基于数据挖掘的客户价值评价
来源:用户上传
作者: 钱 锋 徐麟文
[摘要] 客户价值的研究是当前营销领域的一个热点和难点。本文在论述了客户价值评价必要性的基础上，就目前常用的客户价值评价方法，论述了各方法的要点，并详细地探讨了如何运用数据挖掘技术来更简捷、更准确地展开客户价值评价。
[关键词] 客户价值数据挖掘客户价值评价
目前，客户终生价值应用研究的思路是结合客户生命周期理论，研究如何在客户关系发展不同阶段的不同交易期以最优的客户投入实现预期的客户终生价值，特别是客户生命周期中客户投入的调整。该研究主要用于对价值客户未来购买行为的预测分析以及在此基础上的价值客户管理。帮助企业正确认识客户的总体价值(当前价值和价值潜力)贡献，并进行适当的分类，定性和定量化地辅助企业识别、保留和发展价值客户。这方面的研究成果构成了客户关系管理系统中客户价值管理模块的营销理论基础。
一、客户价值评价的必要性
所谓客户价值就是指这些客户能为企业带来的价值，大小等于企业过去、现在、未来从客户身上获得的收益与吸引、发展、保持客户所需的成本之间的差值。这里收益包括货币和非货币两方面；吸引成本是指企业进行投资以便获取客户并使之满意的支出，包括市场营销、广告以及促销等；发展成本是指企业用于加强或维持现有客户关系的支出，包括研发、生产等；保持成本是指企业为延长客户关系持续的时间，降低客户不满意程度，或重新激活客户所进行的活动支出。
虽然客户能给企业带来收益，但由于客户的社会人口特征、个性特征等各不相同，有的客户大量购买企业产品，还可以为企业推荐新的客户；而有的客户却很少购买企业的产品，还提出许多苛刻的要求，因此，不同类型的客户给企业带来的收益是不同的。同时，对企业而言，每一个客户、每一个客户群的增加都是有代价的，这代价不仅仅表现在营销费用上，更多的表现为客户目标不明确，以及目标太多给企业带来的管理成本增加。因此，综合客户收益和客户拥有代价，可以发现客户选择是企业发展的重要因素，客户不是越多越好，而是越准确越好。
目前，对大多数企业而言，通常是各种类型客户并存，企业内客户的价值呈正态分布。由于企业资源的有限性，不可能对每个客户做到面面俱到，因此，通过对客户价值进行评价，并据此对客户进行分类，从而识别和选择企业的客户，将有助于企业把有限的资源用在为企业带来利润的盈利区客户身上，并放弃那些代价高昂、却不能为企业带来太多收益的不盈利区客户，提高企业资源的利用效率和生产经营的针对性，为企业的目标客户带来超出他们期望的价值和体验，创造持久的客户忠诚和企业利润最大化。
客户价值评价,进而展开客户保持是企业实施客户关系管理的主要目标，它对企业的利润有重要影响。资料表明：客户保持率增加5%，行业平均利润增加幅度在25%至85%之间；保持现有客户比获取新客户的成本能够节约4-6倍。但是客户保持也是需要成本的，在现有的客户群体中，并不是所有的客户都会同企业建立并发展长期合作关系。如果不加区别的开展对所有客户的保持努力，势必会造成客户保持成本的浪费。因此，如果事先对客户价值进行评价，预测其是否具有长期价值，识别出具有较大概率同企业保持客户关系的客户，有区别地开展客户保持努力，就会起到事半功倍的效果，大大节省企业的客户保持成本。
二、基于数据挖掘的客户价值评价方法
数据挖掘就是从海量的原始数据中找出隐含在其中的、事先未知的、但又是潜在有意义的知识和信息，从而利用这些知识指导我们的行动。数据挖掘方法以统计方法与人工智能为基础，大致可分为如下5种分析方法:①统计分析：利用统计分析工具中提供的可视化功能和分析功能来寻找数据间的关系，并构造统计模型和数学模型来解释数据;②聚类分析：聚类分析是把整个数据集划分为不同的子集，使子集内的各样本具有较高的相似性，而不同子集样本之间差别明显;③关联分析：挖掘出隐含在数据之间相互关联;④序列分析：重点在挖掘出数据之间基于时间的前后因果关系;⑤分类分析：通过分析已有的数据，揭示客户或事件的特征与结论之间的关系，并按照影响结论的显著程度将这些特征依次排列，进而用来预测未来的客户或事件。
数据挖掘迎合了企业在营销、销售和服务业务中涉及到的客户其数据量大且细节化、分布广泛等的特点，在通过对海量数据的处理估测客户价值、探知金牌客户特征等方面发挥了相当大的作用。
综合国内外的相关文献资料和企业的实际操作，现有的客户价值评价方法可以归纳为以下几种，数据挖掘技术能够有效地支持相应评价方法的运用。
(1)交易量评价法。交易量评价法是以交易额大小来衡量客户价值，进行客户细分。统计分析将客户的交易额进行汇总，并通过可视化工具将客户细分结果以直观的商业图表、图形和表格形式呈现；也可以构造多维表，并通过细剖、排序、旋转等不同操作得到不同地区、不同职业背景、不同收入状况及其它不同人口统计特征的客户群相应的客户价值，便于更深入地把握企业的细分客户群和相应的价值。
