陳忠仁，王淑華，馬淑艷

客戶價值關聯分析的應用研究
——以某零售企業(yè)為例

陳忠仁，王淑華，馬淑艷

在如今激烈的市場競爭中，如何贏得客戶是很多企業(yè)追求的目標。本文從RFM分析入手，通過聚類方法劃分出對企業(yè)具有不同價值的客戶群，通過關聯分析找出主要群體所消費產品的品牌之間的關聯關系，以分析不同品牌對于不同類型客戶的重要性。以期這種方法能為零售企業(yè)商品的布局及商品品牌的管理等方面提供一定的決策信息，從而增加企業(yè)的盈利能力和客戶的滿意度，進而達到雙贏的目的。

客戶價值；關聯分析；聚類

陳忠仁/吉林大學工會常務副主席（吉林長春130012）；王淑華/吉林大學數量經濟研究中心副主任（吉林長春130012）；馬淑艷/吉林大學研究生院副研究員，碩士（吉林長春130012）。

一、引言

在現今激烈的市場競爭中，對于商業(yè)企業(yè)來說，僅靠商品本身已很難取勝，企業(yè)之間的競爭已更多地轉變成如何贏取客戶的競爭。因此如何更好地識別出對企業(yè)具有不同價值的客戶，并根據客戶各自不同的特點挖掘其感興趣的商品信息，從而有針對性地對客戶進行營銷和管理，盡量增加客戶的購買機率并努力維系與最有價值客戶之間的關系是許多商家不斷追求并努力實現的目標，而基于客戶價值的關聯分析是實現此目標的有效方式之一。

一些研究表明：客戶生命周期值是一種有效地識別不同價值客戶的方法，它對于發(fā)展針對目標客戶的戰(zhàn)略具有一定的實際意義，而RFM（R：最近消費時間，F：單位時間內消費頻次，M：單位時間內消費金額）模型[1]是衡量客戶生命周期的一種有效方法，該模型主要是通過對客戶過去消費行為的研究來分析和總結客戶的購買特性并預測客戶今后的消費行為，從而為企業(yè)的決策提供支持。

基于此，本文從RFM分析入手，首先用聚類方法劃分出對企業(yè)具有不同價值的客戶群，通過關聯分析找出主要群體所消費產品的品牌之間的關聯關系，以分析不同品牌對于不同類型客戶的重要性。以期這種方法能為零售企業(yè)商品的布局及商品品牌的管理等方面提供一定的決策信息，從而增加企業(yè)的盈利能力和客戶的滿意度，進而達到雙贏的目的。最后，本文通過某零售企業(yè)2008.06.30—2009.06.29一年的銷售數據進行了應用研究。

二、客戶價值關聯分析

1．客戶價值衡量指標：RFM。RFM模型最早是1994年由Stone[2]等學者提出的，Stone等學者認為R、F和M是影響客戶價值的三個主要因素，R表示客戶最近一次購買時間，為了計量方便，也可以把R當作是客戶最近一次購買的時間到統(tǒng)計當日為止這段時間內所持續(xù)的天數/周數/月數等，即近度，該值越小，預示著客戶再次購買的可能性就越大；也可以把R看做是統(tǒng)計周期的起始日到最近一次購買日期為止這段時間內所持續(xù)的天數/周數/月數，即持續(xù)采購的時間，該值越大，預示著客戶在未來再次購買的可能性就越大。F表示客戶在統(tǒng)計周期內購買的次數（頻度），客戶的購買頻度越高就表示該客戶越忠誠。M代表客戶在統(tǒng)計周期內的消費總額（值度），該值越大，意味著客戶對企業(yè)的利潤貢獻越大，企業(yè)越應重點關注該客戶。因此，企業(yè)在衡量客戶價值的過程中，需要把R、F和M三個指標綜合起來進行考慮?；诖?，本文根據這三個指標進行聚類分析來劃分出具有不同價值的客戶，進而找出不同類別客戶的消費產品之間的關聯關系，以期能為企業(yè)的營銷策略提供支撐。

