基于需求導向的客戶經理拜訪線路多因素決策模型的構建與應用

摘要：文章以湖南省煙草公司長沙市公司營銷中心現行業務工作實踐為基礎，調研分析煙草客戶經理在客戶拜訪過程中存在的問題和實際需求，研究了一套根據客戶地理位置、客戶屬性、拜訪要求頻率、預警情況、客戶服務需求、公司臨時重點任務等綜合因素構建的智能拜訪線路推薦模型，以及相關功能需求，實現在不同場景下智能推薦客戶拜訪線路清單。

關鍵詞：煙草；拜訪線路；多因素

doi：10.3969/J.ISSN.1672-7274.2023.06.038

中圖分類號：TP 311.52" " " " " " "文獻標志碼：A" " " " " " "文章編碼：1672-7274（2023）06-0-03

Abstract： Based on the current business practices of the Changsha Company Marketing Center of Hunan Tobacco Company， this article investigates and analyzes the problems and actual needs of tobacco customer managers during customer visits， and studies a set of intelligent call route recommendation models based on comprehensive factors such as customer geographic location， customer attributes， visit request frequency， early warning， customer service needs， and temporary key tasks of the company， And related functional requirements to achieve intelligent recommendation of customer visit route lists in different scenarios.

Key words： tobacco; visit routes; multifactor

1" 研究背景

客戶拜訪是指客戶經理通過走訪客戶，與他們進行溝通，對他們進行經營指導、政策宣傳等業務信息交流，并收集產品進銷存數據，了解市場狀態，為企業經營決策提供參考。近年來，隨著煙草零售客戶的增多，客戶經理拜訪工作越來越繁重。因為沒有科學合理的拜訪線路規劃，客戶經理在開展客戶拜訪時更多地根據自身偏好，導致零售客戶拜訪工作的質量和效率難以保證。

客戶拜訪線路的選擇通常受客戶經理當前所在地理位置、客戶屬性、拜訪要求頻率、預警情況、客戶服務需求、公司臨時重點任務等因素影響。本文通過數據建模，實時分析各類相關影響因素并智能生成拜訪線路，既可以提高客戶經理拜訪效率和準確率，提高拜訪覆蓋率，也可以進一步提升專業化服務水平。因此，研究構建一套基于外部+內部多因素驅動的智能拜訪線路推薦模型很有必要性。

2" 客戶拜訪現狀分析

根據調查研究，長沙地區煙草客戶經理人均服務客戶數為354戶，每天需要拜訪12～15戶，工作責任大、任務重。目前，客戶拜訪主要存在三個問題：一是拜訪線路規劃不合理?？蛻艚浝碓谕緯r間過長、客戶拜訪頻率不均衡等，造成了拜訪過剩和拜訪空白同時存在的情況。二是無法有效應對突發情況?？蛻艚浝頍o法及時錄入或查詢數據，對客戶需求、部分重要工作、緊急工作等響應不及時，不能有效開展營銷工作[1]。三是個性化服務水平有待提升。由于零售客戶拜訪數量較大，拜訪需求也各不相同，以往客戶的拜訪更多依靠自身偏好，無法全面準確地評估待拜訪客戶的特征及優先順序，導致客戶拜訪缺乏針對性。

2.1 多因素指標體系研究

2.1.1 多因素指標體系

基于需求導向的客戶經理拜訪線路研究需要以煙草業務實際工作情況為基礎，構建科學、合理、全面的綜合因素體系評價拜訪客戶的優先級別。通過以煙草系統數據為切入點，充分調研長沙煙草營銷業務運營實踐，并詳細了解煙草客戶經理的實際業務需求，本文構建了包括規范類、貢獻類、屬性類和其他類的4大因素共16項子因素組成的因素體系。如表1所示。

2.1.2 多因素基礎數據來源

構建一套多因素驅動的智能拜訪線路推薦模型，需要相關數據資源體系作為支撐。隨著信息化的不斷深入，煙草系統積累了獨有的豐富的煙草大數據，借助GIS技術能更形象地對這些數據進行可視化展示和數據挖掘分析[2]，因此，多因素基礎數據的來源需要包括煙草內部數據和互聯網外部數據。

煙草內部數據是相關影響因素的主要業務基礎數據來源。具體包括人員信息、零售戶信息、卷煙訂單量、零售戶誠信等級、重點監管、規范經營、能力標簽、客戶檔位、終端機使用情況、四員協同、物流簽收等相關數據，通過開發相關軟件接口對數據表進行調用處理，實現數據標準、格式的統一以及數據的聚通用。外部數據則通過接入互聯網地圖數據，獲取路網、客戶經理實時位置、煙草客戶的空間地理空間坐標點等數據，借助GIS技術來表示。

