鄭平標(biāo)，朱克非，代明睿

（中國(guó)鐵道科學(xué)研究院 運(yùn)輸及經(jīng)濟(jì)研究所，北京 100081）

1 概述

客戶細(xì)分是客戶關(guān)系管理的核心概念之一，是指企業(yè)在明確的戰(zhàn)略、業(yè)務(wù)模式和特定的市場(chǎng)中，根據(jù)客戶的屬性、行為、需求、偏好及價(jià)值等因素對(duì)客戶進(jìn)行分類，并提供針對(duì)性的產(chǎn)品、服務(wù)和營(yíng)銷模式的過(guò)程[1]。由于客戶分類問(wèn)題涉及因素眾多，許多因素帶有模糊性，并且分類的標(biāo)準(zhǔn)隨分類目的不同而有所不同，因而沒有一種通用的方法適合各種客戶分類問(wèn)題。為此，在相關(guān)研究成果基礎(chǔ)之上，提出一種基于客戶當(dāng)前價(jià)值、潛在價(jià)值及忠誠(chéng)度的鐵路客戶細(xì)分方法，利用決策樹分類算法評(píng)價(jià)客戶價(jià)值，根據(jù)評(píng)價(jià)結(jié)果對(duì)客戶進(jìn)行分類，針對(duì)不同類型的客戶實(shí)行不同的營(yíng)銷策略，為實(shí)現(xiàn)企業(yè)資源的合理配置及客戶營(yíng)銷提供理論方法。

目前，針對(duì)客戶分類方法和鐵路客戶關(guān)系管理系統(tǒng)已經(jīng)進(jìn)行了廣泛的研究。郭玉華等[2]結(jié)合經(jīng)典客戶生命周期理論，采用數(shù)據(jù)挖掘技術(shù)，對(duì)鐵路大客戶進(jìn)行細(xì)分，并構(gòu)造潛在型、競(jìng)爭(zhēng)型大客戶發(fā)展及大客戶保持等系列模型。方曉平等[3]重點(diǎn)研究設(shè)計(jì)了基于貨票數(shù)據(jù)庫(kù)的鐵路客戶關(guān)系管理系統(tǒng)，并在有關(guān)部門得到應(yīng)用。鐘雁等[4]采用聚類和貝葉斯分類算法研究了不同類別的貨主對(duì)鐵路貢獻(xiàn)的大小，進(jìn)而研究提出采取不同的優(yōu)惠措施。石英等[5]設(shè)計(jì)了鐵路貨運(yùn)分析系統(tǒng)，對(duì)客戶進(jìn)行 ABC 分類。黃貴群等[6]通過(guò)闡述 3 種客戶細(xì)分的標(biāo)準(zhǔn)，提出在客戶分類過(guò)程中客戶價(jià)值是重要的參考指標(biāo)。張國(guó)政等[7]研究了基于客戶生命周期價(jià)值及客戶滿意度的客戶細(xì)分方法。楊蘭等[8]根據(jù)客戶當(dāng)前價(jià)值與潛在價(jià)值對(duì)客戶進(jìn)行分類。羅亮生等[9]將客戶價(jià)值分析理論應(yīng)用在航空公司客戶管理領(lǐng)域。翁建英等[10]構(gòu)建了客戶價(jià)值評(píng)價(jià)體系，并在商業(yè)銀行信息化中應(yīng)用。但是，總體來(lái)看，專門針對(duì)鐵路客戶分類方法的研究較少，而客戶價(jià)值評(píng)價(jià)指標(biāo)體系又是客戶分析的重要基礎(chǔ)。為此，從客戶價(jià)值評(píng)價(jià)指標(biāo)體系出發(fā)對(duì)鐵路客戶分類方法進(jìn)行探討。

