基于客户价值的物流企业客户分类方法研究.docx

基于客户价值的物流企业客户分类方法研究.docx

《基于客户价值的物流企业客户分类方法研究.docx》由会员分享，可在线阅读，更多相关《基于客户价值的物流企业客户分类方法研究.docx（13页珍藏版）》请在冰豆网上搜索。

基于客户价值的物流企业客户分类方法研究

文稿归稿存档编号：

[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-MG129]

基于客户价值的物流企业客户分类方法研究

基于客户价值的物流企业客户分类方法研究

-------以中外运敦豪台州分公司为例

张路

（台州职业技术学院，浙江台州318000）

【内容摘要】本文采用定性和定量相结合的研究方法构建了一种有效的客户分类模型。

该模型提出用信用等级、规模、稳定性这三个因子作为评价因子来对客户进行分类，并完善了三个因子的参数确定方法。

从而使客户分类更加自然和合理。

通过实证分析，不但验证了客户分类模型的合理性，还验证了这种分类模型的有效性和优越性。

从实践效果的评价结果来看，论文的研究成果可以为国内其他制造企业的客户关系管理提供参考。

【关键词】客户分类；客户生命周期价值；客户发展潜力

随着物流企业客户关系管理研究的不断深入，物流企业客户分类对于物流企业决策的重要作用日益突显，如何根据客户价值对客户进行科学的分类成为许多企业共同关注的问题。

一、客户分类模型的建立

客户分类的理论依据是客户需求的异质性理论，这种理论认为客户需求存在差异性。

客户分类是指将一个大的消费群体划分成为若干个群的动作，相似的客户同属于一个群，属于不同群的客户被视为不同的客户群。

CRM中的客户分类方法并不是固定的，各企业可根据客户数据库中己有的类型信息的不同和自身管理的需要进行具体的分类。

本文所介绍的客户分类的标准是客户价值的大小,因此实现客户分类首先需要评价客户价值的大小。

目前,国内外对客户价值的评价,主要是沿用弗雷德里克·莱希赫尔德的净现值评价体系[4],并在此评价体系的基础上进行扩展和完善。

利用净现值评价体系评价客户价值能充分地反映客户在现在和将来所能带给企业的利润的净现值,但这一体系存在忽视销售量在客户价值评价中的作用以及没有考虑到客户带给企业的无形贡献的问题，因此国内的齐佳音等人在净现值评价体系的基础上提出充分价值评价体系[5],该体系强调了销售量与客户带给企业发展潜力的贡献两项指标的重要性,使客户价值的评价更加完善。

本文通过分析上述两个指标体系并结合客户生命周期理论，提出从客户生命周期价值和客户发展潜力两个方面来评价客户价值，下面简单介绍这种客户分类的设计思想。

客户生命周期是指客户关系水平随时间变化的发展轨迹,它描述了客户关系从一种状态（一个阶段）向另一种状态（另一阶段）运动的总体特征。

客户的生命周期阶段反映了客户与企业之间关系的强弱程度,随着客户生命周阶段的发展,客户与企业交易量不断增加,客户支付意愿不断提高,交易成本不断下降,间接效益不断扩大[6]。

当客户与企业的关系出现倒退时,客户带给企业的交易量与利润都将急速下降。

因此,在评价客户价值时,应将客户的生命周期阶段作为一个重要的因素。

经研究表明[7][8],表征客户生命周期各阶段的特征变量分别为:

①交易额,它反映客户与企业交易量的大小;②利润,它反映客户带给企业利润的大小;③客户份额,指客户所购买企业的产品数量在客户的总体购买量中所占的比例,反映了企业在客户心目中的地位。

评价客户价值的另一个重要因素是客户发展潜力[46]。

因为从客户的生命周期发展的各阶段来看,当客户与企业的关系处在发展上升的阶段时,客户与企业的交易量会不断增加。

但对于发展潜力很低的客户来说，即使与企业的关系处于上升期，但由于客户带给企业的利润已达到了客户自身所能承受的极限，因此企业在将来能从客户身上的获利则很少,那么其客户价值也不高。

