基于LFM模型的农产品供货商销售渠道忠诚度评价研究

缪 彬，方 颖

(昆明理工大学 管理与经济学院， 云南 昆明 650093)

一、引言

农产品销售渠道指农产品从生产领域转向消费领域所经过的路线和通道[1]，渠道以实体企业或市场、虚拟平台、自发市场、个人等形态存在。近年来，随着社会经济和科技的发展，“互联网+农产品”、农产品电商平台等快速发展[2]，现货交易、拍卖交易、订单交易、电商平台、上门直购等可供农产品供货商选择的销售渠道越来越丰富。在供货数量有限的情况下，如何提高供货商供货渠道忠诚度，从有限的供货数量获得更多市场份额，是渠道型实体企业发展壮大所面临和需要解决的问题。当前有关企业客户忠诚度的研究比较深入，覆盖行业广泛，其研究思路和方法对渠道忠诚度研究有许多可借鉴之处。与传统的企业客户忠诚度相比，农产品供货商的销售渠道具有选择自由度大、关系不稳定、供货存在明显周期等特点。因此，在研究农产品供货商渠道忠诚度时，既要基于客户忠诚度的理论和方法，又要在评价指标和权重方面进行改进。

拍卖是在公开场合通过竞价转让所有权的交易模式[3]，我国在20世纪80年代末开始尝试农产品拍卖，K鲜切花拍卖市场(以下简称“K拍市”)是成功引入荷兰式拍卖的鲜切花交易流通企业。目前有3万余家供货商会员，收取供货商交易佣金是K拍市的主要收益来源。在K拍市发展初期，企业更加注重扩大市场占有率，但是在供货商数量快速增长的同时，由于缺乏科学管理客户的系统理念和制度，客户流失现象和客户不稳定频繁出现，致使供货量和收益产生波动。本文依据K拍市的供货商资料、供货数据和交易数据，结合已有研究成果，对供货商销售渠道忠诚度进行评价，进而提出分类管理对策。

二、文献综述

“忠诚”长期是营销理论研究领域的热点话题[4]，客户忠诚度和渠道忠诚度同属于关系营销理论领域，二者联系密切，但其内涵和应用场景有区别。

目前，在学术上关于客户忠诚理论的研究较为成熟。根据学者研究，对客户忠诚的内涵界定主要可分为3类：一是认为客户忠诚度是对客户行为的测度，指客户购买或重复购买行为发生的可能性，是对客户购买行为发生的频率、购买数量等的测度[4-5]；二是认为客户忠诚度属于心理层面，是在客户信任和客户满意的情感下所表现出的愿意继续购买该企业产品或服务的意愿、态度和倾向[5-6]；三是认为前两者都重要，衡量客户忠诚既要考虑客户的再次购买行为，也要考虑客户对企业及员工的情感意愿、态度和倾向[4-5]。Wouter等研究证明通过客户交易数据预测零售店客户行为忠诚度状况是可行的，对业务提升比较有效[6]。许多学者对商业银行行业客户忠诚度也展开了研究：王文贤等基于RFM多层级模型以商业银行数据仓库积累的数据评估个人客户的总体忠诚度[7]；金文钊对商业银行服务质量与客户忠诚度的关系进行研究,发现商业银行优化服务质量有利于提高客户忠诚度[8]；闫会娟等结合商业银行业务交易数据评价银行现有个人客户忠诚度。对民航旅客和电商客户的忠诚度研究也不在少数[9]：杨倩倩对航空公司旅客行为的忠诚价值进行了分析并提出了发展建议[10]；凌元辰根据民航企业的特点对旅客的忠诚度进行预测评价，提出了提高旅客忠诚度的服务对策[11]；唐胡鑫在电子商务海量的交易数据中运用模糊K-means算法对客户忠诚度进行准确挖掘[12]。刘朝华等以RFM模型对客户进行分类，计算出了不同群体企业客户的经济价值[13]；刘明等对物流企业客户忠诚度进行研究，并提出了提升客户忠诚度的建议[14]。

