| 标题 | 基于关系营销的顾客分级研究综述 |
| 范文 | 宗毅 邢浩 摘要：关系营销的核心宗旨通过维持与客户的关系获得顾客的终身价值。但不同的顾客带给企业的价值不同，因此有必要对顾客进行分级明确出需要进一步维系的顾客。本文对关系营销的发展历程进行梳理，基于此对顾客分级的必要性和发展过程进行了阐述，旨在为企业寻找切实可行的顾客分级方法。 Abstract： The core purpose of relationship marketing is to obtain the lifetime value of customers by maintaining relationships with customers. But different customers bring different values to the enterprise， so it is necessary to grade customers to identify customers who need to be further maintained. This article sorts out the development process of relationship marketing. Based on this， it expounds the necessity and development process of customer grading， aiming to find practical and feasible customer grading methods for enterprises. 關键词：关系营销;顾客终身价值;顾客分级 Key words： relationship marketing;customer lifetime value;customer grading 中图分类号：F274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文献标识码：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章编号：1006-4311（2020）12-0287-03 0? 引言 关系营销起源于上世纪六十年代北欧产业营销的研究，在该理论的基础下企业之间的关系更类似于伙伴的关系。Levitt、杰克逊最早提出工业企业客户与供应商之间的关系价值，在Berry关于关系营销的研究中，他将关系营销定义为：吸引和挽留客户。尤其在Gronoos（1980）提出“顾客关系生命周期”理论之后，学者们开始转移研究的目光，着重研究不同错综复杂的关系。 在这样的研究背景下，学者们在不同的方向上对关系营销做了不同的探索，但中心目标是相同的，即针对不同顾客群体的特点采用定制化的服务，以期提高顾客的满意度和忠诚度，进而拉近与顾客的关系，提高顾客的终身价值[1]。 1? 关系营销研究回顾 Berry and Parasuraman（1991）认为关系营销有三个层次，越高层次的企业就越具有竞争优势。 第一是交易层面：这是企业与顾客建立在交易层面上的关系，比如顾客购买企业的大量产品或者服务能够获取较多价格上的折扣或者福利回馈。 第二是社交层面：认为维持与顾客的稳固关系是竞争的基础，在这种情况下，每个顾客都被视为独立的个体，企业要深入挖掘每一位顾客的需求。 第三是结构层面：这层关系的建立基础比较复杂，不仅是金钱及社交层面，同时也有结构性的连结，换句话说就是说为每一位顾客提供差异化的定制服务。是高级别的竞争手段，且难以被模仿[2]。 2? 顾客分级研究综述 大量的研究证明，顾客需要被差异化地对待，以提高企业的经营利润，即不同的顾客为企业带来的价值不同。由此可以追溯到Bellis-Jones（1989）提出，大多数公司由于服务某些顾客而付出了相当多的成本导致部分利润损失，而针对这种情况首先要做的就是分辨出哪些顾客需要企业的高服务成本和是否值得。德国学者Homburg（2008）提出顾客优化（Customer Prioritization）一说，强调在营销中应根据顾客的重要性对顾客实行差别化待遇，并给出顾客优化自检表，包括从产品与服务、价格、销售、流程与沟通几大元素的角度判断分级的有效执行情况和实施效果。 2.1 顾客分级的研究现状 在关系营销的基础上，为更准确的给企业判定顾客价值的依据，目前为止国内外学者对顾客分级相关研究大致可分为两类：一类是不分行业提出顾客分级的理论依据与方法;另一类则是针对不同行业特点，提出顾客分级的具体实践方法。 第一类研究中，美国学者Lawrence（2011）直接给出了顾客分级（Customer Stratification）这个词汇，强调顾客分级是建立在众多不同因素基础上的将顾客分组的行为，如利润、收入、忠诚度和服务成本（CTS）等[3]。