相反，对于发展潜力很高的客户来说，当他与企业的关系已处在末期,与企业的交易量不断下降甚至可能为零,则企业不能从该客户身上获利,那么其客户价值同样不高。

因此,应综合考虑客户生命周期阶段与客户发展潜力两个因素来评价客户价值，并以此为依据进行客户分类。

二、案例分析

作者在DHL台州分公司进行客户关系管理实践时，运用这种客户分类思想对该企业的客户进行了分类，得出了一些对企业极为重要的决策信息。

中外运敦豪台州分公司成立于2003年，经过几年的发展，已成为台州快件市场的领先企业。

DHL台州分公司目前采用的是按每月快件收入来划分客户的。

即：

A类客户为每月快件费用5万元以上大型分公司：

每月快件费用5万元以上中型分公司：

每月快件费用2.5万元以上小型分公司；B类客户为有较大业务潜力，但目前业务量尚不符合A类客户标准的客户；C类客户为每月快件费用在3500-5000RMB的客户；D类客户为每月快件费用在2000-3500RMB的客户。

由于这种分类方式较为粗放，缺少对客户数据的深入挖掘，因此导致客户流失率的缓慢增长及公司销售成本的增加。

公司当前又处于规模迅速扩张时期，更要确保市场占有率，同时合理配置公司有限的资源，降低客户流失率。

因此确立新的分类指标，建立定量分析模型，对公司的所有客户进行更准确的分类，是当前面临的重要问题。

2.1新客户分类模型的应用

2.1．1指标的选择

根据以上的客户分类思想，结合DHL公司的实际情况，同时综合考虑客户生命周期阶段与客户发展潜力两个因素，最终选定资金状况、稳定性和收入指标这三项指标（表征客户生命周期各阶段）作为分类的依据，并使用附加指标（表征客户发展潜力）对最终分类结果进行修正。

各指标的涵义为:

资金状况:

DHL公司依据资金回收状况和最长付款期对客户的资信信用度评价。

稳定性:

：

根据关系墙的一系列指标来评价客户的稳定性大小，如表2-3。

收入指标：

某客户当年在DHL公司的定货总金额的大小。

附加指标：

这一指标通过知名度、市场地位、行业和企业的发展空间四个二级指标来表征客户在将来能给企业带来更多价值的可能性的大小即客户的发展潜力。

附加指标对最终分类结果起修正作用，不作为分类指标。

2.1.2划分等级

（1）资金状况指标的等级划分

对于资金状况指标，选择24个月资金回收状况和最长付款周期这两项具有代表性的二级指标来进行信用等级划分。

首先对这两项次级指标分别评分，最后根掘总得分来进行信用等级的划分，具体划分情况如表2-1示。

（2）收入指标的等级划分

根据当年快件收入金额的大小来对其规模进行等级划分，具体划分见表2-1资金状况指标的等级划分。

表2-1资金状况指标

4个月资金回收状况

得分

（1）

最长付款周期/天

得分

（2）

100%一90%

5

30

5

90%一75%

4

60

4

75%一60%

3

90

3

60%一30%

2

180

2

30%以下

1

>200

1

总=

（1）+

（2）

信用等级划分依据:

总得分大于或等于8分，评定为高信用等级;总得分小于8分，评定为低信用等级。

表2-2收入指标的等级划分表

总定金额

等级划分

每月快件费用>=2.5万元以上公司

大规模

每月快件费用<2.5万元以上公司

小规模

（3）稳定性的等级划分

根据关系墙的一系列指标来评价客户的稳定性大小，如图。

如果关系墙标准为高，说明该公司对DHL公司的依赖性强，那么这类客户的稳定性也越高。

具体的等级划分情况如表2-3所示。

表2-3稳定性的等级划分表

关系墙标准

低

高

DHL和客户关系的长短

<=3年

>3年

采购原则

多家供应商或多家采购商

单一供应商+单一决策人

上季度服务水平表现

<=95%

>95%

产品渗透

<=2

>2

业务量占比

<=75%

>75%

联络人交流层面

用户+影响者（管理层面）

用户+影响者+决策者

自动化程度

<=95%

>95%

2.1.3附加指标

对公司客户附加价值的评价由专门的评审委员会来进行，委员的组成为公司领导、各部门经理和片区销售经理。

附加指标值的高低依据给公司实际已经带来的或未来可能带来的良好声誉、知名度等附加价值的大小来进行综合评分，评价出附加值Y的大小，Y值越大，则附加价值越大。

附加指标的评定内容和方法如表2-4所示。

2.1.4分类方法

首先根据以上确定的三项分类指标，采用类型组合的方法进行客户分类。

然后再根据附加指标值的大小对分类结果作一些局部的调整。

可以得到的类型组合如表4-5所示。

2.1.5客户统计分类

根据所建立的客户分类模型，对DHL公司现有的37家客户来进行实际分类。

最终的分类结果如表2-6、表2-7示。

初步分类完成之后，再根据附加指标值的大小做局部调整。

调整的原则:

当附加值大于或等于12时，调整为A类客户，享受A类客户待遇;当附加值大于或等于9小于12分时，调整为B类客户，享受B类客户待遇:

9以下的不做调整。

调整后的情况如表2-8所示。

表2-4附加指标的评定内容和方法

客户代号

评价时间

存档编号

序号

评价项目

得分

评语

1

良好的知名度

全球知名

5

全国知名

3

当地知名

2

当地不知名

1

2

在同行业中的市场地位

很高

3

高

2

不高

1

3

行业的成长空间

很大

3

大

2

不大

1

4

企业的成长空间

很大

3

大

2

不大

1

总分（S）

评价结果Y=10S/14

表2-5类型组合结果

类型代号

组合情况

A

高信用等级----大规模----高稳定性

B

高信用等级----大规模----低稳定性

C

高信用等级----小规模----高稳定性

D

高信用等级----小规模----低稳定性

E

低信用等级----大规模----高稳定性

F

低信用等级----大规模----低稳定性

G

低信用等级----小规模----高稳定性

H

低信用等级----小规模----低稳定性

表2-6DHL台州分公司类型划分结果（部分）

客户代号

客户类型

客户代号

客户类型

客户代号

客户类型

1

A

15

A

29

D

2

G

16

D

30

D

3

E

17

B

31

G

4

B

18

E

32

H

5

B

19

C

33

C

6

A

20

D

34

D

7

C

21

G

35

D

8

C

22

C

36

D

9

B

23

F

37

E

10

D

24

D

11

F

25

F

12

C

26

D

13

D

27

D

14

G

28

F

表2-7客户类型统计表

客户类型

A

B

C

D

E

F

G

H

数量

3

4

6

12

3

4

4

1

表2-8客户类型调整表

客户代号

客户类型

客户代号

客户类型

客户代号

客户类型

1

A

15

A

29

D

2

G

16

D----B

30

D

3

E

17

B

31

G

4

B

18

E

32

H

5

B

19

C

33

C----B

6

A

20

D---B

34

D

7

C

21

G

35

D

8

C

22

C

36

D

9

B---A

23

F

37

E

10

D

24

D

11

F

25

F

12

C

26

D

13

D

27

D

14

G

28

F

表2-9客户类型调整统计表

客户类型

A

B

C

D

E

F

G

H

数量

3+1=4

4+3-1=6

6-1=5

12-2=10

3

4

4

1

比例（%）

10.8

16.2

13.5

27.0

8.1

10.8

10.8

2.7

根据最终的统计分类，DHL公司的37家客户被分为八类、，其中A类客户（高信用等级一大规模一高稳定性4家，B类客户（高信用等级一大规模一低稳定性）6家，C类客户（高信用等级一小规模一高稳定性）5家，D类客户（高信用等级一小规模一低稳定性）10家，E类客户（低信用等级一大规模一高稳定性）3家，F类客户（低信用等级一大规模一低稳定性）4家，G类客户（低信用等级一小规模一高稳定性）4家，H类客户（低信用等级一小规模一低稳定性）1家。

