多維度視角下客戶群標(biāo)準(zhǔn)人構(gòu)造研究

李　冰，王　虎，王　銳

(1江西師范大學(xué) 軟件學(xué)院，江西 南昌 330022；2武漢理工大學(xué) 管理學(xué)院，湖北 武漢 430070；3江西理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 贛州 341000)

在大規(guī)?？蛻舡h(huán)境下，傳統(tǒng)的客戶服務(wù)管理理論與方法的局限性已經(jīng)顯現(xiàn)，“二八法則”已不足以作為客戶管理的有效指導(dǎo)原則，“長(zhǎng)尾理論”越來(lái)越受學(xué)術(shù)界和企業(yè)界的重視。企業(yè)必須重視大多數(shù)普通客戶，但由于客戶數(shù)量眾多，不可能對(duì)每位客戶進(jìn)行關(guān)注，這時(shí)可以采取精細(xì)化營(yíng)銷的方式，對(duì)客戶進(jìn)行細(xì)分，以客戶群為單位，對(duì)客戶進(jìn)行分群管理。在實(shí)際客戶分群管理中，主要研究的是客戶的共性特征，制定符合大眾需求習(xí)慣的“標(biāo)準(zhǔn)人”并以此提供服務(wù)。如服裝企業(yè)在制造上衣時(shí)，會(huì)先根據(jù)不同的目標(biāo)客戶群構(gòu)造出相應(yīng)的標(biāo)準(zhǔn)人，然后依據(jù)這些標(biāo)準(zhǔn)人制定出S、M、L、XL、XXL、XXXL等標(biāo)準(zhǔn)尺寸的上衣?？蛻羧簶?biāo)準(zhǔn)人的選取至關(guān)重要，其關(guān)系到所構(gòu)造的標(biāo)準(zhǔn)人是否真的能夠代表整個(gè)客戶群的特征與服務(wù)需求，關(guān)系到企業(yè)是否能準(zhǔn)確進(jìn)行服務(wù)決策和營(yíng)銷決策。客戶群標(biāo)準(zhǔn)人構(gòu)造示意圖如圖1所示。

圖1　客戶群標(biāo)準(zhǔn)人構(gòu)造示意圖

目前國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)客戶細(xì)分進(jìn)行了大量研究，客戶群劃分策略已經(jīng)被大多數(shù)企業(yè)所采納[1-2]，而對(duì)于客戶細(xì)分之后如何尋找反映該客戶群共性特征的標(biāo)準(zhǔn)人的研究還很少。SMITH提出客戶細(xì)分理論[3]；國(guó)內(nèi)學(xué)者齊佳音等較早提出客戶關(guān)系管理研究的重要性[4-5]；KIM等提出了基于客戶生命價(jià)值的客戶細(xì)分模型，然后通過(guò)案例闡述了針對(duì)不同客戶群的客戶策略[6]；HUGHES等提出了RFM分析是以3個(gè)行為變量來(lái)描述和區(qū)分客戶的[7-8]；張國(guó)方基于CRM客戶細(xì)分理論提出并研究了客戶相對(duì)價(jià)值細(xì)分理論、客戶價(jià)值生命周期形態(tài)細(xì)分理論及其應(yīng)用策略，提出了基于客戶價(jià)值生命周期理論的客戶細(xì)分方法[9]?？蛻艏?xì)分方法為客戶細(xì)分理論的應(yīng)用奠定了技術(shù)支持，但其僅能應(yīng)用于中小規(guī)模客戶管理。樊博等在數(shù)字城市的基礎(chǔ)上，研究了具有空間分析能力的客戶關(guān)系管理系統(tǒng)，提出基于空間數(shù)據(jù)分類挖掘的客戶細(xì)分方法[10]；盧致杰從客戶群的分類和計(jì)算角度研究了客戶群價(jià)值，引入了基于距離的客戶群價(jià)值計(jì)算方法，并通過(guò)實(shí)例驗(yàn)證了該方法的可行性[11]。

