论文部分内容阅读
摘要：针对当今流量时代下，流量获取对企业的重要性而言，在传统的客户细分方法上，对RFM模型进行改进，提出新指标T（referral traffic推荐流量），形成RFMT模型。并利用层次分析法确定各指标的权重，利用SPSS软件对某N新能源汽车企业的客户行为数据进行K-means聚类分析，根据聚类结果将客户划分为不同的客户群体，并提出相应的营销策略以实现精准营销。
关键词：流量时代;RFMT模型;K-means;客户细分
近年来，新能源汽车如雨后春笋般在汽车行业中相继诞生，竞争愈加剧烈，每个企业都需要集中一切资源来获取潜在客户。那么如何在有限的资源条件下，可以高效的获得优质客户，潘俊[1]认为客户细分是企业进行客户关系管理并提升服务水平的有效手段，通过对客户的消费数据进行数据分析，从而对不同类型的客户采取不同的营销策略，进而实现精准营销。
本文将在传统的RFM模型基础上，结合当今流量时代下，流量获取对企业发展潜在用户的重要性，提出新指标T（referral traffic推荐流量），形成改进后的RFMT模型。利用AHP[2]确定各指标的权重，通过K-means聚类算法对客户行为数据进行分析，根据聚类结果计算客户价值，并提出相应的营销策略。
1.客户细分模型
1.1RFM模型与RFMT模型
传统的RFM模型多适用于CRM中衡量客户价值的重要工具和手段。該模型通过分析客户的近期消费行为、消费频率、总金额来描述客户价值。其中R表示客户最近一次消费时间间隔;F表示客户消费次数;M表示客户消费总额。
在当今流量时代的背景下，流量的获得对于企业来说是至关重要的。而获取流量最有效的方法便是用户裂变。因此，基于传统的RFM模型，并结合流量时代背景下用户裂变的重要性，现提出RFMT模型。其中：R表示客户最近一次消费时间间隔;F表示消费次数;M表示平均消费金额;T表示客户通过用户裂变方式获得的推荐流量。
1.2RFMT模型的权重
本文将采用AHP确定RFMT模型中各指标的权重，AHP通过建立两两指标对比矩阵[3]以此来确定各指标的权重，权重如下：[wR ，wF ，wM ，wT]=[0.1070，0.4501，0.8667，0.1866]。
2.数据的采集与整理
2.1 数据采集
从某N新能源汽车企业清理数据，得到2018至2020年度442名客户的消费数据，从中统计出每位客户最近一次消费时间间隔（R）、消费次数（F）、平均消费金额（M）和推荐流量（T）。某客户的交易数据如下表所示。
2.2 数据整理
在进行数据分析之前，首先将数据进行标准化处理，利用标准化后的数据进行分析。本文将采用min-max 标准化方法[4]对数据进行预处理，使原始数据进行线性变换，将数据映射到[0，1]内，转换公式如下：
2.3聚类结果与策略分析
本文将采用SPSS软件对RFMT模型进行聚类分析，利用K-means聚类算法对客户消费数据进行聚类分析，并将客户细分为8类不同的客户类型。RFMT 模型聚类结果如下表所示。
其中高价值客户约占8%，此类客户为企业带来的利润额和客户价值最高，消费次数、总金额大，是企业的忠实用户，企业应投入大量的资源和服务，继续与这类客户保持良好的合作关系，并提供更加优质的产品和服务。
一般价值客户约占24%，有一定的购买总金额，但消费次数较低，口碑推荐能力、忠诚度价值较低，但具备一定的潜在价值。因此，企业可以适当投入资源，设置用户增长活动，吸引用户参加，不断增加用户的品牌认同度，提升用户忠诚度和活跃度。
低价值客户约占68%，此类客户消费次数、总金额较低，对企业品牌和产品认同感较低，忠诚度价值、口碑推荐能力相对较低。企业无需投入过多资源，只需维持现状，完善售后服务体系，依旧向其推送产品优惠方案及活动等。
3.结束语
在流量时代的背景下，流量的获得对于企业来说是至关重要的。在传统的RFM模型基础上，现加入指标T（referral traffic），形成RFMT模型。在分析客户消费数据后，对其口碑推荐能力进行分析，以此来更加全面的判断客户价值所在。利用K-means聚类算法对指标进行聚类分析，将客户细分为8种不同的客户类型，并对不同客户的行为特征进行分析，提出不同的营销策略以此实现精准营销。
参考文献：
[1]潘俊，王瑞琴.基于选择性聚类集成的客户细分[J].计算机集成制造系统，2015，21（6）：1662-1668.
[2]蒋国瑞，刘沛，黄梯云.一种基于 AHP 方法的客户价值细分研究[J].计算机工程与应用，2007，43（8）：238-241.
[3]PODVEZKO V.Application of AHP technique[J]. Journal of business Economics and Management， 2009， 10（2）; 181-189.
