□ 段李杰，白樹林，羅 吉，鄒 欣

(湖北經(jīng)濟(jì)學(xué)院 工商管理學(xué)院，湖北 武漢 430205)

1 引言

1.1 大數(shù)據(jù)時(shí)代我國(guó)快運(yùn)企業(yè)發(fā)展現(xiàn)狀

隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的發(fā)展以及各行各業(yè)操作流程的自動(dòng)化，企業(yè)積累了大量的業(yè)務(wù)數(shù)據(jù)，大數(shù)據(jù)作為一項(xiàng)重大的技術(shù)變革，其商業(yè)價(jià)值正在逐漸凸顯。以企業(yè)發(fā)展為例，通過數(shù)據(jù)挖掘，企業(yè)可以隨時(shí)調(diào)整自身發(fā)展目標(biāo)，并在不斷調(diào)整的同時(shí)與時(shí)俱進(jìn)的提出優(yōu)化策略[1]。目前，我國(guó)東部地區(qū)形成了京津環(huán)渤海、長(zhǎng)三角和珠三角三大快運(yùn)區(qū)域，同時(shí)這些快運(yùn)速遞圈又以滾動(dòng)式、遞進(jìn)式的扇面輻射，帶動(dòng)了我國(guó)中部和西部地區(qū)的發(fā)展。目前我國(guó)擁有的包括國(guó)有快遞企業(yè)、外資快遞企業(yè)、大型民營(yíng)快遞企業(yè)和區(qū)域型小型民營(yíng)快遞企業(yè)共8000多家以及在互聯(lián)網(wǎng)環(huán)境下，近三年不斷涌現(xiàn)一大批基于互聯(lián)網(wǎng)技術(shù)的新興物流企業(yè)，這些企業(yè)都是快運(yùn)企業(yè)的重要競(jìng)爭(zhēng)對(duì)手[2]。同時(shí)，在整個(gè)零擔(dān)市場(chǎng)有超過10萬(wàn)家快運(yùn)企業(yè)同臺(tái)競(jìng)爭(zhēng)。在如此激烈的行業(yè)競(jìng)爭(zhēng)環(huán)境下，快運(yùn)市場(chǎng)顯然是非常分散的，若快運(yùn)企業(yè)自身不提高其產(chǎn)品和服務(wù)的差異化，客戶流失情況會(huì)越來越嚴(yán)重，尤其是高價(jià)值的客戶流失會(huì)給企業(yè)帶來難以估量的價(jià)值損失，因此，我們根據(jù)運(yùn)送貨物的質(zhì)量和體積將貨物劃分為四個(gè)類型，即輕貨、輕泡貨、重貨和重泡貨來定價(jià)，并從重泡標(biāo)識(shí)、服務(wù)類型和結(jié)算方式這幾個(gè)維度來觀察客戶流失的分布情況，運(yùn)用聚類分類分析方法細(xì)分客戶，從而幫助企業(yè)挖掘出對(duì)企業(yè)產(chǎn)生不同價(jià)值的客戶群，進(jìn)而解決企業(yè)客戶關(guān)系管理處理不當(dāng)?shù)膯栴}，同時(shí)為企業(yè)的營(yíng)銷決策提供支撐，幫助企業(yè)更好的持續(xù)運(yùn)營(yíng)下去。

2 快運(yùn)客戶的數(shù)據(jù)來源及分析方法

2.1 數(shù)據(jù)來源

本數(shù)據(jù)是基于某一家快運(yùn)企業(yè)客戶數(shù)據(jù)，其數(shù)據(jù)包含41137個(gè)實(shí)例、18個(gè)特征變量，時(shí)間跨度為半年。每一條數(shù)據(jù)記錄表征客戶在某個(gè)月份的業(yè)務(wù)數(shù)據(jù)，數(shù)據(jù)包括客戶賬號(hào)、運(yùn)單數(shù)、開始城市、體積、終點(diǎn)城市、計(jì)費(fèi)重量、主要始發(fā)站、主要終點(diǎn)站、收益站、創(chuàng)收站、近期合作日期、服務(wù)類型、結(jié)算方式、近期合作月份、重泡標(biāo)識(shí)。(數(shù)據(jù)來源于www.wldl.org/)

