京滬高鐵客運(yùn)市場細(xì)分與客票營銷策略研究

趙 娟 任 民

京滬高鐵客運(yùn)市場細(xì)分與客票營銷策略研究

趙 娟1任 民2

（1北京交通大學(xué)交通運(yùn)輸學(xué)院博士生，北京100044；2鐵道部經(jīng)濟(jì)規(guī)劃研究院研究員，北京100038）

面對激烈的客運(yùn)市場競爭，如何提高高鐵客運(yùn)市場份額，保證客運(yùn)量穩(wěn)步增長是亟待研究的課題。以京滬高鐵為典型案例，通過抽樣調(diào)查方法得到7 000余個京滬高鐵旅客樣本，基于市場細(xì)分及營銷理論，運(yùn)用因子分析及聚類分析方法對樣本進(jìn)行聚類和客戶細(xì)分，提出京滬高鐵客票營銷策略，為高鐵開拓客運(yùn)市場提供新的思路和建議。

京滬高鐵;市場細(xì)分;抽樣調(diào)查;因子分析;聚類分析;客票營銷

0 引言

2011年6月30日京滬高鐵開通運(yùn)營，全長1 318 km，縱貫北京、天津、上海三大直轄市和冀魯皖蘇四省，連接環(huán)渤海和長江三角洲兩大經(jīng)濟(jì)區(qū)。京滬高鐵所經(jīng)之地是中國經(jīng)濟(jì)發(fā)展最活躍和最具潛力的地區(qū)，也是中國客貨運(yùn)輸最繁忙、增長潛力巨大的交通運(yùn)輸走廊。京滬高鐵沿線客運(yùn)市場競爭激烈，民航方面：高鐵沿線設(shè)有民用機(jī)場的城市主要有北京、天津、濟(jì)南、濟(jì)寧、徐州、南京、常州、無錫、上海等，這些城市之間共開通航線16條，并可以利用降低票價爭奪市場；公路方面：沿線高速公路發(fā)達(dá)，人均收入及消費(fèi)水平高，家庭小汽車擁有率達(dá)50%以上，自駕出行率高。京滬高鐵開通初期技術(shù)上還有待完善，客運(yùn)市場正處于培育期，研究如何提高京滬高鐵客運(yùn)市場占有率，保證高鐵經(jīng)濟(jì)效益極為必要。本文基于市場細(xì)分理論，運(yùn)用多元統(tǒng)計(jì)中的因子分析及聚類分析方法研究旅客調(diào)查樣本，提出高鐵客票營銷策略建議。

1 相關(guān)理論及研究方法

1.1 統(tǒng)計(jì)抽樣

抽樣調(diào)查是根據(jù)隨機(jī)原則,從總體中抽取部分實(shí)際數(shù)據(jù)構(gòu)成樣本,同時運(yùn)用概率估計(jì)方法,依據(jù)樣本信息推斷總體數(shù)量特征的一種非全面統(tǒng)計(jì)調(diào)查。樣本是從總體中抽出的部分單位的集合,樣本中所包含的單位數(shù)被稱為樣本容量，確定樣本容量是抽樣調(diào)查中非常重要的環(huán)節(jié)。在抽樣調(diào)查中,除利用公式來計(jì)算樣本容量外,還可采用經(jīng)驗(yàn)法則。經(jīng)驗(yàn)法則建立在過去抽取滿足統(tǒng)計(jì)方法要求的樣本量所累積下來的經(jīng)驗(yàn)上。對于規(guī)模較小的總體(1 000以下),研究者需要比較大的抽樣比率(大約30%)，為求較高的精確性,這時需要大約300個樣本；對于中等規(guī)模的總體(如10 000),要達(dá)到同樣的精確度,抽樣比率為10%或大約1 000個樣本量就可以了。就大規(guī)模的總體(超過150 000)而言,抽樣比率為1%或大約1 500個樣本量就能得出正確的結(jié)果。如果是非常大的總體(超過1 000萬)，研究者可以使用0.025%抽樣比或者大約2 500個樣本,就能夠得出精確的結(jié)果。當(dāng)抽樣比率非常小時,總體大小的影響力就不那么重要了。從2億總體中抽取一個2 500左右的樣本,與從1 000萬總體中抽出同樣規(guī)模的樣本,它們的精確程度是完全相同的[1]。