企業(yè)在實(shí)際客戶管理中，大多數(shù)是從該客戶群當(dāng)中隨機(jī)找一個(gè)客戶，以該客戶特征來(lái)代表整個(gè)客戶群的特征。由于客戶個(gè)體與客戶群之間存在特征上的差異，所以該方法對(duì)整個(gè)客戶群的共性特征的把握存在誤差。在標(biāo)準(zhǔn)人構(gòu)造研究方面，王虎等在研究客戶群共性特征時(shí)，對(duì)標(biāo)準(zhǔn)人構(gòu)造進(jìn)行了初步探討，其方法是基于客戶的各個(gè)特征屬性值，計(jì)算各個(gè)屬性值的平均值，并將平均值綜合起來(lái)便構(gòu)成標(biāo)準(zhǔn)人的屬性特征值[12-13]。但是，這種客戶群標(biāo)準(zhǔn)人的構(gòu)造方法所采用的視角比較單一，不能滿足實(shí)際的需求，有待進(jìn)一步改進(jìn)。

客戶群標(biāo)準(zhǔn)人的選取可有多種視角，且不同視角下所構(gòu)造出的標(biāo)準(zhǔn)人的作用以及對(duì)服務(wù)商的價(jià)值各不相同?；诖耍P者從多維度視角，提出了多種客戶群標(biāo)準(zhǔn)人的構(gòu)造方法。將客戶群的各個(gè)特征屬性映射為多維空間的坐標(biāo)，每位個(gè)體客戶都是該多維空間的點(diǎn)，使得該空間能夠完整地呈現(xiàn)出客戶群的形狀，這樣客戶群標(biāo)準(zhǔn)人的構(gòu)造問(wèn)題就轉(zhuǎn)變?yōu)榍笠粋€(gè)多維空間圖形的“中心點(diǎn)”問(wèn)題。根據(jù)不同標(biāo)準(zhǔn)，多維不規(guī)則圖形的“中心點(diǎn)”可能存在多個(gè)，如中心、形心、眾心、質(zhì)心等，不同的“中心點(diǎn)”對(duì)應(yīng)了不同選取標(biāo)準(zhǔn)所產(chǎn)生的客戶群標(biāo)準(zhǔn)人。

筆者解釋了以客戶群中心、形心、眾心和質(zhì)心作為標(biāo)準(zhǔn)人在客戶管理當(dāng)中的實(shí)際含義，并分別給出了尋找這些標(biāo)準(zhǔn)人的算法，探討了不同標(biāo)準(zhǔn)人實(shí)際用途和價(jià)值，并基于實(shí)例數(shù)據(jù)進(jìn)行模擬。最后探討了客戶關(guān)系管理系統(tǒng)中構(gòu)造客戶群標(biāo)準(zhǔn)人模塊的實(shí)現(xiàn)。

1　客戶群標(biāo)準(zhǔn)人概念的界定

客戶群標(biāo)準(zhǔn)人的實(shí)質(zhì)是通過(guò)對(duì)客戶群特征的共性分析，塑造出一種客戶原型，使之能夠代表客戶群的共性。原型[14](prototype)是指首創(chuàng)的模型，代表同一類型人物、物件或觀念。根據(jù)原型理論，類別都是按照某種原型進(jìn)行組織的，在類別內(nèi)部根據(jù)各個(gè)成員與原型的相似程度進(jìn)行排序，與原型相似度最高的成員是最具代表性的成員，它居于類別的核心，與原型相似度低的成員圍繞在核心成員周圍。研究表明，人類進(jìn)行類別化的重要標(biāo)準(zhǔn)就是原型。LAWSON認(rèn)為客戶原型的概念形成具有相應(yīng)的組織原則，而非像傳統(tǒng)研究范式那樣單純屬于個(gè)人的認(rèn)知過(guò)程[15]；BASU 認(rèn)為類別化是知識(shí)表征的基本信息加工過(guò)程，涉及到與新舊類別知識(shí)之間的比較[16]；CHIN-PARKER等指出類別化能夠幫助人們按照不同類型區(qū)分不同的對(duì)象，并形成對(duì)象之間的共同性認(rèn)知[17]?？蛻羧旱男纬烧亲裱屠碚摱鴮?shí)現(xiàn)的。類別化和概念形成是知識(shí)表征的核心，類別體現(xiàn)了群體內(nèi)部最具代表性成員的核心特征[18]。

