大数据营销 课件 第四章 顾客生命周期管理

第四章客户生命周期管理1学习目标了解客户生命周期的基本概念和流程熟练掌握顾客生命周期管理的模型熟悉顾客全生命周期管理模型及方法理解营销大数据进行顾客生命周期管理的基本原理和应用方法2本章思维导图3开篇案例如何才能让数据分析真正优化一线销售业务

营销领域广泛使用客户价值、客户生命周期等模型。这类模型的关键假设是，企业未来的最佳客户与过去的最佳客户相一致。常用模型有RFM模型：最近购买时间(Recency)、购买频率(Frequency)、购买金额(Monetary)。它有几个已知的缺点:①它忽略了RFM以外的异构来源，并且没有充分利用客户的纵向购买历史；②除非RFM变量都是相互独立的(这是不可能的)，否则模型不能考虑冗余。Fader等(2005)提出Iso-Value方法使用了成熟的购买行为的随机模型，用于对未来时期进行预测。此外他们的模型可以捕捉到“高频购买悖论”：4一、客户生命周期二、基于顾客价值的生命周期管理5第一节

客户生命周期管理流程（一）客户生命周期指个体或组织对企业形成初步认知，而后与企业建立业务关系成为客户，直到与企业完全终止关系的全过程。动态地反映了客户与企业从了解到形成合作关系再到关系结束的不同阶段的客户特征显示了客户与企业之间不同联系程度的业务关系，帮助企业阶段性化客户关系管理，针对不同生命周期阶段客户采用不同的维护手段引导企业将关注点聚焦于客户来评估企业当前及未来的盈利能力，不仅是通过已有的销售量或销售额等来判断和预测企业的盈利能力客户在不同生命周期阶段有不同的需求和期望，因此企业针对不同阶段客户提供差异化的产品以及相应的精准营销。6一、客户生命周期客户生命周期的应用：市场细分

基于客户生命周期阶段划分市场能够帮助企业从客户对企业认知态度的区别上进行营销。客户关系管理

包括现有客户、潜在客户和未来用户评估营销成果

企业可以通过一段时间内，处于不同生命周期阶段的客户的数量变化评估这段时间企业实施的营销策略，从而改进或转换营销方式。7一、客户生命周期（二）客户生命周期阶段：可分为客户到达、客户获取、客户转换和客户保留四个阶段。客户到达：是指个体或组织对企业建立初步认知成为其潜在客户的过程。客户获取：是指潜在客户对企业的营销行为进行回应形成的互动行为。客户转换：是指获取的潜在用户或长时间未进行购买行为的失效用户首次完成购买行为。客户保留：在客户首次完成购买后，企业需要维护客户关系以达到留存客户使之成为忠诚客户的目的。8一、客户生命周期（三）顾客生命周期与价值创造：价值创造指企业通过产品或服务为客户带来的价值。

企业的价值创造是丰富的多层次产品。企业竞争力的核心内容是满足客户需求和期望，而价值创造则是满足客户需求和期望的途径。客户生命周期的发展也可以看作是企业为客户创造越来越丰富价值的过程。企业通过向客户展示其价值创造，且不断地创新和增加其价值创造，以推进客户生命周期流程，使其成为稳定的忠诚客户。完成客户转换的本质其实就是满足客户当前的必要需求和期望，为客户创造其所需价值。9一、客户生命周期（一）客户选择标准：通过某些指标对客户进行评价与选择可以帮助公司衡量客户的价值，根据他们对整体利润的贡献进行排序，使公司能够将更高比例的资源分配给预期能够产生更大利润的客户。有三个向后看的指标使用此标准(假设每个客户的未来和过去的都保持一致)：最近频率货币价值(RFM)、钱包份额(SOW)、过去的客户价值(PCV)

客户生命周期价值(CLV)是一个较为前瞻性的度量指标，适用于所有部门与行业，可以用来预测客户未来的行为。10二、基于顾客价值的生命周期管理RFM(Recently-Frequency-Monetary)

