電子商務企業客戶關系的預測與動態管理

段楠楠

(華東交通大學信息工程學院,江西南昌330013)

隨著市場競爭加劇,以生產為中心、銷售產品為目的的市場戰略逐漸被以客戶為中心、服務為目的的市場戰略所取代。誰能掌握客戶的要求趨勢、加強與客戶的聯系,有效管理和發掘客戶資源,誰就能取得市場優勢,在激烈的市場競爭中立于不敗之地。以客戶為中心、通過完善的客戶交互和深入的客戶分析來滿足客戶的需求,保持和提高企業競爭優勢的客戶關系管理(customer relationship management,CRM)成為制勝的法寶[1,2]。

隨著對CRM的不斷理論研究和企業實踐,人們逐漸認識到,企業所關注的不只是客戶的一次購買,而且是客戶的多次不斷的重復購買;不只是有能吸引多少客戶,而是如何留住客戶。研究表明,保持住客戶對公司的利潤有著驚人的影響,遠遠超過公司規模、市場份額、單位成本等其他因素的影響[3]。文獻[4]提出,Reichheld和Sasser曾對美國9個行業的調查數據表明,客戶保持率增加5%,行業平均利潤增加幅度在25%～85%之間。客戶保持已成為公司成功至關重要的目標。

1 問題的提出

對傳統CRM的解釋及其內涵外延仍相當模糊,許多企業對CRM的理解過于片面,狹隘的把CRM理解成一種管理軟件,認為有了這樣一個軟件就可以很好的建立客戶關系并對其進行管理。事實上CRM更主要是一個新的企業經營管理方式、新的企業文化。其次許多研究認為CRM只是短時靜態的過程,沒有認識到CRM是一個長期的、系統的動態管理過程。再次,傳統對CRM的研究定性研究較多,定量研究較少,面對電子商務企業這一全新領域,客戶關系管理建模研究一直處于探索階段,成熟的數學模型太少。

基于以上問題,本文提出利用馬爾科夫鏈的可預測性建立客戶關系管理模型,利用該模型可以提前預測客戶未來與公司之間的關系,并有針對性的采取營銷策略使得客戶進入或保留在企業所期望的階段用以實現對客戶的動態管理。

2 客戶動態模型的建立

2.1 客戶階段劃分方法

客戶關系的發展分為4個階段,分別為形成階段、發展階段、成熟階段和破裂階段[5]。如何判斷企業中的客戶屬于哪個階段呢?大多數的研究都采用了RFM法,但RFM法也有其自身缺點,主要表現在分析過程復雜,需要耗費大量的時間,而且細分后得到的客戶群過多。其另一個缺點是購買次數F與同期購買額M這兩個變量間存在著多重共線性,即一個給定客戶每多一次購買,他的總購買額也相應增加[6-8]。

為了消除購買次數與總購買額之間的多重共線性,本文提出一種全新的客戶發展階段分類方法,即采用購買次數F與平均購買額A作為劃分客戶發展階段的主要指標。由于該方法中的指標由傳統的RFM的3個變為2個,利用該方法所劃分的客戶群數也會相應的減少,這樣同時解決了傳統RFM分析中出現的客戶群過多的問題。

產生客戶發展階段分類需要的信息有:客戶ID、購買日期、日購買額,購買次數由不同的購買日期的數據確定。日購買額用來計算平均購買額。Recency可以由最近的購買日期確定,關系的長度可以用最近的購買日期減去最早的購買日期得到。

這種方法有效的避免了購買次數與總購買額之間的多重共線性的問題。利用這種方法對客戶進行細分的方法如下。

將某一時間段內的顧客交易數據進行整理得出F和A各自的中心值,即平均值。然后將該時間短內出現的每一位顧客的F與A的值同中心值進行比較,如果大于中心值就在該值后加上“H”,如果小于該中心值,那么我們在該值后加上“L”。如表1所示。