上述關(guān)于客戶原型的研究主要是從心理學(xué)角度進(jìn)行探討，需要企業(yè)花費(fèi)大量時(shí)間進(jìn)行問(wèn)卷調(diào)查研究，采集客戶原始數(shù)據(jù)，這對(duì)一般普通企業(yè)來(lái)說(shuō)不適用。隨著企業(yè)客戶數(shù)據(jù)的日積月累，企業(yè)掌握著越來(lái)越多的客戶屬性數(shù)據(jù)，企業(yè)可以充分利用這些數(shù)據(jù)，以輔助企業(yè)管理者進(jìn)行決策。通過(guò)標(biāo)準(zhǔn)人信息系統(tǒng)模塊的構(gòu)建，信息系統(tǒng)可以快速地構(gòu)造出能反映客戶群共性且滿足實(shí)際客戶管理需求的標(biāo)準(zhǔn)人。

綜上所述，可以將客戶群標(biāo)準(zhǔn)人定義為：根據(jù)企業(yè)客戶管理的需求，按照一定的標(biāo)準(zhǔn)并基于實(shí)際客戶群特征而構(gòu)造出來(lái)的典型客戶。所構(gòu)造出的標(biāo)準(zhǔn)人能夠代表整個(gè)客戶群的共性特征，企業(yè)在為客戶群提供產(chǎn)品或服務(wù)時(shí)，可以直接參考其標(biāo)準(zhǔn)人，而不需要花大量時(shí)間精力去考慮所有的客戶。標(biāo)準(zhǔn)人構(gòu)造的前提是企業(yè)已經(jīng)具備了充分的客戶信息資料，包括人口統(tǒng)計(jì)信息、行為特征信息等，對(duì)于電信業(yè)、保險(xiǎn)業(yè)、電子商務(wù)等企業(yè)來(lái)說(shuō)，其具備這樣的條件。

客戶群標(biāo)準(zhǔn)人構(gòu)造的一般步驟如下：①客戶群劃分指標(biāo)體系的構(gòu)建。對(duì)客戶行為屬性進(jìn)行篩選，找出反映客戶群行為共性的指標(biāo)，構(gòu)建客戶群劃分的指標(biāo)體系。通過(guò)對(duì)客戶群行為共性特征要素的完備性分析，對(duì)指標(biāo)體系結(jié)構(gòu)進(jìn)行優(yōu)化。②客戶群的劃分。確定客戶群劃分方法，基于客戶群行為共性指標(biāo)劃分客戶群。③標(biāo)準(zhǔn)的選取。依據(jù)客戶群和產(chǎn)品所處的生命周期階段選取合適的標(biāo)準(zhǔn)，包括中心、形心、眾心、質(zhì)心。④標(biāo)準(zhǔn)人的構(gòu)造。依據(jù)選取的標(biāo)準(zhǔn)，對(duì)客戶群共性特征進(jìn)行分析，采用標(biāo)準(zhǔn)人構(gòu)造方法，構(gòu)造出最能代表該客戶群行為共性特征的標(biāo)準(zhǔn)人。

2　不同視角下客戶群標(biāo)準(zhǔn)人的管理內(nèi)涵及其價(jià)值

將客戶群的各個(gè)特征屬性映射為多維空間的坐標(biāo)，每位個(gè)體客戶都是該多維空間的點(diǎn)，使得該空間能夠完整地呈現(xiàn)出客戶群的形狀，通過(guò)尋找該多維空間圖形的“中心點(diǎn)”可以得到客戶群標(biāo)準(zhǔn)人?？蛻羧簶?biāo)準(zhǔn)人的選取視角有：中心、形心、眾心和質(zhì)心4種。按照不同視角選取的標(biāo)準(zhǔn)人，其位置不同，用途也不相同，可以根據(jù)實(shí)際需要選取不同的視角。

