客户是企业一种特殊的资产,是企业生存和发展的命脉。客户价值的大小取决于客户能够给企业带来利润的大小,根据二八法则,企业80%的利润来自20%的客户,所以企业必须对这20%的优质客户采取特殊的服务策略以保证这些客户不流失。如何才能快速有效的识别客户价值,以便企业有针对性的进行客户关系管理呢。为此企业必须进行客户价值分析和评价,按照客户价值的大小进行客户分类,对不同价值类别的客户,有针对性的对客户进行管理和维护,达到维持现有客户、吸引新客户、提升客户对企业的价值贡献的目的,最终实现企业经济效益最大化。本文首先介绍了客户分类、客户价值和客户价值评价相关基础理论,包括传统客户分类方法、现有客户价值评价模型、电信客户价值的特点以及当前国内电信客户价值分类的现状及存在的问题。其次是从当前价值和潜在价值两个方面分析电信客户价值的主要影响因素,并利用邻域粗糙集理论的属性约简功能,从众多影响因素中识别主要因素,确定电信客户价值评价指标。同时利用神经网络在处理复杂多元非线性数据的优势,构建用于电信客户价值分类的BP神经网络结构。电信客户价值影响因素的分析关键在于其潜在价值影响因素的分析。电信客户与电信运营商之间是一种长期的契约关系,其潜在价值的大小直接决定了未来一段时间内客户能够给企业带来的价值贡献,是构成电信客户价值的重要部分。本文从客户忠诚度、转网成本和客户信用度三个方面来分析影响电信客户潜在价值的因素,确定在网时长、月消费额增值、客服评分、通讯对象数目和客户信用等级为电信客户潜在价值的主要影响因素。文章最后以中国移动某市分公司的客户情况为例进行实证研究,对客户历史消费数据进行分析处理和训练学习,得到稳定的电信客户价值分类的BP神经网络,并通过验证数据验证网络的分类效果。实验结果表明,稳定状态下的BP网络的客户价值分类准确率达到90%。证明本文所选取的电信客户价值评价指标是合理的,BP神经网络在电信客户价值分类应用中是可行的。