论文部分内容阅读
摘要：随着网上消费在我国的蓬勃发展，电商零售企业之间的竞争愈演愈烈，重新赢回流失顾客作为顾客关系管理的重要内容成为电商企业顾客关系管理关注的热点。而采用田野调查方法收集数据并通过Logistic回归法对流失顾客样本进行分析发现，流失顾客的人口统计变量、先前消费特征、流失原因与企业赢回策略是驱动顾客赢回的关键变量。比如，年轻、受教育程度高的男性顾客更容易被赢回，而收入水平高的女性顾客则较难被赢回；先前任期关系时长越长、在电商企业网站平均停留时间越长、流失后断档期时长越短的顾客越容易被赢回；单纯因价格因素流失的顾客更容易被赢回，单纯因商品（或服务）因素流失的顾客很难被赢回；价格促销与关系投资策略仍然是有效的顾客赢回策略，不过企业在实践应用中需要谨慎对待。因此，为更好地改善顾客关系管理工作，提高顾客赢回绩效，需要进一步完善顾客关系管理库中的消费者资料，做实顾客画像的“大数据”资源；需要建立完备的数据管理体系，定期开展面向流失顾客的赢回活动；需要对流失顾客进行分类管理，采取适宜的赢回与保留策略；需要紧扣消费升级本质，不断提升商品与服务质量。
关键词：电商企业；顾客流失；顾客赢回；赢回策略；Logistic回归模型
中图分类号：F713.50文献标识码：A文章编号：1007-8266（2018）06-0094-11
一、引言
每一次零售业态的转型都意味着市场竞争的加剧，自电商零售业态兴起至今电商零售企业在顾客忠诚方面的竞争已经进入白热化阶段。有数据显示，我国主要的购物网站顾客流失率最高达到37.5%，最低为7.2%[ 1 ]。顾客流失意味着生存危机，顾客忠诚与保留一直都是顾客关系管理（Cus tomer Relationship Management，CRM）研究领域的重点课题[ 2 ]，也是企业管理实践的难点。顾客关系管理涉及开发新顾客、保留现有顾客、重新赢回流失顾客三个部分[ 3 ]。其中，顾客赢回（Customer Win-back）指企业与那些明确提出结束业务关系的顾客重新建立关系[ 4-6 ]，或企业重新激活与已流失顾客关系的过程[ 2，7 ]。有研究表明，企业对现有活跃顾客的再销售概率为60%～70%，对流失顾客的再销售概率为20%～40%，而对新顾客的再销售概率仅为5%～20%[ 8 ]。由于现有活跃顾客其实际绩效亦存在差异，而被赢回顾客不仅其价值比普通老顾客①更高，且顾客价值波动更小[ 4，9-10 ]，因此有关流失顾客赢回的研究逐渐成为顾客关系管理领域关注的热点和重点[ 4，7，11-12 ]。不过，现有研究多为基于传统营销情境的分析，有关互联网背景下我国迅猛发展的电商零售企业流失顾客赢回的研究还比较少。
网络购物源于国外，兴于国内，我国自2014年起就超过美国成为全球最大的网络零售市场，2017年我国网上零售额更是高达71 751亿元[ 13 ]。本文以国内消费者为样本，基于行为主义学习理论构建研究模型，并通过田野调查方法收集数据研究电商零售企业顾客赢回驱动因素。其理论价值在于弥补现有互联网情境下顾客关系管理理论缺口，其实践价值在于为目前正处于激烈竞争中的电商零售企业提供更有针对性的流失顾客赢回管理策略，同时为国外电商企业更好地进行顾客关系管理提供借鉴。
二、文献回顾与研究模型
（一）顾客流失与流失原因
顾客流失与顾客保留是一个问题的两个方面，企业的目标总是顾客保留的最大化与顾客流失的最小化。在英文文献中，顾客流失一词存在多种解释，或者指顾客产生了放弃与当前供应商继续交往的意图，并将这种意图付诸行动[ 14-15 ]，或者指顾客停止惠顾某个特定供应商的经济现象[ 16 ]。
斯特劳斯（Stauss B）等[ 6 ]认为，有效的顾客赢回需要企业追溯顾客流失的原因。托克曼（Tok man M）等[ 10 ]指出，顾客流失的原因是预测顾客接受赢回策略可能性的重要变量，可为赢回决策提供最具价值的判断依据[ 4 ]。企业管理者可以根据这些原因很好地对流失顾客进行分类，比如被推走的顾客、非故意推走的顾客、被拉走的顾客、见异思迁的顾客、迁移的顾客等[ 17 ]。当然，并非所有流失的顾客都值得被赢回，从顾客赢回的价值来看，只有那些被拉走和非故意推走的顾客才是值得赢回的，即从顾客流失的原因看，只有那些因对服务不满或遭遇服务失败以及竞争对手提供更高价值而流失的顾客才值得被赢回[ 6 ]。
为便于分类和研究，库马尔（Kumar V）等[ 4 ]将顾客流失的原因分为与商品（或服务）相关、与价格相关、与商品（或服务）和价格同时相关三类，且其实证分析发现，单纯因价格因素流失的顾客被赢回的概率最高，其次是单纯因商品（或服务）因素流失的顾客，因价格和商品（或服务）双重因素流失的顾客被赢回的可能性最低。托克曼等[ 10 ]也发现，不同原因所造成的顾客流失会影响赢回策略的有效性，只有当流失原因与价格相关时，具有吸引力的价格才能对赢回产生更大的影响。此外，皮克（Pick D）等[ 7 ]按照流失顾客对与原供应商终止交易缘由的归因进行分类，将之分为企业失误原因所造成的交易终止和顾客自身原因所造成的交易终止两类，但其研究结果并未显示该因素对流失顾客的常规赢回意愿②具有显著影响，反而是流失顾客对导致交易终止原因的稳定性和可控性归因具有显著的负向和正向影响。
考虑到本文研究的情境和对象是电商零售企业，从管理实践的角度出发，借鉴库马尔等[ 4 ]有关顾客流失原因的分类，将导致流失的原因分为单纯的价格原因、单纯的商品（或服务）原因以及价格和商品（或服务）双重原因三類。
（二）企业赢回策略
赢回策略内容本身也会影响顾客重返企业的可能性[ 4 ]。赢回策略（Win-Back Offer）指企业为赢回流失顾客所采取的营销手段和工具[ 18-19 ]，对顾客而言所有赢回策略均意味着能够产生附加价值，只有如此他们才会选择重新建立与企业的联系[ 4 ]，正如托克曼等[ 10 ]所指出的那样，在吸引流失顾客重新回归先前服务商的努力中，流失顾客所感知到的赢回策略的总价值决定着顾客赢回的绩效。 这些策略主要包括价格促销和关系投资两类，大多从服务补救策略演化而来。其中，价格促销指经销商或渠道参与者在某个特定时期通过降低某种商品的价格或者增加相同单价下的商品数量来进行营销的一种手段[ 20 ]，包括价格折扣、降价、优惠券、赠品促销、捆绑式促销等内容；关系投资指企业通过投入大量的时间、精力甚至金钱等资源，设法越过关系门槛，取得顾客信任与情感依附，进而在企业与顾客之间建立关系纽带并达成长期合作，包括沟通、赠送礼品、移情、投其所好等内容[ 21 ]。
研究发现，对价格敏感型顾客而言，价格促销是一项有效的赢回策略[ 2，10，18，22-23 ]，具有吸引力的价格能够显著正向影响顾客赢回意愿，特别是在顾客受价格因素影响而流失的情况下作用更显著[ 10 ]，且价格促销对顾客在第二生命周期阶段的存续时长和每月赢利性具有显著正向影响[ 4 ]。不过，通过价格促销策略赢回的顾客对价格比较敏感，对企业信任度较低，情感依附较弱，对企业做出算计性承诺的可能性较高[ 14，23 ]，价格促销策略与绩效相对较差且不稳定的企业绩效显著正相关，容易导致企业绩效相对较差且不稳定[ 24 ]。这说明，尽管价格促销在赢回流失顾客方面是一把利器，但这把利器是“双刃”的。
成功的赢回策略并非仅仅依靠财务或非财务性支出，赢回活动过程中与流失顾客的互动同样具有较为明显的作用。研究发现，与价格促销策略相比，关系投资策略既能更加显著地增强顾客对企业的信任感和情感依附，降低价格敏感度，也能更好地促使顾客对酒店做出情感性承诺，使态度忠诚度和行为忠诚度显著提高[ 14 ]，采用关系投资策略赢回顾客的满意度和购买份额比采用价格促销策略赢回顾客的满意度和购买份额更高[ 22 ]。当然，如果企业能够提供价格促销与服务升级相结合的赢回组合策略，其效果将更加显著[ 4 ]。总之，企业在顾客赢回服务方面的努力越多，顾客在第二生命周期阶段的存续时间越长[ 11 ]。
考虑到国内电商零售企业竞争中存在的“双十一”等现象，本研究将价格促销和关系投资作为重点关注的赢回策略。
（三）先前消费特征
一般情况下，顾客购买时间越临近、购买频率越高、所支付的货币价值越大，就越有可能对随后的交易产生喜爱[ 25 ]，以先前交易数量衡量的产品体验正向影响顾客重复购买的可能性[ 26 ]。在顾客赢回背景下，流失顾客首个交易期的购买体验及行为（抱怨、服务补救、推荐行为、交叉购买行为、服务使用宽度或深度等）决定了其能否确信重新回归先前的服务商是一项明智的选择。
在已有文献中，研究者从不同侧面研究了流失顾客先前消费特征对赢回可能性的影响。托马斯（Thomas J S）等[ 2 ]的研究发现，以流失顾客在该服务商先前任期（Prior Tenure）的关系时长衡量的先前体验及流失顾客断档期时长（The amount of time elapsed since the last purchase or the length of the lapse）对赢回机会具有显著影响，流失顾客断档期时长越短或者先前任期关系时长越长，流失顾客被赢回的概率就越高。与之类似，霍姆堡（Homburg C）等[ 5 ]以流失顾客先前任期关系时长和对关系的整体满意度作为衡量其与企业关系的特征研究了流失顾客与先前服务商关系特征对赢回绩效的影响，发现流失顾客对先前任期关系的整体满意度显著正向影响赢回绩效，而关系时长尽管不显著但负向影响赢回绩效。但托克曼等[ 10 ]的研究发现，流失顾客断档期时长对赢回意愿没有显著影响。此外，库马尔等[ 4 ]采用电信企业交易数据和调查数据对先前任期消费行为与体验、断档期时长与赢回可能性进行了更加详尽的研究，结果却发现流失顾客先前任期推荐的顾客越多，接受服务补救的次数越多，断档期时长越长，其被赢回的可能性越大。
由以上研究可以发现，影响流失顾客被赢回的先前消费行为因素较多，且结论各不相同，说明流失顾客先前消费的影响因素较为复杂，在流失顾客赢回过程中不能采用简单的“拿来主义”。考虑到本研究电商情境及管理实践的需要，选取流失顾客先前任期关系时长、断档期时长以及先前任期行为黏性作为先前消费特征变量。其中，行为黏性指顾客承诺会再次使用网站，坚持重复访问并使用同一网站[ 27 ]或者用户投入到网站上的个人时间、精力与长久关注力[ 28 ]。
（四）流失顾客的统计变量特征
除上述因素外，流失顾客的人口统计变量同样会对赢回绩效产生影响。其中，顾客的性别、年龄[ 4-5，10 ]以及收入水平、受教育程度[ 4 ]是研究者比较关注的变量。研究发现，与女性流失顾客相比，男性流失顾客被赢回的概率更高[ 4，10 ]。不过，在流失顾客年龄对赢回可能性的影响方面存在不同的结论，如霍姆堡等[ 5 ]发现随着年龄的增加被赢回的概率提高，而库马尔等[ 4 ]却发现年龄增加会降低其被赢回的概率，但对重新建立关系后的存续时长和每月赢利性具有显著正向影响。在收入水平和受教育程度方面，随着流失顾客收入水平和受教育程度的提高，赢回绩效会相应提升[ 4-5，10 ]，因此本文认为，收入水平和受教育程度也对赢回绩效具有显著正向影响。
综合上述分析，根据行为主义学习理论的刺激→反应范式构建本文概念模型。具体参见图1。
三、研究设计与数据分析
（一）变量测量
