客户价值分析模型

客户价值分析模型

Kotler (2000)认为关系行销的重心要放在如何和最有价值的顾客建立长期并为公司带来利润的关系，而Morgan & Hunt (1994)更明白点出顾客价值已经成为顾客关系行销的核心基础。如同Wyner (1996)所提，顾客价值已经重新诠释了传统行销的活动：把顾客视为一种资产，评估其未来收益以及成本以决定是否进行行销活动。Wyner (1996)更指出，企业80％的销售利润是来自于20％的顾客，而其余20％的销售利润，却花了公司80％的行销费用。由此可知，如何找出具有价值的顾客，对企业的获利来说是多么重要。而根据Kotler & Armstrong (1996) 所下的定义，具有价值的顾客为「一个未来为公司带来的利润大过于公司花在其身上的成本之顾客」。

顾客价值之计算主要是将顾客在未来数年间之消费金额与相对应之产品成本与维持成本加以扣除，再折现以求得出顾客未来数年净贡献的现值。在这样的理论基础之下，发展出了不少顾客价值分析模型。Dwyer (1989)首先定义顾客终生价值为「由顾客面所预期之利润，减去与顾客相关成本的现值」。此外Sewell & Brown (1990)、Hughes (1994)、Kotler (2000)等学者也分别在不同的假设以及定义之下提出了各自对顾客价值的计算公式，不过大都是在特定的假设以及参数之下所提出的例子。而Berger & Nasr (1998)有鉴于此，试图提出一套有系统的模型计算顾客价值，他们针对Jackson (1985)提出的二类顾客之特色加以整理，对该二类型的顾客之终生价值提出了五种类型的模型。而Hughes (1994)所提出之RFM 顾客价值分析模型不同于其它之方法，此模型利用三种指针：最近购买日(Recency)、购买频率(Frequency)及购买金额(Monetary)，以判断顾客的价值，Stone (1995)更在其研究中利用此模型分析信用卡顾客之价值。因为一般企业的顾客交易数据库中都可以萃取出这些信息，因此RFM 模型可以说是目前企业界最常用的顾客价值分析方法之一。

建立顾客购买行为随机模型以描述顾客行为

根据Ehrenberg (1959)及Colombo & Jiang (1999)对顾客行为之机率分配假设，建立顾客购买行为随机模型，以描述顾客的购买行为。

建构结合RFM 模型及马可夫链的顾客价值分析模型

根据顾客购买行为的改变为马可夫链随机过程，并利用Hughes (1994)所提出之RFM 模型定义顾客购买状态。利用贝氏机率推导顾客购买状态移转机率，根据顾客行为随机模型计算各购买状态下之预期利润进行顾客利润矩阵之估计，最后结合顾客购买状态移转矩阵及利润矩阵，进行顾客价值估计。

进行顾客价值分析模型的数据实证及比较

利用某企业之实际顾客交易数据，进行本顾客价值分析模型之数据实证，并将分析结果和目前业界常用之顾客价值预测方法进行比较。

微积分公司采用的顾客价值分析模型，主要结合顾客购买行为随机模型、马可夫链、RFM 模型及贝氏机率此四个理论或模型所发展而成。首先，建立顾客购买行为随机模型，并根据顾客之历史交易数据估计模型假设中之先验分配参数。此外，利用马可夫链描述顾客购买行为，并且根据Hughes (1994)所提出之RFM 顾客价值分析模型，定义马可夫链中之不同顾客购买行为状态，以建构顾客购买状态之马可夫链移转矩阵及利润矩阵。而最主要的贡献为：根据贝氏机率推导顾客在已观察到前期购买行为状态时，其下期购买行为状态之事后机率分配，并以之估计顾客购买状态移转矩阵之移转机率。此外，依据顾客购买行为随机模型之行为机率分配假设，估计顾客于不同购买状态下之预期贡献利润，以建立利润矩阵。最后，结合顾客购买状态移转矩阵以及顾客利润矩阵进行顾客价值之分析。

购买行为随机模型之假设

本购买行为随机模型建立方式主要为设立六个顾客购买行为之假设，利用此六大假设描述顾客购买行为以建 构此随机模型。本随机模型结合 Ehrenberg (1959)所提出之负二项分配模型及 Colombo & Jiang (1999)提出之 Gamma-Gamma 混合型模型，设立顾客每期购买频率及购买金额之机率分配假设，并利用 Gamma 分配捕捉顾客 之异质性，以描述顾客之购买行为。

假设一：

假设顾客购买频率和购买金额两个不同的行为维度是互相独立，不具有相关性。因此这两个行为机率函数的 参数互相独立。

假设二：

假设顾客的购买状态移转行为符合马可夫链的假设，这表示顾客下一期购买状态发生的机率只和上一期的购 买状态有关。

假设三：

假设个别顾客购买频率 f 为卜松分配(Poisson Distribution)： f

P [F = f λ ]

= e

?λ λ

λ > 0 (1)

f f !

公式(1)表示，在单位时间平均购买次数为 λ 之下，单位时间内购买次数为 f 的机率。 假设四：

因为考虑顾客的异质性，故假设个别顾客单位时间平均购买次数 λ 服从 Gamma 分配：

α w

g λ (λ | w , α ) = w ?1 ?αλ ) λ e

w > 0, α > 0

(2)

( Γ w 假设五：

假设个别顾客发生购买行为之各期平均单次购买金额为 Gamma 分配，因为购买金额不可能为负，不适合用 常态分配来捕捉，因此依据 Colombo & Jiang (1999)之假设，采用更具有弹性、并且符合购买金额不为负之特性 的 Gamma 分配： u

θ m u ?1e ?θm g (m | u ,θ ) = u > 0,θ > 0 (3)

m

Γ(u )

公式(3)中， m 代表各期平均单次购买金额。

假设六：

依据 Colombo & Jiang (1999)之假设，由于顾客各期平均单次购买金额服从之 Gamma 分配的平均值为 u / θ ， 为了考虑顾客的异质性，假设此 Gamma 分配的平均值 u / θ 随着不同顾客而变动，因此，将 u 定义为常数值，利 用 θ 捕捉每位顾客购买金额行为之不同，假设顾客平均单次购买金额的 Gamma 分配之参数 θ 符合另一个 Gamma 分配：

v

φ

θ v ?1e ?φθ g (θ | v , φ ) = v > 0, φ > 0 (4)

θ

Γ(v ) 首先根据假设三和假设四可以推导出顾客购买频率的机率为负二项分配(Ehrenberg, 1959)：

P NBD [F = f | α , w ] Γ(w + f ) ?? w

? f

? (5)

α 1 = ? ? ? ? Γ(w ) f ! ? α + 1 ? ? α + 1

根据假设五和假设六可以推导出顾客各期平均单次购买金额的机率密度函数为 Gamma-Gamma 混合型函数 (Colombo & Jiang, 1999)： g G ?G (m | u , v ,φ )

u

v

(6)

Γ(u + v ) ? m ? ? φ ? 1 =

? ? ? ? Γ(u )Γ(v ) φ + m

φ + m m ? ? ?

? 顾客购买状态移转矩阵之定义

于本节中将利用 Hughes (1994)所提出之 RFM 模型定义顾客购买状态之马可夫链移转矩阵。

定义顾客购买状态

依据 RFM 模型定义马可夫链移转矩阵的顾客购买状态，依此假设建立顾客状态如下：R 为 0 到 r 种状态、F 为 1 到 f 种状态、M 为 1 到 m 种状态，其中 R 表示自最近发生购买行为之一期计起，距现在已有几期没有购买行 为的发生。举例说明，如果顾客第一期有购买行为，那在第二期初及第一期末的 R 为 0，假使顾客在第四期有购 买，但是第五期没有购买，那在第六期初及第五期末的 R 为 1。此外，F 与 M 为顾客最近一期发生购买行为时的 购买频率和平均单次购买金额状态，此处的购买频率为单期内之总购买次数。此外当顾客最近购买期间 R 的状态 为 r +1，表示至少已有 r +1 期以上未再交易，于是判断其为已流失的顾客，并且不会再移转到其它状态，故称 R=r +1 时为吸收状态(Absorbing State)。因此在这样的假设下，当顾客上一期状态为 R=r +1 时，此顾客下一期移转到状 态 R=r +1 的机率为 1，而移转到其它状态机率将会为 0。于吸收状态(r +1)该如何决定？根据 Schmittlein & Morrison (1985)及 Colombo & Jiang (1999)所提出的方法，在公式(1)的假设下，一个顾客在平均购买次数为 λ 下，观察到 上一个购买发生后已经过了 r 期没购买的机率为 e ? λ r 。因此可根据公式(1)及(2)推导出任意一个顾客发生单期购 买 f 次的行为之后，结果有 r 期没购买的机率密度函数为(见附录 A)：

w + f

α + 1 ? ? z (r | f ) = ?

(7)

?

