客户细分理论文献综述：细分维度及其在银行业的应用

许荻迪

摘 要：近年来，客户细分研究领域产生了大量文献，形成了丰富的研究成果;同时，为了更好地指导商业实践，客户细分理论还处于不断地丰富、发展、完善当中。文章从文献的角度，以客户细分理论在银行业的应用为例，说明客户细分理论的发展和应用情况，并提出该理论应用于银行业的建议，为相关研究提供参考。

关键词：细分理论 细分维度 银行业 应用

中图分类号：F830  文献标识码：A

文章编号：1004-4914（2015）09-176-04

随着全球经济的发展，企业管理理念经历了从以产品为中心到以市场为中心，再到以客户为中心的转变历程。客户成为了企业最为重要的战略性资源之一，客户需求的满足关系着企业生存、壮大和永续发展。为了满足异质性的客户需求，制定相应的差异化管理策略，企业广泛应用客户细分理论作为重要管理工具。2002年，美国的管理咨询公司Bain&Company对来自世界各地的451位高级管理人员的一项调查表明，客户细分工具已经成为全球使用率最高的10大管理工具之一。{1}

一、客户细分理论起源和发展

西方资本主义国家在工业化初期和第二次世界大战后的一段时期内，物资短缺，需求旺盛，许多产品供不应求，因而产生了以产品为中心的经营理念，此种观念在中国改革开放初期也非常盛行。该理念的出发点是产品，企业重点考虑的是“我擅长于生产什么”。在此种理念下，没必要考虑不同的市场需求，更谈不上考虑不同的客户特征。

后来企业经营理念经历了两次大的发展，一次是从“以产品为中心”到“以市场为中心”，从而产生了市场细分理论;另一次是从“以市场为中心”到“以客户为中心”，使得客户细分理论从市场细分理论的基础上分化出来。

1.市场细分理论产生。二次世界大战后，尤其是50年代以来，西方先进企业的经营思想逐步发展为市场营销观念，即“以市场为中心的观念”。这种革命性的演变，一方面是由于买方市场形势的出现;另一方面，也是资本主义企业经营管理的实践经验不断总结和积累的结果。“以市场为中心”观念的出发点是消费需求，企业首先考虑的是需要满足消费者的何种需求才能促成当前的购买。

在此背景下，Smith{2}首次提出市场细分的概念，他认为市场细分要能够使得产品属性和营销活动更好满足客户的需要。Pride and Farrell{3}认为细分是一个把客户分成具有相同特征和需求的若干组的过程。营销大师菲利普·科特勒（1997）{4}认为市场是由若干个具有异质性的细分市场构成，而在特定的细分市场内部消费者的特性、需求又具有高度的一致性。Vandermerwe{5}认为，市场划分的结果就是发展出对客户更好地理解，这对于有效市场而言是一个非常关键的要件。Vandermerwe和Yankelovich and Meer{6}都认为，细分的关键是将市场个体化约为数量可控的几个组，使同一细分市场内个体之间的固有差异减少到最小，使不同细分市场之间的差异增加到最大。

2.客户细分理论形成。随着经济的进一步发展，“以市场为中心”的理念不再满足企业管理的需要，由此发展到“以客户为中心”的经营理念。该理念不再把焦点集中于单次购买，或者购买本身，而是认为维护好企业与客户关系能够促进长期的购买，或者购买一种企业产品的客户还会购买企业的其他产品。同时客户购买的不仅仅是产品本身，还有与企业产生接触所有过程中的一种体验，包括物流、售后、使用产品带来的身心感受等等，感受良好的客户倾向于与企业建立良好的关系，再次购买该企业的同一产品或其他产品。

“以客户为中心”的理念推动了与市场细分理论一脉相承的客户细分理论形成。菲利普·科特勒指出，客户细分是指根据客户属性划分的客户集合{4}。他认为客户细分是企业在对客户的信息进行充分收集并整理归类之后，依据客户的某些属性的差异，比如需求、购买行为、购买习惯、信誉等方面的差异，将在某一客户属性层面差异较小的客户归为一个子客户群，而这个过程就是对客户进行细分的过程。齐佳音，韩新民，李怀祖{7}认为，客户细分，是企业在明确的战略、业务模式和特定的市场中，根据客户的属性、行为、需求、偏好以及价值等因素对于客户进行分类，并提供针对的产品、服务和营销模式的过程。

