基于多維數據的零售客戶價值分類模型構建與應用

摘要：該文利用海量業務數據、客戶數據和旅游市場環境數據，基于K-MEANS聚類算法模型及RFM客戶價值分析模型，對長沙旅游市場零售客戶進行價值類型識別，進而根據4P營銷理論對不同類型客戶制定精準化營銷策略。

關鍵詞：煙草；K-MEANS；RFM模型；客戶價值分類；4P營銷理論

doi：10.3969/J.ISSN.1672-7274.2024.12.003

中圖分類號：TP 393.02" " " " " " 文獻標志碼：B" " " " " " 文章編碼：1672-7274（2024）12-000-03

Construction and Application of Retail Customer Value Classification Model Based on Multidimensional Data

LI Ke LI Yue GAO Xiang YIN Huan

（1. Hunan Tobacco Company Changsha Branch， Marketing Center， Changsha 410000， China;

2. Changsha Tobacco Company Wangcheng Branch， Customer Service Branch， Changsha 410200， China;

3. Changsha Tianxin Ge Big Data Research Institute， Changsha 410017， China）

Abstract： This article uses massive business data， customer data， and tourism market environment data， based on the K-MEANS clustering algorithm model and RFM customer value analysis model， to identify the value types of retail customers in the Changsha tourism market， and then formulate precise marketing strategies for different types of customers according to the 4P marketing theory.

Keywords： tobacco; K-MEANS; RFM model; customer value classification; 4P marketing theory

隨著網紅長沙旅游產業的持續興旺，在長沙旅游市場中的卷煙生態也發生深刻變化，呈現出新的規律和趨勢。而長沙煙草零售終端建設的日趨完善，也為獲取海量業務數據提供了契機。因此，如何利用多維數據對長沙旅游市場零售客戶進行價值類型識別，從而針對不同類型客戶制定精準化營銷策略，協助零售客戶把握住旅游市場巨大消費群體帶來的發展機會變得尤為重要。近年來，關于客戶價值分類的相關研究不斷完善。馬培梁利用K-MEANS算法結合客戶關系管理理論中比較認可的客戶細分模型RFM模型對客戶價值進行了有效分類[1]；楊若誠系統研究了昆明市旅游市場對卷煙消費的規律性影響[2]；閆磊、劉旭、徐斌從當前價值和潛在價值兩方面設計綜合測度卷煙零售客戶價值的指標體系[3]。但以上學者未能基于具體的客戶類型提供營銷策略建議。本文結合長沙五一商圈的市場和客戶實際，構建針對旅游市場卷煙零售客戶的價值分類模型，通過K-MEANS聚類實現對客戶價值識別，進而提出具體營銷策略建議。

1" "零售客戶價值分類模型選擇

1.1 K-MEANS聚類算法模型

聚類是在沒有樣本標簽的情況下，通過數據之間的邏輯關系按不同類型劃分樣本。K均值聚類的基本思想是通過快速迭代尋找K個簇（Cluster）的一種劃分方案，使得聚類結果對應的損失函數最小。K-MEANS算法具體技術路線圖如圖1所示。

1.2 RFM客戶價值分析模型

RFM模型是通過客戶的近期購買行為、購買的總體頻率以及消費金額三個維度來描述客戶價值的模型，這三個維度分別表示為：①最近一次消費日期至當前日期的間隔天數（Recency）。R值越大，客戶越有可能產生新的消費行為，客戶信息資料有效性越高。②2023年的總訂單數（Frequency），客戶購買該企業產品或服務的次數。F值越大，客戶對企業依賴性越大。③總銷售額（Monetary），客戶購買的所有產品或服務的總金額。M值越大，客戶對企業利潤的貢獻也就越大。

2" "零售客戶價值分類研究

2.1 構建指標體系

梳理煙草公司內部數據和旅游市場外部數據，構建旅游市場客戶畫像指標體系和多維數據零售客戶指標體系，如表1、表2所示。

2.2 目標市場客群畫像分析

本文選取長沙市五一商圈作為目標市場，結合京東大數據對其客群畫像進行分析。五一商圈常駐人口約12.1萬人，男性占比52.23%，29～35歲占比39.3%，16～25歲占比31.76%；到訪客流中，女性占比55.03%，湖南省內游客數占比55.21%，省外客源地來源于廣東省的最多（9.88%）。

綜上分析，從產品投放和推銷來看，仍以本地消費者為主，外省產品投放則可以多投放以上客源地消費者的偏愛品牌，比如廣東省消費者偏愛雙喜牌；從性別來看，本地仍以男性消費者為主，外地女性消費者更多；而年齡層面可以多投放18～35歲中青年群體偏愛的品牌。