? α + 1 + r 根据公式(7)，如果有 r 期以上没购买之机率小于某门坎值(Threshold)时，即可判断此顾客可能已流失，因此 可利用此公式作为决定吸收状态的理论基础，但是在实务上，其实可以凭借历史资料的情况以及需求预测部门对 其顾客行为之经验，直接决定适当的 r 值作为吸收状态。因此顾客状态共有 (r + 1) × f × m + 1 种情形。

购买状态之移转情形

图 2 为顾客购买状态移转情形，P （ijk,lmn ）代表当顾客这期的购买状态(R,F,M)为(i,j,k )时，下一期会移转到状态为

(l,m,n )的机率。举例说明状态移转情形：假设本期顾客曾购买商品，其在本期末或下期初之状态为(R,F,M)＝(0,X,Y )， 如果顾客在下一期有购买产品，而且其购买频率为 I 、平均单次购买金额状态为 J ，则顾客下期末及下下期初的状 态由(0,X,Y )移转到(0,I,J )。假使顾客在下一期没有购买，则其状态由(0,X,Y )移转到(1,X,Y )。

建立购买状态移转矩阵

依照前一小节所述之顾客购买状态移转情形，可以得知，假设顾客前一期之购买状态为(R,F,M)＝(Z,X,Y )，当 顾客下一期发生购买行为时，其可能移转之购买状态必为 R=0 之购买状态其中之一，如果顾客下一期没有发生购 买行为，则其必移转至(R,F,M)＝(Z +1,X,Y )之购买状态。图 3 即为顾客前后期之可能移转情形。因此可以定义顾客 购买状态的移转矩阵为 (r + 1) × f × m + 1 行乘以 (r + 1) × f × m + 1 列的矩阵。

根据贝氏机率推导状态移转机率

由于假设顾客购买频率(F)和购买金额(M)独立，故先分开讨论其个别移转机率，再结合两者计算顾客之 RFM 购买状态移转机率，并讨论特殊情境下之状态移转机率。

推导购买频率状态移转机率

根据贝氏机率及公式(1)与(2)，在观察到已发生之购买频率状态 R= r 1 和 F= f 1 时，购买频率机率分配的参数 λ 之事后机率密度函数如下(见附录 B)：

ρ λ (λ | r 1 , f 1 )

(1 + r 1 + α ) f 1 + w

λ f 1 + w ?1 ?λ (1+ r 1 +α )

=

e (8)

Γ( f + w )

1 = g λ (λ | f 1 + w , 1 + r 1 + α )

根据公式(1)及(8)，则可以推导出当移转矩阵中起始状态为 R= r 1 和 F= f 1 时，则下一期购买频率之事后机率如 下(见附录 C)：

f f ( f 2 | f 1 , r 1 ) (1 + r + α ) f 1 + w

(9)

Γ( f + f + w ) =

1 2 1

(2 + r + α ) f 2 + f 1 + w

Γ( f 1 + w ) f 2 ! 1 根据公式(9)，可利用顾客购买频率状态之移转机率同时定义最近购买期间状态之移转机率：假设当移转矩阵 中起始状态为 R= r 1 和 F= f 1 时，下一期会移转到 (r , f ) = (0, f 2 ) 的机率为 f f ( f 2 | f 1 , r 1 ) ，此时 f 2 > 0 ，表示下一期 顾客发生购买行为；而当下一期顾客没有发生购买行为时，顾客移转到 (r , f ) = (r 1 + 1, f 1 ) 的机率为 f f (0 | f 1 , r 1 ) 。

推导购买金额状态移转机率

根据贝氏机率以及公式(3)、(4)和(6)，在观察到已发生之购买金额为 m 1 时，购买金额机率分配的参数θ 之事后 机率密度函数如公式(10)。

g m

(m 1 | θ ) g θ (θ ) ρθ (θ | m 1 ) = g G ?G (m 1 )

(φ + m 1 ) =

u + v

θ u +v ?1 ?θ (m +φ ) e (10)

1 Γ(u + v )

= g θ (θ | u + v , φ + m 1 )

根据公式(3)和(10)，可推导当观察到购买金额为 m 1 时，下一期购买金额之事后机率密度函数如下：

f m (m | m 1 )

∞

= ∫ g m (m | θ )ρθ (θ | m 1 )d θ

(11)

m u ?1 (φ + m

)u + v

Γ(2u + v ) 1 =

Γ(u )Γ(u + v )(m + m + φ ) 2u + v 1 但因购买金额为连续性之变量，所以其每一个状态应定义为某个范围。因此，为了估计购买金额状态移转机率， 根据公式(6)及公式(10)推导当观察到顾客前期之购买金额 m 1 属于某一购买金额状态时(假设此购买金额状态范围

为： a 1 < m 1 < b 1 )，下一期购买金额之事后机率密度函数如公式(12)。

f m (m | a 1 < m 1 < b 1 ) P (m ) ∩ P (a < m < b ) =

1 1 1 P (a 1 < m 1 < b 1 )

m u ?1 (φ + m ) u +v Γ(2u + v ) b 1 ∫

1

W d m 1

a 1 Γ(u )Γ(u + v )(m + m + φ ) 2u +v

1

(12)

=

b 1 Γ(u + v ) ? m ? u

? φ 1 v

? ? ? ?? dm ∫

a 1 Γ(u )Γ(v ) ? + m ? ?

+ m ? m ? ? ? Γ(u + v ) ? m u ? ? v ? 1 ? φ ? 1

? W = ? ? ? ? ? Γ(u )Γ(v ) ? φ + m ? φ + m m ? ? ? ? 1 ? ? 1 ? 1 ?

?

根据公式(12)即可推导购买金额状态移转机率，假设当观察到顾客前期购买金额状态为 a 1 < m 1 < b 1 时，则此

顾客下一期购买金额 m 2 移转至某一购买金额状态(假设此购买金额状态范围为： a 2 < m 2 < b 2 )的事后机率如下： f m (a 2 < m 2 < b 2 | a 1 < m 1 < b 1 ) b 2

= ∫ f m (m 2 | a 1 < m 1 < b 1 )dm 2

a 2 (13)

推导完整顾客购买状态移转机率

根据购买频率和金额的状态移转机率，以及顾客的购买频率和金额独立之假设，可推导出顾客 RFM 状态之移 转机率如公式(14)

f r , f ,m (r 1 + 1, f 1 , a 1 < m 1 < b 1 | r 1 , f 1 , a 1 < m 1 < b 1 ) (14)

= f f (0 | f 1 , r 1 )

公式 (14) 表 示当顾客下 一期没有发 生购买行为 时之购买状 态移转机率 ，顾客购买 状态从 (R,F,M)= (r 1 , f 1 , a 1 < m 1 < b 1 ) 移至( r 1 + 1, f 1 , a 1 < m 1 < b 1 )。 同理可推导当顾客下一

期发生购买行为时之购买状态移转机率如下： f r , f , m (0, f 2 , a 2 < m 2 < b 2 | r 1 , f 1 , a 1 < m 1 < b 1 ) (15)

= f f ( f 2 | f 1 , r 1 ) f m (a 2 < m 2 < b 2 | a 1 < m 1 < b 1 ) f 2 > 0

公式(15)表示当顾客购买状态从(R,F,M)= ( r 1 , f 1 , a 1 < m 1 < b 1 ) 移转至 ( 0, f 2 , a 2 < m 2 < b 2 )时之机率。

推导特殊之购买频率移转机率

此外，在定义购买频率状态时，必须考虑到最后一个购买频率的状态要如何定义。如果将最后一个状态定义为 某一购买频率 f ，此即表示假设顾客的购买频率之最大值为 f ，此为不合理的假设，因此中将购买频率最后一个状 态 f 定义为：购买频率 ≥ f 。至于如何决定 f 之值可利用公式(5)计算顾客购买频率 ≥ f 的机率，并参考实际数据 分布的情况。由此可决定 f 的大小，使得顾客购买频率 ≥ f 的机率小于某一个门坎，如此一来即可有效减少估计 上的误差。而根据公式(8)及(9)，此购买频率状态移转至其它状态之机率如公式(16)。

∞

∑ f 1= f f f ( f 2 | r 1, f 1 ) f r , f (r 1, f 1 )

∞ P ( f 2 , r 1, f 1 ≥ f ) f f ( f 2 | r 1, f 1 ≥ f ) = = P (r , f ≥ f ) 1 1 ∑ f 1= f

f r , f (r 1, f 1 )

f +w ? w ? 1 ∞ (1 + r 1 + α ) Γ( f 2 + f 1 + w ) α Γ( f 1 + w ) (16)

? ? ∑ ?

f + f +w f +w ? f 1= f ?? Γ( f 1 + w ) f 2 !(2 + r 1

+ 2 1 1 Γ(w ) f 1!(1 + r 1 + α ) ?? =

? ? ? w α Γ( f 1 + w ) ∞ ? ∑ ? ? f 1= f ?? Γ(w ) f 1!(1 + r 1 + 1

?

?

图 2：状态移转情形

1

图 3 顾客购买状态前后期之移转情形

圖 4 : 移轉矩陣

?

