連漪

內(nèi)容摘要：隨著客戶(hù)關(guān)系管理的基礎(chǔ)理論不斷完善，越來(lái)越多的企業(yè)轉(zhuǎn)向以客戶(hù)為導(dǎo)向的市場(chǎng)戰(zhàn)略，從而對(duì)客戶(hù)價(jià)值細(xì)分的準(zhǔn)確性提出了更高的要求，本文在討論目前客戶(hù)價(jià)值細(xì)分研究思路和方法的基礎(chǔ)上，結(jié)合客戶(hù)終身價(jià)值和客戶(hù)忠誠(chéng)度理論，構(gòu)建三維客戶(hù)價(jià)值細(xì)分模型并提出各維度的度量方法，通過(guò)實(shí)例闡述該客戶(hù)價(jià)值細(xì)分模型的實(shí)現(xiàn)過(guò)程，驗(yàn)證模型有效性的同時(shí)，針對(duì)不同細(xì)分類(lèi)型的客戶(hù)提出個(gè)性化的客戶(hù)保持與營(yíng)銷(xiāo)策略。

關(guān)鍵詞：價(jià)值細(xì)分 CLV 忠誠(chéng)度 BG/NBD

研究概述

隨著全球經(jīng)濟(jì)進(jìn)入服務(wù)經(jīng)濟(jì)的新時(shí)代，客戶(hù)已經(jīng)演變?yōu)槠髽I(yè)獲取現(xiàn)金流的重要通道之一，同時(shí)也成為企業(yè)在激烈的市場(chǎng)競(jìng)爭(zhēng)中獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的新來(lái)源，以客戶(hù)為導(dǎo)向的客戶(hù)關(guān)系管理（Customer Relationship Management，CRM）成為了與企業(yè)資源規(guī)劃、供應(yīng)鏈管理相比肩的企業(yè)提升自身綜合競(jìng)爭(zhēng)力的基本戰(zhàn)略。

目前，從價(jià)值角度進(jìn)行客戶(hù)細(xì)分，即客戶(hù)價(jià)值細(xì)分（Customer Value Segmentation），已經(jīng)被眾多學(xué)者和研究人員廣泛認(rèn)可，其研究的思路主要側(cè)重兩個(gè)方向：一是以客戶(hù)價(jià)值指標(biāo)數(shù)據(jù)為輸入，運(yùn)用數(shù)據(jù)挖掘等聚類(lèi)算法，對(duì)客戶(hù)群進(jìn)行多變量的聯(lián)合價(jià)值細(xì)分；二是建立不同維度的客戶(hù)價(jià)值細(xì)分模型，對(duì)客戶(hù)在不同維度上的表現(xiàn)分別做出價(jià)值評(píng)價(jià)，以客戶(hù)占據(jù)多維價(jià)值空間的相對(duì)位置進(jìn)行細(xì)分。國(guó)內(nèi)學(xué)者對(duì)于聚類(lèi)細(xì)分算法的應(yīng)用研究已十分豐富，鄧曉懿（2011）以K-means、SOM算法和粒子群優(yōu)化算法為基礎(chǔ)，提出混合聚類(lèi)細(xì)分算法，對(duì)移動(dòng)餐飲企業(yè)的客戶(hù)進(jìn)行價(jià)值細(xì)分。賀昌政（2013）鑒于決策樹(shù)算法、BP神經(jīng)網(wǎng)絡(luò)、logistic算法在不同層面展現(xiàn)的優(yōu)越性，采用多分類(lèi)器組合的方法，對(duì)某銀行信用卡客戶(hù)進(jìn)行價(jià)值細(xì)分。褚格林（2014）針對(duì)移動(dòng)客戶(hù)在無(wú)線(xiàn)互聯(lián)網(wǎng)流量使用過(guò)程中為企業(yè)貢獻(xiàn)的當(dāng)前價(jià)值和潛在價(jià)值，應(yīng)用K-means劃分算法，并對(duì)各個(gè)細(xì)分類(lèi)別的客戶(hù)群提出差異化的營(yíng)銷(xiāo)策略。