1.2 市場細(xì)分

20世紀(jì)50年代中期，美國營銷學(xué)家溫德爾·史密斯首先提出客戶細(xì)分概念[2]。他認(rèn)為客戶細(xì)分是企業(yè)根據(jù)客戶的價值、消費(fèi)行為和偏好等因素對客戶進(jìn)行分類,制定有針對性的營銷策略,為不同類型的客戶提供不同的產(chǎn)品或服務(wù)。目前，客戶細(xì)分基本圍繞著人口統(tǒng)計(jì)、生活方式、利益、行為、客戶價值等變量進(jìn)行。人口統(tǒng)計(jì)細(xì)分主要是把人口的年齡、性別、收入、職業(yè)和地區(qū)等作為細(xì)分維度。許多營銷者認(rèn)為,行為變量(場合、用戶地位、使用率、忠誠狀況、購買階段和態(tài)度)是構(gòu)建細(xì)分市場的最佳起點(diǎn)。行為細(xì)分中具有代表性的是RFM分析和客戶價值矩陣分析[3]。客戶細(xì)分的實(shí)現(xiàn)技術(shù)很多,諸如人工神經(jīng)網(wǎng)絡(luò)、因素分析、擬合分析和聚類分析等，都在實(shí)踐中有著廣泛的應(yīng)用。

1.3 方法與模型

在對高鐵客運(yùn)市場進(jìn)行細(xì)分時，旅客屬性和出行方式等調(diào)研數(shù)據(jù)常常是高維多屬性的，包含大量的信息。變量太多使得統(tǒng)計(jì)分析變得復(fù)雜和麻煩，可以采用多元統(tǒng)計(jì)分析中的因子分析和聚類分析對數(shù)據(jù)進(jìn)行簡化降維。

因子分析的基本思想是通過對變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究,找出能控制所有變量的少數(shù)幾個隨機(jī)變量去描述多個變量之間的相關(guān)關(guān)系,這少數(shù)幾個隨機(jī)變量是不可觀測的,通常稱為因子。因子分析是一種研究觀測變量變動的共同原因和特殊原因,從而達(dá)到簡化變量結(jié)構(gòu)目的的多元統(tǒng)計(jì)方法。

一般模型和計(jì)算過程可以表示為：

式中：Xi（i=1,2,···,p）為原始變量；Fi為公共因子；aim是因子載荷；εi是殘差且無自相關(guān)性、同方差，即有εi～（0，σ2），實(shí)際中將其作為隨機(jī)影響忽略。用矩陣表示時，因子分析模型可寫為：

式中：F=(F1,F2,...,Fm）是這p個指標(biāo)的公共因子，且m≤p；A為因子載荷矩陣。

首先,對觀測變量進(jìn)行因子分析,并對因子載荷矩陣進(jìn)行正交變換,利用載荷矩陣進(jìn)行變量聚類。設(shè)公共因子為F1,F2,...,Fm，則在F1上載荷較大的變量可以聚為一類，在F2上載荷較大的變量可以聚為一類，……在Fm上載荷較大的變量可以聚為一類。這樣初始的p個變量將由m個公共因子取代,變量的結(jié)構(gòu)簡化,維數(shù)降低,需要處理的數(shù)據(jù)量大大減少。然后,計(jì)算出各個樣本在每個因子上的得分。因子得分就是各個樣本在各個因子上的取值,這樣就得到了一組新數(shù)據(jù),即樣本為原處理樣本,變量為各個公共因子,樣本在變量上的取值為因子得分。每一個公共因子都反映了樣本一方面的性質(zhì),這樣就可以選擇某一個公共因子作為聚類依據(jù),利用因子得分對樣本進(jìn)行聚類,并以因子作為市場細(xì)分維度,得出若干細(xì)分市場。

