基于模糊综合评价的铁路货运客户细分

2015-04-25李凤姿代明睿

铁道货运 2015年11期

关键词：现值细分货运

李凤姿，代明睿，李瑞

（中国铁道科学研究院运输及经济研究所，北京 100081）

基于模糊综合评价的铁路货运客户细分

李凤姿，代明睿，李瑞

（中国铁道科学研究院运输及经济研究所，北京 100081）

在对铁路货运客户当前价值和潜在价值进行分析的基础上，构建客户价值指标评价体系，运用模糊综合评价法对客户当前价值与潜在价值进行评价，依据评价结果对客户进行细分，并举例说明。根据货运客户的细分结果，将客户分为高现值高潜在、高现值低保留、低现值高潜在、低现值低保留4类，并针对不同客户群提出营销建议，以提高铁路货运收益。

铁路货运；客户细分；模糊综合评价；营销策略

1 铁路货运客户价值分析

通过对铁路货运客户分类和评价分级，铁路货运部门可以有针对性地向客户群体营销与其需求相适应的货运产品，避免盲目营销，降低营销成本并提高效率。根据货运客户的等级酌情分配运力资源，有利于铁路部门对信誉高、贡献大的客户给予重点运力倾斜，科学进行运力统筹安排。客户细分理论由基于客户终生价值的单维度发展到基于客户当前价值和客户潜在价值的二维细分。在目前市场竞争激烈、客户流失可能性较高的环境下，二维细分模型应考虑客户的当前贡献和客户的潜在贡献[1]。

1.1 客户当前价值分析

铁路客户的当前价值是指客户的历史运输行为对铁路收益的贡献，可以用收入贡献和成本占用 2 个指标来衡量[2]。

（1）收入贡献。结合铁路运营情况，采用客户支付的铁路运输费用表征收入贡献。这里的运输费用指广义的运费，包含运杂费、运输费用、保价费、建设基金、电气化附加费等，其数据来源是铁路货票上的合计费用，能够真实反映客户带来的货运收入情况。

（2）成本占用。铁路运输成本主要包括固定资产折旧费、设备维护成本等固定成本，以及能耗成本、装卸成本等变动成本，客户运输行为的成本占用主要是指变动成本部分。采用客户的装车数与装车吨数作为参考因子，表征由客户运输行为产生的变动成本。

1.2 客户潜在价值分析

潜在价值是指铁路客户在未来经济行为中可能带给企业的价值。铁路客户的潜在价值可以用满意度、忠诚度和诚信度 3 个指标来衡量。

（1）满意度。客户满意度表现为铁路客户对运输时间、办理过程、服务人员企业形象等铁路货运服务的满意程度。客户满意度的评价指标包括客户投诉次数、客户抱怨次数、未解决问题次数等。

（2）忠诚度。客户忠诚度表现为铁路客户对铁路货运的依赖程度，依赖程度越高，忠诚度越高。客户忠诚度的评价指标主要包含发货频次、平均发货量、未发货天数 (最后一次发货时间距统计时间的天数)、客户产量、公铁运输比 (客户使用公路运输与使用铁路运输的比例)[3]。发货频次与未发货天数可以有效表征客户使用铁路运输的频率，是评价客户忠诚度的核心指标。客户产量与公铁运输比指标能够有效鉴别客户的虚假忠诚度。以生产型企业客户为例，已知客户对铁路具有较高忠诚度，但由于客户产量下降，导致其铁路运量和发货频次下降，由此判定客户的忠诚度较低则是不客观的，因而需要通过客户产量与公铁运输比指标进行修正。

（3）诚信度。诚信度是衡量客户潜在价值大小的一个重要因素，其高低直接影响到铁路货运的交易风险。通过分析客户的经济行为，以计划兑现率、请车兑现数、退订次数作为对客户诚信度衡量的指标。