对于顾客流失原因的测量，借鉴库马尔等[ 4 ]的方法，直接询问被调查对象离开该电商企业结束交易的原因，让他们在单纯的价格因素、单纯的商品（或服务）因素、价格与商品（或服务）双重因素中选择。对于价格促销赢回策略的测量，采用唐小飞等[ 14，23 ]的三项测量指标，询问被调查对象在断档流失期对下面三项描述的同意程度：一是为恢复我们之间的交易关系，该电商企业向我提供很多价格优惠（如优惠券、价格折扣等）；二是为恢复我们之间的交易关系，该电商企业向我提供的商品价格低于其竞争对手；三是为恢复我们之间的交易关系，该电商企业向我提供的商品价格低于其过去的价格。对于关系投资赢回策略的测量，采用唐小飞等[ 14 ]、史密斯（Smith J B）等[ 21 ]使用的五项测量指标，询问被调查对象在断档流失期对下面五项描述的同意程度：一是为恢复我们之间的交易关系，该电商企业投入大量的时间和精力来维持我们的关系；二是为恢复我们之間的交易关系，该电商企业所做的工作始终把我的利益和感受放在重要位置；三是该电商企业很在意与我之间的关系，为恢复我们之间的交易关系会做一些让我开心的事情或活动；四是该电商企业总能记住一些与我有关的特殊日子，给我寄送贺卡或以其他方式表示祝贺；五是该电商企业会就线上销售存在的问题与我交流，还通过电子媒介（如邮件、公众号等）或电话方式联络感情。上述所有测项均采用李克特七级量表，其中“1”表示非常不同意，“2”表示很不同意，“3”表示有点不同意，“4”表示不确定，“5”表示有点同意，“6”表示很同意，“7”表示非常同意。 在流失顾客先前消费特征变量中，对于先前任期关系时长的测量，借鉴库马尔等[ 4 ]、霍姆堡等[ 5 ]的指标，通过直接询问被调查对象终止到该电商企业消费前已经在该电商企业持续消费的时间，让他们在6个月以内、6～<12个月、1～<2年、2～<3年、3年及以上五个选项中选择。对于断档期时长的测量，借鉴托克曼等[ 10 ]、托马斯等[ 2 ]的方法，通过询问被调查对象自终止在该电商企业消费至再次到该企业消费（或至今）持续的时长，让他们在6个月以内、6～<12个月、1～<2年、2～<3年、3年及以上五个选项中选择。对于该顾客在先前任期的行为黏性，借鉴董晓舟[ 29 ]的方法，用顾客对该电商企业的平均访问次数和在电商网站上浏览购物的时长来衡量，即询问被调查者与该电商企业终止交易之前平均每月到该电商网站购买商品或服务的次数及其在该企业网站购买商品或服务平均每次停留的时长，让被调查者在3次及以内、4～6次、7～9次、10～12次、12次以上和15分钟以内、16～30分钟、31～45分钟、46～60分钟、1小时以上中选择。
对于性别、年龄、受教育程度和收入水平等控制变量的测量，采用问卷调查的通行做法进行设计。
（二）数据收集
为收集数据，作者通过网上调查的方式设计问卷，首先针对被调查者的网上消费经历，让他们选择有还是没有在某电商企业购买过商品或服务。其中，相关电商企业主要指京东、唯品会、亚马逊等大家常见的企业，由网站在研究者提供的電商企业集合中随机抽取。如果被调查者选择“没有”，则该调查结束；如果被调查者选择“有”，则调查继续进行。接下来，针对被调查者过去的消费经历，继续让他们选择有还是没有停止过在该电商企业（指上一个问题提到的电商企业）购买而转去其他电商企业购买。如果选择“没有”，则直接跳转到人口统计变量题项进行填写；如果选择“有”，则继续填写本研究剩余的其他题项。
调查抽样采用便利随机抽样的方式进行，从2016年6月到9月经历了三个月的时间，通过研究者的同学、朋友、亲属等人脉关系，以“滚雪球”的方式开展问卷调查。为防止被调查者多次填写，在填写设置上采用单个IP地址及单个客户端仅能填写一次的方式，最后共计收到有效问卷1 081份。
（三）样本信息
在收回的1 081份问卷中，在淘宝上购买商品或服务的为367份，占总样本数量的34.0%，占比最高；在京东上购买商品或服务的为288份，占总样本数量的26.6%，排第二位；接下来是天猫和亚马逊，分别是152份和116份，占比为14.1%和10.7%；然后是1号店、唯品会和当当网，分别是33份、26份和23份，占比为3.1%、2.4%和2.1%；最后是一些总数为个位数的网站，如聚美优品、我买网等36个电商企业。从调查数据可以看出，线上购买的便利性使消费者可以在诸多电商企业中自由选择，这与商务部公布的2015年中国网络零售市场B2C渠道品牌商分布占比基本一致，阿里系和京东占我国网络零售市场的3/4。
在1 081个有效样本中，首先删除从未离开过该电商企业的最为忠诚的初始顾客287个，占总样本数量的26.5%。在剩余样本中，借鉴皮克等[ 7 ]的研究，以6个月为标准③划分流失顾客，将断档期时长在6个月以上的顾客称为电商企业流失顾客，将断档期时长在6个月以内的顾客称为摇摆型顾客，共计343个，占总样本数量的31.7%。这样，在所调查的1 081个样本中，共计有451个流失顾客，其中有242个顾客后续又回到先前的电商企业消费，再销售率为53.7%，高于传统销售情境下流失顾客20%～40%的再销售率[ 6 ]。
在451个分析样本中，男性有204个（占45.2%）；年龄在24岁以下的有59个（占13.1%），25～34岁的有167个（占37.0%），35～44岁的有99个（占22.0%），45～54岁的有75个（占16.6%），55岁及以上的有51个（占11.3%）；受教育程度为高中、中专及以下的有122个（占27.1%），大专的有153个（占33.9%），大学本科的有149个（占33.0%），硕士及以上的有27个（占6.0%）；月收入水平为3 000元及以下的有124个（占27.5%）， 3 001～6 000元的有201个（占44.5%），6 001～9 000元的有81个（占18.0%），9 001～12 000元的有24个（占5.3%），12 000元以上的有21个（占4.7%）。
（四）实证分析
由于价格促销赢回策略与关系投资赢回策略采用的是已有量表，该量表的克隆巴哈α系数（Cronbach’sα）为0.838，验证性因子分析模型的拟合指数RMSEA为0.096，所有测量指标的标准化载荷均在0.70以上，χ2/df为4.28，NFI为0.935，CFI为0.949，说明量表具有良好的信度和效度，因此根据温忠麟等[ 30 ]的建议，在后续实证分析中可以用量表分进行“化潜为显”。各变量描述性统计及相关系数可参见表1。
为检验传统商业情境下赢回策略的有效性以及流失顾客赢回的影响因素，本研究使用二元Lo gistic回归进行检验。为检验各因素的影响，在Lo gistic回归方程中进行逐步回归，首先在模型1（M1）中考虑控制变量，其次在模型2（M2）中考虑先前消费特征的影响，即考虑先前任期关系时长及消费行为黏性，再次在模型3（M3）中考虑断档期时长的影响，然后在模型4（M4）中考虑流失原因的影响，最后在模型5（M5）中检验赢回策略的影响。最终回归结果可参见表2。
在回归模型的最大似然比检验中，卡方值均在p<0.001的水平上显著，说明回归方程有效。同时，随着考察变量的增多，模型中的Nagelkerke R2显示，方程对被解释变量（顾客赢回）方差变异的解释程度由9%逐渐增加到62.5%，说明本研究考察的变量能够较好地对流失顾客赢回行为进行解释。 具体而言，由M1和M5可以看出，流失顾客被赢回的概率与性别（β=-0.928，p<0.01）、年龄（β=-0.355，p<0.01）和收入水平（β=-0.320，p<0.05）存在显著的负相关关系，而与受教育程度（β=0.470，p<0.01）存在显著的正相关关系。这说明，在流失顾客赢回过程中，女性流失顾客要比男性流失顾客更难赢回，而随着流失顾客年龄的增加和收入水平的提高，流失顾客被赢回的可能性逐渐降低，不过受教育程度高的流失顾客更容易被赢回。
对比模型2和模型5可以发现，在先前消费特征中（即第一生命周期中），流失顾客在该电商企业消费的时间越久，即先前交易关系存续时间（β=0.890，p<0.01）越长，其被赢回的可能性就越大，但在行为黏性方面需要注意的是，第一生命周期月平均消费次数的作用不稳定，由模型2的0.233（p<0.05）变为模型5的-0.006，且不显著。不过，与平均每次消费在电商企业停留的时间长度却显著正相关，随着流失顾客每次消费停留时间（β= 1.040，p<0.01）的延长，其被赢回的可能性逐渐增加，但顾客流失断档期时长（β=-0.392，p<0.05）越长，顾客被赢回的可能性就越小。
在流失原因与赢回策略上，由模型4和模型5可以看出，与其他原因相比，单纯因价格因素（β=1.400，p<0.05）流失的顾客被赢回的可能性更大，其次是因价格和商品（或服务）双重因素（β=1.049，p<0.05）流失的顧客，而单纯因商品（或服务）因素（β= 0.518，p=0.341）流失的顾客被赢回的可能性不显著，换言之，单纯因商品（或服务）因素流失的顾客很难被赢回。电商零售情境下，价格促销策略（β=1.074，p<0.01）和关系投资策略（β=0.715，p<0.01）对流失顾客赢回效果显著，对流失顾客实施价格促销策略和关系投资策略均可显著提高其被赢回的可能性。
四、主要结论与管理启示
（一）结论与讨论
随着网上消费在我国的蓬勃发展，电商零售企业之间的竞争愈演愈烈。比如，2012年8月爆发了史上最为高调的电商价格战，而电商行业创造的每年一次的“双十一”购物狂欢节更是将对顾客的争夺推向了高潮。除“双十一”外，各大网站结合店庆、商品特色设置的顾客关怀节更是层出不穷，如京东超市的蝴蝶节、苏宁易购的闺蜜节等，无不说明顾客流失与赢回已经成为电商企业顾客关系管理中最为重要和普遍的工作。本研究基于对利用田野调查方法收集的1 081个样本数据的分析得出，电商企业顾客流失率为41.7%，而对这些流失顾客样本进行Logistic回归可以确定顾客赢回的影响因素以及传统赢回策略在电商情境下的有效性。具体结论如下：
1.人口统计变量对流失顾客赢回可能性具有显著作用，顾客赢回需要识别流失顾客特征
首先，相对于男性流失顾客而言，女性流失顾客更难赢回。与传统情境下的研究结论[ 4 ]一致，从电商企业流失顾客性别（β=-0.928，p<0.01）来看，女性顾客一旦流失，其被赢回的可能性将低于男性顾客。顾客性别差异效应在零售情境下已经得到证实。一般而言，女性比男性具有更高的购物热情，在购物过程中会对购买决策付出更多的努力，因此在购物活动中女性比男性的卷入程度要高很多[ 31 ]，一旦决定离开某个电商企业转而投入竞争对手的“怀抱”，该决策一定是深思熟虑的结果，先前的电商企业想要赢回是非常困难的。这从另外一个方面说明，在电商零售企业顾客关系管理中，要特别关注女性顾客的变化，以防止其流失。
其次，年龄在流失顾客赢回过程中具有重要作用，随着年龄的增长，流失顾客被赢回的可能性降低。在现有的顾客赢回研究中，关于年龄作用的结论并不一致。本研究结论支持库马尔等[ 4 ]的结论，而与霍姆堡等[ 5 ]的结论相反，即流失顾客年龄（β=-0.355，p<0.01）越小，越有可能被赢回。在服务失败补救情境下，年龄发挥着重要作用[ 32 ]。社会情绪选择理论认为，随着年龄的增长，人们不仅可以更好地调节和控制自己的情绪，而且情绪所扮演的角色也会日趋重要。老年人更关注自己的情绪状态并会在社会互动中优先考虑情感目标，而年轻人则更多地被追求知识驱动，并将更多精力用于规划和分析，即使其需要压抑情绪[ 33 ]。对流失顾客而言，无论出于何种原因与先前的电商企业终止交易关系，都意味着负面情绪被激活，且年长顾客的情绪强度要比年轻顾客的更大，对此也看得更重。由情绪引发的事件必然被考虑并以某种方式影响人们的行为[ 34 ]，因此在赢回阶段，年龄越大，受先前情绪影响越严重，越不容易被赢回。
最后，流失顾客受教育程度（β=0.470，p<0.01）越高，其被赢回的可能性越大，但随着收入水平（β=-0.320，p<0.05）的提高，其被赢回的可能性降低。在受教育程度上，随着流失顾客受教育程度的提高，其知识结构、能力水平也会随之提高，对互联网消费的认知能力更强，因此当先前的电商企业提供赢回策略时，流失顾客受教育程度越高，其对自己是否重新回归先前电商企业的决策就越有信心。该结论支持库马尔等[ 4 ]的观点。在收入水平上，随着流失顾客收入水平的提高，其被赢回的可能性反而会降低。这可能是因为，对收入水平高的流失顾客而言，一旦其由于某种原因与先前的电商企业断开了交易关系，就会去寻找更好的电商企业来满足自己的购物需要，而新的电商企业所提供的更高质量的商品或者更好的服务会进一步推动产生对比效应，降低其被赢回的可能性。
2.先前消费特征与断档期时长是影响顾客赢回的重要因素
首先，流失顾客第一生命周期（即先前任期）关系时长（β=0.890，p<0.01）越长，其被赢回的可能性越大。也就是说，顾客流失之前与电商企业建立交易关系的时间越久，越容易被赢回。该结论与托马斯等[ 2 ]、库马尔等[ 4 ]的结论一致，也即流失前关系时长的增加会使顾客对电商企业更加熟悉和忠诚，可以提高顾客对网站的信任，并由此带来更高的赢回绩效[ 5 ]。此外，在较长的关系存续期间，顾客可以获得更多的消费体验，对该电商企业的交易环境、交易过程更加熟悉，从而能够降低顾客被赢回的学习成本，增加顾客被赢回的可能性。 其次，顾客行为黏性中的月平均购物频率（β=-0.006，p=0.964）对赢回可能性的影响不显著，但每次购物在电商网站停留的时长（β=1.040，p< 0.01）却对赢回可能性具有显著的正向影响。该结论与皮克等[ 7 ]采用订阅顾客在第一生命周期的试订阅数量、库马尔等[ 4 ]采用电信顾客在第一生命周期的顾客推荐数量来衡量先前关系特征相似，均表明先前任期行为黏性在顾客赢回可能性方面具有显著的正向预测力。这说明，随着顾客在第一生命周期黏性的增加，其被赢回的可能性越来越大。但需要注意的是，传统零售情境下主要基于RFM模型中的消费频率（Frequency）来衡量客户价值与客户创利能力，而在电商情境下特别是电商零售企业流失顾客赢回管理中，其作用不再显著，反而是顾客每次消费在电商网站停留的时长起到了显著作用。这种情况的出现可能是因为，电商情境下顾客惠顾电商企业所付出的时间和精力成本要远远低于线下去传统零售商店的成本，结果导致顾客尽管在该电商企业进行了消费，却对该电商企业并不熟悉或投入了解的精力很少，企业卷入度低，而顾客每次消费在该电商网站停留的时间越久，无论是出于商品比较还是其他方面的原因，都说明其在该网站上投入了更多的精力，企业卷入度增加，流失后赢回的可能性提高。