但是按照數(shù)據(jù)挖掘的聚類(lèi)算法對(duì)客戶(hù)進(jìn)行價(jià)值細(xì)分是建立在企業(yè)擁有較為完整客戶(hù)數(shù)據(jù)庫(kù)的基礎(chǔ)上，很多企業(yè)為了降低數(shù)據(jù)收集和存儲(chǔ)的成本，通常有意忽略如市場(chǎng)波動(dòng)、客戶(hù)心理等較難獲取的解釋變量，重點(diǎn)僅放在客戶(hù)的金錢(qián)價(jià)值、擴(kuò)大購(gòu)買(mǎi)等表層貢獻(xiàn)上，并未觸及客戶(hù)與企業(yè)之間更深層次的關(guān)系貢獻(xiàn)上。而且，不同行業(yè)、不同企業(yè)對(duì)客戶(hù)價(jià)值衡量標(biāo)準(zhǔn)存在差異，也導(dǎo)致細(xì)分算法的可解釋性?xún)H被限制在某個(gè)特定范圍。為此，有學(xué)者提出另一種研究思路，即建立不同維度的客戶(hù)價(jià)值細(xì)分模型，如孟慶良（2008）將增值潛力進(jìn)一步細(xì)分為客戶(hù)潛在顯性?xún)r(jià)值和潛在隱性?xún)r(jià)值，構(gòu)建三維價(jià)值細(xì)分模型，并對(duì)各個(gè)維度的度量方法做了描述。吳玲（2012）應(yīng)用二維價(jià)值細(xì)分模型，通過(guò)構(gòu)建客戶(hù)價(jià)值評(píng)估指標(biāo)體系，細(xì)分電力客戶(hù)群，證實(shí)該細(xì)分模型的有效性的同時(shí)提升了其應(yīng)用的廣泛度。

通過(guò)以上綜述，本文結(jié)合兩種思路，以客戶(hù)終身價(jià)值和客戶(hù)忠誠(chéng)度理論為基礎(chǔ)，構(gòu)建三維客戶(hù)價(jià)值細(xì)分模型，以我國(guó)電信行業(yè)為實(shí)證背景，討論如何根據(jù)細(xì)分的客戶(hù)類(lèi)型優(yōu)化公司的資源配置和客戶(hù)保持策略。

客戶(hù)價(jià)值細(xì)分模型的維度構(gòu)建

（一）客戶(hù)終身價(jià)值

Roberts和Berger（1998）最先從企業(yè)的角度定義了客戶(hù)價(jià)值：“客戶(hù)將來(lái)給企業(yè)的管理費(fèi)用和利潤(rùn)所貢獻(xiàn)的凈現(xiàn)值”。Cartwright R.（2002）首次提出了“客戶(hù)終身價(jià)值”（Customer Lifetime Value，CLV）的概念，將其定義為在企業(yè)在與客戶(hù)保持良好關(guān)系的前提下，客戶(hù)在當(dāng)前和未來(lái)為企業(yè)帶來(lái)收入或利潤(rùn)的折現(xiàn)值。根據(jù)帕累托定律，企業(yè)80%的利潤(rùn)來(lái)源于與企業(yè)維系客戶(hù)關(guān)系的20%客戶(hù)。因此，正確細(xì)分出能夠給企業(yè)真正帶來(lái)高額利潤(rùn)的那一小部分客戶(hù)群體，成為實(shí)現(xiàn)企業(yè)利潤(rùn)最大化的關(guān)鍵，而客戶(hù)終身價(jià)值理論為此提供了解決思路。