(1)基于客戶群中心視角選取標(biāo)準(zhǔn)人。將客戶群各個(gè)屬性特征值的中心點(diǎn)作為中心客戶的特征值。中心在一定時(shí)期內(nèi)相對(duì)穩(wěn)定，反映的是整個(gè)客戶群的一種靜態(tài)特征。如中國(guó)移動(dòng)的動(dòng)感地帶套餐是針對(duì)學(xué)生群體的，不斷有學(xué)生畢業(yè)，也不斷有新生加入該群體，該群體的年齡、學(xué)歷等屬性特征在一定時(shí)期內(nèi)比較穩(wěn)定，即客戶群中心不變。

(2)基于客戶群形心視角選取標(biāo)準(zhǔn)人。形心是指客戶群基本屬性和行為屬性在多維空間當(dāng)中所呈現(xiàn)形狀的中心。中心和形心的選取意義比較類似，只是站的角度不同，中心是從統(tǒng)計(jì)學(xué)角度選取平均值，而形心是從視圖角度找“中心點(diǎn)”，相對(duì)來(lái)說(shuō)更加直觀。

(3)基于客戶群眾心視角選取標(biāo)準(zhǔn)人。眾心客戶即領(lǐng)袖客戶，影響力最大，在客戶群當(dāng)中具有極高的信譽(yù)，其代表了最先找到最優(yōu)服務(wù)的客戶，并引起其他客戶的共鳴和學(xué)習(xí)。在統(tǒng)計(jì)分布上，眾心是具有明顯集中趨勢(shì)的數(shù)值，代表了領(lǐng)袖意見，反映某核心客戶的行為被周圍客戶跟隨的現(xiàn)象。

(4)基于客戶群質(zhì)心視角選取標(biāo)準(zhǔn)人?？紤]到客戶價(jià)值屬性，將客戶價(jià)值作為客戶在空間位置當(dāng)中的密度，密度最集中的位置即為質(zhì)心。一般情況下，質(zhì)心與形心是不重合的，只有當(dāng)客戶群所有客戶的價(jià)值等同時(shí)，質(zhì)心與形心才會(huì)重合。

產(chǎn)品生命周期階段包括產(chǎn)品設(shè)計(jì)、產(chǎn)品開發(fā)和生產(chǎn)、產(chǎn)品銷售、產(chǎn)品售后服務(wù)。產(chǎn)品生命周期的各個(gè)階段都要以客戶為中心，始終圍繞客戶的需求展開產(chǎn)品服務(wù)工作。產(chǎn)品的生產(chǎn)包括單件生產(chǎn)和成批生產(chǎn)，對(duì)于單件生產(chǎn)而言，針對(duì)單個(gè)客戶“量身定做”，不存在標(biāo)準(zhǔn)人選取問(wèn)題。而對(duì)于成批生產(chǎn)，就需要選擇標(biāo)準(zhǔn)型客戶。在產(chǎn)品設(shè)計(jì)階段，主要依據(jù)客戶的特征屬性來(lái)指導(dǎo)各項(xiàng)工作的開展，可以采用“中心”或“形心”視角選取標(biāo)準(zhǔn)人。如在服裝行業(yè)，每批次的服裝生產(chǎn)都會(huì)事先通過(guò)大量的樣本統(tǒng)計(jì)，找出不同性別及年齡階段客戶群的原型，進(jìn)而確定設(shè)計(jì)樣式和尺寸大小。產(chǎn)品在市場(chǎng)上進(jìn)行推廣時(shí)，可以采用“眾心”視角來(lái)選取標(biāo)準(zhǔn)人，找出領(lǐng)袖客戶。采取相應(yīng)的營(yíng)銷策略吸引和留住更多的眾心客戶，充分發(fā)揮眾心客戶的影響力，吸引更多的普通客戶。在客戶價(jià)值分析時(shí)，可以采用“質(zhì)心”視角選取標(biāo)準(zhǔn)人，通過(guò)分析客戶群質(zhì)心，掌握各客戶群對(duì)于企業(yè)所創(chuàng)造的價(jià)值，為企業(yè)合理分配營(yíng)銷資源提供依據(jù)?？蛻舴?wù)選擇不同階段的客戶群“中心” 如圖2所示，在服務(wù)選擇之前，采用中心或形心視角選取客戶群“中心”；在服務(wù)選擇過(guò)程中，采用眾心視角選取客戶群“中心”；在服務(wù)選擇完成后，采用質(zhì)心視角選取客戶群“中心”。

