基于改進RFM的鐵路貨運客戶評價模型研究

馬小龍，趙明麗

(1.中國鐵路鄭州局集團有限公司 貨運處，河南 鄭州 450000；2.北京京天威科技發(fā)展有限公司 戰(zhàn)略發(fā)展部，北京 100085)

近年來，我國運輸市場結構發(fā)生了很大的變化，中國鐵路總公司堅持市場導向，不斷深化運輸供給側結構性改革，增加客貨產品有效供給，鞏固和擴大鐵路運輸市場份額[1]。各鐵路企業(yè)每年貨運客戶超過4 500 家，部分企業(yè)客戶甚至高達 9 000 家，而且處于實時流動狀態(tài)，客戶性質、發(fā)貨品類、發(fā)貨頻率、發(fā)貨數量迥然相異，營銷難度大，傳統(tǒng)的大客戶營銷策略維度過于單薄，無法滿足提高運輸服務質量及擴大市場份額的需求[2]。因此，集中力量發(fā)展核心競爭力，挖掘關鍵客戶，成為鐵路企業(yè)的必然選擇。在新的鐵路貨運清算規(guī)則下，開展精準營銷，實施個性化營銷策略成為鐵路企業(yè)的關注焦點，通過對貨票歷史數據規(guī)律的挖掘，運用帕雷托法則篩選貨運主要客戶，借助于傳統(tǒng)客戶關系管理模型 RFM 的理念[3]，構建鐵路企業(yè)貨運客戶評價模型；與此同時，利用德爾菲法與層次分析法更專業(yè)、更客觀地確定各評價指標權重，最終實現對鐵路貨運客戶進行評估與重要程度劃分，助力鐵路企業(yè)構建完善的市場營銷體系。

1 鐵路貨運客戶評價模型構建

模型建立根據以下假設前提：①某鐵路集團公司鐵路貨運量與貨運收入符合改進的 80-20 原則 (即80% 的貨運量與貨運收入來源于 20% 的貨主，具體視每個鐵路集團公司具體情況而定)；②一線營銷人員掌握貨運客戶運輸總量。

（1）步驟 1：建立客戶評價指標體系。傳統(tǒng) RFM將客戶一段時間內的購買頻率、最近一次購買時間、一段時間內帶來的利潤作為評價維度，維度較為簡單，無法滿足復雜的鐵路貨運現狀[4]。因此，基于 RFM 模型的基礎理論，結合貨運營銷專業(yè)調研結果，從鐵路貨運實際情況出發(fā)，考慮從以下 4 個維度切入：客戶對鐵路運輸的貢獻度 S；客戶對鐵路運輸企業(yè)的忠誠度 L；通過淡季運量衡量鐵路企業(yè)的發(fā)貨潛力 P；基層工作人員對客戶的主觀評價 O。其中，基層工作人員的評價分數為 1-100，主要從日常遵守鐵路規(guī)章情況、對鐵路平常調研工作的支持程度及鐵路運輸保密協議遵守情況等多個主觀方面進行考核[5]，每個維度都有各自支撐指標，鐵路貨運客戶評價指標體系如圖 1 所示。

圖?1 ?鐵路貨運客戶評價指標體系Fig.1 Evaluation index systemof customer

（2）步驟 2：權重計算。為了使權重值符合貨運生產規(guī)律且更客觀，采用德爾菲法與層次分析法相結合的方法進行計算。首先，由企業(yè)貨運客戶關系管理相關專業(yè)專家為各項指標進行相對重要程度打分，再由層次分析法算出每一層每個指標的絕對權重。

①專家為各層各項指標相對重要程度的打分結果，形成各層指標的判斷矩陣如下。

式中：A 為各層指標的判斷矩陣，為交互矩陣，任意2 種評價指標的相對重要性，數據通過德爾菲法獲取并加以處理得到該矩陣，第二層指標的判斷矩陣可用同樣的方法獲得；n 為每一層指標的個數；aij= 1/aji，為評價維度或指標 i 相對于 j 的重要程度，其取值范圍即 1-9 標度法如表 1 所示。