客戶(hù)終身價(jià)值理論包涵廣義和狹義兩個(gè)層面，廣義上指客戶(hù)在其整個(gè)生命周期內(nèi)為企業(yè)帶來(lái)的利潤(rùn)或損失的凈現(xiàn)值，它包含兩個(gè)部分，一是客戶(hù)的歷史貢獻(xiàn)，二是客戶(hù)的潛在貢獻(xiàn)。廣義層面的CLV也是目前學(xué)者進(jìn)行客戶(hù)價(jià)值細(xì)分的基礎(chǔ)。而對(duì)客戶(hù)實(shí)施CRM時(shí)則更側(cè)重于客戶(hù)未來(lái)對(duì)企業(yè)的價(jià)值，因此，狹義的CLV即只是指客戶(hù)的潛在貢獻(xiàn)，本文將采用狹義CLV對(duì)客戶(hù)價(jià)值進(jìn)行描述，用以反映客戶(hù)對(duì)企業(yè)最直接的財(cái)務(wù)貢獻(xiàn)，是一種外在的顯性?xún)r(jià)值。

（二）客戶(hù)忠誠(chéng)度

客戶(hù)忠誠(chéng)度是CRM的根本目標(biāo)和動(dòng)力，高忠誠(chéng)度的客戶(hù)趨向于連貫的購(gòu)買(mǎi)習(xí)慣、更低的價(jià)格敏感度、優(yōu)質(zhì)的口碑等無(wú)形價(jià)值，在增加企業(yè)收入的同時(shí)可以有效降低營(yíng)銷(xiāo)成本。當(dāng)前對(duì)客戶(hù)忠誠(chéng)度的界定主要包括行為忠誠(chéng)度和態(tài)度忠誠(chéng)度。行為忠誠(chéng)度指的是再次購(gòu)買(mǎi)喜愛(ài)的產(chǎn)品或服務(wù)，盡管它僅是客戶(hù)忠誠(chéng)的低級(jí)表現(xiàn)，卻是客戶(hù)關(guān)系可持續(xù)的關(guān)鍵。形成行為忠誠(chéng)的原因也許是客戶(hù)對(duì)企業(yè)的認(rèn)同感，也可能是因市場(chǎng)上缺少可替代產(chǎn)品而導(dǎo)致的壟斷性忠誠(chéng)，因此，判斷客戶(hù)忠誠(chéng)度還需要輔以態(tài)度層面的理解。

態(tài)度忠誠(chéng)度不僅表現(xiàn)為客戶(hù)對(duì)企業(yè)的信任和情感依附，還意味著潛在購(gòu)買(mǎi)和推薦的未來(lái)消費(fèi)趨勢(shì)，態(tài)度忠誠(chéng)度對(duì)企業(yè)的貢獻(xiàn)是通過(guò)作用于市場(chǎng)和客戶(hù)自身，從而間接作用于企業(yè)產(chǎn)生的。客戶(hù)行為忠誠(chéng)度和態(tài)度忠誠(chéng)度是從客戶(hù)自身的角度分析，以?xún)?nèi)驅(qū)動(dòng)力間接對(duì)企業(yè)產(chǎn)品的市場(chǎng)表現(xiàn)產(chǎn)生積極或消極的影響，因此，兩者均反映出客戶(hù)對(duì)企業(yè)的間接貢獻(xiàn)，不同的是，行為忠誠(chéng)度是一種內(nèi)在的顯性?xún)r(jià)值，而態(tài)度忠誠(chéng)度是一種內(nèi)在的隱性?xún)r(jià)值。

在界定了CLV和客戶(hù)忠誠(chéng)度的概念之后，構(gòu)建三維客戶(hù)價(jià)值細(xì)分模型，如圖1所示，三個(gè)軸分別表示為客戶(hù)終身價(jià)值、客戶(hù)行為忠誠(chéng)度、客戶(hù)態(tài)度忠誠(chéng)度，客戶(hù)在不同維度上的表現(xiàn)決定了其所占據(jù)的空間位置，由此可區(qū)分企業(yè)所有客戶(hù)的價(jià)值貢獻(xiàn)。