RFM模型是衡量当前用户价值和客户潜在价值的重要工具和手段。Recency（最近一次消费）指的是最近一次向公司下订单的时间Frequency（消费频率）则衡量客户在一段时间内从公司订货的频率Monetary（消费金额）则是客户在和公司的交易中平均花费的金额

公司可选择RFM得分较高的客户作为其营销活动的目标客户。11二、基于顾客价值的生命周期管理SOW(Shareofwallet)

SOW是顾客在某一个产品或某一家商店花费的金额占其总开销的比率，主要用于确定消费者是否忠诚于某个特定的商店，或者他们是否在不同的商店购物，表明了焦点品牌或公司在该类别满足客户需求的程度。例如，一个消费者可能一直都在同一家商店购物，那么其SOW就为100%，若一个消费者选择四家不同的商店平均购物，那么每家商店就是25%的SOW值。这一指标为公司提供了营销预算的哪一部分可被用于该公司的洞察。12二、基于顾客价值的生命周期管理PCV(PastCustomerValue)

过去客户价值(PCV)模型建立在客户过去的盈利能力能代表未来盈利能力水平的假设之上。模型将过去交易的结果推断到未来，以获得对客户未来价值的衡量。由于客户在不同的时间点购买了各种产品和服务，因此过去交易的贡献应该根据货币的时间价值进行调整，到目前为止的累积贡献代表了客户的PCV。PCV计算公式：i表示用户序号，r表示贴现率，T表示在进行购买的当期之前的时间段数，GC表示第i个客户在时间段t的交易贡献总额。13二、基于顾客价值的生命周期管理CLV(CustomerLifetimeValue)

客户生命周期价值(CLV)作为一个前瞻性的客户选择指标，CLV能够帮助营销者在当前采取适当的营销活动，以提升未来的盈利能力。CLV是唯一一个纳入了所有能推动盈利的收入、费用和客户行为的要素进行度量的方法。通过采用以客户为中心而不是以产品为中心的方法，能更有效的进行目标客户的选择与营销活动管理。CLV框架是购买顺序分析和客户特定沟通策略的基础。在采用以客户为中心方法的公司中，客户价值可以被认为是指导资源分配的指标。14二、基于顾客价值的生命周期管理（二）管理客户盈利能力：通过了解CLV的驱动因素与客户盈利关系的因素，利用这些驱动因素采取适当的措施使CLV最大化，能够帮助品牌或公司更好理解盈利客户关系的结构，确保未来利润最大化。CLV驱动因素的分类：交换特征。交换特征包括所有影响客户-公司关系的变量，客户的特征。客户的位置、年龄、收入水平等，构成客户异质性。产品特点。包括所提供的产品类型、产品获得的时间以及与产品相关的典型生命周期。公司的营销行动。包括营销信息、优惠、促销、销售人员的个人访问等的数量，以及这些联系的频率和时间。15二、基于顾客价值的生命周期管理B2B中的CLV驱动因素消费水平。给定时间内的平均消费水平对客户终身价值有正向影响。交叉购买。指的是客户从公司提供的大量产品或类别中购买的程度。集中购买。表示客户在单个类别内的购买水平。平均购买时间。是指两次购买之间的平均天数。退货。客户在两次购买期间退回的产品数量与客户价值呈倒U形关系。忠诚工具。表明客户在公司中的地位。营销联系的频率。指的是两个观察到的购买之间企业通过各种通信渠道联系客户的次数。该因素对客户价值的影响呈倒U型。双向沟通。是两次购买之间客户主动接触的数量与客户接触的总数量的比率。16二、基于顾客价值的生命周期管理B2C中的CLV驱动因素交叉购买。如果客户从零售商购买更多种类的产品，客户未来的盈利能力就会增加。多渠道购物。通过其他渠道购买产品的普通顾客对公司有更大的终身价值。销售特定产品。如果零售商想知道引进一种新产品或改变现有的产品配置将如何影响客户价值，公司可以使用这种方法来分析情况。关系持续时间。企业应该采取策略来留住优先级高的客户，同时提升其忠诚度和盈利能力。购买频率。购买频率是CLV的重要驱动因素，但与其他驱动因素相比，购买频率对CLV得分的积极影响最小。平均退货率。一定数量内，产品退货可以表明企业与客户的健康关系。17二、基于顾客价值的生命周期管理（三）如何避免客户流失？

