成品油零售顾客分级探索研究.docVIP

成品油零售顾客分级探索研究 　　摘要：顾客分级的目的是清晰地识别不同价值的顾客，为企业的营销决策提供依据。目前，大部分企业用消费额度、消费频率等单一指标（价值维度）进行分级。该做法方便快捷、便于管理，但容易丢失部分有价值顾客。本文结合加油卡顾客的数据，进行了价值维度选取、指标判断、量化分析、模型聚类等方面的探索研究，并通过某省四年的数据进行了实证分析，根据聚类模型结果和实际营销需求给出了零售顾客分级的建议。 　　关键词：顾客分级；聚类模型；RFM模型 　　顾客分级的目的是清晰地识别不同价值的顾客，为企业的营销决策提供依据。目前，大部分企业用消费额度、消费频率等单一指标（价值维度）进行分级。该做法方便快捷、便于管理，但容易丢失部分有价值顾客。一些银行信用卡、航空公司及B2C电子商务卡，以复合指标（如信用卡用户的存款余额、持卡时间、信用历史、消费种类等）进行分级，可更全面地分离出高价值顾客。 　　一、国内外应用与研究现状 　　1.顾客分级的作用和目的 　　一般意义上讲，顾客分级是按照一定的标准将企业现有顾客分为不同群体，依据其年龄、性别、收入、职业、地区等信息来衡量其对企业的不同价值和重要程度。排序后确定为不同的层级，为企业资源分配提供依据。其必要性体现在三个方面：一是不同的客户带来的价值不同；二是企业的资源有限，需要根据投入的回报情况进行合理分配；三是顾客需求多样化，对企业的需求期待存在差异。分级为企业的资源分配提供依据，从而牢牢抓紧最有价顾客，提高客户关系管理效率。 　　2.顾客分级应用现状 　　目前我国的顾客分级主要应用于银行信用卡业务、航空公司以及B2C电商三个领域。 　　银行信用卡业务。我国商业银行信用卡体系在运行过程中产生了大量的睡眠卡，引起资源浪费、客户流失、信用风险增加、业务效率低下等问题。通过对客户按照一定的标准进行合理细分，有利于发卡银行进行有效的风险管理，提高整体效益。目前银行信用卡客户分级的方法包括对客户的信用评级以及根据客户的透支行为、消费行为、贡献性进行分级。 　　航空公司。美国西北大学教授Paul Wangle曾经在研究中指出，旅客分为交易旅客和关系旅客两种，而一般来说，机票打折真正吸引的是交易旅客，这种旅客对比所有航空公司的票价之后进行购买。客户分级则能够帮助航空公司把不同种类的客户区分开来，通过把营销成本花在最该花的旅客上，使得成本达到效率最大化，降低运营成本。 　　B2C电子商务。通过对不同群体的客户进行分析，可以使电子商务运营商明确不同客户需求，使得运营策略得到最优的规划；还可以发现潜在客户，进一步扩大商业规模。相比传统商务模式，电子商务由于由商务网站运行，可以提供大量的购物客户的信息，使得电子商务更合适进行客户的分级。 　　3.顾客分级的研究现状 　　目前的顾客分级方法主要使用单一维度分类、多个因素聚类以及RFM模型等方法。单一维度分类就是按照某种维度，比如消费累计额度的多少对顾客进行分级，额度越高级别越高。这种方法在零售行业的应用较为广泛。多个因素聚类是一种对具有共同趋势和模式的数据元组进行分组的方法，各类之间的相似程度很小；而在类的内部，数据相似程度很大。比如在银行的信用卡客户分类上，可根据开卡客户的存款余额、持卡时间、信用历史、消费种类等信息对客户进行聚类，后续通过决策树、判别分析等方法对新客户进行预测性分类。RFM模型是通过三项变量，即最近消费时间间隔 （Recency）、消费频率（Frequency）、消费金额（Monetary）来细分客户，形成顾客评级指标。目前在航空业、电子商务等方面的应用较广。 　　综上所述，顾客分级是企业围绕顾客需求，有效配置营销资源的手段；且在应用和研究方面的发展都较为成熟。目前的中国成品油零售的顾客分级方法仍停留在单一维度的指标方面，虽然操作简单，但是在顾客的立体化描述、需求刻画等方面的准确性较差。有必要应用新的数据和方法对中国成品油零售的顾客分级进行新的探索研究。 　　二 、模型设计和基本方法 　　传统的顾客分类模式主要是根据整体的汇总数据，根据不同维度来进行分类，大多使用的是基本的统计分布计算方法。随着信息技术的完善，目前顾客分类模式有所改变，其改善方式以数据挖掘及数据分析为主，常用的数据挖掘技术包括关联分析、序列分析、分类分析、聚类分析、预测、孤立点分析等，同时也对用于模型运行所需的数据量提出了新的要求。在成品油零售行业，根据单一维度进行顾客分类已经较为普遍，但是在数据的使用和方法上仍然较为传统。本文在数据和方法上进行了发展和改善，并进行了探索性的实证研究。 　　1.数据来源及清洗方法 　　本文使用的数据主要来自顾客消费过程中由设备自动记录的数据，包括顾客在加油站发生的充值、消费行为数据。主要包括充值额度、充值