成品油零售顧客分級的探索研究

張蕾+甄超+姜衛(wèi)

摘要：顧客分級的目的是清晰地識別不同價值的顧客，為企業(yè)的營銷決策提供依據(jù)。目前，大部分企業(yè)用消費額度、消費頻率等單一指標(biāo)（價值維度）進行分級。該做法方便快捷、便于管理，但容易丟失部分有價值顧客。本文結(jié)合加油卡顧客的數(shù)據(jù)，進行了價值維度選取、指標(biāo)判斷、量化分析、模型聚類等方面的探索研究，并通過某省四年的數(shù)據(jù)進行了實證分析，根據(jù)聚類模型結(jié)果和實際營銷需求給出了零售顧客分級的建議。

關(guān)鍵詞：顧客分級；聚類模型；RFM模型

顧客分級的目的是清晰地識別不同價值的顧客，為企業(yè)的營銷決策提供依據(jù)。目前，大部分企業(yè)用消費額度、消費頻率等單一指標(biāo)（價值維度）進行分級。該做法方便快捷、便于管理，但容易丟失部分有價值顧客。一些銀行信用卡、航空公司及B2C電子商務(wù)卡，以復(fù)合指標(biāo)（如信用卡用戶的存款余額、持卡時間、信用歷史、消費種類等）進行分級，可更全面地分離出高價值顧客。

一、國內(nèi)外應(yīng)用與研究現(xiàn)狀

1.顧客分級的作用和目的

一般意義上講，顧客分級是按照一定的標(biāo)準(zhǔn)將企業(yè)現(xiàn)有顧客分為不同群體，依據(jù)其年齡、性別、收入、職業(yè)、地區(qū)等信息來衡量其對企業(yè)的不同價值和重要程度。排序后確定為不同的層級，為企業(yè)資源分配提供依據(jù)。其必要性體現(xiàn)在三個方面：一是不同的客戶帶來的價值不同；二是企業(yè)的資源有限，需要根據(jù)投入的回報情況進行合理分配；三是顧客需求多樣化，對企業(yè)的需求期待存在差異。分級為企業(yè)的資源分配提供依據(jù)，從而牢牢抓緊最有價顧客，提高客戶關(guān)系管理效率。

2.顧客分級應(yīng)用現(xiàn)狀

目前我國的顧客分級主要應(yīng)用于銀行信用卡業(yè)務(wù)、航空公司以及B2C電商三個領(lǐng)域。

銀行信用卡業(yè)務(wù)。我國商業(yè)銀行信用卡體系在運行過程中產(chǎn)生了大量的睡眠卡，引起資源浪費、客戶流失、信用風(fēng)險增加、業(yè)務(wù)效率低下等問題。通過對客戶按照一定的標(biāo)準(zhǔn)進行合理細分，有利于發(fā)卡銀行進行有效的風(fēng)險管理，提高整體效益。目前銀行信用卡客戶分級的方法包括對客戶的信用評級以及根據(jù)客戶的透支行為、消費行為、貢獻性進行分級。

航空公司。美國西北大學(xué)教授Paul Wangle曾經(jīng)在研究中指出，旅客分為交易旅客和關(guān)系旅客兩種，而一般來說，機票打折真正吸引的是交易旅客，這種旅客對比所有航空公司的票價之后進行購買。客戶分級則能夠幫助航空公司把不同種類的客戶區(qū)分開來，通過把營銷成本花在最該花的旅客上，使得成本達到效率最大化，降低運營成本。

B2C電子商務(wù)。通過對不同群體的客戶進行分析，可以使電子商務(wù)運營商明確不同客戶需求，使得運營策略得到最優(yōu)的規(guī)劃；還可以發(fā)現(xiàn)潛在客戶，進一步擴大商業(yè)規(guī)模。相比傳統(tǒng)商務(wù)模式，電子商務(wù)由于由商務(wù)網(wǎng)站運行，可以提供大量的購物客戶的信息，使得電子商務(wù)更合適進行客戶的分級。

