网站首页  词典首页

请输入您要查询的论文：

　

标题 基于客户价值的B2C客户分类探析
范文 范景军等

摘要：网络经济使得客户成为企业制胜的关键，B2C电子商务的迅速发展积累了海量数据，如何通过分析数据挖掘客户的价值，并对客户进行分类管理成为企业急需解决的重要问题。文章通过分析B2C电子商务的客户价值与度量指标，结合RFM和Marcus分类模型建立了符合B2C电子商务客户分类指标，具有一定的实用性。此外，文章结合B2C电子商务客户的特点，指出了利用数据挖掘中的分类技术来挖掘客户的价值从而进行客户分类这一新方法。
关键词： B2C电子商务 客户分类 客户价值
2014年1月，中国互联网络信息中心（CNNIC）发布第33次《中国互联网络发展状况统计报告》数据显示，截至2013年12月，全年新增网民数5358万，国内网民规模达6.18亿，互联网普及率达到45.8%。其中，网络购物用户规模达3.02亿，相比2012年增长6.0个百分点。[1]据艾瑞咨询最新的监测数据显示，2013年我国B2C交易规模达到6500亿元（B2C市场增长68.4%），占整个网络购物交易规模的35.5%以上。纵观网民规模与网购规模增长的数据，国内互联网的发展已密切与传统经济结合，电子商务成为不可避免的趋势，尤其B2C电子商务将成为网络购物新增长[2]。
一、B2C电子商务概述
1.电子商务的定义
电子商务是在信息技术的发展上兴起的一种新兴商务模式。世界贸易组织电子商务专题报告中指出，电子商务就是通过电信网络进行的生产、营销、销售和流通活动，包括通过网络实现从原材料查询、采购、产品展示、定购到产出成品、储运以及电子支付等系列贸易活动。[3]根据Kalakota和Whinston[4]对电子商务模式的划分可知，B2C（Business to Consumer，B2C）电子商务模式指的是企业对一般消费者的电子商务，即电子化的零售方式，通俗理解为“商家在网络上卖东西、消费者在网络上买东西、买卖双方无需直接碰面”，如Amazon、天猫、京东商城、当当网等。
2. B2C电子商务的特点与竞争状况
B2C电子商务依托信息技术消除了传统商务活动在时间、空间上的限制，动动鼠标、动动手指数十秒内就可以完成一次交易。这种自动化、数字化的交易方式造就了B2C电子商务与传统商务活动的显著性不同：（1）客户规模庞大，数据海量。客户以往积累的消费行为和习惯偏好的数据通过各种信息技术得以存储。（2）客户数据动态变化。随着智能手机、平板电脑、3G网络的深入普及和无线网络的持续发展，网络购物更为方便快捷，在此背景下客户数据变化呈现出即时性、动态性化。（3）转移成本降低，客户忠诚度下降。网络经济环境下，客户通过各种网络平台互动交流产品信息和购物体验，不仅更便捷、低成本地获取大量有价值信息，而且能够主动选择是否交易。这样一来，客户变被动消费为主动选择性消费，转移成本降低从而更容易转向其他企业。
目前，国内B2C电子商务企业的竞争仍以价格策略为主。以 “双十一”促销节为例，该促销活动不再是淘宝网一家的促销，而是演变成整个电商行业的价格大促。2012年双十一促销期间，支付宝单日交易额达191亿元，2013年突破350亿元。但促销带来的业绩提升毕竟持续时间有限，如何留住新增有价值的客户是B2C电子商务企业面临的一大难题。
相比国内B2C电商企业大打价格战的竞争策略，亚马逊的成功或许更值得关注。无论是完善的客户服务平台、推荐系统，还是快捷的物流配送系统，亚马逊始终“以客户为中心”进行品类扩张，供应链管理，以及按需服务。从2002年起亚马逊开始盈利，其毛利率始终保持在20%-25%。如今，亚马逊所经营的品类甚至超越零售巨头沃尔玛，其自建物流体系与第三方物流合作的物流管理模式实现了订单快速交付，提高了配送质量，降低了成本、库存和退货率。[5]
二、B2C电子商务的客户分类
1. B2C电子商务客户分类的驱动因素
现代信息技术的应用产生了巨大的网络效应和高度的资源利用，网络上产品的供给相对于有限的客户注意力而言几乎是无限的[6]，客户已经变成企业最重要的资源[7]。现代商务活动也向 “以客户为中心”、“客户份额和价值竞争”的趋势转移[8]。J.J.Sviokla和B.P.Shapiro定义客户价值为客户所支付的价格与企业为之投入的成本的差值，即客户的利润贡献。[9]Reichheld将客户价值定义为客户接受企业提供的产品和服务给企业所带来的净现金流，并提出了忠诚客户的利润贡献的五个来源：基础利润、收益增长、成本节约、推荐效应和价格溢价。[10]Reichheld和Sasser的研究表明，每增加5%的客户保持率将使客户净现值增加25%～85%，[11]也有研究表明，开发1个新客户的成本相当于留住1个老客户的成本的5倍。
从经济学角度来看，资源总是稀缺的，企业的资源同样也是如此，如何利用有限的资源赚足更多的收益是企业时刻面临的问题。有研究表明，不同的客户对企业具有不同的价值[12]。最有价值的客户值得特别的照顾，以便建立和维持品牌的忠诚度。[13]在该理念下，企业必然要筛选出高价值客户并为之提供产品与服务。鉴于此，区别客户价值、选择高价值客户成为企业实施客户份额的前提，也是企业对客户分类的内在驱使因素。作为新兴商务模式代表之一的B2C电子商务模式如何留住有价值的老客户，也成为一个亟待解决的重要问题。
