洛伦兹曲线与二八法则找出最有价值客户

洛伦兹曲线与二八法则找出最有价值客户一、 价值度指标的确定营业部的收入来源主要为客户的佣金，佣金越大，客户的价值度就越大，与佣金相关的指标为价值度指标，可以由佣金的公式表示：佣金二总资产*周转率*佣金水平；交易量二总资产*周转率；佣金二交易量*佣金水平。所以可以选取交易量、佣金作为衡量客户直接价值的指标，而总资产、周转率是佣金大小的基础，可以衡量客户的潜在价值。我们选取交易量、佣金、总资产、周转率这四个指标来衡量客户的实际价值及潜在价值，并对其进行分类。二、 分类标准的确定方法“二八法则”告诉我们，公司80%的利润是由20%的顾客提供的，如何找出这20%的客户并为他们提供高质量的服务，是我们客服工作的第一步。根据单个价值指标对客户进行分组，进而得出价值或潜在价值较高的顾客，提高对高价值客户的服务，对低价值或无价值的客户，可以减少对其的服务投入，进而提高整个客服资源的利用效率，达到用有限的客服资源最大可能地提高整个客户包的价值水平的目的。投顾平台提供了上述指标的分类功能，但是如何选择合适的分类标准，是我们各个客服人员面临的主要问题，传统的分类方式比较主观，例如对总资产的分类，一般把客户分为超大户（大于100万）、大户（50万到100万），中户（20万到50万），小散（小于20万）等等，并通过这种分类提供差别化的服务，假如该组客户资产90%以上都属于小散，那么这种通过数值绝对法的分类，就使得只有不到10%的客户享有针对性的服务，客服资源严重浪费；相反，如果有90%的客户资产在20万以上，那么能够享受大中户服务的客户就很多，导致客服资源严重不足。正是由于这种分类标准的数值绝对法缺乏合理性，我们需要能够根据资产包的客户的实际情况及我们所拥有的客服资源的情况进行分类的相对分类法。本文提出包括频率统计分类法及累计百分比法，及洛伦兹曲线可以很好的解决这个问题，具体如下：频率统计分类法又叫分位数分类法，就是把客户包中的客户的资产按照从小到大顺序排列，等分成N等份，每份为总体的1/N。例如四分位分类法，就是等分成四分，每份占总体的25%；十分位法就是把该总体分成十个等份，每份占总体的10%。例如通过频数统计得到该总体的资产的四分之一分位为210600，那么通过投顾平台设置：资产＞210600，得出客户群，其覆盖了客户包中资产量为后25%的客户。该功能可以通过spss软件的频数统计功能完成。累计百分比分类法，就是把客户包中客户价值指标按照从大到小排序，并且逐个求前n项的和，除以总的N个客户指标的总和，即前n个客户指标总和所占资产总和的百分比二XAsset/工Asset，我们可以得知客户价值指标的相对情况。以总资产指标为例尸通过分类得出前100个客户资产量累计为资产包总资产的30%，第100个客户的资产为213400，通过投顾平台设置：资产大于213400，得出客户群，该群覆盖了资产总和的30%。该功能计算可以通过Excel完成，具体过程如下：1、把客户资产从大到小排序并生成序号列；2、通过计算“上一单元格”+同行“总资产”单元格求出资产累计总和，3、按照公式Asset/Asset求出资产累计总和百分比。 ’T 'T洛仑兹曲线，是以人数累计频数为横轴，以各个价值指标有小到大排列求出其累计百分比为纵轴的一条曲线，如总资产洛伦兹曲线上的点（80%，20%）表示，20%的人拥有的资产总额为所有资产的80%。可以直观的描述客户资产的分布情况。三、分类的实际操作及结果分析选取我营业部的一个客户包中的客户为研究对象，包含2748位客户，通过投顾平台的“客户”首页可收集总资产的数据，“客户分析”中“价值度分析”及“交易量分析”可收集该客户包的佣金、周转率及交易量等数据。通过这些指标，因此我们需要根据资产包的实际情况设定各个指标的标准，进而对不同的客户采取不同的营销策略，或是提供不同的服务内容。