2.2 分析方法

本文主要采用K-means聚類的分析方法。聚類分析又稱為群分析,是指對(duì)樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計(jì)分析方法。它們討論的對(duì)象是大量的樣品，要求能合理地按各自的特性來進(jìn)行合理的分類。沒有任何模式可供參考或依循，即在沒有先驗(yàn)知識(shí)的情況下進(jìn)行。聚類分析的目標(biāo)，就是在相似的基礎(chǔ)上收集數(shù)據(jù)然后分類。

3 基于聚類的快運(yùn)企業(yè)客戶流失分析過程

3.1 數(shù)據(jù)預(yù)處理

通過對(duì)原始數(shù)據(jù)的觀察，發(fā)現(xiàn)原始數(shù)據(jù)中的若干數(shù)據(jù)存在缺失值，為使原始數(shù)據(jù)更加完整，建立一個(gè)數(shù)據(jù)表格，采用該特征變量所在列的平均值/出現(xiàn)頻次最高值補(bǔ)全的方法完成數(shù)據(jù)填充。以某一個(gè)數(shù)據(jù)為例，其表1如下：

表1

3.2 數(shù)據(jù)分析

3.2.1 單維度分析

設(shè)客戶流失率為P，流失人數(shù)為X，未流失人數(shù)為Y,(X,Y,n∈Z;X,n,P≥0)

n個(gè)對(duì)象的流失客戶數(shù)為：X={x1,x2,…,xn}

同一類型的未流失客戶數(shù)為：Y={y1,y2,…,yn}

我們采用分布圖觀測(cè)和分析了快運(yùn)客戶在不同的服務(wù)類型、重泡標(biāo)識(shí)、結(jié)算方式等維度上的流失分布情況，為更加直觀的展現(xiàn)分析結(jié)果，將分布圖分析結(jié)果轉(zhuǎn)化為表格形式如下：

①服務(wù)類型。

針對(duì)快運(yùn)客戶，快運(yùn)公司有優(yōu)先服務(wù)、標(biāo)快服務(wù)、超區(qū)服務(wù)這三種不同的服務(wù)類型，其中，標(biāo)快服務(wù)客戶流失率最高，其次是超區(qū)服務(wù)客戶流失率，見表2。

表2

②重泡標(biāo)識(shí)。

由于現(xiàn)行快運(yùn)企業(yè)經(jīng)營(yíng)過程中貨物的重泡類型詳細(xì)劃分為輕貨、輕泡貨、重泡貨、重貨。本文根據(jù)單位計(jì)費(fèi)重量的收益情況(即每單的收益情況和計(jì)費(fèi)重量的比值)，將比值低于0.3的劃分為輕貨、大于或等于0.3且低于0.4的劃分為輕泡貨、大于或等于0.4且低于1的劃分為重泡貨、大于或等于1的劃分為重貨?？芍嘏葚浟魇首罡撸缓笠来问侵刎?、輕泡貨、輕貨?？蛻袅魇?流失/(流失+未流失)，見表3。

表3

③結(jié)算方式。

結(jié)算方式分為到付、月結(jié)、現(xiàn)結(jié)。到付是指貨物到了之后由收件人付款；月結(jié)是指在與快運(yùn)公司簽訂協(xié)議的條件下，每個(gè)月結(jié)一次張；現(xiàn)結(jié)是指寄件人先付款再發(fā)貨。數(shù)據(jù)分析后可以看出到付的客戶流失情況最為嚴(yán)重，其次是月結(jié)客戶和現(xiàn)結(jié)客戶?？蛻袅魇?流失/(流失+未流失)，見表4。

表4

3.2.2 多維度分析

為了進(jìn)一步挖掘不同維度之間數(shù)據(jù)的關(guān)聯(lián)性，使用馬賽克圖對(duì)數(shù)據(jù)進(jìn)行分析觀察并得出結(jié)論。