表?1 ?1-9?標度法Tab.1 1-9 method of AHP

②計算各級指標的權重公式如下。

式中：λmax 為 A 矩陣的最大特征根；ω 為權重矩陣。

（3）步驟 3：判斷矩陣一致性檢驗。為了保證各指標之間重要程度的協調性，對矩陣進行一致性檢驗計算如下。

公式 ⑶ 和公式 ⑷ 中，C.I 為判斷矩陣的平均一致性指標；n 為判斷矩陣的階數；R.I 為判斷矩陣的隨機一致性指標，三階矩陣取 0.514 9，四階矩陣取 0.893 1；C.R 為判斷矩陣的隨機一致性比例，如果 C.R＜0.1，則判斷矩陣滿足一致性檢驗，否則，需對判斷矩陣進行微調。

（4）步驟 4：評價值計算?？蛻艟C合評價價值為

式中：Ci為客戶 i 的綜合價值；ωS，ωL，ωP，ωO 為評價體系第一層 S，L，P，O 的權重，由層次分析法計算得出；ωSl，ωLj，ωPh，ωOk為評價體系第二層指標的權重，由層次分析法計算得出；Si為第 i 個客戶指標 S 實際值；Li 為第 i 個客戶指標 L 的實際值；Pi為第 i 個 客戶指標 P 的實際值；Oi 為第 i 個 客戶指標 O 的實際值；l = 1，2，…，m，為 S 指標下二級指標的個數變量，j = 1，2，…，n，為 L 指標下二級指標的個數變量，h = 1，2，…，e，為 P 指標下二級指標的個數變量，k = 1，2，…，f，為 P 指標下二級指標的個數變量；由于投訴率是逆指標，因而在計算綜合評價值時，要進行減運算；K 為調節(jié)系數，該系數根據企業(yè)發(fā)貨品類確定，例如：由于煤炭運價號低，根據承運清算規(guī)則，對承運企業(yè)貢獻小，而白貨品類貨物清算貢獻較大，因而對白貨品類貨物發(fā)送企業(yè)可適當增加調節(jié)系數，我們將發(fā)送品類以煤炭為主的企業(yè)，調節(jié)系數取 1，白貨品類為主則取 10。每個鐵路企業(yè)運輸情況、發(fā)運貨物結構不同，重點貨物品類也會有所區(qū)別，該調節(jié)系數的設計原則及值也不盡相同，該系數為主觀賦予系數，可依據企業(yè)貨運特點靈活賦值。

（5）步驟 5：客戶分類。求得綜合評價值后，據此對貨運客戶進行排序，可得貨運客戶重要程度，再根據業(yè)務提供的標準劃分核心客戶、重要客戶和一般客戶。

2 實例分析

以某鐵路局集團公司 2017 全年貨運客戶數據為樣本，展開客戶關系管理，建立模型并進行分析計算。對客戶一年的數據進行匯總，結果如下：共4 731 個客戶 (包括企業(yè)和個人)，客戶屬性包含評價指標體系中所有指標，2017年總發(fā)貨量為 1.544 47億 t，總運輸費用為 218.309 5 億元，樣本數據分布頻率如表 2 所示。

取部分貨運客戶數據樣本，對數據維度進行說明，部分樣本數據展示如表 3 所示。

表?2 ?樣本數據分布頻率表Tab.2 Distribution frequency of sample data

表?3 ?部分樣本數據展示Tab.3 Partial sample data

樣本數據分布頻率結合新出臺的承運清算規(guī)則，通過帕雷托法則篩選出運費累計占前 88% 的 205 位客戶 (年運費累計 1 000 萬元以上)，作為評價對象。由業(yè)務專家為評價維度和評價指標進行相對重要性評價，重要性度量標準采用 1-9 標度法，形成判斷矩陣，經過矩陣一致性檢驗 (C.R = 0.054 929＜0.10)，并求解各指標權重，一級指標判斷矩陣值及計算過程如表 4 所示，二級指標判斷矩陣值如表 5 所示。