表1 客戶發展階段分類方法

2.2 基于馬爾科夫鏈的模型假設

馬爾科夫過程是一類重要的隨機過程。它的特點是,當過程在時刻 t0所處的狀態為已知時,過程在時刻t(t＞t0)所處的狀態與過程在 t0時刻之前的狀態無關。馬爾科夫過程的這個特性稱為無后效性。如果馬爾科夫過程的狀態和時間參數都是離散的,則這樣的過程稱為馬爾科夫鏈,這里“鏈”的含義是指,只有在順序相鄰的兩個隨機變量之間具有相關關系。因而只要表達這兩個隨機變量之間的聯合分布或條件分布,就足以說明該隨機過程的性質和特征,從而避免了對過程中所有隨機變量相關性的分析。本文將利用馬爾科夫鏈的這一特性進行建模,以便描述客戶關系的動態發展過程,并對客戶在這整個生命周期中的流動過程進行預測。

為了使模型更加準確且具有說服力,在建立模型之前對該模型作出以下合理的前提假設。

(1)所研究的任意一位顧客在某一指定的時間段內只能屬于4個階段中的一個。這時,將客戶發展的4個階段視為4個狀態,表示為S={S1,S2,S3,S4}。顧客在某時刻ti所處的狀態與ti以前所處的狀態無關,因此,客戶關系得發展過程具有無后效性。

(2)假設在研究過程中,客戶總數保持不變,即沒有新的顧客進入也沒有老的顧客退出。

2.3 模型建立過程

一個顧客在某一個時刻t只能處于4個狀態中的一個Si,隨著時間的發展,在下一個時刻t+1,顧客將以轉移概率Pij進入狀態Sj。在此認為,除顧客關系破裂期外,客戶關系發展層次的上升是逐層遞進的,即顧客從狀態Si只有經過狀態Si+1才能到達狀態Si+2,i=1,2。通過對客戶的交易情況進行跟蹤分析,可以得到各個顧客交易量的發展變化情況,從而可以有效計算顧客在不同客戶關系發展階段的轉移情況。如經過時間序列統計分析發現,原來處于Si狀態的客戶共有A個,到下一個階段其中的Aj個轉移到Sj狀態,Ak個轉移到Sk狀態,則可認為狀態Si到狀態Sj和Sk的轉移概率分別為Aj/A,Ak/A。在此,用α表示從狀態S1到狀態S4的轉移概率,β表示從狀態S1到狀態S1的轉移概率,γ表示從狀態S2到狀態S4的轉移概率,δ表示從狀態S2到狀態S2的轉移概率,φ表示從狀態S3到狀態S4的轉移概率。各狀態間的狀態轉移矩陣可以寫成公式如下所示

由于不可能存在某正整數m,使得m步轉移概率矩陣Pm＞0,因此,該馬爾科夫鏈不是正則的。可以直觀的看出,從狀態S4出發不存在到達其它3個狀態的路徑,因此,是封閉類,即經過客戶關系破裂階段的客戶不會再回來與該企業發展客戶關系。其他3種狀態為過渡類。

將狀態轉移矩陣P寫為分塊形式

R為從客戶關系發展的前3個階段(過渡類)到關系破裂階段狀態(封閉類)的轉移概率矩陣,Q為前3個階段(過渡類)之間的轉移概率矩陣。

馬爾科夫鏈的基本矩陣

中的元素mij表示過渡過程從客戶處于狀態Si開始到達過渡狀態Sj的平均次數。令向量

則M?I的第i個分量等于過程從過渡狀態Si開始到進入客戶關系破裂階段狀態之前訪問所有過渡類狀態的平均總次數。

2.4 客戶階段價值的分析

處在不同階段的客戶對企業來說都有其自身不同的階段價值。可以將客戶在不同階段的價值理解為在這一階段的客戶能夠為企業帶來的利潤。由于處在不同客戶發展階段的客戶購買頻率,購買額,購買數量有著明顯的區別,因此它給企業帶來的利潤也會不同。如果把不同階段的客戶價值定義為同一個值,然后在這樣的前提假設下企業為客戶指定營銷策略,企業的利潤不會按照預期的構想增長,嚴重時利潤會有所下降。同時企業也無法在這樣的前提假設下對不同階段的客戶展開一對一的營銷。

