基于叉熵的線上零售商消費(fèi)者細(xì)分探究

苗蘊(yùn)慧 博士 付婷婷

（沈陽化工大學(xué)經(jīng)濟(jì)與管理學(xué)院 遼寧沈陽 110142）

引言

隨著電子商務(wù)的不斷發(fā)展，線上零售商的經(jīng)營(yíng)理念也由“以產(chǎn)品為核心”逐漸向“以消費(fèi)者為中心”轉(zhuǎn)變，零售商的產(chǎn)品消費(fèi)模式和消費(fèi)者購(gòu)物行為也發(fā)生了變化。對(duì)于線上零售商而言，如何對(duì)海量的消費(fèi)者信息和市場(chǎng)發(fā)展信息進(jìn)行收集分析，以及如何對(duì)消費(fèi)者人群進(jìn)行細(xì)分和價(jià)值發(fā)掘，已成為零售商在發(fā)展過程中必須重點(diǎn)關(guān)注的問題。目前，大量經(jīng)濟(jì)專家關(guān)于零售商對(duì)消費(fèi)者細(xì)分進(jìn)行了分析，認(rèn)為零售商在盈利難度逐漸加大的環(huán)境下，需要實(shí)時(shí)對(duì)消費(fèi)者的消費(fèi)記錄和反饋信息進(jìn)行收集，對(duì)潛在的消費(fèi)者進(jìn)行發(fā)掘，這能夠?yàn)榱闶凵痰木?xì)化發(fā)展提供數(shù)據(jù)支持。零售商需要選擇合理的細(xì)分方法和模型對(duì)消費(fèi)者進(jìn)行有效細(xì)分，在多元化的消費(fèi)環(huán)境下，依靠單方面的特征信息進(jìn)行劃分顯然不能夠達(dá)到預(yù)期效果。因此，選擇以消費(fèi)者數(shù)據(jù)作為模型分析主體，通過數(shù)據(jù)結(jié)果對(duì)消費(fèi)者的特征價(jià)值和消費(fèi)行為進(jìn)行分析，成為線上零售商提高經(jīng)濟(jì)效益的必然方式。

理論概述

（一）消費(fèi)者細(xì)分

第一，消費(fèi)者購(gòu)物需求差異性。不同的消費(fèi)者性別、年齡、文化水平、收入水平、消費(fèi)理念等均存在差異，這便使得消費(fèi)者的消費(fèi)行為各不相同。當(dāng)消費(fèi)者面對(duì)相同的商品和服務(wù)時(shí)，他們所關(guān)注的重點(diǎn)會(huì)有所差異，消費(fèi)的需求也會(huì)不同。因此，消費(fèi)者購(gòu)物需求的不同必然會(huì)導(dǎo)致不同的交易結(jié)果，故有必要對(duì)消費(fèi)者進(jìn)行細(xì)分。

第二，零售商資源的局限性。零售商的資源具有一定局限性，企業(yè)在營(yíng)銷過程中不會(huì)將資源平均分配給每一名消費(fèi)者，這使得不同消費(fèi)者在購(gòu)物過程中所享受的企業(yè)資源有所不同。零售商若想要利用現(xiàn)有資源來獲取最大利潤(rùn)，企業(yè)便需要以消費(fèi)者為中心，根據(jù)不同消費(fèi)者的購(gòu)物需求和特征來有針對(duì)性的進(jìn)行資源分配，進(jìn)而通過最小的投入來獲得消費(fèi)者滿意度的提升。

消費(fèi)者細(xì)分的意義。零售商經(jīng)營(yíng)的最終目的是獲取潛在客戶，為企業(yè)的可持續(xù)發(fā)展提供客戶資源保障。消費(fèi)者細(xì)分是幫助企業(yè)發(fā)掘客戶和延長(zhǎng)生命周期的重要方式，消費(fèi)者細(xì)分在零售業(yè)發(fā)展過程中主要起到如下兩方面作用：

其一，維護(hù)現(xiàn)有消費(fèi)者客戶。經(jīng)過消費(fèi)者細(xì)分和特征統(tǒng)計(jì)能夠發(fā)現(xiàn)，部分消費(fèi)者對(duì)零售商的貢獻(xiàn)值較大，但該部分消費(fèi)者的流失率也最高。因此，零售商應(yīng)該時(shí)刻關(guān)注這一類消費(fèi)者人群，通過定期回訪來拉近與這些消費(fèi)者的距離，進(jìn)而避免零售商消費(fèi)者客戶的流失。