任何企业都不能忽视客户流失对企业盈利能力甚至生存的影响，也必须积极采取措施减少客户流失。降低客户流失率的关键是尽早发现有可能流失的客户并采取干预措施。客户流失模型逻辑回归。客户流失模型中，因变量是客户在某一特定时期是否退出。即：如果客户退出，因变量的值为1，否则是0。模型的自变量通常分为四类：基于交易的特征（或交换特征）、客户特征、产品特征和公司的营销努力。风险模型。在客户流失的情况下，假设一个客户直到特定时间才退出，他/她在当前时间段内离开公司的概率可以作为危害率或危害函数处理。常用的风险模型模型之一是比例风险模型。模型中，基线危险率给出了危险曲线的形状。危险曲线的形状显示了公司平均客户的背叛概率如何随时间增加/减少或保持不变。18二、基于顾客价值的生命周期管理如何避免客户流失？干预策略是否干预：根据CLV值的高低判断是否应该干预。干预时机：企业必须不断更新客户群体的退出倾向，了解变化趋势，这是有效主动干预策略的基础。干预的成本：就是花费在每个客户身上的资源数量。成本不超过客户价值和客户终身价值。产品提供：公司处理一系列产品或服务类别，其中有不同的选择时，公司必须做出的重要决定是，干预方案是针对已订购服务的附加功能，还是针对额外服务。干预渠道：当一家公司最终确定了干预成本和提供给客户的产品，它必须决定使用哪种联系渠道向客户传达报价，联系渠道的选择取决于客户价值及其过去对各种渠道的营销传播的反应。19二、基于顾客价值的生命周期管理一、经典的顾客生命周期管理模型二、顾客全生命周期管理模型及方法20第二节

顾客生命周期管理模型（二）CLV模型

CLV可被定义为:某客户在与公司的整个关系期内的累计现金流的总额。关于CLV的预测方法，主要是Dwyer法、客户事件法、CLV拟合预测法。Dwyer法根据购买行为的差异，客户分成“永久流失”和暂时流失”。“永久流失”的客户指的是把业务全部交给现在的供应商或者完全流失交给另一个供应商。“暂时流失”客户指的是将自身业务同时给予多个供应商，每个供应商得到的是总量中的一部分。客户可能只是暂时中断购买，之后有可能会恢复，甚至给予更多的业务份额。根据客户的特征差异，分别开发针对两类客户的CLV预测模型。21一、经典的顾客生命周期管理模型客户事件法

利用“客户事件”的概念预测未来客户全生命周期的价值是一般营销领域目前比较有代表性的方法.基本要点：针对每一个客户，预测一系列事件发生的时间，并向每个事件分摊收益和成本，从而为每位客户建立一个详细的利润和费用预测表。每个客户CLV预测的精度取决于事件预测的精度和事件收益与成本分摊的准确性。客户事件集越详细，与事件相关的收益和成本分摊得越精确，CLV的预测精度就越高。客户未来事件预测精度无法保证的原因：

一是预测依据的基础数据不确定性大；二是预测过程不确定性大。22一、经典的顾客生命周期管理模型CLV拟合预测法

根据客户历史利润与已知典型客户利润曲线的拟合情况，预测客户未来利润随时间变化的趋势，即未来客户利润模式(曲线)，然后根据描述客户未来利润模式的数学函数预测CLV。五个步骤：第一步，计算客户过去每个时间单元的利润第二步，绘制历史利润随时间变化的曲线图第三步，根据历史利润曲线，预测客户未来利润模式并确定模式中的参数第四步，确定客户生命周期长度第五步，预测客户全生命周期利润23一、经典的顾客生命周期管理模型（三）SMC模型

