鄭平標，朱克非，代明睿

（中國鐵道科學研究院 運輸及經(jīng)濟研究所，北京 100081）

1 概述

客戶細分是客戶關系管理的核心概念之一，是指企業(yè)在明確的戰(zhàn)略、業(yè)務模式和特定的市場中，根據(jù)客戶的屬性、行為、需求、偏好及價值等因素對客戶進行分類，并提供針對性的產(chǎn)品、服務和營銷模式的過程[1]。由于客戶分類問題涉及因素眾多，許多因素帶有模糊性，并且分類的標準隨分類目的不同而有所不同，因而沒有一種通用的方法適合各種客戶分類問題。為此，在相關研究成果基礎之上，提出一種基于客戶當前價值、潛在價值及忠誠度的鐵路客戶細分方法，利用決策樹分類算法評價客戶價值，根據(jù)評價結果對客戶進行分類，針對不同類型的客戶實行不同的營銷策略，為實現(xiàn)企業(yè)資源的合理配置及客戶營銷提供理論方法。

目前，針對客戶分類方法和鐵路客戶關系管理系統(tǒng)已經(jīng)進行了廣泛的研究。郭玉華等[2]結合經(jīng)典客戶生命周期理論，采用數(shù)據(jù)挖掘技術，對鐵路大客戶進行細分，并構造潛在型、競爭型大客戶發(fā)展及大客戶保持等系列模型。方曉平等[3]重點研究設計了基于貨票數(shù)據(jù)庫的鐵路客戶關系管理系統(tǒng)，并在有關部門得到應用。鐘雁等[4]采用聚類和貝葉斯分類算法研究了不同類別的貨主對鐵路貢獻的大小，進而研究提出采取不同的優(yōu)惠措施。石英等[5]設計了鐵路貨運分析系統(tǒng)，對客戶進行 ABC 分類。黃貴群等[6]通過闡述 3 種客戶細分的標準，提出在客戶分類過程中客戶價值是重要的參考指標。張國政等[7]研究了基于客戶生命周期價值及客戶滿意度的客戶細分方法。楊蘭等[8]根據(jù)客戶當前價值與潛在價值對客戶進行分類。羅亮生等[9]將客戶價值分析理論應用在航空公司客戶管理領域。翁建英等[10]構建了客戶價值評價體系，并在商業(yè)銀行信息化中應用。但是，總體來看，專門針對鐵路客戶分類方法的研究較少，而客戶價值評價指標體系又是客戶分析的重要基礎。為此，從客戶價值評價指標體系出發(fā)對鐵路客戶分類方法進行探討。

2 鐵路客戶價值評價指標體系

目前應用較多的客戶價值評價模型是利用當前價值與潛在價值來計算客戶生命周期價值[2]。對于當前價值的衡量，多采用客戶過去利潤貢獻的凈現(xiàn)值作為評價指標；對于潛在價值衡量指標的選取卻各有不同，較多使用的是 2 個方面的衡量變量，一方面為未來預期利潤的現(xiàn)值，另一方面是由客戶忠誠帶來的波及效應，如口碑宣傳、重復購買次數(shù)、支出比例等?？紤]到運輸市場變化迅速、競爭激烈，以及客戶運輸方式選擇余地大等特點，利用當前價值、潛在價值和客戶忠誠度三維變量建立鐵路客戶價值評價指標體系。鐵路客戶價值評價指標體系如圖 1 所示。

2.1 客戶當前價值指標

圖1 鐵路客戶價值評價指標體系

客戶當前價值是指在鐵路已經(jīng)產(chǎn)生運輸業(yè)務的實際效益。當前價值可以選取單位運輸量收入率、運輸量等指標進行分析，其中單位運輸量收入率是指評價階段客戶單位運輸量的平均收入，運輸量指評價階段客戶累計發(fā)送量。

2.2 客戶潛在價值指標

客戶未來的發(fā)展?jié)摿κ窃u價客戶價值的一個重要因素，準確地評估客戶的潛在價值對制定有效的客戶發(fā)展和保持戰(zhàn)略至關重要。潛在價值是指客戶在未來與企業(yè)進行交易的過程中可能帶給企業(yè)的收入，主要包括 2 個方面：一是建立在原有交易數(shù)據(jù)庫的基礎上對客戶未來收入的預期，即預期保守價值；二是對未來客戶可能帶給企業(yè)更大收入貢獻的預期，即預期增加價值。由于充分考慮到運輸企業(yè)向物流多元化發(fā)展的特點，通過對客戶進行交叉銷售和增值銷售是增加客戶價值的有效途徑。因此，選擇交叉銷售及增值銷售的可能性及由此帶來的收入的增加，作為對未來服務期客戶可能帶給企業(yè)更大的收入貢獻的預期。其中交叉銷售是指在開展運輸服務時，提供倉儲、包裝、流通加工、配送等物流服務，增值銷售是提供裝卸、接取送達等增值服務。

