铁路货运流失客户挽留价值研究

张斌，彭其渊，刘帆洨

铁路货运流失客户挽留价值研究

张斌1, 2，彭其渊1，刘帆洨1

(1. 西南交通大学 交通运输与物流学院，四川 成都 610031; 2. 中国铁路北京局集团公司 经营开发部，北京 100860)

面对日趋激烈的货运市场竞争，为了更好地提供铁路货运客户流失管理，从而为铁路货运部门提供精准高效的货运流失客户挽留策略，结合铁路货运行业特征，在货运客户细分和货运客户流失预测的基础上，提出货运流失客户挽留价值的研究方法，从而为货运流失客户挽留策略的制定提供支撑。结合铁路货运特征，提出货运客户的可期货运价值；其次对铁路货运流失客户挽留策略的执行效果进行研究，提出货运流失客户挽留效果模型；之后提出货运流失客户挽留成本的计算方法；最后提出流失客户挽留价值模型。仿真实验结果表明：通过对挽留价值进行计算，可以校验挽留策略的执行效率；并且为货运流失客户挽留优先级的确定提供依据；针对具体细分类别的货运流失客户制定挽留策略具有更好的挽留效果和高成功率。

铁路运输；货运客户流失；客户细分；挽留策略；挽留价值

面对国家供给侧改革的深化推进和当前货运市场的激烈竞争，铁路货运行业面临着巨大的经营压力，随之而来的客户流失问题成为铁路货运部门需要解决的当务之急。保证企业核心竞争力的关键是抓住客户，而获取一位新客户的成本是留住一位老客户的5~6倍[1]，对货运客户的流失做出预测，并制定行之有效的挽留方案和营销策略是货运客户关系管理的有效手段。当前电信[2]、金融[3]和电子商务[4]等行业在对客户流失管理方面做了比较多的研究，国外学者也针对客户流失问题展开了深入研究，建立了预测模型[5]，并获得了一定应用效果。Lin等[6]使用粗糙集理论，利用流网络图建立客户流失与规则之间的关联，并验证了流失预测组合模型具有较好的客户流失预测能力。Hossein等[7]提出运用-means算法结合神经网络算法对高价值客户进行流失预测的方法。HUANG等[8]基于NSGA-II优化方法的多目标特征选择方法，证明了该方法在电信行业客户流失预测方面的有效性。张斌等[9]结合铁路货运特征及当下运输市场整体情况，提出了货运客户流失识别方法，并在客户价值分类的基础上，对各类客户建立基于 SVM 的客户流失预测模型，并进行流失预测。张斌等[10]结合铁路货运客户发货特征，提出基于RFM的KFAV模型，并用改进-means聚类算法对货运客户进行基于KFAV的客户细分，具有一定实用价值。目前对于客户流失问题的研究主要集中在客户关系管理和客户流失预警研究方面，但在对铁路货运流失客户挽留策略的制定、有效性评估、流失客户的挽留价值等方面缺少有效的方法。本文在张斌等[9−10]提出的货运流失客户预测方法和货运客户细分方法的基础上，提出货运流失客户可期货运价值、挽留效果模型、挽留成本的研究方法，并最终提出铁路货运流失客户挽留价值的研究方法，该方法通过对流失客户挽留价值的计算，结合设定的阈值，能够校验挽留策略的有效性和流失客户的优先级，并且通过仿真实验，表明对具体细分货运流失客户制定挽留策略更加具有针对性，对铁路货运营销部门制定高效精准的流失客户挽留策略提供支撑，具有实际意义。

1 铁路货运流失客户可期货运价值

表1 货运客户分类等级对照表

2 铁路货运流失客户挽留效果模型研究

由于受到挽留流失客户营销成本等方面的影响，挽留营销过程无法全面维系到每一位货运流失客户，从而导致一方面失去了很多具有潜力的货运流失客户，另一方面又在低价值客户身上浪费了很多资源，严重制约了流失客户的挽留效果。此外，挽留策略是否有效，挽留效果是否理想，可以通过设定阈值进行判断，对于低于阈值的挽留策略，则应该进行调整或重新制定。

基于以上分析，本节提出铁路货运流失客户挽留效果的计算方法，首先设定如下假设。

假设1 假设本文研究的货运流失客户挽留策略已经试行一定时期，并且在试行期间监控了货运流失客户的发运情况，从而能够掌握货运流失客户的挽留情况。

假设2 货运流失客户挽留策略实施的整个时间过程称之为挽留策略实施周期T，根据文献[9]对货运流失客户的识别方法，如果存在以下3种情况之一，表示货运流失客户的挽留策略在T内开始生效，观察点t为挽留生效开始时间。