3.顧客分級的研究現(xiàn)狀

目前的顧客分級方法主要使用單一維度分類、多個因素聚類以及RFM模型等方法。單一維度分類就是按照某種維度，比如消費累計額度的多少對顧客進行分級，額度越高級別越高。這種方法在零售行業(yè)的應(yīng)用較為廣泛。多個因素聚類是一種對具有共同趨勢和模式的數(shù)據(jù)元組進行分組的方法，各類之間的相似程度很??；而在類的內(nèi)部，數(shù)據(jù)相似程度很大。比如在銀行的信用卡客戶分類上，可根據(jù)開卡客戶的存款余額、持卡時間、信用歷史、消費種類等信息對客戶進行聚類，后續(xù)通過決策樹、判別分析等方法對新客戶進行預(yù)測性分類。RFM模型是通過三項變量，即最近消費時間間隔 （Recency）、消費頻率（Frequency）、消費金額（Monetary）來細分客戶，形成顧客評級指標(biāo)。目前在航空業(yè)、電子商務(wù)等方面的應(yīng)用較廣。

綜上所述，顧客分級是企業(yè)圍繞顧客需求，有效配置營銷資源的手段；且在應(yīng)用和研究方面的發(fā)展都較為成熟。目前的中國成品油零售的顧客分級方法仍停留在單一維度的指標(biāo)方面，雖然操作簡單，但是在顧客的立體化描述、需求刻畫等方面的準(zhǔn)確性較差。有必要應(yīng)用新的數(shù)據(jù)和方法對中國成品油零售的顧客分級進行新的探索研究。

二 、模型設(shè)計和基本方法

傳統(tǒng)的顧客分類模式主要是根據(jù)整體的匯總數(shù)據(jù)，根據(jù)不同維度來進行分類，大多使用的是基本的統(tǒng)計分布計算方法。隨著信息技術(shù)的完善，目前顧客分類模式有所改變，其改善方式以數(shù)據(jù)挖掘及數(shù)據(jù)分析為主，常用的數(shù)據(jù)挖掘技術(shù)包括關(guān)聯(lián)分析、序列分析、分類分析、聚類分析、預(yù)測、孤立點分析等，同時也對用于模型運行所需的數(shù)據(jù)量提出了新的要求。在成品油零售行業(yè)，根據(jù)單一維度進行顧客分類已經(jīng)較為普遍，但是在數(shù)據(jù)的使用和方法上仍然較為傳統(tǒng)。本文在數(shù)據(jù)和方法上進行了發(fā)展和改善，并進行了探索性的實證研究。

1.數(shù)據(jù)來源及清洗方法

本文使用的數(shù)據(jù)主要來自顧客消費過程中由設(shè)備自動記錄的數(shù)據(jù)，包括顧客在加油站發(fā)生的充值、消費行為數(shù)據(jù)。主要包括充值額度、充值時間、充值低點、消費額度、消費時間、消費地點、消費類別等數(shù)據(jù)指標(biāo)，時間范圍是2010年1月1日-2014年10月30日。

為了保證分級的數(shù)據(jù)質(zhì)量，需要對數(shù)據(jù)進行篩選和清洗。根據(jù)數(shù)據(jù)特點，本文作者使用相關(guān)的方法進行了處理。主要包括三點：一是充值和消費數(shù)據(jù)都存在分布不平均得問題，因此難以兼顧等額與等量分割，為解決此問題，模型主要使用一般聚類方法。二是數(shù)據(jù)中異常值大且多，數(shù)據(jù)統(tǒng)計及散點圖顯示，數(shù)據(jù)樣本中異常值大量且廣泛的分布在數(shù)軸的右側(cè)，很難自動歸為一類；為解決此問題，可以考慮用分位數(shù)對極值加以限制，排除異常值后再進行聚類。三是數(shù)據(jù)量大，一般來說某個省連每年的消費記錄在300萬條以上，樣本量約50萬，在沒有大型計算機的情況下應(yīng)選擇較為簡單的算法。

