隨著市場經(jīng)濟(jì)深入發(fā)展,社會(huì)對(duì)企業(yè)的要求逐步提高。秉持從客戶出發(fā)、為客戶創(chuàng)造價(jià)值的理念,才能有效提升企業(yè)核心競爭力,從而獲取更多利益。在此背景下,客戶關(guān)系管理愈發(fā)重要。
客戶分類模型是客戶關(guān)系管理中的重要模型之一,本文將結(jié)合百分點(diǎn)科技多年來積累的項(xiàng)目實(shí)踐經(jīng)驗(yàn),從行業(yè)應(yīng)用與模型原理兩個(gè)角度,對(duì)客戶分類模型進(jìn)行介紹。
一、客戶分類模型行業(yè)應(yīng)用
客戶關(guān)系管理的目標(biāo),是通過滿足每一個(gè)客戶的需求,實(shí)現(xiàn)企業(yè)資源優(yōu)化,降低企業(yè)成本等。為實(shí)現(xiàn)此目的,企業(yè)需要收集整理客戶信息,分析出蘊(yùn)含在大數(shù)據(jù)背后有價(jià)值的信息,加以利用,結(jié)合不同類別客戶的本質(zhì)需求,提供差異化服務(wù)。一方面為客戶創(chuàng)造更多價(jià)值,另一方面為企業(yè)自身贏得更多利益,實(shí)現(xiàn)雙贏。
其中,客戶分類模型是客戶關(guān)系管理中的重要模型之一,接下來將介紹客戶分類模型在各行業(yè)場景中的應(yīng)用。
1.零售行業(yè)——RFM模型/基于聚類的RFM模型
RFM模型常用于零售行業(yè),是客戶關(guān)系管理分析模式中常用的工具和手段。該模型以近度(R:Recency)、頻度(F:Frequency)、值度(M:MonetaryValue)作為客戶分類的三項(xiàng)指標(biāo),例如,利用一位客戶的最近購買時(shí)間(R)、購買頻次(F)與累計(jì)購買金額(M)來描述該客戶的價(jià)值情況。將每個(gè)維度進(jìn)行二分,R/F/M三個(gè)維度的三次二分將全部客戶分為八類,企業(yè)可對(duì)不同類別的客戶開展不同的營銷手段。RFM模型十分經(jīng)典,但較為傳統(tǒng)機(jī)械。利用機(jī)器學(xué)習(xí)聚類算法,可以對(duì)RFM模型進(jìn)行優(yōu)化,常用方法有基于自組織神經(jīng)網(wǎng)絡(luò)(SOM網(wǎng)絡(luò))的RFM客戶分類模型。
2.金融、電信、零售等行業(yè)——聚類模型與分類模型相結(jié)合
RFM模型需要用到最近購買時(shí)間(R)、購買頻次(F)與累計(jì)購買金額(M)三個(gè)指標(biāo),這些指標(biāo)適用于零售行業(yè)。那么對(duì)于其他行業(yè)而言,該如何構(gòu)建與行業(yè)數(shù)據(jù)更適應(yīng)的客戶分類模型呢?常見的客戶分類模型方法有聚類與分類相結(jié)合的客戶分類方法,該方法步驟為:(1)結(jié)合具體行業(yè)客戶特征與業(yè)務(wù)需求,歸納客戶特征,提取有關(guān)指標(biāo)的數(shù)據(jù)字段;(2)利用聚類模型(k-means/SOM等)對(duì)客戶進(jìn)行聚類,確定現(xiàn)有客戶的類別;(3)利用分類器(DT/SVM等)對(duì)客戶建立分類預(yù)測模型,并將該模型應(yīng)用到其余客戶及未來新客戶上,進(jìn)行分類預(yù)測;(4)依據(jù)預(yù)測準(zhǔn)確度不斷優(yōu)化迭代聚類與分類器各項(xiàng)參數(shù),實(shí)現(xiàn)客戶分類模型的持續(xù)優(yōu)化。與RFM模型相比,基于聚類的客戶分類模型優(yōu)勢(shì)在于:(1)其分類指標(biāo)不僅限于RFM的三個(gè)指標(biāo)(最近一次消費(fèi)、頻次、金額),而是可以擴(kuò)展到客戶人口特征、價(jià)值特征與行為特征等多類特征;(2)其分類方式不是單純的“切割”,而是根據(jù)客戶間距離/密度進(jìn)行聚類,類別的劃分更加靈活立體。3. 