①在貨物類型和結(jié)算方式的雙重維度下，四種貨物均是在采用到付的結(jié)算方式時(shí)流失率較高，尤其是輕貨和輕泡貨。企業(yè)可深入分析輕貨和輕泡貨的客戶結(jié)構(gòu)，是零散客戶還是長(zhǎng)期合作的客戶，采用不同的結(jié)算方式留住客戶。如圖1所示。

圖1

②在貨物類型和服務(wù)類型雙重維度下，重泡貨在標(biāo)快服務(wù)和超區(qū)服務(wù)時(shí)客戶流失率較高，重貨在標(biāo)區(qū)服務(wù)時(shí)客戶流失率較高。如圖2所示。

圖2

③由于標(biāo)快服務(wù)的客戶流失率較高，且標(biāo)快服務(wù)為快運(yùn)企業(yè)的主流服務(wù)類型，可單獨(dú)分析其流失情況。

a.不同的結(jié)算方式中，到付的客戶流失率較高。如圖3所示。

圖3

b.不同貨物類型中，輕貨和輕泡貨的客戶流失率較高。可通過改善重物分類標(biāo)準(zhǔn)，提高重貨和重泡貨所占比例，以減少客戶流失，同時(shí)對(duì)這兩種貨物的結(jié)算方式盡可能采用現(xiàn)結(jié)的方式來留住客戶。

c.在結(jié)算方式和貨物類型雙重維度下，重貨、重泡貨采用到付和月結(jié)的結(jié)算方式客戶流失率較高。

3.3 客戶聚類分析

3.3.1 選擇合適特征變量

我們將客戶賬號(hào)和流失情況作為元特征變量，選擇業(yè)務(wù)量、運(yùn)單數(shù)、收益、單位運(yùn)單收益、單位業(yè)務(wù)量收益、單位體積收益、單位計(jì)費(fèi)重量收益作為特征變量。

設(shè)n個(gè)對(duì)象的運(yùn)單數(shù)為Q={Q1,Q2,…Qn},業(yè)務(wù)量為P={P1,P2，…Pn}，收益為W={W1,W2,…,Wn},體積為V={V1,V2,…Vn},計(jì)費(fèi)重量為H={H1,H2,…,Hn}(Q,P,W,V,H,n≥0)

3.3.2 自定義變量特征

我們根據(jù)原有的特征變量，自定義4個(gè)新的特征變量，分別是單位運(yùn)單數(shù)收益=收益/運(yùn)單數(shù)、單位業(yè)務(wù)量收益=收益/業(yè)務(wù)量、單位體積收益=收益/體積、單位計(jì)費(fèi)重量收益=收益/計(jì)費(fèi)重量。

3.3.3 K-means算法的計(jì)算步驟

輸入：聚類個(gè)數(shù)4和包含n個(gè)對(duì)象的數(shù)據(jù)集X={x1,x2,…,xn}，n=41138;

輸出：4個(gè)簇{C1,C2,C3,C4}

步驟1：從數(shù)據(jù)集中隨機(jī)選定4個(gè)對(duì)象作為初始聚類的中心C1,C2,…,C4；

步驟2：逐個(gè)將對(duì)象xi(i=1,2,…，n)，按歐式距離分配給距離最近的一個(gè)聚類中心

其中,m是數(shù)據(jù)屬性的個(gè)數(shù)，m=7;

其中Nj是第j個(gè)聚類Cj所包含的對(duì)象個(gè)數(shù)；

步驟4：若聚類中心不再發(fā)生變化，目標(biāo)函數(shù)最小，算法終止，否則轉(zhuǎn)步驟2[4]。

3.3.4 模型可視化分析

通過K-means聚類的方法，基于不同的業(yè)務(wù)量、運(yùn)單數(shù)、收益、單位運(yùn)單收益、單位業(yè)務(wù)量收益、單位體積收益、單位計(jì)費(fèi)重量收益中的共同值域范圍，設(shè)置聚類簇?cái)?shù)為4，將快運(yùn)客戶分為四類，引入箱線圖來觀察不同類別的客戶在不同維度上的分布情況。以下展示了快運(yùn)客戶在業(yè)務(wù)量和運(yùn)單數(shù)維度上的箱線圖分布，其他變量的箱線圖分布在此不一一展示。

