閆 洲

(天津財(cái)經(jīng)大學(xué) 天津 300000)

門(mén)店顧客細(xì)分研究

閆 洲

(天津財(cái)經(jīng)大學(xué) 天津 300000)

由于顧客存在差異，相同的營(yíng)銷(xiāo)策略全局性地針對(duì)所有顧客所產(chǎn)生效益非常低，因?yàn)椴⒉皇敲恳粋€(gè)顧客都適于成為高價(jià)值顧客或值得發(fā)展的顧客。一個(gè)企業(yè)的資源是有限的，如何在有限的資源下實(shí)現(xiàn)利潤(rùn)的快速增長(zhǎng)，就要明智地關(guān)注正確的顧客群體，關(guān)注不同顧客群體之間的差異，相應(yīng)地制定發(fā)展與維護(hù)策略。本文選取某一零售商的一家門(mén)店在一個(gè)季度里9894名會(huì)員的消費(fèi)記錄數(shù)據(jù)及其相應(yīng)的會(huì)員信息，準(zhǔn)備對(duì)客戶群體進(jìn)行細(xì)分，希望能夠找到最為合適的顧客人群，使零售商有限的營(yíng)銷(xiāo)資源能夠收獲更大的利益。

門(mén)店顧客；營(yíng)銷(xiāo)策略

一、研究意義

由于維護(hù)和發(fā)展顧客的資源有限，只能提供服務(wù)給一定的數(shù)量的顧客，明顯地我們不會(huì)將這些服務(wù)提供給為門(mén)店帶來(lái)收益少的顧客，但是怎樣找出為那些為門(mén)店帶來(lái)高價(jià)值的顧客呢,簡(jiǎn)單的我們通過(guò)RFM模型對(duì)顧客進(jìn)行細(xì)分，然后給不同類(lèi)別的顧客貼上不同的標(biāo)簽。

我們已經(jīng)得到了支持RFM模型的三個(gè)指標(biāo)，在這里由于數(shù)據(jù)采集的延時(shí)性，我們改動(dòng)了支持該模型的消費(fèi)時(shí)間間隔指標(biāo)，將原是指最近一次購(gòu)物日期到據(jù)數(shù)據(jù)采集時(shí)的時(shí)間差改為最近了兩次購(gòu)物的時(shí)間差，雖然這樣會(huì)導(dǎo)致在數(shù)據(jù)采集階段給購(gòu)買(mǎi)一次的顧客一個(gè)小的消費(fèi)時(shí)間間隔值，導(dǎo)致在分類(lèi)別時(shí)可能會(huì)出現(xiàn)差錯(cuò)，但我們認(rèn)這樣做是值得的，因?yàn)槲覀兿Ｍ恳粋€(gè)顧客都是高價(jià)值顧客。

根據(jù)實(shí)際的業(yè)務(wù)需求，我們需要對(duì)三個(gè)指標(biāo)分別進(jìn)行劃分，可以得到眾多的立方體，每個(gè)立方體代表一個(gè)類(lèi)別的顧客群體。然后每個(gè)群體進(jìn)行分析，然而，由于最后得到的類(lèi)別數(shù)是不同指標(biāo)的類(lèi)別數(shù)的乘積，這容易導(dǎo)致劃分的顧客群體過(guò)多，不同類(lèi)別對(duì)比困難等；進(jìn)一步地，根據(jù)前面的分析可知，不同指標(biāo)的變化并不是以線性方式呈現(xiàn)的，等分或不等分都不能體現(xiàn)不同類(lèi)別顧客之間的流動(dòng)。因此，本文擬采用聚類(lèi)分析的方法，對(duì)顧客群體的數(shù)據(jù)進(jìn)行處理，以期找到一種合理有效的顧客分類(lèi)方式。

二、通過(guò)聚類(lèi)對(duì)顧客進(jìn)行細(xì)分

考慮到樣本量較大，我們采用快速聚類(lèi)法K-Means對(duì)顧客群體的數(shù)據(jù)進(jìn)行處理，以期找到一種合理有效的顧客分類(lèi)方式。下面再簡(jiǎn)單地強(qiáng)調(diào)一下該算法的思想：對(duì)于無(wú)監(jiān)督學(xué)習(xí)的聚類(lèi)算法，我們事先并不知道訓(xùn)練數(shù)據(jù)集需要分為多少類(lèi)，需要根據(jù)實(shí)際需求設(shè)定所需的類(lèi)別數(shù)。將具有相似特征或在一定規(guī)則下認(rèn)為相似的對(duì)象與其他組明顯不同的數(shù)據(jù)聚集到一起，形成不同的類(lèi)別，然后根據(jù)類(lèi)別的特征，給這些類(lèi)別分別貼上具有現(xiàn)實(shí)意義的標(biāo)簽。

