基于數據挖掘的客戶價值評價

[摘要] 客戶價值的研究是當前營銷領域的一個熱點和難點。本文在論述了客戶價值評價必要性的基礎上，就目前常用的客戶價值評價方法，論述了各方法的要點，并詳細地探討了如何運用數據挖掘技術來更簡捷、更準確地展開客戶價值評價。

[關鍵詞] 客戶價值數據挖掘客戶價值評價

目前，客戶終生價值應用研究的思路是結合客戶生命周期理論，研究如何在客戶關系發展不同階段的不同交易期以最優的客戶投入實現預期的客戶終生價值，特別是客戶生命周期中客戶投入的調整。該研究主要用于對價值客戶未來購買行為的預測分析以及在此基礎上的價值客戶管理。幫助企業正確認識客戶的總體價值(當前價值和價值潛力)貢獻，并進行適當的分類，定性和定量化地輔助企業識別、保留和發展價值客戶。這方面的研究成果構成了客戶關系管理系統中客戶價值管理模塊的營銷理論基礎。

一、客戶價值評價的必要性

所謂客戶價值就是指這些客戶能為企業帶來的價值，大小等于企業過去、現在、未來從客戶身上獲得的收益與吸引、發展、保持客戶所需的成本之間的差值。這里收益包括貨幣和非貨幣兩方面；吸引成本是指企業進行投資以便獲取客戶并使之滿意的支出，包括市場營銷、廣告以及促銷等；發展成本是指企業用于加強或維持現有客戶關系的支出，包括研發、生產等；保持成本是指企業為延長客戶關系持續的時間，降低客戶不滿意程度，或重新激活客戶所進行的活動支出。

雖然客戶能給企業帶來收益，但由于客戶的社會人口特征、個性特征等各不相同，有的客戶大量購買企業產品，還可以為企業推薦新的客戶；而有的客戶卻很少購買企業的產品，還提出許多苛刻的要求，因此，不同類型的客戶給企業帶來的收益是不同的。同時，對企業而言，每一個客戶、每一個客戶群的增加都是有代價的，這代價不僅僅表現在營銷費用上，更多的表現為客戶目標不明確，以及目標太多給企業帶來的管理成本增加。因此，綜合客戶收益和客戶擁有代價，可以發現客戶選擇是企業發展的重要因素，客戶不是越多越好，而是越準確越好。

目前，對大多數企業而言，通常是各種類型客戶并存，企業內客戶的價值呈正態分布。由于企業資源的有限性，不可能對每個客戶做到面面俱到，因此，通過對客戶價值進行評價，并據此對客戶進行分類，從而識別和選擇企業的客戶，將有助于企業把有限的資源用在為企業帶來利潤的盈利區客戶身上，并放棄那些代價高昂、卻不能為企業帶來太多收益的不盈利區客戶，提高企業資源的利用效率和生產經營的針對性，為企業的目標客戶帶來超出他們期望的價值和體驗，創造持久的客戶忠誠和企業利潤最大化。

客戶價值評價，進而展開客戶保持是企業實施客戶關系管理的主要目標，它對企業的利潤有重要影響。資料表明：客戶保持率增加5%，行業平均利潤增加幅度在25%至85%之間；保持現有客戶比獲取新客戶的成本能夠節約4-6倍。但是客戶保持也是需要成本的，在現有的客戶群體中，并不是所有的客戶都會同企業建立并發展長期合作關系。如果不加區別的開展對所有客戶的保持努力，勢必會造成客戶保持成本的浪費。因此，如果事先對客戶價值進行評價，預測其是否具有長期價值，識別出具有較大概率同企業保持客戶關系的客戶，有區別地開展客戶保持努力，就會起到事半功倍的效果，大大節省企業的客戶保持成本。

二、基于數據挖掘的客戶價值評價方法

數據挖掘就是從海量的原始數據中找出隱含在其中的、事先未知的、但又是潛在有意義的知識和信息，從而利用這些知識指導我們的行動。數據挖掘方法以統計方法與人工智能為基礎，大致可分為如下5種分析方法:①統計分析：利用統計分析工具中提供的可視化功能和分析功能來尋找數據間的關系，并構造統計模型和數學模型來解釋數據;②聚類分析：聚類分析是把整個數據集劃分為不同的子集，使子集內的各樣本具有較高的相似性，而不同子集樣本之間差別明顯;③關聯分析：挖掘出隱含在數據之間相互關聯;④序列分析：重點在挖掘出數據之間基于時間的前后因果關系;⑤分類分析：通過分析已有的數據，揭示客戶或事件的特征與結論之間的關系，并按照影響結論的顯著程度將這些特征依次排列，進而用來預測未來的客戶或事件。

數據挖掘迎合了企業在營銷、銷售和服務業務中涉及到的客戶其數據量大且細節化、分布廣泛等的特點，在通過對海量數據的處理估測客戶價值、探知金牌客戶特征等方面發揮了相當大的作用。

綜合國內外的相關文獻資料和企業的實際操作，現有的客戶價值評價方法可以歸納為以下幾種，數據挖掘技術能夠有效地支持相應評價方法的運用。

(1)交易量評價法。交易量評價法是以交易額大小來衡量客戶價值，進行客戶細分。統計分析將客戶的交易額進行匯總，并通過可視化工具將客戶細分結果以直觀的商業圖表、圖形和表格形式呈現；也可以構造多維表，并通過細剖、排序、旋轉等不同操作得到不同地區、不同職業背景、不同收入狀況及其它不同人口統計特征的客戶群相應的客戶價值，便于更深入地把握企業的細分客戶群和相應的價值。