1、对总资产指标的分类（1）对总资产的频率统计我们得出该资产包的总资产的频率统计结果，可以按照四分位，十分位，把资产包分为4类，和十类，结果如下：N Valid2748Missing0Mean140342.7483Median65818.1650Minimum.00Maximum4831178.38Sum385661872.45Percentiles 1025698.11302032090.11202536243.40753040002.43304050356.69005065818.16506085539.460070115002.705075141084.775080172181.930090297100.7050通过该表我们可以得知：想要得到一个客户群使它可以覆盖整个客户包中总资产为前10%的客户，那么我们只需要通过设置：“资产＞297100”便可，结果显示，客户包中前2748*10%=275名客户。通过该项设置，我们可以通过对总资产的设置，精确地提供不同排名段的客户，把原来绝对量的指标划分，变为相对量的划分。（2）对总资产的累计百分比分类得出资产量总和占总资产量的30%、50%、60%、70%、80%、90%的信息。序号总资产资产累计总和资产累计百分比人数累计百分比104575,699.50115,735,938.1030%4%301274,653.40193,121,519.2050%11%698139,230.70270,073,352.2070%25%1,04789,276.46308,586,309.4080%38%1,63650,875.69348,918,286.1090%60%27480385661872.5100%100%通过该表我们可以得知：想要得到一个客户群使它可以覆盖整个客户包80%的资产量，那么我们只需要通过设置：“资产>89,276.46”便可，结果显示，客户包中前1,047名客户其资产量的总和就占整个包资产总量的80%，而其只占该包人数的38%。通过该项设置，我们只需要服务38%的客户，就为80%的客户价值提供服务了，大大减少了服务工作量，为提高服务质量，做好差异化服务提供了目标。（3）结合以上两种分类办法，我们可以得出按照总资产的分类如下:客户类别总资产A所占比例累计总资产所占比例第1类超级大户A>575,699.504%30%第2类大户575,699.50>A>274,653.407%20%第3类中户274,653.40>A>89,276.4627%30%第4类散户89,276.46>A>50,875.6922%10%第5类小散89,276.46>A>0.0040%10%第1类为超级大户组，A>575,699.50其总资产总和占整个客户总资产总和的30%，而其数量却不足4%，是名符其实的超级大户；第2类为大户组575,699.50>A>274,653.40，该组总资产总和占整个客户总资产总和的20%，占客户总数的7%；第3类为中户组274,653.40>A>89,276.46,该组总资产总和占整个客户总资产总和的30%，占客户总数的27%；第4类为散户组89,276.46>A>50,875.69,该组总资产总和占整个客户总资产总和的10%，其数量却占总数的22%；第5类小散组89,276.46>A>0.00，该组总资产总和占整个客户总资产总和的10%，占客户总数的40%。（4）利用洛伦兹曲线图形可以更加直观地反应，该资产包总资产的情况。

比分百计累产资总/o^7^7^7^7^7^7^7^7^7n7ooooooooooo0987654321总资产洛伦兹曲线比分百计累产资总/o^7^7^7^7^7^7^7^7^7n7ooooooooooo0987654321总资产洛伦兹曲线洛伦兹曲线的弯曲程度表明，客户资产的分布情况很不均匀，资产集中在少数客户之中，我们只要服务好这少数客户，就对大部分资产提供服务了，可知该资产包中38%的客户拥有80%的资产，符合二八法则。2、 按照交易量的分类（1）选取客户包客户1-6月的交易量，做频数统计结果如下：N Valid2748Missing0Mean936409.9040Median60717.5000Minimum.00Maximum102000000.00Sum2573254416.10Percentiles 10.000020.000025.0000301944.00004022561.20005060717.500060136432.000070298324.400075434549.950080678624.9000901687616.0000通过该表我们可以得知：想要得到一个客户群使它可以覆盖整个客户包中交易量为前10%的客户，那么我们只需要通过设置：“交易量＞1687616”便可，结果显示，客户包中前2748*10%=275名客户；设置“交易量＞298324"可得到交易量排名前30%的客户。