P P (011,012)

P (012,012) P (013,012) P (014,012)

M P (111,012)

M

P (211,012) M P (011,013) P (012,013) P (013,013) P (014,013)

M P (111,013)

M

P (211,013) M P (011,014) P (012,014) P (013,014) P (014,014)

M P (111,014)

M

P (211,014) M P (011,0 fm ) P (012,0 fm ) P (013,0 fm ) P (014,0 fm ) M P (111,0 fm ) M P (211,0 fm ) M

P (011,111) 0 0 0 M 0 M 0 M 0 0

0 P (012,112) 0 0

M

0 M

0 M 0 0

0 0 0 M 0 M 0 M 0 0

0 0

0 0 M 0 M 0 M ?

? ? ?

? ? ?

? ? ?

? ?

? ? L L L L L L L L

L

L L L L L L L L L L L L L ? ?

P (012,011)

?P (013,011) ?

?P (014,011) ? M ? P = ? P ? M

? ?

P (211,011) ?

M ? ? ?

P P P P P (rfm ,011) 0 (rfm ,012) 0 (rfm ,013) 0 (rfm ,014) 0 (rfm ,0 fm )

(rfm ,r +1) ?

?

?

?

1 ??

此情形下之移转机率为：

P （ZXY,(Z +1)XY ）

此情形下之移转机率为：

P （ZXY,0IJ ）

根据公式(16)可估计从购买频率状态 (r 1 , f 1 ≥ f ) 移转到其它购买频率状态的机率，因此从 (r 1 , f 1 ≥ f ) 移转到 (0, f 2 ≥ f ) 的机率如公式(17)。 f f ( f 2 ≥ f | r 1 , f 1 ≥ f ) (17)

∞

= f f ( f 2 | r 1 , f 1 ≥ f )

∑ f 2 = f 而从其它购买频率状态 (r 1 , f 1 ) 移转到最后一个购买频率状态 (0, f 2 ≥ f ) 的机率如下： ∞

f f ( f 2 ≥ f | r 1 , f 1 ) = f f ( f 2 | r 1 , f 1 )

(18)

∑ f 2 = f 利润矩阵－定义利润矩阵

利润矩阵即为不同购买状态下之顾客对企业的平均利润贡献所构成之矩阵。例如，当顾客的 购买状态为(0,1,1)时，对于企业的利润贡献如公式(19)。

G (0,1,1) = g (0,1,1) × Q (0,1,1) ? C (0,1,1) (19) 其中

G (0,1,1) :代表此种状态下，顾客的利润贡献额 g :为此一顾客的购买频率，此例子中其值为 1 Q (0,1,1) :为此一购买金额状态的平均单次购买金额 C (0,1,1) :代表花费在此名顾客的行销成本

因此相对应于移转矩阵的[ (r + 1) × f × m + 1 ]列乘以利润矩阵 G 可以建立如公式(20)。 ?E [

g Q ? C (0,1,1) ]

(0,1,1) (0,1,1) ? ? ? ?

?

?E [g Q

? C (0,1,2)

]

(0,1,2) (0,1,2) ? ? ? M ? ?E [g Q ? C (0, f ,m ?1) ]

?

(0, f ,m ?1)

(0, f ,m ?1) ? G =?

?

? ?

? ?

? ?E [

g Q ? C (0, f ,m ) ]

(0, f ,m ) (0, f ,m ) (20)

? ? ? ? ? C (1,1,1) M ? ? ? C (r +1) ?

?

其中

g ( X ,Y ,Z ) 代表顾客的购买频率

Q ( X ,Y ,Z ) 代表各种购买状态下顾客平均单次购买金额

C ( X ,Y ,Z ) 代表各种购买状态下企业对该名顾客的行销成本 E [ ]代表期望值

利润矩阵中，每一列的值代表各购买状态下顾客之预期利润，由公式(3)可知，当购买状态 R 等于 0 时，表示顾客发生购买行为，因此有利润产生，而当 R 不等于 0 时，表示顾客没有发生 购买行为，故预期利润贡献为 0。

估计利润矩阵

根据购买行为随机模型以及公式(6)，可以推导出利润矩阵中各购买金额状态下之平均单次购

买金额的期望值如公式(21)。 E (Q (0, f 1,a 1

? ? ? ? ? ?

?

1 ? = ? ? ? × (21) u v b ? ? 1 Γ(u + v ) ? m ? ? φ ? =1 ? ? ? ? ∫ Γ(u )Γ(v ) ? φ + m ? ? φ + ?dm m ? ? ? ? ? ? ? ? a ? ? u v ? ? Γ(u + v ) ? m 1 * ? ? φ ? ? 1 m 1 dm ? ? ? Γ(u )Γ(v ) φ + m φ + m m ? ? ? ∫ 1 ? a 1 1 ? ?

? 1 ? ? 1 ? 1 但是于估计购买金额之最后一个状态时，因为此状态定义为大于某个金额，因此在估计其期 望值时，把公式(21)中的 b 1 以过去资料里每期平均单次购买金额之最大值代入，而不是以无限大 ( ∞ )，因为如以 b 1 = ∞ 代入公式(21)，其结果将会发散或造成严重高估的现象。

根据公式(5)可估计最后一个购买频率状态的购买频率之期望值公式如(22)。 E [g ]

(0, f 1≥ f ,m 1 )

w

? ? f 1

? Γ(w + f ) ? α 1 f 1 * 1 ?? ? ? (22) Γ(w ) f 1! ? + 1 ? ? +

∞ ∑ f 1 = f = w f ?

2 Γ(w + f 2 ) ?α ∞ ∑ f 2 = f ? ? 1 ? ? ?

Γ(w ) f 2 ! ? α + 1 ? ? α + 1

以过去数据里每期购买频率之最大值代替公式(22)中的无限大( ∞ )。不同的是，根据实际资 料的验证，发现在购买频率的情形里，不论是以每期频率之最大值或是无限大( ∞ )代入公式(22)， 其结果非常接近。

顾客价值的计算

根据顾客状态移转矩阵以及利润矩阵，可以计算出各种状态下之顾客在未来的每一期中对 于企业的利润贡献，此外，计算顾客价值可以分以下两种计算方式： 在有限期间内计算顾客

价值

以有限期间来计算顾客价值的计算公式如(23)。 = ∑ [(1 + d )?1

P ]

G

t

T

V T

(23)

t =1 V T 为顾客在未来 T 期所创造的价值 P 为顾客移转矩阵 G 代表利润矩阵 d 代表折现率

t 为顾客购买期间距今的期数

在无限期间下计算顾客价值

以无限期来计算顾客价值如下：

V ≡ lim V T

T →∞

t

= ∑ [(1 + d )?1

P ]

G

∞

t =1

= [(1 + d )?1

P ][I - (1 + d )?1

P

]

?1

G

其中

V 为顾客未来所创造的总价值 P 为顾客移转矩阵 G 代表利润矩阵 d 代表折现率 I 为单位矩阵

t 为顾客购买期间距今的期数

参数估计

本小节的重点在如何估计购买行为随机模型里的机率分配参数，这对于估计顾客价值而言是 非常重要的一环，因为不论是移转矩阵的估计和利润矩阵的估计都是根据购买行为随机模型里的 参数计算而得。

估计购买频率之机率分配参数

根据所建立之模型，购买频率所要估计的参数为α 和 w ，这两个参数为个别顾客之平均每 期购买频率 λ 的先验分配参数，以最大概似法(Maximum Likelihood Method)估计α 和 w 。 假设共有 n 名顾客，每一名顾客的平均购买频率为 λi (i = 1,2...n ) 。则对数之最大概似函数 (Log-Likelihood Function)如公式(25)。 n

LL (α , w | λ1 , λ2 ,..., λn ) = ∑ ln[g λ (λ1 | α , w )]

i =1 根据公式(25)，即可利用最大概似法求出 α 和 w 之最大概似估计值(Maximum Likelihood Estimate)，得到 λ 之先验分配参数。

估计购买金额之机率分配参数

购买金额所要估计之先验分配参数有 u , v , φ 三个，如同 Colombo & Jiang (1999)所提出的参 数估计方法，以最大概似法估计 u , v , φ 。假设共有 n 名顾客，且每一个顾客有发生购买行为之期 数为 h k (k = 1,2,..., n ) ，另外每一名顾客于有发生购买行为之期别，其单期之平均单次购买金额为 m i , j (i = 1,2,..., n , j = 1,2,..., h i ) ，其中 i 表示是那一个顾客，j 表示是那一个期别。则对数之最大 概似函数(Log-Likelihood Function)如公式(26)。

LL (u , v , φ | m i , j )

(26)

h i n = ∑ ∑ ln[g G ?G (m i , j | u , v , φ )]

i =1 j =1

根据公式(26)，即可利用最大概似法求出 u , v , φ 之最大概似估计值，得到购买金额之先验分 配参数。

结合 RFM 模型及马可夫链能够更有效捕捉顾客购买行为的改变，而且透过事先分群可以弥 补同构型模型(Homogeneous Model)在分析顾客具有异质性的资料时之不足，并可对不同购买 状态的顾客进行预测。