圖2　客戶服務(wù)選擇不同階段的客戶群“中心”

3　不同視角下客戶群標(biāo)準(zhǔn)人的構(gòu)造算法

標(biāo)準(zhǔn)人的構(gòu)造方法主要有定性方法和定量方法兩種?？蛻艄芾碚呓?jīng)常與客戶接觸，客戶群標(biāo)準(zhǔn)人其實(shí)已經(jīng)在客戶管理者心目中有了一定的標(biāo)準(zhǔn)，其以隱性知識(shí)形式存在，可以通過(guò)問(wèn)卷、訪談等手段將隱性知識(shí)顯性化，獲取客戶群標(biāo)準(zhǔn)人的主要特征，這種方法屬于定性方法。定量方法是指收集整理客戶信息資料，構(gòu)造客戶屬性特征矩陣，根據(jù)實(shí)際需要選擇客戶群標(biāo)準(zhǔn)人的構(gòu)造標(biāo)準(zhǔn)，如形心、質(zhì)心、中心或眾心，并采用一定的算法計(jì)算出標(biāo)準(zhǔn)人的各項(xiàng)屬性特征值。定性的方法難以實(shí)施，其所得到的結(jié)果主觀性太強(qiáng)，且不夠精確，因此筆者主要探討定量的構(gòu)造方法。

尋找群體中心的方法有很多，如統(tǒng)計(jì)分析、聚類分析等。已有的數(shù)理統(tǒng)計(jì)方法都是屬于硬計(jì)算，沒(méi)有考慮到數(shù)據(jù)本身的分布特點(diǎn)，也沒(méi)有考慮不確定性和隨機(jī)性問(wèn)題。粒子群優(yōu)化算法是模擬鳥群覓食行為過(guò)程而提出的一種隨機(jī)優(yōu)化搜索算法[19]，屬于軟計(jì)算方法，該方法具有很強(qiáng)的搜索能力，能夠找出群體的中心。DAS等提出粒子群中心的概念，并給出計(jì)算群體中心位置的相關(guān)算法[20-21]；汪永生等引入物理學(xué)當(dāng)中的質(zhì)心概念，提出質(zhì)心粒子群優(yōu)化算法，通過(guò)該方法可以尋找群體的質(zhì)心[22]。

筆者提出的標(biāo)準(zhǔn)人構(gòu)造方法是以粒子群優(yōu)化算法為主，并輔助其他的相關(guān)算法。形心和中心非常接近，可以使用粒子群優(yōu)化算法或K-means聚類算法，尋找客戶群的形心和中心。使用K-means算法，各個(gè)聚類中心的點(diǎn)就是標(biāo)準(zhǔn)人所處的位置。下面主要探討基于眾心和質(zhì)心視角的客戶群標(biāo)準(zhǔn)人構(gòu)造方法。

3.1　客戶群眾心視角下的標(biāo)準(zhǔn)人構(gòu)造算法

眾心客戶即領(lǐng)袖客戶，其影響力最大，在客戶群當(dāng)中具有極高的信譽(yù)。該客戶代表了最先找到最優(yōu)服務(wù)的客戶，并引起其他客戶的共鳴和學(xué)習(xí)。為了模擬尋找眾心客戶的過(guò)程和模擬普通客戶追隨眾心客戶的現(xiàn)象，筆者基于粒子群優(yōu)化算法構(gòu)建仿真模型。首先構(gòu)建若干客戶，形成客戶群，所有客戶都具備以下3種特點(diǎn)：①具有初始的購(gòu)買經(jīng)驗(yàn)并能夠繼承；②客戶個(gè)體在服務(wù)選擇過(guò)程中能夠通過(guò)自身努力獲取經(jīng)驗(yàn)；③當(dāng)客戶群里面有更成功的購(gòu)買者時(shí)，能夠向其學(xué)習(xí)，受其影響。

