[摘 要]遺傳神經(jīng)網(wǎng)絡(luò)模型具有快速學(xué)習(xí)網(wǎng)絡(luò)權(quán)重和全局搜索的特點(diǎn)。本文基于遺傳神經(jīng)網(wǎng)絡(luò)模型，將商場客戶細(xì)分為四類，并對每一類客戶群提出了具有差異性的營銷策略。

[關(guān)鍵詞]商場客戶細(xì)分 營銷策略 遺傳神經(jīng)網(wǎng)絡(luò)

一、引言

現(xiàn)代社會中，商場之間的競爭日益激烈。商場服務(wù)的對象是客戶，商場之間的競爭歸根結(jié)底也是客戶資源的競爭。不同的客戶對企業(yè)的貢獻(xiàn)率不同，這就需要企業(yè)進(jìn)行客戶細(xì)分，整合有限資源針對重點(diǎn)客戶，實(shí)行差異化營銷策略。

在客戶細(xì)分方面，國內(nèi)外學(xué)者進(jìn)行了大量研究。張全成[1]從消費(fèi)者行為的內(nèi)因與外因，對消費(fèi)者的消費(fèi)行為進(jìn)行細(xì)分，將客戶細(xì)分為享樂主義、實(shí)用主義、沖動的購買行為的消費(fèi)者等八類。Hughes提出RFM客戶細(xì)分方法，R(Recency)指上次購買至今的時期、F(Frequency)指某一段時期內(nèi)購買頻率、M(Monetary)指某一時期購買金額。RFM分析是對這三個要素進(jìn)行打分，然后相乘。按照三個要素乘積的大小，對所有客戶的交易數(shù)據(jù)進(jìn)行排序，前面的20%是最有價值的客戶，后面20%是企業(yè)應(yīng)該避免的低價值客戶，中間60%的客戶是需要向上遷移的客戶。國內(nèi)學(xué)者汪濤[3]根據(jù)客戶價值和客戶特征將客戶劃分為燈塔型客戶、跟隨型客戶、理性客戶和逐利客戶四類。

本文對零售業(yè)中商場的客戶進(jìn)行細(xì)分，為企業(yè)制定更適合自己的營銷策略提供一些理論依據(jù)。

二、遺傳算法

一般的客戶細(xì)分方法有人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹法、貝葉斯法等。

本文擬采用遺傳算法進(jìn)行商場客戶細(xì)分。

遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，其本質(zhì)是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)的控制搜索過程以求得最優(yōu)的方案。潛在的解決方案的種群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生越來越好的近似解。在每一代，根據(jù)問題域中個體的適應(yīng)度大小挑選個體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群。這個過程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼可以作為問題近似最優(yōu)解。

遺傳算法可應(yīng)用于組合優(yōu)化、函數(shù)優(yōu)化、自動控制、生產(chǎn)調(diào)度、圖像處理、機(jī)器學(xué)習(xí)、人工生命和數(shù)據(jù)挖掘等領(lǐng)域。

遺傳算法具有如下特點(diǎn):對可行解表示的廣泛性、群體搜索特性、不需要輔助信息、內(nèi)在啟發(fā)式隨機(jī)搜索特性、在搜索過程中不容易陷入局部最優(yōu)、固有的并行性和并行計算的能力、可擴(kuò)展性及自組織、自適應(yīng)和自學(xué)習(xí)性。

對于商場客戶細(xì)分，由于其數(shù)據(jù)量大，屬性與目標(biāo)之間存在非線性關(guān)系，同時不完整數(shù)據(jù)在數(shù)據(jù)處理時得到很好的處理，所以適合選用神經(jīng)網(wǎng)絡(luò)法，但由于常用的BP神經(jīng)網(wǎng)絡(luò)存在局限性:需要較長的訓(xùn)練時間、所求很可能是局部極小值、隱層神經(jīng)元節(jié)點(diǎn)個數(shù)難以確定等，就選用具有全局優(yōu)化搜索能力的遺傳算法，用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，可使神經(jīng)網(wǎng)絡(luò)具有自進(jìn)化、自適應(yīng)能力，從而構(gòu)造出進(jìn)化的神經(jīng)網(wǎng)。

三、商場客戶細(xì)分指標(biāo)建立及數(shù)據(jù)處理

1. 商場客戶細(xì)分指標(biāo)的確立

本文結(jié)合商場客戶細(xì)分指標(biāo)選取的原則，根據(jù)零售行業(yè)特點(diǎn)及商場客戶的特征，選擇了八個客戶細(xì)分指標(biāo):性別、年齡、教育程度、職業(yè)、收入、購買頻率、次購買額和購物滿意度。

2. 數(shù)據(jù)處理

本文的數(shù)據(jù)來自S省某大型商廈2008年第四季度的銷售數(shù)據(jù)，我們選取了信息比較全面的200個消費(fèi)者數(shù)據(jù)作為本論文的樣本數(shù)據(jù)，數(shù)據(jù)包含各類人群，對于下面的實(shí)證研究是有效的。