2 鐵路客戶價(jià)值評(píng)價(jià)指標(biāo)體系

目前應(yīng)用較多的客戶價(jià)值評(píng)價(jià)模型是利用當(dāng)前價(jià)值與潛在價(jià)值來(lái)計(jì)算客戶生命周期價(jià)值[2]。對(duì)于當(dāng)前價(jià)值的衡量，多采用客戶過(guò)去利潤(rùn)貢獻(xiàn)的凈現(xiàn)值作為評(píng)價(jià)指標(biāo)；對(duì)于潛在價(jià)值衡量指標(biāo)的選取卻各有不同，較多使用的是 2 個(gè)方面的衡量變量，一方面為未來(lái)預(yù)期利潤(rùn)的現(xiàn)值，另一方面是由客戶忠誠(chéng)帶來(lái)的波及效應(yīng)，如口碑宣傳、重復(fù)購(gòu)買次數(shù)、支出比例等。考慮到運(yùn)輸市場(chǎng)變化迅速、競(jìng)爭(zhēng)激烈，以及客戶運(yùn)輸方式選擇余地大等特點(diǎn)，利用當(dāng)前價(jià)值、潛在價(jià)值和客戶忠誠(chéng)度三維變量建立鐵路客戶價(jià)值評(píng)價(jià)指標(biāo)體系。鐵路客戶價(jià)值評(píng)價(jià)指標(biāo)體系如圖 1 所示。

2.1 客戶當(dāng)前價(jià)值指標(biāo)

圖1 鐵路客戶價(jià)值評(píng)價(jià)指標(biāo)體系

客戶當(dāng)前價(jià)值是指在鐵路已經(jīng)產(chǎn)生運(yùn)輸業(yè)務(wù)的實(shí)際效益。當(dāng)前價(jià)值可以選取單位運(yùn)輸量收入率、運(yùn)輸量等指標(biāo)進(jìn)行分析，其中單位運(yùn)輸量收入率是指評(píng)價(jià)階段客戶單位運(yùn)輸量的平均收入，運(yùn)輸量指評(píng)價(jià)階段客戶累計(jì)發(fā)送量。

2.2 客戶潛在價(jià)值指標(biāo)

客戶未來(lái)的發(fā)展?jié)摿κ窃u(píng)價(jià)客戶價(jià)值的一個(gè)重要因素，準(zhǔn)確地評(píng)估客戶的潛在價(jià)值對(duì)制定有效的客戶發(fā)展和保持戰(zhàn)略至關(guān)重要。潛在價(jià)值是指客戶在未來(lái)與企業(yè)進(jìn)行交易的過(guò)程中可能帶給企業(yè)的收入，主要包括 2 個(gè)方面：一是建立在原有交易數(shù)據(jù)庫(kù)的基礎(chǔ)上對(duì)客戶未來(lái)收入的預(yù)期，即預(yù)期保守價(jià)值；二是對(duì)未來(lái)客戶可能帶給企業(yè)更大收入貢獻(xiàn)的預(yù)期，即預(yù)期增加價(jià)值。由于充分考慮到運(yùn)輸企業(yè)向物流多元化發(fā)展的特點(diǎn)，通過(guò)對(duì)客戶進(jìn)行交叉銷售和增值銷售是增加客戶價(jià)值的有效途徑。因此，選擇交叉銷售及增值銷售的可能性及由此帶來(lái)的收入的增加，作為對(duì)未來(lái)服務(wù)期客戶可能帶給企業(yè)更大的收入貢獻(xiàn)的預(yù)期。其中交叉銷售是指在開展運(yùn)輸服務(wù)時(shí)，提供倉(cāng)儲(chǔ)、包裝、流通加工、配送等物流服務(wù)，增值銷售是提供裝卸、接取送達(dá)等增值服務(wù)。

2.3 客戶忠誠(chéng)度指標(biāo)

運(yùn)輸行業(yè)的高競(jìng)爭(zhēng)性使得客戶選擇余地較大，客戶忠誠(chéng)度具有十分重要的意義。因此，將客戶忠誠(chéng)度單獨(dú)列出，作為衡量客戶價(jià)值的三大指標(biāo)之一，并通過(guò)行為忠誠(chéng)和情感忠誠(chéng)進(jìn)行綜合評(píng)價(jià)，以最近交易時(shí)間、交易頻率、承運(yùn)份額、淡季支持度、投訴建議次數(shù)衡量行為忠誠(chéng)，以口碑宣傳衡量情感忠誠(chéng)。其中，最近交易時(shí)間是指客戶與鐵路最近交易的時(shí)間；交易頻率是指客戶與鐵路交易的頻度；承運(yùn)份額是指客戶通過(guò)鐵路運(yùn)量占總運(yùn)量的比重，反映客戶對(duì)鐵路的依賴程度；淡季支持度是指客戶在鐵路運(yùn)輸?shù)镜倪\(yùn)量情況，反映客戶對(duì)鐵路的支持力度；投訴建議次數(shù)是指客戶向鐵路部門投訴、建議的總次數(shù)，反映客戶對(duì)鐵路企業(yè)的監(jiān)督與期望。

