基于客戶價值的物流企業客戶分類方法研究①:以中外運敦豪臺州分公司為例

臺州市經濟研究所 張路

隨著物流企業客戶關系管理研究的不斷深入，物流企業客戶分類對于物流企業決策的重要作用日益突顯，如何根據客戶價值對客戶進行科學的分類成為許多企業共同關注的問題。

1 客戶分類模型的建立

客戶分類的理論依據是客戶需求的異質性理論，這種理論認為客戶需求存在差異性。客戶分類是指將一個大的消費群體劃分成為若干個群的動作，相似的客戶同屬于一個群，屬于不同群的客戶被視為不同的客戶群。CRM中的客戶分類方法并不是固定的，各企業可根據客戶數據庫中己有的類型信息的不同和自身管理的需要進行具體的分類。本文通過弗雷德里克·萊希赫爾德的凈現值評價體系[4]和齊佳音的充分價值評價體系[5]的分析，結合客戶生命周期理論，提出從客戶生命周期價值和客戶發展潛力兩個方面來評價客戶價值，下面簡單介紹這種客戶分類的設計思想。

客戶生命周期是指客戶關系水平隨時間變化的發展軌跡，它描述了客戶關系從一種狀態(一個階段)向另一種狀態(另一階段)運動的總體特征。客戶的生命周期階段反映了客戶與企業之間關系的強弱程度，隨著客戶生命周期階段的發展，客戶與企業交易量不斷增加，客戶支付意愿不斷提高，交易成本不斷下降，間接效益不斷擴大[6]。當客戶與企業的關系出現倒退時，客戶帶給企業的交易量與利潤都將急速下降。因此,在評價客戶價值時,應將客戶的生命周期階段作為一個重要的因素。經研究表明，表征客戶生命周期各階段的特征變量分別為：(1)交易額，它反映客戶與企業交易量的大小；(2)利潤，它反映客戶帶給企業利潤的大小；(3)客戶份額，指客戶所購買企業的產品數量在客戶的總體購買量中所占的比例，反映了企業在客戶心目中的地位。

評價客戶價值的另一個重要因素是客戶發展潛力。因為從客戶的生命周期發展的各階段來看，當客戶與企業的關系處在發展上升的階段時，客戶與企業的交易量會不斷增加。但對于發展潛力很低的客戶來說，即使與企業的關系處于上升期，但由于客戶帶給企業的利潤已達到了客戶自身所能承受的極限，因此企業在將來能從客戶身上的獲利則很少，那么其客戶價值也不高。相反，對于發展潛力很高的客戶來說，當他與企業的關系已處在末期，與企業的交易量不斷下降甚至可能為零,則企業不能從該客戶身上獲利，那么其客戶價值同樣不高。

因此,應綜合考慮客戶生命周期階段與客戶發展潛力兩個因素來評價客戶價值，并以此為依據進行客戶分類。

2 案例分析

作者在DHL臺州分公司進行客戶關系管理實踐時，運用這種客戶分類思想對該企業的客戶進行了分類，得出了一些對企業極為重要的決策信息。

中外運敦豪臺州分公司成立于2003年，經過幾年的發展，已成為臺州快件市場的領先企業。DHL臺州分公司目前采用的是按每月快件收入來劃分客戶的，即：A 類客戶為每月快件費用5萬元以上大型分公司，每月快件費用5萬元以上中型分公司，每月快件費用2.5萬元以上小型分公司；B類客戶為有較大業務潛力，但目前業務量尚不符合A類客戶標準的客戶；C類客戶為每月快件費用在3500～5000RMB的客戶；D類客戶為每月快件費用在2000～3500RMB的客戶。但這種分類方式較為粗放，缺少對客戶數據的深入挖掘，因此導致客戶流失率的緩慢增長及公司銷售成本的增加。因此確立新的分類指標，建立定量分析模型，對公司的所有客戶進行更準確的分類，是當前面臨的重要問題。

2.1 新客戶分類模型的應用

2.1.1 指標的選擇

根據以上的客戶分類思想，結合DHL公司的實際情況，同時綜合考慮客戶生命周期階段與客戶發展潛力兩個因素，最終選定資金狀況、穩定性和收入指標這三項指標(表征客戶生命周期各階段)作為分類的依據，并使用附加指標(表征客戶發展潛力)對最終分類結果進行修正。各指標的涵義分列如下。

資金狀況：DHL公司依據資金回收狀況和最長付款期對客戶的資信信用度評價。

穩定性：根據關系墻的一系列指標來評價客戶的穩定性大小。

收入指標：某客戶當年在DHL公司的定貨總金額的大小。

附加指標：這一指標通過知名度、市場地位、行業和企業的發展空間四個二級指標來表征客戶在將來能給企業帶來更多價值的可能性的大小即客戶的發展潛力。附加指標對最終分類結果起修正作用，不作為分類指標。

2.1.2 劃分等級

(1)資金狀況指標的等級劃分。對于資金狀況指標，選擇24個月資金回收狀況和最長付款周期這兩項具有代表性的二級指標來進行信用等級劃分。首先對這兩項次級指標分別評分，最后根據總得分來進行信用等級的劃分。具體劃分情況為：資金回收率為90%～100%得5分、75%～90%得4分、60%～75%得3分、30%～60%得2分、30%以下得1分；同時付款周期為30天以內得5分、30～60天為4分、60～90天為3分、90～180天為2分，大于200天為1分，然后進行相加，總得分大于或等于8分，評定為高信用等級;總得分小于8分，評定為低信用等級。