从客户细分的理论发展历程可以看出，其与市场细分理论的关注范围有所不同：市场细分理论主要服务于市场营销;客户细分理论则服务于以客户为中心的全流程企业管理，贯穿企业为客户创造价值的全过程，即能够服务于包含品牌定位、产品设计、产品生产、物流、市场营销、客户服务等基本环节的整个价值链，打破了原先以产品为中心关注生产环节、以市场为中心关注营销环节的价值链上的区隔。

银行业是需要应用客户细分的典型行业，并且客户细分对于银行业也具有很强的适用性。从客户组成来看，银行的客户比其他行业更为多样和复杂，不但包含各种类型的个人客户，还包含各种类型的企业客户，需要通过细分来把握大量、庞杂客户的特征和需求;从产品特征来看，商业银行的产品非常多样，并且具有非标准化的特征，更需要应用客户细分实现产品与客户的匹配，以及产品根据客户需求定制化;从业务环节来看，商业银行的业务环节更多，其中包括其他行业通常不包含的风险管理环节，这些业务环节都需要客户细分研究来进行决策支持。

二、客户细分分析维度

1.地理细分。地理细分是十分重要的客户细分维度，尤其是对于跨国企业，其客户位于世界各地，地理细分成为其企业管理不可或缺的一部分。Kotler{8}，Shoemaker，Lewis and Yesawich{9}将地理细分定义为根据地理准则将客户进行划分，考虑国家、州、省、城市、相同媒体覆盖区域、地段、社区等、邮政编码等信息。Viswanathan{10}补充说，商业机构早已经意识到地理位置和市场地域的知识对计划和评估市场策略非常重要。他假定这些知识能用于分析很多方面的变动，包括市场占有、划分销售区域、评估不同的促销反馈、分支结构选址、精确投放促销资源、预测销售额和分析市场潜力，等等。根据Shoemaker et al.{9}的观点，既然潜力市场的地域差异那么大，那么对于来自多地域的客户就需要特别地关注和考虑。

2.人口细分。人口统计细分也是最重要的细分维度之一。人口统计学细分的基本技术是Assael and Roscoe{11}，Well（1975）{12}和Kother（1997）{8}引入的，重点考虑人口统计变量例如：年龄、性别、种族、婚姻状况和教育程度等，即从籍贯、家庭规模、家庭收入、国籍等因素对客户进行细分。Chou et al.{13}使用客户人口统计信息来识别潜在客户，认为这种方法能提供直观的方式来指导目标市场的选择。最初的人口统计细分无法从购买力的角度来区分客户，仅考虑职业无法体现客户端购买力，例如一个水管工的收入也许比一个律师还多，因而具有更强的购买力。Sheomaker et al.{9}增加了dual变量标识高收入群体，即拥有大量可支配收入、个人时间、具有特定购买需求和行为模式的人群。人口统计细分还能将客户划分为不同生命阶段群体，并且使产品传达的信息适应不同的群体。

3.行为细分。行为细分根据客户对一个产品的知识、态度、使用率、反应、忠诚度、接受度将他们划分为不同的群体。行为细分的基本假设是用过去的行为可以预测将来的行为。行为细分依据时间先后依次诞生了RFM分析和客户价值矩阵两种方法。Hughes{14}提出的RFM分析是以三个行为变量来描述和区分客户。R（recency）指上次购买至现在的时间间隔，F（frequency）为某一期间内购买的次数，M（monetary）是某一期间内购买的金额。RFM分析针对每个客户的三个指标打分并计算乘积，在排序的基础上将所有的客户按照20%、60%、20%分类，对不同类型的客户实施不同的策略{15}。Marcus{16}提出用购买次数F与平均购买额A构造二维的客户价值矩阵模型来修正RFM方法。该矩阵需要的信息包括客户代码、购买日期、日购买额。购买次数由不同购买日期的数目来确定，平均购买额等于在指定时间间隔内总购买额（日购买额的总和）与购买次数的比值{15}。行为细分是一种便捷的方法，但是行为细分是以历史数据为基础，只能针对已有的客户，无法对潜在客户进行评价。