1.3 客户价值评价体系

根据以上分析，得到客户价值评价指标体系如图 1 所示。

2 客户价值评价方法

目前对客户价值评价的方法很多，应用比较广泛的评价方法主要包括层次分析法、专家打分综合法、模糊综合评价法、灰色综合评价法、人工神经网络评价法等[4]。其中，模糊综合评价法[5]通过精确的数字计算处理模糊的评价对象，能够对模糊性的信息作出比较合理、科学的量化评价；评价结果是一个包含隶属度信息的矢量，该矢量蕴含的信息比较丰富、完整，可以准确刻画被评价对象。模糊综合评价法具有对象集合无关性，即一个被评价对象不论在哪个集合中，其评价结果是惟一的。

模糊综合评价法计算步骤如下。

（1）划分因素集。设 U = {u1，u2，…，um} 为被评价对象的评价因素集合，其中 m 为评价因素个数，由评价指标体系决定。评价因素按属性分成若干类，每一类按照单一评价因素进行评价；每一类内又可以按照属性分成若干类，分别进行单一评价，以此类推。

图 1 客户价值评价指标体系

（2）确定评价集。设 V = {v1，v2，…，vn}，是评价者对被评价对象可能做出的评价结果的集合。其中，vj代表第 j 个评价结果， j = 1，2，…，n，n 为总的评价结果数。

（3）构造隶属函数。由于元素 u 对 U 上的模糊集合的隶属关系存在模糊性，取位于区间 [0，1] 的数值进行描述。数值越接近 1，表示元素 u 对集合 U 的隶属度越高。使用隶属函数 φ(u) 表示 u 对论域 U 上的隶属度，将模糊性的描述数值化。

（4）确定评价因素的权重向量。为权重分配模糊矢量 W = (w1，w2，…，wm)，wi表示第 i 个因素的权重，0 ＜ wi＜ 1，Σwi= 1。W 反映各因素的重要程度，由多位专家给出的因素权重，采用加权平均法计算得到各个因素权重值。

（5）单因素评价。模糊综合评价，首先需要进行单因素模糊评价。从每个因素 ui上对被评价对象进行评价，确定在单因素下，评价对象对各等级模糊子集的隶属度，得到模糊关系矩阵。

式中：rij表示被评价对象在因素 ui的作用下对模糊子集 vj的隶属度； ri=(ri1，ri2，…，rin) 表示被评价对象在因素 ui的作用下对模糊集合的隶属度矢量。

（6）确定计算模型。单因素评价集 R 与权重集 W确定以后，再进行模糊变换，然后进行模糊综合评价，具体模型为

式中：“”表示模糊合成算子，将权重矢量 W 与因素评价集 R 进行模糊合成变换，此处取矩阵乘积算法；bj( j =1，2，…，n) 是模糊综合评价指标，表征评价对象对模糊子集 vj的隶属度。

（7）综合评价结果。由以上步骤计算得到评价指标 bj( j =1，2，…，n)，依据最大隶属度原则，选取最大的 bj对应的评语集 vj作为评价对象的综合评价结果。

3 实证分析

以客户的当前价值计算为例，使用模糊综合评价法对客户的当前价值进行评价。以某铁路局客户为例，客户月平均运费 186 万元，月平均装车数 3 452车，月平均装车吨数 125 960 t。

（1）确定评价集。V = {v1，v2}= {高，低}。

（2）确定指标权重。由专家法得到收入贡献权重 u1为 0.7，成本占用权重 u2为 0.3；运费权重 u11为1.0，装车数权重 u21为 0.4，装车吨数权重 u22为 0.6。

（3）确定评价指标隶属度。指标分级评价情况如表 1 所示。

表 1 指标分级评价

根据指标分级评价表，对客户的指标隶属度进行判定。客户指标隶属度如表 2 所示。

（4）计算模糊综合评价矩阵。

利用最大隶属度原则，取 V 中与最大值 bj对应的 vj作为评价结果，由此得出客户是高现值客户。

4 客户细分及营销策略

根据构建的客户价值指标体系，利用模糊综合评价方法，从收入贡献和成本占用 2 个方面，采用运费、装车数和装车吨数指标对客户当前价值进行评价；从忠诚度、诚信度和满意度 3 个方面，采用发货频次、平均发货量、客户产量、未发货天数、公铁运输比、计划兑现率、请车兑现率、退订次数、抱怨次数、投诉次数和未解决问题次数等指标对客户潜在价值进行评价，计算隶属度值[6]。以客户当前价值的隶属度为横轴，以客户潜在价值的隶属度为纵轴，建立客户细分模型，将客户分为高现值高潜在、高现值低保留、低现值高潜在、低现值低保留 4 类客户[7-8]。客户细分模型如图 2 所示。

