基于RFX模型的航空公司客戶市場細分方法

唐維萍,洪萬福

（1.廈門華廈職業學院，福建廈門361024；2.廈門淵亭信息科技有限公司，福建廈門361000）

基于RFX模型的航空公司客戶市場細分方法

唐維萍1,洪萬福2

（1.廈門華廈職業學院，福建廈門361024；2.廈門淵亭信息科技有限公司，福建廈門361000）

隨著國內民航市場競爭的日益激烈，客戶成為各家航空公司競爭焦點，如何發展高價值客戶，對客戶進行分類精細化管理，成為航空公司面對的首要問題。本文在傳統客戶分類RFM模型基礎上，綜合更多的影響因素，提出更為靈活的RFX模型進行航空公司客戶市場細分，更好地將服務產品有針對性地提供給不同的客戶群,以實現客戶資產價值最大化。

RFM模型；RFX模型；客戶細分

近年來，隨著經濟全球化的進程不斷加快，企業管理已經打破了地域的限制，競爭日趨激烈。對于航空公司而言，旅客成為競爭的焦點。這就要求各大航空公司對客戶進行分類管理，通過針對性的策略吸引客戶，形成長期購買行為，提高客戶忠誠度。

對于客戶市場細分方法，RFM模型是被普遍使用的一種。本文在傳統RFM模型基礎上，綜合更多的影響因素，提出更為靈活的RFX模型進行航空公司客戶市場細分，更好地將服務產品有針對性地提供給不同的客戶群，以實現客戶資產價值最大化。

一、傳統RFM模型

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標來判斷該客戶的價值狀況。

1.RFM模型關鍵指標及計算

（1）最近一次消費（Recency）

在指定的時期內，用戶最近一次消費的時間距離。

計算方式：指定終止時間-Max(客戶消費時間)。

（2）消費頻率（Frequency）

用戶在指定的期間內所購買的次數。

計算方式：Count(*)in(起始時間,終止時間)。

（3）消費金額（Monetary）

在指定的時期內，用戶的消費總金額。

計算方式：Sum(單次消費金額)in(起始時間,終止時間)。

2.RFM模型的應用意義

RFM模型較為動態地顯示了一個客戶的全部輪廓，這對個性化的溝通和服務提供了依據。同時，如果與該客戶打交道的時間足夠長，也能夠較為精確地判斷該客戶的長期價值(甚至是終身價值)，通過改善三項指標的狀況，從而為更多的營銷決策提供支持。

二、基于RFX模型的客戶分類原理分析

在航空公司的實際業務應用中，除了上述的三個關鍵指標外，還存在更多的其他影響營銷的因素，例如旅客的折扣、商品的多樣性等等。因此，本文基于RFM模型，設計一個更為靈活的客戶市場細分模型RFX模型。RFX模型中X表示靈活調整的部分，可以是一個或者多個指標的組合，以滿足企業對于客戶數據庫營銷指標的不同解讀。

1.RFX模型關鍵指標及計算

RFX模型中的關鍵指標除了RFM模型中的三個指標以外，還包括以下關鍵指標。

（1）平均消費（AverageConsumption）

在指定的時期內，用戶的平均消費金額。

計算方式：消費金額/消費頻率

（2）折扣率（Discount）

在指定的時期內，用戶購買機票的平均折扣率。

計算方式：消費金額/(Sum(機票對外銷售價格)in (起始時間,終止時間）

（3）利潤率（Profit）

在指定的時期內，某個用戶消費創造的利潤率，即銷售利潤率。

計算方式：利潤總額/消費總額（如果能拿到利潤數值的話）。

（4）多樣性（Variety）

在指定的時期內，用戶購買產品的多樣性。例如，購買不同類型的機票。

計算方式：Distinct(類型)in(起始時間,終止時間)

2.RFX權重分析

在RFX模型中，X表示靈活調整的部分，可以是一個或者多個指標。理論上，所有指標是可以任意組合的，在系統中以權重的方式體現。例如：RFMD權重為：4：3：3：0，那么這個模型就變成RFM了。

對于RFX模型中變量指標的權重問題，不同的專家有不同的看法。本文認為，對于不同的公司或不同的行業，根據自身業務特點，各個指標的權重存在一定的差異，因此需要采取科學的方法進行分析，結合企業業務特點，綜合專家意見解決權重的確定問題。

3.基于k-means聚類法的客戶分類

（1）指標標準化。由于RFX模型中各指標量綱各有不同，數據的取值的差異也很大。為了消除量綱不同和分布差異較大的影響，在對各個指標進行加權之前，需要對指標數據進行標準化處理。