2．基于客戶價值的客戶分類。客戶分類是根據客戶的一些購買行為和人口統(tǒng)計特性等把具有相同特征的客戶聚集到一起，不同類別中的客戶具有顯著的差異。本文中所采用的方法是k-均值聚類法，該方法的基本思想是首先隨機地從樣本數據中選取k個值作為初始聚類中心，然后計算其它樣本到每個類中心的距離，進而把其它樣本分到離它最近的聚類中心所在的類，這樣就完成了一次迭代。接下來重新計算每類的中心，該中心為毎類中所包含樣本數據的平均值，若相鄰兩類的聚類中心沒有什么變化，則算法結束。一般來說k的取值范圍在2到20之間，對每組樣本數據來說，具體的k值可以通過實驗的方法來確定，即要選取所有可能的聚類結果中平均方差最小的k，毎個類的方差為該類中每一個樣本值與均值之差的平方和。本文首先把反映客戶價值的R、F、M三個指標分別聚成k類，然后對聚類后的R、F、M指標進行組合，從而可以得到類客戶，不同類別的客戶對企業(yè)的價值是不同的，在此類客戶中有一類客戶的R、F、M指標分別都是最佳的，即來店頻率高、購買金額多、最近來店時間短，這類客戶是最有價值的，他們應該是企業(yè)需要重點關注的對象。

3．關聯分析。按照上面所述的方法，企業(yè)的客戶按其價值可以被劃分成不同的類，對毎類客戶群，由于其購買習慣等特征具有一定的差異，因此本文把Agrawal[3]等人在1993年提出的關聯規(guī)則方法應用到不同類別的客戶群中，以此來尋找不同類別客戶所購買產品之間的關聯關系，從而有助于企業(yè)進行有針對性的營銷。關聯規(guī)則的基本思想[4]是，對于某個企業(yè)的交易數據庫D來說，設I={i1,i2,…,in}是企業(yè)所有商品項的集合，I中的每一個元素都稱為項(item)，客戶的每一次交易都是項的集合T(TI)，而且客戶的每次交易都有唯一的標識符如TID(Transaction ID)與之相對應。關聯規(guī)則就是要尋找形如XY的蘊涵式，其中XI,YI，X與Y的交集為空，并且該蘊涵式的支持度和置信度要滿足最小支持度(minsupp)和最小可信度(minconf)的條件，最小支持度和最小可信度的閾值都是人為設定的。所說的支持度是指交易數據庫集合D中同時包含事務X和事務Y的百分比，該值反映了事務X和事務Y同時出現在交易事務中的頻繁程度，支持度較高意味著商品項之間的關聯性也比較強；置信度是包含X的事務中同時又包含事務Y的百分比，該值是代表關聯規(guī)則可靠性的一個參數，置信度較高意味著商品交易項之間的關聯顯著性[5][6]也比較高。Apriori算法是尋找關聯規(guī)則的經典算法，運用該算法可以得出商品之間的網絡依賴圖，從圖中可以看出商品之間的關聯并可以分析出哪些商品處于核心地位。當然，也可以根據商品品類或商品品牌進行關聯。本文下面就是以商品品牌之間的關聯關系為例來進行分析的。

三、客戶價值關聯分析在零售企業(yè)的應用

本文從某零售企業(yè)2008.06.30—2009.06.29數據出發(fā)，對前面文中所述的基于客戶價值的不同客戶群體消費商品的品牌關聯進行了分析。

1．數據清理。在數據收集過程中，原始數據中經常會存在大量的不規(guī)范、不合理的數據，這些數據會對正常信息和知識的挖掘造成嚴重干擾，從而使分析結果偏離真實或不可用，因此，在進行數據分析之前，通常要對數據進行噪聲清理，也就是通過數據預處理，清除掉不規(guī)范的數據，使分析結果接近真實情況。本次清理過程中，發(fā)現數據中存在客戶名為空、一人多卡、證件號相同但客戶名不同等多種情況，把這些數據通過程序和人工清理后得到在這一年內有消費記錄的客戶共138305人。

2．聚類。根據企業(yè)的交易數據統(tǒng)計出2008.06.30—2009.06.29這個交易周期內每個客戶的R、F和M值，進而分別對R、F和M值依次進行聚類，毎個指標都分為三個等級，然后把三個指標組合在一起，得到27類，在此27類中，最有價值的一類客戶為1617人，價值最低的一類客戶為10454人。