最后，顾客流失后断档期时长（β=-0.392，p< 0.05）越长，越难以被赢回。这与先前的研究结论基本一致，说明随着顾客流失时间的增加，其对先前电商企业的熟悉度和忠诚度均会降低，从而降低其被赢回的可能性，产生负向影响。
3.单纯因价格因素流失的顾客更容易被赢回，价格促销与关系投资仍然是有效的赢回策略
首先，与其他因素相比，单纯因价格因素（β= 1.400，p<0.05）流失的顧客、因价格和商品（或服务）双重因素（β=1.049，p<0.05）流失的顾客具有显著的被赢回的可能性。当前，电商企业的流失顾客依然被认为是价格敏感型，因此只要能够在价格上使顾客获利或者提供比竞争对手更低的价格、更多的赠品，流失的顾客就可以比较容易地被赢回，即价格促销策略（β=1.074，p<0.01）仍然是赢回流失顾客的有效手段。
但值得注意的是，随着网上比价系统的日益透明化和自动化，电商价格促销策略的影响力可能会逐渐变小。究其原因，一是这容易让消费者认为价格折扣是企业应当提供的基本服务，如果没有价格折扣就会被归因于企业运营能力不够；二是对流失顾客而言，价格折扣活动过多有可能使之对赢回产生一定的预期，如未来还有更多机会享受被赢回的价格折扣，从而削弱价格促销策略的赢回效果；三是由参考价格理论可知，价格促销会影响消费者下次购买的价格预期，进而会降低消费者购买的可能性和品牌忠诚度[ 35 ]。随着价格促销策略运用范围的日益扩大以及折扣幅度的不断增加，无论从商业实践还是学术研究中均可发现，这种价格促销的效果在减弱[ 36 ]。可见，尽管价格促销策略在本研究中具有非常显著的作用，但企业管理者在实践应用中仍然需要谨慎对待。
其次，与单纯因价格因素流失的顾客相比，单纯因商品（或服务）因素（β=0.518，p=0.341）流失的顾客很难被赢回。这说明，电商企业一旦因为商品（或服务）出现问题而导致顾客流失，那么企业将很难在之后的工作中将其赢回，也即从对流失顾客的伤害程度来看，商品（或服务）因素的影响更大。从实践来看，这很好地解释了前些年网购商品正品率不及半数，而如今越来越多的电商企业加入“杜绝假货、保障正品”行列的原因。
最后，相对于实体零售企业，尽管电商企业缺少顾客与店员面对面的接触和沟通，但关系投资策略（β=0.715，p<0.01）仍然是赢回顾客的不二法宝。这是因为，我国是一个重视关系的人情社会，关系是我国商业活动的基础[ 37 ]，在社会中居于显著地位。无论是特殊日期的礼品赠送还是平时的互动沟通，都代表着电商企业对顾客的良好祝愿和尊重，都能获得顾客的好感并借此构建一条长期的社会纽带[ 38 ]，从而可以更好地赢回流失顾客。
（二）管理对策
上述结论对电商企业在竞争激烈的市场中开展流失顾客管理具有非常重要的启示。为更好地改善顾客关系管理工作，提高顾客赢回绩效，可从以下几个方面入手：
第一，进一步完善顾客关系管理库中的消费者资料，做实顾客画像的“大数据”资源。电商企业在初创期为追求市场规模和流量，疯狂地“跑马圈地”，把主要精力放到了线上获客的数量规模上，对顾客基本结构性信息缺乏关注，导致会员基本资料不完整。电商企业发展至今尽管已经沉淀了PB级甚至EB级的交易数据，但在会员的性别、年龄、受教育程度、婚姻状况、职业等信息方面仍然存在欠缺，以至于在进行千人千面的精准营销时难以有效发挥作用。因此，企业可以通过举办“完善个人资料、助力会员成长”的活动，鼓励会员完善个人基本信息，给予积分奖励、会员级别提升或代金券等货币激励。需要完善的数据资料除上文提到的人口统计特征等客观数据外，还可重点收集人格特质、兴趣爱好、品牌倾向、消费方式等主观数据。而在消费行为数据方面，可从交易类（如搜索记录、浏览记录、购买记录等）、客服记录类、退货投诉类、评价传播类等方面入手收集结构性或非结构性数据。特别需要注意的是，记录并积累顾客消费浏览足迹比分析顾客购买次数更有价值，因为这些数据不仅可以在顾客画像上发挥作用，而且可以在顾客流失时作为顾客赢回识别的关键指标，为企业提供有效参考。
第二，建立完备的数据管理体系，定期开展流失顾客赢回活动。本文结论显示，只要采取有针对性的赢回策略，就可以有效赢回流失顾客，因此电商企业顾客关系管理数据库中的流失顾客信息实际上是一种价值巨大的资源。有研究表明，通过外部投资获取一个新顾客的净收益率为23%，而投资流失顾客的净收益率为214%，是投资新顾客收益率的近10倍[ 5 ]。与此同时，电商获客成本已经从疯狂生长年代的平均每位顾客几角到几元钱发展到了现在的几十到几千元，因而流失顾客资源显得更加重要。统计数据表明，电商企业数据利用率一般不足5%[ 39 ]，顾客数据作为电商核心资源的商业价值尚未得到深入挖掘。因此，为充分利用这些资源，电商企业亟需建立包括数据来源层、收集层、组织层、分析层、应用层等在内的立体式管理体系，特别是打造一支技术精湛的数据挖掘分析师队伍，定期对企业数据库中的顾客数据进行分析，根据顾客画像设计具有针对性的赢回策略，开展赢回活动，提高核心资源利用率。 第三，對企业赢回活动应进行分类管理。本研究显示，那些年轻、受教育程度高、与企业建立交易关系时间较长、离开时间较短、每次购物在网站停留时间较久的男性顾客更容易被赢回，因此在对流失顾客进行赢回时应以这些顾客为重点。此外，对于流失原因不同的顾客，要采取不同的赢回策略。比如，对单纯因价格因素流失的顾客，要尽量采用价格促销策略；对单纯因商品（或服务）因素流失的顾客，要采取关系投资策略。同时，在针对现有活跃顾客的保留工作中，应当面向收入水平高的女性顾客做好日常维系工作，以防止她们成为流失顾客。
第四，紧扣消费升级本质，不断提高商品和服务质量。随着人民对美好生活需要的日益增长，消费诉求不断提升，而商品和服务质量作为顾客最看重的因素，必将成为电商企业的核心竞争力。这是因为，如果因企业商品或服务出现问题而导致顾客流失，那么赢回时就需要花费更多的投资。因此，电商企业应当加强运营监管，通过与供应商、制造商建立信息共享机制等，确保所销售商品的正品率，如京东就制定了积分管理制度、主动巡查制度和神秘购买制度三项制度来杜绝第三方商家销售侵权商品等。同时，也要在服务方面加强投资，多样化、全方位与顾客加强互动沟通，特别是利用当前的微信、微博等移动客户端从顾客订单信息、投诉处理、促销信息等方面入手进行及时有效的沟通。此外，还要设计全方位的关系投资策略，除在企业周年或会员特殊日为流失顾客寄送贺卡、小礼物外，还可通过举办企业开放日活动（或企业再认知活动）邀请重点流失顾客到企业参观并参加活动，给予一定的物质奖励，重建企业在流失顾客心目中的形象并加强情感维系，强化流失顾客赢回管理工作。
五、局限与展望
本研究通过调查数据实证分析了电商情境下顾客赢回的影响因素以及赢回策略的有效性，但仍然存在不足之处，有待进一步研究完善。
首先，本文使用的是田野调查数据，尽管通过一系列设计确保了测量的科学性，但从有效性和完整性上看，仍然不能替代电商企业顾客关系管理数据库中的顾客交易数据，因此在未来条件允许的情况下，可与某一电商企业合作，利用完整的交易数据来分析并验证上述结论。
其次，本研究所考察的顾客赢回影响因素都是客观因素（如人口统计变量）或者对客观变量的调查数据（如断档期时长等），尚未涉及流失顾客主观变量，如顾客对流失前消费体验的整体评价（满意度）、顾客自身需求的多样性和公平感等，未来可围绕主观变量影响进行更为深入的研究和探索。
最后，尽管本文对顾客赢回影响因素和赢回策略有效性进行了识别，但并未对顾客赢回机制进行分析和说明，企业赢回策略、顾客主观变量等如何在顾客流失过程中发挥作用，未来研究可进行更加科学的分析和论证。
注释：
①现有活跃老顾客由两部分组成，其中一部分是自与企业建立交易关系以来从未终止过的老顾客，被称为普通老顾客；另一部分是曾经终止过交易但后来因企业实施赢回策略而再次建立交易关系的活跃顾客，被称为赢回顾客。
②常规回归意愿（General Willingness to Return，GWR）指先前服务商在未向流失顾客提供赢回策略时其回归该服务商的意愿，与赢回策略无关，也被称为顾客回归先前供应商的非条件意愿。
③尽管皮克等将划分流失顾客的断档期时长确定为12个月以上，但考虑到他们研究的对象是报刊订阅用户，具有以年为单位进行订阅的周期性规律，而对竞争白热化的电商企业而言，断档期时长超过6个月就已经是相对较长的时间了，因此本文将流失顾客断档期时长的标准确定为6个月。
参考文献：
[1]中国互联网络信息中心.2012年中国网络购物市场研究报告[R].（2013-04-17）[2018-03-05].http：//www.cnnic.cn/ hlwfzyj/hlwxzbg/dzswbg/201304/t20130417_39290.htm.
[2]THOMAS J S，BLATTBERG R C，FOX E J. Recapturing lost customers[J].Journal of marketing research，2004，41（1）：31-45.
[3]REINARTZ W，KRAFFT M，HOYER W D. The customer relationship management process：its measurement and im pact on performance[J].Journal of marketing research，2004，41（3）：293-305.
[4]KUMAR V，BHAGWAT Y，XI A Z. Regaining "lost" cus tomers：the predictive power of first-lifetime behavior，the reason for defection，and the nature of the win-back offer[J]. Journal of marketing，2015，79（4）：34-55.
[5]HOMBURG C，HOYER W D，STOCK R M. How to get lost customers back [J].Journal of the academy of marketing sci ence，2007，35（4）：461-474.
[6]STAUSS B，FRIEGE C. Regaining service customers：costs and benefits of regain management[J].Journal of service re search，1999，1（4）：347-361.
[7]PICK D，THOMAS J，TILLMANNS S，et al. Customer winback：the role of attributions and perceptions in customers’ willingness to return[J].Journal of the academy of marketing science，2016，44（2）：218-240. [8]GRIFFIN M，BABIN B J，ATTAWAY J S. Anticipation of injurious consumption outcomes and its impact on consumer attributions of blame[J].Journal of the academy of marketing science，1996，24（4）：314-327.
[9]李辉，李敬强，王克稳.老顾客的价值都一样吗 ——基于承诺—信任模型的异质老顾客保留意愿对比研究[J].经济管理，2012，34（3）：85-94.
