【文章內(nèi)容簡介】 和基于消費行為的細分模型?；谙M者消費行為的客戶細分模型研究，主要是以消費者的購買頻率、消費金額等為細分變量，如RFM 模型和客戶價值矩陣模型。（1）RFM模型。RFM細分模型是根據(jù)消費者消費的間隔、頻率和金額三個變量來識別重點客戶的細分模型。R－Recency指客戶上次消費行為發(fā)生至今的間隔，間隔越短則R越大；F—Frequency指在一段時期內(nèi)消費行為的頻率；M—Monetary指在某一時期內(nèi)消費的金額。研究發(fā)現(xiàn)，R值越大、F值越大的客戶越有可能與企業(yè)達成新的交易，M越大的客戶越有可能再次響應(yīng)企業(yè)的產(chǎn)品和服務(wù)。（2）客戶價值矩陣模型?？蛻魞r值矩陣模型是在對傳統(tǒng)的RFM 模型修正的基礎(chǔ)上提出的改進模型。用購買次數(shù)F和平均購買額A構(gòu)成客戶價值矩陣，用平均購買額替代了RFM 模型中存在多重共線性的兩個變量，消除了RFM模型中購買次數(shù)和總購買額的多重共線性的影響。在客戶價值矩陣中，確定購買次數(shù)F和平均購買額A的基準是各自的平均值，一旦確定了坐標(biāo)軸的劃分，客戶就被定位在客戶價值矩陣的某一象限區(qū)間內(nèi)。依據(jù)客戶購買次數(shù)的高低和平均購買額的多少，客戶價值矩陣將客戶劃分成四種類型，即樂于消費型客戶、優(yōu)質(zhì)型客戶、經(jīng)?？蛻艉筒淮_定客戶。：客戶價值矩陣 客戶細分并沒有統(tǒng)一的模式，企業(yè)往往根據(jù)自身的需要進行客戶細分，研究目的不同，用于客戶細分的方法也不同?？偟膩碇v，客戶細分的方法主要有四類，一、基于客戶統(tǒng)計學(xué)特征的客戶細分；二、基于客戶行為的客戶細分；三、基于客戶生命周期的客戶細分；四、基于客戶價值相關(guān)指標(biāo)的客戶細分。 客戶細分模型的基本流程客戶細分包括六個基本流程：第一步：理解業(yè)務(wù)需求。在未來的業(yè)務(wù)中，知道誰是客戶是個非常好的起始點，以了解瞬息萬變的市場環(huán)境。清楚地了解客戶也是對每個客戶組采取有針對性措施的基礎(chǔ)?？蛻艏毞志褪歉鶕?jù)其特征將相似的客戶歸組到一起，這是了解客戶和針對特定客戶組進行市場定向所不可缺少的?？蛻艏毞挚筛鶕?jù)許多不同條件而進行。這些條件可由簡單的年齡、性別、地理位置或這些變量的組合來構(gòu)成。當(dāng)這些條件變得越來越復(fù)雜時，數(shù)據(jù)挖掘技術(shù)就應(yīng)運而生了。決定使用哪些條件取決于客戶細分的目的和應(yīng)用方法。在使用數(shù)據(jù)挖掘開發(fā)客戶細分時，最重要的部分是其結(jié)果應(yīng)當(dāng)在業(yè)務(wù)遠景中意義深遠，并且能夠在實際業(yè)務(wù)環(huán)境中進一步得到應(yīng)用。需要記住的一點是：由于市場環(huán)境是動態(tài)變化的，細分建模過程應(yīng)當(dāng)是重復(fù)性的，且模型應(yīng)隨著市場的變化而不斷革新。第二步：選擇市場細分變量。由于變量選擇的優(yōu)劣對細分結(jié)果質(zhì)量的影響非常顯著，所以變量選擇應(yīng)該建立在理解業(yè)務(wù)需求的基礎(chǔ)之上，以需求為前提，在消費者行為和心理的基礎(chǔ)上，根據(jù)需求選擇變量。此外，變量的選擇還應(yīng)該有一定的數(shù)量，多了不好，少了也不好。第三步：所需數(shù)據(jù)及其預(yù)處理。