乏价值含量 在经销商处难以得到普遍认可 遑论大规模持续性的实 施 l 信息化管理缺失 经销商管理系统 DMS 是厂商和经销商之间最 重要的信息纽带 厂商对其设计 运作和管理拥有绝对的主导权 大多 数的 DMS 系统在设计之初 主要以销售和售后服务功能为主 没有考虑 到客户关系管理的内容 并且后期缺乏相关的二期开发 另外 信息化 系统的不完善和管理的不到位 导致经销商在客户信息上作假行为严重 信息的完整性 真实性无法得到保证 最后 厂商缺乏基于数据整合的 商业智能平台来高效地分析客户信息 尤其是客户行为信息 l 客户关怀体系亟待完善 目前大部分的汽车厂商都采用客户俱乐 部的形式来维系客户关系 但往往设置流于形式 缺乏数据化的管理 客户关怀活动雷同 且客户认知度和参与度较低 同时 由于种种历史 原因和错综复杂的利益纠葛 厂商的客户俱乐部和经销商的客户俱乐部 很难在短时间内实现整合 客户关系层面的损失在所难免 l 缺乏明确的方法论指引 客户关系管理的日常实施大都基于项目 及历史经验 缺乏长远的布局和思索 处于 操作型 的阶段 缺乏商 业智能 数据挖掘等 分析型 工具的支撑 难以科学 精准 动态地 调整客户关系管理的日常实施 难以形成具有企业自身特色的客户关系 管理方法论 汽车行业客户忠诚度的两个基本面 较大多数行业而言 汽车消费属于 大宗 消费的范畴 客单价高 消费频次低 消费需求差异化明显 这些都注定了汽车行业并不能成为 一个高客户忠诚度的行业 在汽车行业的营销实践中 通过市场调研的方法来测量客户的忠诚 度并不能解决实际的营销应用问题 也无法对实际的营销工作做出明确 的指导 从功利主义的角度出发 我们感兴趣的汽车客户忠诚度只有两 个方面 再购的忠诚度和售后服务的忠诚度 再购忠诚度指客户再购的品牌忠诚度 从厂商和经销商的角度出发 希望客户的每一次购车均最大限度地在本体系内完成 包括增购和换购 等方式 以期覆盖客户的全部用车周期 当然这是一种偏理想的状态 客户的再购行为动因复杂 有功能升级之需 也有形象地位之需 不一 而足 而本品的内涵和外延未必能满足客户的全部需求 因此再购忠诚 度只能针对部分再购概率较高的客户而言 由此也就引申出了追加销售 模型 售后服务忠诚度 主要针对首保期过后客户的大规模服务流失状况 预测客户流失的倾向 同时针对不同的流失倾向采取不同的营销策略以 期保持 挽留甚至挽回客户的模型 如果说追加销售模型是销售额导向 模型的话 那么售后服务忠诚度模型就是利润导向模型 二者相得益彰 分别从销售额和利润两个方面来最大限度地挖掘客户价值 同时 二者 的适当拼接 可以构成客户价值模型的主题 以预测每个客户对企业 包括经销商 的实际价值贡献 囿于篇幅限制 下文仅以售后服务忠 诚度模型的实施方法论来阐明建模和应用的过程 而再购忠诚度模型的 构建和应用方法亦可同样思考 售后服务忠诚度的商业价值 中国的汽车市场经历了车型竞争时代 渠道发展时代 品牌建设时 代 必将进入精准营销时代和售后服务时代 目前很多厂商已发现 过 硬的产品质量 突出的营销水平和良好的售后服务已经成为提高消费者 满意度和忠诚度的利器 汽车企业在保持和提高整车市场占有率的同时 也开始关注售后服务市场的隐性争夺 汽车售后服务市场的业态相当复杂 既包括厂商和经销商体系提供 的维修 保养 美容 置换 二手车等服务 也包括独立于厂商体系之 外的更多中小型连锁机构和门店提供的服务 如快修店乃至简易的路边 店等 甚至诸多的汽车相关产业也在觊觎这块大蛋糕 如加油站 洗车 行等也纷纷进入这一领域并且提供更丰富的产品和服务 关于中国汽车售后服务市场的规模 目前尚无一个全行业所普遍认 可的数字 有专家认为其规模在几千亿人民币的量级 也有研究机构认 为早已超过万亿的规模 无论如何 这个千亿乃至万亿规模的庞大市场 正在不断地发展和成熟 汽车售后服务市场的商业价值不仅仅在于其庞大的市场规模 更在 于其丰厚的利润回报 在国际上较成熟的汽车市场价值链中 售后服务 含二手车等业务 的利润贡献达到甚至超过 