[10]TOKMAN M，DAVIS L M，LEMON K N. The WOW fac tor：creating value through win- back offers to reacquire lost customers[J]. Journal of retailing，2007，83（1）：47-64.
[11]KUMAR V，LESZKIEWICZ A，HERBST A. Are you back for good or still shopping around investigating customers’repeat churn behavior[J].Journal of marketing research，2018，55（2）：208-225.
[12]THOMPSON H. Who stole my customer：winning strate gies for creating and sustaining customer loyalty[M].2版.北京：北京联合出版公司，2016：28-63.
[13]国家统计局.中华人民共和国2017年国民经济和社会发展统计公报[EB/EL].（2018- 02- 28）[2018- 03- 04].http：// www.stats.gov.cn/tjsj/zxfb/201802/t20180228_1585631.ht ml.
[14]唐小飞，狄强，郭洪.赢回策略对顾客忠诚行为影响的比较研究[J].科研管理，2009（6）：83-90.
[15]PING J R A. Some uninvestigated antecedents of retailer exit intention[J].Journal of business research，1995，34（3）：171-180.
[16]STEWART K. The customer exit process--a review and re search agenda[J].Journal of marketing management，1998，14（4）：235-250.
[17]GRIFFIN J，LOWENSTEIN M W. Winning back a lost cus tomer[J].Direct marketing，2001，64（3）：49.
[18]唐小飞，周庭锐，贾建民.CRM赢回策略对消费者购买行为影响的实证研究[J].南开管理评论，2009（1）：57-63.
[19]唐小飞，周庭锐，陈淑青.赢回策略对消费者行为影响的内在机理剖析[J].预测，2007（2）：14-19.
[20]RAGHUBIR P，CORFMAN K. When do price promotions affect pretrial brand evaluations [J].Journal of marketing re search，1999，36（2）：211-222.
[21]SMITH J B，BARCLAY D W. The effects of organizational differences and trust on the effectiveness of selling partner relationships[J].Journal of marketing，1997，61（1）：3-21.
[22]唐小飛，贾建民，周庭锐.关系投资和价格促销的价值比较研究[J].管理世界，2007（5）：73-82.
[23]唐小飞，周庭锐，陈淑青.价格促销与D&B忠诚模式关联实证研究[J].中国工业经济，2006（10）：121-128.
[24]唐小飞，周庭锐，陈淑青.厂商赢回策略对厂商绩效的影响[J].统计与决策，2007（4）：156-158.
[25]HUGHES R E. Respondents’ gender differences and disci plinary actions：beliefs as an antecedent variable in re search on attribution[J].Psychological reports，1996，79（3_suppl）：1 107-1 112.
[26]BOLTON R N，KANNAN R K，BRAMLETT M D. Impli cations of loyalty program membership and service experi ences for customer retention and value[J].Journal of the academy of marketing science，2000，28（1）：95-108.
[27]LI D，BROWNE G J，CHAU P Y K. An empirical investi gation of web site use using a commitment-based model[J]. Decision sciences，2006，37（3）：427-444. [28]HSI P L，MING R L. Demographic differences and the an tecedents of blog stickiness[J].Online information review，2010，34（1）：21-38.
[29]董曉舟.网络购物情境下的顾客行为黏性、消费动机与顾客价值的关系研究——基于随机概率模型的实证研究[J].营销科学学报，2015，11（1）：39-57.
[30]温忠麟，刘红云，侯杰泰.调节效应和中介效应分析[M].北京：教育科学出版社，2012：104-105.
[31]TELLER C，THOMSON J A. Gender differences of shop pers in the marketing and management of retail agglomera tions[J].Service industries journal，2012，32（6）：961-980.
[32]VARELA-NEIRA C，VáZQUEZ-CASIELLES R，IGLE SIAS V. The effects of customer age and recovery strategies in a service failure setting[J].Journal of financial services marketing，2010，15（1）：32-48.
[33]CARSTENSEN L L，ISAACOWITZ D M，CHARLES S T. Taking time seriously：a theory of socioemotional selectivity[J].The american psychologist，1999，54（3）：165-181.
[34]BOUGIE R，PIETERS R，ZEELENBERG M. Angry cus tomers don’t come back，they get back：the experience and behavioral implications of anger and dissatisfaction in ser vices.[J].Journal of the academy of marketing science，2003，31（4）：377-393.
[35]杨德锋，王新新.价格促销对品牌资产的影响：竞争反应的调节作用[J].南开管理评论，2008，11（3）：20-30.
[36]朱华伟，黄敏学，符国群.价格促销为何只能带来人气而没有买气[J].经济管理，2010，32（1）：86-91.
[37]韩巍，席酉民.关系：中国商业活动的基本模式探讨[J].西北大学学报（哲学社会科学版），2001（1）：43-47.
[38]YAU O H M，LEE J S Y，CHOW R P M，et al. Relation ship marketing the chinese way[J].Business horizons，2000，43（1）：16-24.
[39]徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究[J].中南民族大学学报（自然科学版），2013（2）：100-105.
Factors Driving Customer Win-back for E-commerce Enterprises
——A Logistic Regression Analysis Based on the Field Survey Data LI Jing-qiang1and LIU Feng-jun2
（1. Beijing Wuzi University，Beijing101149，China；2.Renmin University of China，Beijing100872，China）
Abstract：With the rapid development of online consumption in China，competition among e-commerce enterprises has become more fierce；win-back of lost customer，the important content of Customer Relation Management （CRM），has become the hot issue in e- commerce enterprises’CRM. Based on 451 field survey questionnaires data and the logistic regression analysis，it is found that：the lost customers’demographic characteristics，the first-lifetime experiences and behaviors，the reason for defection，and the nature of the win-back offer are all related to the likelihood of their reacquisition. The results also show that：young，highly educated male customers are more likely to be won back，while female customers with high income are harder；customers with longer first-lifetime experience，longer stay time，and longer break-in period will be easier to be won back；and price promotion and relationship investment strategy is still effective to the win-back of lost customers. To better improve CRM and improve the performance of customer win-back，we should，first，further improve customer related material in CRM database，do a better job in customer profile related Big Data；second，we should establish the perfect data management system，and carry out periodic win-back activities；third，we should divide lost customers into different classes，and adopt the suitable strategies；and fourth，we should continuously improve commodity and service quality based on the essence of consumption upgrading.
