孫曉琳，姚 波，陳 瑜

(1.西安財(cái)經(jīng)學(xué)院a.商學(xué)院，b.統(tǒng)計(jì)學(xué)院，陜西 西安 710100；2.西安交通大學(xué) 人文社會(huì)科學(xué)學(xué)院， 陜西 西安 710049)

一、引言

大數(shù)據(jù)時(shí)代已經(jīng)到來，就營(yíng)銷領(lǐng)域而言，大數(shù)據(jù)已形成一定的規(guī)模，其多樣性、低價(jià)值密度以及實(shí)時(shí)性的復(fù)雜特征對(duì)于營(yíng)銷既是挑戰(zhàn)也是機(jī)遇。在營(yíng)銷管理中，對(duì)客戶實(shí)行分類管理是企業(yè)運(yùn)作的核心問題之一。識(shí)別并擁有優(yōu)良客戶，進(jìn)而有針對(duì)性地開發(fā)以及維持客戶，既避免了企業(yè)由于分散精力造成的資源浪費(fèi)，導(dǎo)致成本上升，也降低了企業(yè)盲目營(yíng)銷帶來的巨大風(fēng)險(xiǎn)。通過收集客戶與企業(yè)在接觸端產(chǎn)生的數(shù)據(jù)進(jìn)行有效的客戶分類，既過濾了市場(chǎng)上與企業(yè)不存在交易關(guān)系客戶的數(shù)據(jù)干擾，也避免了侵犯客戶隱私帶來的法律風(fēng)險(xiǎn)。在客戶數(shù)據(jù)挖掘過程中，經(jīng)常會(huì)碰到離群數(shù)據(jù)，它們與整體數(shù)據(jù)表象層面所體現(xiàn)出的規(guī)律不一致，游離在大部分所處的區(qū)間之外，通常被認(rèn)為是噪聲數(shù)據(jù)或者異常數(shù)據(jù)而被剔除，但其作為客觀存在的數(shù)據(jù)，該處理的方式顯然是不恰當(dāng)?shù)摹?/p>

因此，如何在海量數(shù)據(jù)中篩選數(shù)據(jù)，選取哪些數(shù)據(jù)，運(yùn)用怎樣的數(shù)據(jù)挖掘算法完成客戶數(shù)據(jù)的價(jià)值“提純”并尋找重要客戶，成為目前大數(shù)據(jù)背景下營(yíng)銷領(lǐng)域亟待解決的問題。本文在相關(guān)研究的基礎(chǔ)上，構(gòu)建了基于客戶資產(chǎn)離群數(shù)據(jù)分析的客戶分類模型，并針對(duì)不同的客戶分類提出相應(yīng)營(yíng)銷策略。通過梳理客戶資產(chǎn)、客戶分類和離群數(shù)據(jù)挖掘等相關(guān)文獻(xiàn)，在傳統(tǒng)客戶分類模型RFM的基礎(chǔ)上，在交易頻率、交易的產(chǎn)品或服務(wù)的種類、交易金額3個(gè)維度上，增加了年齡維度，構(gòu)建了基于客戶資產(chǎn)離群數(shù)據(jù)分析的客戶分類模型，提出了從離群數(shù)據(jù)的角度深入挖掘客戶信息，開展客戶分類，并針對(duì)不同分類的客戶提出了不同的營(yíng)銷策略。最后，運(yùn)用該模型對(duì)某公司客戶數(shù)據(jù)進(jìn)行了分析，提供了供參考的實(shí)例。

二、文獻(xiàn)綜述

(一)客戶資產(chǎn)

