买方市场条件下，越来越多的实践表明，企业成功的关键在于重视顾客需求，提供客户满意的产品和服务，提升顾客满意度。增加客户重复购买可能性。然而，并非所有客户对企业来说都是有价值的，通常，80％的企业利润由20％的客户创造，如果企业对所有客户都一视同仁，不仅会浪费资源，不利于企业发展，而且会增加管理客户的难度，因此，对企业来说，识别和分析那些对企业有价值的客户并努力提高他们的价值，十分必要。
客户价值评价指标的建立
客户价值是客户细分最为重要的依据。根据客户价值对客户群进行细分，可使企业根据客户价值级别的差异决定如何在客户中分配企业有限资源。然而，客户价值的评价是由一系列指标构成。对于客户价值指标的建立，许多学者进行了大量研究，学术界虽在界定客户价值的货币衡量与非货币衡量上尚无统一标准和口径，但建立了各有侧重又有很多共性的评价指标体系。目前，国内外对客户价值的评价，主要是沿用弗雷德单克·莱希赫尔德的净现值评价方法，该方法在评价客户价值方面能充分反映客户现在和将来所能带给企业利润的净现值，但也存在着两点不足：过分强调客户带来的利润，忽视了销售量在客户价值评价中的作用；强调客户净现值对企业的贡献而没有考虑到客户带给企业的无形贡献。针对弗雷德单克·莱希赫尔德的净现值评价方法的不足，万映红提出了客户价值的总体评价应包括当前价值和未来价值两个价值维度。其中，当前价值反映了客户对企业当前盈利的贡献水平。主要以货币化的利润形式衡量；未来价值是指客户对企业的潜在价值，即在未来一段时间内客户将会为企业带来的盈利。主要以非货币化的忠诚度、信用度等形式存在。此外，夏维力提出的客户转换观点，对客户生命周期价值有巨大影响，为了更好地衡量客户转换价值，他增加了客户忠诚度这一新的维度。
基于上述理论，本文从某汽车4S店客户服务的实际情况出发，提出客户价值评价方法如图1。该方法特点包括：增加客户发展潜力指标，表明客户在未来能给企业带来较大价值。增加客户忠诚度指标，反映着客户愿意继续与企业保持客户关系的指数。衡量客户转换程度，将客户份额等有形指标作为衡量客户与企业关系强弱的标准。
图1 客户价值评价指标
客户价值分类模型及神经网络结构设计
以客户生命周期理论、客户价值理论作为理论基础，建立基于客户当前价值、客户潜在价值、客户忠诚度的三维客户价值指标体系，采用神经网络分类方法，构建客户价值细分模型，模型构建步骤如图2。
图2 基于客户生命周期的客户细分模型框架图
(一)指标无量纲化
由于不同的指标是从不同的侧面反映客户的价值，指标之间无法进行比较。因此，为了便于最终评价值的确定，需对各指标进行无量纲化处理。考虑到神经网络训练的收敛性问题，须对指标进行定性和定量无量纲化处理。
1．定性指标。在客户价值评价指标体系中，定性指标有交叉购买、追加消费程度、推荐新客户程度、持续消费趋势4个。其评价值采用专家打分方法进行，取值在0—1之间。
2．定量指标。对客户进行细分，因指标属不同量纲类型，使得指标间具有不可共度性，需将这些指标按照一定的函数关系式归一到某一无量纲区间。
对于利润指标，指标值越大越好，选用所有客户的较大值为该指标的理想值，
(二)数据归一化处理
由于消费金额、利润、客户份额、重复消费次数各指标的数量级不同。为了便于神经网络快速收敛达到加快训练速度的目的，本文采用线性函数作为转移函数进行归一化处理。该函数值域为[0，1]，训练时要把数据规范到[0，1]，因0和1分别是S型函数的最小值和最大值，为达到0或1必须多次训练并修改权值，导致训练速度很慢，因此数据处理时须尽量避开0或1。归一化公式为：
上式中Xipl——原始数据第i个样本的输入值，Xipl——规范化后第i个样本的输入值，xmin——根据数据实际情况选取数据中最小值的数值，xmax——根据实际数据情况选取数据中最大值的数值。
(三)BP神经网络结构设计
本文采用具有多输入多输出的三层BP神经网络结构。其中：输入层根据客户价值细分指标，将指标数作为输入层神经元数；隐含层：设定初始值准则为：L=(m*n)/2，其中m为输入层的个数，n为输出层的个数；输出层：根据每个客户的当前价值、潜在价值、忠诚度将客户分为低价值低潜力、低价值高潜力、高价值低潜力、高价值高潜力四类，输出层个数设定为4。
(四)网络算法优化
由于常用BP算法缺点收敛速度慢，局部出现极值，难以确定隐含层和隐含层个数，因此算法须加以改进。改进途径有两种：启发式学习和优化算法，本文拟在采用动量法和学习率自适应调整的基础上进行优化计算，改进算法为：
刻的负梯度，D(k－1)为k－1时刻的负梯度，α为学习率(α>0)，η为动量因子，0≤η≤1。此方法加入的动量项实际上相当于阻尼项，减小了学习过程中的振荡，改善了收敛性。
自适应调整学习率有利于缩短学习时间。标准BP算法收敛速度慢的一个重要原因是学习率选择不当，学习率越小，收敛性越小。反之，有可能修正过快，导致振荡发散。自适应调整学习率的改进算法可表示为：
