基于“数量―质量―效益”的金融产品客户细分.docVIP

基于“数量―质量―效益”的金融产品客户细分 　　摘 要：本文在分析传统RFM局限性的基础上，尝试引入经济增长与结构调整中普遍关注的数量、质量、效益维度，对传统RFM分析模式进行改进。之后，以一个无法应用传统RFM分析模式进行客户群细分的样本为例，考虑使用“数量-质量-效益”型RFM进行客户群细分。结果显示：三维度的双变量分析区分度较好、同期验证表现平稳，非同期验证PSI系数为0.078，模型结构稳定。实践表明，基于“数量-质量-效益”型RFM分析模式可以较好的应用于商业银行客户细分与数据库营销实践。 　　关键词：客户细分；RFM模型；客户关系管理；数据库营销；商业银行 　　中图分类号：F832 文献标识码：A〓 文章编号：1003-9031（2015）12-0021-04 DOI：10.3969/j.issn.1003-9031.2015.12.04 　　一、引言 　　在“以客户为中心”的日常客户关系管理、客户忠诚度识别与产品数据库营销中，广泛使用的经典RFM分析模式可以有效的帮助决策管理者、营销人员实现目标客户群的细分管理。在金融业务实践中使用传统RFM分析模式也会伴随产生一些需要考虑的问题，诸如：1.金融类产品与服务是否可以照搬已经成熟应用于快速消费等行业的RFM模式；2.RFM分析模式是否适用于金融产品的整个生命周期；3.业务目标如何实际作用并影响RF 　　M分析模式等等。为了回答并解决这些问题，不同于传统RFM模式，本文参考借鉴经济增长与结构调整中所着重关注的三个维度：数量、质量、效益，尝试将其应用于RFM分析模式；并尝试通过这一改进，对传统RFM的应用领域与问题做有益补充。 　　二、传统RFM模式及其局限 　　经典的RFM模式由美国数据库营销研究所Arthur Hughes（1994）提出，该方法力图通过突出客户对商品的消费近期特性（Recency）、消费频率特性（Frequency）以及消费货币量属性（Monetary）来衡量客户现阶段的显性价值与长期潜在价值；也常使用此方法刻画客户群一段时间以来对某类商品的忠诚度阶梯（loyalty ladder）[1]。从客户关系管理（CRM）的角度看，RFM作为一种分析工具，核心是对所关注的客户群进行细分管理，通过客户细分发掘客户表现与行为差异，使营销人员有针对性的开展可落地的客户关系维护与差异化营销。对企业来说，那些最近有过购买行为，一段时间内经常购买以及产生更多消费进行购买的客户是企业所要关注的目标客户，对应的客户价值及客户忠诚度也越高[2-3]。 　　传统RFM模式在业务实践中也存在一定的局限性。一是应用场景的局限。经典RFM主要集中于快速消费类、消耗型消费品等①，由于服务品类的特殊性和无法同一性，对于周期性服务类商品、互联网线上服务等②，使得传统意义下的RFM在数据采集与分析维度（消费近期性、消费频率和消费货币量）上，需要进行一定的修正或调整[4-6]。二是没有考虑产品潜在的生命周期因素。从传统RFM所设定的三个分析维度看，其假定客户群与商品已经整体处于均衡状态，从产品生命周期视角可以认为该均衡状态本质上处在成熟期，期间客户群与产品整体上互动充分，对于客户群在近期性、频率性和货币性上的分布形态暴露充分且稳定，所以在成熟期内的客户行为特征可以通过传统RFM进行分析。而如果考虑产品生命周期处于导入期或成长期，期间往往伴随“三性”分布“正在生长”的变化特征，特别是近期性R，在导入期或成长期内的客户群大部分可能处于“活跃”状态，因此如果再选择R维度进行分析，很可能无法准确稳定的捕捉到该周期下客户群与商品交互的细分行为特征。三是使用RFM需要结合具体业务目标与计划。虽然使用RFM是为了获得客户细分及匹配的业务目标或计划，但在开展RFM分析前，一般会较早的形成一些基本业务指导方向，进而导致影响RFM的分析维度。例如，通过RFM模式进行数据库营销（database marketing），当业务定义营销目标为基于活跃客户的拓户式营销（而不是基于已有客户的提升式营销）时，就已经在RFM分析前考虑到了近期性R这一特征，进而造成了R维度数据在RFM中的失效。 　　考虑到金融产品和服务是一类周期型服务类商品，具有间歇的、重复购买的特性，金融产品和服务的客户关系管理与客户细分适合于使用RFM模式进行分析。同时，针对不同业务问题的关注点和着力点，RFM模式也是灵活可变的。如前所述，当我们遇到的业务问题场景诸如：（1）某类金融产品恰好处在导入期或成长期，R维度没有足够且稳定的数据支持；（2）某种金融服务需要对已有活跃客户进行匹配等，这些场景从本质上看R维度均是无效的。本文的创新之处是：着重考虑这一类无法使用传统RFM中R维度的问题，并尝试基于客户使用金融产品的“数量-质量-效益