客戶資產(chǎn)(Customer Asset)是客戶關(guān)系管理最終目標(biāo)，“客戶資產(chǎn)”最早出現(xiàn)于1996年哈佛商業(yè)評(píng)論刊出的《用客戶資產(chǎn)進(jìn)行營(yíng)銷管理》中[1]。許多外文文獻(xiàn)將客戶資產(chǎn)視為客戶終身價(jià)值的折現(xiàn)。Blattberg 和Deighton認(rèn)為每個(gè)客戶在其整個(gè)預(yù)期生命周期中用以抵消企業(yè)固定成本的預(yù)期貢獻(xiàn)就是客戶資產(chǎn)，也就是收入減去成本的折現(xiàn)值。他們主張，企業(yè)應(yīng)視客戶資產(chǎn)為金融資產(chǎn)，對(duì)其進(jìn)行測(cè)量和管理以圖價(jià)值最大化[1]。Dwyer等人則提出 “客戶特許資產(chǎn)”的概念，強(qiáng)調(diào)企業(yè)應(yīng)當(dāng)拋棄以產(chǎn)品為導(dǎo)向的、離散的交易理念，轉(zhuǎn)而致力于能夠使客戶感到滿意的產(chǎn)品以及服務(wù)，以確?？蛻舻闹貜?fù)購(gòu)買[2]。Rust等人(2004)認(rèn)為，客戶資產(chǎn)是多個(gè)營(yíng)銷研究領(lǐng)域的重疊部分，并非是簡(jiǎn)單的獨(dú)立領(lǐng)域，但是其與客戶關(guān)系管理最為密切，所有組織可能客戶的終身價(jià)值折現(xiàn)后的總和就是客戶資產(chǎn)。Keith A.Richards和Eli Jones(2008)等人認(rèn)為客戶資產(chǎn)的定義必定與企業(yè)的當(dāng)前客戶以及潛在客戶的終身價(jià)值分不開，從這個(gè)角度出發(fā)，他們認(rèn)同客戶資產(chǎn)即每個(gè)客戶終身價(jià)值折現(xiàn)后的總和。Bemd等基于Rust等人關(guān)于客戶資產(chǎn)的定義，探尋了如何以客戶資產(chǎn)作為評(píng)估企業(yè)未來導(dǎo)向的新標(biāo)準(zhǔn)[3]。

國(guó)內(nèi)相關(guān)研究通常是從銀行等金融部門出發(fā)，簡(jiǎn)單地將客戶資產(chǎn)視為客戶的金融資產(chǎn)總額。主要體現(xiàn)在客戶的銀行存款方面，而不是客戶的終身價(jià)值層面。因而，深入研究客戶資產(chǎn)的文章并不是很多。劉英姿等從折現(xiàn)值的角度出發(fā)，表示客戶資產(chǎn)計(jì)算所需要的大量指標(biāo)都無法表示在當(dāng)時(shí)的財(cái)務(wù)報(bào)表中，計(jì)算所得結(jié)果與實(shí)際情況有差距[4]。馬少輝等提出對(duì)客戶資產(chǎn)的客戶保持模型和維持模型進(jìn)行優(yōu)化，同時(shí)表明，客戶不同，風(fēng)險(xiǎn)不同，加上客戶資產(chǎn)又是長(zhǎng)期價(jià)值體現(xiàn)，所以模型的風(fēng)險(xiǎn)差異性研究稍顯不足[5]。彭虎峰基于數(shù)據(jù)挖掘和統(tǒng)計(jì)方法對(duì)客戶資產(chǎn)進(jìn)行測(cè)量，提出從客戶分類出發(fā)，尋找客戶消費(fèi)行為規(guī)律，總結(jié)平均群毛利潤(rùn)變化規(guī)律并計(jì)算各群毛利潤(rùn)，最終計(jì)算得到客戶資產(chǎn)[6]。這種統(tǒng)計(jì)和數(shù)據(jù)挖掘結(jié)合的方法不易掌握，只是提供了一個(gè)新的測(cè)量客戶資產(chǎn)的思路。也有相關(guān)研究從企業(yè)客戶資產(chǎn)價(jià)值進(jìn)行評(píng)估。胡姝哲采用多期超額收益法及其評(píng)估模型，對(duì)某一企業(yè)進(jìn)行了案例分析，運(yùn)用該模型對(duì)企業(yè)的客戶資產(chǎn)價(jià)值進(jìn)行了評(píng)估[7]。綜上所述，客戶資產(chǎn)即是企業(yè)所面對(duì)的客戶的終身價(jià)值的貼現(xiàn)之和，是客戶終身價(jià)值的體現(xiàn)。

本文研究客戶資產(chǎn)，并不關(guān)注精確的測(cè)量方法，試圖通過對(duì)具有不同客戶資產(chǎn)的客戶進(jìn)行分類，在實(shí)際層面優(yōu)化企業(yè)資源分配，保留企業(yè)有價(jià)值客戶，擴(kuò)大企業(yè)客戶規(guī)模，進(jìn)而提升企業(yè)的市場(chǎng)營(yíng)銷管理能力，使得營(yíng)銷行為與企業(yè)利益真正聯(lián)系在一起。