2.3 客戶忠誠度指標

運輸行業(yè)的高競爭性使得客戶選擇余地較大，客戶忠誠度具有十分重要的意義。因此，將客戶忠誠度單獨列出，作為衡量客戶價值的三大指標之一，并通過行為忠誠和情感忠誠進行綜合評價，以最近交易時間、交易頻率、承運份額、淡季支持度、投訴建議次數(shù)衡量行為忠誠，以口碑宣傳衡量情感忠誠。其中，最近交易時間是指客戶與鐵路最近交易的時間；交易頻率是指客戶與鐵路交易的頻度；承運份額是指客戶通過鐵路運量占總運量的比重，反映客戶對鐵路的依賴程度；淡季支持度是指客戶在鐵路運輸?shù)镜倪\量情況，反映客戶對鐵路的支持力度；投訴建議次數(shù)是指客戶向鐵路部門投訴、建議的總次數(shù)，反映客戶對鐵路企業(yè)的監(jiān)督與期望。

3 客戶價值評價方法

3.1 評價流程

根據(jù)鐵路客戶價值評價體系，收集客戶價值分析的相關數(shù)據(jù)，對數(shù)據(jù)進行處理，運用數(shù)據(jù)挖掘算法對客戶進行分類，需要建立客戶關系管理系統(tǒng)，實現(xiàn)客戶價值分析和客戶信息挖掘[3]。

（1）客戶數(shù)據(jù)準備。鐵路大多數(shù)業(yè)務系統(tǒng)均實現(xiàn)了電子化，客戶原始數(shù)據(jù)較為完整、準確，基本上可以滿足客戶數(shù)據(jù)倉庫對源數(shù)據(jù)的要求。但是，由于各業(yè)務系統(tǒng)數(shù)據(jù)規(guī)則、業(yè)務參數(shù)不同，各類客戶數(shù)據(jù)源之間存在重復和差異，無法形成有效鏈接。因此，需要對不同數(shù)據(jù)源的客戶數(shù)據(jù)進行清洗、整合、規(guī)范，形成客戶管理數(shù)據(jù)庫，為建立客戶價值模型和信息挖掘奠定基礎。

（2）指標數(shù)據(jù)處理。在實現(xiàn)客戶價值評價的數(shù)據(jù)挖掘算法中，要求將客戶當前價值、潛在價值、忠誠度等指標經(jīng)過一定的計算處理，轉(zhuǎn)變?yōu)檫m于算法處理的數(shù)據(jù)形式。

（3）建立數(shù)據(jù)挖掘模型。根據(jù)鐵路客戶價值評價體系建立并測試數(shù)據(jù)挖掘模型，利用數(shù)據(jù)挖掘模型對客戶的當前價值、潛在價值和忠誠度 3 個維度進行分類。

3.2 基于決策樹的 ID3 算法

針對客戶分類的數(shù)據(jù)挖掘算法，目前運用較多的包括基于關聯(lián)規(guī)則的 Apriori 算法，基于智能計算的分類算法 ( 如進化計算、神經(jīng)網(wǎng)絡等 )，以及貝葉斯分類、決策樹分類算法等[4]。在大數(shù)據(jù)量的情況下，Apriori 算法需要多趟掃描數(shù)據(jù)庫，運行過程中生成大規(guī)模的候選集和頻繁集，計算量相當大；而智能計算的分類方法具有較高的計算復雜性，計算搜索時間過長，挖掘結果往往也不可靠?；跊Q策樹的 ID3 算法可以快速對數(shù)據(jù)集進行劃分而得出分類規(guī)則，數(shù)據(jù)量大的時候也具有很好的實時性。根據(jù)數(shù)據(jù)特點和數(shù)據(jù)挖掘目的，從實用的角度出發(fā)，采用 ID3 算法對鐵路客戶價值進行評價。

3.2.1 基本概念

ID3 算法采用信息論中的概念，用信息增益作為屬性分類能力的度量，進行屬性節(jié)點的選擇，熵表示樣本集的純度。設S是n個數(shù)據(jù)樣本的集合，將樣本劃分為c個不同的類，每個類含樣本數(shù)ni，S劃分為c個類的信息熵按公式⑴計算。