3 客戶價(jià)值評(píng)價(jià)方法

3.1 評(píng)價(jià)流程

根據(jù)鐵路客戶價(jià)值評(píng)價(jià)體系，收集客戶價(jià)值分析的相關(guān)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行處理，運(yùn)用數(shù)據(jù)挖掘算法對(duì)客戶進(jìn)行分類，需要建立客戶關(guān)系管理系統(tǒng)，實(shí)現(xiàn)客戶價(jià)值分析和客戶信息挖掘[3]。

（1）客戶數(shù)據(jù)準(zhǔn)備。鐵路大多數(shù)業(yè)務(wù)系統(tǒng)均實(shí)現(xiàn)了電子化，客戶原始數(shù)據(jù)較為完整、準(zhǔn)確，基本上可以滿足客戶數(shù)據(jù)倉(cāng)庫(kù)對(duì)源數(shù)據(jù)的要求。但是，由于各業(yè)務(wù)系統(tǒng)數(shù)據(jù)規(guī)則、業(yè)務(wù)參數(shù)不同，各類客戶數(shù)據(jù)源之間存在重復(fù)和差異，無(wú)法形成有效鏈接。因此，需要對(duì)不同數(shù)據(jù)源的客戶數(shù)據(jù)進(jìn)行清洗、整合、規(guī)范，形成客戶管理數(shù)據(jù)庫(kù)，為建立客戶價(jià)值模型和信息挖掘奠定基礎(chǔ)。

（2）指標(biāo)數(shù)據(jù)處理。在實(shí)現(xiàn)客戶價(jià)值評(píng)價(jià)的數(shù)據(jù)挖掘算法中，要求將客戶當(dāng)前價(jià)值、潛在價(jià)值、忠誠(chéng)度等指標(biāo)經(jīng)過(guò)一定的計(jì)算處理，轉(zhuǎn)變?yōu)檫m于算法處理的數(shù)據(jù)形式。

（3）建立數(shù)據(jù)挖掘模型。根據(jù)鐵路客戶價(jià)值評(píng)價(jià)體系建立并測(cè)試數(shù)據(jù)挖掘模型，利用數(shù)據(jù)挖掘模型對(duì)客戶的當(dāng)前價(jià)值、潛在價(jià)值和忠誠(chéng)度 3 個(gè)維度進(jìn)行分類。

3.2 基于決策樹的 ID3 算法

針對(duì)客戶分類的數(shù)據(jù)挖掘算法，目前運(yùn)用較多的包括基于關(guān)聯(lián)規(guī)則的 Apriori 算法，基于智能計(jì)算的分類算法 ( 如進(jìn)化計(jì)算、神經(jīng)網(wǎng)絡(luò)等 )，以及貝葉斯分類、決策樹分類算法等[4]。在大數(shù)據(jù)量的情況下，Apriori 算法需要多趟掃描數(shù)據(jù)庫(kù)，運(yùn)行過(guò)程中生成大規(guī)模的候選集和頻繁集，計(jì)算量相當(dāng)大；而智能計(jì)算的分類方法具有較高的計(jì)算復(fù)雜性，計(jì)算搜索時(shí)間過(guò)長(zhǎng)，挖掘結(jié)果往往也不可靠?；跊Q策樹的 ID3 算法可以快速對(duì)數(shù)據(jù)集進(jìn)行劃分而得出分類規(guī)則，數(shù)據(jù)量大的時(shí)候也具有很好的實(shí)時(shí)性。根據(jù)數(shù)據(jù)特點(diǎn)和數(shù)據(jù)挖掘目的，從實(shí)用的角度出發(fā)，采用 ID3 算法對(duì)鐵路客戶價(jià)值進(jìn)行評(píng)價(jià)。