由于所獲得的數(shù)據(jù)來自同一商場不同的數(shù)據(jù)庫，所以在進(jìn)行模型分析之前需要對其進(jìn)行預(yù)處理:數(shù)據(jù)的集成、數(shù)據(jù)的清理、數(shù)據(jù)的變換和數(shù)據(jù)的簡化。在對客戶數(shù)據(jù)進(jìn)行分類前，應(yīng)對其進(jìn)行規(guī)范化處理，對定性的指標(biāo)進(jìn)行量化處理。將非數(shù)值類型的數(shù)據(jù)轉(zhuǎn)化成數(shù)值型類型后，再進(jìn)行標(biāo)準(zhǔn)化，由于本文后面將使用遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行客戶細(xì)分，所以需要將數(shù)據(jù)轉(zhuǎn)換成0和1之間的數(shù)值，采用如下公式:

最后利用所獲得數(shù)據(jù)，利用細(xì)分指標(biāo)將其分為四類，分別是A類客戶(1，0，0，0)，B類客戶(0，1，0，0)，C類客戶(0，0，1，0)，D類客戶(0，0，0，1)。根據(jù)A、B、C、D四類消費(fèi)者的典型特征選取40個訓(xùn)練數(shù)據(jù)來訓(xùn)練模型，8個檢驗(yàn)數(shù)據(jù)檢驗(yàn)?zāi)Ｐ偷倪m用性。

四、遺傳神經(jīng)網(wǎng)絡(luò)模型在商場客戶細(xì)分中的應(yīng)用

1. 基于遺傳神經(jīng)網(wǎng)絡(luò)的客戶細(xì)分模型驗(yàn)證

本文采用遺傳算法的具體步驟如下:

(1)編碼方式的選擇:本文采用實(shí)數(shù)編碼，每位實(shí)數(shù)取為一位整數(shù)和四位小數(shù)的數(shù)字。神經(jīng)網(wǎng)絡(luò)各個權(quán)值按一定順序級聯(lián)為一個長串，串上每一個位置對應(yīng)著網(wǎng)絡(luò)的一個權(quán)值和閾值。在對商場客戶細(xì)分中我們將網(wǎng)絡(luò)結(jié)構(gòu)規(guī)定為8×9×4，所以可以把一組網(wǎng)絡(luò)權(quán)值和閾值連接成一個遺傳算法中的染色體，則連接權(quán)和閾值Xi維數(shù)=輸入層神經(jīng)元數(shù)×隱含層神經(jīng)元數(shù)+隱含層值數(shù)+隱含層神經(jīng)元數(shù)×輸出層神經(jīng)元數(shù)+輸出層閾值=8×9+9+9×4+4=121。

(2)確定適應(yīng)度函數(shù):由于我們要求解的是目標(biāo)函數(shù)和輸出值之間的最小差，而遺傳算法是根據(jù)個體的適應(yīng)度值來進(jìn)行選擇操作。適應(yīng)度越大，被選中遺傳到下一代的幾率就越大。所以，我們還必須用一個適應(yīng)度函數(shù)將個體目標(biāo)函數(shù)值進(jìn)行轉(zhuǎn)化，使得目標(biāo)函數(shù)值越小，適應(yīng)度值越大。因此將適應(yīng)度函數(shù)定義為如下形式:

其中，為第i個訓(xùn)練樣本時神經(jīng)網(wǎng)絡(luò)的輸出，為期望輸出，l為樣本數(shù)目。

(3)選擇合適的參數(shù):本文群體規(guī)模M取40，遺傳代數(shù)為100，交叉概率PC取0.5，變異概率PM取0.001。

(4)選擇操作:遺傳算法中的選擇操作就是用來確定如何從父代群體中按某種方法選取哪些個體遺傳到下一代群體中的一種遺傳算法，用來確定重組或交叉?zhèn)€體，以及被選個體將產(chǎn)生多少個子代個體。本文采用MATLAB中的normgeomselect函數(shù)。

(5)交叉及變異操作[4]:交叉能夠使遺傳算法從不同的個體中提取更好的基因，結(jié)合到具有優(yōu)勢的個體中去。變異增加了種群的多樣性，因而增大了算法生成更高適應(yīng)度值的個體的可能性。交叉操作利用MATLAB中自帶的函數(shù)arithXover，變異操作利用MATLAB中的nonUnifMutation函數(shù)。

2. 細(xì)分模型驗(yàn)證

根據(jù)上面的算法和測試樣本數(shù)據(jù)，我們利用遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行模型的訓(xùn)練，訓(xùn)練的結(jié)果如表4-2所示，給出檢測數(shù)據(jù)的目標(biāo)輸出，A類客戶、B類客戶、C類客戶和D類客戶共計四類，輸出矩陣如表4-1所示:

