張 媛

(太原大學外語師范學院，太原 030012)

1 概述

網(wǎng)上營銷活動在我國蓬勃發(fā)展，但只重發(fā)展，不顧售后的弊病也是行業(yè)頑疾。售后服務不完善至少會導致2個結果，首先是無法有效地提高用戶的滿意度，進而降低客戶粘性;其次是無法讓網(wǎng)上營銷做到有的放矢。從網(wǎng)上營銷者的角度來衡量看待這2個問題，就不難發(fā)現(xiàn)售后服務是企業(yè)的命脈，但什么是“好的”售后服務呢?業(yè)界普遍認為“主動”的售后服務才是真正好的售后服務。主動的售后服務能將專業(yè)規(guī)劃與信息維護引入企業(yè)，幫助企業(yè)在經(jīng)營上更加有競爭力，也能提升中小企業(yè)對網(wǎng)上營銷者的客戶粘性［1-2］。

以太原最大的網(wǎng)上營銷服務商為研究對象，利用RFM模型對網(wǎng)上營銷售后服務客戶進行集群分析設計，通過客戶售后服務數(shù)據(jù)分析提取系統(tǒng)所需數(shù)據(jù)，再使用集群分析工具將客戶集群，對分析結果進行解釋并提出相應的服務建議，進而提升客戶的服務滿意度，同時也可為網(wǎng)上營銷商提供營銷決策參考。

1.1 RFM

在眾多的客戶關系管理(CRM)的分析模式中，RFM模型應用廣泛。RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個客戶的購買行為、購買的總體頻率及花銷這3項指標來描述該客戶的價值狀況。RFM模型較為動態(tài)地展示了一個客戶的全部輪廓，為個性化的溝通和服務提供了依據(jù)，同時，如果與該客戶打交道的時間足夠長，也能較為精確地判斷該客戶的長期價值(甚至是終身價值)，通過改善這3項指標的狀況，從而為更多的營銷決策提供支持［3］。

在RFM模式中，R(Recency)表示客戶購買的時間有多遠，F(xiàn)(Frequency)表示客戶在時間內購買的次數(shù)，M(Monetary)表示客戶在時間內購買的金額。一般的分析型CRM著重在對客戶貢獻度的分析，RFM則強調以客戶的行為來區(qū)分客戶。RFM非常適用于生產(chǎn)多種商品的企業(yè)，而且這些商品單價相對不高，如消費品、化妝品、小家電、錄像帶等;它也適合企業(yè)內的少數(shù)耐久商品，但是該商品中有一部分屬于消耗品，如復印機、打印機、汽車維護等消耗品;RFM對于加油站、旅行保險、運輸、快遞、快餐店、KTV、行動電話信用卡、證券公司等也很適用。

1.2 數(shù)據(jù)集群

數(shù)據(jù)庫集群即利用至少2臺或者多臺數(shù)據(jù)庫服務器，構成一個虛擬單一數(shù)據(jù)庫邏輯映像，向客戶端提供透明的數(shù)據(jù)服務［4］。

2 研究方法

根據(jù)前述的相關理論，研究提出一個信息售后服務的集群設計過程，首先經(jīng)過分析得到加權化核心價值類型。進而區(qū)分客戶類型，然后應用集群工具分析客戶數(shù)據(jù)，最后按照結果提出核心客戶營銷策略與建議［5］。以太原最大的網(wǎng)上營銷服務商為研究對象，利用RFM模型對網(wǎng)上營銷售后服務客戶進行集群分析設計。集群分析流程圖如圖1所示。

圖1 集群分析流程圖

3 系統(tǒng)設計

利用營銷數(shù)據(jù)進行客戶等級評估，并將分析所求的結果輸入到分析軟件進行數(shù)據(jù)運算，得到各顧客的權重值，再將數(shù)據(jù)庫內的客戶服務數(shù)據(jù)帶入RFM模型進行客戶價值分數(shù)加權運算，最終找到核心客戶。將核心客戶信息化數(shù)據(jù)經(jīng)過集群算法處理，對集群后結果進行解釋并提出營銷建議，為網(wǎng)上營銷者提供營銷服務參考。系統(tǒng)架構圖見圖2。