3.2.1 基本概念

ID3 算法采用信息論中的概念，用信息增益作為屬性分類能力的度量，進(jìn)行屬性節(jié)點(diǎn)的選擇，熵表示樣本集的純度。設(shè)S是n個(gè)數(shù)據(jù)樣本的集合，將樣本劃分為c個(gè)不同的類，每個(gè)類含樣本數(shù)ni，S劃分為c個(gè)類的信息熵按公式⑴計(jì)算。

假設(shè)以屬性X作為決策樹的根節(jié)點(diǎn)，屬性X具有m個(gè)不同取值，將S劃分為m個(gè)子集{S1，S2，…，Sm}，根據(jù)屬性X劃分成的子集熵按公式⑵計(jì)算。

式中：|S|和|Si|分別為S和Si中的樣本數(shù)量；E(Si)由公式⑴遞歸計(jì)算。其他屬性計(jì)算過(guò)程同理。

熵值越小，子集劃分的純度越高，根據(jù)屬性X劃分的信息增益按公式⑶計(jì)算。

其他屬性信息增益計(jì)算過(guò)程同理。

3.2.2 算法步驟

ID3 算法的核心是構(gòu)造精度高、規(guī)模小的決策樹，分為 2 個(gè)步驟：決策樹的生成，即由訓(xùn)練樣本集生成一棵決策樹；決策樹的剪枝，即對(duì)上一過(guò)程生成的決策樹進(jìn)行檢驗(yàn)和校正，剪除影響預(yù)測(cè)準(zhǔn)確性的分支。具體過(guò)程描述如下。

（1）對(duì)于訓(xùn)練樣本集S，根據(jù)決策屬性取值，按公式⑴計(jì)算E(S)。

（2）對(duì)各條件屬性X，根據(jù)其屬性取值，按公式⑵計(jì)算E(S，X)。

（3）對(duì)各條件屬性X，按公式⑶計(jì)算按各條件屬性取值劃分的信息增益Gain(S，X)，選擇信息增益最大的屬性Xmax作為節(jié)點(diǎn)。

（4）按屬性Xmax取值將樣本集劃分為子集{S1，S2，… ，Sm}，對(duì)每個(gè)子集Si按公式⑴計(jì)算E(Si)，如果E(Si) = 0，則此屬性取值分支為葉節(jié)點(diǎn)，否則遞歸調(diào)用建樹算法，繼續(xù)生成決策樹分支。

（5）當(dāng)所有子集劃分完時(shí)生成了一棵決策樹，按一定規(guī)則剪枝后，沿著樹路徑讀取分類規(guī)則。

3.3 實(shí)證分析

以客戶忠誠(chéng)度計(jì)算為例，對(duì)某鐵路局某車務(wù)段 2013 年 1—6 月的客戶忠誠(chéng)度相關(guān)數(shù)據(jù)進(jìn)行搜集分析，包括最近發(fā)貨時(shí)間、發(fā)貨頻率、承運(yùn)份額、淡季發(fā)貨量、投訴建議次數(shù)等。在此期間，該車務(wù)段活躍客戶數(shù)量為 302 個(gè)，共發(fā)送貨物 1 239 萬(wàn) t。通過(guò)決策樹分類算法進(jìn)行計(jì)算，該車務(wù)段的忠誠(chéng)度較高的客戶為 115 個(gè)，占客戶總量的 38.1%，共發(fā)送貨物 1 104 萬(wàn) t，占總發(fā)送量的 89.1%；忠誠(chéng)度較低的客戶為 187 個(gè)，占客戶總量的 61.9%，共發(fā)送貨物 135 萬(wàn) t，占總發(fā)送量的 10.9%。由此可以看出，忠誠(chéng)度較高的客戶貨物發(fā)送量占總發(fā)送量比重較大，主要發(fā)送煤炭、鐵礦石等大宗貨物；忠誠(chéng)度較低的客戶數(shù)量占客戶總量比重較大，表明需要加強(qiáng)市場(chǎng)營(yíng)銷與客戶關(guān)懷。