图 2 客户细分模型

（1）高现值高潜在客户。该类客户多表现为运费收入较高，忠诚度、诚信度和满意度也较高。该类客户历史运输行为为铁路收益做出重大贡献，并且客户具有继续为铁路带来巨大收益的潜质，是铁路的优质客户。铁路在营销活动中可以将重要运输资源向该类客户倾斜，优先满足该客户群的运力需求，与其保持稳定的客户关系。对于该类客户的投诉建议，需要派专人了解情况，做到逐一解决，以提高客户满意度。

（2）高现值低保留客户。该类客户多表现为运费收入较高，但忠诚度、诚信度和满意度中一项或多项较低。该类客户使用铁路运输产品较多，为铁路收益做出重大贡献，具有很高的当前价值，但未来盈利能力的提升空间不是很高。造成这一问题的原因可能是这类客户对铁路某些服务或运输产品不满意导致，或由于客户自身发展限制，对运输产品的需求降低。铁路营销人员首先应了解客户的具体情况，找到问题并努力解决问题，在保持与此类客户关系的基础上，将其发展为高现值高潜在客户；如果是客户自身限制，铁路应着重维持与客户的良好关系，无需投入过多营销精力与运力资源。

（3）低现值高潜在客户。该类客户多表现为运费收入较低，但其对铁路运输的忠诚度、诚信度和满意度较高。该类客户主要是铁路的新客户或对铁路运输有较高依赖的客户，具有继续为铁路带来一定收益的潜质。铁路应广泛关注这类客户，优先考虑高现值高潜在客户的需求，在运力资源分配、服务质量与效率上对其加以一定倾斜，努力使其成为高现值客户。

（4）低现值低保留客户。该类客户多表现为运费收入低，其对铁路运输的忠诚度、诚信度和满意度也较低。该类客户目前能为铁路带来的收入很少，并且潜在价值不高，铁路应严格控制对该类客户的营销和维护成本。

5 结束语

客户是铁路货运的重要资源，客户对铁路收益的贡献遵循 80/20 法则 (80% 的收入来源于 20% 的客户)。为获取更高的经济效益，铁路运输企业应正确辨别客户的类别，针对不同类别的客户进行差异化管理，提高铁路对客户的投资收益比率。通过引入模糊综合评价法构建铁路客户细分模型，可以实现对铁路货运客户的细分，并在此基础上实施有针对性的营销措施，从而降低营销成本，提高营销效率和铁路货运收益。

[1] 李兴国，刘辉，周志纯. 移动通信业的客户细分和保持策略[J]. 统计与决策，2008(10)：124-126.

[2] 戴钰桀，张岩，郑平标，等. 基于客户关系管理的铁路客户星级评价体系研究[J]. 铁道运输与经济，2015，37(6)：92-96.

[3] 邓程，杨壮英，古军杰，等. 改进的 K-means 算法及其在铁路客户细分中的应用[J]. 铁路计算机应用，2014，23(6)：45-48.

[4] 王长春. 港口海运煤客户价值评价方法研究[D]. 大连：大连海事大学，2012.

[5] 曹瑞琅，贺少辉，郭炎伟，等. 地质强度指标的模糊综合评判法[J]. 岩石力学与工程学报，2013，32 (增 2)：3100-3108.

[6] 郭金筠. 以市场为导向的铁路货运客户资产战略研究[J]. 铁道货运，2008，26(6)：14-17.

[7] 郑平标，朱克非，代明睿. 基于客户价值分析的铁路客户分类方法探讨[J]. 铁道运输与经济，2014，36(3)：42-46.

[8] 帅斌，邓邵蔚，黄丽霞. 基于改进 RFM 模型的铁路快捷货运客户市场细分方法[J]. 铁道科学与工程学报，2014，11(1)：112-117.

责任编辑：金颖