4.心理细分。心理细分有时被称为“生活方式”细分，通过研究客户的行动、兴趣、观点（AIOs），将人们如何度过闲暇、哪种外部影响最能影响到人们并取得他们的反应纳入考虑。Lazer{17}提出可以生活方式为背景来识别并细分客户，其时生活方式细分的内涵并未明确，直到1971年Wells{18}才明确用AIO（activity、interest、opinion）来代表生活方式。之后Plumraer在AIO的基础上对生活方式的内涵加以扩充，加上人口统计学指标，用AIOD（activity、interest、opinion、demographic）来代表生活方式。Shoemaker et al.{9}认为心理细分是以聚焦于客户行动、兴趣、想法、自我概念、生活行为的基础的方法。实际上，他定义的心理信息就是指的对个性特征的衡量。Blackwell，Miniard and Engel{19}得出的结论是，这种方法捕捉了人们生活、花费时间和金钱的方式的特征，像人口统计变量一样也能反映一个人的活动、兴趣和想法。

心理细分能够识别个人活动和目标人群持续追求的生活方式，或者他们想要展现的自我形象。大众传媒对于心理细分有着占据主导地位的影响和效用。受客户生活方式影响比较大的产品主要有：高度介入产品，顾客购买一项产品都需要时间和精力的投入、特制品或奢侈品。

5.价格—利益细分。利益细分即根据客户追求的不同利益对客户进行划分。利益细分最先由Haley等（1963）{20}提出，Haley指出以往的细分方法大都利用描述性因素识别市场，利益细分方法则是基于具有因果关系的因素，该方法与传统细分方法的区别在于它利用客户的动机、态度和行为来挖掘客户背后的真正利益。利益是一个相对宽泛的概念，它可能是客户偏好的产品或者服务的特征，也可以指客户实际的价值，利益细分构建的是因果关系模型。Shoemaker et al.{9}补充说，产品的价格经常包括产品带给客户的体验，例如舒适、声望、划算、认同感、吸引和浪漫等。

Shoemaker et al.{9}还指出，价格细分就是一种利益细分的方式，只是前者是有形的和可见的。Morrison{21}、Loker and Perdue{22}和Frochot and Morrison{23}认为，价格元素对客户来说永远是敏感要素，根据客户利益取向设置正确价格，有助于减少价格敏感度和增加客户忠诚度。{24}

三、不同维度的商业银行客户细分研究

根据Meidan A.{25}的观点，影响金融产品的消费者行为的因素可被分为内部因素、外部因素和购买过程，内部因素包括动机、认知等心理因素，以及生命周期、年龄、职业、经济状况、个性等个人因素;外部因素包括文化和社会因素。目前以下几种维度较多地应用于银行业，分别涉及内部因素、外部因素和购买过程。

1.人口统计维度。Meidan A.{25}指出，人口统计信息是内部因素的重要组成部分。Boyd L.W.，Leonard M.，White C.{26}的研究集中于不同人口统计特征的客户是如何选择银行的，采用性别、年龄、婚姻状况和交易记录等数据，结论是不同人口统计特征的客户选择的银行在声誉、存贷款利率等指标上各有不同。Clarkson A.H.， Stone M.A.，Steele M.J.{27}根据年龄将高收入的男性客户分为三类，研究不同类别的客户对银行产品的不同偏好，以及他们对于银行服务的满意度。Royne Stafford M.{28}强调了人口统计信息对商业银行客户细分的重要性。他认为，尽管行为、心理等维度的细分也在被研究者使用，市场专家还是应该知道和理解人口统计细分维度，以便估计市场规模、渠道和有效性。更何况，采用人口统计维度是细分的一个较为容易的方式。该文的研究结论是，根据客户年龄和性别的不同，银行的服务质量应有所不同，但是对于不同收入水平的客户，则没有明显的区别。

不仅很多研究者使用人口统计信息作为主要细分标准，Harrison S.T.{29}和Machauer A.，Morgner S.{30}还强调人口统计特征用于市场细分已经相当足够。考虑到人口统计特征的有效性，Dumont E.{31}认为这仍然是最有用的细分准则之一，特别是创建客户偏好数据库、运用新技术，为该维度的细分带来了更多可能性。

2.行为细分维度：RFM模型。RFM模型是行为细分里应用最为广泛的一种方法，该模型通过关注客户购买的三个特征：最近一次消费、消费频率、消费金额，来直接对购买行为本身建模。