情况1：货运流失客户的发货频率较上一个观察点呈现上升趋势。

情况2：货运流失客户的发货频率保持稳定，并且投诉率较上一个观察点呈现下降趋势。

情况3：货运流失客户的发货频率保持稳定，并且货损货差率较上一个观察点呈现下降趋势，并且发货延误时间呈现下降趋势。

情况1：货运流失客户的发货频率较上一个观察点呈现下降趋势。

情况2：货运流失客户的发货频率没有呈现上升趋势，并且投诉率较上一个观察点呈现上升 趋势。

情况3：在货运流失客户的发货频率没有呈现上升趋势的前提下，货损货差率较上一个观察点呈现上升趋势，或者发货延误时间呈现上升趋势。

货运流失客户挽留过程的时间关系见图1 所示。

对于各项属性趋势的计算方法，采用的加权平均估值和计算平均估值求差的计算方法，见式(5)：

图1 货运流失客户挽留过程时间关系图

基于假设1和假设2，得到了货运流失客户在T内的挽留效果计算方法，见式(6)：

3 铁路货运流失客户挽留成本研究

铁路货运流失客户挽留过程的生命周期包括挽留策略的制定、挽留策略的实施和挽留策略的评估等过程，期间需要投入相应的成本用于挽留策略的支撑和运维，其中主要包括人力成本，物力成本和其他成本，其中，人力成本是指货运营销人员运营而产生的成本；物力成本是指对设备、设施、信息化建设等软硬件方面进行配置、更新、改造等产生的成本；其他成本是指其他由于流失客户挽留策略的执行，而导致铁路货运支出增加，或利润减少等产生的成本。通过对各项成本进行加权计算，得到铁路货运流失客户挽留成本的计算方法，见式(7)：

其中：，和ω分别代表挽留策略在挽留货运流失客户时付出的人力成本A，物力成本B和其他成本C的权值。

4 铁路货运流失客户挽留价值模型研究

通过设定阈值，可以判断是否对具有挽留意义，即：

5 铁路货运流失客户挽留价值仿真求解

5.1 仿真数据及环境

仿真环境建立在Windows 10 64位操作系统下，配备4G内存，500G硬盘。仿真工具为Matlab R2014a(8.3.0.532)版本。

5.2 仿真结果及分析

图2 实验1结果显示图

通过2组实验结果对比分析，得到以下结论：

图3 实验2结果显示图

2) 图4~5显示了货运可期价值C与货运挽留成本的差值与货运流失客户挽留价值之间的趋势图，说明C比越大，则普遍越大，在C小于的情况下，图4显示15个流失客户中12个挽留成功，而图5显示未进行细分的21个流失客户中只有6个挽留成功，说明对于细分流失客户的挽留过程中，挽留效果也起到了很大作用，而对于未细分的流失客户，则影响较小。说明对流失客户进行价值细分能够更好地运用挽留价值模型对挽留策略的有效性进行判断，从而指导制定流失客户挽留策略。

4) 在校验货运流失客户挽留策略有效的情况下，货运营销部门可以根据流失客户挽留价值的大小来设定货运流失客户的挽留顺序，即值越大的货运客户具有越大的挽留价值，则享有越高的优先挽留等级，铁货运营销可以根据自身的挽留营销能力，合理安排挽留资源用于高挽留价值的货运流失客户。

图4 实验1结果显示图

图5 实验2结果显示图

6 结论

1) 结合货运流失客户特征和货运价值，充分考虑货运流失客户的潜在价值，提出货运流失客户的可期货运价值；另一方面，引入挽留策略的挽留周期、各项参数的发展趋势，结合货运流失客户的细分等级，提出货运流失客户挽留效果模型，该挽留效果模型可以量化挽留策略在实施过程中对货运流失客户产生的作用和效果。

2) 综合考虑货运流失客户挽留策略的实施过程中需要产生的成本，结合挽留价值和挽留效果，提出货运流失客户的挽留价值模型，运用该模型计算得到挽留策略的挽留价值，通过设定挽留价值阈值和挽留策略生效阈值，可以判断货运流失客户挽留策略的有效性，及挽留策略的执行效果。