与客户忠诚度相比，渠道忠诚度的相关研究较少。何艳认为渠道忠诚表现为情感忠诚和行为忠诚两个方面[15]。尹守华等对渠道忠诚进行分析，认为渠道忠诚是指经由认知忠诚、意向忠诚、行为忠诚和情感忠诚4个阶段发展而来的渠道商和供应商之间的长期、稳定、动态的交易关系[16]。Stem等学者认为渠道忠诚就是指营销渠道中一系列相互依赖的组织之间的忠诚[17]。桂昊认为渠道忠诚是从渠道满意概念中引出的概念，是指渠道满意后对某种公司产品或品牌产生的信任从而衍生出的希望长期合作的一种心理倾向[18]。山红梅等分析了电信运营商社会渠道忠诚度的主要影响因素[19]。

综上所述，目前国内外关于客户忠诚度的研究较为系统深入，方法及模型较为成熟，在银行、电商、零售业、交通、物流、旅游等行业有较为广泛的应用成果，可以较好地评价客户忠诚度，评价结果对于业务有指导作用。渠道忠诚度也逐渐被一些学者所关注，涉及意愿和行为等的概念逐步趋于统一，但在具体的评价指标与方法方面研究不够系统。笔者借鉴客户忠诚度评价的研究思路及方法，针对K拍市的业务实际，对农产品供货商销售渠道忠诚度进行研究，重点解决供货商渠道忠诚度的评价指标、权重、评价结果及其应用等问题，结合农产品生长周期与供货周期等特点对指标进行针对性调整，在传统的RFM模型基础上，提出针对供货商渠道忠诚度的LFM模型，更加准确地反映了农产品供货商销售渠道忠诚度。

三、供货商渠道忠诚度评价模型的建立

(一)评价指标体系

1.评价指标构建原则

为了全面准确的评价供货商渠道忠诚度，需要构建完善的指标体系作为基础和保证，科学的指标体系是衡量客户渠道忠诚度的关键。完善且具有说服力的指标体系是反映渠道忠诚度的关键依据。供货商销售渠道忠诚度评价指标体系的构建遵循以下原则：

(1)系统性原则[20]。所谓系统性，指在设计指标体系时，不是将许多指标简单随意罗列而成，而要尽可能全面描述对象特征，确保指标体系的完整。

(2)科学性原则[21]。科学的指标体系能够得到科学的分析结果，只有在科学的指标体系保证下，运用评价模型才能对客户进行客观、有效的评价。

(3)独立性原则[22]。独立性原则指用于评价渠道忠诚度的同一层次的指标之间应尽可能保持独立，避免选择重复指标和含义相近的指标。

(4)可比性、可行性与可量化原则[20]。在评价指标体系构建时选取的指标要符合实际，能够采集到原始数据并且符合数据量化处理要求。

2.评价指标体系构建

RFM模型作为客户关系管理领域的重要模型，被广泛应用于评价客户忠诚度、流失倾向和衡量客户生命周期价值等研究领域[7-13]。RFM模型是由3个指标构成，分别是“距离上一次交易的时间”(简称“近度R”)、“最近交易次数”(简称“频度F”)和“最近交易金额”(简称“额度M”)。此模型是通过对客户近期的购买或交易行为的指标来综合评价客户。笔者以传统RFM模型为基础，结合客户渠道忠诚度的特点，将其改进为LFM模型。由于农产品生长周期的特殊性，RFM模型中的近度指标无法准确反映这一特点，将其改进为时间长度指标(L)；根据交易特征、交易数据对频度和近度指标予以丰富，更能有效地反映忠诚度评分。构建的LFM模型总共选取了6个三级指标，如表1所示。具体指标及意义如下：

表1 供货商销售渠道忠诚度评价指标体系

在长度指标L中，采用合作时长和交易间隔时长两个指标，合作时长指标表现供货商与K拍市建立合作关系时间长短，时间越长渠道忠诚越高，反之越低；交易间隔时长指标表现为供货商在合作中未向拍市供货的时间间隔长度，供货间隔时间越长渠道忠诚越低，反之越高。

在频度指标F中选取供货天数和供货批次两个指标，供货天数表现为供货商在K拍市观察期内供货的累计天数，累加供货天数越多，渠道忠诚越高，反之越低；供货批次表现为供货商在K拍市观察期内供货的累计批次数，累计供货批次越大，渠道忠诚越高，反之越低。