客戶(hù)價(jià)值細(xì)分維度的測(cè)度方法

（一）CLV的測(cè)度方法

在客戶(hù)終身價(jià)值測(cè)度研究領(lǐng)域，Barbara Jackson（1985）最早給出用傳統(tǒng)現(xiàn)金分析測(cè)度CLV的方法，但局限在于未考慮潛在價(jià)值客戶(hù)和客戶(hù)活躍度的隨機(jī)性，為此，Paul D. Berger和Nadal Nasr（1998）針對(duì)典型客戶(hù)群，引入利潤(rùn)波動(dòng)函數(shù)π（t）和客戶(hù)保持率γ。本文CLV的測(cè)度方法是結(jié)合Fader等（2005）在負(fù)二項(xiàng)模型基礎(chǔ)上提出的BG/NBD分布模型以及Colombo和Jiang（1999）給出的用以捕捉客戶(hù)未來(lái)的交易貢獻(xiàn)的Gamma-Gamma模型，構(gòu)建客戶(hù)未來(lái)期望購(gòu)買(mǎi)次數(shù)和期望購(gòu)買(mǎi)金額的概率分布，進(jìn)而通過(guò)計(jì)算CLV對(duì)客戶(hù)在終身價(jià)值維度上的表現(xiàn)進(jìn)行描述。

該式中，E（X）和E（M）為上文模型得到的客戶(hù)期望購(gòu)買(mǎi)次數(shù)和期望購(gòu)買(mǎi)金額，x和mx分別表示客戶(hù)歷史平均購(gòu)買(mǎi)次數(shù)和平均購(gòu)買(mǎi)金額。BL>0，該客戶(hù)的購(gòu)買(mǎi)行為忠誠(chéng)度呈良性發(fā)展態(tài)勢(shì)，未來(lái)的消費(fèi)行為可能給企業(yè)帶來(lái)更多利潤(rùn)；反之，BL≤0，表明客戶(hù)開(kāi)始或已經(jīng)表現(xiàn)出行為弱忠誠(chéng)的現(xiàn)象，進(jìn)而可能導(dǎo)致客戶(hù)終身價(jià)值減少，甚至最終選擇提前終止與企業(yè)的關(guān)系。

（三）客戶(hù)態(tài)度忠誠(chéng)度的測(cè)度方法

客戶(hù)對(duì)企業(yè)產(chǎn)品或服務(wù)的態(tài)度是客戶(hù)在行為忠誠(chéng)表現(xiàn)的內(nèi)在驅(qū)動(dòng)力，而行為方面的顯性變量并不能精確、直接地描述客戶(hù)的態(tài)度忠誠(chéng)度，大量潛在隱性變量的存在也對(duì)客戶(hù)態(tài)度產(chǎn)生波動(dòng)，當(dāng)前企業(yè)判別個(gè)體客戶(hù)的態(tài)度忠誠(chéng)度方面仍存在很大局限?？紤]到企業(yè)在細(xì)分客戶(hù)時(shí)維度數(shù)據(jù)的可解釋性，可將客戶(hù)的態(tài)度忠誠(chéng)度看作響應(yīng)變量，僅描述其為顯著與不顯著。因此，本文認(rèn)為采用種群動(dòng)力研究領(lǐng)域內(nèi)廣泛應(yīng)用的二分類(lèi)Logistic方程判別客戶(hù)態(tài)度忠誠(chéng)是否顯著比較合適，其最大的特點(diǎn)是擺脫了復(fù)雜的前提假設(shè)，并且相比其他擬合函數(shù)有著很強(qiáng)的適應(yīng)性，方程的構(gòu)建過(guò)程如下：

第一，yi作為因變量表示客戶(hù)態(tài)度忠誠(chéng)度，其取值為0和1，yi=1為客戶(hù)態(tài)度忠誠(chéng)顯著，yi=0為客戶(hù)態(tài)度不顯著，且P（yi=1）=πi。

實(shí)證研究及結(jié)果

本文研究的應(yīng)用數(shù)據(jù)來(lái)源于某電信公司，以周為單位，樣本時(shí)間區(qū)間為2014年8月（初始交易發(fā)生在2014年8月1日以后）到2015年7月共52周，并從數(shù)據(jù)中心隨機(jī)獲取3158位客戶(hù)的歷史交易數(shù)據(jù)，如每月用戶(hù)繳費(fèi)次數(shù)、每月賬戶(hù)余額、用戶(hù)在網(wǎng)時(shí)長(zhǎng)、欠費(fèi)金額、每月流量使用、月租、每月增值消費(fèi)額等，同時(shí)截取必要的人口統(tǒng)計(jì)信息，如性別、年齡等。為了保證細(xì)分結(jié)果真實(shí)有效，對(duì)存在疑似虛假消費(fèi)信息或統(tǒng)計(jì)信息缺失的209個(gè)異常客戶(hù)進(jìn)行剔除，剩余2949名客戶(hù)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行價(jià)值細(xì)分分析。