梁昌勇、赵艳霞{32}应用数据挖掘工具分析银行的现有的信用卡客户的行为特性和信用，探讨了信用卡客户的行为评分模型。应用自组织映射神经网络分析其还款行为和近度R、频度F、值度M的行为特性，使用这四个指标进行评分来识别不同的客户群。然后把银行客户分为三个主要的盈利客户群并识别出其中的重要客户群。应用Apriori关联规则描述不同的客户群的特征属性，形成客户轮廓。张洋，陈培友{33}认为长期以来，信用风险是金融行业，特别是银行业的最主要的风险形式。贷款是商业银行的主要资产业务，因此其经营风险与生俱来，商业银行要保持稳健经营，必须加强贷款的风险控制管理， 建立健全包括银行贷款风险管理在内的金融系统。该研究旨在运用基于粗糙集的数据挖掘技术， 将市场营销中的RFM客户细分方法运用于贷款客户信用度的分类中去， 为银行贷款的风险控制管理提供决策支持。Seyed Mahdi Rezaeinia etc.{34}认为RFM方法是精确的和有效的，特别是该方法经过不断的应用有了许多改进的版本。作者采用加权的RFM方法来识别商业银行的有价值的客户，使用层次分析法来计算R、F、M的加权值，使用k-means聚类算法来细分客户，并使用几个月后的数据验证了细分的有效性。

事实上，用RFM来识别有价值的客户是一个重要的应用方向，其中，非常典型的是采用客户终身价值作为客户价值的度量，这种度量方式纳入了时间的因素，具有一定的动态特征。Khobzi，Hamid & Akhondzadeh-Noughabi，Elham{35}采用聚类方法基于扩展的RFM模型来衡量银行POS机终端客户的终身价值，从而找出盈利性最高的顾客属于哪些职业。他们采用伊朗国家银行的实际数据，研究结果表明，该方法在实践中是适用的，对于其他银行的管理者也十分有效。Mahboubeh Khajvand & Mohammad Jafar Tarokh{36}认为，基于客户价值的细分和基于客户需求的细分对于面向客户的组织而言都非常重要。该研究采用加权的RFM分析，将客户根据其终身价值划分为不同的客户群，并且预测顾客的未来价值。Moro，Sérgio etc采用近期银行通过电话营销长期存款的真实数据，通过RFM分析计算顾客终身价值，并采取神经网络方法来筛选出重要变量。该研究可应用于呼叫中心，不用询问客户的额外情况就能预测客户表现。

3.利益细分维度。McDougall，H.G.;Levesqu，Terrence{38}认为对于金融业的管理者而言，有效的细分是一个挑战。使用服务质量、便利性、费率作为利益细分的基础，将客户分为两个群体，一个是服务质量导向的，他们重视银行是否在第一时间提供恰当的服务，另一个群体是便利性导向的，他们重视银行网点的位置。同时，两个群体都重视银行提供的费率是否有竞争力。研究结果说明不同的客户群体对银行的评估和满意度有所不同。

Ahmad Yunianto，Catur Sugiyanto{39}认为利益细分作为客户细分的一个重要维度，能够提供给银行一个清晰的画面，明确哪些客户是需要重点关注的。他们采用印度尼西亚一个国家级银行的真实数据，试图识别客户在金融服务中想要得到的利益，根据客户追求的利益将其分成不同的群体，并且考察客户的人口统计特征与他们追求的利益是否有某种关系。他们选取了29个银行特征，用因子分析来提取客户关注的主要特征;然后采用聚类分析来识别一组特征，即客户追求的一组利益，是否能对应于一个特定的客户群体;最后应用卡方分析来测试聚类和人口统计变量之间的关系。研究结果表明，五种客户追求的主要利益是安全—方便性、与银行的关系、银行特性、成本费用、促销手段。根据对这五种利益追求的不同情况，可将客户分为四类：面向服务型、成本敏感型、追求促销优惠型、安全方便型。在人口统计信息（性别、年龄、教育程度、收入、月支出、职业、孩子数量）和客户想要的利益之间存在着显著的关系。因此，这些人口统计信息可用来对客户群进行侧写。R.Muhamad，TC Melewar， SFS Alwi.{40}研究探索了伊斯兰金融服务产业的客户细分，以及细分与产品品牌定位的关系。通过与几家主要的市场参与者的管理层进行深度访谈，来识别客户购买金融产品的主要驱动力，并将客户细分为四类：宗教信念导向组，宗教信念和经济理性导向组，道德观察组，以及经济理性组。这些分组包含客户希望从金融机构获得的心理价值和经济利益，如果金融机构将其产品和品牌定位恰当，就有可能赢得这些客户。