对这八类37家客户DHL台州分公司将采用不同的营销策略来对客户关系进行维护。

2．1.6结果比较

对DHL公司原有的客户分类方式与本文提出的分类模型给出的分类进行比较如表2-10。

表2-10DHL公司原有的客户分类方式vs本文提出的分类模型

原分类方法

客户代号

新分类方法

原分类方法

客户代号

新分类方法

A类客户

1

A类客户

C类客户

16

B类客户

6

20

15

D类客户

10

D类客户

9

13

5

B类客户

24

4

26

B类客户

17

27

3

E类客户

C类客户

29

18

30

37

34

11

F类客户

35

23

36

25

2

G类客户

28

14

C类客户

7

C类客户

21

8

31

12

32

H类客户

19

22

33

B类客户

按照DHL公司原有的客户分类方式，采用每月快件收入作为客户分类的基本标准，把客户分为四类：

A客户为16.22％，B客户占21.62％，C客户占48.65％，D客户占13.51％。

由表2-10可以看出新的客户分类结果比原客户分类更加合理。

将原A客户细分为A、B类客户，B类客户细分为B、E、F类,C类客户细分为B、C、D、G、H类客户，这些客户应该和其它客户区别对待，才能为企业带来更大的收益。

比如原B类客户中同样存在低信用等级的E、F类“危险客户”，和这类客户打交道的话，维护成本很高，因此除了为其提供差别化的服务之外，更重要的是促使其提高信用等级。

再比如原C类客户也存在有很大发展潜力的B类客户和应该放弃的H类客户。

可见，通过新的定量分析模型的建立，可以较好地弥补原分类方法带来的问题。

比如浙江瑞丰五福气动工具有限公司快件月收入1万，在原分类中只能算C类客户，得不到足够的重视与支持。

而在新的分类中，由于其良好的信用以及在同行业中的较高的市场地位同时企业及所在行业的成长性较高，因此可以确定其为企业的B类客户。

实践证明，随着该公司近一年的发展，并在2008年成为公司的A类客户。

再比如三门县志成工贸有限公司快件月收入平均为5200元，在原分类中也属于C类客户。

但该企业信用记录较差，同时发展空间不大，如果在新的分类模型中只能属于H类，事实证明该企业在一年后破产。

需要特别注意的是，客户分类是一个动态的过程，公司需要每年都按照以上指标定期对客户进行重新分类，对客户分类进行动态管理。

2.2新模型效果的评价

2.2.1客户满意度调查

在采用新的客户分类方法将客户进行重新分类并制定和实施了有差别的营销策略后，就必须对实施的效果加以评价，发现不足，持续改进。

现拟通过客户满意度（CS）、客户流失率这两项指标来综合评价实施效果。

第一、调查对象：

台州地区企业客户（150家）

第二、调查项目:

顾客满意度。

客户满意度指标能进一步说明实施新的客户分类方法后的效果。

否则必须认真分析原因，制定并实施改进方案。

DHL现有的顾客满意度调查表如表2-11示。

第三、调查形式和方法：

由DHL服务人员在提供服务的同时完成。

为保证调查结果的真实可信，调查之前与被调查企业先作充分沟通，同时在问卷设计时除了让企业作选择之外并让其提供理由，最后对认真完成调查问卷的企业能以折扣价享受三次物流服务。

第四、调查时间及工作期限

调查时间：

2010年7月15日--9月15日工作期限为60日

表2-11DHL公司顾客满意度调查表

项目

您的评价

满意

较满意

一般

较不满意

不满意

服务质量

服务内容

稳定性

服务的及时性

服务价格

与您的期望相比

与其他厂家相比

与服务自身质量相比

客户服务

人员态度

电话咨询

技术指导

抱怨投诉

处理的及时性

处理的方式

您的建议:

填表方法:

请在表中直接打钩。

谢谢您对我们工作的支持!