[4]包志强，赵媛媛，赵研等.基于RFA模型和聚类分析的百度外卖客户细分[J].计算机科学，2018，11（45）：436-438.
作者简介：孟凡禹（1996.9—），性别：女，民族：汉族，籍贯：江苏省徐州市，学历：硕士研究生。
关键词：流量时代;RFMT模型;K-means;客户细分
近年来，新能源汽车如雨后春笋般在汽车行业中相继诞生，竞争愈加剧烈，每个企业都需要集中一切资源来获取潜在客户。那么如何在有限的资源条件下，可以高效的获得优质客户，潘俊[1]认为客户细分是企业进行客户关系管理并提升服务水平的有效手段，通过对客户的消费数据进行数据分析，从而对不同类型的客户采取不同的营销策略，进而实现精准营销。
本文将在传统的RFM模型基础上，结合当今流量时代下，流量获取对企业发展潜在用户的重要性，提出新指标T（referral traffic推荐流量），形成改进后的RFMT模型。利用AHP[2]确定各指标的权重，通过K-means聚类算法对客户行为数据进行分析，根据聚类结果计算客户价值，并提出相应的营销策略。
1.客户细分模型
1.1RFM模型与RFMT模型
传统的RFM模型多适用于CRM中衡量客户价值的重要工具和手段。該模型通过分析客户的近期消费行为、消费频率、总金额来描述客户价值。其中R表示客户最近一次消费时间间隔;F表示客户消费次数;M表示客户消费总额。
在当今流量时代的背景下，流量的获得对于企业来说是至关重要的。而获取流量最有效的方法便是用户裂变。因此，基于传统的RFM模型，并结合流量时代背景下用户裂变的重要性，现提出RFMT模型。其中：R表示客户最近一次消费时间间隔;F表示消费次数;M表示平均消费金额;T表示客户通过用户裂变方式获得的推荐流量。
1.2RFMT模型的权重
本文将采用AHP确定RFMT模型中各指标的权重，AHP通过建立两两指标对比矩阵[3]以此来确定各指标的权重，权重如下：[wR ，wF ，wM ，wT]=[0.1070，0.4501，0.8667，0.1866]。
2.数据的采集与整理
2.1 数据采集
从某N新能源汽车企业清理数据，得到2018至2020年度442名客户的消费数据，从中统计出每位客户最近一次消费时间间隔（R）、消费次数（F）、平均消费金额（M）和推荐流量（T）。某客户的交易数据如下表所示。
2.2 数据整理
在进行数据分析之前，首先将数据进行标准化处理，利用标准化后的数据进行分析。本文将采用min-max 标准化方法[4]对数据进行预处理，使原始数据进行线性变换，将数据映射到[0，1]内，转换公式如下：
2.3聚类结果与策略分析
本文将采用SPSS软件对RFMT模型进行聚类分析，利用K-means聚类算法对客户消费数据进行聚类分析，并将客户细分为8类不同的客户类型。RFMT 模型聚类结果如下表所示。
其中高价值客户约占8%，此类客户为企业带来的利润额和客户价值最高，消费次数、总金额大，是企业的忠实用户，企业应投入大量的资源和服务，继续与这类客户保持良好的合作关系，并提供更加优质的产品和服务。
一般价值客户约占24%，有一定的购买总金额，但消费次数较低，口碑推荐能力、忠诚度价值较低，但具备一定的潜在价值。因此，企业可以适当投入资源，设置用户增长活动，吸引用户参加，不断增加用户的品牌认同度，提升用户忠诚度和活跃度。
低价值客户约占68%，此类客户消费次数、总金额较低，对企业品牌和产品认同感较低，忠诚度价值、口碑推荐能力相对较低。企业无需投入过多资源，只需维持现状，完善售后服务体系，依旧向其推送产品优惠方案及活动等。
3.结束语
在流量时代的背景下，流量的获得对于企业来说是至关重要的。在传统的RFM模型基础上，现加入指标T（referral traffic），形成RFMT模型。在分析客户消费数据后，对其口碑推荐能力进行分析，以此来更加全面的判断客户价值所在。利用K-means聚类算法对指标进行聚类分析，将客户细分为8种不同的客户类型，并对不同客户的行为特征进行分析，提出不同的营销策略以此实现精准营销。
参考文献：
[1]潘俊，王瑞琴.基于选择性聚类集成的客户细分[J].计算机集成制造系统，2015，21（6）：1662-1668.
[2]蒋国瑞，刘沛，黄梯云.一种基于 AHP 方法的客户价值细分研究[J].计算机工程与应用，2007，43（8）：238-241.
[3]PODVEZKO V.Application of AHP technique[J]. Journal of business Economics and Management， 2009， 10（2）; 181-189.
[4]包志强，赵媛媛，赵研等.基于RFA模型和聚类分析的百度外卖客户细分[J].计算机科学，2018，11（45）：436-438.
作者简介：孟凡禹（1996.9—），性别：女，民族：汉族，籍贯：江苏省徐州市，学历：硕士研究生。