假設以屬性X作為決策樹的根節(jié)點，屬性X具有m個不同取值，將S劃分為m個子集{S1，S2，…，Sm}，根據(jù)屬性X劃分成的子集熵按公式⑵計算。

式中：|S|和|Si|分別為S和Si中的樣本數(shù)量；E(Si)由公式⑴遞歸計算。其他屬性計算過程同理。

熵值越小，子集劃分的純度越高，根據(jù)屬性X劃分的信息增益按公式⑶計算。

其他屬性信息增益計算過程同理。

3.2.2 算法步驟

ID3 算法的核心是構造精度高、規(guī)模小的決策樹，分為 2 個步驟：決策樹的生成，即由訓練樣本集生成一棵決策樹；決策樹的剪枝，即對上一過程生成的決策樹進行檢驗和校正，剪除影響預測準確性的分支。具體過程描述如下。

（1）對于訓練樣本集S，根據(jù)決策屬性取值，按公式⑴計算E(S)。

（2）對各條件屬性X，根據(jù)其屬性取值，按公式⑵計算E(S，X)。

（3）對各條件屬性X，按公式⑶計算按各條件屬性取值劃分的信息增益Gain(S，X)，選擇信息增益最大的屬性Xmax作為節(jié)點。

（4）按屬性Xmax取值將樣本集劃分為子集{S1，S2，… ，Sm}，對每個子集Si按公式⑴計算E(Si)，如果E(Si) = 0，則此屬性取值分支為葉節(jié)點，否則遞歸調(diào)用建樹算法，繼續(xù)生成決策樹分支。

（5）當所有子集劃分完時生成了一棵決策樹，按一定規(guī)則剪枝后，沿著樹路徑讀取分類規(guī)則。

3.3 實證分析

以客戶忠誠度計算為例，對某鐵路局某車務段 2013 年 1—6 月的客戶忠誠度相關數(shù)據(jù)進行搜集分析，包括最近發(fā)貨時間、發(fā)貨頻率、承運份額、淡季發(fā)貨量、投訴建議次數(shù)等。在此期間，該車務段活躍客戶數(shù)量為 302 個，共發(fā)送貨物 1 239 萬 t。通過決策樹分類算法進行計算，該車務段的忠誠度較高的客戶為 115 個，占客戶總量的 38.1%，共發(fā)送貨物 1 104 萬 t，占總發(fā)送量的 89.1%；忠誠度較低的客戶為 187 個，占客戶總量的 61.9%，共發(fā)送貨物 135 萬 t，占總發(fā)送量的 10.9%。由此可以看出，忠誠度較高的客戶貨物發(fā)送量占總發(fā)送量比重較大，主要發(fā)送煤炭、鐵礦石等大宗貨物；忠誠度較低的客戶數(shù)量占客戶總量比重較大，表明需要加強市場營銷與客戶關懷。

4 客戶分類與市場策略

根據(jù)當前價值、潛在價值和忠誠度 3 個維度，可以將客戶分為 8 種類型：高現(xiàn)值-高潛值-高忠誠度 ( Ⅰ類 )，低現(xiàn)值-高潛值-高忠誠度(Ⅱ類 )，低現(xiàn)值-高潛值-低忠誠度 ( Ⅲ 類 ），高現(xiàn)值-高潛值-低忠誠度 ( Ⅳ 類 )，高現(xiàn)值-低潛值-高忠誠度 ( Ⅴ類 )，低現(xiàn)值-低潛值-高忠誠度 ( Ⅵ 類)，低現(xiàn)值-低潛值-低忠誠度 ( Ⅶ 類 )，高現(xiàn)值-低潛值-低忠誠度( Ⅷ 類 )?；诳蛻羯芷趦r值的客戶分類模型如圖 2 所示。通過決策樹分類算法實現(xiàn)對潛在價值、忠誠度的評價，同時結合歷史數(shù)據(jù)得出當前價值，對客戶進行細分，針對不同的細分客戶群體，制定相應的市場策略[5]。

圖2 基于客戶生命周期價值的客戶分類模型

（1）高現(xiàn)值-高潛值-高忠誠度 (Ⅰ類 ) 客戶。這類客戶具有很高的客戶價值，是企業(yè)最重要的客戶，應將主要運輸資源投入到保持與該類客戶的關系上，充分了解客戶需求，為客戶提供“一對一”的優(yōu)質(zhì)服務[6]。

（2）低現(xiàn)值-高潛值-高忠誠度 (Ⅱ類 ) 客戶。這類客戶雖然當前價值較低，但具有較高的潛在價值和忠誠度，是企業(yè)的重要發(fā)展和培育對象。應對其實行有效的營銷策略，給予較多的關注，可以對其實行交叉銷售，如提供新的產(chǎn)品和增值服務等。