(2)ABC評價法。ABC評價法是目前一種較常用的客戶價值評價方法，它根據利潤額來區分客戶。其原理是客戶對企業利潤額的分布規律：“企業80%以上的利潤來源于20%的客戶，70%的客戶只提供了不足20%的利潤，另有10%的客戶不僅不會為企業帶來任何利益，甚至會削弱企業的盈利水平”。在ABC評價法里，客戶被直觀地分為Ａ，Ｂ，Ｃ三類，企業將優先發展Ａ類客戶，保持或縮減Ｂ類客戶，拋棄Ｃ類客戶。

聚類分析根據事物的特征對其進行聚類或分類，分析基于“物以類聚，人以群分”的樸素思想，認為同類的客戶在行為特征上表現出相當的共性，而不同類的客戶在行為特征上必然存在著較大的差異。聚類分析問題的實質是一個全局最優問題，利用聚類分析可以自動將樣本集按某些特征劃分成幾類，無需對客戶進行事先的指標體系和權重確定，因此基于聚類分析的ＡＢＣ客戶評價比較簡單、快捷。

(3)因素組合評價法。因素組合評價法是根據相關因素組合的結果來評價客戶價值的大小和對客戶進行分類，考慮的因素通常分兩種情形，一是考慮客戶對企業產品的需求情況；二是考慮客戶規模和信用等級情況。

分類分析通過揭示客戶內涵特征和結論（客戶價值）之間的關系，并按照影響結論的顯著程度將這些內涵依次排列，進而用來預測未來的客戶的價值。分類分析首先利用分類算法，根據歷史客戶數據和價值評價結論建立決策樹，可稱之為“學習”或“訓練”階段。算法尋找歷史數據庫中具有最大信息量的屬性，構造出樹根，再根據屬性取值大于（等于）或小于樹根的屬性值建立樹的分支，如此下去，直到所有的屬性（用戶的所有特征）都被用于樹形結構中為止。再根據歷史經驗將決策樹轉化為分類規則，即對每一個樹葉結點得出分類規則。然后，利用分類規則對將來的新客戶進行分類，即根據新客戶各特征的取值將其歸入最接近的樹葉結點，并利用分類規則做出相應判斷，即得到新客戶的價值，同時調整分類樹和分類規則。

(4)客戶生命周期價值評價法。對于客戶生命周期價值的概念，目前基本的共識是：客戶生命周期價值是企業在與客戶保持長期交易關系的全過程中從該客戶處所獲得的全部利益的現值。客戶生命周期價值評價法不僅考慮到收益流對企業利潤的貢獻，而且明確地扣除了企業為取得該收益流所付出的代價，同時，充分預計了客戶的非貨幣價值，并兼顧了客戶的未來價值潛力，因此，使用客戶生命周期價值評價法能夠客觀、全面地度量客戶對企業的貢獻。現在，用客戶生命周期價值作為客戶價值的評價標準，無論在學術界還是企業界都逐漸得到認可。

但是根據客戶生命周期價值公式，計算客戶生命周期價值，對客戶價值進行評價，需要充分估計和計算生命期內企業與客戶相關的所有收益和成本，但這在實際操作中是相當困難的，首先因為對生命期內不同時段發生的客戶事件及收益的具體預測較為困難；其次因為客戶的非貨幣價值難以量化；再者是因為客戶的生命周期跨度難以預測。因此，在理論上雖然可以通過客戶生命周期價值模型對個體客戶價值進行計算，從而對客戶進行分類，找出高價值客戶，但實際上實現相當困難。

為克服客戶的未來購買產品和服務事件難以預測的困難，客戶事件預測法被提了出來。這種方法的基本原理是：針對每一個客戶，預測一系列事件發生的時間，并向每個事件分攤收益和成本，從而為每位客戶建立一個詳細的利潤和費用預測表。預測的精度依賴于事件預測的準確性。事件的預測主要基于以下幾方面:①產品是有一定的設計和使用周期的，經過一段時間，產品會有檢測、維修、更新換代的需要;②一件產品會與其它產品發生若干聯系，因此一件產品或服務的購買會引發其它產品或服務的購買;③客戶的購買行為具有一定的購買模式，如購買Ａ產品的客戶有相當的可能會同時購買Ｂ產品，同時客戶的購買行為存在著一定的慣性。

關聯分析的作用是在客戶有關的數據集中挖掘出滿足一定條件的依賴性關系，它展示出數據間未知的依賴關系，并有可能描述成關注數據項間的因果關系。因此，關聯規則常被用來分析客戶的購買模式，而購買模式的揭示有助于預測客戶未來的購買行為。

與關聯分析有較大相似的是序列分析。序列分析主要針對兩個事件在發生時間上有一段間隔的情況，可用來發現符合一定頻率規則的購買模式等。例如，用戶在購買了打印機后，每隔一定時間就會購買打印紙，一定時間后又會要求產品維修。所以序列分析有助于預測將來客戶的購買產品和服務的要求。

三、結論

數據挖掘能幫助企業管理者從海量數據中統計和多維分析客戶購買數據，客戶分類，識別客戶的購買行為特征，發現客戶購買模式和趨勢，進而展開客戶價值評價，達到提升客戶層次、保持有價值客戶的目的。利用數據挖掘建立客戶關系管理系統將極大地提升企業的競爭優勢，提高企業的營銷水平。本文的探討將有利于企業建立有效的客戶關系管理系統。

本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。