鐵路貨運流失客戶挽留價值研究

張斌，彭其淵，劉帆洨

鐵路貨運流失客戶挽留價值研究

張斌1, 2，彭其淵1，劉帆洨1

(1. 西南交通大學 交通運輸與物流學院，四川 成都 610031; 2. 中國鐵路北京局集團公司 經營開發(fā)部，北京 100860)

面對日趨激烈的貨運市場競爭，為了更好地提供鐵路貨運客戶流失管理，從而為鐵路貨運部門提供精準高效的貨運流失客戶挽留策略，結合鐵路貨運行業(yè)特征，在貨運客戶細分和貨運客戶流失預測的基礎上，提出貨運流失客戶挽留價值的研究方法，從而為貨運流失客戶挽留策略的制定提供支撐。結合鐵路貨運特征，提出貨運客戶的可期貨運價值；其次對鐵路貨運流失客戶挽留策略的執(zhí)行效果進行研究，提出貨運流失客戶挽留效果模型；之后提出貨運流失客戶挽留成本的計算方法；最后提出流失客戶挽留價值模型。仿真實驗結果表明：通過對挽留價值進行計算，可以校驗挽留策略的執(zhí)行效率；并且為貨運流失客戶挽留優(yōu)先級的確定提供依據；針對具體細分類別的貨運流失客戶制定挽留策略具有更好的挽留效果和高成功率。

鐵路運輸；貨運客戶流失；客戶細分；挽留策略；挽留價值

面對國家供給側改革的深化推進和當前貨運市場的激烈競爭，鐵路貨運行業(yè)面臨著巨大的經營壓力，隨之而來的客戶流失問題成為鐵路貨運部門需要解決的當務之急。保證企業(yè)核心競爭力的關鍵是抓住客戶，而獲取一位新客戶的成本是留住一位老客戶的5~6倍[1]，對貨運客戶的流失做出預測，并制定行之有效的挽留方案和營銷策略是貨運客戶關系管理的有效手段。當前電信[2]、金融[3]和電子商務[4]等行業(yè)在對客戶流失管理方面做了比較多的研究，國外學者也針對客戶流失問題展開了深入研究，建立了預測模型[5]，并獲得了一定應用效果。Lin等[6]使用粗糙集理論，利用流網絡圖建立客戶流失與規(guī)則之間的關聯(lián)，并驗證了流失預測組合模型具有較好的客戶流失預測能力。Hossein等[7]提出運用-means算法結合神經網絡算法對高價值客戶進行流失預測的方法。HUANG等[8]基于NSGA-II優(yōu)化方法的多目標特征選擇方法，證明了該方法在電信行業(yè)客戶流失預測方面的有效性。張斌等[9]結合鐵路貨運特征及當下運輸市場整體情況，提出了貨運客戶流失識別方法，并在客戶價值分類的基礎上，對各類客戶建立基于 SVM 的客戶流失預測模型，并進行流失預測。張斌等[10]結合鐵路貨運客戶發(fā)貨特征，提出基于RFM的KFAV模型，并用改進-means聚類算法對貨運客戶進行基于KFAV的客戶細分，具有一定實用價值。目前對于客戶流失問題的研究主要集中在客戶關系管理和客戶流失預警研究方面，但在對鐵路貨運流失客戶挽留策略的制定、有效性評估、流失客戶的挽留價值等方面缺少有效的方法。本文在張斌等[9?10]提出的貨運流失客戶預測方法和貨運客戶細分方法的基礎上，提出貨運流失客戶可期貨運價值、挽留效果模型、挽留成本的研究方法，并最終提出鐵路貨運流失客戶挽留價值的研究方法，該方法通過對流失客戶挽留價值的計算，結合設定的閾值，能夠校驗挽留策略的有效性和流失客戶的優(yōu)先級，并且通過仿真實驗，表明對具體細分貨運流失客戶制定挽留策略更加具有針對性，對鐵路貨運營銷部門制定高效精準的流失客戶挽留策略提供支撐，具有實際意義。

1 鐵路貨運流失客戶可期貨運價值

表1 貨運客戶分類等級對照表

2 鐵路貨運流失客戶挽留效果模型研究

由于受到挽留流失客戶營銷成本等方面的影響，挽留營銷過程無法全面維系到每一位貨運流失客戶，從而導致一方面失去了很多具有潛力的貨運流失客戶，另一方面又在低價值客戶身上浪費了很多資源，嚴重制約了流失客戶的挽留效果。此外，挽留策略是否有效，挽留效果是否理想，可以通過設定閾值進行判斷，對于低于閾值的挽留策略，則應該進行調整或重新制定。