(2)收入指標的等級劃分。根據當年快件收入金額的大小來對其規模進行等級劃分，每月快件費用大于等于2.5萬元以上公司為大規模，每月快件費用小于2.5萬元以上公司為小規模。

(3)穩定性的等級劃分。根據關系墻的一系列指標來評價客戶的穩定性大小，如表1。如果關系墻標準為高，說明該公司對DHL公司的依賴性強，那么這類客戶的穩定性也越高。

表1 穩定性的等級劃分表

2.1.3 附加指標

對公司客戶附加價值的評價由專門的評審委員會來進行，委員的組成為公司領導、各部門經理和片區銷售經理。附加指標值的高低依據給公司實際已經帶來的或未來可能帶來的良好聲譽、知名度等附加價值的大小來進行綜合評分，具體評定內容為知名度、市場地位、行業的成長空間、企業的成長空間，由評審委員會評價附加值的大小。

2.1.4 分類方法

首先根據以上確定的三項分類指標，采用類型組合的方法進行客戶分類。然后再根據附加指標值的大小對分類結果作一些局部的調整。可以得到的類型組合為：A(高信用等級、大規模、高穩定性)、B(高信用等級、大規模、低穩定性)、C(高信用等級、小規模、高穩定性)、D(高信用等級、小規模、低穩定性)、E(低信用等級、大規模、高穩定性)、F(低信用等級、大規模、低穩定性)、G(低信用等級、小規模、高穩定性)、H(低信用等級、小規模、低穩定性)。

2.1.5 客戶統計分類

根據所建立的客戶分類模型，對DHL公司現有的37家客戶來進行實際分類。最終的分類結果為：A為3家；B為4家；C為6家；D為12家；E為3家；F為4家；G為4家；H為1家。初步分類完成之后，再根據附加指標值的大小做局部調整。調整的原則：當附加值大于或等于12時，調整為A類客戶，享受A類客戶待遇;當附加值大于或等于9小于12分時，調整為B類客戶，享受B類客戶待遇:9以下的不做調整。調整后的情況如表2所示。

表2 客戶類型調整統計表

根據最終的統計分類，DHL公司的37家客戶被分為八類，其中A類客戶(高信用等級一大規模一高穩定性4家，B類客戶(高信用等級一大規模一低穩定性)6家，C類客戶(高信用等級一小規模一高穩定性)5家，D類客戶(高信用等級一小規模一低穩定性)10家，E類客戶(低信用等級一大規模一高穩定性)3家，F類客戶(低信用等級一大規模一低穩定性)4家，G類客戶(低信用等級一小規模一高穩定性)4家，H類客戶(低信用等級一小規模一低穩定性)1家。對這八類37家客戶DHL臺州分公司將采用不同的營銷策略來對客戶關系進行維護。

2.2 新模型效果的評價

在采用新的客戶分類方法將客戶進行重新分類并制定和實施了有差別的營銷策略后，就必須對實施的效果加以評價，發現不足，持續改進。現擬通過客戶滿意度(CS)、客戶流失率這兩項指標來綜合評價實施效果。

通過客戶滿意度調查并統計出DHL公司2009年的客戶滿意度為3.8，2010年7月份調查的2007年上半年的客戶滿意度為4.3，比2009年提高了0.5，說明客戶對DHL公司采取的一些改進還是認可的。

同時，根據統計結果顯示：2007年為12.3%；2008年為14.8%；2009年為15%；2010年1～10月為7.8%。可見2010年10月為止客戶流失率還是明顯下降了，說明公司所采取的措施是有效的。

因此，不管是從客戶滿意度還是客戶流失率分析，DHL臺州分公司通過新客戶分類模型的建立以及客戶管理手段的改進，取得了較明顯的效果。

3 結語

對于客戶分類的研究一直以來是企業客戶關系管理研究的重點。雖然本文構建了一種有效的客戶分類模型，但因為客戶的特殊性和復雜性以及客戶行為的難以預測性，都將決定對客戶分類的研究將有一段很長的路要走。例如怎樣建立一個更精確且有效的算法；在其他行業驗證本文得出的結論并豐富其應用范圍，或者細化實證研究的領域，以得到更有針對性的結論等等都是需要進一步研究的課題。

[1]肖鳳,鄭海健,盧闖.基于聚類分析的銀行客戶關系管理策略研究[J].技術經濟,2010(01).

[2]劉希宋,喻登科,李.基于客戶知識的客戶CABOSFV聚類[J].情報雜志,2008(02).

[3]劉希宋,李文慶,喻登科.基于市場營銷離群數據挖掘的客戶分類模型[J].情報雜志,2009(12).

[4]Frederick F R.The loyalty effect: the hidden force be-hind growth, profits, and lasting value[M].Boston,Massachusetts: Harvard Business School Press,1996.

[5]齊佳音,韓新民,李懷祖.一種新的客戶——企業價值評價體系的設計[J].管理工程學報,2002,16(4).

[6]陳明亮.客戶生命周期模式實證研究[J].浙江大學學報(人文社會科學版),2004,32(6).

[7]David Hand,Helkki Mannila,Padhraic Smyth.數據挖掘原理[M].北京:機械工業出版社,2003.