(二)客戶分類模型

客戶分類模型中價(jià)值模型主要兩種，即RFM模型和Marcus 模型。RFM模型是一種借助于分析客戶與企業(yè)之間的交易行為來衡量客戶價(jià)值，進(jìn)而進(jìn)行客戶分類的模型。其測(cè)算的三個(gè)細(xì)分變量是R(Recency)，F(xiàn)(Frequency)和M(Monetary)，分別代表客戶與企業(yè)交易的時(shí)間、交易的頻率以及交易的金額。RFM模型的不足之處在于交易時(shí)間、交易頻率以及交易金額方面無法避免的多種共線性。Marcus模型是對(duì)RFM模型進(jìn)行改進(jìn)，采用客戶平均交易金額A(Average Monetary)替代傳統(tǒng)模型中的細(xì)分變量——交易金額M。同時(shí)，為了簡(jiǎn)化傳統(tǒng)模型的客戶分類結(jié)果，Marcus應(yīng)用聚類的思想，根據(jù)客戶與企業(yè)之間的交易頻率以及平均交易金額進(jìn)一步將客戶劃分為4種類別，分別是消費(fèi)客戶、優(yōu)質(zhì)客戶、不確定客戶以及經(jīng)?？蛻鬧8]。本研究中客戶分類在RFM模型3個(gè)分類基礎(chǔ)上，增加了年齡變量，使客戶分類的劃分更加細(xì)致。

(三)離散數(shù)據(jù)挖掘

實(shí)際數(shù)據(jù)挖掘的過程中，經(jīng)常會(huì)碰到一類數(shù)據(jù)，它們與整個(gè)數(shù)據(jù)集合的表現(xiàn)不符，與整體數(shù)據(jù)表象層面所體現(xiàn)出的規(guī)律不一致，游離在大部分所處的區(qū)間之外，所特有模式使得其經(jīng)常被誤判為噪聲數(shù)據(jù)或者異常數(shù)據(jù)，從而在數(shù)據(jù)清洗之初就被過濾掉，不予考慮，這樣的數(shù)據(jù)就是離群數(shù)據(jù)。在數(shù)據(jù)集合中，檢測(cè)異常數(shù)據(jù)并對(duì)其加以歸納、分析、解釋的過程稱為離群數(shù)據(jù)挖掘。近年來，已有越來越多的學(xué)者對(duì)離群數(shù)據(jù)挖掘表示出極大的興趣。

國(guó)外學(xué)者早于20世紀(jì)90年代初開始探索離群數(shù)據(jù)的檢測(cè)算法。Rosner(1991)提出，可以考慮應(yīng)用單樣本多個(gè)離群檢測(cè)法，即ESD(Generalized Extreme Studentized Deviate)算法檢測(cè)離群數(shù)據(jù)。Aggarwal和Yu(1997)等人提出基于高維的數(shù)據(jù)異常檢測(cè)方法。Knor和Ng(1998)提出，基于距離檢測(cè)離群數(shù)據(jù)具有一定的合理性。Breunig 等人提出，基于局部離群因子進(jìn)行離群數(shù)據(jù)檢測(cè)可行性較高。LOF、Struyf和Rousseeuw提出基于深度的離群檢測(cè)算法。

較之國(guó)外，國(guó)內(nèi)的離群數(shù)據(jù)研究比較分散，但已逐步形成一系列有意義的研究成果。史東輝(2000)分析大量醫(yī)學(xué)流行病數(shù)據(jù)，針對(duì)性地提出基于規(guī)則進(jìn)行挖掘，并取得了良好的效果。鄭斌祥(2004)等人所提出基于離群指數(shù)的時(shí)序數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，能夠更好地應(yīng)對(duì)數(shù)據(jù)逐漸呈現(xiàn)出的時(shí)序性，同時(shí)也能夠進(jìn)一步考量在時(shí)序維度層面上，數(shù)據(jù)所體現(xiàn)出的離群特性。曾學(xué)友(2006)提出了基于快速貪心算法，進(jìn)行離群數(shù)據(jù)挖掘，提高了海量數(shù)據(jù)挖掘的效率。唐志剛(2010)所提出的基于馬爾可夫鏈的離群點(diǎn)檢測(cè)方法，有效提高離群數(shù)據(jù)挖掘的效率以及數(shù)據(jù)維數(shù)處理的效能。彭小奇(2010)提出基于支持向量機(jī)進(jìn)行離群挖掘，在很大程度上改善了高維數(shù)據(jù)的檢測(cè)效率。