通过这个模型，可以很好地计算出客户的活跃度，客户在未来一段时间段内的期望购买次数，以及在这段时间内实现一定次数购买的可能性。SMC模型基于以下五条假设:在活跃时期，一个顾客在长度为t的一段时间内的交易量服从交易率为的泊松分布。顾客中交易率的非均匀性服从形状参数r、比例参数αt的gamma分布。每个顾客的无法观察的生命周期的长度为t。在这一点顾客变得不活跃，它服从退出比率u的指数分布。顾客中退出比率的非均匀性服从形状参数s和比例参数β的gamma分布。交易率和退出比率u独立变化。24一、经典的顾客生命周期管理模型SMC模型只需要关于每个客户过去购买行为的两条信息：最后一次交易的时间以及交易频率（他在一段特定时期内的交易次数)。表达式为X=x,tx,,T，

x是(0,T)内的交易次数，tx(0<tx<l)是最后一次交易的时间利用这两个主要统计量得到SMC中许多相关数量的表达式，如下：E(X(t))：在长度为t的一段时间内的期望交易量，对计算过去一段时间内所有客户的期望交易量至关重要。P(X(t)=x)：在长度为t的一段时间内发生x次交易的概率。E(Y(t)|X=x,tx,T)：在时间段(T,T+t)内个人交易次数(X=x,tx,T)的期望交易量。25一、经典的顾客生命周期管理模型（四）NBD模型

NBD模型主要有如下假设：26一、经典的顾客生命周期管理模型27一、经典的顾客生命周期管理模型（一）管理方法的作用越来越多复杂的分析技术应用到客户行为分析中，如数据挖掘技术数据挖掘在顾客生命周期管理中的作用主要如下：获取新客户。根据历史数据，运用数据挖掘技术建立“客户行为反应”预测模型，对客户的未来行为进行预测。客户保持。运用数据挖掘技术及时了解客户对服务的满意程度及其需求，及时分析客户的变动原因，防止客户群体大量的流失；也能指导企业合理地配置资源，为客户提供“一对一”的个性化服务。客户盈利能力分析。用数据挖掘技术建立客户利润回报预测模型，将客户进行分类，企业可以把有限的精力和资源放在有效的地方。28二、顾客全生命周期管理模型及方法（二）顾客管理方法通常可用以下三种模式进行顾客管理：分类决策树是为企业营销人员提供决策帮助的重要工具。可以帮助管理人员判断每个事件的发生概率、可能实现的收益和接下来的策略。决策树是客户细分的常用工具，可按照不同的标准，划分不同的用户群体，以实现对客户的针对性服务及开发针对性的产品。通过这样的细分有助于企业根据客户的不同特征提供差异化服务，可使企业以最小的投入获得最大的回报。29二、顾客全生命周期管理模型及方法聚类基本原理是“人以群分”。用几千维、几百维来描述一位客户，而且坐标轴能画出来。所谓人以群分，就是在这个空间里进行划分，这一群人相互距离近，和其他群体距离最远，这就叫作群。关联分析关联分析的思路很简单：物品本身之间没有关系，是人的选择让它们建立了关系。通过数据透视表可以转换成我们想要的格式：

以用户为行，以产品为列，接下来再用简单的统计方法计算横纵坐标的比。东西之间本来没有关系，但是以透视表的形式呈现，就会发现每列都有它的特殊含义。30二、顾客全生命周期管理模型及方法一、数据的分类、采集与清洗二、基于顾客价值的生命周期管理31第三节

基于大数据的顾客全生命周期管理实例数据来源利用RFM模型通过EXCEL进行大数据的顾客全生命周期管理将使用Fader等人使用的CDNOW数据集(/)文件【CDNOW-sample.txt】中包含截至1998年6月底2357名客户的购买数据信息其中主要记录了客户的五个信息：客户在23570名客户中的ID顺序客户在2357名客户中的ID顺序交易日期购买的CD数量交易的美元价格32一、数据的分类、采集与清洗RFM方法介绍