2.基本思路

第一步：從五個維度判斷顧客價值

（1）消費總額：顧客實際購買總額越高，對企業(yè)的價值越大。（2）充值總額：顧客提前儲存的價值，是顧客品牌忠誠的體現(xiàn)；充值總額越高的顧客黏性越大，潛在價值越大。（3）消費次數(shù)：意味著顧客的行為忠誠，消費次數(shù)高的顧客有可能每次加油都在本公司；他們心理上忠誠于中石油的品牌，更有可能推薦顧客，為企業(yè)創(chuàng)造價值。（4）充值次數(shù)：顧客在行為上信任該品牌；（5）消費類別：購買高利潤油品的顧客對企業(yè)的價值更大。

第二步：以消費和充值為指標(biāo)的雙變量顧客分級方法

可從五個指標(biāo)中選擇消費總額和充值總額作為顧客分級的基本指標(biāo)，將消費類別作為區(qū)分指標(biāo)進一步細分顧客群體（以利營銷）。主要考慮有二：一是消費次數(shù)與消費總額、充值次數(shù)與充值總額高度相關(guān)，可合并考慮；二是消費次數(shù)雖然能夠體現(xiàn)顧客忠誠（心理上的），但準(zhǔn)確判斷顧客是否因為自身忠誠進而向其他顧客推薦等，實際操作難度較大，暫不考慮。這種分類可以同時評價兩個維度的顧客價值：一是實際消費中貢獻的價值（顯性價值）；二是由于忠誠而產(chǎn)生的價值（隱性價值），即某時期內(nèi)該顧客充值總額度非常高。按照這一思路，至少應(yīng)分離出四類顧客，即兩個維度的排列組合：消費低+充值少、消費低+充值多、消費高+充值少、消費高+充值高。

第三步：以汽油、柴油、非油毛利及沉淀資金利息等進一步細分級別

顧客價值主要體現(xiàn)在其消費和充值行為對企業(yè)的利潤貢獻，因此汽油、柴油、非油、沉淀資金等給企業(yè)帶來的利潤差異是決定顧客分級的主要標(biāo)準(zhǔn)。因此，在分檔的基礎(chǔ)上，再考慮這些差異（或者給以系數(shù)，以利綜合測算）；或者給以某種級別以利有針對性的營銷。對高檔次的顧客，這種級別遞增的分級方式有助于針對性營銷，鼓勵顧客進入高級別序列。

3.模型優(yōu)化

一般來說，傳統(tǒng)顧客分類主要使用的是分類分析方法，可以簡單地概括為“先定類別，再分類”。即通過分析具有類別的樣本的特點，得到?jīng)Q定樣本屬于各種類別的規(guī)則或方法，利用這些規(guī)則和方法對未知類別的樣本分類時應(yīng)該具有一定的準(zhǔn)確度。

在成品油顧客分類時，利用分類技術(shù)，可以根據(jù)顧客的消費水平和基本特征分類。對于大數(shù)據(jù)基礎(chǔ)上的顧客分類，主要使用的是聚類分析方法，即“先分類，再定類別”。即根據(jù)物以類聚的原理，將本身沒有類別的樣本聚集成不同的組，并對每一個這樣的組進行描述的過程，其主要依據(jù)是聚到同一個組中的樣本應(yīng)該彼此相似，而屬于不同組的樣本應(yīng)該足夠不相似。