沉默用户激活及客户价值分析

2014-7-6 13:54:00 沉默用户激活方案 一、几个基本定义： 1.交易间隔：用户的相邻两笔交易之间的交易间隔时长 2.沉默：最大交易间隔时长远大于某一设定阈值 3.活跃：最大交易间隔时长远小于某一设定阈值 4.排秩、秩次：对集合内的值排序，排序后所在的位置即为秩次 5.秩次比：所在秩次占集合元素总数的比值 6.沉默得分：用户沉默的程度得分，用来差异化细分沉默用户群 二、基本分析思路： 1．计算出单个用户的每次交易间隔，以此为基本数据原料进入下一步分析； 2.定义沉默用户的最大交易间隔阈值，以此为标尺，测量各个用户距离沉默的远近及可 能性； 3.计算沉默用户的沉默得分，划分沉默用户等级； 三、计算流程： 1.计算每个用户的历史交易频率F的间隔时长Ti＝｛T2-T1,T3-T2,…,Tn-Tn-1｝ 2.计算每个用户的最后一笔交易距今时长Tr=Today-Recently 3.对集合｛Ti｝及Tr进行排秩，并输出对应秩次{RankT1,RankT2,…,RankTr,…,RankTn} 4．将Tr所在秩次除以该用户总交易次数cF，得出秩次比TrF； ｀算法解释：以用户历史最大沉默间隔为参考，若Tr接近Max{Ti}，则表示该用户已 接近沉默边缘，并极有可能转入沉默状态，反之接近活跃。 活跃0 1 沉默 此处求百分比的目的为：将实际问题数字化，并以量化方式呈现： 若最近一笔消费距今时长排秩比： 等于1，则表示该用户已进入沉默状态； 若接近1，则表示用户靠近沉默边缘； 在0到1之间，表示用户未表现出明显即将进入沉默状态信号； 若接近0，则表示用户靠近活跃状态； 5.将Tr除以Max{Ti}，求得用户沉默得分S； ｀算法解释：以用户历史最大沉默间隔为参考，以数值方式衡量沉默程度： 以得分＝1为界限： 若得分小于1，则表示用户沉默程度较低，且未完全进入沉默状态； 若得分等于1，则表示用户已进入沉默状态； 若得分大于1，则表示用户已进入沉默状态，且沉默程度为S1－1； 若得分远大于1，则表示用户已进入沉默状态，且沉默度为S2－1（即

RFM客户价值模型

RFM客户价值模型 [编辑] RFM模型的内容 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标： ?最近一次消费(Recency) ?消费频率(Frequency) ?消费金额(Monetary) [编辑] 最近一次消费

最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。 理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6个月的顾客收到营销人员的沟通信息多于31至36个月的顾客。 最近一次消费的过程是持续变动的。在顾客距上一次购买时间满一个月之后，在数据库里就成为最近一次消费为两个月的客户。反之，同一天，最近一次消费为3个月前的客户作了其下一次的购买，他就成为最近一次消费为一天前的顾客，也就有可能在很短的期间内就收到新的折价信息。 最近一次消费的功能不仅在于提供的促销信息而已，营销人员的最近一次消费报告可以监督事业的健全度。优秀的营销人员会定期查看最近一次消费分析，以掌握趋势。月报告如果显示上一次购买很近的客户，(最近一次消费为1个月)人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次消费为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。 最近一次消费报告是维系顾客的一个重要指标。最近才买你的商品、服务或是光顾你商店的消费者，是最有可能再向你购买东西的顾客。再则，要吸引一个几个月前才上门的顾客购买，比吸引一个一年多以前来过的顾客要容易得多。营销人员如接受这种强有力的营销哲学——与顾客建立长期的关系而不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。 [编辑]

顾客价值的理论模型

顾客价值的理论模型 一、4Cs理论 4Cs理论注重以顾客需求为导向，注重顾客的价值需求，与站在生产者角度上的4PS相比有很大的进步。包括顾客、成本、便利和沟通四个方面。顾客：消费者是企业一切经营活动的核心，企业重视顾客要甚于重视产品；成本：消费者可接受的价格是企业制定生产成本的决定因素，企业应首先了解消费者满足需要与欲望愿意付出多少成本，而不是先给产品定价。便利：方便顾客，维护顾客利益，为顾客提供全方位的服务，便利原则应贯彻于产品售前、售中、售后的营销全过程。沟通：用沟通取代促销，强调企业应重视与顾客的双向沟通，以积极的方式适应顾客的情感，建立基于共同利益上的新型企业——顾客关系。 二、可感知价值理论 在企业为顾客设计、创造、提供价值时应该从顾客导向出发，把顾客对价值的感知作为决定因素。顾客价值是有顾客而不是供应企业决定的。感知价值是主观的，随顾客的不同而不同。 顾客感知价值就是将顾客所能感知到的利益与其在获取产品或服务时所付出的成本进行权衡后，对产品或服务效用的总体评价。 三、动态顾客价值理论 顾客价值也可能因适用环境的不同而有所差异，顾客在不同时间对价值的评估也可能有所不同。即不同顾客可能有不同的价值感知，而同一顾客在不同时刻也会有不同的价值感知，即顾客价值具有明显的层次性和动态性。 四、顾客让渡价值理论 顾客让渡价值是指顾客总价值与顾客总成本之差。顾客的总价值包括产品价值、服务价值、人员价值和形象价值等，顾客总成本包括货币成本、时间成本、精神成本和体力成本。由于顾客在购买产品时，总希望把成本降到最低限度，而同时又希望从中获得更多的实际利益，以使自己的需要得到最大限度的满足。企业为了在竞争中战胜竞争对手，吸引更多的潜在客户，就必须以满足顾客的需要为出发点，或增加顾客所得利益，或减少顾客消费成本，或两者同时进行，从而向顾客提供比竞争对手具有更多顾客让渡价值的产品，这样才能使自己的产品引起顾客的注意，进而使其购买企业的产品。 五、顾客价值过程理论 在紧密的关系中，顾客可能会将重点从独立的提供物转向评价作为整体的关系。如果关系被认为有足够价值的话，即使产品或服务不是最好的，参与交换的各方可能仍然会达成协议。六Jeanke 、Ron、Onno 的顾客价值模型 Jeanke、Ron、Onno 的模型从供应商和顾客两个角度,描述了随着业务发展,价值从一个模糊的概念到市场上的具体产品的整个过程。对供应商而言,供应商的依据的是他所感觉到的顾客需求以及企业本身的战略、能力和资源,形成“想提供的价值”的概念。由于企业条件或产品开发与市场脱节等原因,企业以“想提供的价值”为基础,设计出以具体产品或服务为载体的“设计价值”,两者之间存在“设计差距”。对顾客而言,顾客从自身角度出发希望获得的是“想要得到的价值”。由于供应商与顾客之间存在对于顾客需求的不对称信息,或是企业在顾客需求调查过程中,过多地掺杂了企业自身的思想,对顾客需求的分析未必客观准确,所以“想提供的价值”与顾客“想得到的价值”之间存在“信息差距”。顾客的主观性价值感知,使“期望价值”与设计价值间出现“感知差距”。当顾客使用产品后,所“得到的价值”

顾客终身价值

顾客终身价值 顾客终身价值简介 “顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。 每个客户的价值都由三部分构成：历史价值(到目前为止已经实现了的顾客价值)、当前价值(如果顾客当前行为模式不发生改变的话，将来会给公司带来的顾客价值)和潜在价值(如果公司通过有效的交叉销售可以调动顾客购买积极性，或促使顾客向别人推荐产品和服务等，从而可能增加的顾客价值)。 顾客生涯价值的三维结构 品牌管理的中心目标，就是通过占据顾客的心智空间，提高顾客的生涯价值。从狭义来理解，顾客生涯价值（Customer Lifetime Value——CLV）是指一个顾客在与公司保持关系的整个期间内所产生的现金流经过折现后的累积和。从广义来理解，顾客生涯价值是指所有顾客终身价值折现值的总和。企业在品牌管理过程中必须从广义的角度来把握顾客生涯价值。 事实上，顾客生涯价值不是一个单维的矢量。它是一个立体的概念，具有三维结构。 一是顾客维持时间维度。企业通过维持与顾客的长期关系，建立高的顾客维持率，从而获得较高的顾客生涯价值； 二是顾客份额（Customer Share）维度，是指一个企业所提供的产品或服务占某个顾客总消费支出的百分比。要获得最大的顾客生涯价值，不仅需要有高的顾客维持率，更要有高的顾客份额。顾客份额应该是衡量顾客生涯价值的一个重要指标； 三是顾客范围维度。显然企业总的顾客生涯价值的大小与它的顾客范围直接相关。从顾客范围维度出发，要求企业必须清楚它的现有顾客是谁，同时注意开拓潜在顾客①。 分析顾客终生价值的主要步骤 1.收集顾客资料和数据 公司需要收集的基本数据包括个人信息(年龄、婚姻、性别、收入、职业等)、住址信息(区号、房屋类型、拥有者等)、生活方式(爱好、产品使用情况等)、态度(对风险、产品和服务的态度，将来购买或推荐的可能)、地区(经济、气候、风俗、历史等)、客户行为方式(购买渠道、更新、