2. B2C电子商务的客户价值度量
Verhoef与Donkers[14]认为，客户价值由当前价值和潜在价值构成，当前价值是指客户已有的购买给企业带来的利润贡献，而潜在价值则定义为客户从企业购买所有可能的产品和服务所能给企业带来的利润贡献。
考察现有的B2C电子商务企业的盈利模式发现，B2C电子商务企业的收入主要来源于：销售收益和流量收益。销售收益指传统意义上销售产品或服务获得的收益，这一部分客户的价值主要表现为客户购买产品带给企业的创收。流量收益主要是由于客户的各种网上行为（如访问网站、点击相关产品页面、产品购后评价、网络社交平台互动等）为企业创造的有形或无形的价值收益，比如广告价值、注意力价值。然而，流量价值并非都直接来源于客户的购买行为，而是客户活跃的网络行为表现的潜在价值。
客户当前价值的本质是客户的购买价值，即客户直接购买为企业创造出的贡献总和，可以用客户的购买价值用来衡量。在某一段时间内，客户实际购买过程中的购买量（包括单一品类购买数量与品类组合量）与购买金额，这两个指标最直观的反映了客户的当前价值。
根据Verhoef与Donkers对潜在价值的定义可知，潜在价值体现在客户可能拓宽购买品类的潜力，从营销学的角度来看反映了客户的需求结构。通俗解释为，客户对企业提供的产品或服务的不同需求偏好，客户对一个企业越多的商品感兴趣，就会尝试购买以前从未买过的产品或服务，实现交叉购买。因此，可用购物种类数来反映需求结构。
根据陈明亮对客户潜在价值（或增值潜力）的假定，客户的潜在价值表现在各种可能增加企业利润的表现上，如：购买频率增加、口碑传播价值。口碑传播能够形成一种“圈子效应”，为企业带来其他增值性收益。尤其是在网络环境下，圈子效应就更加明显。例如，发布一条推荐信息第一次可能被10人转发，转发信息的10个人圈子中可能每个人又能影响10人转发，那么经过两次转发受众面已经达到100（102）人，经过N次转发关注人群可能达到10n，这种注意力带来的直接影响是急速提升的企业影响力与品牌附加值。在B2C电子商务模式中可用网络晒单、评论来量化网络口碑传播。不论是增加购买频率，还是口碑推荐，都是客户对企业或企业提供的产品与服务的一种认可，反映出了客户的忠诚，这种认可促成了客户的增长性、持续性、圈子性的购买，为企业未来的利润增加做出了贡献。 鉴于此，客户忠诚也可以用来衡量客户的潜在价值。
3.基于客户价值的B2C客户分类指标
客户分类最常使用的指标是传统的RFM模型中三个行为变量，即R（Recency）、F（Frequency）、M（Monetary）。R（Recency）近度，表示最近一次购买行为距离现在的时间间隔。有研究表明，R值越低，客户价值越高[15]。F（Frequency）频率，指的是在某一段时间内客户购买的总次数，可以用来考核一个客户的潜在价值。M（Monetary）额度，指客户在某段时间内的购买金额，也是用来衡量顾客价值大小最主要的因素。由于模型中的三个变量指标不涉及到客户个人隐私，在实际交易过程中非常容易获得且能够被准确量化。因此，自Hughes提出RFM客户分类模型以来，RFM模型被企业广泛地应用在客户分类中，如电信行业、银行业、零售行业等。
FRM模型中购买频率F与购买金额M两个变量之间存在多重共线性，即F与M之间存在很强的关联性，具体表现为当F增加时M也会明显增加，从而无法准确衡量客户的价值。鉴于RFM模型的缺点，Marcus提出了用平均购买金额替代总购买金额，用购买次数（Frequency）和平均购买金额A（Average monetary）来构建客户价值矩阵。
客户价值包括客户当前价值和潜在价值两个计量维度。结合B2C电子商务的客户价值度量分析，客户当前价值可以通过购买价值来衡量，客户潜在价值可以通过客户需求结构和客户忠诚度来衡量。在B2C电子商务活动中，客户从选择商品到购后行为阶段，企业往往能够得到以下几方面的准确数据：下单时间、订单数量、订单商品的品类、订单金额、是否有晒单、评论等网上口碑宣传行为。根据以上数据积累，B2C电子商务企业可以准确计算出每位客户以下有用的数据信息：平均每次的购物金额、购买产品组合习惯（或购物种类数）、某段时间内的购买频率、虚拟社区口碑宣传度（如晒单评论数）。
结合RFM模型和Marcus价值矩阵分析可知，由于客户平均购物金额与客户购买种类数反映了客户购买价值，可用来衡量客户当前价值；客户购买产品组合（或购物种类数）反映了客户的需求结构，客户某段时间内的购买频率、虚拟社区口碑宣传度（如晒单数评论数等）反映了客户的忠诚度，因而可用来可衡量客户的潜在价值。由此构造出B2C电子商务企业客户的分类指标如下图1
图1 B2C电子商务企业客户的分类指标
4. B2C客户分类方法
对与传统商务活动相比，数据存储海量、信息更新动态变化、客户转移成本低等特性无疑是B2C电子商务客户最显著的特点。然而，在信息时代数据就意味着价值，B2C电子商务企业如何通过深层次分析这些数据，挖掘数据背后的价值，进而挖出对企业真正有价值的客户，实施分类管理与服务，以增加客户的转移成本保持有价值的客户，这些问题都无法通过传统的分类方法实现。然而，数据挖掘能将客户数据库的大量数据转变成描述顾客特征的一些图像[16]，从技术方法上为B2C电子商务的客户分类提供指导和帮助。