4 客戶分類與市場(chǎng)策略

根據(jù)當(dāng)前價(jià)值、潛在價(jià)值和忠誠(chéng)度 3 個(gè)維度，可以將客戶分為 8 種類型：高現(xiàn)值-高潛值-高忠誠(chéng)度 ( Ⅰ類 )，低現(xiàn)值-高潛值-高忠誠(chéng)度(Ⅱ類 )，低現(xiàn)值-高潛值-低忠誠(chéng)度 ( Ⅲ 類 ），高現(xiàn)值-高潛值-低忠誠(chéng)度 ( Ⅳ 類 )，高現(xiàn)值-低潛值-高忠誠(chéng)度 ( Ⅴ類 )，低現(xiàn)值-低潛值-高忠誠(chéng)度 ( Ⅵ 類)，低現(xiàn)值-低潛值-低忠誠(chéng)度 ( Ⅶ 類 )，高現(xiàn)值-低潛值-低忠誠(chéng)度( Ⅷ 類 )?；诳蛻羯芷趦r(jià)值的客戶分類模型如圖 2 所示。通過(guò)決策樹分類算法實(shí)現(xiàn)對(duì)潛在價(jià)值、忠誠(chéng)度的評(píng)價(jià)，同時(shí)結(jié)合歷史數(shù)據(jù)得出當(dāng)前價(jià)值，對(duì)客戶進(jìn)行細(xì)分，針對(duì)不同的細(xì)分客戶群體，制定相應(yīng)的市場(chǎng)策略[5]。

圖2 基于客戶生命周期價(jià)值的客戶分類模型

（1）高現(xiàn)值-高潛值-高忠誠(chéng)度 (Ⅰ類 ) 客戶。這類客戶具有很高的客戶價(jià)值，是企業(yè)最重要的客戶，應(yīng)將主要運(yùn)輸資源投入到保持與該類客戶的關(guān)系上，充分了解客戶需求，為客戶提供“一對(duì)一”的優(yōu)質(zhì)服務(wù)[6]。

（2）低現(xiàn)值-高潛值-高忠誠(chéng)度 (Ⅱ類 ) 客戶。這類客戶雖然當(dāng)前價(jià)值較低，但具有較高的潛在價(jià)值和忠誠(chéng)度，是企業(yè)的重要發(fā)展和培育對(duì)象。應(yīng)對(duì)其實(shí)行有效的營(yíng)銷策略，給予較多的關(guān)注，可以對(duì)其實(shí)行交叉銷售，如提供新的產(chǎn)品和增值服務(wù)等。

（3）低現(xiàn)值-高潛值-低忠誠(chéng)度 (Ⅲ類 ) 客戶。這類客戶當(dāng)前價(jià)值及忠誠(chéng)度都較低，但潛在價(jià)值較高，具有很大的開發(fā)價(jià)值。企業(yè)應(yīng)分析未能充分挖掘其潛在價(jià)值的原因，以及客戶流失原因。如果是企業(yè)自身的原因，則應(yīng)盡快改善運(yùn)輸產(chǎn)品質(zhì)量與服務(wù)水平，提升該類客戶對(duì)企業(yè)的滿意度和忠誠(chéng)度，進(jìn)而充分挖掘其利潤(rùn)貢獻(xiàn)的潛力。

（4）高現(xiàn)值-高潛值-低忠誠(chéng)度 ( Ⅳ 類 ) 客戶。這類客戶當(dāng)前價(jià)值和潛在價(jià)值均高，但忠誠(chéng)度較差，企業(yè)應(yīng)認(rèn)真查找分析忠誠(chéng)度低的原因，并采取相應(yīng)的客戶保留策略，努力提高客戶的忠誠(chéng)度，使其轉(zhuǎn)化為企業(yè)的高價(jià)值客戶。

（5）高現(xiàn)值-低潛值-高忠誠(chéng)度 (Ⅴ類 ) 客戶。這類客戶具有較高的當(dāng)前價(jià)值和忠誠(chéng)度，但潛在價(jià)值不高。這類客戶與企業(yè)的當(dāng)前交易量較大，對(duì)企業(yè)提供的服務(wù)也較為滿意，忠誠(chéng)度較高，但由于客戶本身實(shí)力所限，企業(yè)從該類客戶身上獲取更大利潤(rùn)的可能性不大。因此，企業(yè)應(yīng)盡量維持與該類客戶的良好關(guān)系，防止該類客戶流失，但是無(wú)需對(duì)其投入過(guò)多資源。

