基于RFM的汽車售后服務(wù)業(yè)客戶分類的研究

張婧

摘 要：提出汽車售后服務(wù)企業(yè)客戶消費(fèi)的RFM模型，通過(guò)AHP法得到汽車售后服務(wù)業(yè)RFM指標(biāo)的權(quán)重，并應(yīng)用K-means聚類法對(duì)客戶進(jìn)行分類。分析各類客戶的客戶等級(jí)，并結(jié)合指標(biāo)權(quán)重對(duì)各類客戶進(jìn)行客戶價(jià)值比較分析。實(shí)證研究表明本文所提出的模型和方法可以有效地對(duì)汽車售后服務(wù)企業(yè)客戶進(jìn)行分類。

關(guān)鍵詞：客戶生命周期價(jià)值;客戶分類;RFM;K-means聚類算法

1 引言

客戶生命周期價(jià)值（Customer Lifetime Value，CLV）是客戶細(xì)分最為重要的依據(jù)。依據(jù)客戶生命周期價(jià)值對(duì)客戶群進(jìn)細(xì)分，可以使企業(yè)根據(jù)客戶價(jià)值級(jí)別的不同決定如何在客戶中分配企業(yè)有限資源，然后根據(jù)客戶的不同需求，設(shè)計(jì)和實(shí)施不同的客戶保持策略。其目的在于牢牢保持那部分對(duì)企業(yè)最有價(jià)值的客戶，并把有潛力的當(dāng)前低價(jià)值客戶在未來(lái)轉(zhuǎn)化為高價(jià)值客戶，鼓勵(lì)那些不論是現(xiàn)在還是將來(lái)都對(duì)公司無(wú)價(jià)值的客戶轉(zhuǎn)向其競(jìng)爭(zhēng)對(duì)手，從而最終達(dá)企業(yè)的總體利潤(rùn)最大化。本文利用基于所提出的RFM的聚類算法對(duì)汽車售后服務(wù)業(yè)客戶進(jìn)行分類，分析每一類客戶的消費(fèi)行為特征和CLV，并基于某汽車售后服務(wù)企業(yè)2017年度的服務(wù)記錄數(shù)據(jù)進(jìn)行實(shí)證研究。

2 汽車售后服務(wù)業(yè)RFM模型及權(quán)重

2.1 汽車售后服務(wù)業(yè)RFM模型

RFM由三個(gè)基本因素構(gòu)成，即近期（Recency， R）、頻數(shù)（Frequency， F）和金額（Monetary， M）。RFM模型是一個(gè)簡(jiǎn)捷、實(shí)用的客戶或市場(chǎng)劃分的模型。RFM模型同樣適用于汽車售后服務(wù)業(yè)的客戶分類。該行業(yè)的RFM指標(biāo)與傳統(tǒng)的RFM指標(biāo)含義比較如表1所示。

2.2 RFM權(quán)重分析

三個(gè)指標(biāo)變量（R，F(xiàn)，M）對(duì)于衡量汽車售后服務(wù)業(yè)的客戶的忠誠(chéng)度和價(jià)值的重要性是不一樣的。本研究利用層次分析法（AHP）計(jì)算出RFM三種指標(biāo)的權(quán)重，從而為用RFM分析劃分客戶群提供科學(xué)、可行、簡(jiǎn)便的方案。

用層次分析法分析問(wèn)題大體要經(jīng)過(guò)以下五個(gè)步驟：（1）建立層次結(jié)構(gòu)模型;（2）構(gòu)造判斷矩陣;（3）層次單排序;（4）層次總排序;（5）一致性檢驗(yàn)。其中后三個(gè)步驟在整個(gè)過(guò)程中需要逐層地進(jìn)行。

3 基于K-means聚類法和CLV的客戶分類

應(yīng)用K-means聚類法，以加權(quán)RFM為指標(biāo)，將具有相同RFM變動(dòng)情況的客戶歸為一類，然后計(jì)算各類的客戶生命周期價(jià)值CLV，根據(jù)CLV的取值對(duì)客戶進(jìn)行二次分類，基本思路如下：

（1）應(yīng)用AHP法確定RFM各個(gè)指標(biāo)的權(quán)重wR 、wF、 wM;