基于利益的客户细分可延伸出进一步的研究。Mohammad Safari Kahreh， Mohammad Tive， Asghar Babania， Mostafa Hesan.{41}的研究试图基于客户终身价值来对客户进行利益细分。利益细分是采用因果性因素而非描述性因素来细分客户，该研究对每一个细分群体计算客户终身价值。Ugur Yavas， Emin Babakus， Nicholas J.{42}识别了消费者选择银行时考虑的因素，并且评估了各家银行在这些因素上的表现，就银行满足客户的利益点讨论并提出了相关建议。

四、客户细分在银行业应用情况分析和建议

从以上客户细分理论的各细分维度，及其在银行业的应用情况来看，客户细分在银行业的应用还可从以下几个方面来改进：

1.不同细分维度具有不同的适用性。不同维度的客户细分方法能够捕捉不同的客户特征，因此各类方法具有各自的优缺点和适用性。具体来说，人口、地理等基础信息细分，包含了客户展现出来的外部特征，并且假设这些外部特征和客户需求具有一定的联系，但是这种联系具有弱关联性（虽然有些研究效果很好，但不一定），有些时候只能作为参考。行为细分借助行为在时间段上的延续性来预测将来的购买行为，简单地说也就是从行为到行为。利益细分与心理细分假设人的内在特征及其行为具有一定的因果联系，由此来推断客户的购买偏好和习惯，最终达到细分目的。需要将这种模式识别正确才有用。

另外，人口统计细分与行为细分在细分客户之前已经确定好一定的细分标准， 在细分方法论上属于事前细分，而心理细分的细分标准是在细分过程中逐渐清晰的，之前并不明确，因而属于事后细分。不是事先决定的，而是事后的，自由度比较大，需要反复尝试、探索。

2.在现有基础上应用更多维度的细分。目前在银行业应用较多的客户细分维度是人口统计维度、行为维度和利益维度，在当前已应用的维度基础上，进行一定的扩展，能够更多地捕捉用户特征，对用户需求产生更深的理解，根据银行实际和具体目的对客户进行更精准的分群。首先，加强对心理细分的应用，特别是在社交网络和大数据技术迅速发展的今天，对客户生活方式和个性的把握能够更加准确。其次，加强对地理细分的应用，尤其中国地域辽阔，地区间的差异很显著，更要充分利用地理细分，增强对各区域银行客户的了解。另外，加强人口、地理等基本维度与其他维度的共同、交叉使用。例如，对于大多数商家而言，产品所覆盖的区域只能覆盖有限的地区、有限的客户，不同区域的客户差异性十分显著。在做人口统计细分时可能犯的一个错误是尝试对整个客户群进行细分。事实上想要对客户群进行完全统一的细分是不太现实的，如果忽略了显著的地区差异，人口统计细分可能是无效的。这正是有时需要多维度细分共同使用的原因。

3.加强对企业客户的应用。目前多集中于零售客户，针对企业客户的较少，企业客户是银行很重要的一类客户，特别是其中的中小企业客户，数量和种类众多，更加需要细分。从应用于企业客户的情况来看，有些细分维度用于企业客户和应用于零售客户没有区别，其中的代表是行为维度，以RFM模型为例，不论对于个人客户还是企业客户，其购买金融产品的行为都表现为最近一次消费、频率、金额三个特征。有些维度既适用于个人客户，也适用于企业客户，只是应用的时候有微妙的区别，例如人口维度，对于企业需要应用于企业主。还有另一些维度，是企业特有的，例如企业生命周期维度，可根据财务数据将企业分为初创期、成长期、成熟期、衰退期，每个阶段的金融需求不同。还可以考虑从以上三个方面，加强对银行的企业客户细分研究。