特别是对于B2B类型的中间商企业; 美国学者Randall（2015）则将销量、毛利、服务成本和顾客关系作为分级维度，并以此为依据划分出明星顾客（高销量、高利润率、低服务成本和强关系）和无用顾客（低销量、低利润率、高服务成本和糟糕关系）[4]。 我国学者刘倩（2002）年提出“顾客金字塔”主张，认为企业应对利润贡献率最高的顾客提供最优质的服务[5];朱振达（2009）提出采用年限和购买量两个变量来判断最有价值顾客及其为企业创造的价值[6];顾炜（2015）提出面向Drupal系统运用PHP开发语言和MySQL数据库设计的顾客分级管理系统等[7]。 第二类研究则带有鲜明的行业特征。Raeisi-Gahrooei（2017）在电力企业中，根据电力税、合同权力、地理位置和地区类型等变量对企业顾客进行分级管理[8];曹守晔等（2014）提出金融消费者应按照风险承受能力、是否具备金融知识和经验等因素分成初级、中级和高级消费者[9];张蕾等（2016）根据顾客的充值情况对我国成品油顾客进行的分级研究[10]。 但是，由于这些研究具有强烈的行业特征，数据指标无法进行统一量化，因此不具有广泛的适用性，探索适用于大部分企业的顾客分级多维指标一直是需要被深入研究的课题。现有的顾客分级或者客户细分方法主要有RFM模型分析法、CLV分析方法等。 2.2 基于RFM模型的顾客分级方法 其中RFM模型分析法是目前最被接受的分级模型。RFM模型是由Arthur Hughes（1994）根据网店客户消费行为数据的研究提出，主要包含最近一次消费 （Regency），消费频率（Frequency）和消费金额（Monetary）三个指标，曾被广泛应用于直销领域。其中最近购买时间（R）表示顾客最近一次的购买时间和分析时间点间隔的天数;购买频率（F）表示计算期内顾客购买产品或服务的次数;购买金额（M）表示计算期内顾客的购买总金额[11]。 很多学者在此基础上对RFM模型进行改进，使其获得了更广泛的应用。Jonker（2009）在RFM模型基础上构造出了通过判断顾客邮件发送频率确定顾客价值的系统[12];季晓芬、贾真（2015）的研究则是在RFM模型的基础上，加入衡量重要顾客的忠诚度和活跃度，利用模糊数学的方法构造判断矩阵，进一步对顾客的价值进行比较分析[13]。陆娜、刘晓文等（2018）以RFM模型为基础对网店客户的价值进行了细分研究[14]。 也有一些学者通过加入更多的维度指标或者根据本行业特征重新定义R、F、M指标的方法改进RFM模型。计海斌（2010）将RFM模型的衡量值进一步细化，定义用户的消费积分为M值，并且使用一段时间内顾客的购买持续时间来确定顾客的价值[15];蔡淑琴（2013）等将情感变量 （S）引入RFM模型表示评论中的情感词总数，并将R定义为上次评论距离信息收集日期的间隔天数，F表示调查时间范围内的评论次数，M则表示这段时间内认为评论有价值的人的个数，使用改造后的RFM模型识别意见领袖[16];赵萌、齐佳音（2014）则引入顾客在购买时的评论行为指标（P），使用改进后的RFMP模型研究客户的终身价值[17];杜科、邓佳雯（2018）在房地产企业的研究中通过引入购房总面积指标（A）提出了适用于房地产企业的RFMA模型[18]。 2.3 基于客户终生价值（CLV）的分级方法 Barbara Bond Jackson（1985）的研究中定义CLV为客户当前以及将来所产生的货币收益的净现值[19]。G.Bitran and S.Mondschein（1997）则将CLV定义为客户在整个生命周期内所产生的货币价值的折现值[20]。Gupta&Lehmann（2004）将CLV定义为客户所产生的所有未来价值的现值[21]。 近些年来，随着学者们研究的深入越来越多的指标和内容被引入到关于CLV内容的研究。连漪、杨硕（2016）实现了基于忠诚度的客户价值细分模型构建及其应用[22];冯一纲（2016）完成了基于顾客终身价值视角的顾客口碑推荐价值的实证研究[23];陈少霞（2017）则实现了基于价值结构的顾客赢利性测量与管理研究[24]。 3? 结论 随着市场经济的不断发展，企业能够提供的产品和服务业越来越多元化，关系营销的地位也变得越来越重要，强调顾客导向与企业之间的协同与合作（经营理念层次）。因此，顾客分级势在必行，并且已经在实际的经营生活中得到了广泛的应用。企业实行顾客分级并且有针对性地进行管理和制定营销策略能够有效提升顾客的忠诚度和企业的经营效益，进而获取更大的竞争优势。 参考文献： [1]蔡升桂.关系营销研究综述[J].法制与社会，2016（36）：112-113. [2]Bathie D. Marketing Services--Competing through Quality （Book Review）. International Review of Retail， Distribution & Consumer Research. 