(2)ABC评价法。ABC评价法是目前一种较常用的客户价值评价方法，它根据利润额来区分客户。其原理是客户对企业利润额的分布规律：“企业80%以上的利润来源于20%的客户，70%的客户只提供了不足20%的利润，另有10%的客户不仅不会为企业带来任何利益，甚至会削弱企业的盈利水平”。在ABC评价法里，客户被直观地分为Ａ，Ｂ，Ｃ三类，企业将优先发展Ａ类客户，保持或缩减Ｂ类客户，抛弃Ｃ类客户。
聚类分析根据事物的特征对其进行聚类或分类，分析基于“物以类聚，人以群分”的朴素思想，认为同类的客户在行为特征上表现出相当的共性，而不同类的客户在行为特征上必然存在着较大的差异。聚类分析问题的实质是一个全局最优问题，利用聚类分析可以自动将样本集按某些特征划分成几类，无需对客户进行事先的指标体系和权重确定，因此基于聚类分析的ＡＢＣ客户评价比较简单、快捷。
(3)因素组合评价法。因素组合评价法是根据相关因素组合的结果来评价客户价值的大小和对客户进行分类，考虑的因素通常分两种情形，一是考虑客户对企业产品的需求情况；二是考虑客户规模和信用等级情况。
分类分析通过揭示客户内涵特征和结论（客户价值）之间的关系，并按照影响结论的显著程度将这些内涵依次排列，进而用来预测未来的客户的价值。分类分析首先利用分类算法，根据历史客户数据和价值评价结论建立决策树，可称之为“学习”或“训练”阶段。算法寻找历史数据库中具有最大信息量的属性，构造出树根，再根据属性取值大于（等于）或小于树根的属性值建立树的分支，如此下去，直到所有的属性（用户的所有特征）都被用于树形结构中为止。再根据历史经验将决策树转化为分类规则，即对每一个树叶结点得出分类规则。然后，利用分类规则对将来的新客户进行分类，即根据新客户各特征的取值将其归入最接近的树叶结点，并利用分类规则做出相应判断，即得到新客户的价值，同时调整分类树和分类规则。
(4)客户生命周期价值评价法。对于客户生命周期价值的概念，目前基本的共识是：客户生命周期价值是企业在与客户保持长期交易关系的全过程中从该客户处所获得的全部利益的现值。客户生命周期价值评价法不仅考虑到收益流对企业利润的贡献，而且明确地扣除了企业为取得该收益流所付出的代价，同时，充分预计了客户的非货币价值，并兼顾了客户的未来价值潜力，因此，使用客户生命周期价值评价法能够客观、全面地度量客户对企业的贡献。现在，用客户生命周期价值作为客户价值的评价标准，无论在学术界还是企业界都逐渐得到认可。
但是根据客户生命周期价值公式，计算客户生命周期价值，对客户价值进行评价，需要充分估计和计算生命期内企业与客户相关的所有收益和成本，但这在实际操作中是相当困难的，首先因为对生命期内不同时段发生的客户事件及收益的具体预测较为困难；其次因为客户的非货币价值难以量化；再者是因为客户的生命周期跨度难以预测。因此，在理论上虽然可以通过客户生命周期价值模型对个体客户价值进行计算，从而对客户进行分类，找出高价值客户，但实际上实现相当困难。
为克服客户的未来购买产品和服务事件难以预测的困难，客户事件预测法被提了出来。这种方法的基本原理是：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。预测的精度依赖于事件预测的准确性。事件的预测主要基于以下几方面:①产品是有一定的设计和使用周期的，经过一段时间，产品会有检测、维修、更新换代的需要;②一件产品会与其它产品发生若干联系，因此一件产品或服务的购买会引发其它产品或服务的购买;③客户的购买行为具有一定的购买模式，如购买Ａ产品的客户有相当的可能会同时购买Ｂ产品，同时客户的购买行为存在着一定的惯性。
关联分析的作用是在客户有关的数据集中挖掘出满足一定条件的依赖性关系，它展示出数据间未知的依赖关系，并有可能描述成关注数据项间的因果关系。因此，关联规则常被用来分析客户的购买模式，而购买模式的揭示有助于预测客户未来的购买行为。
与关联分析有较大相似的是序列分析。序列分析主要针对两个事件在发生时间上有一段间隔的情况，可用来发现符合一定频率规则的购买模式等。例如，用户在购买了打印机后，每隔一定时间就会购买打印纸，一定时间后又会要求产品维修。所以序列分析有助于预测将来客户的购买产品和服务的要求。
三、结论
数据挖掘能帮助企业管理者从海量数据中统计和多维分析客户购买数据，客户分类，识别客户的购买行为特征，发现客户购买模式和趋势，进而展开客户价值评价，达到提升客户层次、保持有价值客户的目的。利用数据挖掘建立客户关系管理系统将极大地提升企业的竞争优势，提高企业的营销水平。本文的探讨将有利于企业建立有效的客户关系管理系统。
本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
转载注明来源:https://www.xzbu.com/3/view-1506089.htm