50 但我国仅为 30 左右 中国的汽车售后服务市场尚有较大提升空间 以国内某上市经销商集团 为例 其整车销售和售后服务的营业比约为 10 1 而反过来二者的利 润率为 1 10 二者对企业的利润贡献大体相当 且售后服务业务还有 不断抬头的趋势 在整车销售市场徘徊不前的大背景下 售后服务市场对汽车厂商和 经销商显得尤为重要 而汽车客户的服务消费特点是 出于对成本 地 域 时间等方面的综合考虑 在首保期过后 他们往往不再选择厂家授 权店进行维修和保养等服务 大量客户的流失 已经成为汽车厂商和经 销商们无法回避的商业课题 相关的调查结果显示 平均而言 车主在 购车第三年后的流失率超过 30 而如果客户流失率降低 1 个百分点 相关的利润挽回超过千万 由此我们可以导出 如何测算汽车客户售后 服务流失的倾向或概率 并基于客户的流失原因和方向 采取不同的针 对性服务和营销策略 以期维系 挽留甚至挽回客户 正是售后服务忠 诚度模型 或客户流失预警模型 的核心思想及其应用 需要特殊说明的是 高级轿车 尤其是豪华车和超豪华车的售后服 务圈子窄小 普遍的售后服务流失率较低 即使出现流失也往往是体系 内流失 而非体系外流失 而微车和小型汽车的车主大都是价格敏感性 客户 售后服务流失率较大 如果厂商和经销商不能在服务价格方面有 所控制 那么再好的防范流失措施也是徒劳 售后服务忠诚度模型的核心思想 售后服务忠诚度模型的核心思想是通过数据挖掘的方法来测算每个 客户的流失倾向 并结合一定的数据分析 市场研究和市场营销策略 以期制定有效性强 可执行性高 营销 ROI 最大化的客户提升与保留方 案 在这里 上述四项工作缺一不可 而数据挖掘则是核心中的核心 以下一一说明 l 通常来讲 数据分析均指描述性统计分析 其目的是总结过去 了解现状 对客户信息进行盘点式分析 并了解当前的客户的维修保养 习惯 客户流失及保有现状 如计算当前客户保有率 客户流失率等 对于保有的客户 还可细分为若干价值等级进行分析 通过对海量数据 的分析 可以帮助汽车企业在宏观上掌握自身的客户保持情况 为营销 策略的制定 提供战略性参考依据 l 而数据挖掘则偏重于预测性统计分析 其目的是预测未来 客户 的行为状态在不断变化 当前的活跃客户 很可能会在未来转化为流失 客户 反之亦然 数据挖掘模型可以根据客户过去和当前的行为特征 推断其未来流失的可能性 相较而言 数据分析是宏观层面的统计 数 据挖掘则是微观意义的建模 通过数据挖掘 模型可将客户细分为差异 化的群体 如高流失客户群 稳定客户群 摇摆客户群等 若再结合客 户价值的建模 可进一步将客户细分为高价值高流失客户群 低价值高 流失客户群 低价值低流失客户群等 由此 数据挖掘技术为汽车企业 制定精细化 差异化营销策略提供了方向性的指引 l 市场研究的目的是探究用户行为的深层次原因 通过数据分析 企业可以掌握当前客户流失及保有的现状 通过建立数据挖掘模型 企 业可以获知未来客户流失状态 然而 这些现象的背后隐藏着怎样的深 层次原因 客户为什么会流失 他们流失到哪里 等等 通过抽样调查 和深访等市场研究手段 可以帮助汽车企业找寻答案 并为企业制定更 具吸引力 更迎合客户心理的营销策略内容提供参考依据 l 基于对客户保留现状 客户未来流失可能性 客户行为动机三方 面内容的掌握和了解 汽车企业便可进行售后服务的改进和服务模式的 创新 并可针对不同的客户群体制定更具有针对性的精细化营销策略 并开展相关的营销活动 同时 汽车企业还可以开展长期的客户跟踪 评估不同营销活动的效果 以期更好地掌控客户状态 降低客户流失率 在一定的业务周期后 还可开展下一轮的客户保有及流失分析 模型调 优 市场调研 营销策略调整等工作 实现真正的闭环式的客户关系管 理流程 售后服务忠诚度模型的构建方法 如上所述 售后服务忠诚度模型的核心是数据挖掘部分 是针对未 来的预测 在汽车行业中其建模的流程大体如下所述 l 关键定义 在建模之初 第一步也是最关键的一步便是 流失的定义 由于品 