基于以上分析，本節(jié)提出鐵路貨運流失客戶挽留效果的計算方法，首先設定如下假設。

假設1 假設本文研究的貨運流失客戶挽留策略已經試行一定時期，并且在試行期間監(jiān)控了貨運流失客戶的發(fā)運情況，從而能夠掌握貨運流失客戶的挽留情況。

假設2 貨運流失客戶挽留策略實施的整個時間過程稱之為挽留策略實施周期T，根據文獻[9]對貨運流失客戶的識別方法，如果存在以下3種情況之一，表示貨運流失客戶的挽留策略在T內開始生效，觀察點t為挽留生效開始時間。

情況1：貨運流失客戶的發(fā)貨頻率較上一個觀察點呈現(xiàn)上升趨勢。

情況2：貨運流失客戶的發(fā)貨頻率保持穩(wěn)定，并且投訴率較上一個觀察點呈現(xiàn)下降趨勢。

情況3：貨運流失客戶的發(fā)貨頻率保持穩(wěn)定，并且貨損貨差率較上一個觀察點呈現(xiàn)下降趨勢，并且發(fā)貨延誤時間呈現(xiàn)下降趨勢。

情況1：貨運流失客戶的發(fā)貨頻率較上一個觀察點呈現(xiàn)下降趨勢。

情況2：貨運流失客戶的發(fā)貨頻率沒有呈現(xiàn)上升趨勢，并且投訴率較上一個觀察點呈現(xiàn)上升 趨勢。

情況3：在貨運流失客戶的發(fā)貨頻率沒有呈現(xiàn)上升趨勢的前提下，貨損貨差率較上一個觀察點呈現(xiàn)上升趨勢，或者發(fā)貨延誤時間呈現(xiàn)上升趨勢。

貨運流失客戶挽留過程的時間關系見圖1 所示。

對于各項屬性趨勢的計算方法，采用的加權平均估值和計算平均估值求差的計算方法，見式(5)：

圖1 貨運流失客戶挽留過程時間關系圖

基于假設1和假設2，得到了貨運流失客戶在T內的挽留效果計算方法，見式(6)：

3 鐵路貨運流失客戶挽留成本研究

鐵路貨運流失客戶挽留過程的生命周期包括挽留策略的制定、挽留策略的實施和挽留策略的評估等過程，期間需要投入相應的成本用于挽留策略的支撐和運維，其中主要包括人力成本，物力成本和其他成本，其中，人力成本是指貨運營銷人員運營而產生的成本；物力成本是指對設備、設施、信息化建設等軟硬件方面進行配置、更新、改造等產生的成本；其他成本是指其他由于流失客戶挽留策略的執(zhí)行，而導致鐵路貨運支出增加，或利潤減少等產生的成本。通過對各項成本進行加權計算，得到鐵路貨運流失客戶挽留成本的計算方法，見式(7)：

其中：，和ω分別代表挽留策略在挽留貨運流失客戶時付出的人力成本A，物力成本B和其他成本C的權值。

4 鐵路貨運流失客戶挽留價值模型研究

通過設定閾值，可以判斷是否對具有挽留意義，即：

5 鐵路貨運流失客戶挽留價值仿真求解

5.1 仿真數(shù)據及環(huán)境

仿真環(huán)境建立在Windows 10 64位操作系統(tǒng)下，配備4G內存，500G硬盤。仿真工具為Matlab R2014a(8.3.0.532)版本。

5.2 仿真結果及分析

圖2 實驗1結果顯示圖

通過2組實驗結果對比分析，得到以下結論：

圖3 實驗2結果顯示圖

2) 圖4~5顯示了貨運可期價值C與貨運挽留成本的差值與貨運流失客戶挽留價值之間的趨勢圖，說明C比越大，則普遍越大，在C小于的情況下，圖4顯示15個流失客戶中12個挽留成功，而圖5顯示未進行細分的21個流失客戶中只有6個挽留成功，說明對于細分流失客戶的挽留過程中，挽留效果也起到了很大作用，而對于未細分的流失客戶，則影響較小。說明對流失客戶進行價值細分能夠更好地運用挽留價值模型對挽留策略的有效性進行判斷，從而指導制定流失客戶挽留策略。

4) 在校驗貨運流失客戶挽留策略有效的情況下，貨運營銷部門可以根據流失客戶挽留價值的大小來設定貨運流失客戶的挽留順序，即值越大的貨運客戶具有越大的挽留價值，則享有越高的優(yōu)先挽留等級，鐵貨運營銷可以根據自身的挽留營銷能力，合理安排挽留資源用于高挽留價值的貨運流失客戶。

圖4 實驗1結果顯示圖

圖5 實驗2結果顯示圖

6 結論

1) 結合貨運流失客戶特征和貨運價值，充分考慮貨運流失客戶的潛在價值，提出貨運流失客戶的可期貨運價值；另一方面，引入挽留策略的挽留周期、各項參數(shù)的發(fā)展趨勢，結合貨運流失客戶的細分等級，提出貨運流失客戶挽留效果模型，該挽留效果模型可以量化挽留策略在實施過程中對貨運流失客戶產生的作用和效果。