為創(chuàng)建數(shù)據(jù)模型，必須使用收集到的原始數(shù)據(jù)，并將其轉(zhuǎn)換成數(shù)據(jù)模型所支持的格式。我們稱這個過程中的這個階段為初始化和預(yù)處理。在金融業(yè)中進行客戶行為細分通常需要行為數(shù)據(jù)和人口統(tǒng)計數(shù)據(jù)等類型的數(shù)據(jù)。行為數(shù)據(jù)是客戶行為，可通過客戶的賬戶信息、購買產(chǎn)品的信息等捕獲。人口統(tǒng)計數(shù)據(jù)(如年齡、性別、工作等)可根據(jù)客戶辦理業(yè)務(wù)時，提供給金融機構(gòu)的信息獲得。這在識別或描述客戶組的特征時很有用。第四步：選擇細分技術(shù)。目前，通常采用聚了技術(shù)來進行客戶細分。常用的聚類算法有Kmeans、兩步聚類、Kohonen網(wǎng)絡(luò)等，可以根據(jù)不同的數(shù)據(jù)情況和需要選擇不同聚類算法來進行客戶細分。第五步：評估結(jié)果。在對用戶群進行細分之后，會得到多個細分的客戶群體，但是，并不是得到的每個細分都是有效的。細分的結(jié)果應(yīng)該通過下面幾條規(guī)則來測試：與業(yè)務(wù)目標(biāo)相關(guān)的程度；可理解性和是否容易特征化；基數(shù)是否足夠大，以便保證一個特別的宣傳活動；是否容易開發(fā)獨特的宣傳活動等。第六步：應(yīng)用細分模型。根據(jù)客戶細分的結(jié)果，市場部門制定合適的營銷活動，進行有針對性的營銷?？傊?，客戶細分是金融機構(gòu)與用戶二者實現(xiàn)雙贏的重要舉措。目前用戶需求呈現(xiàn)多樣化、個性化的趨勢，只有通過深入分析用戶消費行為，精確識別、細分用戶市場，開發(fā)出針對不同層次用戶的服務(wù)品牌進行服務(wù)營銷，方能使得各方價值發(fā)揮到最大，實現(xiàn)共贏。不同級別的客戶對服務(wù)的需求以及“贏”的概念是不同的，正是因為為不同的客戶提供不同的產(chǎn)品和服務(wù)才能使客戶都達到滿意，從而在市場上占據(jù)有利地位。 細分方法介紹在數(shù)據(jù)挖掘中，往往通過聚類分析的方法來實現(xiàn)細分。聚類分析方法至少有以下幾類：（1）KMeans聚類法。使用者需要首先確定數(shù)據(jù)分為K群，該方法會自動確定K個群的中心位置，繼而計算每條記錄距離這K個中心位置的距離，按照距離最近的原則把各個記錄都加入到K個群，重新計算K個群的中心位置，再次計算每條記錄距離這K個中心位置的距離，并把所有記錄重新歸類，再次調(diào)整中心位置，依次類推……，當(dāng)達到一定標(biāo)準時，結(jié)束上述步驟。這種方法運算速度快，適合于大數(shù)據(jù)量。（2）兩步聚類法：這種方法首先需要確定一個最大群數(shù)（比如說n），并把數(shù)據(jù)按照一定的規(guī)則分為n個群，這是該方法的第一步。接著按照一定的規(guī)則把n個群中最接近的群進行歸并，當(dāng)達到一定的標(biāo)準時，這種歸并停止，這就是該種方法最終確定的聚類群數(shù)（比如說m），這是第二步。兩步聚類法的一個顯著優(yōu)點是可以不指定聚類群數(shù)，它可以根據(jù)據(jù)結(jié)構(gòu)本身自動確定應(yīng)該把數(shù)據(jù)分為多少群。（3）Kohonen網(wǎng)絡(luò)聚類法：是運用神經(jīng)網(wǎng)絡(luò)的方法對數(shù)據(jù)進行細分的數(shù)據(jù)挖掘方法。