调查表收集后，就要对客户满意度进行计算，客户满意度的计算方法如表2-12所示。

表2-12DHL公司客户满意度的计算方法

分值

满意（5）较满意（4）一般（3）较不满意

（2）不满意

（1）

权重

产品质量（0.4）

服务（0.3）

抱怨与投诉（0.2）

产品价格（0.1）

服务内容（0.2）

人员态度（0.4）

处理的及时性（0.6）

与您的期望相比

（0.5）

稳定性（0.3）

电话咨询（0.4）

处理的方式（0.4）

与其他厂家相比

（0.3）

服务的及时性（0.5）

技术指导（0.2）

与产品自身质量相比（0.2）

计算

采用加权平均法分别计算出产品质量、服务、抱怨与投诉、产品价格四项指标的得分，最后采用加权平均法计算出客户满意度指标值（CS）.CS=0.4X质量分+0.3X服务分+0.2X抱怨分+0.1X价格分

通过此次调查，在被调查的150份问卷中，有效问卷为140份。

通过上述方法调查并统计出DHL公司2009年的客户满意度为3.8,2010年7月份调查的2007年上半年的客户满意度为4.3，比2009年提高了0.5，说明客户对DHL公司采取的一些改进还是认可的。

2.2.2客户流失率统计分析

除去公司有意放弃的客户外，公司还要统计新的策略实施以后客户流失率到底是降低了还是升高的，降低了说明策略奏效了，升高了说明还要继续改进。

公司客户流失率统计分析结果如表6-3所示。

表6-3DHL公司历年客户流失率统计

年份

2007

2008

2009

2010（1-10）

客户流失率（%）

12.3

14.8

15

7.8

根据统计结果发现，到2010年10月为止客户流失率还是明显下降了，说明公司所采取的措施是有效的。

可见，不管是从客户满意度还是客户流失率分析，DHL台州分公司通过新客户分类模型的建立以及客户管理手段的改进，取得了较明显的效果。

三、小结

对于客户分类的研究一直以来是企业客户关系管理研究的重点。

虽然本文构建了一种有效的客户分类模型，但因为客户的特殊性和复杂性以及客户行为的难以预测性，都将决定对客户分类的研究将有一段很长的路要走。

例如怎样建立一个更精确且有效的算法；在其他行业验证本文得出的结论并丰富其应用范围；或者细化实证研究的领域，以得到更有针对性的结论等等都是需要进一步研究的课题。

【参考文献】

[1]肖凤;郑海健;卢闯;;基于聚类分析的银行客户关系管理策略研究[J];技术经济;2010年01期

[2]刘希宋;喻登科;李玥;;基于客户知识的客户CABOSFV聚类[J];情报杂志;2008年02期

[3]刘希宋;李文庆;喻登科;;基于市场营销离群数据挖掘的客户分类模型[J];情报杂志;2009年12期

[4]FrederickFR.Theloyaltyeffect:

thehiddenforcebe-hindgrowth,profits,andlastingvalue[M].Boston,Massachusetts:

HarvardBusinessSchoolPress,1996.

[5]齐佳音,韩新民,李怀祖.一种新的客户-企业价值评价体系的设计[J].管理工程学报,2002,16（4）:

4-8.

[6]陈明亮.客户生命周期模式实证研究[J].浙江大学学报（人文社会科学版）,2004,32（6）:

66-72.

[7]DavidHand，HelkkiMannila，PadhraicSmyth.数据挖掘原理[M].北京：

机械工业出版社，2003：

83-162

[8]BalakrishnanPVS，CopperMC，JacobVS，etal.ComparativePerformanceoftheFSCLNeuralNetandK-meansAlgorithmforMarketSegmentation[J].EuropeanJournalofOperationalResearch，1996，93

（2）：

346-357