標(biāo)準(zhǔn)人構(gòu)造算法思路：設(shè)某D維空間為客戶群(包含N位客戶，即粒子)所要搜尋的目標(biāo)，所有粒子的共同目標(biāo)是在該空間中找到距離最小的解。所有粒子在該空間中的位置坐標(biāo)為Xi=(xi1,xi2,…,xiD)，i=1,2,…,N，d=1,2,…,D。所有粒子的搜尋效率表示為Vi=(vi1,vi2，…,viD)。粒子在執(zhí)行一次迭代之后都會(huì)得到一個(gè)績(jī)效得分，即適值。每個(gè)粒子都會(huì)產(chǎn)生自身的歷史最優(yōu)成績(jī)：pbest(i)=pgi=(pi1,pi2,…,piD)。在每次迭代過(guò)程中，找到所有粒子成績(jī)的最大值，即為粒子群的最優(yōu)成績(jī)：gbest=(pbest(1),pbest(2),…,pbest(N))=(pg1,pg2,…,pgD)。粒子群通過(guò)自己努力、相互協(xié)作和共享，使得其搜尋成績(jī)不斷動(dòng)態(tài)變化，計(jì)算公式如下：

vid(t+1)=w×vid(t)+c1r1(t)(pid(t)-

(1)

xid(t+1)=xid(t)+vid(t+1)

(2)

圖3　基于粒子群優(yōu)化算法的仿真流程

筆者以實(shí)例數(shù)據(jù)模擬普通客戶追隨眾心客戶的現(xiàn)象，采用上述步驟得到的仿真結(jié)果如圖4所示。其中，點(diǎn)代表普通客戶，圓圈代表領(lǐng)袖客戶。從圖4可以看出，在迭代1～5次時(shí)，領(lǐng)袖客戶還處于客戶群的邊緣位置；隨著迭代次數(shù)增大到10～20次時(shí)，大部分客戶都向著領(lǐng)袖客戶靠攏；當(dāng)?shù)螖?shù)增至50～100次時(shí)所有客戶都幾乎與領(lǐng)袖客戶重合。

圖4　眾心客戶對(duì)普通客戶的吸引過(guò)程

3.2　客戶群質(zhì)心視角下的標(biāo)準(zhǔn)人構(gòu)造算法

在實(shí)際客戶管理當(dāng)中，客戶屬性一般分為兩類：①客戶條件屬性，是客戶的基本屬性，包括人口統(tǒng)計(jì)屬性、消費(fèi)行為屬性、使用行為屬性等；②決策屬性，其需要根據(jù)條件屬性進(jìn)行判斷，通過(guò)分析客戶歷史的條件屬性與決策屬性之間的關(guān)聯(lián)，來(lái)預(yù)測(cè)客戶未來(lái)的需求，能夠?yàn)楣芾碚咛峁Q策。例如，對(duì)電信行業(yè)來(lái)說(shuō)，可以通過(guò)分析客戶歷史的消費(fèi)記錄和使用套餐，推測(cè)出客戶在通話、短信、網(wǎng)絡(luò)等方面的需求特征，從而有針對(duì)性地為客戶推薦服務(wù)套餐?？蛻魲l件屬性對(duì)應(yīng)的是上述系統(tǒng)中各質(zhì)點(diǎn)的坐標(biāo)，客戶決策屬性對(duì)應(yīng)上述系統(tǒng)中質(zhì)點(diǎn)的質(zhì)量。每個(gè)客戶群就是一個(gè)系統(tǒng)，群內(nèi)每個(gè)客戶就是該系統(tǒng)的質(zhì)點(diǎn)。假設(shè)某客戶群有N個(gè)客戶，客戶具有P個(gè)屬性，可以通過(guò)P維坐標(biāo)將客戶展現(xiàn)在P維向量空間之中?？蛻羧旱摹百|(zhì)心”稱為客戶群的標(biāo)準(zhǔn)人。

(3)