根據(jù)前文所述的數(shù)據(jù)特點以及分析思路，本研究構(gòu)建的分析模型如下：一是直接進行單變量聚類，其目的是通過聚類對顧客消費行為單個屬性進行分析，研究變量在多維度聚類中是否可用。二是在初步聚類的基礎(chǔ)上，嘗試90%-99%的不同分位數(shù)控制聚類，目的是選擇合適的分位數(shù)，既能夠排除異常值又能夠保證整體聚類的準(zhǔn)確性。三是選擇合適的變量完成多維度聚類，并在聚類結(jié)果的基礎(chǔ)上根據(jù)營銷業(yè)務(wù)需求確定顧客分級情況。

三、實證分析

基于以上分析，研究人員提取了某省個人記名卡數(shù)據(jù)（消費記錄約1500萬條，記名卡數(shù)量約75萬），建立了四年數(shù)據(jù)基礎(chǔ)上的訓(xùn)練集，通過SAS統(tǒng)計聚類模型進行了實證研究。

1.單一指標(biāo)聚類模型

采用“分位數(shù)控制極值-快速聚類”的方法 構(gòu)建單變量維度分級模型，使用消費總額、充值總額、消費次數(shù)、充值次數(shù)、消費品類（購買量）分別構(gòu)建了五個模型，按照4級分類。

模型運算過程中，嘗試了90%-99%分位數(shù)下的聚類方式，發(fā)現(xiàn)90%分位數(shù)可以更加顯著地對目標(biāo)客戶群體進行聚類，在此情況下對客戶的分級更為清晰，特征更為明顯。以單變量對顧客初步聚類分析結(jié)果，可以從不同角度探究客戶的整體數(shù)量上的分布結(jié)構(gòu)。

從變量指標(biāo)的由低到高來看，在所選取的樣本中，位于最低水平的客戶數(shù)量大約在46萬左右，占比大約65%；其次數(shù)量大約在16萬左右，占比大約20%；再往上數(shù)量大約在6萬左右，占比大約10%；再往上客戶數(shù)量大約在2.3萬左右，占比大約5%；水平最高但水平分布較分散的客戶數(shù)量大約在8萬左右，占比大約10%左右。不同指標(biāo)的聚類數(shù)據(jù)量存在一定的差異，但整體上都符合這一比例。具體維度上的顧客分類的均值如下表所示。

2.多變量聚類模型

按照前文所述研究思路，多變量聚類模型分為兩步完成。

首先采用與單變量聚類模型同樣的方法，綜合消費總額和充值總額兩個指標(biāo)完成模型構(gòu)建（次數(shù)選擇95%分位數(shù)進行控制）。聚類組合是兩個維度排列組合產(chǎn)生的結(jié)果，模型運行產(chǎn)生四檔顧客：充值低+消費低、充值較低+消費較高、充值高+消費高、充值較高+消費較低。

再進一步聚類，可細分至汽油、柴油（亦可以測算非油）顧客。對已經(jīng)形成的四類樣本加入消費類別變量后再聚類，返現(xiàn)有必要對第一類顧客進一步分類，主要理由有：一是第一類顧客占比較高，達到全部樣本的80%，有必要根據(jù)顧客行為習(xí)慣進一步劃分；二是發(fā)現(xiàn)第一類顧客在行為習(xí)慣方面存在明顯的差異， 以非油消費為主的顧客汽油消費占比偏高，不同于其他三類。

最后，給定“汽油、柴油、非油毛利率、沉淀資金利率”等財務(wù)指標(biāo)，汽油和非油毛利率高于柴油，在相同消費情況下汽油和非油消費者對公司的價值相對較高；消費行為能夠?qū)嶋H轉(zhuǎn)化為公司的利潤，實現(xiàn)顧客價值，而充值行為只能產(chǎn)生沉淀資金，通過資金利率實現(xiàn)利潤，在相同情況下消費多的顧客對公司價值相對較高。因此，將第一大類中柴油消費占比較高的1.3單獨列為一類，得到5級分類結(jié)果，具體特征描述如下表：