（一）CLV的測(cè)度結(jié)果

本文通過(guò)BG/NBD和Gamma-Gamma模型，從客戶(hù)的統(tǒng)計(jì)數(shù)據(jù)中獲取繳費(fèi)次數(shù)X、觀測(cè)時(shí)間T、從初次購(gòu)買(mǎi)到最后一次購(gòu)買(mǎi)的時(shí)間間隔t、平均購(gòu)買(mǎi)金額mx，建立兩組客戶(hù)信息（x，t，T）和（x，mx）分別預(yù)測(cè)期望繳費(fèi)次數(shù)E（X）和期望平均繳費(fèi)金額E（M）。模型參數(shù)的確定，采用最大似然估計(jì)的方法，應(yīng)用Matlab軟件對(duì)似然函數(shù)（13）、函數(shù)（14）進(jìn)行求解，得到模型具體參數(shù)值，如表1所示。

從參數(shù)估計(jì)的結(jié)果來(lái)看，客戶(hù)在（0，T）內(nèi)尚未流失時(shí)，期望繳費(fèi)次數(shù)s/β=0.369次/周，則意味著年交易次數(shù)為19.19次，預(yù)測(cè)客戶(hù)單次平均繳費(fèi)金額為αu/（ν-1）=86.029元。

將參數(shù)代入公式（6）、（8），求得每個(gè)客戶(hù)的E（X）和E（M）。此外，本文通過(guò)文獻(xiàn)研究和對(duì)電信公司內(nèi)部專(zhuān)家的深度訪(fǎng)談，確定貼現(xiàn)率d的取值為d=8%，并且如果預(yù)測(cè)時(shí)間過(guò)長(zhǎng)，用戶(hù)套餐消費(fèi)內(nèi)容可能會(huì)發(fā)生變動(dòng)，影響預(yù)測(cè)結(jié)果，根據(jù)經(jīng)驗(yàn)以一年期作為預(yù)測(cè)期，結(jié)合公式（9），預(yù)測(cè)每個(gè)客戶(hù)在未來(lái)一年內(nèi)的CLV準(zhǔn)確值，限于篇幅僅列出部分結(jié)果，如表2所示。

模型可以很好地?cái)M合客戶(hù)數(shù)據(jù)并給出每個(gè)客戶(hù)的CLV，可以作為企業(yè)進(jìn)行客戶(hù)價(jià)值細(xì)分的依據(jù)，但是從每個(gè)客戶(hù)的整個(gè)統(tǒng)計(jì)數(shù)據(jù)來(lái)看，如43627054客戶(hù)雖然其CLV預(yù)測(cè)值很高，但是有9次欠費(fèi)停機(jī)記錄，并且從2015年4月開(kāi)始交易金額從361.49下降至89.5，各項(xiàng)電信服務(wù)業(yè)務(wù)的使用量也出現(xiàn)降低，而由于期望金額較高，交易多集中在前8個(gè)月，導(dǎo)致其在最終的CLV結(jié)果中表現(xiàn)出虛假高價(jià)值，因此，也證明了企業(yè)單一利用客戶(hù)終身價(jià)值進(jìn)行客戶(hù)細(xì)分的效果并不理想，仍需進(jìn)一步從客戶(hù)的角度識(shí)別其與企業(yè)之間關(guān)系的強(qiáng)度，即客戶(hù)忠誠(chéng)度。

（二）客戶(hù)忠誠(chéng)度的測(cè)度結(jié)果

對(duì)于客戶(hù)的行為忠誠(chéng)度BL進(jìn)行量化描述，變量值可直接在上步的計(jì)算中的獲取，應(yīng)用公式（10）對(duì)每個(gè)客戶(hù)的行為忠誠(chéng)度進(jìn)行描述，量化值以0為閾值來(lái)界定客戶(hù)行為忠誠(chéng)是否顯著，部分具體的測(cè)度結(jié)果如表6所示。