4　構(gòu)造客戶群標(biāo)準(zhǔn)人的模擬分析

圖5　客戶群在三維空間的分布情況

圖6　客戶群在年齡-收入兩個(gè)屬性上的分布情況

圖7　客戶群在年齡-保險(xiǎn)費(fèi)上的分布情況

以A保險(xiǎn)公司的客戶服務(wù)數(shù)據(jù)來(lái)對(duì)標(biāo)準(zhǔn)人構(gòu)造過(guò)程進(jìn)行模擬分析。該公司的客戶服務(wù)數(shù)據(jù)庫(kù)里面存儲(chǔ)了保險(xiǎn)人的年齡、收入和保險(xiǎn)費(fèi)等信息，其中年齡和收入是客戶基本屬性，保險(xiǎn)費(fèi)是決策屬性。通過(guò)這3個(gè)屬性將該公司的某個(gè)客戶群展示到一個(gè)三維空間結(jié)構(gòu)之中，如圖5所示。將該客戶群的兩個(gè)基本屬性用二維平面圖展示出來(lái)，如圖6所示。從圖5和圖6可以看出，客戶群圍繞某個(gè)中心，里面比較密集，越向外客戶越松散。將客戶群的年齡和保險(xiǎn)費(fèi)、收入和保險(xiǎn)費(fèi)的分布情況展示出來(lái)，分別如圖7和圖8所示。從圖7可以看出保險(xiǎn)費(fèi)隨著年齡段不同而呈現(xiàn)出很大的差異。年齡在10～30歲區(qū)間內(nèi)的客戶，保險(xiǎn)費(fèi)偏低；在30～60歲區(qū)間內(nèi)的客戶，保險(xiǎn)費(fèi)最高；60歲以上的客戶，保險(xiǎn)費(fèi)最低。從圖8可以看出該客戶群收入在中等水平時(shí)，客戶的保險(xiǎn)費(fèi)相對(duì)比較高；而收入在高水平情況下，客戶的保險(xiǎn)費(fèi)不是很高。

圖8　客戶群在收入-保險(xiǎn)費(fèi)上的分布情況

圖9　基于中心、形心、眾心和質(zhì)心的客戶群標(biāo)準(zhǔn)人示意圖

基于上述探討的標(biāo)準(zhǔn)人構(gòu)造方法，分別以中心、形心、眾心、質(zhì)心為標(biāo)準(zhǔn)，構(gòu)造該客戶群的標(biāo)準(zhǔn)人?；谥行?、形心、眾心、質(zhì)心的標(biāo)準(zhǔn)人在客戶群當(dāng)中的位置情況如圖9所示。從圖9可以看出中心和形心非常接近，處于整個(gè)圖形的中間。眾心處于客戶最密集的一點(diǎn)上面。質(zhì)心則處于圖形比較偏的位置。這是因?yàn)椋四挲g和收入兩個(gè)維度外，還有第三個(gè)維度，即保險(xiǎn)費(fèi)。如果考慮到保險(xiǎn)費(fèi)這一維度，客戶群在質(zhì)心這一點(diǎn)上面是處于價(jià)值的中心，也即這一點(diǎn)最能夠代表整個(gè)客戶群的價(jià)值，如圖10所示。

圖10　在價(jià)值維度中質(zhì)心的位置示意圖

5　結(jié)論

筆者首先對(duì)標(biāo)準(zhǔn)人的概念進(jìn)行界定；然后根據(jù)不同的管理需求，從不同的視角提出了標(biāo)準(zhǔn)人的構(gòu)造算法，并基于實(shí)例數(shù)據(jù)進(jìn)行模擬；最后探討了客戶關(guān)系管理系統(tǒng)中構(gòu)造客戶群標(biāo)準(zhǔn)人模塊的實(shí)現(xiàn)。

基于客戶群標(biāo)準(zhǔn)人的服務(wù)推薦方法屬于一種粗粒度化個(gè)性服務(wù)推薦。個(gè)性化服務(wù)推薦的未來(lái)發(fā)展方向是細(xì)粒度化個(gè)性服務(wù)推薦，筆者的研究結(jié)果將為此提供了鋪墊。筆者下一步需要研究的方向是：通過(guò)上述方法尋找客戶群標(biāo)準(zhǔn)人，演化出客戶群所有客戶的共性需求，然后基于客戶個(gè)性特征與客戶群標(biāo)準(zhǔn)人之間的個(gè)性化特征差異，計(jì)算個(gè)性影響因子，并對(duì)共性需求進(jìn)行調(diào)整，得出客戶的個(gè)性需求，最終實(shí)現(xiàn)細(xì)粒度化的個(gè)性服務(wù)推薦。

參考文獻(xiàn)：

[1]REITANO V. Customer segmentation and clustering using SAS enterprise miner[J].Social Science Computer Review,2015,33(3):415-417.