4.应用于除市场营销之外的更多业务环节。由于客户细分和市场细分的传承关系，前期很多客户细分研究都集中在市场营销环节（产品定价、促销策略等），而较少应用于银行的客户关系管理环节（客户流失、增值服务等）和风险管理环节（贷款批准决策、风险预警和控制等）。事实上，上述业务环节也十分需要应用客户细分理论。将客户细分理论应用于商业银行的市场营销、客户关系管理、风险管理等各个环节，充分利用客户细分能够覆盖全价值链的特性，有利于充分发挥其对商业运作的全面支撑作用。

五、结论

本文阐述了随着企业管理理念从“以产品为中心”逐步转向“以客户为中心”，客户细分理论得以产生和发展的过程，梳理了主要的客户细分维度，并以客户细分理论在银行业的应用为例，说明客户细分理论的具体应用情况，并提出该理论应用于银行业的建议。由于不同的细分维度具有不同的适用性，客户细分理论在银行业的应用，应在现有基础上应用更多的维度，加强除了个人客户之外对企业客户的应用，并且应用于除市场营销之外的更多业务环节。

注释：

{1}Rigby D K.Management Tools 2001 Global Results：Annual Survey of Senior Executives[R].BAIN &COMPANY Inc ResearchReport，2002.1—4

{2}Smith，Wendell.R.Product differentiation and market segmentationas alternative product strategies[J].Journal of Marketing，1956，11（7）：3～8

{3}Pride，W.M.，and Farrell，Q.C.（1983）.Marketing Basic，Concept and Decision.3rd Edition.Boston，Houghton Mifflin， MA

{4}（美）菲利浦·科特勒.新千年市场营销发展趋势[J].销售市场，2001，（1）：5-8

{5}Vandermerwe，S.（2004）.“Achieving deep customer focus”，Sloan Management Review，45（3）25-34

{6}Yankelovich，D.and Meer，D.（2006）.“Rediscovering market segmentation”，Harvard Business Review，84（2）122-31

{7}齐佳音，韩新民，李怀祖.我国客户关系管理研究的紧迫性和方向分析[J].管理科学学报，2002，5（4）：88—94.Qi Jiayin，Han Xinmin，Li Huaizu.Emergency and directions for CRM in China[J].Journal of Management Sciences in China，2002，5（4）：88—94.（in Chinese）

{8}Kotler，P.（1997）.Marketing Management Analysis，Planning，Implementation and Control，9th ed.，Prentice-Hall International，Eaglewood Cliffs，NJ，257-260

{9}Shoemaker，S.，Lewis，R.C.and Yesawich，P.C.（2007）.Marketing Leadership in Hospitality and Tourism：Strategies and tactic for competitive advantage. Pearson Education Inc，Prentice Halls.NJ，314-338

{10}Viswanathan，N.K.（2005）.“GIS in marketing”，Geographic Information System in Business，Ideal Group Inc.，Hershey，PA，236-59

{11}Assael，H.and Roscoe Jr.，A.M.（1976）.Approaches to market segmentation analysis.Journal of Marketing，40，67-76

{12}Wells，W.D.（1975）.Psychographics：A critical review.Journal of Marketing Research，12（2），196-213

{13}Chou，P.B.，Grossman，E.，Gunopulos，D.，and Kamesam，P.（2000）.Identifying prospective customers.Proceedings of the sixth international conference on knowledge discovery and data mining （pp. 447-456）

{14}Hughes，A.Strategic Database Marketing：The Masterplan for Starting and Managing a Profitable. Customer-based Marketing Program，Irwin Professional，1994

{15}刘义，万迪昉，张鹏.基于购买行为的客户细分方法比较研究.管理科学，2003，16（1）：70-71

{16}Marcus，C.A practical yet meaningful approach to customer segmentation.The Journal of Consumer Marketing，1998，15（5）：494

{17}Lazer，William.Life Style Concept and Marketing，Toward Scientific Marketing.Stephen Greyser，ed，Chicago： American Marketing Assn.1963： 130

{18}Wells，William，Tigert，Doug，Activities，Interests，and  Opinion.Journal  of Advertising Research，August，1971，11：27-35

{19}Blackwell，R.D.，Miniard，P.W.and Engel，J.F.（2001）.Consumer Behaviour. Harvard Inc

{20}Haley，Russell.I.Benefit Segmentation：A Decision-oriented Research Tool. Journal of Marketing，1968，32（7）30-31

{21}Morrison，A.（1996）.Hospitality and travel marketing（2nd ed.）.Albany，NY：Delmar Publishers