在本次實(shí)際研究中，通過(guò)快速聚類(lèi)法得到顧客的分組，從前面的分析可知，有些會(huì)員在消費(fèi)時(shí)間間隔或消費(fèi)頻率或購(gòu)物金額上都存在統(tǒng)計(jì)意義上的異常，但實(shí)際上，這些異常基本上可以得到合理的實(shí)際解釋。我們需要這些異常的對(duì)象存在，明顯地，這代表那些可以值得去深挖或直接放棄的顧客。我們想保留這些較為異常的數(shù)據(jù)點(diǎn)，但在快速聚類(lèi)過(guò)程中,由于這些異常值的存在，導(dǎo)致最后聚類(lèi)得到的類(lèi)別中，異常數(shù)據(jù)點(diǎn)分配的組別數(shù)較多，而相對(duì)保持平衡的數(shù)據(jù)點(diǎn)較多而分配組數(shù)少，這會(huì)使得大部分信息得不到充分的體現(xiàn)。

初始地我們選擇K值為5，通過(guò)快速聚類(lèi)得到不同類(lèi)別顧客在最近一次消費(fèi)時(shí)間間隔，消費(fèi)頻率，金額上的三維體現(xiàn)，正如前文所講，少數(shù)的異常數(shù)據(jù)聚為一組，雖然這樣我們能清晰地找出特征非常明顯的顧客，以制定相應(yīng)的發(fā)展維護(hù)策略，但是對(duì)于包含多數(shù)數(shù)據(jù)點(diǎn)的類(lèi)別，其特征并沒(méi)有很好地體現(xiàn)出來(lái)。

由于那些在評(píng)價(jià)指標(biāo)上表現(xiàn)異常的消費(fèi)數(shù)據(jù)在實(shí)際中能得到合理的解釋?zhuān)覀內(nèi)员Ａ糁糠謹(jǐn)?shù)據(jù)，通過(guò)對(duì)這部分顧客聚類(lèi)，我們可得到不同類(lèi)別的中心點(diǎn)與每個(gè)類(lèi)別中所包含的顧客數(shù)，詳情見(jiàn)表1。從表1中可明顯地看出屬于類(lèi)別五的顧客在消費(fèi)時(shí)間間隔的表現(xiàn)上平均為11.8天，在購(gòu)物頻次和消費(fèi)金額上都明顯低于其他分組，而這一類(lèi)別的顧客數(shù)為6055占總顧客數(shù)的61.30%。相比于類(lèi)別五，在類(lèi)別四中我們可以看到其消費(fèi)時(shí)間間隔為6.0天,消費(fèi)頻率為18.4次，消費(fèi)金額為791.6元，顧客數(shù)為2840占總顧客的28.70%。相比之下這似乎暗示著類(lèi)別四的顧客比類(lèi)別五的顧客更加忠誠(chéng)。

實(shí)際上，我們?cè)诓杉瘮?shù)據(jù)時(shí)，其時(shí)間期限為三個(gè)自然月，大約90天，相應(yīng)地若以最近的消費(fèi)時(shí)間間隔做為消費(fèi)者對(duì)門(mén)店的認(rèn)同度測(cè)量，則相對(duì)忠誠(chéng)或優(yōu)質(zhì)顧客的消費(fèi)時(shí)間間隔與購(gòu)物頻次乘積大于或等于這三個(gè)自然月的天數(shù)。我們計(jì)算不同類(lèi)別消費(fèi)時(shí)間間隔與購(gòu)物頻次的乘積，得到類(lèi)別一到類(lèi)別五其相應(yīng)的乘積值為159.0,116.4,125.8,109.8,72.6天，可以看到類(lèi)別五其乘積值遠(yuǎn)小于三個(gè)月的自然天數(shù)，而類(lèi)別四其乘積值為109.8天，也就是說(shuō)類(lèi)別四的消費(fèi)者在該商家的購(gòu)買(mǎi)次數(shù)或消費(fèi)要遠(yuǎn)高于類(lèi)別五的顧客。這也同樣說(shuō)明了類(lèi)別四的顧客比類(lèi)別五的顧客更加忠誠(chéng)，他們對(duì)門(mén)店所做的貢獻(xiàn)也更大。

進(jìn)一步地在做完顧客細(xì)分后，我們匯總一下不同類(lèi)別顧客貢獻(xiàn)的購(gòu)物籃比率，貢獻(xiàn)的金額占比，顧客數(shù)占比，一到三個(gè)月的流失比率，流失率的計(jì)算方法為該類(lèi)別流失的顧客數(shù)除以該類(lèi)別總的顧客數(shù)。匯總結(jié)果見(jiàn)下表。

從表中可以看出，類(lèi)別五的顧客數(shù)占比61.30%，貢獻(xiàn)30.28%的購(gòu)物籃和22.56%的金額，一個(gè)月的流失率達(dá)28.84%,三個(gè)月流失率為13.04%；類(lèi)別四的顧客數(shù)占比40.35%,貢獻(xiàn)42.43%的購(gòu)物籃和40.35%的金額，一個(gè)月流失率為7.39%,三個(gè)月流失率為2.39%。類(lèi)別四的顧客貢獻(xiàn)的購(gòu)物籃與金額遠(yuǎn)高于類(lèi)別五的顧客所做的貢獻(xiàn)，進(jìn)一步的計(jì)算可得類(lèi)別5的顧客數(shù)是類(lèi)別4的2.14倍，其貢獻(xiàn)金額卻是類(lèi)別四的0.56倍，一個(gè)月流失率和三個(gè)月流失率是類(lèi)別四的3.90倍和5.24倍。明顯地，類(lèi)別四的顧客對(duì)門(mén)店的價(jià)值要高于類(lèi)別五的顧客，其對(duì)門(mén)店整體上較為滿意，不容易發(fā)生流失的情況，而類(lèi)別五的顧客的流失率較高，給門(mén)店帶來(lái)的收益相對(duì)較低。

