分而治之 让CRM更有效

本篇文章3519字，读完约9分钟

正确合理地对客户进行分类是企业有效实施营销战略的第一步，也是成功管理客户关系的基石。在客户关系管理的实施中，客户分类是实现客户关系管理的主要手段和方法，科学准确的客户分类方法是当今客户关系管理研究的核心问题。

据相关统计，现代企业57%的销售额来自12%的重要客户，而剩下的88%的客户大部分都没有给企业带来什么利润，其中有些不仅无利可图，甚至给企业带来了损失。数据还告诉我们，开发一个新客户的成本是留住一个老客户的5倍，失去一个有价值的客户所造成的损失即使赢得10个新客户也无法弥补。由此可见，企业要想获得最大的利润，就必须对客户进行分类，针对不同类型的客户采取不同的策略。

企业客户分类管理一般包括以下步骤:首先，收集和整理客户的相关信息，根据企业的业务特点选择分类指标，对所有客户进行分类；其次，筛选客户，识别有价值的客户，制定相应的客户关系管理策略；最后，监督和管理客户关系管理的实施过程，确保“最有价值客户”的质量和数量的持续改进。如果只使用客户利润率和客户忠诚度来标记客户，那么客户分类管理的目标应该是不断扩大的“最有价值客户”储备，如图1所示。

客户分类管理是利用分类技术挖掘数据，将客户分为不同的类别，然后根据不同类别的客户采取相应的营销策略。目前，人们普遍采用满意度与信用、顾客价值与顾客购买行为相结合的方式对顾客进行分类。

基于顾客满意度的分类

顾客满意是顾客满意状况的量化数据，它反映了顾客满意的水平，从而建立起一个能够引导企业进行顾客关系管理的业务结构。Reichheld frederick是顾客满意度的早期研究者。他的研究表明，顾客满意度的提高会增加顾客的再购买倾向，顾客满意度越高的企业利润越高。本研究指出了顾客满意度与企业利润之间的关系，但没有解释满意度的内涵。安提阿斯·阿萨纳索普洛斯调查了希腊金融市场的顾客满意度。本文主要研究两个方面。首先，确定决定客户满意度的因素；其次，根据客户满意度对客户进行分类，研究客户满意度与客户流失的关系。本研究的不足之处在于，他们对顾客满意度的评价需要调查顾客对产品各方面的感性认识，所得结果是定性的，与实际情况会有较大误差，不利于基于满意度的顾客分类的深入研究和分类模型的推广应用。因此，有必要研究顾客满意度的量化评价模型。

奥利弗最早开始了顾客满意度的定量计算。他指出，顾客不满是由服务质量和顾客期望之间的差距造成的。量化模型是将顾客满意度与一些可量化的指标结合起来。早期的研究者只研究了顾客满意度的一些指标的量化模型，却不能完全计算顾客满意度。Roland t. rust在前人研究的基础上提出了一个综合计算顾客满意度的数学评价模型。该模型使管理者能够了解对客户满意度影响最大的因素，以及需要多少资本投资来提高客户满意度。该模型的应用将使顾客满意度的研究定量化，便于计算。因此，也方便了基于顾客满意度的分类研究。

基于客户满意度的分类模型如图2所示。从图2可以看出，这个分类模型是基于顾客对产品的感知和认可，这些数据只能通过调查顾客来获得。但是，有些数据可能涉及客户的个人隐私，无法获取，因此基于客户满意度的分类模型在实际应用中会遇到一些困难。

基于客户终身价值的分类

根据顾客终身价值理论模型，顾客的贡献价值不仅包括其过去价值和现在价值，还包括其未来价值；它不仅包括经济价值，还包括非经济价值。顾客对企业的价值应该是顾客在其整个生命周期中为企业创造的所有价值的总和，即顾客的终身价值。

目前，国内外对顾客价值的评价主要是基于弗雷德里克·莱赫霍尔德的净现值评价体系，并在此评价体系的基础上进行扩展和完善。用净现值评价系统来评价客户价值，可以充分反映客户现在和将来能给企业带来的利润的净现值，但该系统只考虑了客户的购买价值和交易价值，没有考虑客户给企业带来的无形贡献。针对净现值评价体系的不足，国内齐家印等人提出了基于净现值评价体系的全价值评价体系，强调销售量的重要性和顾客对企业发展潜力的贡献，使顾客价值评价更加完善。黄、等人还考察了上述两个指标体系的评价因素及其各自的优缺点，结合客户生命周期理论，提出从客户生命周期价值和客户发展潜力两个方面来评价客户价值，并提出了客户价值评价体系。

