从数据挖掘入手，做好客户价值管理

李洪涛

在经历20余年的快速发展后，我国电信业收入占GDP比重已经高于很多发达国家。根据在网客户计算，实际移动电话普及率已到达71％左右，远远超过全球53.1％的平均水平。按照当前的普及率发展趋势预计，2009年中国市场的实际移动电话普及率将到达80％左右，市场渐趋饱和，增量空间缩小。

根据2009年电信、联通对移动业务的发展目标计算，在移动市场收入增量中，两家要抢占近40％份额；在客户增量中，两家力图抢占超过50％的份额。2009年市场竞争必将进入白热化，复杂的竞争环境将为市场发展增加更多变数。

在这样的发展环境下，对客户资源的竞争已逐渐超越传统的产品竞争和服务竞争，成为移动通信业竞争的新焦点。在客户经济时代，如何科学地进行客户价值管理，成功地吸引新客户并保留忠诚的老客户，获得企业价值与客户价值的双赢协同效应，从而获取并保持市场竞争优势和持久竞争力，已成为移动通信企业必须面对的重要课题。

定义客户价值和客户价值管理

当前，中国移动通信业的客户价值管理工作还停留在起步阶段，各家公司和不同管理者对客户价值和客户价值管理的认识也存在一些偏差。因此，我们首先要对客户价值和客户价值管理准确定义。

在管理理论中，客户价值的一般定义为“客户产生的收益与企业付出的成本的差，即客户利润”。而要评估客户价值，首先需要了解真实价值和潜在价值两个概念。

我们所说的客户价值管理，更多的是体现在对客户潜在价值的管理上。

基于客户的真实价值和潜在价值，一般情况下，我们可以将不同价值的客户划分到四种不同的类型之中：

一般来说，对于Ⅰ类客户，企业的管理目标是保留；对于Ⅱ类客户，企业的管理目标是促进增长；对于Ⅲ类客户，企业的管理目标是使客户转换到盈亏平衡点以上或者动员离开；对于Ⅳ类客户，企业的管理是分析其长期价值，将其培养迁移到Ⅱ类客户。

当前移动通信行业的客户管理工作主要依据通话时长、通话次数等指标进行，这些指标容易衡量，其中的任何一个都可以看作是客户价值的代表，但要度量一个客户的真实价值，却是不可能保证精确性的。因此，我们可以利用模型开发的手段来更加精确的描绘客户价值，并运用到对客户未来的行为预测中。

客户价值模型的开发

客户价值模型的开发与应用和一般的模型开发程序大致相同，一般包含六个步骤，其中任何一个步骤都应严格地按照相关规则进行，保证模型开发工作的计划性和有序性。

定义商业问题是客户价值模型开发的先决条件。在很多情况下，企业通常不太关注此步工作，无视模型开发人员与业务人员之间差异性的存在，直接从数据挖掘库的建立入手。在这种情况下开发的客户价值模型，充其量也只能是一个基于大量数据的数学公式，而不能真正应用于客户管理。

对移动通信企业而言，最重要的是了解数据和业务问题，主要包括：

*详细了解本企业当前的数据库结构、数据质量情况和数据字段含义；

*全面了解本企业各部门的业务流程、管理现状和管理提升需求等；

*深入理解本企业发展战略目标和发展现状，明确客户价值管理的作用、必要性和可行性；

*深刻剖析竞争对手发展状况，掌握竞争动手的发展动向，从差异化的角度出发明确客户价值管理的方向性。

定义商业问题是一项需要完美融合模型开发技术与业务管理经验的工作，如果事先缺乏深入的了解，数据挖掘的有效性将值得怀疑。因此，模型开发人员在这一过程中，需要和各个部门的业务专家进行深入沟通，集思广益，以保证定义的科学性和实践性。

明确了商业问题之后，模型开发的第二步工作是在定义商业问题的基础上，建立独立的数据挖掘库，把要

挖掘的数据都收集到一个数据库。

在建立数据挖掘库的过程中，首先应充分考虑得到的数据是否符合解决业务问题的需要；其次，一般不建议使用抽样调查数据，而是需要采集尽可能完整的数据；再次，当开发预测模型时，数据中应该包括想要的输出。

第三步，分析和准备数据。通常情况下，移动通信业虽然花费了大量的精力采集数据，但因为工作原因总是不能进行周期性的维护和应用，所以，一般数据挖掘才是真正使用大量数据的第一个商业流程。在移动通信企业的数据仓库中，重要的字段一般会比较准确，而一些不常用的数据(这些数据通常占有大多数字段)就有可能不准确。建模过程的成功与否，将完全取决于数据质量的好坏。