運(yùn)用Logistic模型對(duì)客戶(hù)態(tài)度忠誠(chéng)進(jìn)行量化描述，從模型的構(gòu)成上來(lái)說(shuō)，應(yīng)將盡可能所有與客戶(hù)態(tài)度忠誠(chéng)度有高相關(guān)度的自變量都納入其中，但是出于某些技術(shù)和操作上存在較大難度，本文擬定10個(gè)自變量及部分客戶(hù)數(shù)據(jù)如表3所示。

將所有自變量以及客戶(hù)統(tǒng)計(jì)數(shù)據(jù)錄入SPSS軟件，并對(duì)自變量進(jìn)行篩選和剔除，采用基于主成分模型的成分分析法，得到對(duì)客戶(hù)態(tài)度忠誠(chéng)有顯著影響力度的自變量為賬戶(hù)余額k1、欠費(fèi)次數(shù)k2、在網(wǎng)時(shí)長(zhǎng)k3、通話(huà)時(shí)長(zhǎng)k4和繳費(fèi)次數(shù)k5，再用進(jìn)入法將所得到的5個(gè)自變量納入二分類(lèi)Logistic模型，可以求得各個(gè)自變量所對(duì)應(yīng)的參數(shù)估計(jì)，如表4所示，各回歸系數(shù)的Sig.指標(biāo)均小于0.05，應(yīng)拒絕原假設(shè)，認(rèn)為自變量與Logit（πi）的關(guān)系顯著，則πi 的Logistic回歸方程為：

將2949個(gè)客戶(hù)的數(shù)據(jù)代入回歸方程（15）進(jìn)行模型效果檢驗(yàn)，由交叉預(yù)測(cè)效果統(tǒng)計(jì)的表5可見(jiàn)，模型預(yù)測(cè)的準(zhǔn)確率達(dá)到95.4%，證明所建立的模型有效。

回歸方程中的因變量πi即為客戶(hù)態(tài)度忠誠(chéng)顯著的概率值，πi越大說(shuō)明客戶(hù)的態(tài)度忠誠(chéng)越強(qiáng)，而當(dāng)πi<0.5時(shí)，可以認(rèn)為該客戶(hù)的態(tài)度忠誠(chéng)度不顯著，客戶(hù)對(duì)企業(yè)產(chǎn)品、品牌或服務(wù)的滿(mǎn)意度不高，客戶(hù)態(tài)度忠誠(chéng)度預(yù)測(cè)值部分如表3所示。由此可以明顯的觀察到，客戶(hù)在態(tài)度和行為兩個(gè)不同的層面所表現(xiàn)出的忠誠(chéng)度并無(wú)十分明顯的相關(guān)關(guān)系，態(tài)度忠誠(chéng)顯著（如客戶(hù)53986071）并不一定在行為層面表現(xiàn)出高度忠誠(chéng)，反之亦然，由此也再一次論證企業(yè)對(duì)客戶(hù)忠誠(chéng)度是否顯著的描述要綜合客戶(hù)在行為和態(tài)度兩個(gè)層面的綜合表現(xiàn)。

（三）客戶(hù)價(jià)值細(xì)分結(jié)果

客戶(hù)價(jià)值細(xì)分在三個(gè)維度上閾值的確定，首先，依照20/80定律將前20%客戶(hù)的CLV最低值作為客戶(hù)終身價(jià)值維度的閾值，為1085元。其次，客戶(hù)行為忠誠(chéng)與態(tài)度忠誠(chéng)維度的閾值分別取其是否顯著的臨界值，即0和0.5，由此將客戶(hù)細(xì)分為8類(lèi)，對(duì)不同的類(lèi)型的客戶(hù)，企業(yè)應(yīng)采取相應(yīng)的客戶(hù)保留策略，樣本細(xì)分結(jié)果如表6所示。