通用企業(yè)客戶——綜合指數(shù)模型不論是RFM模型還是聚類與分類相結(jié)合的客戶分類模型,其分類對(duì)象大多以個(gè)人客戶為主。當(dāng)分類對(duì)象為企業(yè)客戶時(shí),可利用綜合指數(shù)模型進(jìn)行評(píng)價(jià)分級(jí)分類。主要設(shè)計(jì)思路與步驟是:(1)結(jié)合具體行業(yè)企業(yè)客戶特征,確定適合的財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo);(2)利用主客觀賦權(quán)方法確定指標(biāo)權(quán)重;(3)通過指標(biāo)體系法的評(píng)估得到各企業(yè)客戶的綜合得分,為后續(xù)決策與管理提供參考依據(jù)。
二、客戶分類模型原理介紹
1. RFM模型/基于聚類的RFM模型方法原理介紹
傳統(tǒng)的RFM模型利用最近購買時(shí)間(R)、購買頻次(F)與累計(jì)購買金額(M)三項(xiàng)指標(biāo),將全部客戶分為八類,具體見下表。
RFM模型的重點(diǎn)在于閾值的選擇,通常選用集中趨勢(shì)作為閾值:在數(shù)據(jù)分布較為均勻的時(shí)候,使用平均值作為該指標(biāo)的閾值;數(shù)據(jù)分布不均時(shí),可使用中位數(shù)作為閾值;特殊情況也可使用眾數(shù)作為閾值。
基于自組織神經(jīng)網(wǎng)絡(luò)(SOM網(wǎng)絡(luò))的RFM客戶分類模型是對(duì)傳統(tǒng)RFM模型的優(yōu)化。自組織神經(jīng)網(wǎng)絡(luò)屬于聚類模型,基本思想是將距離小的樣本點(diǎn)集合劃分為同一類別,而將距離大的樣本點(diǎn)集合劃分為不同的類別。該算法可用R語言中的kohonen添加包中的som()函數(shù)實(shí)現(xiàn)。
優(yōu)化后的RFM模型保留了客戶分類的三個(gè)經(jīng)典傳統(tǒng)指標(biāo),對(duì)客戶劃分方式進(jìn)行優(yōu)化,不只是單純的根據(jù)閾值切分八類,而是綜合客戶的空間分布,對(duì)客群進(jìn)行更靈活更細(xì)致的劃分,為企業(yè)針對(duì)性營銷和個(gè)性化服務(wù)提供理論依據(jù)。
2. 聚類模型與分類模型相結(jié)合方法原理介紹
前文介紹了該方法的具體步驟,總結(jié)歸納為:利用聚類模型對(duì)現(xiàn)有客戶進(jìn)行聚類,根據(jù)聚類結(jié)果建立客戶分類預(yù)測模型,將分類預(yù)測模型應(yīng)用到其余客戶與新客戶進(jìn)行預(yù)測歸類。
聚類常用方法有kmeans與SOM網(wǎng)絡(luò),其中SOM網(wǎng)絡(luò)在上節(jié)已經(jīng)介紹,kmeans的思想是將每個(gè)樣本點(diǎn)聚集到其最近形心(均值)類中,使得聚類性能指標(biāo)最小。該算法可用R語言中的kmeans()函數(shù)實(shí)現(xiàn)。
常用的分類方法有決策樹DT與支持向量機(jī)SVM。決策樹的核心思想是在各項(xiàng)特征中找出最優(yōu)特征與該特征閾值,將全部客戶一分為二,遞歸上述操作,直到將全部客戶分類完畢為止(圖1)。該算法可用R語言中的party添加包中的ctree()函數(shù)實(shí)現(xiàn)。支持向量機(jī)的核心思想是找到一個(gè)超平面,使得它能夠盡可能多地將兩類數(shù)據(jù)點(diǎn)(客戶)正確地分開,同時(shí)使分開的兩類數(shù)據(jù)點(diǎn)距離分類超平面最遠(yuǎn)(圖2)。該算法可用R語言中的e1071添加包中的svm()函數(shù)實(shí)現(xiàn)。
3. 綜合指數(shù)模型方法原理介紹