[2]HUNG C W. Using taguchi method for effective customer segmentation[C]∥2011 International Conference on Computer Science and Logistics Engineering. Zhengzhou: United Arab Emirates,2011:415-419.

[3]SMITH W R. Product differentiation and market segmentation as alternative product strategies[J].Journal of Marketing,1956,11(7):3-8.

[4]齊佳音,韓新民,李懷祖.我國(guó)客戶關(guān)系管理研究的緊迫性和方向分析[J].管理科學(xué)學(xué)報(bào),2002,5(4):88-94.

[5]樊治平,王建宇,陳媛.客戶關(guān)系管理(CRM)的評(píng)述與展望[J].系統(tǒng)工程,2002,20(6):1-8.

[6]KIM S Y, JUNG T S, SUH E H, et al. Customer segmentation and strategy development based on customer lifetime value: a case study[J]. Journal of Expert systems with applications, 2006,31(1):101-107.

[7]HUGHES A M.Strategic database marketing: the master plan for starting and managing a profitable, customer-based marketing program[M].NewYork:McGraw-Hill Trade,2000:137-142.

[8]劉英姿,吳昊.客戶細(xì)分方法研究綜述[J].管理工程學(xué)報(bào),2006,20(1):53-56.

[9]張國(guó)方.客戶細(xì)分理論及應(yīng)用策略研究[J].華中科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2003,17(3):101-104.

[10]樊博,李海剛,郭瓊.面向客戶細(xì)分的空間數(shù)據(jù)分類研究[J].系統(tǒng)工程學(xué)報(bào),2008,23(1):87-95.

[11]盧致杰.基于距離的客戶群價(jià)值研究[J].管理工程學(xué)報(bào),2006,20(1):18-23.

[12]王虎,李冰.基于高維云模型的多屬性客戶群體相似性度量[J].工業(yè)工程與管理,2012,17(6):76-82.

[13]王銳,王虎,李冰.粗糙集理論在客戶群標(biāo)準(zhǔn)客戶塑造中的應(yīng)用研究[J].江西理工大學(xué)學(xué)報(bào),2017,38(2):46-51.

[14]蔣廉雄,何云,朱輝煌,等.品牌原型的理論基礎(chǔ)、研究回顧與展望[J].外國(guó)經(jīng)濟(jì)與管理,2010,32(1):41-49.

[15]LAWSON R. Consumer knowledge structures: background issues and introduction[J]. Psychology & Marketing, 2002,19(6):447-455.

[16]BASU K. Consumers′ categorization processes: an examination with two alternatives methodological paradigms [J]. Journal of Consumer Psychology, 1993,2(2):97-111.

[17]CHIN-PARKER S,ROSS B H．Diagnosticity and prototypicality in category learning：a comparison of inference learning and classification learning[J]. Journal of Experimental Psychology: Learning, Memory & Cognition, 2004,30(1):216-226.

[18]MAO H, KRISHNAN H S. Effects of prototype and exemplar fit on brand extension evaluations：a two-process contingency model[J]．Journal of Consumer Research, 2006,33(1):41-49.

[19]KENNEDY J, EBERHART R. Particle swarm optimization [C]∥Proceedings of the 4th IEEE International Conference on Neural Networks.Piscataway: IEEE Service Center, 1995:1942-1948.

[20]DAS S，KODURU P，GUI M，et al. Adding local search to particle swarm optimization[C]∥Proceedings of the IEEE Congress on Evolutionary Computation. [S.l.]∶[s.n.]，2006：428-433.

[21]LIU Y，QIN Z，SHI Z，et al. Center particle swarm optimization[J]. Neurocomputing，2007，70(4)：672-679.

[22]汪永生,李均利.質(zhì)心粒子群優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用，2011,47(3):34-37.