I類(lèi)客戶(hù)屬于最優(yōu)質(zhì)的一部分群體，該群體在與電信公司關(guān)系維系中處于穩(wěn)定并且有持續(xù)增長(zhǎng)的趨勢(shì)，未來(lái)在增量購(gòu)買(mǎi)、口碑推薦等方面可以給企業(yè)帶來(lái)大量潛在收益，此外，高度的忠誠(chéng)也意味著高額的轉(zhuǎn)移成本，電信公司也應(yīng)將優(yōu)質(zhì)的營(yíng)銷(xiāo)資源投入到保持與發(fā)展這部分客戶(hù)上。

II類(lèi)客戶(hù)與電信運(yùn)營(yíng)商保持著良好的關(guān)系，但對(duì)于通信業(yè)務(wù)的需求大多表現(xiàn)為最基本的通話(huà)方面，對(duì)電信公司推出的增值業(yè)務(wù)的使用意向不強(qiáng)，因此，電信公司可以在保持其忠誠(chéng)度的基礎(chǔ)上，適當(dāng)采取營(yíng)銷(xiāo)手段如適時(shí)推薦新業(yè)務(wù)、交叉營(yíng)銷(xiāo)等，用以激發(fā)客戶(hù)新需求。

III類(lèi)客戶(hù)當(dāng)期業(yè)務(wù)量很大，也為企業(yè)帶來(lái)了短期高額的收益，因此電信公司很容易誤將這類(lèi)客戶(hù)歸為第一類(lèi)，下一期投入了大量營(yíng)銷(xiāo)資源，卻最終因缺乏情感忠誠(chéng)導(dǎo)致該類(lèi)客戶(hù)的流失。對(duì)于這類(lèi)客戶(hù)，企業(yè)要認(rèn)真識(shí)別，通過(guò)關(guān)系營(yíng)銷(xiāo)使客戶(hù)感受到企業(yè)的關(guān)注與關(guān)懷，并努力將其轉(zhuǎn)化為第一類(lèi)客戶(hù)。

IV類(lèi)客戶(hù)在企業(yè)客戶(hù)量中占比最多，由于其較為頻繁的通信使用和較低的利潤(rùn)貢獻(xiàn)的表現(xiàn)，企業(yè)需要一定資源的投入用以保持這部分客戶(hù)，延長(zhǎng)客戶(hù)關(guān)系時(shí)間，通過(guò)量上的積累，也有利于企業(yè)獲得可觀收益。

V類(lèi)客戶(hù)有較長(zhǎng)的在網(wǎng)時(shí)長(zhǎng)，雖然每期的使用并不頻繁，但不定期會(huì)出現(xiàn)較高的使用費(fèi)用，因此，電信公司對(duì)這小部分特殊群體可以通過(guò)提升整體服務(wù)和優(yōu)惠促銷(xiāo)手段，增強(qiáng)客戶(hù)滿(mǎn)意的同時(shí)培養(yǎng)客戶(hù)的使用習(xí)慣，盡可能將其升級(jí)為優(yōu)質(zhì)客戶(hù)。

VI類(lèi)客戶(hù)受限于客戶(hù)對(duì)公司產(chǎn)品的了解和自身消費(fèi)能力，對(duì)企業(yè)的貢獻(xiàn)并不突出，但該類(lèi)客戶(hù)對(duì)運(yùn)營(yíng)商的服務(wù)較為滿(mǎn)意，并伴有很強(qiáng)的與運(yùn)營(yíng)商長(zhǎng)期合作意向，是十分重要的潛在客戶(hù)群，因此可以通過(guò)延伸與增值業(yè)務(wù)內(nèi)容，提供差異化服務(wù)，將企業(yè)成長(zhǎng)型和成熟型數(shù)據(jù)業(yè)務(wù)直接投向該類(lèi)客戶(hù)，進(jìn)一步優(yōu)化和調(diào)節(jié)客戶(hù)期望，并積極處理客戶(hù)的信息反饋，預(yù)防客戶(hù)流失。