1992， 2（1）：104-106. [3]LAWRENCE B， KUTT PA. Sales and Marketing Optimization[J]. HVACR Distribution Business. August 2010：30-34. [4]Randall R. Stratication and the value of being right about the customer. Central Penn Business Journal[J]. 2015， 31（38）：13. [5]刘倩.顾客金字塔分层法——一种崭新的细分市场划分方法[J].市场营销导刊，2002（02）：33-35. [6]朱振达.基于顾客资产的顾客份额价值研究[J].预测，2009， 28（05）：72-76. [7]顾炜.面向Drupal系统运用PHP开发語言和MySQL数据库设计的顾客分级管理系统[D].苏州大学，2014. [8]Yaser Raeisi-Gahrooei， Amin Khodabakhshian， Rahmat-Allah Hooshmand. A new stratified random sample customer selection for load research study in distribution networks[J].Electrical Power and Energy Systems 97 2018： 363-371. [9]曹守晔，张钱.金融消费者分级保护制度的法律规则构架[J].社会科学辑刊，2014（04）：76-80. [10]张蕾，甄超，姜卫.成品油零售顾客分级的探索研究[J].现代营销（下旬刊），2016（10）：33-36. [11]Hughes， A. Strategic Database Marketing[M]. Chicago：Probus Publishing， 1994. [12]Jonker JJ， Piersma N， Potharst R. A decision support system for direct mailing decision. Decsi[J]. Support System， 2009. [13]季晓芬，贾真.基于RFM行为模型的服装企业VIP顾客数据挖掘[J].浙江理工大学学报，2015（4）. [14]陆娜，刘晓文，李兰.基于RFM的网店客户价值细分研究[J].电脑知识与技术，2018，14（18）：275-276，284. [15]计海斌.基于改进RFM模型的应用研究[D].长春：吉林大学硕士学位论文，2010. [16]蔡淑琴，马玉涛，王瑞.在线口碑传播的意见领袖识别方法研究[J].中国管理科学，2013. [17]赵萌，齐佳音.基于购买行为RFM及评论行为RFMP模型的客户终身价值研究[J].统计与信息论坛，2014，29（09）：91-98. [18]杜科，邓佳雯，陈继红.改进RFM模型在房地产客户细分中的研究及应用[J].电脑知识与技术，2018，14（19）：243-245，251. [19]Barbara Bund Jackson. Build Customer Relationships That Last[J].Harvard Business Review， Nov/Dec85， Vol. 63 Issue 6： 120- 128. [20]G. Bitran and S. Mondschein. A Comparative Analysis of Decision Making Procedures in the Catalog Sales Industry [J]. European Management Journal， 1997， 15（2）： 105-116. [21]Sunil Gupta， Donald R.Lehmann， Jennifer Ames Stuart. Valuing Customers[J]. Journal of Marketing Research （JMR）， Feb 2004， 41 Issue 1： 7-18. [22]连漪，杨硕.基于忠诚度的客户价值细分模型构建及其应用[J].商业经济研究，2016（14）：42-45. [23]馮一纲.基于顾客终身价值视角的顾客口碑推荐价值的实证[J].统计与决策，2016（12）：186-188. [24]陈少霞.基于价值结构的顾客赢利性测量与管理[J].管理工程学报，2017，31（02）：109-118. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。