其二，降低零售商成本投入。零售商多數(shù)以中小型企業(yè)為主，企業(yè)資源有限，這便需要企業(yè)合理分配資源并追求利益最大化，消費(fèi)者細(xì)分能夠幫助企業(yè)提高市場(chǎng)競(jìng)爭(zhēng)力，發(fā)掘重要客戶，優(yōu)化企業(yè)內(nèi)部和外部資源，實(shí)現(xiàn)低投入高利潤(rùn)的發(fā)展。

（二）消費(fèi)者細(xì)分的常用方法

消費(fèi)者細(xì)分的依據(jù)。對(duì)消費(fèi)者進(jìn)行細(xì)分的依據(jù)標(biāo)準(zhǔn)有很多，其中主要的細(xì)分依據(jù)如下：首先，根據(jù)消費(fèi)者的外在屬性進(jìn)行細(xì)分。消費(fèi)者的外在屬性主要包含地理因素、社會(huì)關(guān)系、個(gè)人特征等，諸如消費(fèi)者的性別、年齡、收入水平、教育程度、職業(yè)等。僅僅以消費(fèi)者的外在屬性進(jìn)行細(xì)分，會(huì)使得細(xì)分結(jié)果相對(duì)簡(jiǎn)單而且缺乏一定的合理性，無法深入掌握消費(fèi)者的實(shí)際價(jià)值。

其次，根據(jù)消費(fèi)者內(nèi)在屬性進(jìn)行細(xì)分。消費(fèi)者內(nèi)在屬性主要包括個(gè)人喜好、行為習(xí)慣、品牌忠誠(chéng)等因素，基于此進(jìn)行消費(fèi)者細(xì)分，有助于挖掘消費(fèi)者的潛在價(jià)值。由于消費(fèi)者的內(nèi)在屬性一般是以調(diào)查問卷結(jié)果作為依據(jù)，具有較強(qiáng)的個(gè)人主觀色彩，所以無法保障數(shù)據(jù)的準(zhǔn)確性。

最后，根據(jù)消費(fèi)者行為屬性進(jìn)行細(xì)分。消費(fèi)者行為屬性主要是利用RFM模型以及GL顧客價(jià)值矩陣進(jìn)行分析。RFM模型是通過將數(shù)據(jù)的三個(gè)指標(biāo)進(jìn)行劃分，三個(gè)指標(biāo)為距離最近一次購(gòu)買商品的時(shí)間R，購(gòu)買商品的頻率F，購(gòu)買商品的額度M。將消費(fèi)者行為作為細(xì)分依據(jù)，能夠?qū)οM(fèi)者的習(xí)慣進(jìn)行一定的研究，實(shí)現(xiàn)細(xì)分的有效性。不過相對(duì)來說，RFM模型進(jìn)行細(xì)分較為復(fù)雜，使得大量消費(fèi)者群體的數(shù)據(jù)分析工作量巨大，并且無法進(jìn)行逐一的營(yíng)銷策略制定。消費(fèi)者價(jià)值矩陣是指通過雙指標(biāo)對(duì)消費(fèi)者價(jià)值進(jìn)行區(qū)分，通過二維象限將消費(fèi)者劃分到四個(gè)不同的象限中；但是無法定義潛在消費(fèi)者只能對(duì)現(xiàn)有消費(fèi)者進(jìn)行評(píng)定，實(shí)用性較差。