Key words：e-commerce enterprises；customer defection；customer win-back；win-back offer；Logistic Regression Model
关键词：电商企业；顾客流失；顾客赢回；赢回策略；Logistic回归模型
中图分类号：F713.50文献标识码：A文章编号：1007-8266（2018）06-0094-11
一、引言
每一次零售业态的转型都意味着市场竞争的加剧，自电商零售业态兴起至今电商零售企业在顾客忠诚方面的竞争已经进入白热化阶段。有数据显示，我国主要的购物网站顾客流失率最高达到37.5%，最低为7.2%[ 1 ]。顾客流失意味着生存危机，顾客忠诚与保留一直都是顾客关系管理（Cus tomer Relationship Management，CRM）研究领域的重点课题[ 2 ]，也是企业管理实践的难点。顾客关系管理涉及开发新顾客、保留现有顾客、重新赢回流失顾客三个部分[ 3 ]。其中，顾客赢回（Customer Win-back）指企业与那些明确提出结束业务关系的顾客重新建立关系[ 4-6 ]，或企业重新激活与已流失顾客关系的过程[ 2，7 ]。有研究表明，企业对现有活跃顾客的再销售概率为60%～70%，对流失顾客的再销售概率为20%～40%，而对新顾客的再销售概率仅为5%～20%[ 8 ]。由于现有活跃顾客其实际绩效亦存在差异，而被赢回顾客不仅其价值比普通老顾客①更高，且顾客价值波动更小[ 4，9-10 ]，因此有关流失顾客赢回的研究逐渐成为顾客关系管理领域关注的热点和重点[ 4，7，11-12 ]。不过，现有研究多为基于传统营销情境的分析，有关互联网背景下我国迅猛发展的电商零售企业流失顾客赢回的研究还比较少。
网络购物源于国外，兴于国内，我国自2014年起就超过美国成为全球最大的网络零售市场，2017年我国网上零售额更是高达71 751亿元[ 13 ]。本文以国内消费者为样本，基于行为主义学习理论构建研究模型，并通过田野调查方法收集数据研究电商零售企业顾客赢回驱动因素。其理论价值在于弥补现有互联网情境下顾客关系管理理论缺口，其实践价值在于为目前正处于激烈竞争中的电商零售企业提供更有针对性的流失顾客赢回管理策略，同时为国外电商企业更好地进行顾客关系管理提供借鉴。
二、文献回顾与研究模型
（一）顾客流失与流失原因
顾客流失与顾客保留是一个问题的两个方面，企业的目标总是顾客保留的最大化与顾客流失的最小化。在英文文献中，顾客流失一词存在多种解释，或者指顾客产生了放弃与当前供应商继续交往的意图，并将这种意图付诸行动[ 14-15 ]，或者指顾客停止惠顾某个特定供应商的经济现象[ 16 ]。
斯特劳斯（Stauss B）等[ 6 ]认为，有效的顾客赢回需要企业追溯顾客流失的原因。托克曼（Tok man M）等[ 10 ]指出，顾客流失的原因是预测顾客接受赢回策略可能性的重要变量，可为赢回决策提供最具价值的判断依据[ 4 ]。企业管理者可以根据这些原因很好地对流失顾客进行分类，比如被推走的顾客、非故意推走的顾客、被拉走的顾客、见异思迁的顾客、迁移的顾客等[ 17 ]。当然，并非所有流失的顾客都值得被赢回，从顾客赢回的价值来看，只有那些被拉走和非故意推走的顾客才是值得赢回的，即从顾客流失的原因看，只有那些因对服务不满或遭遇服务失败以及竞争对手提供更高价值而流失的顾客才值得被赢回[ 6 ]。
为便于分类和研究，库马尔（Kumar V）等[ 4 ]将顾客流失的原因分为与商品（或服务）相关、与价格相关、与商品（或服务）和价格同时相关三类，且其实证分析发现，单纯因价格因素流失的顾客被赢回的概率最高，其次是单纯因商品（或服务）因素流失的顾客，因价格和商品（或服务）双重因素流失的顾客被赢回的可能性最低。托克曼等[ 10 ]也发现，不同原因所造成的顾客流失会影响赢回策略的有效性，只有当流失原因与价格相关时，具有吸引力的价格才能对赢回产生更大的影响。此外，皮克（Pick D）等[ 7 ]按照流失顾客对与原供应商终止交易缘由的归因进行分类，将之分为企业失误原因所造成的交易终止和顾客自身原因所造成的交易终止两类，但其研究结果并未显示该因素对流失顾客的常规赢回意愿②具有显著影响，反而是流失顾客对导致交易终止原因的稳定性和可控性归因具有显著的负向和正向影响。
考虑到本文研究的情境和对象是电商零售企业，从管理实践的角度出发，借鉴库马尔等[ 4 ]有关顾客流失原因的分类，将导致流失的原因分为单纯的价格原因、单纯的商品（或服务）原因以及价格和商品（或服务）双重原因三類。
（二）企业赢回策略
赢回策略内容本身也会影响顾客重返企业的可能性[ 4 ]。赢回策略（Win-Back Offer）指企业为赢回流失顾客所采取的营销手段和工具[ 18-19 ]，对顾客而言所有赢回策略均意味着能够产生附加价值，只有如此他们才会选择重新建立与企业的联系[ 4 ]，正如托克曼等[ 10 ]所指出的那样，在吸引流失顾客重新回归先前服务商的努力中，流失顾客所感知到的赢回策略的总价值决定着顾客赢回的绩效。 这些策略主要包括价格促销和关系投资两类，大多从服务补救策略演化而来。其中，价格促销指经销商或渠道参与者在某个特定时期通过降低某种商品的价格或者增加相同单价下的商品数量来进行营销的一种手段[ 20 ]，包括价格折扣、降价、优惠券、赠品促销、捆绑式促销等内容；关系投资指企业通过投入大量的时间、精力甚至金钱等资源，设法越过关系门槛，取得顾客信任与情感依附，进而在企业与顾客之间建立关系纽带并达成长期合作，包括沟通、赠送礼品、移情、投其所好等内容[ 21 ]。
研究发现，对价格敏感型顾客而言，价格促销是一项有效的赢回策略[ 2，10，18，22-23 ]，具有吸引力的价格能够显著正向影响顾客赢回意愿，特别是在顾客受价格因素影响而流失的情况下作用更显著[ 10 ]，且价格促销对顾客在第二生命周期阶段的存续时长和每月赢利性具有显著正向影响[ 4 ]。不过，通过价格促销策略赢回的顾客对价格比较敏感，对企业信任度较低，情感依附较弱，对企业做出算计性承诺的可能性较高[ 14，23 ]，价格促销策略与绩效相对较差且不稳定的企业绩效显著正相关，容易导致企业绩效相对较差且不稳定[ 24 ]。这说明，尽管价格促销在赢回流失顾客方面是一把利器，但这把利器是“双刃”的。
成功的赢回策略并非仅仅依靠财务或非财务性支出，赢回活动过程中与流失顾客的互动同样具有较为明显的作用。研究发现，与价格促销策略相比，关系投资策略既能更加显著地增强顾客对企业的信任感和情感依附，降低价格敏感度，也能更好地促使顾客对酒店做出情感性承诺，使态度忠诚度和行为忠诚度显著提高[ 14 ]，采用关系投资策略赢回顾客的满意度和购买份额比采用价格促销策略赢回顾客的满意度和购买份额更高[ 22 ]。当然，如果企业能够提供价格促销与服务升级相结合的赢回组合策略，其效果将更加显著[ 4 ]。总之，企业在顾客赢回服务方面的努力越多，顾客在第二生命周期阶段的存续时间越长[ 11 ]。
考虑到国内电商零售企业竞争中存在的“双十一”等现象，本研究将价格促销和关系投资作为重点关注的赢回策略。
（三）先前消费特征
一般情况下，顾客购买时间越临近、购买频率越高、所支付的货币价值越大，就越有可能对随后的交易产生喜爱[ 25 ]，以先前交易数量衡量的产品体验正向影响顾客重复购买的可能性[ 26 ]。在顾客赢回背景下，流失顾客首个交易期的购买体验及行为（抱怨、服务补救、推荐行为、交叉购买行为、服务使用宽度或深度等）决定了其能否确信重新回归先前的服务商是一项明智的选择。
在已有文献中，研究者从不同侧面研究了流失顾客先前消费特征对赢回可能性的影响。托马斯（Thomas J S）等[ 2 ]的研究发现，以流失顾客在该服务商先前任期（Prior Tenure）的关系时长衡量的先前体验及流失顾客断档期时长（The amount of time elapsed since the last purchase or the length of the lapse）对赢回机会具有显著影响，流失顾客断档期时长越短或者先前任期关系时长越长，流失顾客被赢回的概率就越高。与之类似，霍姆堡（Homburg C）等[ 5 ]以流失顾客先前任期关系时长和对关系的整体满意度作为衡量其与企业关系的特征研究了流失顾客与先前服务商关系特征对赢回绩效的影响，发现流失顾客对先前任期关系的整体满意度显著正向影响赢回绩效，而关系时长尽管不显著但负向影响赢回绩效。但托克曼等[ 10 ]的研究发现，流失顾客断档期时长对赢回意愿没有显著影响。此外，库马尔等[ 4 ]采用电信企业交易数据和调查数据对先前任期消费行为与体验、断档期时长与赢回可能性进行了更加详尽的研究，结果却发现流失顾客先前任期推荐的顾客越多，接受服务补救的次数越多，断档期时长越长，其被赢回的可能性越大。
由以上研究可以发现，影响流失顾客被赢回的先前消费行为因素较多，且结论各不相同，说明流失顾客先前消费的影响因素较为复杂，在流失顾客赢回过程中不能采用简单的“拿来主义”。考虑到本研究电商情境及管理实践的需要，选取流失顾客先前任期关系时长、断档期时长以及先前任期行为黏性作为先前消费特征变量。其中，行为黏性指顾客承诺会再次使用网站，坚持重复访问并使用同一网站[ 27 ]或者用户投入到网站上的个人时间、精力与长久关注力[ 28 ]。
（四）流失顾客的统计变量特征
除上述因素外，流失顾客的人口统计变量同样会对赢回绩效产生影响。其中，顾客的性别、年龄[ 4-5，10 ]以及收入水平、受教育程度[ 4 ]是研究者比较关注的变量。研究发现，与女性流失顾客相比，男性流失顾客被赢回的概率更高[ 4，10 ]。不过，在流失顾客年龄对赢回可能性的影响方面存在不同的结论，如霍姆堡等[ 5 ]发现随着年龄的增加被赢回的概率提高，而库马尔等[ 4 ]却发现年龄增加会降低其被赢回的概率，但对重新建立关系后的存续时长和每月赢利性具有显著正向影响。在收入水平和受教育程度方面，随着流失顾客收入水平和受教育程度的提高，赢回绩效会相应提升[ 4-5，10 ]，因此本文认为，收入水平和受教育程度也对赢回绩效具有显著正向影响。
综合上述分析，根据行为主义学习理论的刺激→反应范式构建本文概念模型。具体参见图1。
三、研究设计与数据分析
（一）变量测量