3.1 信息采集

研究共取得原始客戶數(shù)據(jù)5 280份，由于這些數(shù)據(jù)都出自同一信息記錄軟件，因此數(shù)據(jù)的格式、有效性、準確性都非常符合分析標準。分析采用平均數(shù)計算方式匯總綜合分數(shù)，數(shù)據(jù)分析的主要方面有以下幾項:

(1)信息服務的“維護時間”情況;

(2)信息服務的“維護頻率”情況;

(3)信息服務的“維護費用”情況。

圖2 系統(tǒng)架構圖

3.2 核心顧客分析

以太原最大的網(wǎng)上營銷服務商年度維護紀錄數(shù)據(jù)(共有153 590條)為研究基礎。利用RFM分析消費數(shù)據(jù)找出核心客戶，研究所采用衡量變量分析，其中，R(Recency)為最近維護時間，F(xiàn)(Frequency)為維護頻率，M(Monetary)為維護金額。經(jīng)過分析，發(fā)現(xiàn)客戶的消費平均數(shù)為3 001.54元，當然，由于客戶分為企業(yè)客戶與個人客戶，因此消費數(shù)據(jù)不能簡單地作為核心客戶的唯一標準，經(jīng)過加權處理之后，把標準定位在一個核心客戶數(shù)值之上，計算后的結果低于平均數(shù)值的客戶為3 421家，高于平均數(shù)值的客戶為1 809家，得知核心客戶的比例為34.26%。有了核心客戶作為基礎，系統(tǒng)就可延伸下一步的集群設計。

3.3 核心客戶集群分析

對1 809家核心客戶的信息進行調查，包含公司客戶管理、服務管理及配件管理3大選項。將相應屬性數(shù)據(jù)導入到數(shù)據(jù)庫。首先將所收集的數(shù)據(jù)屬性及數(shù)據(jù)信息進行量化，利用聚類算法，經(jīng)過多次的測試及屬性調整，最后獲得2種較為全面的集群模型系數(shù)。核心客戶數(shù)為34.26%，可以很容易的區(qū)分出研究預期的核心客戶群是系統(tǒng)的期望信息。如表1所示，企業(yè)售后信息建設越完善，售后服務越重視、售后主動性越明顯，則對整個經(jīng)營活動的促進作用越大。

表1 集群分析比較表

4 結論

網(wǎng)上營銷打破了傳統(tǒng)的經(jīng)營方式，既有巨大的機遇，同時也要面臨巨大的挑戰(zhàn)。該研究只針對網(wǎng)上營銷的售后服務環(huán)境進行集群分析，利用現(xiàn)有的銷售和售后數(shù)據(jù)找出有效的營銷服務參考信息，這不僅能提高企業(yè)營銷的精準度，也能在售后中提高客戶的滿意度，最終增加客戶粘性，為企業(yè)的生存保駕護航。研究中應用了“RFM模型”分析與集群分析，分類出核心客戶，并抽取具有參考價值的信息作為企業(yè)決策的參考依據(jù)。

［1］徐鵬.零售業(yè)顧客忠誠度的模型研究與聚類挖掘［D］.大連:大連交通大學，2008:21-26.

［2］熊小莉，何景風.基于自組織創(chuàng)新網(wǎng)絡的集群式供應鏈體系研究［J］.物流技術，2006(9):34-37.

［3］王霄寧.基于社會網(wǎng)絡分析的產(chǎn)業(yè)集群建模及實證檢驗［J］.系統(tǒng)工程，2005(3):79-84.

［4］安祥茜.基于RFM模型的C2C環(huán)境下顧客價值識別研究［D］.成都:西南財經(jīng)大學學報，2012:34-39.

［5］柴國榮，李振超，王瀟耿，等.供應鏈網(wǎng)絡下集群企業(yè)合作行為的演化分析［J］.科研管理，2011(5):102-109.