消費(fèi)者細(xì)分RFM模型。RFM模型是通過消費(fèi)時(shí)間間隔R、消費(fèi)頻次F，以及消費(fèi)金額M三個(gè)指標(biāo)進(jìn)行消費(fèi)者價(jià)值狀況區(qū)分。R是指消費(fèi)者最近一次購(gòu)買商品的時(shí)間與觀察時(shí)間的時(shí)間差，用來進(jìn)行消費(fèi)者忠誠(chéng)度的判定。R值越大，表明消費(fèi)者在較長(zhǎng)的一段時(shí)間里沒有進(jìn)行企業(yè)商品的購(gòu)買，再次購(gòu)買的概率相對(duì)較低，從而判定消費(fèi)者對(duì)企業(yè)的忠誠(chéng)度越低，具有較小的價(jià)值；R值越小，表明消費(fèi)者購(gòu)買商品的日期較近，再次購(gòu)買商品的可能性較大，重復(fù)購(gòu)買的概率較大，對(duì)企業(yè)的忠誠(chéng)度相對(duì)較高，具有更高的價(jià)值。F是指在一定時(shí)間內(nèi)消費(fèi)者購(gòu)買商品的總次數(shù)，用來判定消費(fèi)者購(gòu)買商品的變動(dòng)。F值越大，表明消費(fèi)者購(gòu)買商品的頻率較高，具有較低的流失可能性，對(duì)企業(yè)具有較高的忠誠(chéng)度以及價(jià)值；F值越小，表明消費(fèi)者購(gòu)買商品的活躍度較低，出現(xiàn)消費(fèi)者流失的概率較大，對(duì)企業(yè)的忠誠(chéng)度較低，具有的價(jià)值較小。M是指一定時(shí)間內(nèi)消費(fèi)者購(gòu)買商品的總金額，用來判定消費(fèi)者對(duì)企業(yè)的貢獻(xiàn)情況。M值越大，表明消費(fèi)者具有對(duì)企業(yè)較高的貢獻(xiàn)度，能夠引起企業(yè)的重視；M值越小，表明消費(fèi)者對(duì)企業(yè)經(jīng)濟(jì)提升的貢獻(xiàn)度較低。R、F、M三個(gè)指標(biāo)在RFM模型提出以來一直作為劃分消費(fèi)者行為的完美依據(jù)，并成為了消費(fèi)者行為分析的重要方法。

（三）信息熵與叉熵

熵是對(duì)信息不確定性的測(cè)量，隨著熵值的增加，隨機(jī)變量在體系中的自由度越高，變量所出現(xiàn)的狀態(tài)種類越多，且出現(xiàn)每一種狀態(tài)的概率也趨于一致。反之，隨著熵值的降低，隨機(jī)變量在體系中的自由度減小，出現(xiàn)不同狀態(tài)的種類減少，且每種狀態(tài)發(fā)生的概率也較大。從微觀層面分析，信息熵也是對(duì)一個(gè)系統(tǒng)規(guī)律性的測(cè)量，熵值越大，系統(tǒng)中的粒子分布的距離差異性越明顯，系統(tǒng)趨于無序；熵值越小，系統(tǒng)中粒子的分布距離趨于平等，系統(tǒng)趨于有序。

叉熵是兩個(gè)概率分布之間的“距離”，但其不符合距離對(duì)稱性和不等式原理。叉熵通常被當(dāng)作一種具有方向性的距離，其可以描述概率分布p到q之間的距離。當(dāng)pi=qi時(shí)，如果兩個(gè)概率之間存在較大差異性，兩個(gè)概率之間的叉熵也增大。在此，本文通過叉熵對(duì)我國(guó)零售商消費(fèi)者的差異性進(jìn)行分析。

實(shí)證分析

（一）數(shù)據(jù)選取

本文在國(guó)泰安數(shù)據(jù)庫(kù)中選取從2010-2019年的零售業(yè)銷售數(shù)據(jù)作為研究樣本，通過SPSS軟件對(duì)原始數(shù)據(jù)進(jìn)行整理分析。由于本文研究的時(shí)間段為2010-2019年，因此將2010年1月1日作為基準(zhǔn)日，對(duì)消費(fèi)者在每年的最后一次購(gòu)物時(shí)間進(jìn)行提取，將該日期與基準(zhǔn)日相減，最后得出購(gòu)買間隔R（天）。在消費(fèi)者購(gòu)物次數(shù)方面，本文對(duì)消費(fèi)者在統(tǒng)計(jì)時(shí)間區(qū)間內(nèi)的購(gòu)物次數(shù)進(jìn)行累計(jì)，最終得出消費(fèi)者的購(gòu)物頻次F。同時(shí)，將消費(fèi)者的購(gòu)物數(shù)量和單價(jià)相乘，得到單次購(gòu)物金額并進(jìn)行匯總，得到消費(fèi)總金額M。

（二）線上零售商消費(fèi)者細(xì)分模型選擇

RFM值標(biāo)準(zhǔn)化處理。通過本文整理的數(shù)據(jù)樣本可以計(jì)算出R、F、M值。經(jīng)過對(duì)數(shù)據(jù)樣本的整理分析，并進(jìn)一步對(duì)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，數(shù)據(jù)結(jié)果如表1所示。通過表1中RFM分析結(jié)果可知，經(jīng)過歸一化和標(biāo)準(zhǔn)化處理后，隨機(jī)選取的消費(fèi)者的RFM值均處于合理范圍內(nèi)，說明本文對(duì)數(shù)據(jù)以上消費(fèi)者數(shù)據(jù)樣本的剔除比較徹底，樣本數(shù)據(jù)能夠進(jìn)行聚類分析。