為了提升客戶的全面經(jīng)驗，許多金融機構(gòu)將數(shù)據(jù)挖掘應(yīng)用于客戶細分在客戶個人屬性以及產(chǎn)品之間提取直觀的聯(lián)系。從這些現(xiàn)存的客戶以及潛在客戶中得到的客戶特征經(jīng)驗的知識進而可以用于配合市場營銷工作來增加交叉銷售的機會，提高投資回報率（ROI）（Peacock，1998）。這使得金融機構(gòu)可以提供特定的產(chǎn)品與服務(wù)來滿足客戶的需要。數(shù)據(jù)挖掘中典型的細分應(yīng)用要么是使用有監(jiān)督學(xué)習(xí)方法，要么是使用非監(jiān)督學(xué)習(xí)方法來進行（Chung和Gray，1999）。對于前者，數(shù)據(jù)挖掘模型學(xué)習(xí)客戶的行為特征與已經(jīng)確定的我們感興趣的輸出變量之間的關(guān)系。例如，客戶評價模型，將客戶分為不同的等級，并得出每個等級的特征。另一方面，非監(jiān)督學(xué)習(xí)方法基于客戶的輸入屬性產(chǎn)生不同的類別，而且不需要設(shè)定我們感興趣的輸出變量。每個類別的成員享有相似的特征，并且與其它的類別之間的特征是截然不同的。 客戶細分實例假設(shè) Z 銀行擁有以下數(shù)據(jù)：1．客戶號；2．儲蓄賬戶余額；3．活期賬戶余額；4．投資賬戶余額；5．日均交易次數(shù)；6．信用卡支付模式；7．是否有抵押貸款；8．是否有賒賬額度；9．客戶年齡；10．客戶性別；11．客戶婚姻狀況；12．客戶家庭情況（孩子數(shù)）；13．客戶年收入；14．客戶是否擁有一輛以上小汽車；15．客戶流失狀態(tài)。假設(shè)Z銀行希望建立更為有效的市場營銷戰(zhàn)略來給持有高價值投資組合的客戶推銷其金融產(chǎn)品。為了做到這些，Z銀行使用細分模型特征化了其客戶，并且依賴客戶屬性分割這些客戶為截然不同的類別。其后，自然可以利用這些從客戶中得到的特征剖面來定制其市場營銷戰(zhàn)略來給其潛在的客戶提供更多目標(biāo)性的信息。此外，假設(shè)Z銀行使用監(jiān)督學(xué)習(xí)以及非監(jiān)督學(xué)習(xí)建模技術(shù)來生成客戶的特征。這里我們使用SPSS公司的數(shù)據(jù)挖掘軟件Clementine。 ：投資賬戶余額分段 對于監(jiān)督學(xué)習(xí)模型，基于上面涉及到的十三個變量基礎(chǔ)進行細分。目標(biāo)變量是由輸入變量－投資賬戶余額，直接生成的多分類變量。關(guān)于投資賬戶余額的分布可以由直方圖節(jié)點來決定如何適當(dāng)?shù)膶⒚總€客戶分類到三個箱柜中：高、中和低投資組合價值。關(guān)于投資賬戶余額的歸箱組成了我們感興趣的投資價值目標(biāo)變量。進而可以構(gòu)建Logistic回歸模型來生成基于不同單個客戶投資價值的不同分類的特征屬性。進一步的結(jié)果表明，在預(yù)測每個客戶的投資價值的預(yù)測模型中統(tǒng)計上顯著的變量有儲蓄賬戶余額和活期賬戶余額。進而，高價值投資組合客戶的特征就由這些變量來決定。 ：Logistic回歸模型 非監(jiān)督學(xué)習(xí)細分模型是基于十四個變量來做出的。在這種情形下，不需要設(shè)定目標(biāo)變量。對于非監(jiān)督學(xué)習(xí)細分，通?？梢允褂萌N數(shù)據(jù)挖掘算法，也就是，兩步聚類、Kohonen 網(wǎng)絡(luò)以及Kmeans聚類。