表?4 ?一級指標判斷矩陣值及計算過程Tab.4 Judgement matrix of indexes in fi rst level

表?5 ?二級指標判斷矩陣值Tab.5 Judgement matrix of indexes in second level

根據權重及加權平均法，得出每個企業(yè)的綜合評價值[6]，并對企業(yè)進行重要性排序，結合業(yè)務專家提供的分類標準進行分類，根據帕雷托法則，將排序前20% 客戶中年運費上億元的貨運客戶劃分為核心，部分分類結果展示如表 6 所示。

表?6 ?部分分類結果展示Tab.6 Partial result of classi fi cation

3 結束語

客戶是鐵路企業(yè)的重要資源，進行客戶細分是運輸市場發(fā)展的內在要求，鐵路企業(yè)對貨運客戶進行有效的差異化分析，在控制成本的前提下實現精準營銷，能提高鐵路企業(yè)核心競爭力、提高客戶服務水平，從而達到擴大市場份額的目的[7]?；诟倪M的RFM 客戶評價模型的每個環(huán)節(jié)都以鐵路運輸歷史生產數據為依托[8]，運用層次分析法削弱德爾菲法的主觀性，使評價結果更客觀，同時在模型中考慮清算規(guī)則變更等大環(huán)境的影響，通過數據分析結果為鐵路企業(yè)進行客戶關系管理提供指導。另外，還應針對每個客戶的發(fā)貨特點，通過聚類分析或 K-means 方法對客戶進行精準細分，為每一類客戶進行定制化的營銷策略。

參考文獻：

[1]郭玉華，陳治亞. 基于客戶生命周期的鐵路大客戶細分與發(fā)展模型[J]. 鐵道科學與工程學報，2011，8(2)：86-91.GUO Yuhua，CHEN Zhiya. Customers-life-cycle-based Railway Major Clients Segmentation and Development Models[J]. Journal of Railway Science and Engineering，2011，8(2)：86-91.

[2]李明慧，朱克非. 美國主要Ⅰ級鐵路貨運營銷組織模式與啟示[J]. 中國鐵路，2016，55(1)：99-103.LI Minghui，ZHU Kefei. Freight Marketing Organization Model and Inspiration of First Grade Railway in American[J].China Railway，2016，55(1)：99-103.

[3]帥 斌，鄧紹蔚，黃麗霞. 基于改進RFM模型的鐵路快捷貨運客戶市場細分方法[J]. 鐵道科學與工程學報，2014，11(1)：35-39.SHUAI Bin，DENG Shaowei，HUANG Lixia. Railway Express Freight Consumer Market Segmentation based on Improved RFM Model[J]. Journal of Railway Science and Engineering，2014，11(1)：35-39.

[4]王丹竹，劉啟鋼，席江月，等. 鐵路物流總包業(yè)務統(tǒng)計指標體系及評價研究[J]. 鐵道貨運，2017，35(12)：6-11.WANG Danzhu，LIU QiGang，XI Jiangyue，et al. Research on Statistical Index System and Evaluation of Railway Logistics Agent Business[J]. Railway Freight Transport，2017，35(12)：6-11.

[5]劉啟鋼，丁小東，葉 飛，等. 鐵路快運物流服務體系研究[J]. 鐵道運輸與經濟，2018，40(1)：34-39.LIU Qigang，DING Xiaodong，YE Fei，et al. Study on the Railway Express Logistics Service System[J]. Railway Transport and Economy，2018，40(1)：34-39.

[6]SALEH F A，ROBERT D，TRUNG T N. Logistics Service Providers (LSPs) Evaluation and Selection[J].Strategic Outsourcing：An International Journal，2015，8(1)：102-134.

[7]胡延珽，孫有望. 基于雙重效益發(fā)展高速鐵路快運物流的研究[J]. 物流科技，2013，36(10)：119-122.HU Yanting，SUN Youwang. The Study of Highspeed Railway Express based on Social and Economic Benefits[J]. Logistics Science and Technology，2013，36(10)：119-122.

[8]張 雅. 面向鐵路貨運市場營銷的數據挖掘技術應用研究[D]. 成都：西南交通大學，2014.