表1 RFM值標(biāo)準(zhǔn)化結(jié)果

表2 熵值計(jì)算

叉熵的K-means聚類。

第一，本文首先需要計(jì)算叉熵，對(duì)所有數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)化，通過叉熵方程進(jìn)行叉熵距離計(jì)算。

第二，計(jì)算矩陣相似度和計(jì)算熵值，熵值計(jì)算結(jié)果如表2所示。

第三，根據(jù)表2熵值結(jié)果來確定聚類數(shù)。通過仿真實(shí)驗(yàn)來確定聚類效果最佳的方法。

第四，K-means聚類。本文通過表2熵值結(jié)果最終計(jì)算出聚類數(shù)目為5，通過SPSS軟件進(jìn)行K-means聚類，得出各類消費(fèi)者人群的RFM值，并與消費(fèi)者的總RFM平均值進(jìn)行對(duì)比分析。

結(jié)果與解釋。解釋如下：

G1：這一類消費(fèi)者人群的消費(fèi)進(jìn)入與平均值一致，表明該類消費(fèi)者人群在短期時(shí)間內(nèi)沒有消費(fèi)行為發(fā)生；該類消費(fèi)者的消費(fèi)頻率處于較高水平，但整體消費(fèi)金額卻低于平均值，因此線上零售商需要重點(diǎn)發(fā)展與該類消費(fèi)者人群的關(guān)系，增加消費(fèi)者的購(gòu)物積極性，以期提升M值。總而言之，該類消費(fèi)者屬于線上零售商的一般重要客戶，此類消費(fèi)者對(duì)線上零售商經(jīng)營(yíng)績(jī)效的增長(zhǎng)具有一定貢獻(xiàn)率，故線上零售商有必要培養(yǎng)與該類消費(fèi)者的關(guān)系。

G2：這一類消費(fèi)者消費(fèi)頻率和總額均處于平均值以上，說明該類消費(fèi)者的消費(fèi)水平較高，對(duì)線上零售商經(jīng)濟(jì)效益的提升具有較大的貢獻(xiàn)率，屬于高價(jià)值消費(fèi)者；然而此類消費(fèi)者的消費(fèi)時(shí)間間隔處于平均值以下，說明消費(fèi)者進(jìn)行消費(fèi)的周期較長(zhǎng)，這對(duì)零售商來說存在著較大的流失風(fēng)險(xiǎn)。因此，這類消費(fèi)者人群屬于線上零售商的重要挽留消費(fèi)者，企業(yè)應(yīng)該積極與消費(fèi)者進(jìn)行聯(lián)系，通過制定有效的營(yíng)銷策略來提高消費(fèi)者的滿意度，以挽留住這類具有較高價(jià)值的消費(fèi)者人群。

G3：這一類消費(fèi)者人群在近段時(shí)間的消費(fèi)間隔低于平均值，表明消費(fèi)者在近期與零售商不存在經(jīng)濟(jì)往來，然而消費(fèi)累積次數(shù)和平均消費(fèi)額較高，對(duì)線上零售商經(jīng)濟(jì)效益的增長(zhǎng)具有拉動(dòng)作用。因此，該類消費(fèi)者屬于一般保持消費(fèi)者，線上零售商應(yīng)該增加與該類消費(fèi)者人群的互動(dòng)頻率。

消費(fèi)者價(jià)值分析。本文基于加權(quán)計(jì)算結(jié)果進(jìn)行以下分析：

G1：這一類消費(fèi)者的價(jià)值最高，該類消費(fèi)者人群的消費(fèi)進(jìn)度和頻率均處于較高水平，但消費(fèi)者的消費(fèi)金額卻最低。因此，該類消費(fèi)者屬于重要客戶，零售商應(yīng)該培養(yǎng)與該類消費(fèi)者的關(guān)系，通過制定營(yíng)銷策略來引導(dǎo)消費(fèi)者進(jìn)行消費(fèi)，以實(shí)現(xiàn)M值的提升。