圖4 快運(yùn)客戶在業(yè)務(wù)量維度上的箱線圖分布

圖5 快運(yùn)客戶在運(yùn)單數(shù)維度上的箱線圖分布

3.3.5 結(jié)論分析

根據(jù)以上箱線圖分布情況，得出四類客戶在不同維度上的均值，如下表5所示。

表5

將以上數(shù)據(jù)整合，在不同維度下進(jìn)行排名，如下表6所示。

表6

進(jìn)而挖掘四類快運(yùn)客戶的客戶流失率,如下表7所示。

表7

通過對(duì)以上數(shù)據(jù)進(jìn)行分析，得到以下結(jié)論：

第一類客戶，價(jià)值最大的核心客戶群(C4，占比為0.24%)，此類客戶給企業(yè)帶來的收益最大，且五個(gè)維度上分布都處于最高級(jí)別。

第二類客戶，能夠?yàn)榭爝\(yùn)企業(yè)帶來較高收益的重點(diǎn)客戶群(C3，占比為6.08%),此類客戶在收益維度上排名第二，其平均收益很高。

第三類客戶，消費(fèi)額一般的潛在客戶群(C2，占比為0.70%)，此類客戶在收益維度上徘徊在17906，具有較大的提升空間。從精準(zhǔn)營(yíng)銷的視覺，對(duì)于潛在客戶，采取積分制，當(dāng)服務(wù)次數(shù)達(dá)到一定量時(shí)，可給予價(jià)格優(yōu)惠，加強(qiáng)合作減少流失，且提供多種結(jié)算方式，采用季節(jié)或預(yù)存措施。

第四類客戶，數(shù)量龐大但價(jià)值很低的一般客戶群(C1，占比為92.98%)。

流失情況最為嚴(yán)重的類別為第一類客戶C4和第四類客戶C1，流失率分別為5.2%和4.8%。

4 基于聚類的快運(yùn)客戶的對(duì)策

4.1 針對(duì)不同的服務(wù)類型

服務(wù)類型主要包括優(yōu)先服務(wù)、超區(qū)服務(wù)、標(biāo)快服務(wù)這三種，我們結(jié)合結(jié)算方式和重泡標(biāo)識(shí)這兩個(gè)維度對(duì)快運(yùn)企業(yè)采取不同的措施如下：

①優(yōu)先服務(wù)的客戶流失率較低，僅為0.022，這種服務(wù)類型的服務(wù)品質(zhì)已經(jīng)做到很好，快運(yùn)企業(yè)則應(yīng)該從價(jià)格方面來吸引更多的客戶。貨物運(yùn)輸價(jià)格受貨物自身的重量和體積的影響，企業(yè)可以對(duì)貨物進(jìn)行更加細(xì)致的細(xì)分，對(duì)重泡標(biāo)識(shí)處于不同范圍的貨物進(jìn)行不同的定價(jià)策略，給予客戶更優(yōu)惠的價(jià)格，同時(shí)也能相應(yīng)的減少企業(yè)的運(yùn)輸成本。企業(yè)還應(yīng)該重視快運(yùn)客戶的意見，包括對(duì)快運(yùn)企業(yè)的共性抱怨和針對(duì)本公司的建議，企業(yè)都應(yīng)當(dāng)想辦法加以解決，讓客戶能夠感覺到企業(yè)的重視度并體會(huì)到企業(yè)的持續(xù)改進(jìn)。以此來留住有此需求的高價(jià)值客戶群體。

②超區(qū)服務(wù)是一般是指在快遞行業(yè)派送過程中，因?yàn)槟康牡氐貐^(qū)偏遠(yuǎn)而派送不到的情況。傳統(tǒng)的物流公司對(duì)于超出派送范圍的快件一般會(huì)登記“超派，聯(lián)系客戶自取”，聯(lián)系收件人到指定快遞站點(diǎn)或者就近代理點(diǎn)取件。由于快運(yùn)企業(yè)的網(wǎng)點(diǎn)一般臨近工廠，所以，快運(yùn)企業(yè)在日常生活中很少出現(xiàn)超區(qū)服務(wù)的業(yè)務(wù)。因此，對(duì)于超區(qū)服務(wù)業(yè)務(wù)建議保持現(xiàn)狀，在流量較大且派送范圍較大、派送點(diǎn)較分散的地方增設(shè)快遞自取點(diǎn)，對(duì)于要求派送的可適當(dāng)增收派送費(fèi)用。