對于我們的演示，這里僅僅使用了兩步聚類。 ：兩步聚類分析結(jié)果 。關(guān)于每一類的信息也列了出來。例如，第4類包含278個客戶，它描述了在這個類別中大部分的客戶是男性且大部分無抵押貸款的客戶。另一方面，第2類描述了大多數(shù)為已婚女性且擁有賒賬額度的客戶。更進一步的數(shù)據(jù)探索是建立在兩步聚類結(jié)果上，通過利用我們所關(guān)心的變量的直方圖或是分布圖等圖形化展示手段來比較五個類別的結(jié)果。我們可以看到，第2類中擁有大多數(shù)的主動以及被動流失的客戶。同樣，第3類則是相當(dāng)?shù)幕旌狭爽F(xiàn)存客戶以及主動流失的客戶。此外，第4類中具有最大的現(xiàn)存客戶。對于其他的分類輸入變量來講可以繪出相似的分布圖。 ：五個類別中流失狀態(tài)以及流失率的比較 最后，關(guān)于投資賬戶的直方圖也可以根據(jù)五個類別分別繪出。我們可以看到，第1類包含了相對其它幾類更多的低投資賬戶的客戶。另一方面，第3類則是由持有高價值投資賬戶的客戶組成。如此，如果Z銀行能夠促銷新產(chǎn)品，第3類的客戶可能是更為有希望的目標(biāo)群體，能夠生成更好的市場營銷結(jié)果。利用這些知識，Z 銀行現(xiàn)在能夠設(shè)計適當(dāng)?shù)你y行產(chǎn)品來滿足那些不同的客戶群體。 ：五個類別的投資賬戶余額的直方圖 4. 營銷響應(yīng)為了發(fā)展新客戶和推廣新產(chǎn)品，企業(yè)通常會針對潛在客戶推出各種直接營銷活動。然而，如果目標(biāo)客戶的選擇不明確，營銷活動往往花費巨大而取得的實際效益不佳，甚至可能遭遇由于活動響應(yīng)率太低而無法收回成本的境況。在當(dāng)今競爭激烈的金融市場上，一方面，客戶每天通過短信、電話、郵件、電子郵件、網(wǎng)站廣告等方式會接觸到大量的金融業(yè)務(wù)廣告，缺乏針對性和足夠吸引力的營銷活動往往會被客戶直接忽略。另一方面，用戶越來越看重個性化服務(wù)，對新的金融產(chǎn)品具有較大的需求。為了更好的滿足客戶需求，許多公司采用了促銷活動管理系統(tǒng)來幫助執(zhí)行促銷活動。這些管理系統(tǒng)增加了公司采取的促銷活動的數(shù)量，卻并不一定能改善促銷活動的效率。事實上，不合適的促銷活動和過多的促銷活動只會導(dǎo)致用戶對公司的不滿意度增加。所以，有效促銷活動不在于數(shù)量的多少，而在于要在恰當(dāng)?shù)臅r機，通過恰當(dāng)?shù)姆绞剑蚯‘?dāng)?shù)挠脩敉其N恰當(dāng)?shù)漠a(chǎn)品。也就是說，有效的促銷活動，不在于涉及客戶的數(shù)量多少，而在于針對的都是具有高響應(yīng)概率的目標(biāo)人群。這不僅可以提升客戶的滿意度，增強客戶對公司的忠誠度，而且可以降低客戶獲取費用，增加營銷活動投資回報率，直接帶來公司效益的增加。數(shù)據(jù)挖掘中的營銷響應(yīng)分析可以幫助達到提高營銷活動回報率的目標(biāo)。 什么是營銷響應(yīng)？營銷響應(yīng)模型是一種預(yù)測模型。目標(biāo)變量是預(yù)測誰會對某種產(chǎn)品或服務(wù)的宣傳進行響應(yīng)，自變量是客戶及其行為的各種屬性，如：客戶年齡，客戶收入，客戶最近一次購買產(chǎn)品的時間，客戶最近一個月的購買頻率等。利用響應(yīng)模型來預(yù)測哪些客戶最有可能對營銷活動進行響應(yīng)，這樣，當(dāng)以后有類似的活動時，可以針對具有較高響應(yīng)可能性的客戶進行相應(yīng)的營銷活動。