G2：這一類消費(fèi)者的價(jià)值排名其次，該類消費(fèi)者的消費(fèi)進(jìn)度、消費(fèi)頻率、消費(fèi)金額均處于該類消費(fèi)指標(biāo)值之下，但差距不明顯，屬于零售商的重要保持客戶。零售商需要與該類消費(fèi)者進(jìn)行積極交流，減少企業(yè)消費(fèi)者的流失。

G3：這一類消費(fèi)者的價(jià)值排名最低，通過消費(fèi)進(jìn)度R、消費(fèi)頻率F能夠得出，該類消費(fèi)者人群的消費(fèi)行為與G2相似，但其消費(fèi)金額卻顯著低于G2，可以定義為一般消費(fèi)者。零售商有必要與該類消費(fèi)者保持良好的溝通，增加與該類消費(fèi)者的緊密關(guān)系。

（三）消費(fèi)者細(xì)分結(jié)果實(shí)證分析

數(shù)據(jù)處理。本文通過對(duì)615580條消費(fèi)記錄進(jìn)行整理分析后篩選出1250個(gè)消費(fèi)者的完整消費(fèi)記錄，并將消費(fèi)者人群初步設(shè)定為10類。通過對(duì)數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，最終得出RFM值、熵值、類聚結(jié)果。

聚類結(jié)果及分析。采用SPSS 18.0軟件對(duì)經(jīng)過標(biāo)準(zhǔn)化和歸一化處理的數(shù)據(jù)進(jìn)行K-means聚類，處理結(jié)果如表3所示。

根據(jù)表3和表4的消費(fèi)者行為和價(jià)值細(xì)分結(jié)果，可以將消費(fèi)者細(xì)分為以下三種類型：

重要發(fā)展消費(fèi)者類型（G1）：K1，R↑F↓M↓。該類消費(fèi)者的R值較大，表明該類消費(fèi)者在短期時(shí)間內(nèi)存在購(gòu)物行為，但F值和M值卻較低，說明該類消費(fèi)者交易頻率和消費(fèi)金額較低。通過消費(fèi)者人數(shù)來分析，占據(jù)了消費(fèi)者總數(shù)的主體，屬于線上零售商的潛在客戶。線上零售商積極與該類消費(fèi)者建立聯(lián)系能夠促使企業(yè)擴(kuò)大市場(chǎng)占有率，提高行業(yè)競(jìng)爭(zhēng)實(shí)力，應(yīng)該將該類消費(fèi)者視為重點(diǎn)發(fā)展客戶。

表3 消費(fèi)者細(xì)分結(jié)果（消費(fèi)者消費(fèi)行為）

表4 消費(fèi)者細(xì)分結(jié)果（消費(fèi)者價(jià)值）

一般消費(fèi)者類型（G3）：K2，R↓F↑M↓。該類消費(fèi)者的消費(fèi)時(shí)間間隔接近平均值，但消費(fèi)頻率卻處于平均值之上，消費(fèi)金額較低，綜合價(jià)值排名偏低，對(duì)線上零售商的貢獻(xiàn)值較低，對(duì)線上零售商的發(fā)展重要性不大。

重要挽留消費(fèi)者類型（G2）：K3，K4，K5，K6，K7，K8，K10，R↓F↑M↑。通過消費(fèi)者交易頻率和消費(fèi)金額來分析，這些消費(fèi)者對(duì)企業(yè)發(fā)展的貢獻(xiàn)值較大，屬于線上零售商的重要消費(fèi)者群體；但這些消費(fèi)者的消費(fèi)時(shí)間間隔處于平均值以下，說明這些消費(fèi)者在短期時(shí)間內(nèi)與線上零售商的接觸較少，故對(duì)于線上零售商而言存在一定流失的風(fēng)險(xiǎn)。因此，線上零售商應(yīng)該及時(shí)與這幾類消費(fèi)者進(jìn)行溝通，減少客戶流失的可能性。通過消費(fèi)者層面來分析，雖然K3、K4、K5、K6、K7、K8、K10均屬于同一消費(fèi)者類型，但在價(jià)值上卻具有顯著的差異性，消費(fèi)者價(jià)值的實(shí)際排序?yàn)椋篕10＞K6＞K3＞K8＞K4＞K5＞K7。