3.營銷參考

模型運行結(jié)論在具體營銷過程中，需要根據(jù)實際情況測算具體的優(yōu)惠或者回饋力度。本文使用5級李克特量進行大體描述，1表示最低，5表示最高。具體的分級參考見表4，其中普通級顧客占比約為25%，對其消費和充值不做標(biāo)準(zhǔn)限值，只要使用本公司加油卡即可納入顧客管理范疇；次中級顧客數(shù)量占比約60%，消費額標(biāo)準(zhǔn)為1500元（考慮到實際營銷中一般以500元的倍數(shù)區(qū)分檔次，這里同樣使用500元的倍數(shù)），充值額標(biāo)準(zhǔn)為2000元；中級顧客數(shù)量占比約為1%，消費額標(biāo)準(zhǔn)為7000元，充值額標(biāo)準(zhǔn)為15000元；次高級顧客消費額和充值額標(biāo)準(zhǔn)約為10000元和12000元；高級顧客消費額和充值額標(biāo)準(zhǔn)為20000元和25000元。

如上分級后，至少可以作如下營銷方面考慮：普通級顧客消費額及充值額均偏小，維護營銷必要性不強。次中級顧客占比最多，是主要營銷顧客群體，不但優(yōu)惠力度要高于普通級顧客，策略上還應(yīng)鼓勵其多充值以增加顧客黏性。中級顧客占比最少，這一級設(shè)置的主要目的是增大對次中級顧客的吸引力，故優(yōu)惠力度應(yīng)有較大幅度跨越（顧客數(shù)少，總成本不高）；針對這一級顧客消費低、充值多的特點，策略上應(yīng)鼓勵其增加消費。中高級顧客忠誠度較高，應(yīng)適當(dāng)提高優(yōu)惠力度，策略以持續(xù)維護為主。

四 、應(yīng)用前景

本文所述模型屬于靜態(tài)模型，使用過去實際發(fā)生的顧客行為數(shù)據(jù)測算訓(xùn)練集，根據(jù)聚類結(jié)果形成顧客分級的建議標(biāo)準(zhǔn)。此模型的優(yōu)點有：一是能夠根據(jù)已有數(shù)據(jù)信息，給出明確的分級分檔建議，有助于公司制定政策、員工營銷講解、顧客熟知了解。二是對成品油零售中的顧客消費行為指標(biāo)選擇進行了篩選，突破了單一維度分類分級的局限性。

靜態(tài)模型的缺點在于，隨著時間的變化顧客行為會有所變化，無法根據(jù)顧客行為變化指標(biāo)實現(xiàn)動態(tài)監(jiān)測和及時營銷。因此，如果能夠利用加油站的信息系統(tǒng)，在現(xiàn)有靜態(tài)模型的基礎(chǔ)上引入RFM動態(tài)化指標(biāo)（消費或者充值時間間隔 Recency、消費或者充值頻率Frequency、消費或者充值金額Monetary），則能夠更好地實現(xiàn)對加油站零售顧客的針對性維護和營銷。

參考文獻：

[1][美]科特勒，凱勒著.梅清豪譯.營銷管理（第12版）[M].上海：上海人民出版社，2006.

[2]邵焱，譚恒.劉玉芳.現(xiàn)代市場營銷學(xué)[M].北京：清華大學(xué)出版社，2007.

[3]劉浩熙.數(shù)據(jù)挖掘在客戶關(guān)系管理綜合決策中的應(yīng)用[D].北京郵電大學(xué)碩士論文，2008.

[4]于亞飛，周愛武.K-Means 聚類算法的研究[J].計算機技術(shù)與發(fā)展，2011，21（2）

[5]王永貴等.基于顧客權(quán)益的價值導(dǎo)向型顧客關(guān)系管理——理論框架與實證分析[J].管理科學(xué)學(xué)報，2005，12（8）：27-36.

[6]劉義，萬迪，張鵬.基于購買行為的客戶細分方法比較研究[J].管理科學(xué)，2003，16（1）：69-71.