根據(jù)得出檢測數(shù)據(jù)的結(jié)果，與目標(biāo)矩陣的對比，我們運(yùn)用歐幾里得范數(shù)()求出其誤差為0.0118，運(yùn)行時間為16.524秒?？梢钥闯?遺傳神經(jīng)網(wǎng)絡(luò)對于商場客戶細(xì)分?jǐn)M合的非常好，誤差非常小，運(yùn)行時間也很短，說明擬合的結(jié)果是合理的。因此，遺傳神經(jīng)網(wǎng)絡(luò)對于商場客戶細(xì)分是合適的，可以用于以后客戶細(xì)分的參考模型。

3. 商場客戶細(xì)分模型應(yīng)用

我們利用上面所建立的模型，對來自商場的200名客戶數(shù)據(jù)進(jìn)行細(xì)分，得出幾類客戶分布比例及特征，結(jié)果如表4-3所示:

從表4-3可以看出，在A類客戶中，女性所占比例最多，年齡相對較小，文化程度較高。B類客戶所占比例最少，男性居多，年齡多以中年為主，職業(yè)比較好，年收入最高，消費(fèi)額很高，但消費(fèi)頻率不高。C類客戶所占比例最多，多以女性為主，任何特征都比較居中。D類客戶男女比例適中，年齡偏大，滿意度最低。

4. 細(xì)分結(jié)果應(yīng)用策略

對四類客戶應(yīng)采取有差異化的營銷策略:

A類客戶:這類客戶屬于高端客戶，是著名二八原則里的20%，抓住這20%，就等于獲得80%的利潤。企業(yè)針對產(chǎn)品本身可以利用其地位聯(lián)想功能，比如這類產(chǎn)品所代表的社會地位、身份和品位，采用名人策略，提高產(chǎn)品知名度，提供優(yōu)越的購物環(huán)境，建立良好的客戶關(guān)系，定期回訪，為其商品提供更好的服務(wù)，做到一對一的精細(xì)化銷售。

B類客戶:此類客戶群屬于需求購物，更多關(guān)注的是自己的需要和產(chǎn)品本身的本質(zhì)。針對這點(diǎn)提出和A類客戶一樣的營銷策略，提高產(chǎn)品品質(zhì)，運(yùn)用名人效應(yīng)提高產(chǎn)品知名度。但與A類客戶不同，此類客戶群不注重商品的個性化，更多注重產(chǎn)品的品質(zhì)、細(xì)節(jié)，所以企業(yè)針對這類客戶群體必須有精細(xì)化的產(chǎn)品加工體系。也需提供優(yōu)越的購物環(huán)境并注重此類客戶購物的便利性，此類客戶對于后期回訪不是很喜歡。

C類客戶:C類客戶群屬于大眾型，占商場客戶80%以上，對價格比較關(guān)注，屬于具有典型的商場特征的客戶群。針對此類客戶群，企業(yè)在環(huán)境和品牌上不需要投入過多成本，應(yīng)將其資源配置的重點(diǎn)放在廣告促銷上，同時提供良好的服務(wù)，增加客戶的忠誠。

D類客戶:這類客戶對于價格的關(guān)注度更高，客戶忠誠度很低。對于促銷打折等促銷信息特別關(guān)注，對于購物環(huán)境沒有要求，但是對于服務(wù)還是有一定要求的。對于品牌的關(guān)注度幾乎沒有，只注重價廉。針對此類客戶企業(yè)一般采取拋棄政策，或不聞不問，有了更好，沒有也不影響企業(yè)的效益。

五、結(jié)論

本文基于遺傳神經(jīng)網(wǎng)絡(luò)模型將商場客戶進(jìn)行細(xì)分，并對細(xì)分出的四類客戶群提出了具有差異性的營銷策略。

當(dāng)今企業(yè)為了在殘酷的競爭環(huán)境中保持競爭力，就必須進(jìn)行客戶細(xì)分，整合企業(yè)有限資源針對重點(diǎn)客戶，實(shí)行差異化服務(wù)策略。本文研究的結(jié)果對于企業(yè)實(shí)行更好的客戶細(xì)分，制定更適合自己的營銷策略及經(jīng)營決策等都提供了理論依據(jù)，起到了積極的作用。

參考文獻(xiàn):

[1] 張全成.論消費(fèi)者消費(fèi)行為細(xì)分[J].中國科技信息.2006， 4:202-203

[2] Hughes， A.， Strategic database marketing: the master plan for starting and managing a profitable， customer-based marketing program [A].Irwin Professional.1994.

[3] 汪濤.產(chǎn)品組合管理新論--以顧客為核心的產(chǎn)品組合管理模型[J].商業(yè)經(jīng)濟(jì)與管 理.2003，6:8-12

[4] 王小平，曹立明.遺傳算法——理論、應(yīng)用與軟件實(shí)現(xiàn)[M].西安:西安交通大學(xué)出版社，2002.