2.2 多因素決策模型功能研究及實現

2.2.1 主要功能研究

在調研中發現，客戶拜訪通常分為計劃安排和臨時安排兩種情況。在不同時期，客戶經理拜訪客戶的出發點有所不同，且不同客戶經理的客戶拜訪需求也有所不同。為更加靈活地適應不同場景下的客戶拜訪需求，需要能夠實現客戶經理對拜訪線路影響因素的自主選擇以及因素權重的設置。同時客戶經理在安排具體拜訪線路時，通常會考慮零售客戶與自身當前位置的距離、拜訪的優先級別等相關因素。因此針對以上情況，多因素決策模型若要滿足客戶經理日常拜訪工作需求，需要實現自主調整因素權重和智能推薦拜訪線路兩大功能。

（1）自主調整因素權重功能。依據構建的多因素指標體系，客戶經理根據實際拜訪需求，利用移動端管理平臺自主增加或刪除相關影響因素，并調整各因素的權重值。具體如圖1所示。

（2）智能推薦拜訪線路功能。根據客戶經理的日常拜訪線路選擇偏好，需要實現以下三種不同方式的線路推薦：一是按最短距離推薦：根據零售客戶的空間地理位置坐標點，以及客戶經理自主設定的客戶拜訪數量和拜訪半徑，按照最短距離的方式，推薦待拜訪客戶路線清單；二是按優先級推薦：根據客戶經理選擇確定要拜訪的零售客戶空間地理位置坐標點，按照其周邊客戶的拜訪優先級別，推薦待拜訪客戶路線清單；三是按能力標簽推薦：根據客戶經理選擇確定要拜訪的零售客戶空間地理位置坐標點，按照其周邊客戶的能力標簽級別，推薦待拜訪客戶路線清單。

2.2.2 功能實現步驟

（1）全面獲取客戶信息。首先在煙草客戶經理在用的移動端管理平臺上，輸入客戶經理帳號，實時獲取該客戶經理所服務的客戶數量和客戶基本情況。

（2）自主設置因素權重。將所有影響因素權重值之和設為100，客戶經理根據不同時期的客戶拜訪需求，通過移動端管理平臺自主調整相關影響因素的權重值。

（3）綜合計算評價排序。根據設置好的因素權重值，對相關因素分值進行實時計算，并按計算結果的大小進行排序和級別劃分。通過對因素分值按照百分制進行計算，采用特爾菲法將拜訪優先級別共分為9級，其中，91～100分為一級，81～90分為二級，71～80分為三級，61～70分為四級，51～60分為五級，41～50分為六級，31～40分為七級，21～30分為八級，0～20分為九級。

（4）判斷客戶拜訪方式。綜合計算并進行優先級別劃分，1～6級客戶標記為線下拜訪，7～9級客戶標記為線上拜訪。同時為了避免短期內重復推薦拜訪同一客戶，客戶經理可自主設定線下拜訪客戶周期。

（5）智能拜訪線路推薦。針對計劃拜訪和臨時拜訪兩種場景，分別實現三種不同方式下的拜訪線路推薦。其中，計劃拜訪的情形二和臨時拜訪均實現按最短距離推薦、按優先級推薦和按能力標簽推薦客戶拜訪線路清單。

①計劃拜訪。情形一：針對需要進行線下拜訪的客戶，按照優先級別的高低，在不基于客戶經理實時空間位置的前提下，生成客戶拜訪推薦清單，提供給客戶經理選擇。情形二：基于客戶經理選擇的優先拜訪零售客戶空間地理位置坐標點，根據其設定的拜訪客戶數量以及客戶拜訪半徑范圍進行拜訪線路清單推薦。

②臨時拜訪。臨時基于客戶經理當前所在位置，根據其設定的拜訪客戶數量以及客戶拜訪半徑范圍進行拜訪線路清單推薦。

智能推薦拜訪線路功能實現步驟如圖2所示。

3" 結束語

本文構建了一套基于需求導向的客戶經理拜訪線路多因素決策模型，并重點研究了該模型的功能實現。將其部署在長沙煙草移動客戶端管理平臺運行，實現了客戶經理根據實際工作需要生成不同應用場景下的拜訪線路推薦功能，有效地提升了長沙煙草客戶經理的客戶拜訪服務效率，幫助客戶經理更具針對性地服務個性化的客戶，促進了長沙煙草營銷領域的數字化轉型發展。

參考文獻

[1] 肖迎賓，許建，邢陽，等．基于Android平臺的煙草移動營銷系統設計與實現[J]．煙草科技，2015（3）：98-102.

[2] 劉佳．基于路網和圖像處理技術的卷煙商圈模型[J]．科技創新與應用，2021（24）：180-183.