2) 綜合考慮貨運流失客戶挽留策略的實施過程中需要產生的成本，結合挽留價值和挽留效果，提出貨運流失客戶的挽留價值模型，運用該模型計算得到挽留策略的挽留價值，通過設定挽留價值閾值和挽留策略生效閾值，可以判斷貨運流失客戶挽留策略的有效性，及挽留策略的執(zhí)行效果。

3) 對于制定的挽留策略，通過計算貨運流失客戶的挽留價值，可以獲取貨運流失客戶應對的優(yōu)先級，從而在營銷資源有限的情況下，可以對挽留價值高的貨運流失客戶優(yōu)先進行挽留，以保證挽留成功率和效益最大化。

4) 仿真實驗證明，對于同一個流失客戶挽留策略，運用于相同類別的流失客戶相比于運用于不同類別的流失客戶，在挽留效果上具有更好的表現(xiàn)，因此，建議貨運營銷部門針對不同貨運價值的貨運流失客戶分別制定挽留策略，從而使挽留策略更加具有針對性，達到完善營銷策略、實現(xiàn)精準營銷的目的。

[1] 于小兵, 曹杰, 鞏在武. 客戶流失問題研究綜述[J]. 計算機集成制造系統(tǒng), 2012, 18(10): 2253?2263. YU Xiaobing, CAO Jie, GONG Zaiwu. Review on customer churn issue[J]. Computer Integrated Manufacturing Systems, 2012, 18(10): 2253?2263.

[2] HUANG B, Kechadi M T, Buckley B. Customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2012, 39(1): 1414?1425.

[3] Zoric A B. Predicting customer churn in banking industry using neural networks[J]. Interdisciplinary Description of Complex Systems, 2016, 14(2): 116?124.

[4] WU H L, ZHANG W W, ZHANG Y Y. An empirical study of customer churn in e-commerce based on data mining[C]// Management and Service Science (MASS), 2010 International Conference on, 2010: 1?4.

[5] Lemmens A, Croux C. Bagging and boosting classification trees to predict churn[J]. Journal of Marketing Research,2006,43(2): 276?286.

[6] LIN C S, Tzeng G H, Chin Y C. Combined rough set theory and flow network graph to predict customer churn in credit card accounts[J]. Expert Systems with Applications, 2011, 38(1): 8?15.

[7] Hossein Abbasimehr,Mostafa Setak,Javad Soroor. A framework for identification of high-value customers by including social network based variables for churn prediction using neuro-fuzzy techniques[J]. International Journal of Production Research, 2013, 51(4): 1279?1294.

[8] HUANG B Q, Buckley B, Kechadi T M. Multi-objective feature selection by using NSGA-II for customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2010, 37(5): 3638?3646.

[9] 張斌, 彭其淵. 基于鐵路貨運價值分類的客戶流失預測研究[J]. 鐵道科學與工程學報, 2018, 15(4): 1059? 1066. ZHANG Bin, PENG Qiyuan. Research on railway freight customer churn prediction based on customer value segmentation[J]. Journal of Railway Science and Engineering, 2018, 15(4): 1059?1066.

[10] 張斌, 彭其淵. 基于KFAV的中國鐵路貨運客戶細分方法研究[J]. 交通運輸系統(tǒng)工程與信息, 2017, 17(3): 235?242. ZHANG Bin, PENG Qiyuan. Railway freight customer segmentation based on KFAV model[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 235?242.

Research on railway freight customer churn retention value

ZHANG Bin1, 2, PENG Qiyuan1, LIU Fanxiao1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China; 2. Business Development Bureaus, China Railway Beijing Group Co., Ltd, Beijing 100860, China)

In order to manage the loss of freight customer better, and provide the accurate and efficient retention strategy for the freight department, based on the characteristics of railway freight industry and freight customer subdivision and freight customer churn prediction, this paper put forward the research method of the retention value of freight customer churn, so as to provide support for the formulation of customer retention strategy for freight customer churn. Firstly, combining with the characteristics of railway freight transportation, this method put forward the period freight value of freight customer. Secondly, this paper studied the executive effect of the retention strategy for lost freight customer, and proposed the retention effect model for the lost freight customer. Then the calculation method of customer retention cost was put forward. Finally, the customer retention value model was proposed. The simulation results show the execution efficiency of the retention strategy can be verified and the retention priority of the losing freight customer can be determined by calculating the retention value. And it has better retention effect and high success rate to make retention strategy for the freight losing customer based on customer segmentation.

railway transportation; freight customer churn; customer segmentation; retention strategy; retention value

U294.1

A

1672 ? 7029(2019)09? 2339 ? 06

10.19713/j.cnki.43?1423/u.2019.09.028

2018?12?06

中國鐵路總公司科研計劃重大課題(2016X008-J)

張斌(1985?)，男，內蒙古呼倫貝爾人，博士研究生，從事鐵路貨運大數(shù)據分析、計算機仿真，客戶關系管理研究；E?mail：zbin0470@ 163.com

(編輯 陽麗霞)