（3）低現(xiàn)值-高潛值-低忠誠度 (Ⅲ類 ) 客戶。這類客戶當前價值及忠誠度都較低，但潛在價值較高，具有很大的開發(fā)價值。企業(yè)應分析未能充分挖掘其潛在價值的原因，以及客戶流失原因。如果是企業(yè)自身的原因，則應盡快改善運輸產(chǎn)品質(zhì)量與服務水平，提升該類客戶對企業(yè)的滿意度和忠誠度，進而充分挖掘其利潤貢獻的潛力。

（4）高現(xiàn)值-高潛值-低忠誠度 ( Ⅳ 類 ) 客戶。這類客戶當前價值和潛在價值均高，但忠誠度較差，企業(yè)應認真查找分析忠誠度低的原因，并采取相應的客戶保留策略，努力提高客戶的忠誠度，使其轉(zhuǎn)化為企業(yè)的高價值客戶。

（5）高現(xiàn)值-低潛值-高忠誠度 (Ⅴ類 ) 客戶。這類客戶具有較高的當前價值和忠誠度，但潛在價值不高。這類客戶與企業(yè)的當前交易量較大，對企業(yè)提供的服務也較為滿意，忠誠度較高，但由于客戶本身實力所限，企業(yè)從該類客戶身上獲取更大利潤的可能性不大。因此，企業(yè)應盡量維持與該類客戶的良好關系，防止該類客戶流失，但是無需對其投入過多資源。

（6）低現(xiàn)值-低潛值-高忠誠度 ( Ⅵ 類 ) 客戶。這類客戶具有較低的當前價值及潛在價值，但對企業(yè)為其提供的服務還較為滿意。對該類客戶不必再進行資源的投入，應樹立企業(yè)良好的口碑。

（7）低現(xiàn)值-低潛值-低忠誠度 ( Ⅶ 類 ) 客戶。這類客戶現(xiàn)在和未來能為企業(yè)帶來的收入很少，但卻占用了企業(yè)大量的開發(fā)和維護費用，屬于企業(yè)的“淘汰客戶”，可以不分配運輸資源。

（8）高現(xiàn)值-低潛值-低忠誠度 ( Ⅷ 類 ) 客戶。這類客戶具有較高的當前價值，但潛在價值和忠誠度都較低，屬于不穩(wěn)定客戶，隨時可能轉(zhuǎn)向其他運輸方式。應對其實行相應的短期策略，力爭在當期獲取最大利潤。

5 結束語

通過構建鐵路客戶價值評價指標體系，提出客戶價值評價方法，根據(jù)客戶當前價值、潛在價值和忠誠度 3 個維度，對鐵路客戶進行分類，針對不同類型的客戶，提出有效的營銷模式與市場策略，以加強客戶關系管理的針對性，實現(xiàn)市場營銷的個性化，提升客戶關系管理與市場營銷的水平與質(zhì)量。

[1] 楊金花，李明博，季 令. 客戶關系管理理論在鐵路貨運營銷中的應用[J]. 鐵道運輸與經(jīng)濟，2008，30(2)：87-90.

[2] 郭玉華，陳治亞. 基于客戶生命周期的鐵路大客戶細分與發(fā)展模型[J]. 鐵道科學與工程學報，2011(4)：86-91.

[3] 方曉平，陳治亞. 鐵路貨運客戶關系管理系統(tǒng)的研究與應用[J]. 鐵道運輸與經(jīng)濟，2003，25(9)：49-50.

[4] 鐘 雁，郭雨松. 數(shù)據(jù)挖掘技術在鐵路貨運客戶細分中的應用[J]. 北京交通大學學報，2008(6)：25-29.

[5] 石 英，陳治亞，雷定猷. 鐵路貨運分析系統(tǒng)的設計與應用[J]. 鐵道運輸與經(jīng)濟，2007，29(1)：41-42.

[6] 黃貴群，胡異杰. 基于客戶關系管理的鐵路貨運市場營銷研究[J]. 鐵道經(jīng)濟研究，2003(5)：7-8.

[7] 張國政，王 芳. 基于CLV及客戶滿意度的客戶細分[J]. 科技與管理，2009(4)：62-64.

[8] 楊 蘭，盧潤德. 基于客戶價值的客戶分類方法研究[J]. 現(xiàn)代管理科學，2007(11)：95-96.

[9] 羅亮生，張文欣. 基于客戶價值的航空公司客戶關系管理策略[J]. 企業(yè)經(jīng)濟，2008(12)：20-22.

[10] 翁建英，程 勇. 客戶價值評價體系在商業(yè)銀行信息化中的應用分析[J]. 情報探索，2007(9)：60-61.