牌 车型的不同 售后服务政策和统计口径的差异 每个厂商对于客户 流失均有不同的理解 客户流失定义的原则应具有实际应具有意义 并 且具有相关的数据和信息做支持 企业内部的信息化系统更迭和统计口 径的变更都会对其产生影响 定义客户流失的一般思路是 考察时间 窗 售后服务内容 客户行为这三个维度的组合 例如客户在多长的时 间内没有发生何项维修保养行为 在对流失进行定义时 还需明确客户的流失是品牌层面的流失 即 体系外流失 还是经销商层面的流失 即体系内流失 这两种流失的 分析流程和计算结果都存在很大的差异 若企业需要对品牌层面的流失 进行建模 则可全国一盘子综合考虑并建立统一的预测模型 或者为每 个子品牌分别建模 而地域或经销商的差异则体现在模型的细微调整中 若主要考虑经销商层面的流失 理论上应该为每家经销店建立一个模型 但这种建模方式成本巨大 出于成本的考虑 可在同一区域或同一级别 的经销店中共用一个模型 但模型的精度会存在一定的损失 模型的精 度和普适度很难两全 在定义客户流失时 时间窗的选择也至关重要 通常会考虑 6 个月 9 个月或 12 个月作为参考 同时 这种时间窗可以是基于某个时点的静 态时间窗 也可以是基于某种行为的动态时间窗 同时 在确定时间 窗时应充分考虑数据质量 车型特征 厂商的维修保养政策等内容 时 间窗的确定需要反复的计算和对比 以期确定最优的时间窗口 l 数据准备 执行数据挖掘工作 需要企业准备历年的维修履历信息 维修收入 信息 售车信息 客户属性信息 经销店信息 车型信息 车辆保险信 息等多方面的数据内容 对这些信息进行关联和整合 如清洗 集成 转化和归约等 可全面探索客户维修保养行为及规律 深入探寻影响 客户行为关键因素 在这里 数据的质量状况至关重要 所谓 垃圾入 垃圾出 数据的准确性 完备性 真实性会直接影响到分析和预测结 果的正确性和可靠性 目前中国汽车企业整体道德数据质量较差 在数 据准备阶段需要大量的数据清洗和整合工作 其工作量往往占到建模工 作量得 50 以上 因此汽车企业的 IT 部门或者业务系统的提供商 应对 建模给予大力配合与支持 l 客户流失保有分析 数据分析可帮助企业多方位 多角度地了解客户维修保养习惯 客 户保有情况 客户流失情况 数据分析的核心是 KPI 如客户年均保养 次数 客户年均行驶里程 客户平均维修单价等 与维度 如区域 车 型 车龄等 的交叉组合分析 从分析结果中 企业可以总结出各区域 各车型间的客户行为差异 以及客户维修保养习惯和客户流失保有情况 随车龄的变化趋势等 帮助企业了解客户的维修保养行为与企业的维修 保养政策是吻合还是相悖 同时 数据分析的结果也便于数据挖掘人员 进行更好的商业理解 为建模做好准备 也可以辅助建模的结果 更好 地指导营销工作 l 客户流失预测 通过数据挖掘技术可预测客户的流失概率 首先要设计预测指标 预测指标的确定即依赖于对数据的理解 又依赖对汽车行业的商业理解 预测指标可分为行为指标与属性指标两类 行为指标包括 维修次数 保养次数 维修次数增长率 保养次数增长率 最后一次入场距今时间 最后一次入场行驶里程等 而属性指标则包括 车型 车龄 区域 购 车经销店 上次入场经销店 车辆是否易主等 数据挖掘模型的本质是 构建预测指标与流失概率之间的关系 一般会选用决策树 逻辑回归 神经网络等数据挖掘算法 决策树模型较其他模型更直观 更便于理解 一般经过模型反复的 调整与评估 最终会选取 6 10 个关键性预测指标进行建模 同时 决策 树所产生的模型结果便于系统化的展示 可以很方便的嵌入到企业的商 业智能系统中 若预测指标的逻辑化值偏多 则可以采用逻辑回归算法 若企业数据量庞大 且对模型的实时性要求较高 则可以采用神经网络 等算法 总之 建模及其方法的选择完全依赖于实际的业务需求 l 售后服务市场研究 基于分析和预测的结果 可以在具有差异性的客户群体中分别选取 样本 设计相应的调研问卷和深访大纲并实施 以期进一步分析客户行 为产生的原因并合理地解释模