基于大數據背景下高端酒店客戶關系管理分析

張玉錕 西北大學

引言：網絡的發展也帶動著酒店經營模式的轉變，誰能掌握網絡平臺就能率先掌控大數據，誰能快速轉變營銷策略就能提高酒店的市場競爭力，讓自身在激烈的市場競爭中站穩腳跟，獲得一席之地。然而，我國酒店業的現狀是多數的酒店只是在經濟交流等方面使用大數據，還沒有將其應用到客戶數據分析方面。雖然有少部分的高端酒店使用人力資源管理系統將客戶進行分類，但是也只是基于客戶當前存在的價值進行分類的，忽略了客戶的潛在價值。

一、理論基礎

（一）高端酒店的定義

《中華人民共和國星級酒店評價標準》將酒店按照星級進行等級劃分，共分為一到五星級。星級的標志是鍍金的五角星，一顆五角星代表一星級，兩顆五角星代表二星級，三顆五角星代表三星級，以此類推，四顆代表四星級，五顆代表五星級，一星級為最低等級，五星級為最高等級，星數越多，等級越高，也就表示酒店的等級越高。通常來講，一星到三星級的酒店是有限服務酒店；四星級的酒店是高檔酒店；五星級的酒店是豪華酒店。這種星級制的酒店評級標準在歐洲最為普遍，我國也跟隨國際的腳步，使用此種方法。星級的劃分與評定標準是十分嚴格的，酒店必須根據相應的標準提供設計的產品及服務才能達到標準，獲得星級。

（二）客戶關系管理

隨著市場營銷理論的逐漸深入，就出現了客戶關系管理。Michael & Gordon C (1999)指出，進行客戶關系管理的目的就是推進市場營銷進程，同時實現產品質量保證及服務客戶方面的自動化。Chris &Todman(2000)認為客戶關系管理的核心應該是客戶本身，通過提升產品質量和完善服務細節，充分滿足客戶的需求，讓客戶享受到更高水平的服務。從這方面來看的話，客戶關系管理也就是營銷價值，通過掌握顧客的需求，進行精準、個性的銷售。

然而，網絡技術的廣泛使用將客戶關系管理的本質變成了一種技術手段，憑借現代化信息技術把傳統的管理理念和營銷手法進行合理的融合，對客戶信息進行更深層次的分析研究。IBM公司通過對客戶關系管理理論的研究創建了系統完整的商業流程，其中包括識別客戶、選取客戶、獲得客戶、發展客戶、維持客戶的全部流程及步驟，通過將客戶進行分類，進而對客戶信息進行高效的管理。

二、高端酒店客戶價值模型的實證研究

（一）模型建立

1.RFM模型

根據美國數據庫營銷研究所阿瑟休斯教授研究，客戶數據庫中最核心的三個要素就是最近一次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)，這些指標是分析客戶數據的最佳選擇。

傳統的RFM模型中，R值是指客戶最后一次購買產品距離現在的時間間隔，間隔越短，則R值越大，客戶越有可能再次購買企業的產品；F值是指在某一段期間內購買產品的次數F值越大，客戶短期內也會有極大的可能再次購買企業的產品；M是指在某一段期間內購買的產品的價值，M值越大，同樣可以更加容易接受企業的服務和產品。

（二）數據選擇

S酒店是地處廈門市中心地帶的一所五星級高端酒店，于2006年開業，客房總數300余間。S酒店擁有十多年的運營經驗，管理體系較為完善，服務水平比較高，是高端酒店的典型代表，所以選取的樣本數據具有行業代表性。

本研究選取了S酒店從2017-01-01到2018-01-01四個月的客戶消費明細數據，總計12907條，包含客戶9336名。

?

（三）實證分析

1.模型預測的準確率分析

?

Ps：AUC值代表了位于ROC曲線下方部分的面積大小。通常，AUC的值介于0.5到1.0之間，越高的AUC值表示越好的效果，低于0.5則表示不符合實際，模型預測沒有準確度。

（1）基礎模型MQFD(即平均消費金額、購買量、到店次數和住店天數)對客戶價值評估的準確率達到74.21%，意味著根據這四項基本指標對客戶等級分類的結果與酒店實際分類的情況之間一致性達到了74.21，平均絕對誤差率0.1835，這表示本研究建構的高端酒店價值評估指標體系對于客戶價值等級高低的預測具有較高的準確性和有效性。

(2)在基礎模型MQFD之上我們依次分別加入了T,C,L,R四個指標，得到了結果2,3,4,5。縱向對比分析后可知，T代表的客戶類型和C代表的訂房渠道兩項新指標對于酒店客戶等級分類的效果并沒有產生積極作用，反而使模型的準確度降低了約2個百分點。反觀客戶保有期L和最近一次消費時間，這兩項新指標的加入不但使客戶價值評估模型的準確度提升，并且伴隨著誤差率的降低和AUC值的提高，說明客戶保有期和最近一次消費對有效評估客戶價值具有顯著作用。

（3）在了解保有期和最近一次消費時間的影響之后，我們將二者同時加入基礎模型的體系，得到了實驗結果6，此時模型評估的準確率達到了76.98%，提升近3%.同時誤差率下降到。AUC值增加至0.751，這意味著本研究建構的客戶價值評估基礎模型得到了良好的優化，不僅具有較高的準確性，還具有較強的實用性和有效性。

2.模型分類結果

在這筆者以MQFD+L+F模型為示范，分類結果如下所示。

?

在了解保有期和最近一次消費時間的影響之后，我們將二者同時加入基礎模型的體系，得到了實驗結果6，此時模型評估的準確率達到了76.98%，提升近3%.同時誤差率下降到。.1569 AUC值增加至0.751，這意味著本研究建構的客戶價值評估基礎模型得到了良好的優化，不僅具有較高的準確性，還具有較強的實用性和有效性。

從上表已知客戶分類的真正元比率為0.964，參加本次活動的普通客戶有583人，所以，本次系統分類的普通客戶人數為583＊0.964，562人。具體分類情況如下圖所示。

?

從混淆矩陣表明，參與測試集分類的普通客戶樣本有583人，其中562人分類正確，9人被分成初級客戶，12人被分成中級客戶，以此類推。所以斜對角線上的數值代表各等級分類正確的客戶樣本量，初級客戶樣本為181人中只有26人分類正確，中級客戶31人，21人分類正確，高級客戶9人，3人分類正確。從分類的情況來看，本模型對于中級和普通客戶的分類效果最好，但是對于高級客戶和初級客戶的分類效果有待進一步的改進。

三、結論

本文研究建構了適用于高端酒店行業的客戶價值評估模型，然后采用高端酒店S提供的795名客戶消費數據作為實證研究的樣本，將客戶價值評估結果分為4個等級：普通、初級、中級和高級客戶，與酒店提供的客戶實際等級分類進行對比得到模型預測的準確率，證明模型的有效性和實用性。經研究我們發現，由MQFD+L+R組成的客戶價值評估基礎模型對客戶分類的預測準確率達到76.98%，平均絕對誤差率0.1569，AUC值0.751，具有較高的準確性和有效性，尤其是對普通客戶和中級客戶的識別度比較高。