对于顾客流失原因的测量，借鉴库马尔等[ 4 ]的方法，直接询问被调查对象离开该电商企业结束交易的原因，让他们在单纯的价格因素、单纯的商品（或服务）因素、价格与商品（或服务）双重因素中选择。对于价格促销赢回策略的测量，采用唐小飞等[ 14，23 ]的三项测量指标，询问被调查对象在断档流失期对下面三项描述的同意程度：一是为恢复我们之间的交易关系，该电商企业向我提供很多价格优惠（如优惠券、价格折扣等）；二是为恢复我们之间的交易关系，该电商企业向我提供的商品价格低于其竞争对手；三是为恢复我们之间的交易关系，该电商企业向我提供的商品价格低于其过去的价格。对于关系投资赢回策略的测量，采用唐小飞等[ 14 ]、史密斯（Smith J B）等[ 21 ]使用的五项测量指标，询问被调查对象在断档流失期对下面五项描述的同意程度：一是为恢复我们之间的交易关系，该电商企业投入大量的时间和精力来维持我们的关系；二是为恢复我们之間的交易关系，该电商企业所做的工作始终把我的利益和感受放在重要位置；三是该电商企业很在意与我之间的关系，为恢复我们之间的交易关系会做一些让我开心的事情或活动；四是该电商企业总能记住一些与我有关的特殊日子，给我寄送贺卡或以其他方式表示祝贺；五是该电商企业会就线上销售存在的问题与我交流，还通过电子媒介（如邮件、公众号等）或电话方式联络感情。上述所有测项均采用李克特七级量表，其中“1”表示非常不同意，“2”表示很不同意，“3”表示有点不同意，“4”表示不确定，“5”表示有点同意，“6”表示很同意，“7”表示非常同意。 在流失顾客先前消费特征变量中，对于先前任期关系时长的测量，借鉴库马尔等[ 4 ]、霍姆堡等[ 5 ]的指标，通过直接询问被调查对象终止到该电商企业消费前已经在该电商企业持续消费的时间，让他们在6个月以内、6～<12个月、1～<2年、2～<3年、3年及以上五个选项中选择。对于断档期时长的测量，借鉴托克曼等[ 10 ]、托马斯等[ 2 ]的方法，通过询问被调查对象自终止在该电商企业消费至再次到该企业消费（或至今）持续的时长，让他们在6个月以内、6～<12个月、1～<2年、2～<3年、3年及以上五个选项中选择。对于该顾客在先前任期的行为黏性，借鉴董晓舟[ 29 ]的方法，用顾客对该电商企业的平均访问次数和在电商网站上浏览购物的时长来衡量，即询问被调查者与该电商企业终止交易之前平均每月到该电商网站购买商品或服务的次数及其在该企业网站购买商品或服务平均每次停留的时长，让被调查者在3次及以内、4～6次、7～9次、10～12次、12次以上和15分钟以内、16～30分钟、31～45分钟、46～60分钟、1小时以上中选择。
对于性别、年龄、受教育程度和收入水平等控制变量的测量，采用问卷调查的通行做法进行设计。
（二）数据收集
为收集数据，作者通过网上调查的方式设计问卷，首先针对被调查者的网上消费经历，让他们选择有还是没有在某电商企业购买过商品或服务。其中，相关电商企业主要指京东、唯品会、亚马逊等大家常见的企业，由网站在研究者提供的電商企业集合中随机抽取。如果被调查者选择“没有”，则该调查结束；如果被调查者选择“有”，则调查继续进行。接下来，针对被调查者过去的消费经历，继续让他们选择有还是没有停止过在该电商企业（指上一个问题提到的电商企业）购买而转去其他电商企业购买。如果选择“没有”，则直接跳转到人口统计变量题项进行填写；如果选择“有”，则继续填写本研究剩余的其他题项。
调查抽样采用便利随机抽样的方式进行，从2016年6月到9月经历了三个月的时间，通过研究者的同学、朋友、亲属等人脉关系，以“滚雪球”的方式开展问卷调查。为防止被调查者多次填写，在填写设置上采用单个IP地址及单个客户端仅能填写一次的方式，最后共计收到有效问卷1 081份。
（三）样本信息
在收回的1 081份问卷中，在淘宝上购买商品或服务的为367份，占总样本数量的34.0%，占比最高；在京东上购买商品或服务的为288份，占总样本数量的26.6%，排第二位；接下来是天猫和亚马逊，分别是152份和116份，占比为14.1%和10.7%；然后是1号店、唯品会和当当网，分别是33份、26份和23份，占比为3.1%、2.4%和2.1%；最后是一些总数为个位数的网站，如聚美优品、我买网等36个电商企业。从调查数据可以看出，线上购买的便利性使消费者可以在诸多电商企业中自由选择，这与商务部公布的2015年中国网络零售市场B2C渠道品牌商分布占比基本一致，阿里系和京东占我国网络零售市场的3/4。
在1 081个有效样本中，首先删除从未离开过该电商企业的最为忠诚的初始顾客287个，占总样本数量的26.5%。在剩余样本中，借鉴皮克等[ 7 ]的研究，以6个月为标准③划分流失顾客，将断档期时长在6个月以上的顾客称为电商企业流失顾客，将断档期时长在6个月以内的顾客称为摇摆型顾客，共计343个，占总样本数量的31.7%。这样，在所调查的1 081个样本中，共计有451个流失顾客，其中有242个顾客后续又回到先前的电商企业消费，再销售率为53.7%，高于传统销售情境下流失顾客20%～40%的再销售率[ 6 ]。
在451个分析样本中，男性有204个（占45.2%）；年龄在24岁以下的有59个（占13.1%），25～34岁的有167个（占37.0%），35～44岁的有99个（占22.0%），45～54岁的有75个（占16.6%），55岁及以上的有51个（占11.3%）；受教育程度为高中、中专及以下的有122个（占27.1%），大专的有153个（占33.9%），大学本科的有149个（占33.0%），硕士及以上的有27个（占6.0%）；月收入水平为3 000元及以下的有124个（占27.5%）， 3 001～6 000元的有201个（占44.5%），6 001～9 000元的有81个（占18.0%），9 001～12 000元的有24个（占5.3%），12 000元以上的有21个（占4.7%）。
（四）实证分析
由于价格促销赢回策略与关系投资赢回策略采用的是已有量表，该量表的克隆巴哈α系数（Cronbach’sα）为0.838，验证性因子分析模型的拟合指数RMSEA为0.096，所有测量指标的标准化载荷均在0.70以上，χ2/df为4.28，NFI为0.935，CFI为0.949，说明量表具有良好的信度和效度，因此根据温忠麟等[ 30 ]的建议，在后续实证分析中可以用量表分进行“化潜为显”。各变量描述性统计及相关系数可参见表1。
为检验传统商业情境下赢回策略的有效性以及流失顾客赢回的影响因素，本研究使用二元Lo gistic回归进行检验。为检验各因素的影响，在Lo gistic回归方程中进行逐步回归，首先在模型1（M1）中考虑控制变量，其次在模型2（M2）中考虑先前消费特征的影响，即考虑先前任期关系时长及消费行为黏性，再次在模型3（M3）中考虑断档期时长的影响，然后在模型4（M4）中考虑流失原因的影响，最后在模型5（M5）中检验赢回策略的影响。最终回归结果可参见表2。
在回归模型的最大似然比检验中，卡方值均在p<0.001的水平上显著，说明回归方程有效。同时，随着考察变量的增多，模型中的Nagelkerke R2显示，方程对被解释变量（顾客赢回）方差变异的解释程度由9%逐渐增加到62.5%，说明本研究考察的变量能够较好地对流失顾客赢回行为进行解释。 具体而言，由M1和M5可以看出，流失顾客被赢回的概率与性别（β=-0.928，p<0.01）、年龄（β=-0.355，p<0.01）和收入水平（β=-0.320，p<0.05）存在显著的负相关关系，而与受教育程度（β=0.470，p<0.01）存在显著的正相关关系。这说明，在流失顾客赢回过程中，女性流失顾客要比男性流失顾客更难赢回，而随着流失顾客年龄的增加和收入水平的提高，流失顾客被赢回的可能性逐渐降低，不过受教育程度高的流失顾客更容易被赢回。
对比模型2和模型5可以发现，在先前消费特征中（即第一生命周期中），流失顾客在该电商企业消费的时间越久，即先前交易关系存续时间（β=0.890，p<0.01）越长，其被赢回的可能性就越大，但在行为黏性方面需要注意的是，第一生命周期月平均消费次数的作用不稳定，由模型2的0.233（p<0.05）变为模型5的-0.006，且不显著。不过，与平均每次消费在电商企业停留的时间长度却显著正相关，随着流失顾客每次消费停留时间（β= 1.040，p<0.01）的延长，其被赢回的可能性逐渐增加，但顾客流失断档期时长（β=-0.392，p<0.05）越长，顾客被赢回的可能性就越小。
在流失原因与赢回策略上，由模型4和模型5可以看出，与其他原因相比，单纯因价格因素（β=1.400，p<0.05）流失的顾客被赢回的可能性更大，其次是因价格和商品（或服务）双重因素（β=1.049，p<0.05）流失的顧客，而单纯因商品（或服务）因素（β= 0.518，p=0.341）流失的顾客被赢回的可能性不显著，换言之，单纯因商品（或服务）因素流失的顾客很难被赢回。电商零售情境下，价格促销策略（β=1.074，p<0.01）和关系投资策略（β=0.715，p<0.01）对流失顾客赢回效果显著，对流失顾客实施价格促销策略和关系投资策略均可显著提高其被赢回的可能性。
四、主要结论与管理启示
（一）结论与讨论
随着网上消费在我国的蓬勃发展，电商零售企业之间的竞争愈演愈烈。比如，2012年8月爆发了史上最为高调的电商价格战，而电商行业创造的每年一次的“双十一”购物狂欢节更是将对顾客的争夺推向了高潮。除“双十一”外，各大网站结合店庆、商品特色设置的顾客关怀节更是层出不穷，如京东超市的蝴蝶节、苏宁易购的闺蜜节等，无不说明顾客流失与赢回已经成为电商企业顾客关系管理中最为重要和普遍的工作。本研究基于对利用田野调查方法收集的1 081个样本数据的分析得出，电商企业顾客流失率为41.7%，而对这些流失顾客样本进行Logistic回归可以确定顾客赢回的影响因素以及传统赢回策略在电商情境下的有效性。具体结论如下：
1.人口统计变量对流失顾客赢回可能性具有显著作用，顾客赢回需要识别流失顾客特征
首先，相对于男性流失顾客而言，女性流失顾客更难赢回。与传统情境下的研究结论[ 4 ]一致，从电商企业流失顾客性别（β=-0.928，p<0.01）来看，女性顾客一旦流失，其被赢回的可能性将低于男性顾客。顾客性别差异效应在零售情境下已经得到证实。一般而言，女性比男性具有更高的购物热情，在购物过程中会对购买决策付出更多的努力，因此在购物活动中女性比男性的卷入程度要高很多[ 31 ]，一旦决定离开某个电商企业转而投入竞争对手的“怀抱”，该决策一定是深思熟虑的结果，先前的电商企业想要赢回是非常困难的。这从另外一个方面说明，在电商零售企业顾客关系管理中，要特别关注女性顾客的变化，以防止其流失。
其次，年龄在流失顾客赢回过程中具有重要作用，随着年龄的增长，流失顾客被赢回的可能性降低。在现有的顾客赢回研究中，关于年龄作用的结论并不一致。本研究结论支持库马尔等[ 4 ]的结论，而与霍姆堡等[ 5 ]的结论相反，即流失顾客年龄（β=-0.355，p<0.01）越小，越有可能被赢回。在服务失败补救情境下，年龄发挥着重要作用[ 32 ]。社会情绪选择理论认为，随着年龄的增长，人们不仅可以更好地调节和控制自己的情绪，而且情绪所扮演的角色也会日趋重要。老年人更关注自己的情绪状态并会在社会互动中优先考虑情感目标，而年轻人则更多地被追求知识驱动，并将更多精力用于规划和分析，即使其需要压抑情绪[ 33 ]。对流失顾客而言，无论出于何种原因与先前的电商企业终止交易关系，都意味着负面情绪被激活，且年长顾客的情绪强度要比年轻顾客的更大，对此也看得更重。由情绪引发的事件必然被考虑并以某种方式影响人们的行为[ 34 ]，因此在赢回阶段，年龄越大，受先前情绪影响越严重，越不容易被赢回。