大數(shù)據(jù)背景下，數(shù)據(jù)存在的形式多種多樣，分布的規(guī)律性有待考量，數(shù)據(jù)結(jié)構(gòu)也呈多元化發(fā)展，且數(shù)據(jù)的維度不斷增多而價(jià)值密度降低，對(duì)數(shù)據(jù)內(nèi)蘊(yùn)含的信息進(jìn)行挖掘顯得尤為必要。簡(jiǎn)單的數(shù)據(jù)分類與聚類已經(jīng)無法滿足數(shù)據(jù)挖掘的需求，離群數(shù)據(jù)挖掘?qū)⑷找娉蔀橐环N重要且有效的挖掘方式。

三、基于客戶資產(chǎn)離群數(shù)據(jù)分析的客戶分類模型

就離群數(shù)據(jù)而言，市場(chǎng)營(yíng)銷的離群數(shù)據(jù)滿足普通離群數(shù)據(jù)的特征，它們游離在大部分普通數(shù)據(jù)的活動(dòng)區(qū)域之外，卻能反映客戶某方面重要的特征信息。例如，“交易金額極其大”的信息屬于離群信息，但是反映了客戶超強(qiáng)的購(gòu)買實(shí)力，忽略這樣的客戶絕非明智之舉。

就客戶資產(chǎn)而言，其旨在幫助企業(yè)更加深刻理解客戶，掌握客戶需求，并意圖通過管理客戶，以影響客戶的行為，促使客戶對(duì)企業(yè)做出更大的價(jià)值貢獻(xiàn)。這需要經(jīng)歷客戶識(shí)別、客戶分類、客戶管理的過程。離散數(shù)據(jù)分析通過從所得數(shù)據(jù)中提取信息來解釋隱含的客戶資產(chǎn)，可以幫助企業(yè)實(shí)現(xiàn)客戶資產(chǎn)挖掘。

(一)客戶分類指標(biāo)

本研究擬構(gòu)建基于客戶資產(chǎn)離群數(shù)據(jù)分析的客戶分類模型，采用4個(gè)維度的指標(biāo)對(duì)客戶進(jìn)行分類，分別是交易金額、交易的產(chǎn)品或服務(wù)的種類、交易頻率和客戶年齡。但介于客戶信息的3個(gè)維度更具可操作性，故選擇交易金額、交易的產(chǎn)品或服務(wù)的種類、交易頻率作為變量進(jìn)入模型。選擇客戶年齡作為第4維度是因?yàn)榭蛻糍Y產(chǎn)代表了客戶終身購(gòu)買價(jià)值的總和，可以衡量客戶處于“終身”的哪個(gè)階段，進(jìn)而分析客戶的當(dāng)前消費(fèi)狀態(tài)以及消費(fèi)成長(zhǎng)性。另外，雖然簡(jiǎn)單的人口統(tǒng)計(jì)變量遠(yuǎn)不及社會(huì)經(jīng)濟(jì)變量以及心理學(xué)變量在劃分客戶層面那么準(zhǔn)確，但介于社會(huì)經(jīng)濟(jì)變量以及心理學(xué)變量在收集、整理、處理方面的復(fù)雜與繁瑣容易引起結(jié)果不準(zhǔn)確，在此采用客戶年齡作為第4個(gè)客戶分類指標(biāo)，并假定客戶的年齡總體分布呈現(xiàn)正態(tài)分布規(guī)律?？蛻粜畔?個(gè)維度的數(shù)據(jù)可以很容易地在終端接觸點(diǎn)通過整理獲得。尤其在電子商務(wù)環(huán)境下，交易金額、交易的產(chǎn)品或服務(wù)的種類、交易頻率以及客戶年齡可以通過后臺(tái)操作獲得。通過對(duì)4個(gè)維度指標(biāo)的離群數(shù)據(jù)進(jìn)行分析，可以發(fā)現(xiàn)重要客戶的相關(guān)特征。

(二)建模思路

首先，獲取企業(yè)所有客戶的交易金額、交易的產(chǎn)品或服務(wù)的種類、交易頻率3類數(shù)據(jù)，進(jìn)行無量綱化處理，使數(shù)據(jù)在[0，1]之間，應(yīng)用MATLAB編程，確定3個(gè)變量的取值合理區(qū)間[a，b]，其中a、b的滿足條件為0