3) 对于制定的挽留策略，通过计算货运流失客户的挽留价值，可以获取货运流失客户应对的优先级，从而在营销资源有限的情况下，可以对挽留价值高的货运流失客户优先进行挽留，以保证挽留成功率和效益最大化。

4) 仿真实验证明，对于同一个流失客户挽留策略，运用于相同类别的流失客户相比于运用于不同类别的流失客户，在挽留效果上具有更好的表现，因此，建议货运营销部门针对不同货运价值的货运流失客户分别制定挽留策略，从而使挽留策略更加具有针对性，达到完善营销策略、实现精准营销的目的。

[1] 于小兵, 曹杰, 巩在武. 客户流失问题研究综述[J]. 计算机集成制造系统, 2012, 18(10): 2253−2263. YU Xiaobing, CAO Jie, GONG Zaiwu. Review on customer churn issue[J]. Computer Integrated Manufacturing Systems, 2012, 18(10): 2253−2263.

[2] HUANG B, Kechadi M T, Buckley B. Customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2012, 39(1): 1414−1425.

[3] Zoric A B. Predicting customer churn in banking industry using neural networks[J]. Interdisciplinary Description of Complex Systems, 2016, 14(2): 116−124.

[4] WU H L, ZHANG W W, ZHANG Y Y. An empirical study of customer churn in e-commerce based on data mining[C]// Management and Service Science (MASS), 2010 International Conference on, 2010: 1−4.

[5] Lemmens A, Croux C. Bagging and boosting classification trees to predict churn[J]. Journal of Marketing Research,2006,43(2): 276−286.

[6] LIN C S, Tzeng G H, Chin Y C. Combined rough set theory and flow network graph to predict customer churn in credit card accounts[J]. Expert Systems with Applications, 2011, 38(1): 8−15.

[7] Hossein Abbasimehr,Mostafa Setak,Javad Soroor. A framework for identification of high-value customers by including social network based variables for churn prediction using neuro-fuzzy techniques[J]. International Journal of Production Research, 2013, 51(4): 1279−1294.

[8] HUANG B Q, Buckley B, Kechadi T M. Multi-objective feature selection by using NSGA-II for customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2010, 37(5): 3638−3646.

[9] 张斌, 彭其渊. 基于铁路货运价值分类的客户流失预测研究[J]. 铁道科学与工程学报, 2018, 15(4): 1059− 1066. ZHANG Bin, PENG Qiyuan. Research on railway freight customer churn prediction based on customer value segmentation[J]. Journal of Railway Science and Engineering, 2018, 15(4): 1059−1066.

[10] 张斌, 彭其渊. 基于KFAV的中国铁路货运客户细分方法研究[J]. 交通运输系统工程与信息, 2017, 17(3): 235−242. ZHANG Bin, PENG Qiyuan. Railway freight customer segmentation based on KFAV model[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 235−242.

Research on railway freight customer churn retention value

ZHANG Bin1, 2, PENG Qiyuan1, LIU Fanxiao1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China; 2. Business Development Bureaus, China Railway Beijing Group Co., Ltd, Beijing 100860, China)

In order to manage the loss of freight customer better, and provide the accurate and efficient retention strategy for the freight department, based on the characteristics of railway freight industry and freight customer subdivision and freight customer churn prediction, this paper put forward the research method of the retention value of freight customer churn, so as to provide support for the formulation of customer retention strategy for freight customer churn. Firstly, combining with the characteristics of railway freight transportation, this method put forward the period freight value of freight customer. Secondly, this paper studied the executive effect of the retention strategy for lost freight customer, and proposed the retention effect model for the lost freight customer. Then the calculation method of customer retention cost was put forward. Finally, the customer retention value model was proposed. The simulation results show the execution efficiency of the retention strategy can be verified and the retention priority of the losing freight customer can be determined by calculating the retention value. And it has better retention effect and high success rate to make retention strategy for the freight losing customer based on customer segmentation.

railway transportation; freight customer churn; customer segmentation; retention strategy; retention value

U294.1

A

1672 − 7029(2019)09− 2339 − 06

10.19713/j.cnki.43−1423/u.2019.09.028

2018−12−06

中国铁路总公司科研计划重大课题(2016X008-J)

张斌(1985−)，男，内蒙古呼伦贝尔人，博士研究生，从事铁路货运大数据分析、计算机仿真，客户关系管理研究；E−mail：zbin0470@ 163.com

(编辑 阳丽霞)