实例研究
实例分析中，本文选取某汽车4S店的客户记录作为研究对象，主要数据为公司2008年3月1日到2008年6月1日的客户维修记录及客户基本信息记录，需要指出的是，由于公司还未有潜在价值中交叉消费、追加消费、推荐新客户指标的数据，因此考虑的指标主要是当前价值中的利润、消费金额及客户重复消费次数。其中消费金额主要以维修金额、材料费用体现，这里没有简单的用维修总金额作为分类标准。是基于汽车在使用过程中，一次大的维修耗费金额远多于许多次小的维修耗费金额这一考虑，因此不能和其它行业一样，仅以消费金额作为唯一分类指标。客户在此三月期间重复消费可认为是忠诚度的表现，因此将客户维修次数作为忠诚度指标毋庸置疑。维修记录如表1所示。
表1 维修记录登记表
按照(1)式和(3)式对数据进行预处理后数据如表2所示。
表2 预处理后表
按照上述客户价值分类模型，确定神经网络输入层神经元个数为4，隐含层神经元个数为10，输出层神经元个数为4。通过采用MATLAB7.0作为模拟工具，训练函数设置为trainim函数，自适应函数设置为learngdm函数，第一层传递函数设置为tansig函数，第二层传递函数设置为purelin函数。训练周期设置为1000，平均误差平方和设置为1.0e-10。对896组数据，设置前600组作为训练数据训练网络，余下296组作为测试数据，在区间[-1，1]之间随机生成的数通过迭代，使整个网络误差达到理想状态，误差变化情况见图3。
图3 迭代运算误差变化图
从图3可看出，该BP网络经过100个训练周期达到要求目标误差范围，训练效果较好。此时，成功构建了关于汽车维修消费情况分类的神经网络，隐含层各节点权值为：W=[-0.15973 0.13693 -0.5689 -0.69101 -0.061942 0.55336 0.64966 -0.35241 -0.50823 0.25985]，代入测试数据，将数据分为低价值低潜力、低价值高潜力、高价值低潜力、高价值高潜力四类，抽取具有代表性数据如表3所示。
表3 分类客户的消费数据
客户保持策略
对上述四类客户，深入分析和考察，可拟定相应保持策略：
Ⅰ类客户：低价值低潜力。对企业吸引力最低。该类客户价值低可有两种情况：一是当前价值和潜在增值价值都很低，偶尔有些小额消费，但会提出苛刻服务要求，对此类客户，公司要鼓励其转向竞争对手，任其流失。二是客户当前价值低但有一定潜在价值，如果此类客户当前价值不高是由过高服务成本和营销成本造成，可通过寻求降低成本途径来提高客户价值，从而使此类客户变为有价值客户。
Ⅱ类客户：低价值高潜力。此类客户工时费和材料费相当，对4S店的服务和配件质量相当满意，对商家来说，该客户具有巨大利润空间，应在以后服务中，提升客户对产品和服务的认知度。换而言之，其保持策略重点是完善服务体系，提高客户忠诚度，可通过增值服务和客户关怀两方面来实现。
Ⅲ类客户：高价值低潜力。此类客户几乎将当前全部业务给了公司，具有很高的忠诚度，并为公司推荐新客户。此类客户修理次数不多，大部分费用集中在材料费上。有很高的当前价值，其保持策略是建立客户数据库，降低交易成本，为客户提供最优服务。该数据库为动态数据库。重点研究和挖掘客户偏好，进而实行一对一关系营销；至于降低交易成本，提高客户保持效率方面，企业可从提高内部信息化作业水平，优化专业服务体系，开发信息交流渠道等方面下功夫。以收到良好效果。
Ⅳ类客户：高价值高潜力。是公司最有价值的一类客户。此类客户维修次数较多，工时费和材料费大抵相同且金额数量较大，对品牌和服务有较强认同感。是4S店的主要利润来源。其保持策略是公司将主要资源投资到此类客户中，建立起核心客户数据库，掌握客户性格、爱好等心理信息，实施一对一的客户保持策略，如利用包括网络在内的各种沟通手段主动与该类客户进行有效沟通。了解他们的确切需求，定制个性化服务、提供灵活支付条件、安排最好服务人员，为他们提供能带来最大增益的全套解决方案。
客户细分是当前研究的一个热点，客户价值的市场细分是成功实施客户系管理的基础。本文在一定理论研究基础上，提出了从客户当前价值、潜在价值、忠诚度三个维度来建立客户价值指标体系以反映客户未来价值的观点，在结合某汽车4S店实际，利用BP神经网络方法构建客户细分模型，进行实例研究之后，作者根据各类客户特点提出了相应的客户保持策略。由于本文是一种探讨性研究，在客户价值指标选取、转换方面还有待进一步研究。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：基于客户价值的客户分类及保持策略研究
本文网址：http://www.toberp.com/html/consultation/1082054509.html
相关文章