其次，對(duì)第4維度年齡進(jìn)行分類。理想狀況下，企業(yè)應(yīng)該參考當(dāng)時(shí)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平，進(jìn)行消費(fèi)能力調(diào)查，借助專家分析，合理判斷企業(yè)客戶的消費(fèi)年齡結(jié)構(gòu)。客戶年齡結(jié)構(gòu)滿足正態(tài)分布模型，因此變量介于μ-3σ與μ+3σ之間的概率高達(dá)99.7%，基本包括企業(yè)所有的客戶。在此基礎(chǔ)上，對(duì)年齡分布在99.7%以內(nèi)的客戶進(jìn)行年齡分段。對(duì)年齡無量綱化到[0，1]之間，確定首段年齡的區(qū)間為[0，P(X<μ-σ)]，中段年齡的區(qū)間為[P(X<μ-σ)，1-P(X<μ-σ)]，尾段年齡的區(qū)間為[1-P(X<μ-σ)，1]。

在此，對(duì)建模思路中的客戶分類劃分具體如下：

1.離散客戶的確定。合理客戶與離散客戶共同構(gòu)成了企業(yè)所面對(duì)的總體客戶。由圖1可知，企業(yè)總體客戶分布于邊長(zhǎng)為1的正方體內(nèi)部，該正方體的長(zhǎng)、寬、高三條邊分別表示交易的產(chǎn)品或服務(wù)的種類、交易金額以及交易頻率。同時(shí)，每條邊取0.5作為中間值，區(qū)分出“多與少”、“大與小”，“高與低”不同屬性。圖中以(b-a)為邊長(zhǎng)的陰影正方體就是合理客戶存在區(qū)域，小實(shí)心正方體以外的區(qū)域就是離散客戶區(qū)域。表1所劃分的24類離散客戶，不考慮年齡維度的情況下，就分布在此離散區(qū)域內(nèi)，考慮年齡維度的情況下，就是特定年齡段(首段、中段與尾段)的此區(qū)域。

圖1 企業(yè)客戶區(qū)域圖

2.合理客戶的存在意義。本研究脫離了合理客戶，將無法順利完成，究其原因，主要有以下3個(gè)方面原因：一是合理客戶客觀存在，直接忽略將破壞總體數(shù)據(jù)分布規(guī)律，為后續(xù)研究帶來極大困擾；二是合理客戶屬于常規(guī)意義上數(shù)據(jù)表現(xiàn)良好的客戶，是以往研究的重點(diǎn)部分，直接忽略將減少模型科學(xué)性；三是合理客戶數(shù)量一般在總體客戶中占比較大，屬于帕累托法則“二八法則”中80%的范疇，直接忽略則無法尋找最佳合理區(qū)間。按照交易金額、交易的產(chǎn)品或服務(wù)種類、交易頻率和客戶年齡4個(gè)維度，可將客戶分為 25 類，并根據(jù)其交易金額和年齡進(jìn)一步劃分為4大類型，如表1所示。

表1 客戶分類表

(三)4大類客戶的管理策略

根據(jù)客戶關(guān)系管理的相關(guān)研究，客戶關(guān)系管理包含以下內(nèi)容：客戶關(guān)系管理是企業(yè)戰(zhàn)略的內(nèi)容之一；信息技術(shù)是客戶關(guān)系管理的方法；客戶關(guān)系管理始于對(duì)顧客行為和特性的深入分析，也意味著與客戶之間的互動(dòng)接觸；客戶關(guān)系管理的目的是實(shí)現(xiàn)顧客價(jià)值最大化和企業(yè)收益最大化之間的平衡；不同的顧客具有不同的關(guān)系價(jià)值，企業(yè)必須將精力放在最有價(jià)值的顧客身上[9]。因此，基于客戶關(guān)系管理的相關(guān)理論，針對(duì)四大類客戶提出如下管理策略：

1.第一大類客戶管理策略。第一大類客戶主要包括交易金額大的年齡分布于首段以及中段的客戶。對(duì)第一大類客戶必須堅(jiān)持“重點(diǎn)開發(fā)”的原則。第一大類客戶的交易金額大，一般來說很可能是企業(yè)型大客戶，是最重要的客戶，企業(yè)應(yīng)采取重點(diǎn)開發(fā)的策略，為客戶提供額外優(yōu)惠和特別服務(wù)。其中第一大類客戶又因年齡分布不同，需求也不同，企業(yè)可配備相應(yīng)管理人員重點(diǎn)監(jiān)管，了解客戶需求，為客戶主動(dòng)推薦商品，重視售后服務(wù)，提高客戶的忠誠(chéng)度和美譽(yù)度。同時(shí)，可以加大對(duì)這些客戶的公關(guān)，為客戶提供更加周到和滿意的服務(wù)，處理好與客戶的關(guān)系，甚至結(jié)成聯(lián)盟。