聚類分析是根據(jù)樣本單元各個變量的取值，將樣本（對象或變量）自動分類的統(tǒng)計(jì)分析方法。聚類分析的目的是把物體或人分為相對獨(dú)立且較為固定的組，每一組內(nèi)成員彼此之間在某方面具有極大的相似性，而組與組之間卻具有極大的差異性。由于旅客樣本數(shù)量巨大，本文采用快速聚類分析方法，即K－Means聚類算法。通過隨機(jī)點(diǎn)將樣本數(shù)據(jù)劃分為K個類，通常用聚類集中的每個樣本點(diǎn)到該類中心的距離之和為聚類準(zhǔn)則函數(shù)，并使其最小化，通過多次迭代得到最終的聚類結(jié)果。

2 京滬高鐵客運(yùn)市場細(xì)分

2.1 調(diào)研情況

京滬高鐵客流調(diào)查于2012年11月中至12月初進(jìn)行，歷時將近一個月。在京滬沿線及相關(guān)的19個城市（北京、天津、德州、濟(jì)南、曲阜、徐州、蚌埠、南京、無錫、蘇州、上海、沈陽、呼和浩特、石家莊、青島、鄭州、合肥、杭州、南昌）的鐵路車站或列車上調(diào)查，要求被調(diào)查旅客對象為行程應(yīng)途經(jīng)京滬沿線。每個站點(diǎn)問卷調(diào)查時間不少于兩天，包括節(jié)假日和工作日。調(diào)查共得到旅客樣本30 000份，其中京滬高鐵旅客樣本7 771份，包括本線客流與跨線客流。據(jù)統(tǒng)計(jì)，京滬高鐵2012年7月1日至2013年6月30日運(yùn)送旅客7 440.2萬人次，日均運(yùn)送旅客17萬人次，調(diào)查樣本容量滿足統(tǒng)計(jì)抽樣對調(diào)查樣本容量的要求，認(rèn)為對這7 771個樣本進(jìn)行分析的結(jié)論可以描述總體。

2.2 數(shù)據(jù)統(tǒng)計(jì)描述

調(diào)查數(shù)據(jù)的部分整理結(jié)論如圖1到圖4所示，反映了京滬高鐵旅客屬性的一般特征。高鐵旅客多為企事業(yè)人員及公務(wù)員，比例占全部旅客的63%；旅客月收入普遍較高，5 000元以上的占全部旅客49%；年齡年輕化，19～40歲旅客比例為78%；出行目的以因公出行為主占52%，旅游及探親訪友比例為27%。

圖1 旅客職業(yè)比例圖

圖2 旅客月收入比例圖

圖3 旅客年齡比例圖

圖4 旅客出行目的比例圖

京滬高鐵沿線旅客多為企事業(yè)員工，月收入較高，年齡分布以青壯年為主，因公出差旅客較多，集中在中短途距離，費(fèi)用來源51.5%為公費(fèi)報(bào)銷，家庭擁有小汽車比例為53%。

2.3 樣本的因子和聚類分析

通過spss17.0統(tǒng)計(jì)分析軟件對7 771個樣本進(jìn)行計(jì)算，首先用KMO測度值檢驗(yàn)選取的指標(biāo)數(shù)據(jù)是否適合進(jìn)行因子分析，Kaiser給出了一個KMO值的標(biāo)準(zhǔn)：若KMO＞0.9，非常適合；0.8＜KMO＜0.9，適合;0.7＜KMO＜0.8，一般;0.6＜KMO＜0.7，不太適合; KMO＜0.5，不適合[4]。樣本分析結(jié)果表明可以進(jìn)行因子分析，見表1。旋轉(zhuǎn)后因子載荷如表2所示。

表1 KMO和Bartlett的檢驗(yàn)