（2）將RFM各指標(biāo)標(biāo)準(zhǔn)化，并將各個(gè)指標(biāo)加權(quán)：

由于R，F(xiàn)，M這三個(gè)變量的度量不統(tǒng)一，為了避免聚類結(jié)果對(duì)度量單位的依賴，數(shù)據(jù)應(yīng)當(dāng)使用統(tǒng)一的度量標(biāo)準(zhǔn)，即數(shù)據(jù)應(yīng)當(dāng)標(biāo)準(zhǔn)化。

設(shè)θL為客戶群中R（F或M）變量的最大變量值，θS為客戶群中R（F或M）變量的最小變量值。對(duì)于R變量，它對(duì)客戶生命周期價(jià)值有負(fù)的影響，因此，R變量用公式θ′=θL-θθL-θS來(lái)進(jìn)行標(biāo)準(zhǔn)化。R標(biāo)準(zhǔn)化后的變量用R′來(lái)表示。對(duì)于F和M兩個(gè)變量，它們對(duì)客戶生命周期價(jià)值有正的影響，因此，F(xiàn)和M兩個(gè)變量用公式θ′=θ-θSθL-θS來(lái)進(jìn)行標(biāo)準(zhǔn)化。F（或M）標(biāo)準(zhǔn)化后的變量用來(lái)F′或（M′）表示。

設(shè)加權(quán)后的RFM變量分別計(jì)為R″、F″、M″，則：

R″=wR×R′，F(xiàn)″=wF×F′，M″=wM×M′

客戶價(jià)值細(xì)分最終根據(jù)加權(quán)的RFM變量即R″、F″、M″進(jìn)行聚類分析。

（3）確定聚類的類別數(shù)量m。

本模型中客戶分類通過(guò)每位客戶類別RFM平均值與總RFM平均值相比較來(lái)決定的，而單個(gè)指標(biāo)的比較只能有兩種情況：大于（等于）或小于平均值，因此可能有2×2×2=8種類別。

（4）應(yīng)用K-means聚類法對(duì)加權(quán)后的RFM指標(biāo)進(jìn)行聚類，得到m類客戶。

用于聚類分析的數(shù)據(jù)R″、F″、M″得到后，即可以開(kāi)始進(jìn)行聚類分析。

首先，進(jìn)行數(shù)據(jù)清洗。包括異常值處理和數(shù)據(jù)標(biāo)準(zhǔn)化。

然后，將得到的清洗過(guò)的數(shù)據(jù)采用K-means聚類法進(jìn)行聚類，使用spss軟件將數(shù)據(jù)分成m類;

（5）將每類客戶的R″、F″、M″平均值和總R″、F″、M″平均值作比較，每次對(duì)比有兩個(gè)結(jié)果：大于（等于）平均值和小于平均值，通過(guò)對(duì)比得到每類客戶RFM的變動(dòng)情況。

（6）根據(jù)每個(gè)客戶類別的RFM的變動(dòng)情況分析該客戶類別的性質(zhì)，如該客戶類別是傾向于忠誠(chéng)的還是傾向于背離的，然后在此基礎(chǔ)上定義客戶類型。

（7）對(duì)每類客戶標(biāo)準(zhǔn)化后的各個(gè)指標(biāo)取平均，將平均值加權(quán)求和，得到每類客戶的CLV總得分，分析各類客戶生命周期價(jià)值的差別，運(yùn)算公式為：

CLVj= M R″+M F″+M M″

其中M R″、M F″、M M″分別代表上文中的R″、F″、M″變量在各類中的平均值。最后，根據(jù)總得分的大小來(lái)對(duì)各類客戶來(lái)進(jìn)行排序。

4 某汽車4s店實(shí)證研究

4.1 客戶分類

本實(shí)證研究基于某汽車4s店2017年的服務(wù)記錄共25645條。確定RFM模型各指標(biāo)含義后，結(jié)合實(shí)證數(shù)據(jù)，確定需要的數(shù)據(jù)內(nèi)容，整理出后期用于聚類分析的數(shù)據(jù)共5486條。

根據(jù)判斷矩陣計(jì)算出三個(gè)指標(biāo)的相對(duì)權(quán)重。經(jīng)過(guò)對(duì)決策小組各專家的咨詢，確定出 RFM 變量的權(quán)重分別為 wR=0.221，wF=0.341，wM=0.438。可見(jiàn)消費(fèi)金額（M）對(duì)客戶生命周期價(jià)值的影響最大。

