资源描述：
《基於客戶價值的客戶分類及保持策略研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基於客戶價值的客戶分類及保持策略研究♦中圖分類號:F713文獻標識碼:A內容摘要:客戶分類是企業成功的關鍵，是企業實施客戶關系管理的基礎，是成功實施客戶保持戰略的首要任務。本文首先從客戶當前價值、潛在價值、忠誠度三個維度來分析如何建立客戶價值指標體系，然後結合某汽車4S店構建基於BP神經網絡的客戶細分模型實際，按照客戶的不同價值將客戶分為低價值低潛力、低價值高潛力、高價值低潛力、高價值高潛力四類,最後根據客戶細分結果分析各類客戶的特點並提出相應的保持策略關鍵詞:客戶價值客戶忠誠度神經網絡客戶保持買方市場條件下,越來
2、越多的實踐表明，企業成功的關鍵在於重視顧客需求,提供客戶滿意的產品和服務，提升顧客滿意度,增加客戶重復購買可能性。然而，並非所有客戶對企業來說都是有價值的，通常,80嗚勺企業利潤由20喲勺客戶創造，如果企業對所有客戶都一視同仁，不僅會浪費資源，不利於企業發展，而且會增加管理客戶的難度，因此，對企業來說，識別和分析那些對企業有價值的客戶並努力提高他們的價值，十分必要客戶價值評價指標的建立客戶價值是客戶細分最為重要的依據,根據客戶價值對客戶群進行細分，可使企業根據客戶價值級別的差異決定如何在客戶中分配企業有限資源。然而
3、,客戶價值的評價是由一系列指標構成，對於客戶價值指標的建立，許多學者進行瞭大量研究，學術界雖在界定客戶價值的貨幣衡量與非貨幣衡量上尚無統一標準和口徑，但建立瞭各有側重又有很多共性的評價指標髏系。目前,國內外對客戶價值的評價，主要是沿用弗雷德單克&Z8226；萊希赫爾德的淨現值評價方法，該方法在評價客戶價值方面能充分反映客戶現在和將來所能帶給企業利潤的淨現值，但也存在著兩點不足:過分強調客戶帶來的利潤，忽視瞭銷售量在客戶價值評價中的作用；強調客戶淨現值對企業的貢獻而沒有考慮到客戶帶給企業的無形貢獻。針對弗雷德單克銅2
4、26；萊希赫爾德的淨現值評價方法的不足，萬映紅提出瞭客戶價值的總體評價應包括當前價值和未來價值兩個價值維度。其中，當前價值反映瞭客戶對企業當前盈利的貢獻水平，主要以貨幣化的利潤形式衡量;未來價值是指客戶對企業的潛在價值，即在未來一段時間內客戶將會為企業帶來的盈利，主要以非貨幣化的忠誠度、信用度等形式存在。此外，夏維力提出的客戶轉換觀點,對客戶生命周期價值有巨大影響，為瞭更好地衡量客戶轉換價值，他增加瞭客戶忠誠度這一新的維度基於上述理論，本文從某汽車4S店客戶服務的實際情況出發,提出客戶價值評價方法如圖1O該方法特點
5、包括:增加客戶發展潛力指標,表明客戶在未來能給企業帶來較大價值。增加客戶忠誠度指標，反映著客戶願意繼續與企業保持客戶關系的指數,衡量客戶轉換程度。將客戶份額等有形指標作為衡量客戶與企業關系強弱的標準客戶價值分類模型及神經網絡結構設計以客戶生命周期理論、客戶價值理論作為理論基礎，建立基於客戶當前價值、客戶潛在價值、客戶忠誠度的三維客戶價值指標體系，采用神經網絡分類方法，構建客戶價值細分模型,模型構建步驟如圖2(-)指標無量綱化由於不同的指標是從不同的側面反映客戶的價值，指標之間無法進行比較。因此，為瞭便於最終評價值的
6、確定,需對各指標進行無量綱化處理。考慮到神經網絡訓I練的收斂性問題，須對指標進行定性和定量無量綱化處理1.定性指標。在客戶價值評價指標體系中，定性指標有交叉購買、追加消費程度、推薦新客戶程度、持續消費趨勢4個。其評價值采用專傢打分方法進行,取值在a1之間2.定量指標。對客戶進行細分，因指標屬不同量綱類型，使得指標間具有不可共度性，需將這些指標按照一定的函數關系式歸—到某一無量綱區間對於利潤指標，指標值越大越好，選用所有客戶的較大值為該指標的理想值，進行無量綱化處理如下:(1)對於消費金額、客戶份額這兩個適度型指標，
7、以穩定在某一固定值為最佳，進行無量綱化處理如下：，其中q為該指標的最適合值。(2)通過上述計算可得到無量綱化的數據矩陣:(—)數據歸一化處理由於消費金額、利潤、客戶份額、重復消費次數各指標的數量級不同，為瞭便於神經網絡快速收斂達到加快訓練速度的目的,本文采用線性函數作為轉移函數進行歸一化處理。該函數值域為[0,1],訓練時要把數據規范到[0,1],因0和1分別是S型函數的最小值和最大值,為達到0或1必須多次訓練並修改權值,導致訓練速度很慢,因此數據處理時須盡量避開0或1。歸一化公式為:(3)上式中xipl一原始數據
8、第i個樣本的輸入值,Xipl一規范化後第i個樣本的輸入值,xmn—根據數據實際情況選取數據中最小值的數值,xnax—根據實際數據情況選取數據中最大值的數值(三)BP神經網絡結構設計本文采用具有多輸入多輸出的三層BP神經網絡結構。其中:輸入層根據客戶價值細分指標，將指標數作為輸入層神經元數;隱含層：設定初始值準則為：L二(n+n)/2,其中m為輸入層的個數,n