一般来说，分析和准备数据主要包含选择变量、选择记录、创建新变量和转换变量四方面内容。

第四步，模型开发。模型开发是一个迭代的过程，主要工作内容是基于数据情况和业务实践仔细考察不同的变量、算法和模型，以便于最终确定适合数据现状和业务需求的最优模型。

通常情况下，没有一种算法或工具适应所有的数据，也很难在开始决定哪种算法对所面临的问题来说是最好的，在很多情况下，需要用不同的方法建立几个模型，从中选择最好的。

第五步，我们需要对于模型建立和应用效果进行相应的评价。

模型建立中隐含的各种假定可能造成经验证有效的模型并不一定是正确的模型，因此直接在现实世界中测试模型有效性很重要。一般对于模型的测试安排，应先在小范围内应用，取得测试数据，觉得满意后再大范围推广。

最后一步工作是模型应用。模型开发并经验证之后，就可以在实际工作中进行应用，帮助企业解决实际问题。在应用过程中需要强调模型的灵活性和动态性，对模型应用效果进行跟踪管理，依据市场变化及时调整模型，保证模型与市场形势的紧密契合。一般情况下，可以考虑由模型应用部门按月度对业务发展情况和模型应用效果进行分析、评估，以便于及时对模型进行优化、调整。

客户价值管理策略设计

管理不同价值的客户，可以采用传统的市场营销战略，也可以利用客户关系管理战略，企业可以依据企业总体战略选择适宜的客户价值管理战略。

成功推行传统的市场营销战略，能够获得越来越多的客户，将会导致客户基数的增加，以及企业市场份额的增加。不过，这些增加的客户将与企业现有的客户一样，显示出价值的混合性。而采用客户关系管理战略的企业会按价值高低对客户进行优先排序，将获取客户的努力放在具有更高价值的客户身上，企业也会分出一部分精力，采取措施提高现有客户的价值，并单个提升客户价值层次。成功推行客户关系管理的企业，最终将会使得客户的混合价值曲线发生移动，使得企业的整个基础移动到一个具有更高价值的位置上。

因此，设计客户价值管理策略的首要工作就是基于模型运算结果，按客户价值高低进行客户群细分，并深入分析不同客户群的客户基本属性特征和客户交易行为特征，为进一步提供差异化的客户关系管理奠定基础。客户基本属性特征分析不可忽略两个重要维度：不同价值区间客户的属性结构和不同属性客户的价值区间结构，前者主要是从“量”的角度明确客户属性，后者主要是从“度”的角度明确客户属性，二者相辅相成，缺一不可。客户交易行为特征分析，主要的分析维度包括：交易类型、交易量、交易频率、交易渠道、收入结构、成本结构等。收入结构维度和成本结构维度一般情况下不会作为行为分析的关键维度，但如果我们将结构背后的业务逻辑归纳出来的话，会发现其中蕴涵较多的消费行为信息，与其他维度可以互为补充和印证，为我们深入理解客户消费行为提供了必要的支持。在明确了不同客户群的差异化特征后，就可以以此为基础，对不同客户群提供差异化服务了。

管理现状诊断和模型分析结果为客户价值管理提升策略设计提供了必要的参考维度和设计方向。

客户价值管理提升的系统性框架一般包含战略层、战术层和执行层三个层面。

战略层的关键工作主要包括：制定客户导向的战略规划；强化客户导向的战略执行监测与评估和提升内外部环境分析和客户分析能力等。

战术层主要包括客户结构优化、渠道结构优化和产品结构优化三个方面。客户结构优化主要是基于模型预测结果，将客户价值预测结果与客户经理绩效考核相衔接，引导客户经理积极引入高价值客户，逐步改善当前客户结构；渠道结构优化首先是基于不同渠道客户的价值分布特征，确定资金的重点投向；其次是为不同价值客户设置不同的销售渠道和服务渠道，设计客户价值分层服务体系；产品结构优化是基于不同价值区间客户的差异化消费特征，向重点客户提供个性化的产品和优先服务，提高高价值客户的满意度和忠诚度。

执行层的主要工作是优化和提升业务流程中关键环节的管理，同时强化对人力资源、财务资源和技术资源等支持性资源的管理。

客户价值模型的应用和客户价值管理体系的建立，将引导企业逐步确立成熟的客户关系管理模式，推动企业向精细化和集约化管理的方向发展，实现客户收益的最大化。

责编／葛沐溪