客戶關系所處的狀態可以表示為式中:T為客戶與企業的交易量,T1,T2為設定的用于分類的交易量界限。

對處于各個客戶發展階段的客戶交易記錄進行統計分析,就可以得到不同階段的客戶在單位時間內為企業帶來的利潤均值 μi及方差Di,i=1,2,3,因此將利潤均值向量記為根據美國質量管理大師約瑟夫?朱蘭(Joseph Juran)提出的80/20法則,即企業利潤的80%來源于20%的老顧客,若降低5%的顧客損失率,就能使企業提高25%以上的利潤。因此,可以看出不同階段的客戶為企業貢獻的利潤均值 μi有所不同。形成階段的利潤均值 μ1要小于發展階段的利潤均值 μ2同時遠遠小于成熟階段的利潤均值 μ3。通過這一定性分析也再次證明企業給予重點客戶群體以按需要定制的個性化服務,將會極大提升這部分客戶的忠誠度和滿意度,從而確保企業利潤長期性和穩定性。另外,客戶從客戶關系發展的第一階段開始,順次經過客戶關系發展的各個階段,最后進入關系破裂階段的整個過程,也是客戶和企業雙方實現各自價值的過程。向量M?μ是第i個狀態出發,一直到最終進入客戶關系的破裂階段狀態的過程中企業所實現的利潤。則其中的第一個分量就是客戶關系的階段價值C,即:

2.5 企業客戶發展策略分析

良好的客戶關系管理可以使得客戶處于關系穩定期的時間大大延長,即降低由關系穩定期狀態S3到破裂期狀態S4的轉移概率φ。顯然

降低轉移概率 φ能夠增加C。

由此可見,α和γ是與C反方向變化的。

直觀來看,分別降低狀態S1和S2停留在原狀態的轉移概率β、δ,可以增加客戶停留在客戶關系穩定期的時間,從而可以增加在該階段的利潤。但同時它也會分別導致客戶停留在關系形成起和發展起的時間縮短,導致在這些階段企業獲得的利潤降低。

一般情況下 μ2＜＜μ3,且由于處在客戶關系發展階段的客戶發生轉移的概率大于處于穩定階段的客戶,即 γ＞φ,故上式小于零,此時減小 δ可以提高C。當 φ很大而γ很小時,可能導致上式大于零,此時C隨著δ的減小而減小。對該情況的合理解釋是:當客戶由關系發展階段轉移到破裂階段的概率較小而穩定階段到破裂階段的轉移概率很大時,為提高期望的客戶關系階段價值C,增加客戶停留在發展階段的概率將是一個明智的選擇。

3 數據實驗

3.1 數據來源

KDD-CUP2000建立于1997年,它是為數據挖掘年度競賽而設立的。在KDD-CUP中包含來自2002年8月18日關閉的網上銷售legwear和legcare的web零售商Gazelle.com的相關數據。其中選取實驗中有用字段:customer ID、unit sale price、order quantity、order date、product ID、last retail date。

根據實驗驗證的需要,對原始數據進行處理,清除噪聲數據后,獲得有用的數據,在數據庫中共截取1 549條記錄。

3.2 模型驗證

根據客戶階段劃分方法的需要,作以下幾步工作。

(1)劃分周期。因為網上零售商店中的交易數據可以對促銷,廣告等一系列活動給予快速反應,所以其交易數據在不同使用周期的變化會很大。很明顯,不同使用周期的購買次數和顧客的平均購買額會有所不同。由于本文選取得數據來自于一家銷售legwear和legcare的web零售商。因此,根據對其銷售的產品進行調查了解,認為在正常使用的情況下該種產品的使用周期為一周。

(2)在一特定的使用周期中,求得購買次數的平均值。

(3)在一特定的使用周期中,求得顧客的平均購買額。

(4)在一特定的使用周期中,劃分客戶的發展階段。

由此得到第一周期中客戶平均購買額與購買次數情況,第一周期中共有405名顧客,平均購買額為3.135,平均日購買額的平均值為14.925 6。根據上述統計,得出從2000年1月30日開始的第一使用周期中,處于形成階段的顧客為254人,處于發展階段的顧客為97人,處于成熟階段的顧客為54人,處于破裂階段的顧客人數為0人。通過分析可以清楚看到,由于所選取得周期是該網上商店剛剛開始營業不久的一個使用周期,處于形成階段的顧客數要遠遠多于發展階段以及成熟階段的顧客數。另外,在這一周期中,尚未出現處于破裂階段的顧客。