③標(biāo)快服務(wù)作為快運(yùn)企業(yè)的主流業(yè)務(wù)，客戶流失率高達(dá)0.052，在三種服務(wù)類型中的流失率最高。在標(biāo)快服務(wù)中，由重泡貨和重貨引起的客戶流失率占絕大部分，由現(xiàn)結(jié)和到付的結(jié)算方式引起的客戶流失率占比很少?？蛻袅魇У闹饕绊懸蛩厥莾r(jià)格，而運(yùn)送價(jià)格主要受貨物的重泡標(biāo)識(shí)影響。因此，在這里重點(diǎn)提出如何解決由重泡標(biāo)識(shí)引起的客戶流失的問題。

首先制定一套輕重貨物的劃分標(biāo)準(zhǔn)，零擔(dān)小貨物可直接劃分為重貨和輕貨，零擔(dān)大貨物可分為輕貨、輕泡貨、重貨和重泡貨，對(duì)于這些不同類型的貨物制定不同的收費(fèi)標(biāo)準(zhǔn)。然后制定一套收貨標(biāo)準(zhǔn)，將貨物分為重貨和輕貨，重貨按重量(單位：kg)來制定收貨標(biāo)準(zhǔn)，輕貨按照貨物體積(單位:m3)來制定收貨標(biāo)準(zhǔn)。由于訂單是由多個(gè)商戶參與運(yùn)作，所以，只能制定最低收貨標(biāo)準(zhǔn)，而非最低運(yùn)費(fèi)。最后，對(duì)不同類型的貨車或集裝箱的載貨標(biāo)準(zhǔn)有一個(gè)清楚的認(rèn)識(shí)，安排合適的貨車去運(yùn)載合適的貨物。

4.2 針對(duì)不同的客戶類型

我們利用聚類分析技術(shù)將客戶分成四大類，以下是針對(duì)這四種客戶類型對(duì)快運(yùn)企業(yè)提出的改善措施：

①對(duì)于核心客戶，物流企業(yè)應(yīng)該提升服務(wù)質(zhì)量來留住客戶，堅(jiān)持服務(wù)第一，不能夠一味的靠低價(jià)競(jìng)爭(zhēng)策略來獲取顧客，價(jià)格的降低必然導(dǎo)致成本縮減，進(jìn)而降低了服務(wù)品質(zhì)和服務(wù)效率，對(duì)企業(yè)的長(zhǎng)期經(jīng)營(yíng)不利。

②對(duì)于可以給企業(yè)帶來高收益，形成核心競(jìng)爭(zhēng)力的重點(diǎn)客戶，應(yīng)該定期拜訪或者電話郵箱聯(lián)系，當(dāng)客戶有不滿時(shí)也能第一時(shí)間了解以便及時(shí)改進(jìn)?？刹扇」?jié)假日送小禮品、為客戶過生日、與客戶成為朋友這樣的方式加深與客戶的友誼以長(zhǎng)期留住客戶。

③對(duì)于潛在客戶，企業(yè)要深入的了解客戶的心理和需求，主動(dòng)地去迎合他們的喜好，同時(shí)在顧客群體中打造更好的企業(yè)形象，做好宣傳工作，獲取潛在的優(yōu)質(zhì)客戶，努力將其轉(zhuǎn)化為企業(yè)的主要客戶。

④對(duì)于單位價(jià)值低但數(shù)量龐大的一般客戶，該類客戶的流失率非常低，企業(yè)可以保持原有的現(xiàn)狀，及時(shí)對(duì)顧客的投訴做出反饋，維護(hù)一個(gè)老客戶比爭(zhēng)取一個(gè)新客戶更有必要，這不僅是提高企業(yè)業(yè)績(jī)的必要條件，也是降低成本的最佳方法。