传统的RFM模型考虑的是R(最近一次消费)、F(频率)、M(以往购买的货币价值)，在三个维度上的得分进行组合构成不同客户的行为模式以及价值形式，是一种有效的客户细分方法。模型建立与分析创建每个客户的采购信息摘要33一、数据的分类、采集与清洗将文本文件【CDNOW-sample.txt】导入空白Excel工作簿，工作表的名称显示为【CDNOW-sample】。部分信息对我们进行计算没有意义，因此可以首先删除第一列和第四列数据，后在工作表顶部插入一行，添加ID、日期、花费的命名。数据清洁与处理额外交易处理

在查看客户数据集的过程中，会发现一些客户有在某一天超过一次的交易数量。比如说客户26有1997年1月13日的两次交易，而客户46有1997年8月28日的两次交易。在表格中输入以下公式：=IF(AND(A2=A1,B2=B1),1,0)

将公式从D2复制到D6920，我们注意到单元格D2：D6920总和为223，表示总共有223个这样的“额外”交易。34一、数据的分类、采集与清洗汇总当天交易

交易流模型是通过互购次数完成的，因为在数据中只知道日期，所以需要汇总当天的交易，处理方式如下：--删除D列的当前内容，输入以下公式=IF(AND(A2=A1,B2=B1),C2+D1,C2)

进入单元格D2并将其复制到单元格D6920。创建了一个运行每个客户的交易日内的总支出。35一、数据的分类、采集与清洗确定最后一笔交易

对于客户在一天内进行多于一笔交易的情况，需要确定最后一笔交易，输入如下公式：=IF(AND(A2=A3,B2=B3),1,0)

进入单元格E2并将其复制到单元格E6920，将E列命名为“特殊/值”，并将所有的数据集以E列为关键词进行升序排序，并删除掉E列中为1的行，共删除233行。

最后，通过ID和日期对数据进行了处理，删除列C和E，标记新列C为spend，创建了一个原始的交易数据集。36一、数据的分类、采集与清洗计算

F、M经过数据的清洁与处理后，现在拥有的是“干净”的原始交易数据集，下面我们可以计算每个客户的频率与购买金额的摘要

计算

R

下一步是计算客户上次购买到现在的这段时间是多少

汇总计算

创建一个包含所有必需“RFM”的工作表信息37一、数据的分类、采集与清洗RFM结果应用

利用RFM模型的三个属性对客户进行打分，通过打分确定每个用户的质量，最终筛选出自己的目标用户。可将目标客户分为以下八类：重要价值客户潜力客户重要唤回客户新客户针对不同客户分类采取不同的营销策略实现有的放矢的顾客价值管理38一、数据的分类、采集与清洗重要深耕客户一般维持客户重要挽留客户流失客户数据来源

利用BG/NBD模型进行顾客生命周期管理，将使用Fader等人使用的CDNOW数据集，工作表【原始数据】包含了截至1997年第一季度的2357名CD-NOW客户样本。

BG/NBD模型介绍

又称为贝塔几何/负二项模型。它是基于Pareto/NBD模型假设设计的概率预测模型。

BG/NBD模型是用于描述非契约客户关系情境下重复购买行为。即用户可以随时购买产品，无时间约束。

该模型可利用用户历史交易数据(RFM)来预测未来每个用户的交易次数和流失率。39二、基于顾客价值的生命周期管理BG/NBD模型主要有以下五个假设：40二、基于顾客价值的生命周期管理41二、基于顾客价值的生命周期管理模型建立

通过BG/NBD模型对客户生命周期进行管理。该模型的实施分成三个关键阶段：估计模型参数根据这些参数估计值生成总销售预测预测一个特定客户未来的购买情况，并给出他过去的行为信息和参数估计42二、基于顾客价值的生命周期管理具体的操作步骤：数据

该模型需要关于每个客户过去的三条信息购买历史：客户的“recency”（最后一次交易发生的时间），“frequency”（在指定时间段内进行了多少次交易），以及我们观察他的购买行为的时间长度。用于表示此信息的符号是(X=x,tx,T)，其中x是在时间段(0,T]内的交易数量，tx(0<tx≤T)是最后一笔交易的时间。校准BG/NBD模型

首先制作原始数据工作表的副本（BG/NBD估计），并在工作表顶部插入六行。目标是构造对数似然函数并找到与