對于與客戶價值正相關影響的指標，使用公式（1）進行指標標準化。

(X-Score-Min(X-Score))/(Max(X-Score)-Min(Score))（1）

對于與客戶價值負相關影響的指標，使用公式（2）進行指標標準化。

(Max(X-Score)-X-Score)/(Max(X-Score)-Min(Score))（2）

X-Score表示對應的指標值；Min(X-Score)表示最小指標值；Max(X-Score)表示最大指標值。

（2）確定聚類的類別數m。

（3）應用k-means聚類法對加權后的指標進行聚類，得到m類客戶。

（4）將各類客戶的RFX平均值與總RFX平均值比較，結果有兩種情況：大于等于總平均值或小于平均值，通過比較得出各類客戶RFX的變動情況。

（5）將各類客戶標準化后的各個指標取平均，將平均值加權求和，得到各類客戶的客戶終身價值總分，分析各類客戶終身價值的差異。

RFX綜合評分采取以下的計算方式：

Sum(X'-Score*X-Weight)（3）

X'-Score表示標準化后的指標值，X-Weight表示指標的權重值。

利用公式（3）計算各類客戶的綜合RFX值，以此作為各類客戶價值排序的依據。

三、某航空公司客戶RFX模型分析實例

本文從某航空公司2014上半年度的實際應用數據中隨機抽取了10000名客戶的記錄，進行基于RFX模型進行客戶市場細分。該航空公司認為，旅客的最近一次消費（Recency）、消費頻率（Frequency）、消費金額（Monetary）、折扣率（Discount）最能體現客戶的價值狀況，因此基于這四個指標建立RFMD模型。

1.指標標準化

對于RFMD中的四個指標，其中“R”與客戶價值存在負相關的關系，“F”、“M”和“D”與客戶價值存在正相關關系，因此標準化公式如下：

式中：R＇、F＇、M＇、D＇為各指標標準化后的值；RL、FL、ML、DL為各指標最大變量值；RS、FS、MS、DS為各指標最小變量值。

2.指標權重確定

對于RFMD模型中變量指標的權重問題，該航空公司根據公司業務特點，結合專家咨詢結果，確定變量指標權重。“R”的權重為0.3，“F”權重為0.3.“M”權重為0.2，“D”的權重為0.2。

3.客戶分類

利用k-means聚類法時，首先要判斷聚類的類別數m。該航空公司將k-means聚類的類別數定為4,即m=4。標準化和確定聚類類別數后，進行k-means聚類分析，得到4類客戶。將4類客戶的RFMD平均值與總RFMD平均值比較，結果如表1所示。

這4類客戶分別為中高端旅客、一般價值旅客、成長型旅客及價格敏感型旅客。中高端旅客為購買頻率、金額及折扣率都比較高的客戶；一般價值旅客為最近一次消費時間久、購買金額及折扣率都比較低的客戶；成長型旅客為購買次數不多但金額和折扣率都比較高的客戶；價格敏感型旅客為購買次數多，但購買都是特價機票的客戶。

表1 聚類分析后產生的4個客戶類別

4.客戶終身價值比較分析

利用k-means聚類分析將客戶分成4類后，并不知道每類客戶的價值是多少，對于企業重要性如何。因此，我們將每一類客戶標準化后的各個指標取平均，通過權值分配，利用公式（3）計算航空公司每類客戶的綜合評分，將綜合評分進行大小排序可進一步對4類客戶的價值進行比較。比較結果為中高端旅客綜合評分最高，價格敏感型旅客次之，成長型旅客略低，一般價值旅客分支最低（如表2）。由于企業資源有限，航空公司應根據各類客戶終身價值的比較分析結果，優先將資源投放到得分較高的客戶類別中去。

本文中RFX模型較傳統的RFM模型更具有靈活性，可綜合考慮更多影響銷售的因素，在此基礎上進行客戶市場細分，并在客戶分類基礎上計算每類客戶終身價值，從而指導航空公司作出針對性的營銷策略，將有限的資源投放到價值更高的客戶身上，有針對性地制定不同的營銷策略，吸引客戶購買行為，提高企業利潤。

表2 標準化的RFMD加權分類

[1]王正磊.航空公司客戶關系管理系統設計問題的研究[D].南京航空航天大學，2007:1-2.

[2]徐翔斌,王佳強,涂歡,穆明.基于改進RFM模型的電子商務客戶細分[J].計算機應用,2012（5）:1139-1142.

[3]帥斌，鄧紹蔚，黃麗霞.基于改進RFM模型的鐵路快捷貨運客戶市場細分方法[J].鐵道科學與工程學報,2014（2）:112-117.

TN

A

1673-0046（2015）4-0180-02