客户关系管理-课后习题答案

第一章 2. 谈谈你对客户关系管理定义的理解及认识。 答：（一）.从战略说上看，客户关系管理CRM是代表怎经盈利、收入和客户满意度而设计的企业范围的商业战略。 战略说对CRM的定义侧重点在于强调CRM是一种商业战略而不是一套系统，涉及的是整个企业而不是一个部门，它战略的目标是增进赢利，销售收入和提升客户满意度。策略说认为客户关系管理是为了给企业提供全方位的管理视角，赋予企业更完善的客户交流能力，使客户的收益最大化。 （二）.从策略说上看，客户关系管理CRM是企业的一项商业策略，它按照客户细分情况有效企业资源，培养以客户为中心的经营行为，实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力、收入以及客户的满意度。 策略说这个定义是在战术角度上老阐述的，认为CRM是一种基于企业发展战略上的经营策略，这种经营策略是以客户为中心的，不再是产品导向而是客户需求导向，CRM实现的是重新设计业务流程，对企业进行业务流程重组，这一切都是以客户为中心，以信息技术为手段的。 （三）.客户关系管理(CRM)是一个不断加强与顾客交流，不断了解顾客需求，并不断对产品及服务进行改进和提高以满足顾客的需求的连续的过程。 其内含是企业利用信息技术（IT）和互联网技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现。客户关系管理注重的是与客户的交流，企业的经营是以客户为中心，而不是传统的以产品或以市场为中心。为方便与客户的沟通，客户关系管理可以为客户提供多种交流的渠道。 （四）.综合来看企业用CRM来管理与客户之间的关系，CRM是一个获取、保持和增加可获利客户的方法和过程。CRM是选择和管理有价值客户及其关系的一种商业策略，CRM要求以客户为中心的商业哲学和企业文化来支持有效的市场营销、销售与服务流程。如果企业拥有正确的领导、策略和企业文化，CRM应用将为企业实现有效的客户关系管理。 CRM 既是一种崭新的、国际领先的、以客户为中心的企业管理理论、商业理念和商业运作模式，也是一种以信息技术为手段、有效提高企业收益、客户满意度、雇员生产力的具体软件和实现方法。 3.客户关系管理对企业有哪些积极地作用？试举例说明。 答：1提高市场营销效果。2为生产研发提供决策支持。3提供技术支持的重要手段。4为财务金融策略提供决策支持。5为适时调整内部管理提供依据。6使企业的资源得到合理利用。7优化企业业务流程。8提高企业的快速响应和应变能力。9改善企业服务提高客户满意度。10提高企业销售收入。11推动了企业文化的变革。 4.通常有哪些CRM研究视角？如何理解CRM研究的分类？ 答：1基于信息技术的研究是客户关系管理研究的一个重要视角。2组织与管理研究领域的学者从组织结构企业文化战略管理核心竞争力等角度研究客户关系管理。3从营销学和心理学出发研究顾客满意顾客忠诚顾客抱怨等，以后又延伸到服务质量的控制等，这又是客户关系管理研究的一个重要视角。4还有一些学者主要把客户关系作为一种资产来进行研究，即从资产增值的角度研究客户关系管理。 在CRM的研究过程中具有以下现象：1探索性的调查占据了研究的统治地位，很多学

顾客价值分析模型

顾客价值分析模型 管研00 郑立明 摘要：在前人有关顾客价值研究的基础上，本文首次提出设计价值和顾客决策价值等新概念，区分顾客期望价值和顾客感知价值的不同含义，构建一个动态的顾客价值分析模型，并分析它所包含的基本关系。最后给出计算顾客感知价值的一个实例。 关键词：设计价值顾客决策价值顾客价值模型 1 顾客价值含义的简要回顾 P·Kotler（1994）提出顾客让渡价值（Customer Delivered Value），它指的是总顾客价值与总顾客成本之差。总顾客价值就是顾客从某一特定产品或服务中获得的一系列利益，它包括产品价值、服务价值、人员价值、形象价值；而总顾客成本是在评估、获得和使用该产品或服务时而引起的顾客预计费用，它包括货币成本、时间成本、体力成本、精力成本［1］。 …… 在前人研究的基础上，本文将提出“设计价值”和“顾客决策价值”两个新概念，并进一步分析和界定顾客价值的其他相关概念，据此建立起一个动态的顾客价值分析模型。 2 顾客价值分析中的一些基本概念 2.1 顾客期望价值（Customer Expecting Value，CEV） 顾客期望价值（CEV），反映顾客在特定的环境和时空条件下，对于某种产品或服务的主观需求状态，是一种有待实现和期待满足的需求量；或者指：在消费之前顾客对已经存在的某种产品或服务的预先感知的价值量，因而也可以是一种实在的估计值。 …… 当今的顾客比以往掌握更多的知识、信息与技能，也更热衷于学习与创新尝试，在日趋宽泛的产品选择中享有愈来愈多的主动权，随着交易的重复和消费经验的积累，顾客对于产品和服务的期望价值也越来越高。因此，如顾客价值模型所示，顾客期望价值曲线（CEV）在长期中呈逐渐上升之势。 2.2 设计价值（Designed Value，DV） 本文认为，在顾客价值分析中，有两个最重要的概念：设计价值和顾客感知价值。 设计价值（DV），是在产品或服务供应商的构想中将要提供给顾客的一种效用或价值，或者指供应商根据前期的研发设计已经制造出来的但还需要通过市场传递给消费者的一种效用或价值（即一种还没有实现的价值）。这是从供应厂商角度给出的一种衡量，因此可以看成是一种目的在于满足顾客期望价值的计划供给量或潜在供给量。 …… 2.3 顾客感知价值（Customer Perceived Value，CPV） 顾客感知价值（CPV），也称顾客感知收益，或顾客感知利得，它指顾客在交易中或通过消费实际感觉到的物质收益和精神收益的总和，因此也是一种主观的感受，一个事后的综合评价量。它反映顾客对于包含着质量、品种、价格、服务、信誉、速度等要素的产品或服务的综合满意程度［5～7］。 。。。。。。 3 顾客价值分析模型及其内涵 在明晰以上几个基本概念基础上，本文提出一个动态的顾客价值分析模型（得自张中科的“成本、价格和客户价值的动态关系”图形的启发［9］）。选取两个时刻T1和T2，来分析顾客价值发展变化的情况。为便于理解和直观比较，顾客决策价值（DCV）在图形中有一个时间提前量。

顾客终身价值与新老顾客成本

顾客终身价值与新老顾客成本 所谓顾客终身价值，也就是平均每个顾客终其一身能为公司带来的价值，其基本计算方式为年顾客购买次数，例如10次； 每次的购买金额，例如100元； 公司的利润率（指毛利，因为运营费用为边际成本），咱们乐观一些，例如20%； 顾客平均购买年限，因为我们主要说的是电子商务公司，未来是那么的不可知，假设为3年吧； 那么，顾客的终身价值就是10×100×20%×3=600元 接下来，就可以进行分解了，我们假设，公司想在每个顾客上赚的净利是300元，然后，各种运营费用是100元（这里包括房租啊、人员的工资啊、水费电费啊等等）； 如此算来，就可以用600-300-100=200元，这200元就是用于顾客营销的费用了； 一般来说，我们通常认为发展一个新顾客的成本是让老顾客重新购物的成本的6倍（这是个参考数据，实际上不一定完全准确），那么： 这个顾客3年内购物累计30次，其中作为新顾客购物1次，因为费用是老顾客购物1次的6倍；所以需要×6； 作为老顾客他购物29次； 接下来 200（营销费用）/{（1×6）+29}=5.7元，那就是说，5.7元，是引导老顾客购物1次的成本；5.7×6=34.2元，这是发展一个新顾客的成本； 这么算来，是不是就比较清晰了呢？ 这是标准的情况，假设在这个标准的情况下，有另外一个情况，就是这个公司为了发展，前期不考虑盈利（也就是把那300净利也投入到营销上来，营销费用就从200变成500），那么就是说他可以为发展每个新顾客投入86元，为引导老顾客购物1次投入14元； 广受争议的返点站的问题，如果要考虑的非常清楚，最终的奥妙也就在这里； 首先，其实对于大部分网站来说，返点站是可以为你贡献新用户的，因为你的用户和大返点站的几十万用户的重合率确实太低； 其次，我们可以把给返点站的返点，看成是老顾客维护的成本，在我们的例子中，如果每1个订单付出的成本低于5.7元（在例子中就是等于或低于5.7%的返点比例），那就是有利可图的；当然，可能会存在老顾客营销费用的重复的问题，但终归是可以算出来的。 我一直建议电子商务网站和返点站的合作，前期高佣金，着眼于快速带来新顾客；后期降低佣金，把它作为一个引导老顾客的渠道；其基本理论依据也正在于此。 这里拿一个实际的例子，当当现在给返点站的返点比例是4%，一张订单100元，就是引导老顾客购物1次付出4元，以6倍理论计算，当当的新顾客成本应该是4×6=24元……对当当了解的，可以看看这个数字是不是当当要求的新客成本？ 所以说，虽然当当把佣金降到这么低，大家心里不愿意，但其实是有其道理和必然的，我4年前就知道会有这一天；但是，坦率说，这个4%，对于新客比例较高的一些媒体，就不是很合理了；所以我一直认为，联盟的未来应该是把不同类型份的媒体分开对待的，这是个课题了。 建议电子商务公司的老板，市场的老大们，根据各自的情况，按照这个方法，把自己的各方面数据算算，非常希望能进行分享，来完善这个算法。 最后，插句和主题无关的，咱们假设的这个公司，如果他有20万个顾客，那么他3年的收入就是20万×1000元×3年=6亿元；毛利是1.2亿元；运营费用2000万元，营销费用4000万元，净利6000万元；已经是个不错的公司了。

