论文部分内容阅读
在供过于求的今天,零售企业面临着激烈的市场竞争,企业迫切需要识别有价值的客户并满足客户多样化的需求。在大数据时代,企业掌握了大量的客户交易数据。根据客户的交易数据,应用数据挖掘技术对客户进行合理的细分,识别不同的客户群体行为的特征,为管理决策提供更精细和具体的指导成为客户细分的一个趋势。作为最早应用在直接销售领域的RFM模型,现在被广泛的应用在零售企业、银行和通信等行业。传统的RFM模型运用在零售企业的客户细分时,都是把零售企业的所有产品当成一个整体来评价客户价值和客户忠诚度,其分类结果不能区分不同客户群体对于不同系列产品的客户价值,进而不能对企业的精确营销提供具体的指导。对于不同的客户,各系列产品客户价值类型是不一样的。对于同一个客户,各系列产品客户价值类型也存在差异。并且,各系列产品之间的性质也不一样。然而,我们一般把零售企业的所有产品当成一个整体来划分客户价值类型。这样会遗漏一些重要的客户信息。与此同时,只有明确了客户的各类别产品客户价值类型,这样的客户细分才能为管理决策提供明确的指导。因此,本文创建了一个以产品分类为基础的RFM多层级客户价值模型。重点解决了该模型中的产品分类标准问题,并阐述了该模型的应用意义。具体研究内容上,本文首先建立了一个数学模型,并验证了其在衡量客户价值时对产品分类的必要性和有用性。然后,借鉴相关文献在评价客户忠诚度时对电信行业和银行的产品分类标准,并结合所创建的数学模型中的产品分类依据,研定了RFM多层级客户价值模型中的产品分类标准。最后,结合某大型化妆品零售公司一年的客户销售数据,验证了所建立的模型衡量客户价值的有效性和实用性。模型的应用研究结果表明:客户价值类型相同的客户对不同系列产品的客户价值可能有很大的差异,该模型可以识别同种客户价值类型的客户不同系列产品的客户价值类型;以产品分类为基础的RFM多层级客户价值模型可以识别20%高价值客户不同的行为特征,即企业的高价值客户对不同系列产品的客户价值类型;该模型可以为公司的管理者维护高价值客户提供更具体的指导。