VII類(lèi)客戶(hù)屬于短暫交易類(lèi)型，此類(lèi)客戶(hù)數(shù)量并不多，雖對(duì)電信公司的整體收益產(chǎn)生了一定貢獻(xiàn)，但與運(yùn)營(yíng)商的關(guān)系十分薄弱，很容易受競(jìng)爭(zhēng)對(duì)手的營(yíng)銷(xiāo)誘惑。因此，應(yīng)保持客戶(hù)當(dāng)前水平，不必為其投入過(guò)多營(yíng)銷(xiāo)資源。

VIII類(lèi)客戶(hù)處于長(zhǎng)尾末端，由其客戶(hù)特征來(lái)看，該類(lèi)客戶(hù)未來(lái)不僅不會(huì)為企業(yè)帶來(lái)可觀收益，還會(huì)因虛假信息反饋、欠費(fèi)等給運(yùn)營(yíng)商造成多重負(fù)面影響，因此企業(yè)可以放棄繼續(xù)保持這類(lèi)客戶(hù)，任其流失即可。

結(jié)論

本文跳出單一采用優(yōu)化算法捕捉客戶(hù)價(jià)值的客戶(hù)細(xì)分思想，將焦點(diǎn)放在企業(yè)更關(guān)注的客戶(hù)終身價(jià)值上，從行為和態(tài)度兩個(gè)維度，構(gòu)建并研究了三維客戶(hù)價(jià)值細(xì)分模型中各維度的測(cè)度方法，輔以大樣本統(tǒng)計(jì)數(shù)據(jù)，對(duì)客戶(hù)三個(gè)層面的價(jià)值貢獻(xiàn)做了有效量化，在分析不同群體客戶(hù)固有特征的前提下，制定有針對(duì)性的客戶(hù)保持與營(yíng)銷(xiāo)策略。本文在設(shè)計(jì)模型各維度上的影響因素時(shí)，側(cè)重于客戶(hù)與企業(yè)的人口特征、交易的統(tǒng)計(jì)數(shù)據(jù)，隨著互聯(lián)網(wǎng)技術(shù)的日益成熟以及企業(yè)在CRM上的投入增加，可以將市場(chǎng)規(guī)模的變化、交叉購(gòu)買(mǎi)、口碑等更多的影響因素加以量化，融入到客戶(hù)價(jià)值細(xì)分模型當(dāng)中，更加準(zhǔn)確的指導(dǎo)企業(yè)客戶(hù)關(guān)系管理工作。

參考文獻(xiàn)：

1.鄧曉懿，金淳，口良之，韓慶平.移動(dòng)商務(wù)中面向客戶(hù)細(xì)分的KSP 混合聚類(lèi)算法[J].管理科學(xué)， 2011，24（4）

2.賀昌政，孔力.基于CLV要素的信用卡客戶(hù)細(xì)分模型[J].統(tǒng)計(jì)與決策，2013（11）

3.褚格林.基于聚類(lèi)模型的電信客戶(hù)細(xì)分研究[J].統(tǒng)計(jì)與決策，2014（8）

4.孟慶良，鄒農(nóng)基，陳曉君.面向顧客資產(chǎn)的三維顧客細(xì)分模型及其應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2008，27

5.吳玲， 李叢叢.基于客戶(hù)終身價(jià)值的電力客戶(hù)細(xì)分研究[J].科技和產(chǎn)業(yè)，2012，12（11）

6.Berger P， Nasr N. Customer lifetime value：marketing models and applications [J].Journal of Interactive Marketing， 1998， 12（1）

7.羅杰·卡特懷特. 掌握顧客關(guān)系[M].廣西師范大學(xué)出版社，2002

8.Jackson， B.B， Building Customer Relationship that last[J]. Harvard Business Review， 1985

9.Fader P S， Hardie B G S， Ka L L. RFM and CLV： Using Iso-Value Curves for Customer Base Analysis.[J]. Journal of Marketing Research （JMR）. 2005， 42（4）

10.Colombo R， Jiang W. A stochastic RFM model[J]. Journal of Interactive Marketing，1999，13（3）

11.Hughes A M. Strategic Datebase Marketing[M]. Chicago： Probus Publishing Company， 1994