2.第二大類客戶管理策略。第二大類客戶主要包括交易金額大的年齡分布于尾段的客戶。對(duì)第二大類客戶的管理可以采用“關(guān)鍵維持”的原則。第二大類客戶的交易金額大，很大可能是企業(yè)現(xiàn)在重要的一部分客戶來源，但介于第二大類客戶的年齡屬于尾段，其交易的產(chǎn)品或者服務(wù)的種類不論多少，交易的頻率不論高低，都將在未來一段時(shí)間內(nèi)呈下降趨勢(shì)運(yùn)行。甚至很多現(xiàn)有客戶享受的是企業(yè)提供的最后一件產(chǎn)品或者最后一項(xiàng)服務(wù)。因此，對(duì)這部分客戶應(yīng)采用“關(guān)鍵維持”的策略，做好產(chǎn)品相關(guān)的各項(xiàng)附加服務(wù)，爭(zhēng)取美譽(yù)度，以期客戶的影響力為企業(yè)帶來新的優(yōu)良客戶資產(chǎn)。

3.第三大類客戶管理策略。第三大類客戶主要包括交易金額小且年齡分布于首段以及中段的客戶。對(duì)第三大類客戶的管理可以采用“培養(yǎng)有度”的原則。第三大類的交易金額小，一般來說不是企業(yè)型大客戶，短期內(nèi)無法成為企業(yè)的重要客戶來源，但企業(yè)也不能就此放棄。其中第三大類客戶中，相對(duì)年齡較輕，并具有一定的購(gòu)買能力，具有良好的可塑價(jià)值。維持客戶關(guān)系，進(jìn)而挖掘需求，重點(diǎn)培養(yǎng)第三大類客戶的忠誠(chéng)度，促進(jìn)他們向第一大類客戶的轉(zhuǎn)變。但是，第三大類客戶忠誠(chéng)度較低，如果在一定時(shí)期內(nèi)對(duì)企業(yè)的培養(yǎng)沒有積極地反饋，企業(yè)可考慮不再浪費(fèi)過多的資源和精力開發(fā)此類客戶。

4.第四大類客戶管理策略。第四大類客戶主要包括交易金額小且年齡分布于尾段的客戶以及其他合理客戶。對(duì)第四大類客戶的管理可以采用“適度放棄”的原則。第四大類客戶的忠誠(chéng)度低，由其特點(diǎn)可知，他們?cè)诂F(xiàn)階段沒有為企業(yè)創(chuàng)造客觀的價(jià)值，預(yù)期在未來其價(jià)值貢獻(xiàn)也不高。對(duì)客戶資產(chǎn)屬于第四大類的客戶進(jìn)行管理，最好的策略就是“適度放棄”原則，與其爭(zhēng)取第四大類客戶的終身購(gòu)買價(jià)值，不如為其提供合理的服務(wù)，將企業(yè)更多資源用于更加高效的配置，進(jìn)而保證企業(yè)營(yíng)銷的可持續(xù)，降低企業(yè)的市場(chǎng)風(fēng)險(xiǎn)。

四、構(gòu)建客戶分類模型

根據(jù)管理學(xué)中的帕累托“二八法則”對(duì)客戶進(jìn)行劃分，即企業(yè) 80%的收入來自20%的客戶，80%的客戶為企業(yè)創(chuàng)造的利潤(rùn)不高。因此，確立客戶分類模型的基本分類規(guī)則為，第四大類客戶數(shù)量占比為80%。具體建模過程如下：

(一)數(shù)據(jù)集合

整理客戶信息表單，內(nèi)容包括交易金額，交易的產(chǎn)品及服務(wù)種類，交易頻率以及年齡分段，形成總體客戶數(shù)集合和單客戶數(shù)據(jù)集合。總體客戶數(shù)集合為X={x1，x2，…，xn}，其中，N為客戶總數(shù)量。單客戶數(shù)據(jù)集合為xi=[e1，e2，e3，e4]T，分別表示第i名客戶的交易金額，交易的產(chǎn)品及服務(wù)種類，交易頻率以及年齡分段。