綜合指數(shù)問題即多目標(biāo)決策問題,是具有兩個(gè)以上的決策目標(biāo),并且需用多種標(biāo)準(zhǔn)來評(píng)價(jià)、優(yōu)選方案的決策。綜合指數(shù)模型的構(gòu)建流程是:構(gòu)建指標(biāo)體系→數(shù)據(jù)收集與標(biāo)準(zhǔn)化→為指標(biāo)體系賦權(quán)→計(jì)算指標(biāo)得分,接下來詳細(xì)展開每一步如何實(shí)施。
(1)構(gòu)建指標(biāo)體系。此體系應(yīng)遵循系統(tǒng)性原則、典型性原則、動(dòng)態(tài)性原則、簡明科學(xué)性原則等。評(píng)價(jià)指標(biāo)體系是指由表征評(píng)價(jià)對(duì)象各方面特性及其相互聯(lián)系的多個(gè)指標(biāo),所構(gòu)成的具有內(nèi)在結(jié)構(gòu)的有機(jī)整體。在構(gòu)建指標(biāo)體系時(shí),要充分結(jié)合具體行業(yè)企業(yè)客戶特征,使得指標(biāo)體系滿足上述原則。
(2)數(shù)據(jù)收集與標(biāo)準(zhǔn)化。收集數(shù)據(jù)的原則是“大小數(shù)據(jù)融合”,數(shù)據(jù)源既可以是官方大數(shù)據(jù)平臺(tái)中的“大數(shù)據(jù)”,也可以是問卷收集數(shù)據(jù)的“小數(shù)據(jù)”。將收集到的指標(biāo)數(shù)據(jù)按照正、負(fù)向進(jìn)行標(biāo)準(zhǔn)化。將指標(biāo)體系中的所有指標(biāo)歸于0-1之間,且越大代表在這個(gè)維度上表現(xiàn)的越好。
正向指標(biāo)標(biāo)準(zhǔn)化(越大越好):
負(fù)向指標(biāo)標(biāo)準(zhǔn)化(越小越好):
適中指標(biāo)標(biāo)準(zhǔn)化(越接近某值越好):
(3)為指標(biāo)體系賦權(quán)。根據(jù)指標(biāo)內(nèi)容選擇合適的賦權(quán)方法,計(jì)算指標(biāo)體系中各指標(biāo)的重要性。賦權(quán)方法有主觀賦權(quán)法、客觀賦權(quán)法與組合賦權(quán)法。常見的主觀賦權(quán)法有層次分析法、模糊矩陣法、專家打分法等,常見的客觀賦權(quán)法有主成分賦權(quán)法、熵權(quán)法、變異系數(shù)法等。組合賦權(quán)法是指將主觀賦權(quán)法與客觀賦權(quán)法相結(jié)合,例如將兩組權(quán)重進(jìn)行線性或非線性組合,得到組合權(quán)重。
(4)計(jì)算指標(biāo)得分。根據(jù)上述指標(biāo)體系及其權(quán)重,計(jì)算待決策對(duì)象的綜合指標(biāo)得分以及其在各子指標(biāo)上的得分,根據(jù)得分對(duì)其進(jìn)行分類。
三、綜合指數(shù)模型應(yīng)用案例
針對(duì)某大型金融機(jī)構(gòu)對(duì)其客戶集團(tuán)的評(píng)價(jià)分級(jí)分類測算需求,百分點(diǎn)科技項(xiàng)目組深入結(jié)合該機(jī)構(gòu)相關(guān)業(yè)務(wù)與評(píng)價(jià)標(biāo)準(zhǔn),利用綜合指數(shù)模型方法,構(gòu)建符合業(yè)務(wù)邏輯的客戶評(píng)價(jià)分級(jí)分類測算模型,實(shí)現(xiàn)客戶分級(jí)分類、挖掘潛力客戶、評(píng)估客戶風(fēng)險(xiǎn)等功能。
下面結(jié)合綜合指數(shù)模型步驟,介紹百分點(diǎn)科技在項(xiàng)目案例中的模型實(shí)施方案。