表2 全部樣本因子旋轉(zhuǎn)成分

通過因子分析的得分結(jié)果來看，初始的9個變量可以合并為3個因子，第一因子包括出行目的和職業(yè)，第二因子包括收入和年齡，第三因子包括旅行距離、候車時間、同行人數(shù)。同時發(fā)現(xiàn)有無小汽車和費(fèi)用來源變量在3個因子上的得分均不是很高，很難將它們并入某個因子類別，聚類分析的效果也不是很好，這說明對9個變量同時進(jìn)行計(jì)算的結(jié)果不太理想。對數(shù)據(jù)再進(jìn)行分類，分別按費(fèi)用來源與有無小汽車分類，再進(jìn)行因子分析和聚類分析。以公費(fèi)出行樣本為例，樣本數(shù)為3 793，對8個變量進(jìn)行因子分析，結(jié)果見表3。

表3 公費(fèi)旅客樣本因子旋轉(zhuǎn)成分

可以看到，除有無小汽車變量對因子的解釋能力較弱外，其他變量很好地解釋了因子，第一因子包括收入和年齡，第二因子包括出行目的和職業(yè)，第三因子包括旅行距離、候車時間、同行人數(shù)。以3個因子作為新的變量進(jìn)行聚類分析，運(yùn)用K-means快速聚類算法，得到結(jié)果見表4及表5。

表4 公費(fèi)旅游樣本最終聚類中心

表5 公費(fèi)旅客樣本聚類結(jié)果

從聚類分析結(jié)果可以看出，公費(fèi)出行旅客樣本3 793個，稱為第一類細(xì)分市場A類，分為3個子類，A1類2 820個樣本、A2類有431個樣本、A3類有542個樣本。對A1類細(xì)分市場的描述為：出行目的為99%因公出差；職業(yè)多為企事業(yè)人員；候車時間90%集中在0.5 h到1 h之間；旅行距離中短途皆有；月收入大于4 000元的占77%；同行人數(shù)特征是單獨(dú)出行占一半以上。這一細(xì)分市場稱為公務(wù)出差型，占全部比例48.8%，對票價不敏感，車費(fèi)報(bào)銷，出行方式較規(guī)律。A2、A3子市場描述見表6。

表6 市場分類特征及描述

用同樣的方法將自費(fèi)旅客設(shè)為第二類細(xì)分市場B類，因子分析和聚類分析過程不再贅述，只對結(jié)果進(jìn)行描述，最終聚類結(jié)果如表7所示?？梢钥闯鼍垲愋Ч皇呛芎?，通過對表7的2、3類樣本進(jìn)行分析發(fā)現(xiàn)這類旅客屬于組團(tuán)類型，基本特征是同行人數(shù)都在20人以上，樣本數(shù)量所占比例不大。剔除這16個樣本后再對樣本進(jìn)行處理，分析結(jié)果如表8。

表7 B類市場第一次聚類結(jié)果

表8 B類市場第二次聚類結(jié)果

B1類細(xì)分市場由表7的2、3類樣本構(gòu)成，稱為組團(tuán)型，出行目的多為旅游或是外出務(wù)工，年齡以青壯年為主。第二次聚類結(jié)果稱為B2類、B3類，市場特征描述見表6。同理，家庭無汽車旅客設(shè)為第三細(xì)分市場C類，聚類分析結(jié)果見表9,三個子類為C1類、C2類、C3類。家庭有小汽車旅客設(shè)為第四細(xì)分市場D類，聚類分析結(jié)果見表10，三個子類為D1類、D2類、D3類，市場特征描述見表6。

表9 C類市場聚類結(jié)果

表10 D類市場聚類結(jié)果

3 京滬高鐵客票營銷策略建議

國外高鐵客票營銷方式主要有：日本新干線實(shí)行往返折扣、學(xué)生團(tuán)體優(yōu)惠、定期票價優(yōu)惠等；法國高速鐵路對經(jīng)常乘車的旅客發(fā)行兒童卡、青年卡、成年卡、老年卡和家庭卡等，還與航空、滑雪、海灘休假以及度假用汽車等推出聯(lián)合票價；德國高速鐵路在歐洲地區(qū)實(shí)行聯(lián)運(yùn)優(yōu)惠政策，優(yōu)惠票形式多樣，對乘坐頻率高、團(tuán)體或兒童實(shí)行優(yōu)惠[4]。