根據(jù)篩選出來(lái)的某汽車售后服務(wù)廠2017年的服務(wù)記錄結(jié)合RFM模型確定的用于聚類分析的數(shù)據(jù)共24條進(jìn)行客戶類型識(shí)別分析。設(shè)加權(quán)后的RFM變量分別計(jì)為R″、F″、M″，則R″=wR×R′，F(xiàn)″=wF×F′， M″=wM×M′，計(jì)算后取3位小數(shù)。

進(jìn)行數(shù)據(jù)清洗后，最終得到2218條數(shù)據(jù)。運(yùn)用SPSS軟件進(jìn)行K-means聚類分析，得到8類客戶。將8類客戶的RFM平均值與總RFM均值比較。如果單個(gè)客戶類別的均值大于總均值，則給該指標(biāo)一個(gè)向上的箭頭“↑”標(biāo)記，反之則用“↓”。根據(jù)以上的定義，一種理論上的聚類結(jié)果如表6。其中M R″、M F″、M M″三行分別代表上文中的R″、F″、M″變量在各個(gè)簇的平均值。注意，由于R″的計(jì)算公式為：

R″= wR×R′= wR×RL-RRL-RS

故R″與R成反比，即R越大，計(jì)算出來(lái)的R″越小。所以在比較R″時(shí)，若單個(gè)客戶類別的均值大于總均值，則給該指標(biāo)一個(gè)向上的箭頭“↓”標(biāo)記，反之則用“↑”。

通過(guò)RFM分析將企業(yè)客戶群體劃分成重要保持客戶、重要發(fā)展客戶、重要挽留客戶、無(wú)價(jià)值客戶等4個(gè)級(jí)別，各客戶簇的客戶級(jí)別如表2所示。

4.2 CLV比較分析

根據(jù)每一類客戶的客戶CLV來(lái)進(jìn)行二次排序，運(yùn)算公式為：

CLVj= M R″+M F″+M M″

其中M R″、M F″、M M″分別代表上文中的R″、F″、M″變量在各個(gè)簇中的平均值。最后，根據(jù)總得分的大小來(lái)對(duì)各類客戶來(lái)進(jìn)行排序。

排名靠前的客戶相對(duì)排名靠后的客戶具有更高的客戶價(jià)值，忠誠(chéng)度更高，對(duì)于企業(yè)來(lái)說(shuō)更為重要。表2顯示，客戶簇6的CLV最高，客戶簇7和8的CLV次之，客戶簇1的CLV最低，因此屬于客戶簇6的客戶是企業(yè)最有價(jià)值的客戶，在企業(yè)資源有限的情況下，應(yīng)最優(yōu)先考慮該類客戶的需求。此外，對(duì)于處于同等級(jí)的客戶簇2和3也進(jìn)行了細(xì)分，從表2中可以看出，盡管都屬于重要發(fā)展客戶，但客戶簇3比4的價(jià)值更大，應(yīng)優(yōu)先發(fā)展屬于該客戶簇的客戶。

5 結(jié)論及展望

客戶分類是根據(jù)任何一個(gè)客戶屬性劃分的客戶集合，它是成功實(shí)施客戶保持策略的基本原則之一。本文就是運(yùn)用長(zhǎng)期預(yù)測(cè)的CLV分析法與短期預(yù)測(cè)的RFM方法兩套客戶屬性指標(biāo)結(jié)合對(duì)汽車售后服務(wù)業(yè)的客戶進(jìn)行基于客戶行為數(shù)據(jù)的分類，針對(duì)具有不同特點(diǎn)的每一類客戶企業(yè)應(yīng)采用不同的客戶策略，以期獲得最大的利潤(rùn)。

參考文獻(xiàn)

[1]林彥，蔡啟明.生命周期意義下的客戶資源價(jià)值挖掘研究[J].統(tǒng)計(jì)與信息論壇，2004，11：31-33.

[2]陳明亮，李懷祖.客戶價(jià)值細(xì)分與保持策略研究[J].成組技術(shù)與生產(chǎn)現(xiàn)代化，2001，18（4）：23-27.