(1)構(gòu)建指標(biāo)體系。為加強(qiáng)客戶分類的前瞻性與全面性,模型指標(biāo)體系涵蓋了包含“合作深度、自身價(jià)值、客戶風(fēng)險(xiǎn)、未來潛力”四大維度的十四個(gè)指標(biāo)。其中,“合作深度”類指標(biāo)描述客戶的已合作業(yè)務(wù)規(guī)模,包含四項(xiàng)子指標(biāo);“自身價(jià)值”類指標(biāo)描述客戶自身資質(zhì),包含三項(xiàng)子指標(biāo);“客戶風(fēng)險(xiǎn)”類指標(biāo)刻畫客戶的已合作業(yè)務(wù)質(zhì)量,包含四項(xiàng)子指標(biāo);“未來潛力”類指標(biāo)刻畫客戶的未來合作潛力,包含三項(xiàng)子指標(biāo)。
(2)數(shù)據(jù)收集與標(biāo)準(zhǔn)化。本案例收集數(shù)據(jù)符合“大小數(shù)據(jù)融合”原則。合作深度維度的四項(xiàng)指標(biāo)與客戶風(fēng)險(xiǎn)維度的四項(xiàng)指標(biāo)涉及數(shù)據(jù)來源于該金融機(jī)構(gòu)數(shù)據(jù)庫,屬于“大數(shù)據(jù)”類型;自身價(jià)值維度三項(xiàng)指標(biāo)與未來潛力維度三項(xiàng)指標(biāo)來源于各客戶自主報(bào)送,屬于“小數(shù)據(jù)”類型。
(3)為指標(biāo)體系賦權(quán)。在確定模型指標(biāo)體系后,需要對(duì)各指標(biāo)按重要性水平賦予不同權(quán)重。本案例采取專家打分法與熵權(quán)法相結(jié)合的方式,前者屬于主觀賦權(quán)法,后者屬于客觀賦權(quán)法。兩者結(jié)合兼顧主觀與客觀兩個(gè)方面,力求測算模型更加準(zhǔn)確、全面。
一級(jí)權(quán)重與二級(jí)權(quán)重分別由專家打分法與熵權(quán)法相結(jié)合得到
(4)計(jì)算指標(biāo)得分。將參評(píng)客戶相關(guān)數(shù)據(jù)批量導(dǎo)入模型,得到各參評(píng)客戶的百分制得分。按照得分分布情況及理想客戶分類數(shù)量結(jié)構(gòu)劃定各類別客戶分?jǐn)?shù)線,將全部客戶進(jìn)行分級(jí)分類。全部客戶總共分為四級(jí)八類,具體類別見下表。
此外,根據(jù)模型中客戶風(fēng)險(xiǎn)與未來潛力維度得分,可定位高風(fēng)險(xiǎn)客戶與潛力客戶。將風(fēng)險(xiǎn)維度得分極低或風(fēng)險(xiǎn)維度下單指標(biāo)得分極低的客戶識(shí)別為高風(fēng)險(xiǎn)客戶(風(fēng)險(xiǎn)為負(fù)向指標(biāo)),將潛力維度得分極高或潛力維度下單指標(biāo)得分極高的客戶識(shí)別為潛力客戶。針對(duì)高風(fēng)險(xiǎn)客戶,該機(jī)構(gòu)在后續(xù)合作過程中,可提前做出風(fēng)險(xiǎn)備案,警惕高風(fēng)險(xiǎn)帶來的合作利益損失。針對(duì)潛力客戶,該機(jī)構(gòu)可深入挖掘合作方向,擴(kuò)大的合作規(guī)模。
上述案例體現(xiàn)了客戶分類管理模型賦能金融行業(yè),提高數(shù)據(jù)利用率,將金融行業(yè)中大量客戶數(shù)據(jù)轉(zhuǎn)化為客戶分級(jí)分類有效依據(jù),為該機(jī)構(gòu)對(duì)不同類別客戶的個(gè)性化服務(wù)提供有效決策,提高金融企業(yè)客戶管理能力,實(shí)現(xiàn)智慧金融轉(zhuǎn)型。
四、小結(jié)
總結(jié)客戶分類管理模型,詳見下表:
綜上所述,客戶分類管理模型的總體步驟可以概括為:選取客戶分類特征與相應(yīng)指標(biāo)→收集數(shù)據(jù)與預(yù)處理→模型算法→分類結(jié)果→后續(xù)評(píng)估與建議指導(dǎo),每個(gè)步驟的具體操作過程因行業(yè)、客戶類型而異。而檢驗(yàn)客戶分類管理模型優(yōu)劣的標(biāo)準(zhǔn)是統(tǒng)一的,即分類結(jié)果是否能夠真正提供合理有效的客戶關(guān)系管理策略,從而真正實(shí)現(xiàn)為客戶創(chuàng)造價(jià)值,提升企業(yè)核心競爭力與影響力。