參考國外的旅客客票營銷方式及以上因子分析、聚類分析的市場細(xì)分結(jié)果，按照子類市場屬性和特征設(shè)計(jì)京滬高鐵客票營銷方案，見表11。

表11 京滬高鐵客票營銷方案

除了客票方案外，銷售渠道設(shè)計(jì)也是客票營銷的一個重要方面：1)設(shè)計(jì)多種銷售渠道，包括窗口、代理、自動售票機(jī)、互聯(lián)網(wǎng)、呼叫中心、列車上，以及電子車票等；2)設(shè)計(jì)多種支付手段，包括現(xiàn)金、銀行卡、儲值卡等，可以在網(wǎng)上支付，也可以在車站支付；3)設(shè)計(jì)多種取票方式，包括車站窗口、自動售票機(jī)、送票服務(wù)等，可以通過輸入預(yù)訂號取票，也可以通過插入信用卡取票；4)根據(jù)購票時間、定期票、優(yōu)惠卡、常客戶、社會分層等不同情況采取隨需而變的客票銷售策略；5)實(shí)現(xiàn)售票一體化，與飛機(jī)票、旅游住宿、游覽券發(fā)行聯(lián)合票制[5]。

4 結(jié)論

本文基于市場細(xì)分理論,運(yùn)用因子和聚類分析方法對京滬高鐵旅客調(diào)研數(shù)據(jù)進(jìn)行了研究，初步得出京滬高鐵市場細(xì)分及客票設(shè)計(jì)方案建議?？瓦\(yùn)市場細(xì)分標(biāo)準(zhǔn)不僅限于以費(fèi)用來源和有無小汽車進(jìn)行分類，還有更多的分類方法，如以旅行距離或是收入為標(biāo)準(zhǔn)，可以得到不同的市場分類。同時，因子和聚類方法也有一定局限性，聚類分析對異常值特別敏感，異常值的存在會導(dǎo)致類別的錯分，在分析過程中不能僅僅考慮統(tǒng)計(jì)學(xué)意義，還要結(jié)合市場和行業(yè)背景，才能做出正確的市場細(xì)分。因此如何更加客觀有效地對高鐵客運(yùn)市場進(jìn)行分類及設(shè)計(jì)客票營銷方案還有待進(jìn)一步研究。

[1]勞倫斯·紐曼.社會研究方法：定性和定量的取向[M].北京：中國人民大學(xué)出版社，2000

[2]Wendell R.Smith.Product Differentiation and Market Segmentation as Alternative Marketing Strategies[J].Journal of Marketing,1956,21(1)：3-8

[3]Hughes A.Strategic Database Marketing：the Master Plan for Starting and Managing a Profitable,Customer Based Marketing Program[M]. New York：McGraw-Hill Professional,2000

[4]余建英,何旭宏.數(shù)據(jù)統(tǒng)計(jì)分析與spss應(yīng)用[M].北京：人民郵電出版社，2003

[5]張振利.適應(yīng)中國高速鐵路客流特性的售票組織策略優(yōu)化研究[J].鐵道經(jīng)濟(jì)研究，2010（6）：43－45，50

[6]牛永濤，韓寶明，李華.我國鐵路客運(yùn)市場特點(diǎn)及客運(yùn)專線客流組織原則研究[J].鐵道經(jīng)濟(jì)研究，2010（1）：40－43

（責(zé)任編輯：魏艷紅）

Facing with fierce competition in passenger market, it is an urgent research topic that to improve high-speed railwaypassengermarket share and ensure steady growth of passenger volume. Taking the Beijing-Shanghai high-speed railway for example,this article gets more than 7 000 samples of Beijing-Shanghai high-speed railway passenger by sample survey method.Based onmarket segmentation andmarketing theory, factor analysis and hierarchical cluster analysis are adopted to the samples.Finally, Beijing-Shanghai high-speed railway ticketmarketing strategy is proposed and some suggestions are provided on developingnewmarketsofhigh-speedrailway.

Beijing-Shanghai high-speed railway; market segment; sample survey; factor analysis; cluster analysis; ticketmarketing

A

1004-9746（2014）06-0013-05

2014-11-20）