表2 第一周期部分顧客購買次數與平均日購買額

同理,可以對第二周期中的顧客購買情況進行統計,對在第一周期中處于不同階段的顧客進行跟蹤調查,了解其在第二周期中的購買表現。得出顧客在4個階段的流動轉換率如表3所示。

表3 狀態轉換情況表

由此可得到馬爾科夫鏈的基本矩陣M以及客戶關系階段的階段價值C=2.5μ1+0.5μ2+0.856 287 μ3,在此基礎上分別調整轉移概率 α,β,γ,δ,φ,得到不同的客戶關系階段價值 C。

當增大 α時,客戶關系階段價值C隨之減小。因為 α為形成階段客戶向破裂階段的轉移概率,而破裂階段的階段價值為零,由此當形成階段的客戶大量的轉移到破裂階段時,企業的獲利也將大幅度的減少。

當增大 β時,如令 β=0.8,C=5μ1+1.00μ2+1.712575μ3,由于 μ1μ2μ3,所以當 β增大時,C 值減小 。很明顯,我們可以得到這樣的結論,即當處在形成階段的客戶在第二周期中大部分仍然保持在形成階段時,客戶階段價值C將會減小,相應的,企業的獲利也將隨之減少。

由于形成階段的客戶與企業只是有了初步接觸,客戶關系還十分脆弱,企業細微的價格變化以及服務的滿意度等都會嚴重的影響到轉移概率α和β的變化。為了減小這樣的轉移概率,即增大客戶向發展階段的轉移概率,在客戶的形成階段企業的主要目標是讓客戶學會使用本企業的產品或服務,預防產品或服務使用過程中可能出現的問題。

當 γ=0.1時,C=2.5μ1+1.5μ2+3.592 814μ3,很明顯,C值隨著γ的減小而增大。

4 結論

客戶關系管理已經被越來越多的企業所重視。在電子商務環境中,客戶關系又呈現出了客戶流動性大,忠誠度低等新的特點。為了更有效的掌握客戶的流動情況,有針對性地開展營銷活動,把有限的資源用在刀刃上,本文利用新的方法對客戶階段進行劃分并使用馬爾科夫鏈對客戶關系進行建模。另外本文采用某電子商務企業的真實數據對模型進行實驗驗證,實驗結果表明利用馬爾科夫鏈所建立的模型是正確的。利用該方法可以有效的掌握企業中客戶的成長狀況,有利于企業開展下一步的營銷工作。

[1]BR OWN S A.Customer Relationship Management:A Strategic Imperative in the World of E-Business[M].NewYork:John Wiley&Sons,2000:6-26.

[2]QI J Y,HAN X M,LI HZ.Emergency and directions for CR M inChina[J].Journal ofManagement Sciencesin China,2002,5(4):88-94.

[3]REI C F,ESASSER E W.Zero defeetions:quality comes to services[J].Harvard Business Review,1990(51):105-111.

[4]JONES T W,EARL S J W.Satisfied eustomers defect[J].Harvard Busine Review,1995(73):88-99.

[5]陳明亮.基于全生命周期利潤的客戶細分方法[J].經濟管理,2002(20):42-46.

[6]PER V F,et al.Business to business market segmentation[J].Industrial Marketing Management,2001,30(6):473-486.

[7]CHEN L D,SOLIMAN K S,MAO E,FROLICK M N.Measuring user satisfactionwith data warehouse:An exploratory study[J].Information&Management,2000,37(3):103-110.

[8]SUH E,NOH K C,SUH C K.Customer list segmentation using the combined response model[J].Expert Systems with Applications,1999,17(2):89-97.

[9]胡奇英,劉建庸,馬爾可夫決策過程引論[M].西安:西安電子科技大學出版社,2000:7.

[10]張宗國,馬爾可夫鏈預測方法及其應用研究[A].河海大學碩士學位論文集[C].南京:2005.

[11]吳沖鋒.補會經濟動態系統導論[M].上海:上海科學技術出版,1998.