對(duì)于類(lèi)別1，類(lèi)別2和類(lèi)別3，三個(gè)類(lèi)別顧客數(shù)占比和為10%，貢獻(xiàn)27.28%的購(gòu)物籃和37.10%的金額，這些類(lèi)別給門(mén)店帶來(lái)的價(jià)值較高，這些類(lèi)別的顧客需要門(mén)店進(jìn)行重點(diǎn)維護(hù)。

從另外一個(gè)角度來(lái)看，我們發(fā)現(xiàn)類(lèi)別一，類(lèi)別二和類(lèi)別三的顧客貢獻(xiàn)的購(gòu)物籃占比要低于其所貢獻(xiàn)的金額占比，與此相反的是類(lèi)別四和類(lèi)別五的顧客其貢獻(xiàn)的購(gòu)物籃占比要高于其金額占比，且其以一定的規(guī)律呈現(xiàn)。

綜上分析，我們可以可以看出類(lèi)別五的顧客側(cè)重于購(gòu)物籃的貢獻(xiàn)，其流動(dòng)性較大，屬于門(mén)店的一般顧客；類(lèi)別四的顧客對(duì)購(gòu)物籃的貢獻(xiàn)與金額的貢獻(xiàn)都有較大的提升，其流動(dòng)性相對(duì)較小，屬于門(mén)店的優(yōu)質(zhì)的顧客；而類(lèi)別一到類(lèi)別三，其金額占比與購(gòu)物籃占比的比值一直上升，我們可以將這幾部分顧客稱(chēng)為價(jià)值顧客，相對(duì)來(lái)說(shuō)，類(lèi)別二顧客體現(xiàn)的價(jià)值并沒(méi)有類(lèi)別一和類(lèi)別二那么明顯。通過(guò)對(duì)這部分信息的整理，我們能看出給門(mén)店帶來(lái)收益的不同類(lèi)別顧客的組成，提示著我們需要重點(diǎn)把握好哪些顧客、培養(yǎng)與發(fā)展顧客需要從哪些個(gè)類(lèi)別的顧客入手，這些信息能輔助我們有針對(duì)性地激勵(lì)發(fā)展顧客，對(duì)不同類(lèi)別的顧客采用不同方式的維護(hù)與發(fā)展策略，使有效的資源得到更為充分合理的運(yùn)用。

三、結(jié)論

從顧客的細(xì)分的角度來(lái)看，占門(mén)店61%的顧客只是貢獻(xiàn)了22.56%的消費(fèi)金額，其貢獻(xiàn)的購(gòu)物占比為30.38%，且具有較高的流失率。這部分顧客只是該門(mén)店非常一般的顧客，門(mén)店沒(méi)有必要去花較多的資源去維護(hù)這部分顧客。而對(duì)于類(lèi)別四的顧客，其價(jià)值體現(xiàn)并不明顯，但給門(mén)店帶來(lái)較多的購(gòu)物籃，該部分顧客值得門(mén)店花費(fèi)更多的資源以提高該部分顧客的客單價(jià)，使其向類(lèi)別二轉(zhuǎn)化。對(duì)于其他高價(jià)值的顧客，則需要門(mén)店重點(diǎn)維護(hù)。

通過(guò)對(duì)顧客消費(fèi)行為的洞察與細(xì)分，我們可以從中得到一些有意義的信息，這會(huì)輔助我們針對(duì)性地制定顧客發(fā)展與維護(hù)策略，同時(shí)啟示我們要何時(shí)實(shí)施這些策略及其應(yīng)該包括的具體營(yíng)銷(xiāo)內(nèi)容，使有限的資源得到更為合理有效的運(yùn)用，達(dá)到長(zhǎng)期利益的增長(zhǎng)。

[1]鄭宗成,張文雙等.市場(chǎng)研究中的統(tǒng)計(jì)分析方法[M].廣東經(jīng)濟(jì)出版社,2012.

[2]王寧.精準(zhǔn)營(yíng)銷(xiāo)對(duì)消費(fèi)者品牌態(tài)度及購(gòu)買(mǎi)意愿的影響研究[D].中南大學(xué)，2011.

[3]Philip Kotler,Kevin-Lane Keller.營(yíng)銷(xiāo)管理[M].中國(guó)人民大學(xué)出版社,2009.

閆洲，男，漢族，山西，應(yīng)用統(tǒng)計(jì)碩士研究生，天津財(cái)經(jīng)大學(xué)。