客服人员可根据自己需求锁定不同范围的客户。交易量的累计百分比把1-6月交易量由大到小排序，逐个求出前n项的交易量累计总和，进而求出交易量累计百分比如下：序号交易量交易量累计交易量累计百分比人数累计百分比2118,234,105776,751,44730%1%648,665,5961,287,391,82050%2%1035,550,9101,549,062,03960%4%1633,295,7451,804,026,82070%6%2751,687,0472,062,198,52280%10%504759,0372,316,669,91490%18%197041.52,573,254,416100%72%274802,573,254,416100%100%通过该表我们可以得知：想要得到一个客户群使它可以覆盖整个客户包80%的累计交易量，那么我们只需要通过设置：“资产＞1,687,047”便可，结果显示，客户包中前275名客户其交易量的总和就占整个包交易量总量的80%，而其只占该包人数的10%。通过该项设置，我们只需要服务10%的客户，就为80%的客户价值提供服务了，大大减少了服务工作量，为提高服务质量，做好差异化服务提供了目标。通过交易的排行及交易量所占比例，我们可以把客户分为5类:客户类别交易量(Turnover)所占比例交易量所占比例第1类超级活跃T>8,665,5962%50%第2类活跃8,665,596>T>1,687,0478%30%第3类正常1,687,047>T>759,0378%10%第4类不活跃 759,037>T>41.5 54% 10%

第5类无交易 t=0第5类无交易 t=028% 0%第1类为超级活跃组，T>8,665,596其交易量总和占整个客户交易量总和的50%，而其数量却不足2%，是名符其实的活跃客户；第2类为活跃组8,665,596>T>1,687,047，该组交易量总和占整个客户交易量总和的30%，占客户总数的8%；第3类为正常组8,665,596>T>1,687,047，改组交易量总和占整个客户交易量总和的10%，占客户总数的8%；第4类为不活跃组，该组交易量总和占整个客户交易量总和的10%，其数量却占总数的54%；第5类无交易组，其数量为28%。（4）交易量指标的洛仑兹曲线比分百计累量易交交易量的洛仑兹曲线口绝对平均线口人数累计百分数11% 22% 33% 44% 55% 66% 76% 87% 98%人数累计百分比比分百计累量易交交易量的洛仑兹曲线口绝对平均线口人数累计百分数11% 22% 33% 44% 55% 66% 76% 87% 98%人数累计百分比由图可知：交易量在客户之间的分布极不平衡，不到10%的客户量，创造了80%的交易量，那么这10%的客户就是我们所要找的价值客户，即第1类+第2类客户。3、 按照佣金的分类（1）选取客户包客户1-6月的佣金，做频数统计结果如下：N Valid2748Missing0Mean1081.6978Median113.0900

根据交易量的累计百分比序号佣金佣金累计佣金累计百分比人数累计百分比4113,139.27900,770.010.300.011086,197.681,491,920.940.500.041664,302.341,785,646.000.600.062752,540.0621385030.720.13901,756.062,380,737.000.800.14687732.152,708,103.000.910.251,9685.002,972,501.001.000.722,748 0.00 2,972,506.00 1.00 1.00结合以上两种分类办法，我们可以得出按照佣金把客户分为6类：客户类别佣金(Comission)所占比例佣金累计所占比例第1类超级价值C>13,1391%30%第2类高价值13,139>C>4,3025%30%第3类有价值4,302>C>1,7568%20%第4类正常价值1,756>C>73211%11%第5类低价值732>C>547%9%第6类无价值C=028%0%第1类为超级价值组，C>13,139其佣金总和占整个客户佣金总和的30%，