(二)無量綱化處理

應(yīng)用極值法對(duì)單客戶數(shù)據(jù)進(jìn)行無量鋼化處理，公式如下：

(三)尋找合理區(qū)間

分別定義第四大類中的客戶21、客戶22、客戶23、客戶24、客戶25為C21、C22、C23、C24、C25。按照集合運(yùn)算的法則求得第四大類客戶的集合為C，具體的集合如下：

C25=a≤eij≤b，0≤ei4≤1，j=1，2，3，C=C21∪C22∪C23∪C24∪C25

另外，利用梯度下降的方法，給定初始值a=b=0.5，c=0.158 7，d=0.841 3(其中c為正態(tài)分布P(x<(-1))的概率，d=1-c)，采用MATLAB編程，求解得到合理區(qū)間為：

其中，length(C)為C的維度，n為客戶總數(shù)。

(四)確定客戶的類型

首先，界定以下3類集合。

第一類集合——范圍初判集合為：

A1=i|eij≤0.5，j=1

A2=i|eij≥0.5，j=1

A3=i|eij≤0.5，j=2

A4=i|eij≥0.5，j=2

A5=i|eij≤0.5，j=3

A6=i|eij≥0.5，j=3

第二類集合——離散判斷集合為：

B1=i|eij≤a，j=1

B2=i|a≤eij≤b，j=1

B3=i|eij≥b，j=1

B4=i|eij≤a，j=2

B5=i|a≤eij≤b，j=2

B6=i|eij≥b，j=2

B7=i|eij≤a，j=3

B8=i|a≤eij≤b，j=3

B9=i|eij≥b，j=3

第三類集合——年齡分段集合為：

Y1=i|eij≤c，j=4

Y2=i|c≤eij≤d，j=4

Y3=i|eij≥d，j=4

其次，運(yùn)用3種集合綜合描述25種客戶。

第一大類客戶：

C1=(B3∪B6∪B9)∩(A2∩A4∩A6)∩Y1

C2=(B3∪B6∪B7)∩(A2∩A4∩A5)∩Y1

C3=(B3∪B4∪B9)∩(A2∩A3∩A6)∩Y1

C4=(B3∪B4∪B7)∩(A2∩A3∩A5)∩Y1

C5=(B3∪B6∪B9)∩(A2∩A4∩A6)∩Y2

C6=(B3∪B6∪B7)∩(A2∩A4∩A5)∩Y2

C7=(B3∪B4∪B9)∩(A2∩A3∩A6)∩Y2

C8=(B3∪B4∪B7)∩(A2∩A3∩A5)∩Y2

第二大類客戶：

C9=(B3∪B6∪B9)∩(A2∩A4∩A6)∩Y3

C10=(B3∪B6∪B7)∩(A2∩A4∩A5)∩Y3

C11=(B3∪B4∪B9)∩(A2∩A3∩A6)∩Y3

C12=(B3∪B4∪B7)∩(A2∩A3∩A5)∩Y3

第三大類客戶：

C13=(B1∪B6∪B9)∩(A1∩A4∩A6)∩Y1

C14=(B1∪B6∪B7)∩(A1∩A4∩A5)∩Y1

C15=(B1∪B4∪B9)∩(A1∩A3∩A6)∩Y1

C16=(B1∪B4∪B7)∩(A1∩A3∩A5)∩Y1

C17=(B1∪B6∪B9)∩(A1∩A4∩A6)∩Y2

C18=(B1∪B6∪B7)∩(A1∩A4∩A5)∩Y2

C19=(B1∪B4∪B9)∩(A1∩A3∩A6)∩Y2

C20=(B1∪B4∪B7)∩(A1∩A3∩A5)∩Y2

第四大類客戶：

C21=(B1∪B6∪B9)∩(A1∩A4∩A6)∩Y3

C22=(B1∪B6∪B7)∩(A1∩A4∩A5)∩Y3

C23=(B1∪B4∪B9)∩(A1∩A3∩A6)∩Y3

C24=(B1∪B4∪B7)∩(A1∩A3∩A5)∩Y3

C25=B2∩B5∩B8

五、實(shí)證研究