数据挖掘中可用于客户分类的方法有很多种，包括决策树分类法、贝叶斯分类法、基于规则的分类法、支持向量机、遗传算法、粗糙集算法、模糊集算法、K-最近邻分类、K-means聚类、K-中心聚类、自组织神经网络等方法。国内不少学者已经将数据挖掘中的分类技术运用到B2C电子商务企业的客户分类中，与传统的分类指标（RFM模型中的三个变量）结合，将客户划分成不同的群体，并验证了这些分类技术的有效性。其中，用比较多的分类技术有：K-means聚类分析、以 K-mean、SOM 和 PSO 算法为基础混合型聚类算法（即KSP 算法）、与主成分分析结合的朴素贝叶斯算法等。
三、结论
客户成为电子商务时代企业最重要的资产，国内外已经有大量关于客户分类的研究，而且基于客户价值的客户分类也是学术界、企业界比较认可的客户分类理论。文章针对B2C电子商务实际情形提出的客户分类指标，易度量、可操作性强，提高了B2C电子商务客户分类的成功性，有助于企业准确的认知与管理不同价值的客户；此外，文章在分析B2C电子商务客户的特点的基础上，指出了数据挖掘技术中的分类技术可应用于B2C电子商务的客户分类中。但文章并未对数据挖掘技术的分类做出详细说明，该方面的研究有待进一步研究。
参考文献：
[1]http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201301/P020140116509848228756.pdf
[2]王晓燕，潘开灵，邓旭东.我国B2C电子商务发展现状研究[J].经济研究导刊，2011（139）
[3]李琪.电子商务通览[M]，中国商业出版社，P110
[4] Kalakota，R.& Whinston，A. B. A frontier of electronic commerce[M]. Reading， Mass， Addison-Wesley， 1996
[5]金淑敏.亚马逊：看不见的巨人[J].富基商业评论，2011（2）
[6]盛晓白.网络经济通论[M].南京：东南大学出版社，2003
[7]瞿艳平.国内外客户关系管理理论研究述评与展望[J].财经论丛，2011（3）
[8] 杨东龙.细分[M].北京：中国社会科学出版社，2003，6
[9]John J.Sviokla，Benson P.Shapiro. Keeping Customers[A]. Harvard Business School Press，1993
[10]Frederick Reichheld. The Loyalty Effect：the hidden force behind growth，profits and lastingvalue [M]. Harvard Business School Press， 1996
[11]Reichheld，Frederick F，Earl W，Sasser.Zero Defections： Quality Comes to Services [J].Harvard Business Review，1990
[12] 弗雷德里克·赖克赫德.忠诚度和市场营销的复兴[M].阿德里安·佩恩等.关系营销——形成和保持竞争优势[A].中信出版社，2002：359-382
[13]葛斯·哈伯.差异化营销[M].内蒙古人民出版社，1998
[14]Verhoef P.C.，Donkers B..Predicting customer potential value an application in the insurance industry[J].Decision Support Systems.2001（32）189-199
[15]Wu，C.，Chen，H.L. Counting your customers： counting customer's in store decisions，interpurchase time and repurchasing behavior [J].European Jounral of Operational Research，2000，127（1） rnal of Operational Research，2000，127（1）：109- 119
[16] Michael J.A.Berry，Gordon S.Linoff.Mastering Data Mining： The Art and Science of Customer Relationship Management[M].Wiley，1999
作者简介：
杜乐（1987-），女，北方工业大学硕士研究生，研究管理创新.
范景军，北方工业大学，副教授。
（作者单位：北方工业大学，北京 100144）
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。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2025/2/6 9:56:59