RFM客户价值模型

RFM客户价值模型 目录 [隐藏] ? 1 RFM模型的内容 o 1.1 最近一次消费 o 1.2 消费频率 o 1.3 消费金额 ? 2 RFM模型的应用意义 ? 3 RFM模型案例分析 o 3.1 案例一:基于RFM的电信客户市场细分方法 [1] ? 4 参考文献 [编辑] RFM模型的内容 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标： ?最近一次消费(Recency) ?消费频率(Frequency) ?消费金额(Monetary) [编辑] 最近一次消费 最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目 录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。 理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6个月的顾客收到营销人 员的沟通信息多于31至36个月的顾客。

最近一次消费的过程是持续变动的。在顾客距上一次购买时间满一个月之后，在数据库里就 成为最近一次消费为两个月的客户。反之，同一天，最近一次消费为3个月前的客户作了其下 一次的购买，他就成为最近一次消费为一天前的顾客，也就有可能在很短的期间内就收到新的折 价信息。 最近一次消费的功能不仅在于提供的促销信息而已，营销人员的最近一次消费报告可以监督 事业的健全度。优秀的营销人员会定期查看最近一次消费分析，以掌握趋势。月报告如果显示上 一次购买很近的客户，(最近一次消费为1个月)人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次消费为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。 最近一次消费报告是维系顾客的一个重要指标。最近才买你的商品、服务或是光顾你商店的 消费者，是最有可能再向你购买东西的顾客。再则，要吸引一个几个月前才上门的顾客购买，比吸引一个一年多以前来过的顾客要容易得多。营销人员如接受这种强有力的营销哲学——与顾客建立长期的关系而不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。 [编辑] 消费频率 消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，也是满意度最 高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。 根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶 梯”(loyalty ladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像成是要将两次购买的 顾客往上推成三次购买的顾客，把一次购买者变成两次的。 [编辑] 消费金额 消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80％的收入来自20％的顾客。它显示出排名前10％的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40％以上。如看累计百分比的那一栏，我们会发现有40％的顾客贡献 公司总营业额的80％；而有60％的客户占营业额的90％以上。最右的一栏显示每一等分顾客 的平均消费，表现最好的10％的顾客平均花费1195美元，而最差的10％仅有18美元。 如果你的预算不多，而且只能提供服务信息给2000或3000个顾客，你会将信息邮寄给贡 献40％收入的顾客，还是那些不到1％的顾客？数据库营销有时候就是这么简单。这样的营销 所节省下来的成本会很可观。

如何计算终身客户的价值

【电商会员篇】如何计算你的顾客终身价值 简单的说，顾客终身价值是表示在一段时间内客户利润贡献的平均净值。顾客终身价值常常应用到会员数据库营销策略的发展。这些具体的数据会随着每一段时间而变动，是提供企业营销策略和方法的重要参考。 （一）顾客终身价值表 首先，我们要先说明顾客终身价值表的各项内容，然后才能了解如何计算顾客终身价值，区段分级，实施应用。

图顾客终身价值表 1.顾客数：每一段时间的顾客保留数目。 2.顾客保留率：每一段时间所留下来的顾客，也就是再回购的顾客比率。这可以衡量行销活动所产生的顾客忠诚度。 3.平均消费：每一段时间客户平均的消费金额。 4.总消费金额：顾客数x 平均消费。 5.成本：包含不同行业（产品）的直接成本和变动的行政成本，原则上每年的成本是会下降的。 6.顾客取得成本：取得这个顾客所花费的广告及行销活动费用的加总，然后除以这年的新客户数，这就是顾客取得成本。 7.总成本金额：成本＋取得成本。 8.利润：总消费金额-总成本金额。 9.累积利润：这段时间的利润加上前一段时间的利润。 10.顾客终身价值：累积利润÷顾客数。

（二）计算顾客终身价值的步骤 了解顾客终身价值表的各项内容，接下来提供以下的几个步骤，让行销人员比较容易作为顾客终身价值计算的基础方法： 1.从数据库中，挑选一些差不多成为新客户的会员。 2.依据过去的经验（或者同业的经验），决定一段时间后还有多少顾客会持续购买（回购）。一段时间大多是指一年或半年，这可依据企业的商品生命周期来决定。 3.计算取得这群客户所花费的行销成本。 4.根据顾客终身价值表的内容，计算三个阶段或以上的顾客终身价值。 5.连续执行针对这群会员的营销活动，比对顾客终身价值，观察这些数据的变化。 6.根据顾客终身价值的变化，改进会员分析模型，再次进行营销活动，善用会员终身价值表，提升会员数据库营销的结果。

客户价值分析

客户价值分析 客户价值分析就是在理解客户价值内涵的基础上，动态地监控客户价值的发展趋势，为更好地实现客户价值管理提供有效的信息支持。在有关客户价值分析的研究中，最著名的莫过于盖尔所提出的客户价值分析工具，该模型首次出现在盖尔的《管理顾客价值》一书中，尔后频频被引用，几乎成了客户价值分析的标准。在本节中，将重点讨论盖尔的客户价值分析模型。 在《管理顾客价值》一书中，盖尔提出了7种客户价值分析工具，包括：市场感知质量水平；市场感知价格水平；客户价值图；得失（Win/Lost）分析；客户价值分析对照图（Head-to-head Area Chart）；关键事件表；What／Who矩阵。其中，尤为重要的是前三种客户价值分析工具，直接与当今普遍接受的客户价值内涵相吻合。因此，本节将结合有关方面的研究发展动态，重点描述前三种分析工具。 1）市场感知质量水平 通过对客户价值内涵的探讨，我们知道感知质量水平对形成感知价值的重要性。在盖尔的客户价值分析模型中，市场感知质量分析同样是客户价值分析的核心。 根据盖尔提出的模型，对市场感知质量水平的测量主要有三个步骤： 第一步，采用小组调查（Focus Group）或其他形式，召集目标市场的客户（既包括本企业的客户，也包括竞争对手的客户），要求他们列出除价格以外的其他影响购买决策的重要质量因素。 第二步，确定不同质量属性在客户决策中的权重。最简单的方法就是让客户根据各质量因素在决策中的重要性打分，然后再汇集不同客户的看法，形成一套统一的权重。 第三步，选择那些对本企业和竞争对手企业都十分了解的客户（既包括本企业的客户，也包括竞争对手的客户），征询他们对本企业和竞争对手在各质量属性上的评价，然后用客户对本企业每一个属性的评分除以竞争对手相应的得分，得到本企业在各属性上的业绩比率。最后，根据各属性的权重，算出所有质量属性的加权平均值，就可以获得一个总体的市场感知质量水平。 事实上，在某个行业中，每个企业往往都有自己的特色，通常在某个质量水平上处于领先，因此，市场感知质量水平在很大程度上将取决于不同的评价标准和权重体系，说到底就是由客户的感知偏好决定的权重水平。以高档汽车为例，宝马汽车在驾驶性能上首屈一指，而凯迪拉克却宽敞、舒适，凌志汽车的故障率十分低。如果客户看重驾驶性能，则在决策时将赋予其较高的权重。因此，对于不同的目标客户群而言，对质量的感知方式和标准是不同的。客户关系管理的一个重要目的就是区分具有不同感知偏好和特性的客户群，针对不同的客户群采用定制化的策略，全面地满足其要求，实现客户价值的最大化。 2）市场感知价格水平 市场感知价格水平主要用于评估客户对获得某种产品或服务的一种感知付出。在盖尔的模型中，市场感知价格水平也是客户价值分析的重要工具之一。事实上，市场感知价格水平的测评与市场感知质量水平的测评相似，唯一不同的地方是让客户列出影响成本感知的因素，而不是影响质量感知的因素。在获得成本感知因素的基础上，要求客户分别列出不同因素的权重，并评价竞争对手在每一个价格因素上的感知水平。 在某些价格构成要素十分清晰的行业，可能无需评价市场感知的价格水平，但是在大多数行业，评价市场感知价格水平十分重要。表2—3以豪华汽车为例，阐明了如何评价市场感知价格水平。