為了驗(yàn)證上述理論分析與模型構(gòu)建的科學(xué)性和可行性，這里進(jìn)行實(shí)證研究。西安XJ公司是一家專門為西安地區(qū)客戶提供高端消費(fèi)品的企業(yè)，其提供2016年1月22日至2017年1月22日，共計(jì)187份客戶消費(fèi)信息數(shù)據(jù)用于分析。用編號(hào)代表客戶，年齡段分為： 0～22歲為首段，23～55歲為中段，55歲及以上為尾段。將客戶消費(fèi)數(shù)據(jù)經(jīng)過9次迭代接近最優(yōu)值，基本上找到了理想的合理區(qū)間，總耗時(shí)0.026秒，最優(yōu)化算法尋優(yōu)速度較快，合理區(qū)間為(0.012，0.988)，該公司的客戶分類情況見表2：

表2 西安XJ公司各分類客戶數(shù)量表

4類客戶的具體信息如下：

1.第一類客戶。XJ公司共有4位第一大類客戶，詳見表3。該類客戶購(gòu)物金額普遍較高且年齡較小，是公司的高端客戶，具體情況見表3。

表3 西安XJ公司第一大類客戶表

2.第二類客戶。XJ公司共有兩位第二大類客戶，詳見表4。該類客戶的交易金額較大且年齡較大。

表4 西安XJ公司第二大類客戶表

3.第三類客戶。XJ公司共有5位第三大類客戶，詳見表5。該類客戶交易金額較小，年齡較小，對(duì)企業(yè)的忠誠(chéng)度不高，消費(fèi)特點(diǎn)基本表現(xiàn)為頻率高、種類少；種類多、頻率低。

表5 西安XJ公司第三大類客戶表

4.第四類客戶。XJ公司共有第四大類客戶176位。該類客戶的特征不明顯，當(dāng)前創(chuàng)造的價(jià)值不高，預(yù)期未來的價(jià)值也不高，對(duì)他們的投入往往是“成本大于收益”的行為。

六、結(jié)論與建議

針對(duì)4類客戶的劃分，每類客戶的管理策略如下。

第一類客戶購(gòu)買金額高而年齡小，公司可將客戶定義為高端客戶。對(duì)該類客戶可直接進(jìn)行接觸，例如邀請(qǐng)客戶參加公司高端客戶見面會(huì)，定制客戶專屬服務(wù)，高端產(chǎn)品不定期推送等。切記“過多打擾”和“侵犯隱私”，以免降低高端客戶的自我感知價(jià)值。

第二類客戶的交易金額大而年齡也較大。對(duì)該類客戶公司可以考慮過節(jié)時(shí)拜訪，生日時(shí)中高檔樣品贊助，先贏得顧客的好感和其對(duì)產(chǎn)品的信賴。然后，進(jìn)入顧客的朋友圈，通過自我開發(fā)或者顧客有償推介的方式，獲取其周邊的潛在新客戶。

第三類客戶交易金額較小且年齡較小。對(duì)該類客戶公司應(yīng)當(dāng)維持當(dāng)前關(guān)系，逐步挖掘需求，提高交易達(dá)成率。例如，可以提供優(yōu)惠券，開展買多返多，會(huì)員積分送好禮等活動(dòng)。同時(shí)，注重反饋，為其提供免費(fèi)送貨等便利服務(wù)，及時(shí)解決售后問題，提高客戶滿意度。

第四類客戶的特征不明顯，對(duì)他們的投入往往是“成本大于收益”的行為。對(duì)該類客戶公司只要維持正常的交易態(tài)度，提供合理的服務(wù)水平即可。

客戶關(guān)系管理的最終目標(biāo)是實(shí)現(xiàn)客戶資產(chǎn)管理。本文提供一種離群分析的方法，旨在提供模塊幫助企業(yè)按照客戶資產(chǎn)對(duì)客戶進(jìn)行分類，以識(shí)別擁有優(yōu)良客戶資產(chǎn)的客戶，進(jìn)而有針對(duì)性地開發(fā)以及維持客戶，既避免了企業(yè)由于分散精力造成的資源浪費(fèi)導(dǎo)致成本上升，也降低了企業(yè)盲目營(yíng)銷帶來的巨大風(fēng)險(xiǎn)。當(dāng)然，客戶作為企業(yè)成長(zhǎng)的動(dòng)力，以及服務(wù)的最終購(gòu)買者，企業(yè)的最佳策略始終是持之以恒地為其提供日臻完善的服務(wù)。