最后，流失顾客受教育程度（β=0.470，p<0.01）越高，其被赢回的可能性越大，但随着收入水平（β=-0.320，p<0.05）的提高，其被赢回的可能性降低。在受教育程度上，随着流失顾客受教育程度的提高，其知识结构、能力水平也会随之提高，对互联网消费的认知能力更强，因此当先前的电商企业提供赢回策略时，流失顾客受教育程度越高，其对自己是否重新回归先前电商企业的决策就越有信心。该结论支持库马尔等[ 4 ]的观点。在收入水平上，随着流失顾客收入水平的提高，其被赢回的可能性反而会降低。这可能是因为，对收入水平高的流失顾客而言，一旦其由于某种原因与先前的电商企业断开了交易关系，就会去寻找更好的电商企业来满足自己的购物需要，而新的电商企业所提供的更高质量的商品或者更好的服务会进一步推动产生对比效应，降低其被赢回的可能性。
2.先前消费特征与断档期时长是影响顾客赢回的重要因素
首先，流失顾客第一生命周期（即先前任期）关系时长（β=0.890，p<0.01）越长，其被赢回的可能性越大。也就是说，顾客流失之前与电商企业建立交易关系的时间越久，越容易被赢回。该结论与托马斯等[ 2 ]、库马尔等[ 4 ]的结论一致，也即流失前关系时长的增加会使顾客对电商企业更加熟悉和忠诚，可以提高顾客对网站的信任，并由此带来更高的赢回绩效[ 5 ]。此外，在较长的关系存续期间，顾客可以获得更多的消费体验，对该电商企业的交易环境、交易过程更加熟悉，从而能够降低顾客被赢回的学习成本，增加顾客被赢回的可能性。 其次，顾客行为黏性中的月平均购物频率（β=-0.006，p=0.964）对赢回可能性的影响不显著，但每次购物在电商网站停留的时长（β=1.040，p< 0.01）却对赢回可能性具有显著的正向影响。该结论与皮克等[ 7 ]采用订阅顾客在第一生命周期的试订阅数量、库马尔等[ 4 ]采用电信顾客在第一生命周期的顾客推荐数量来衡量先前关系特征相似，均表明先前任期行为黏性在顾客赢回可能性方面具有显著的正向预测力。这说明，随着顾客在第一生命周期黏性的增加，其被赢回的可能性越来越大。但需要注意的是，传统零售情境下主要基于RFM模型中的消费频率（Frequency）来衡量客户价值与客户创利能力，而在电商情境下特别是电商零售企业流失顾客赢回管理中，其作用不再显著，反而是顾客每次消费在电商网站停留的时长起到了显著作用。这种情况的出现可能是因为，电商情境下顾客惠顾电商企业所付出的时间和精力成本要远远低于线下去传统零售商店的成本，结果导致顾客尽管在该电商企业进行了消费，却对该电商企业并不熟悉或投入了解的精力很少，企业卷入度低，而顾客每次消费在该电商网站停留的时间越久，无论是出于商品比较还是其他方面的原因，都说明其在该网站上投入了更多的精力，企业卷入度增加，流失后赢回的可能性提高。
最后，顾客流失后断档期时长（β=-0.392，p< 0.05）越长，越难以被赢回。这与先前的研究结论基本一致，说明随着顾客流失时间的增加，其对先前电商企业的熟悉度和忠诚度均会降低，从而降低其被赢回的可能性，产生负向影响。
3.单纯因价格因素流失的顾客更容易被赢回，价格促销与关系投资仍然是有效的赢回策略
首先，与其他因素相比，单纯因价格因素（β= 1.400，p<0.05）流失的顧客、因价格和商品（或服务）双重因素（β=1.049，p<0.05）流失的顾客具有显著的被赢回的可能性。当前，电商企业的流失顾客依然被认为是价格敏感型，因此只要能够在价格上使顾客获利或者提供比竞争对手更低的价格、更多的赠品，流失的顾客就可以比较容易地被赢回，即价格促销策略（β=1.074，p<0.01）仍然是赢回流失顾客的有效手段。
但值得注意的是，随着网上比价系统的日益透明化和自动化，电商价格促销策略的影响力可能会逐渐变小。究其原因，一是这容易让消费者认为价格折扣是企业应当提供的基本服务，如果没有价格折扣就会被归因于企业运营能力不够；二是对流失顾客而言，价格折扣活动过多有可能使之对赢回产生一定的预期，如未来还有更多机会享受被赢回的价格折扣，从而削弱价格促销策略的赢回效果；三是由参考价格理论可知，价格促销会影响消费者下次购买的价格预期，进而会降低消费者购买的可能性和品牌忠诚度[ 35 ]。随着价格促销策略运用范围的日益扩大以及折扣幅度的不断增加，无论从商业实践还是学术研究中均可发现，这种价格促销的效果在减弱[ 36 ]。可见，尽管价格促销策略在本研究中具有非常显著的作用，但企业管理者在实践应用中仍然需要谨慎对待。
其次，与单纯因价格因素流失的顾客相比，单纯因商品（或服务）因素（β=0.518，p=0.341）流失的顾客很难被赢回。这说明，电商企业一旦因为商品（或服务）出现问题而导致顾客流失，那么企业将很难在之后的工作中将其赢回，也即从对流失顾客的伤害程度来看，商品（或服务）因素的影响更大。从实践来看，这很好地解释了前些年网购商品正品率不及半数，而如今越来越多的电商企业加入“杜绝假货、保障正品”行列的原因。
最后，相对于实体零售企业，尽管电商企业缺少顾客与店员面对面的接触和沟通，但关系投资策略（β=0.715，p<0.01）仍然是赢回顾客的不二法宝。这是因为，我国是一个重视关系的人情社会，关系是我国商业活动的基础[ 37 ]，在社会中居于显著地位。无论是特殊日期的礼品赠送还是平时的互动沟通，都代表着电商企业对顾客的良好祝愿和尊重，都能获得顾客的好感并借此构建一条长期的社会纽带[ 38 ]，从而可以更好地赢回流失顾客。
（二）管理对策
上述结论对电商企业在竞争激烈的市场中开展流失顾客管理具有非常重要的启示。为更好地改善顾客关系管理工作，提高顾客赢回绩效，可从以下几个方面入手：
第一，进一步完善顾客关系管理库中的消费者资料，做实顾客画像的“大数据”资源。电商企业在初创期为追求市场规模和流量，疯狂地“跑马圈地”，把主要精力放到了线上获客的数量规模上，对顾客基本结构性信息缺乏关注，导致会员基本资料不完整。电商企业发展至今尽管已经沉淀了PB级甚至EB级的交易数据，但在会员的性别、年龄、受教育程度、婚姻状况、职业等信息方面仍然存在欠缺，以至于在进行千人千面的精准营销时难以有效发挥作用。因此，企业可以通过举办“完善个人资料、助力会员成长”的活动，鼓励会员完善个人基本信息，给予积分奖励、会员级别提升或代金券等货币激励。需要完善的数据资料除上文提到的人口统计特征等客观数据外，还可重点收集人格特质、兴趣爱好、品牌倾向、消费方式等主观数据。而在消费行为数据方面，可从交易类（如搜索记录、浏览记录、购买记录等）、客服记录类、退货投诉类、评价传播类等方面入手收集结构性或非结构性数据。特别需要注意的是，记录并积累顾客消费浏览足迹比分析顾客购买次数更有价值，因为这些数据不仅可以在顾客画像上发挥作用，而且可以在顾客流失时作为顾客赢回识别的关键指标，为企业提供有效参考。
第二，建立完备的数据管理体系，定期开展流失顾客赢回活动。本文结论显示，只要采取有针对性的赢回策略，就可以有效赢回流失顾客，因此电商企业顾客关系管理数据库中的流失顾客信息实际上是一种价值巨大的资源。有研究表明，通过外部投资获取一个新顾客的净收益率为23%，而投资流失顾客的净收益率为214%，是投资新顾客收益率的近10倍[ 5 ]。与此同时，电商获客成本已经从疯狂生长年代的平均每位顾客几角到几元钱发展到了现在的几十到几千元，因而流失顾客资源显得更加重要。统计数据表明，电商企业数据利用率一般不足5%[ 39 ]，顾客数据作为电商核心资源的商业价值尚未得到深入挖掘。因此，为充分利用这些资源，电商企业亟需建立包括数据来源层、收集层、组织层、分析层、应用层等在内的立体式管理体系，特别是打造一支技术精湛的数据挖掘分析师队伍，定期对企业数据库中的顾客数据进行分析，根据顾客画像设计具有针对性的赢回策略，开展赢回活动，提高核心资源利用率。 第三，對企业赢回活动应进行分类管理。本研究显示，那些年轻、受教育程度高、与企业建立交易关系时间较长、离开时间较短、每次购物在网站停留时间较久的男性顾客更容易被赢回，因此在对流失顾客进行赢回时应以这些顾客为重点。此外，对于流失原因不同的顾客，要采取不同的赢回策略。比如，对单纯因价格因素流失的顾客，要尽量采用价格促销策略；对单纯因商品（或服务）因素流失的顾客，要采取关系投资策略。同时，在针对现有活跃顾客的保留工作中，应当面向收入水平高的女性顾客做好日常维系工作，以防止她们成为流失顾客。
第四，紧扣消费升级本质，不断提高商品和服务质量。随着人民对美好生活需要的日益增长，消费诉求不断提升，而商品和服务质量作为顾客最看重的因素，必将成为电商企业的核心竞争力。这是因为，如果因企业商品或服务出现问题而导致顾客流失，那么赢回时就需要花费更多的投资。因此，电商企业应当加强运营监管，通过与供应商、制造商建立信息共享机制等，确保所销售商品的正品率，如京东就制定了积分管理制度、主动巡查制度和神秘购买制度三项制度来杜绝第三方商家销售侵权商品等。同时，也要在服务方面加强投资，多样化、全方位与顾客加强互动沟通，特别是利用当前的微信、微博等移动客户端从顾客订单信息、投诉处理、促销信息等方面入手进行及时有效的沟通。此外，还要设计全方位的关系投资策略，除在企业周年或会员特殊日为流失顾客寄送贺卡、小礼物外，还可通过举办企业开放日活动（或企业再认知活动）邀请重点流失顾客到企业参观并参加活动，给予一定的物质奖励，重建企业在流失顾客心目中的形象并加强情感维系，强化流失顾客赢回管理工作。
五、局限与展望
本研究通过调查数据实证分析了电商情境下顾客赢回的影响因素以及赢回策略的有效性，但仍然存在不足之处，有待进一步研究完善。
首先，本文使用的是田野调查数据，尽管通过一系列设计确保了测量的科学性，但从有效性和完整性上看，仍然不能替代电商企业顾客关系管理数据库中的顾客交易数据，因此在未来条件允许的情况下，可与某一电商企业合作，利用完整的交易数据来分析并验证上述结论。
其次，本研究所考察的顾客赢回影响因素都是客观因素（如人口统计变量）或者对客观变量的调查数据（如断档期时长等），尚未涉及流失顾客主观变量，如顾客对流失前消费体验的整体评价（满意度）、顾客自身需求的多样性和公平感等，未来可围绕主观变量影响进行更为深入的研究和探索。
最后，尽管本文对顾客赢回影响因素和赢回策略有效性进行了识别，但并未对顾客赢回机制进行分析和说明，企业赢回策略、顾客主观变量等如何在顾客流失过程中发挥作用，未来研究可进行更加科学的分析和论证。
注释：
①现有活跃老顾客由两部分组成，其中一部分是自与企业建立交易关系以来从未终止过的老顾客，被称为普通老顾客；另一部分是曾经终止过交易但后来因企业实施赢回策略而再次建立交易关系的活跃顾客，被称为赢回顾客。
②常规回归意愿（General Willingness to Return，GWR）指先前服务商在未向流失顾客提供赢回策略时其回归该服务商的意愿，与赢回策略无关，也被称为顾客回归先前供应商的非条件意愿。
③尽管皮克等将划分流失顾客的断档期时长确定为12个月以上，但考虑到他们研究的对象是报刊订阅用户，具有以年为单位进行订阅的周期性规律，而对竞争白热化的电商企业而言，断档期时长超过6个月就已经是相对较长的时间了，因此本文将流失顾客断档期时长的标准确定为6个月。
参考文献：
[1]中国互联网络信息中心.2012年中国网络购物市场研究报告[R].（2013-04-17）[2018-03-05].http：//www.cnnic.cn/ hlwfzyj/hlwxzbg/dzswbg/201304/t20130417_39290.htm.