客户价值分析模型

客户价值分析模型 Kotler (2000)认为关系行销的重心要放在如何和最有价值的顾客建立长期并为公司带来利润的关系，而Morgan & Hunt (1994)更明白点出顾客价值已经成为顾客关系行销的核心基础。如同Wyner (1996)所提，顾客价值已经重新诠释了传统行销的活动：把顾客视为一种资产，评估其未来收益以及成本以决定是否进行行销活动。Wyner (1996)更指出，企业80％的销售利润是来自于20％的顾客，而其余20％的销售利润，却花了公司80％的行销费用。由此可知，如何找出具有价值的顾客，对企业的获利来说是多么重要。而根据Kotler & Armstrong (1996) 所下的定义，具有价值的顾客为「一个未来为公司带来的利润大过于公司花在其身上的成本之顾客」。 顾客价值之计算主要是将顾客在未来数年间之消费金额与相对应之产品成本与维持成本加以扣除，再折现以求得出顾客未来数年净贡献的现值。在这样的理论基础之下，发展出了不少顾客价值分析模型。Dwyer (1989)首先定义顾客终生价值为「由顾客面所预期之利润，减去与顾客相关成本的现值」。此外Sewell & Brown (1990)、Hughes (1994)、Kotler (2000)等学者也分别在不同的假设以及定义之下提出了各自对顾客价值的计算公式，不过大都是在特定的假设以及参数之下所提出的例子。而Berger & Nasr (1998)有鉴于此，试图提出一套有系统的模型计算顾客价值，他们针对Jackson (1985)提出的二类顾客之特色加以整理，对该二类型的顾客之终生价值提出了五种类型的模型。而Hughes (1994)所提出之RFM 顾客价值分析模型不同于其它之方法，此模型利用三种指针：最近购买日(Recency)、购买频率(Frequency)及购买金额(Monetary)，以判断顾客的价值，Stone (1995)更在其研究中利用此模型分析信用卡顾客之价值。因为一般企业的顾客交易数据库中都可以萃取出这些信息，因此RFM 模型可以说是目前企业界最常用的顾客价值分析方法之一。 建立顾客购买行为随机模型以描述顾客行为 根据Ehrenberg (1959)及Colombo & Jiang (1999)对顾客行为之机率分配假设，建立顾客购买行为随机模型，以描述顾客的购买行为。 建构结合RFM 模型及马可夫链的顾客价值分析模型 根据顾客购买行为的改变为马可夫链随机过程，并利用Hughes (1994)所提出之RFM 模型定义顾客购买状态。利用贝氏机率推导顾客购买状态移转机率，根据顾客行为随机模型计算各购买状态下之预期利润进行顾客利润矩阵之估计，最后结合顾客购买状态移转矩阵及利润矩阵，进行顾客价值估计。 进行顾客价值分析模型的数据实证及比较 利用某企业之实际顾客交易数据，进行本顾客价值分析模型之数据实证，并将分析结果和目前业界常用之顾客价值预测方法进行比较。 微积分公司采用的顾客价值分析模型，主要结合顾客购买行为随机模型、马可夫链、RFM 模型及贝氏机率此四个理论或模型所发展而成。首先，建立顾客购买行为随机模型，并根据顾客之历史交易数据估计模型假设中之先验分配参数。此外，利用马可夫链描述顾客购买行为，并且根据Hughes (1994)所提出之RFM 顾客价值分析模型，定义马可夫链中之不同顾客购买行为状态，以建构顾客购买状态之马可夫链移转矩阵及利润矩阵。而最主要的贡献为：根据贝氏机率推导顾客在已观察到前期购买行为状态时，其下期购买行为状态之事后机率分配，并以之估计顾客购买状态移转矩阵之移转机率。此外，依据顾客购买行为随机模型之行为机率分配假设，估计顾客于不同购买状态下之预期贡献利润，以建立利润矩阵。最后，结合顾客购买状态移转矩阵以及顾客利润矩阵进行顾客价值之分析。

客户关系管理试题及答案80623

一、名词解释： 1.客户关系： 2.潜在客户： 3.客户流失管理： 4.关系营销： 5.营销自动化： 二：选择题： 1.CRM的主要过程由（）构成。 A．市场、销售和服务 B.宣传管理、订单处理和客户支持/服务 C．市场、订单处理和服务 D.宣传管理、销售管理和客户支持/服务 2.客户终身价值是指（）。 A 企业和客户在长期有效地相互配合中，使得服务成本降低、提高营销效率所带来的收益 B 随着时间推移，客户重复购买及由于客户提高支出分配为企业所带来的收益 C 客户长期内倾向于使用一个厂家的更多产品或服务，通过交叉销售为企业带来的收益 D 客户在其一生中有可能为企业带来的价值之和 3.在客户生命周期的（）企业投入较少，客户对企业的贡献较大，企业处于高盈利时期。 A 考察期 B 形成期 C稳定期 D 退化期 4.一家生产日用品化妆品的企业通大型的超市或零售企业及连锁美容产业机构之间常会建立一种（）的客户关系。 A 能动型 B 被动型 C 负责型 D 伙伴型 5.CRM系统中最基本的功能模块是（） A 营销管理模块 B 服务管理模块 C销售管理模块 D 商业智能模块 6.（）是客户信息中的主要信息，占有很大的分量，同时它还是经营决策的主要依据。 A 统计信息 B 基本信息 C 市场调研信息 D文本信息 7.目前市场上大多数的CRM产品关注的焦点是( )产品。 A 分析型CRM B 专项型CRM C 协作型CRM D 运营型CRM 8.一个客户关系管理实施的核心是（）。 A 客户关系管理的软件支持 B 客户关系管理的业务流程 C 建立客户中心 D 客户关系管理的组织结构 9. eCRM是CRM系统与网络技术深入结合的产物，大致可将eCRM分为（）三个领域。 A e-Marking、e-Sales、e-Service B .e-Commerce、e-Shopping、e-Service C e-Marking、e-Shopping、e-Service D .e-Commerce、e-Sales、e-Service 10.利用（）可以有效地工作在任意地点，最大限度地节省投资并促进人力资源的成分利用。 A 互联网呼叫中心 B 自动呼叫分配系统 C 虚拟呼叫中心 D 多媒体呼叫中心 三、填空题： 1.从应用集成度方面可将CRM分为：CRM专项应用、（）应用和（）应用。 2.White Whale公司提出了客户定位的“四步法”，被视为开展客户定位的一种效果良好的方法。客户定位的步骤为、（）区分客户群中的不同客户、（）提供个性化的产品或服务以满足客户的特殊需求。 3.一般来说，可以从三个角度对客户关怀进行评价：寻求特征、（）和（）。 4.建立（）是CRM功能全面实现的基础保障。 5.（）一般是由于客户的信用度低或客户故意诈骗等原因导致的。对此类客户没有保留的必要。 6.客户保持的方法主要有注重质量、优质服务、（）价格优惠和（）。

顾客价值的几种理论模型

顾客价值的理论模型 刘安娜营销1班 2009700017 (一) Kotler 的可让渡价值理论 Kotler 是从顾客让渡价值和顾客满意的角度来阐述顾客价值的。其研究的前提是:顾客将从那些他们认为提供最高认知价值的公司购买产品。所谓顾客让渡价值,是指总顾客价值与总顾客成本之差。 总顾客价值就是顾客从某一特定产品或服务中获得的一系列利益,它包括产品价值、服务价值、人员价值和形象价值等。顾客总成本是指顾客为了购买产品或服务而付出的一系列成本,包括货币成本、时间成本、精神成本和体力成本。顾客是价值最大化的追求者,在购买产品时,总希望用最低的成本获得最大的收益,以使自己的需要得到最大限度的满足。 (二)Jeanke 、Ron、Onno 的顾客价值模型 Jeanke、Ron、Onno 的模型从供应商和顾客两个角度,描述了随着业务发展,价值从一个模糊的概念到市场上的具体产品的整个过程。对供应商而言,供应商的依据的是他所感觉到的顾客需求以及企业本身的战略、能力和资源,形成“想提供的价值”的概念。由于企业条件或产品开发与市场脱节等原因,企业以“想提供的价值”为基础,设计出以具体产品或服务为载体的“设计价值”,两者之间存在“设计差距”。对顾客而言,顾客从自身角度出发希望获得的是“想要得到的价值”。由于社会环境、科技的发展程度等客观因素的限制,市场上提供的产品不可能与顾客想得到的价值完全吻合,因此存在“折衷差距”和顾客的“期望价值”。由于供应商与顾客之间存在对于顾客需求的不对称信息,或是企业在顾客需求调查过程中,过多地掺杂了企业自身的思想,对顾客 需求的分析未必客观准确,所以“想提供的价值”与顾客“想得到的价值”之间存在“信息差距”。顾客的主观性价值感知,使“期望价值”与设计价值间出现“感知差距”。当顾客使用产品后,所“得到的价值”与期望价值之间的差距为“满意差距”。通过缩小各个差距,企业就可以提供真正为顾客所需的价值。 (三)Woodruff 的顾客价值层次模型 Woodruff (1997) 的顾客价值层次模型对顾客如何感知企业所提供的价值问题进行了回答。该模型提出,顾客以途径—目标的方式形成期望价值。在最底层往上看,在购买和使用某一具体产品的时候,顾客将会考虑产品的具体属性和属性效能以及这些属性对实现预期结果的能力。顾客还