黄的评价体系可以充分解释顾客的终身价值，但他的顾客发展潜力指标过于抽象，没有具体指出顾客发展潜力的内涵以及衡量顾客发展潜力的指标和计算依据。Hyunseok hwang利用交叉销售的可能性来表示客户的潜在价值，并用公式①解决了潜在价值的计算问题。

N—企业的产品总数，pij—客户I购买产品J的可能性，uij—客户购买产品时企业获得的利润，fi—客户I的潜在价值

此外，彼得·c·费尔霍夫还提出了一种计算顾客潜在价值的具体方法，这种方法比黄现代的方法更能准确地反映顾客的潜在价值。Peter c. verhoef通过计算潜在价值和当前价值将客户分为四类，如图3所示。

在图3中，第一类客户对公司没有吸引力，因为其客户的当前和潜在价值非常低；ⅱ类客户具有较高的潜在价值，但公司没有充分利用客户的潜在价值，因为这类客户的当前价值较低；ⅲ类客户的现值高，潜在价值低；ⅳ类客户是最有价值的客户，同时具有高的当前价值和高的潜在价值。如果这样的客户流失了，对公司会有很大的影响，所以公司应该把主要的人力物力投入到维护四级客户上。

为了更全面地反映顾客的终身价值，金素妍在彼得·维霍夫的价值模型中加入了顾客忠诚指数(顾客忠诚可以用公式②表示)，并建立了顾客分类模型，如图4所示。

该分类模型通过顾客的当前价值、潜在价值和顾客忠诚度来评价顾客的终身价值，能够全面反映顾客的终身价值。金素妍将这一模型应用到无线通信公司的客户分类中后，提出了针对每一类客户的营销策略。

基于顾客购买行为的分类

顾客的购买行为是指顾客在与企业打交道时留下的购买痕迹，通常由购买目录、购买数量、购买频率等数据来表示。这些数据比职业、收入、婚姻状况等数据更容易获得，也不会偏离现实。因此，基于顾客购买行为的顾客分类更加准确。

C.-y. tsai提出了一种基于购买行为的客户分类方法。该方法基于与产品和顾客购买行为相关的变量，如顾客购买的产品目录和顾客消费的金额。然而，蔡振英通过购买产品目录和购买量来描述顾客购买行为的描述显然是不全面的。

Wouter buckinx等人在观察大量顾客购买行为和其他顾客信息的基础上，总结出61种顾客分类指标。在这61个指标中，最近、频率和Among是最常用的预测指标。Rfm数据是客户的交易数据，能够充分解释客户的购买行为，不涉及客户的个人隐私，易于获取，准确性高。

E.h. suh使用rfm作为分类索引，并使用数据挖掘技术将客户分为同类类别。分类过程如图5所示。E.h. suh的研究选择rfm作为分类指标，它能全面反映顾客的购买行为。在e.h. suh的研究中，f和m分别代表客户在一段时间内的购买频率和购买金额，但e.h. suh没有解释“一段时间”有多长。如果你随机选择“一段时间”研究，就会导致不准确的客户分类。例如，一个客户在过去10个月内有较高的购买频率和购买量，我们根据客户在过去10个月内的行为对其进行评估，则该客户被视为高价值客户。但是，假设客户连续两个月没有与企业进行交易，即购买频率和购买金额都为零。如果用这两个月的顾客行为来评价顾客，那么顾客就会被认为是无价值的顾客而被抛弃，从而错过有价值的顾客，所以“一段时间”不应该太短。但是，时间越长越好，因为目前的市场变化很快。如果时间间隔太长，这样的信息不能准确反映当前的客户状态，也不能对未来做出准确的预测。因此，如何选择合适的“时间段”来研究顾客购买的频率和数量是实现合理顾客分类的关键。Jedid-jah jonker就这方面进行了一些讨论。他提出了一种动态rfm分类方法，并给出了五个分类指标:R、F1(2年内购买频率)、F2(10年内购买频率)、M1(2年内购买金额)、M2(10年内购买金额)，然后根据这五个分类指标将客户划分为同类类别，Jedid-jah jonker选择2年和10年客户购买频率和购买金额作为分类指标，可以最大限度地减少“时间段”问题造成的客户分类误差。

基于顾客购买行为的分类方法，直接分析顾客与企业交易时的接近度、频率、价值等数据。通过对这些数据的挖掘，将客户划分为不同的类别，并赋予不同的价值，为企业的营销决策提供依据。这种分类方法不需要涉及难以获得的客户隐私或客户统计数据。与其他分类方法相比，它更容易获取数据，具有更高的准确率，因此是未来客户分类方法研究的重点。