顧客資產(chǎn)價(jià)值評(píng)估及最大化策略.pdf

1、顧客資產(chǎn)管理理論產(chǎn)生于20世紀(jì)末。它與其它傳統(tǒng)管理理論的區(qū)別在于將顧客視為企業(yè)資產(chǎn)，并以顧客資產(chǎn)為核心，優(yōu)化企業(yè)資源配置，實(shí)現(xiàn)其價(jià)值的最大化。顧客資產(chǎn)管理最關(guān)鍵部分就是對(duì)顧客資產(chǎn)的量化評(píng)估。由于在非契約型環(huán)境下的企業(yè)對(duì)于顧客未來(lái)的消費(fèi)行為無(wú)法獲知，導(dǎo)致了顧客資產(chǎn)評(píng)估的困難性。當(dāng)前在學(xué)術(shù)界中，處于主流地位的對(duì)非契約環(huán)境下的顧客資產(chǎn)評(píng)估模型是基于隨機(jī)行為的Pareto/NBD和BG/NBD模型。然而這類模型建模復(fù)雜，計(jì)算繁瑣，使得學(xué)術(shù)界的研

2、究成果并未能在商業(yè)界得到真正的運(yùn)用。本文針對(duì)這一情況，提出了幾個(gè)簡(jiǎn)單而有效的預(yù)測(cè)模型，既能達(dá)到復(fù)雜數(shù)學(xué)模型預(yù)測(cè)的精準(zhǔn)性，又能滿足商業(yè)界對(duì)模型效率的要求。本文主要的工作歸結(jié)如下： （1）提出了非契約環(huán)境下的顧客流失預(yù)警模型。假設(shè)顧客的歷史購(gòu)買次數(shù)及最后一次購(gòu)買的時(shí)間間隔是顧客流失與否的一種表現(xiàn)，用未來(lái)購(gòu)買與否對(duì)顧客進(jìn)行劃分，將顧客分成四類。選擇正確劃分的最優(yōu)閾值作為衡量流失的分界點(diǎn)。通過與其它主流模型的實(shí)證對(duì)比，表明本文的模型的預(yù)

3、測(cè)效果最優(yōu)。 （2）提出了顧客購(gòu)買次數(shù)期望值的預(yù)測(cè)模型。模型基于顧客過去購(gòu)買頻率與未來(lái)購(gòu)買頻率一致的假設(shè)，并考慮了顧客流失情況對(duì)購(gòu)買次數(shù)造成的影響。實(shí)證中與其它模型的進(jìn)行了比較，結(jié)果表明本文的模型在預(yù)測(cè)顧客整體累積購(gòu)買情況上的準(zhǔn)確度，遠(yuǎn)遠(yuǎn)高于其它模型；而在個(gè)人購(gòu)買水平的預(yù)測(cè)上略低于復(fù)雜的隨機(jī)模型。 （3）提出了基于顧客剝離的顧客資產(chǎn)預(yù)測(cè)模型。考慮到劣質(zhì)顧客所帶來(lái)的負(fù)利潤(rùn)對(duì)顧客整體的資產(chǎn)總值的影響，在計(jì)算顧客資產(chǎn)時(shí)，將劣質(zhì)

4、顧客排除在計(jì)算之外，用實(shí)證表明剝離后的顧客資產(chǎn)總值要大于剝離前的顧客資產(chǎn)總值。 （4）在優(yōu)質(zhì)顧客的識(shí)別問題上，本文的算法也能達(dá)到良好的預(yù)測(cè)效果。在實(shí)證中通過對(duì)盈利性占前20％的顧客進(jìn)行了預(yù)測(cè)，比較幾個(gè)主流算法和本文的算法的預(yù)測(cè)結(jié)果。結(jié)果表明本文的算法在識(shí)別過去和未來(lái)表現(xiàn)皆優(yōu)質(zhì)的顧客的預(yù)測(cè)效果最好。同時(shí)還指出在預(yù)測(cè)優(yōu)質(zhì)顧客時(shí)不僅僅要考慮顧客的購(gòu)買次數(shù)，還應(yīng)該考慮顧客的購(gòu)買金額及相應(yīng)的成本，也就是顧客為企業(yè)所帶來(lái)的利潤(rùn)。 （