顾客价值理论研究概述

顾客价值理论研究概述 一、顾客价值研究背景 自从哈佛大学波特教授提出的竞争优势思想得到学术界和企业界的广泛认同后,人们开始为寻求可持续竞争优势进行了积极的尝试与探索。学者们从价值链管理、质量管理、组织与过程再造、企业文化、裁员等多方面来阐述企业应当如何建立竞争优势,但是这些努力的根本都在于组织内部的改进,而当这些努力不能以市场为导向,其产品和服务不能被顾客所认同,也就无法建立起企业真正的竞争优势。当企业家们指向企业内部改进的探索并没有获得想象中的成功时,人们开始转向企业外部的市场,即从顾客角度出发来寻求竞争优势。Woodruff 提出,企业只有提供比其他竞争者更多的价值给客户,即优异的客户价值(Superior Customer Value) ,才能保留并造就忠诚的客户,从而在竞争中立于不败之地。正因如此,客户价值已成为理论界和企业界共同关注的焦点,被视为竞争优势的新来源。 二、顾客价值的概念及分类 早在1954 年,Drucker 就指出,顾客购买和消费的决不是产品,而是价值。尽管学者们都使用了顾客价值这一概念,却没有对其进行详细的描述与解释。

Zaithaml 在1988 年首先从顾客角度提出了顾客感知价值理论。她将顾客感知价值定义为:顾客所能感知到的利得与其在获取产品或服务中所付 出的成本进行权衡后对产品或服务效用的整体评价。 在此后的顾客价值研究中,不同的学者从不同的角度对顾客价值进行了定义: (1) 从单个情景的角度,Anderson、Jain、Chintagunta 、Monroe 都认为,顾客价值是基于感知利得与感知利失的权衡或对产品效用的综合评价; (2) 从关系角度出发,Ravald、Gronroos重点强调关系对顾客价值的影响,将顾客价值定义为:整个过程的价值= (单个情景的利得+ 关系的利得) / (单个情景的利失+ 关系的利失) ,认为利得和利失之间的权衡不能仅仅局限在单个情景(episode)上,而应该扩展到对整个关系持续过程的价值(total episode value) 衡量。此外,Butz、Good2stein 也强调顾客价值的产生来源于购买和使用产品后发现产品的额外价值,从而与供应商之间建立起感情纽带。 在众多的顾客价值定义中,大多数学者都比较认同Woodruff 对顾客价值的定义,并在其定义基础上进行了很多相关研究。Woodruff 通过对顾客如何看待价值的实证研究,提出顾客价值是顾客对特定使用情景下有助于(有碍于) 实现自己目标和目的的产品属性、这些属性的实效以及使用的结

利用K-Means聚类进行航空公司客户价值分析

利用K-Means聚类进行航空公司客户价值分析 1.背景与挖掘目标 1.1背景航空公司业务竞争激烈，从 产品中心转化为客户中心。针对不同类型客户，进行精准营 销，实现利润最大化。建立客户价值评估模型，进行客户分 类，是解决问题的办法 1.2挖掘目标借助航空公司客户数据， 对客户进行分类。对不同的客户类别进行特征分析，比较不 同类客户的客户价值对不同价值的客户类别提供个性化服 务，制定相应的营销策略。详情数据见数据集内容中的 air_data.csv和客户信息属性说明 2.分析方法与过程 2.1分析方法首先，明确目标是客户价值识别。识别客户价值，应用 最广泛的模型是三个指标（消费时间间隔（Recency）,消费频率（Frequency）,消费金额（Monetary））以上指标简称RFM 模型，作用是识别高价值的客户消费金额，一般表示一段时 间内，消费的总额。但是，因为航空票价收到距离和舱位等 级的影响，同样金额对航空公司价值不同。因此，需要修改 指标。选定变量，舱位因素=舱位所对应的折扣系数的平均 值=C，距离因素=一定时间内积累的飞行里程=M。再考虑到，航空公司的会员系统，用户的入会时间长短能在一定程度上 影响客户价值，所以增加指标L=入会时间长度=客户关系长度总共确定了五个指标，消费时间间隔R，客户关系长度L，消费频率F，飞行里程M和折扣系数的平均值C以上指标，

作为航空公司识别客户价值指标，记为LRFMC模型如果采用传统的RFM模型，如下图。它是依据，各个属性的平均 值进行划分，但是，细分的客户群太多，精准营销的成本太 高。 综上，这次案例，采用聚类的办法进行识别客户价值，以LRFMC模型为基础本案例，总体流程如下图 2.2挖掘步骤从航空公司，选择性抽取与新增数据抽取，形 成历史数据和增量数据对步骤一的两个数据，进行数据探索 性分析和预处理，主要有缺失值与异常值的分析处理，属性 规约、清洗和变换利用步骤2中的已处理数据作为建模数据，基于旅客价值的LRFMC模型进行客户分群，对各个客户群 再进行特征分析，识别有价值客户。针对模型结果得到不同 价值的客户，采用不同的营销手段，指定定制化的营销服务，或者针对性的优惠与关怀。（重点维护老客户） 2.3数据抽取选取，2014-03-31为结束时间，选取宽度为两年的时间段， 作为观测窗口，抽取观测窗口内所有客户的详细数据，形成 历史数据对于后续新增的客户信息，采用目前的时间作为重 点，形成新增数据 2.4探索性分析本案例的探索分析，主要 对数据进行缺失值和异常值分析。发现，存在票价为控制， 折扣率为0，飞行公里数为0。票价为空值，可能是不存在 飞行记录，其他空值可能是，飞机票来自于积分兑换等渠道，查找每列属性观测值中空值的个数、最大值、最小值的代码

顾客终身价值

顾客终身价值Customer Lifetime Value 中国的企业从围绕产品转而围绕顾客来进行组织设计恐怕是必由之路。以顾客为中心或为顾客创造价值的企业需要一种全新的经营理念：即根据顾客资产（企业顾客的价值）而不是品牌的资产（企业品牌的价值）来经营企业，企业的重点要放到关心顾客的盈利能力、价值能力而不单纯是产品的盈利能力上，尤其是在中国加入了WTO之后。 一、经营中的由盈利到衰亡的过程 以品牌资产为中心的企业常常采用一个称为盈利产品变化表的工具。这张表看起来十分合理，一般包括：（1）评估企业的盈利能力；（2）确定可以接受的盈利水平；（3）砍掉达不到盈利水平的产品项目；（4）返回到步骤（1），重复这个过程。 按照一般人的思维方式，如果企业砍掉了不盈利的产品，它们就不会再损伤企业的盈利能力，而只要那些能赚钱的产品就行了。因此，企业的资源会集中到回报最大的产品项目上。长此以往，企业产品的平均盈利能力会越来越强，企业的整体赢利能力也会越来越强。随着企业经营的不断成功，企业所有的财务指标也会随之上升。但是情况并不是我们想象的这般美好。 二、从品牌资产到顾客资产 所谓顾客资产是指企业所拥有的顾客终生价值折现值的总和。顾客价值不仅仅是顾客当前的盈利能力，也包括企业将从顾客一生中获得的贡献的折现净值。把企业所有顾客的这些价值加总起来，称之为顾客价值。 企业由品牌价值向顾客价值的转变是必然趋势。纵观经济发达地区国家从旧经济向新经济过渡中，出现了五种变化的趋势： ? 1.从实物经济到服务经济的转变-以美国为例，1900年在服务部门工作的工人数的比例大致是30%，到了1970年，这一数字上升到64%， 到1995年上升为77%，而到了2000年，首次突破了80%大关。 ? 2.从交易型到关系型转变-实物经济更多的是以交易为导向的。目前 中国的经济处于这个阶段。管理的重心自然是倾向于吸引顾客（如“推销”、“促销”、“导购”、“打折”等比较盛行），在吸引顾客的竞争中，品牌资产 占据了绝对地位。各企业将品牌价值作为衡量企业优劣的重要标志。 同实物交易相比，服务经济市场的运作是截然不同的。以银行为例，顾客在某家银行开了户头，并时常与该银行发生业务往来。每次交易时，顾客一般不会考虑选择另一家银行。但是，一次不愉快的经历会引发顾客