{22}Loker，L.and Perdue，R.（1992）.A benefit-based segmentation of a nonresident summer travel market. Journal of Travel Research，31（1）30-41

{23}Frochot，I.and Morrison，A.（2000）.Benefit segmentation：A review of its application to travel and tourism research. Journal of Travel and Tourism Marketing，9（4）21-45

{24}Mason，K.（2005）.Observation of fundamental changes in the demand for aviation services. Journal of Air Transport Management，11，19-25

{25}Meidan A.（1996），Marketing Financial Services，Macmillan Press Ltd， London

{26}Boyd L.W.Leonard M.White C.（1994）“Customer preferences for financial services： an analysis”，International Journal of Bank Marketing，Vol. 12，No 1，pp.9-15

{27}Clarkson A.H.，Stone M.A.，Steele M.J.（1990）， “Competitive strategies in banking services Implications of segmentation analysis of consumers by age groups”，International Journal of Service Industry Management，Vol.1， No 2，pp.67-77

{28}Royne Stafford M.，（1996）“Demographic discriminators of service quality in the banking industry”，The Journal of Services Marketing，Vol.10， N. 4， pp 6-22

{29}Harrison S.T.，（1994），“Mapping customer segments for personal financial services”，International Journal of Bank Marketing，Vol.12，No 8， pp. 17-25

{30}Machauer A.， Morgner S.，（2001），“Segmentation of bank customers by expected benefits and attitudes”，International Journal of Bank Marketing， Vol. 19，No 1， pp.6-17

{31}Dumont E.，（2001），“Is life cycle marketing outdated”，Bank Marketing， Vol. 33， No 3， pp. 12-13

{32}梁昌勇，赵艳霞.，基于RFM分析的银行信用卡客户的行为评分模型——应用自组织映射神经网络SOM和Apriori方法。第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集

{33}张洋，陈培友.基于粗糙集的RFM分析对银行贷款客户分类的研究.科技和产业，Sep.，2007，Vo l.7，No.9 73-75

{34}Seyed Mahdi Rezaeinia，Abbas Keramati，Amir Albadvi.An integrated AHP-RFM method to banking customer Segmentation.Int.J. Electronic Customer Relationship Management，Vol.6，No.2，2012

{35}Khobzi，Hamid & Akhondzadeh-Noughabi.A new application of RFM clustering for guild segmentation to mine the pattern of using banks’e-payment services. Journal of Global Marketing，Vol 27（3）May，2014. pp. 178-190

{36}Mahboubeh Khajvand，Mohammad Jafar Tarokh.Estimating customer future value of different customer segments based on adapted RFM model in retail banking context. Procedia Computer Science 3 （2011） 1327 1332

{37}Moro，Sérgio，Cortez，Paulo，Rita，Paulo.Using customer lifetime value and neural networks to improve the prediction of bank deposit subscription in telemarketing campaigns. Neural Computing & Applications. Jan2015， Vol. 26 Issue 1， p131-139.9p

{38}McDougall， H. G.; Levesqu， Terrence. Benefit Segmentation Using Service Quality Dimensions： An Investigation in Retail Banking. The International Journal of Bank Marketing， Volume 12， Number 2， 1994， pp. 15-23（9）

{39}Ahmad Yunianto， Catur Sugiyanto.Benefit Segmentation： Case of a National Bank's Customers in Indonesia. Gadjah Mada International Journal of Business 2003， V（3）

{40}R. Muhamad， TC Melewar， SFS Alwi.Segmentation and Brand Positioning for Islamic financial services. European Journal of Marketing， Volumn 46， Issue7/8

{41}Mohammad Safari Kahreh，Mohammad Tive，Asghar Babania，Mostafa Hesan. Analyzing the Applications of Customer Lifetime Value （CLV） based on Benefit Segmentation for the Banking Sector. Social and Behavioral Sciences， Volume 109， 8 January 2014， Pages 590-594

{42}Ugur Yavas， Emin Babakus， Nicholas J. Ashill. What do Consumers Look for in a Bank An Empirical Study.http：//www.researchgate.net/publication/242479103_What_do_Consumers_Look_for_in_a_Bank_An

_Empirical_Stud

（作者单位：北京银行博士后科研工作站 北京 100033）

（责编：吕尚）