2.3 零售客戶價值分類分析

2.3.1 樣本選擇和數據獲取

（1）樣本的選擇。本文聚類分析的樣本為2023年1月1日至2023年12月31日期間，五一商圈的終端零售客戶，合計351戶。

（2）數據的獲取。在確定聚類分析研究的樣本后，本文從長沙市煙草局獲取了樣本的客戶信息數據、煙草品類數據、訂單明細數據等。

2.3.2 數據預處理

（1）異常值分析。通過數據分析發現如下異常值：由于業務人員輸入錯誤造成品規編碼異常；由于系統未對產品進行標準化處理，導致同一產品存在多個名稱或者名稱出現空格、字母、格式不一致等；由于品規信息不全，存在產品檔位信息缺失等。

（2）非煙數據分析。流水數據中有大量非煙銷售數據，通過五次處理后完成篩選。

（3）缺失值分析。351家樣本零售客戶中，有250家在2023年無訂貨記錄，對其予以剔除，最終確定研究樣本總量為101家。

（4）Z Score標準化。Z標準化即無量綱化，本文研究指標RFM、經營狀態等需進行Z Score標準化處理。

2.3.3 聚類分析

（1）RFM客戶價值。RFM三個指標參數分別為2023年最新一筆訂單時間至2023年12月31日的間隔天數（Recency）、2023年的總訂單數（Frequency）以及總銷售額（Monetary）。經過多次聚類迭代后，形成3個類簇結果集，特征分別為：RFM-1類：訂單量多，訂單金額高，且最新一筆訂單距離時間近（本案例該聚類成員均為0天，即2023年12月31日有訂單）；RFM-2類：訂單量少，訂單金額低，最新一筆訂單距離時間遠（平均值在6個月以上，其中一家僅在一月份有銷售）；RFM-3類：訂單量中等，訂單金額中等，部分客戶的最新一筆訂單距離時間較久。

（2）卷煙檔位。長沙市煙草局卷煙檔位一共分為八檔。各零售客戶的七、八檔的卷煙品規銷售額均占比極少（lt;5%），而四檔的品規占比均最高。對檔位進行聚類后，3個類簇的結果集特征分別如下。P-1類：四、一、五、三檔卷煙銷售額占比大，檔位跨度大；P-2類：一檔卷煙銷售額占比大，高價值品規貢獻大；P-3類：四、五、三、六檔卷煙銷售額占比大，中等品規貢獻大。

（3）經營狀態。同理，對經營業態和經營時長聚類后，3個類簇的結果集特征分別如下。B-1類：便利店和食雜店等非煙酒商店為主，經營時長20 h及以上；B-2類：便利店和食雜店等非煙酒商店為主，經營時長10～20 h；B-3類：煙酒商店為主，經營時長10～20 h。

（4）市場環境。市場環境數據主要基于調研獲取。4個類簇的結果集特征分別如下。M-1類：50 m范圍景點、酒店較多，客戶以游客等流動人口為主；M-2類：50 m范圍內公交站、地鐵站較多，客戶以流動人員為主；M-3類：50 m范圍內商場、寫字樓較多，客戶以本地居民、職場白領為主。

2.3.4 聚類結果

對以上類簇進行綜合屬性分析后分為28類。其中，客戶數超過10個以上的類型分別是類型編碼為RFM-3、P-3、B-2、M-2的，合計16戶；類型編碼為RFM-3、P-3、B-2、M-1的，合計13戶。

3" "各價值類型零售客戶的營銷策略建議

本文基于4P營銷策略理論，結合煙草行業的特殊性與政策性，進而根據RFM聚類特征、經營情況特征、卷煙檔位特征及市場環境特征，提出表3所示的針對性營銷策略。

針對RFM與經營狀態的不同組合類型，進一步提出表4所示的營銷策略。

4" "結束語

本文基于長沙煙草營銷及長沙旅游市場的現狀，建立多維數據的零售客戶價值分類評價體系，覆蓋了對內、外部多維度的現實因素，打通了從評價指標體系與模型搭建、價值分類至針對每一類別提出具體營銷策略的技術路徑，較以往的理論研究更具現實指導意義，有助于促進長沙煙草營銷行業的優質化發展，貫徹落實煙草行業數字化改革要求。

參考文獻

[1] 馬培梁．基于K-means算法的數據挖掘與客戶細分研究[J]．市場研究，2019（11）：66-67．

[2] 楊若誠．昆明市旅游市場對卷煙銷售的影響研究[D]．昆明：昆明理工大學，2021．

[3] 閆磊，劉旭，徐斌．基于客戶價值的卷煙零售客戶分類研究與應用[J]．價值工程，2019，38（25）：89-90．