[2]THOMAS J S，BLATTBERG R C，FOX E J. Recapturing lost customers[J].Journal of marketing research，2004，41（1）：31-45.
[3]REINARTZ W，KRAFFT M，HOYER W D. The customer relationship management process：its measurement and im pact on performance[J].Journal of marketing research，2004，41（3）：293-305.
[4]KUMAR V，BHAGWAT Y，XI A Z. Regaining "lost" cus tomers：the predictive power of first-lifetime behavior，the reason for defection，and the nature of the win-back offer[J]. Journal of marketing，2015，79（4）：34-55.
[5]HOMBURG C，HOYER W D，STOCK R M. How to get lost customers back [J].Journal of the academy of marketing sci ence，2007，35（4）：461-474.
[6]STAUSS B，FRIEGE C. Regaining service customers：costs and benefits of regain management[J].Journal of service re search，1999，1（4）：347-361.
[7]PICK D，THOMAS J，TILLMANNS S，et al. Customer winback：the role of attributions and perceptions in customers’ willingness to return[J].Journal of the academy of marketing science，2016，44（2）：218-240. [8]GRIFFIN M，BABIN B J，ATTAWAY J S. Anticipation of injurious consumption outcomes and its impact on consumer attributions of blame[J].Journal of the academy of marketing science，1996，24（4）：314-327.
[9]李辉，李敬强，王克稳.老顾客的价值都一样吗 ——基于承诺—信任模型的异质老顾客保留意愿对比研究[J].经济管理，2012，34（3）：85-94.
[10]TOKMAN M，DAVIS L M，LEMON K N. The WOW fac tor：creating value through win- back offers to reacquire lost customers[J]. Journal of retailing，2007，83（1）：47-64.
[11]KUMAR V，LESZKIEWICZ A，HERBST A. Are you back for good or still shopping around investigating customers’repeat churn behavior[J].Journal of marketing research，2018，55（2）：208-225.
[12]THOMPSON H. Who stole my customer：winning strate gies for creating and sustaining customer loyalty[M].2版.北京：北京联合出版公司，2016：28-63.
[13]国家统计局.中华人民共和国2017年国民经济和社会发展统计公报[EB/EL].（2018- 02- 28）[2018- 03- 04].http：// www.stats.gov.cn/tjsj/zxfb/201802/t20180228_1585631.ht ml.
[14]唐小飞，狄强，郭洪.赢回策略对顾客忠诚行为影响的比较研究[J].科研管理，2009（6）：83-90.
[15]PING J R A. Some uninvestigated antecedents of retailer exit intention[J].Journal of business research，1995，34（3）：171-180.
[16]STEWART K. The customer exit process--a review and re search agenda[J].Journal of marketing management，1998，14（4）：235-250.
[17]GRIFFIN J，LOWENSTEIN M W. Winning back a lost cus tomer[J].Direct marketing，2001，64（3）：49.
[18]唐小飞，周庭锐，贾建民.CRM赢回策略对消费者购买行为影响的实证研究[J].南开管理评论，2009（1）：57-63.
[19]唐小飞，周庭锐，陈淑青.赢回策略对消费者行为影响的内在机理剖析[J].预测，2007（2）：14-19.
[20]RAGHUBIR P，CORFMAN K. When do price promotions affect pretrial brand evaluations [J].Journal of marketing re search，1999，36（2）：211-222.
[21]SMITH J B，BARCLAY D W. The effects of organizational differences and trust on the effectiveness of selling partner relationships[J].Journal of marketing，1997，61（1）：3-21.
[22]唐小飛，贾建民，周庭锐.关系投资和价格促销的价值比较研究[J].管理世界，2007（5）：73-82.
[23]唐小飞，周庭锐，陈淑青.价格促销与D&B忠诚模式关联实证研究[J].中国工业经济，2006（10）：121-128.
[24]唐小飞，周庭锐，陈淑青.厂商赢回策略对厂商绩效的影响[J].统计与决策，2007（4）：156-158.
[25]HUGHES R E. Respondents’ gender differences and disci plinary actions：beliefs as an antecedent variable in re search on attribution[J].Psychological reports，1996，79（3_suppl）：1 107-1 112.
[26]BOLTON R N，KANNAN R K，BRAMLETT M D. Impli cations of loyalty program membership and service experi ences for customer retention and value[J].Journal of the academy of marketing science，2000，28（1）：95-108.
[27]LI D，BROWNE G J，CHAU P Y K. An empirical investi gation of web site use using a commitment-based model[J]. Decision sciences，2006，37（3）：427-444. [28]HSI P L，MING R L. Demographic differences and the an tecedents of blog stickiness[J].Online information review，2010，34（1）：21-38.
[29]董曉舟.网络购物情境下的顾客行为黏性、消费动机与顾客价值的关系研究——基于随机概率模型的实证研究[J].营销科学学报，2015，11（1）：39-57.
[30]温忠麟，刘红云，侯杰泰.调节效应和中介效应分析[M].北京：教育科学出版社，2012：104-105.
[31]TELLER C，THOMSON J A. Gender differences of shop pers in the marketing and management of retail agglomera tions[J].Service industries journal，2012，32（6）：961-980.
[32]VARELA-NEIRA C，VáZQUEZ-CASIELLES R，IGLE SIAS V. The effects of customer age and recovery strategies in a service failure setting[J].Journal of financial services marketing，2010，15（1）：32-48.
[33]CARSTENSEN L L，ISAACOWITZ D M，CHARLES S T. Taking time seriously：a theory of socioemotional selectivity[J].The american psychologist，1999，54（3）：165-181.
[34]BOUGIE R，PIETERS R，ZEELENBERG M. Angry cus tomers don’t come back，they get back：the experience and behavioral implications of anger and dissatisfaction in ser vices.[J].Journal of the academy of marketing science，2003，31（4）：377-393.
[35]杨德锋，王新新.价格促销对品牌资产的影响：竞争反应的调节作用[J].南开管理评论，2008，11（3）：20-30.
[36]朱华伟，黄敏学，符国群.价格促销为何只能带来人气而没有买气[J].经济管理，2010，32（1）：86-91.
[37]韩巍，席酉民.关系：中国商业活动的基本模式探讨[J].西北大学学报（哲学社会科学版），2001（1）：43-47.
[38]YAU O H M，LEE J S Y，CHOW R P M，et al. Relation ship marketing the chinese way[J].Business horizons，2000，43（1）：16-24.
[39]徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究[J].中南民族大学学报（自然科学版），2013（2）：100-105.
Factors Driving Customer Win-back for E-commerce Enterprises
——A Logistic Regression Analysis Based on the Field Survey Data LI Jing-qiang1and LIU Feng-jun2
（1. Beijing Wuzi University，Beijing101149，China；2.Renmin University of China，Beijing100872，China）
Abstract：With the rapid development of online consumption in China，competition among e-commerce enterprises has become more fierce；win-back of lost customer，the important content of Customer Relation Management （CRM），has become the hot issue in e- commerce enterprises’CRM. Based on 451 field survey questionnaires data and the logistic regression analysis，it is found that：the lost customers’demographic characteristics，the first-lifetime experiences and behaviors，the reason for defection，and the nature of the win-back offer are all related to the likelihood of their reacquisition. The results also show that：young，highly educated male customers are more likely to be won back，while female customers with high income are harder；customers with longer first-lifetime experience，longer stay time，and longer break-in period will be easier to be won back；and price promotion and relationship investment strategy is still effective to the win-back of lost customers. To better improve CRM and improve the performance of customer win-back，we should，first，further improve customer related material in CRM database，do a better job in customer profile related Big Data；second，we should establish the perfect data management system，and carry out periodic win-back activities；third，we should divide lost customers into different classes，and adopt the suitable strategies；and fourth，we should continuously improve commodity and service quality based on the essence of consumption upgrading.
Key words：e-commerce enterprises；customer defection；customer win-back；win-back offer；Logistic Regression Model