3．基于客戶價值的關聯分析

本部分分別對前面得出的最有價值、價值最低客戶以及全部客戶所消費產品的品牌進行關聯分析，得出如下的結果。

1）將聚類所得的最有價值的1617人的消費記錄取出，把他們所消費商品按品牌進行關聯，本文得出如圖1所示網絡依賴關系（鑒于所得圖形較大，本文只給出局部示意圖）。

圖1 最有價值客戶消費產品的品牌網絡依賴關系局部示意圖

2）將價值最低的一類客戶消費商品按品牌進行關聯，當最小支持度和最小可信度按常規(guī)設置時，幾乎沒有得到所消費產品的品牌之間的關聯，只有當這兩個參數值調得非常低時，才得到如下的網絡依賴關系，見圖2。

圖2 最低價值客戶消費產品的品牌網絡依賴關系

3）將所有客戶作為一個整體，對其在消費周期內消費的商品按品牌進行關聯分析，設定好最小支持度與最小可信度后，本文得出所有客戶的消費商品的品牌之間的網絡依賴關系，局部示意如圖3和圖4所示。

從不同客戶群體的消費情況得出的品牌網絡依賴圖中可以看出，在所有客戶消費產品的品牌關聯結果中，曼妮芬(MANIFORM)、阿迪達斯(體服)、與歐萊雅共同處于核心地位；在最有價值客戶消費產品的品牌關聯結果中，巴布豆、麗嬰房以及黃色小鴨(P.YO.P.YO)等品牌更多與其他品牌有所關聯；對于最低價值客戶群，當最小支持度、最小可信度等參數調至極低時，才得出一些規(guī)則，關聯項目較少。由以上對比可以看出，對于不同特性的客戶群，其所需要的商品及品牌是有著明顯區(qū)別的。了解這些差異可以使企業(yè)更好地對商品進行管理，如為了重點關注最有價值的客戶群，對于一些兒童品牌企業(yè)要引起足夠的重視等。同時，針對這些有趣的、有意義的模式，企業(yè)可以制定出有效的客戶服務和營銷策略并在品牌的引進和商品的布局管理等方面有所依據。

圖3 所有客戶消費產品的品牌網絡依賴關系局部示意圖

圖4 所有客戶消費產品的品牌網絡依賴關系局部示意圖

四、結論

商品和客戶一直是零售企業(yè)管理中備受重視的領域，如何識別出不同價值的客戶群以便進行有針對性的商品促銷，如何運用數據庫中的數據進行商品的交叉銷售，如何對商品的布局管理等提供支持等都是企業(yè)所關注的重點。本文利用某企業(yè)2008.06.30—2009.06.29一年的銷售數據，從RFM分析入手，通過聚類方法劃分出對企業(yè)具有不同價值的客戶群，通過關聯分析找出了主要群體所消費產品品牌之間的關聯。結果表明：不同價值的客戶群所消費的產品品牌之間具有一定差異，這種差異為零售企業(yè)在品牌的引進、商品的布局管理等方面的有效決策提供了依據。

：

[1]David Goldberg,David Nichos,Brain M.Oki,and Douglas Terry,Using Collaborative Filtering to Weave an Information Tapestry[J]，Communications of the ACM,1992,35(12)61-70

[2]Stone,Bob.Successful Direct Marketing Methods[M].Lincolnwood:NTC Business Books,1994

[3]Agrawal,T.Imielinski,and A.Swami.,Mining Association Rules between Sets of Items in Large Databases.Proceedings of the ACM SIGMODConferenceonManagementofdata,pp.207-216,1993

[4]Sarwar,B.M.,Karvpis,G.,Konstan,J.A.,and Riedl,J.Application of DimensionalitvReductioninRecommenderSystem-ACaseStudy[C].In ACMWebKDDWebMiningforE-Commenceworkshop,2000

[5]蔡偉杰，張曉輝，朱建秋，朱楊勇.關聯規(guī)則挖掘綜述[J].計算機工程，2001（5）

[6]何小東，劉衛(wèi)國.數據挖掘中關聯規(guī)則挖掘算法比較研究[J].計算機工程與設計，2005（5）

C931

A

1671-6531(2013)18-0041-02

吉林省科技發(fā)展計劃項目 （項目編號：20120616）吉林省光電子產業(yè)發(fā)展態(tài)勢分析及對策研究

責任編輯：姚 旺