而對響應(yīng)度不高的客戶就不用對他們進行營銷活動，從而減少活動成本，提高投資回報率。 如何提高營銷響應(yīng)率？金融機構(gòu)應(yīng)當(dāng)在深入了解客戶需求和客戶特征的基礎(chǔ)上，制定營銷策略，從而達到增加營業(yè)收入和客戶滿意度的雙重目標(biāo)。我們提倡的不是針對最佳的客戶群開展?fàn)I銷活動，而是針對每一個客戶開展活動。所謂“知己知彼，百戰(zhàn)不殆”，建立在對客戶需求良好把握基礎(chǔ)之上極具針對性的營銷將極大地提高營銷活動的成功率。要開展這樣的營銷活動，首先需要回答以下幾個問題： ? 對誰開展?fàn)I銷活動? ? 多長時間開展一次營銷活動? ? 何時開展?fàn)I銷活動? ? 如何開展?fàn)I銷活動?金融機構(gòu)在數(shù)據(jù)挖掘技術(shù)的幫助下，針對客戶數(shù)據(jù)建立營銷響應(yīng)模型，在合適的時間，通過合適的渠道，以一種合適的接觸頻率，對合適的客戶開展活動，從而提高營銷活動的響應(yīng)率和投資回報率。 ：營銷活動的四個要素 1)選擇合適的客戶金融機構(gòu)對以往的營銷數(shù)據(jù)進行分析，采用決策樹等數(shù)據(jù)挖掘方法，識別出具有高響應(yīng)率的客戶的特征。通過選擇合適的客戶，可以排除對促銷活動響應(yīng)不積極的客戶，將目標(biāo)客戶的數(shù)量大大減小，從而在實現(xiàn)更有針對性地營銷的同時減小營銷成本。據(jù)統(tǒng)計，通過減小目標(biāo)客戶的數(shù)量，通?？梢怨?jié)省25%40%的營銷費用，同時增加營銷響應(yīng)率。2)選擇合適的渠道第二步是要針對用戶選擇合適的營銷渠道，也就是和客戶接觸的方式。通過使用每個用戶偏愛的方式與之接觸，也有利于提升客戶響應(yīng)率。在確定促銷渠道時，要考慮客戶對渠道的偏愛，渠道成本，期望的響應(yīng)率，其他營銷限制條件等。3)選擇合適的時間在當(dāng)今競爭激烈的社會里，客戶有很多滿足自己需求的機會和選擇。因此，一旦發(fā)現(xiàn)了客戶尚未被滿足的需求或者出現(xiàn)遺失客戶風(fēng)險時，一定要及時和客戶接觸。這種事件驅(qū)動的促銷方式，通常也可以取得較高的響應(yīng)率。4)選擇合適的活動頻率此外，并不是促銷活動越多，效果越好?；顒佑媱澱咝枰鶕?jù)實際情況，針對具體的客戶，選擇一個最優(yōu)的活動次數(shù)，既使得客戶的各種需求得到較好的滿足，又避免因為過于頻繁的接觸而導(dǎo)致客戶的反感。同時，過多的營銷活動，也會增加營銷成本。需要在增加的成本和提高的響應(yīng)率帶來的收益之間尋找一個最優(yōu)點?？蛻糇陨淼钠脤τ跔I銷活動的頻率確定也至關(guān)重要，比如，對于不喜歡過于頻繁的接到促銷電話的客戶，就要適量降低電話促銷的頻率。通過選擇更有針對性地選擇客戶和根據(jù)客戶的需求和偏好來推廣促銷活動，可以將促銷活動的投資收益率提高25%50%。：營銷活動四階段總結(jié) 階段 1．合適的客戶 2．合適的渠道 3．合適的時間 4．合適的營銷頻率 目標(biāo) 為營銷活動選擇最佳客戶 為目標(biāo)客戶選擇最優(yōu)營銷方式 在合適的時間對目標(biāo)客戶開展?fàn)I銷 確定最適合客戶的營銷頻率 方法 預(yù)測分析 渠道優(yōu)化 事件營銷 促銷優(yōu)化 策略 預(yù)測誰是最有可能響應(yīng)營銷并且能給營銷活動帶來收益的客戶 在客戶