（四）結(jié)果分析

通過RFM模型對(duì)指標(biāo)數(shù)據(jù)進(jìn)行對(duì)比分析，并將消費(fèi)者細(xì)分為三種類型。然而，通過該種方式確定的消費(fèi)者細(xì)分類別通常會(huì)摻雜著主觀思想。因此，在對(duì)線上零售商消費(fèi)者進(jìn)行細(xì)分時(shí)，需要對(duì)每個(gè)種類的消費(fèi)者價(jià)值進(jìn)行計(jì)算，并對(duì)不同類別的消費(fèi)者價(jià)值進(jìn)行對(duì)比分析，通過對(duì)比結(jié)果來描述消費(fèi)者的價(jià)值信息，這樣能夠更加精確、深入地細(xì)分結(jié)果，滿足線上零售商的發(fā)展需要，為企業(yè)和消費(fèi)者價(jià)值的提升提供充足依據(jù)。

通過消費(fèi)者價(jià)值和消費(fèi)行為兩個(gè)層面對(duì)消費(fèi)者進(jìn)行分析。單純地通過價(jià)值角度對(duì)零售商消費(fèi)者進(jìn)行細(xì)分，往往不能將消費(fèi)者消費(fèi)行為的變化情況考慮在內(nèi)，這不利于企業(yè)搜集消費(fèi)者信息和制定營(yíng)銷策略。通過消費(fèi)者消費(fèi)行為的細(xì)分，能夠看到消費(fèi)者人群的整體消費(fèi)趨勢(shì)，但由于不同消費(fèi)者的消費(fèi)理念和行為存在顯著差異，所以不能全面反映出不同類別消費(fèi)者的價(jià)值。因此，將消費(fèi)者的價(jià)值和消費(fèi)行為均進(jìn)行細(xì)分，能夠更加真實(shí)地反映出消費(fèi)者的消費(fèi)情況，有利于線上零售商的發(fā)展。

結(jié)論

本文基于叉熵視角對(duì)線上零售商消費(fèi)者細(xì)分進(jìn)行了實(shí)證研究，根據(jù)研究結(jié)果，可以將線上零售商消費(fèi)者細(xì)分為以下三種類型：

第一，重要發(fā)展消費(fèi)者類型：K1，R↑F↓M↓。該類消費(fèi)者具有較高的R值，說明這一類消費(fèi)者在短期時(shí)間內(nèi)具有購(gòu)物行為，但消費(fèi)者的F值和M值卻偏低，表明消費(fèi)者的交易頻率和消費(fèi)金額偏低。根據(jù)零售商消費(fèi)者人數(shù)來看，這一類消費(fèi)者占據(jù)了消費(fèi)者總數(shù)的主體，是線上零售商的潛在客戶。線上零售商應(yīng)該積極與該類消費(fèi)者創(chuàng)建聯(lián)系，以提高企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力，故有必要將該類消費(fèi)者視為重點(diǎn)發(fā)展客戶。

第二，一般消費(fèi)者類型：K2，R↓F↑M↓。這一類消費(fèi)者的消費(fèi)時(shí)間間隔與平均值基本一致，但消費(fèi)頻率卻高于平均值之上，總體消費(fèi)金額較低，綜合價(jià)值排名靠后，這表明該類消費(fèi)者對(duì)零售行業(yè)經(jīng)濟(jì)的貢獻(xiàn)度不大，對(duì)線上零售商的發(fā)展推動(dòng)作用不明顯。

第三，重要挽留消費(fèi)者類型：K3，K4，K5，K6，K7，K8，K10，R↓F↑M↑。根據(jù)消費(fèi)者消費(fèi)頻率和消費(fèi)金額來看，這一類消費(fèi)者對(duì)線上零售商的經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度較大，是線上零售商的重要消費(fèi)者；該類消費(fèi)者的消費(fèi)時(shí)間間隔低于平均值，這表明該類消費(fèi)者在短期時(shí)間內(nèi)與線上零售商的接觸不多，對(duì)于零售商而言該類消費(fèi)者存在一定流失的風(fēng)險(xiǎn)。因此，線上零售商有必要及時(shí)與這幾類消費(fèi)者進(jìn)行聯(lián)系，提高消費(fèi)者對(duì)企業(yè)和商品的了解程度，避免消費(fèi)者流失?；谙M(fèi)者全體層面來分析，雖然K3、K4、K5、K6、K7、K8、K10屬于同一消費(fèi)者類型，但消費(fèi)價(jià)值上卻存在著顯著的差異，消費(fèi)者價(jià)值的實(shí)際順序?yàn)椋篕10＞K6＞K3＞K8＞K4＞K5＞K7。