（6）低現(xiàn)值-低潛值-高忠誠(chéng)度 ( Ⅵ 類 ) 客戶。這類客戶具有較低的當(dāng)前價(jià)值及潛在價(jià)值，但對(duì)企業(yè)為其提供的服務(wù)還較為滿意。對(duì)該類客戶不必再進(jìn)行資源的投入，應(yīng)樹立企業(yè)良好的口碑。

（7）低現(xiàn)值-低潛值-低忠誠(chéng)度 ( Ⅶ 類 ) 客戶。這類客戶現(xiàn)在和未來(lái)能為企業(yè)帶來(lái)的收入很少，但卻占用了企業(yè)大量的開發(fā)和維護(hù)費(fèi)用，屬于企業(yè)的“淘汰客戶”，可以不分配運(yùn)輸資源。

（8）高現(xiàn)值-低潛值-低忠誠(chéng)度 ( Ⅷ 類 ) 客戶。這類客戶具有較高的當(dāng)前價(jià)值，但潛在價(jià)值和忠誠(chéng)度都較低，屬于不穩(wěn)定客戶，隨時(shí)可能轉(zhuǎn)向其他運(yùn)輸方式。應(yīng)對(duì)其實(shí)行相應(yīng)的短期策略，力爭(zhēng)在當(dāng)期獲取最大利潤(rùn)。

5 結(jié)束語(yǔ)

通過(guò)構(gòu)建鐵路客戶價(jià)值評(píng)價(jià)指標(biāo)體系，提出客戶價(jià)值評(píng)價(jià)方法，根據(jù)客戶當(dāng)前價(jià)值、潛在價(jià)值和忠誠(chéng)度 3 個(gè)維度，對(duì)鐵路客戶進(jìn)行分類，針對(duì)不同類型的客戶，提出有效的營(yíng)銷模式與市場(chǎng)策略，以加強(qiáng)客戶關(guān)系管理的針對(duì)性，實(shí)現(xiàn)市場(chǎng)營(yíng)銷的個(gè)性化，提升客戶關(guān)系管理與市場(chǎng)營(yíng)銷的水平與質(zhì)量。

[1] 楊金花，李明博，季 令. 客戶關(guān)系管理理論在鐵路貨運(yùn)營(yíng)銷中的應(yīng)用[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2008，30(2)：87-90.

[2] 郭玉華，陳治亞. 基于客戶生命周期的鐵路大客戶細(xì)分與發(fā)展模型[J]. 鐵道科學(xué)與工程學(xué)報(bào)，2011(4)：86-91.

[3] 方曉平，陳治亞. 鐵路貨運(yùn)客戶關(guān)系管理系統(tǒng)的研究與應(yīng)用[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2003，25(9)：49-50.

[4] 鐘 雁，郭雨松. 數(shù)據(jù)挖掘技術(shù)在鐵路貨運(yùn)客戶細(xì)分中的應(yīng)用[J]. 北京交通大學(xué)學(xué)報(bào)，2008(6)：25-29.

[5] 石 英，陳治亞，雷定猷. 鐵路貨運(yùn)分析系統(tǒng)的設(shè)計(jì)與應(yīng)用[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2007，29(1)：41-42.

[6] 黃貴群，胡異杰. 基于客戶關(guān)系管理的鐵路貨運(yùn)市場(chǎng)營(yíng)銷研究[J]. 鐵道經(jīng)濟(jì)研究，2003(5)：7-8.

[7] 張國(guó)政，王 芳. 基于CLV及客戶滿意度的客戶細(xì)分[J]. 科技與管理，2009(4)：62-64.

[8] 楊 蘭，盧潤(rùn)德. 基于客戶價(jià)值的客戶分類方法研究[J]. 現(xiàn)代管理科學(xué)，2007(11)：95-96.

[9] 羅亮生，張文欣. 基于客戶價(jià)值的航空公司客戶關(guān)系管理策略[J]. 企業(yè)經(jīng)濟(jì)，2008(12)：20-22.

[10] 翁建英，程 勇. 客戶價(jià)值評(píng)價(jià)體系在商業(yè)銀行信息化中的應(yīng)用分析[J]. 情報(bào)探索，2007(9)：60-61.