在额度指标M中保留供货交易金额，增加供货数量指标。供货数量表现为供货商在K拍市观察期内供货的累计数量，累计供货数量越大，渠道忠诚越高，反之越低；交易金额表现为供货商在K拍市观察期内累计成功交易的金额，累计交易金额越大，渠道忠诚越高，反之越低。

(二)渠道忠诚度模型

基于上述构建的供货商销售渠道忠诚度评价指标体系，提出供货商销售渠道忠诚度评价模型的计算模型：

(1)

其中，LFM为供货商销售渠道忠诚度评分，Li、Fj、Mk指的是供货商销售渠道忠诚指标体系的三级指标标准化数值，wi、uj、vk分别为指标Li、Fj、Mk的权重。

(三)权重确定方法

赋权研究是对多个指标综合评价的一个重要步骤，权重表现为一个数值的大小，表示某一指标在指标系统中的重要程度。目前权重的确定方法很多，主要分为主观权重确定方法、客观权重确定方法、组合权重确定方法三大类[23]。主观权重确定方法是人们研究较早、较为成熟的方法，它是根据专家或决策者主观上的重视程度来计算确定。常用的主观权重确定方法有专家调查法、层次分析法(AHP)、二项系数法、环比评分法等[24]。客观权重确定方法根据各属性下各方案属性值差异的大小，用一定的数学算法计算得出。常用的客观权重确定方法有：主成分分析法、熵值法、离差及均方差法、多目标规划法等。组合权重确定方法是基于主客观权重的优缺点互补、优化提出的权重确定方法。组合权重确定方法包括线性加权单目标最优化法、熵系数综合集成法、组合赋权法、Frank-Wolfe法等[23]。

每种权重确定方法各有其优缺点。主成分分析法具有处理多个一定相关性变量的能力，从而实现对数据集的降维，使得问题得以简化，简化处理后可以清晰地进行指标排序，得出综合评价的数据结果。因此，本文采用主成分分析法确定权重。

四、供货商销售渠道忠诚度评价抽样实证分析

笔者从K拍市数据库中累计的供货数据和交易数据中随机抽取了2019年1月1日—2019年12月31日的590名供货商数据进行研究。以SPSS 19.0和EXCEL 2019作为主要分析工具，用主成分分析法确定供货商渠道忠诚各指标权重，结合指标数据计算出渠道忠诚度值，以计算出的L值、F值、M值进行K-means聚类分析，对完成分类的供货商群体的渠道忠诚度进行特征分析并提出管理策略。

(一)指标数据处理及权重计算

1.主成分分析可行性检验

常用的检验主成分分析可行性的方法是KMO和Bartlett检验法。由表2可以看出数据KMO值为0.812与1相接近，适合进行主成分分析。Bartlett球形度检验值3 087.239，显著性值为0.000，达到显著水平，拒绝原假设，因此总体的相关矩阵间有共同因子存在，适合进行主成分分析。

表2 KMO 和 Bartlett 的检验

2.提取主成分

运用SPSS 19.0软件对6个指标因子进行降维分析提取主成分，经最大方差旋转处理，结果如表3所示。结果显示提取两个因子作为主成分，这两个主成分的方差贡献率分别为55.200%、18.662%，累积方差贡献率达到73.861%，解释效果较好。

表3 解释的总方差

3.确定成分矩阵和权重

成分矩阵(见表4)中具体值为各主成分对不同指标因子的载荷系数，数值的大小能够反映各主成分对不同指标因子的解释程度高低。

表4 成分矩阵

因此，根据主成分分析法的权重计算方法，首先计算因子在不同主成分线性组合中的系数；其次计算出指标权重综合模型的得分系数；最后对综合模型的得分系数做归一化处理得到每个因子的权重值。

用表4中的载荷数除以表3中对应的“初始特征值合计”的开方。按此方法，基于表3和表4的数据，在EXCEL 2010中分别计算出各因子在2个主成分线性组合中的系数。经过计算得到两个主成分的线性组合如下：

F1=0.533X1+0.530X2+0.529X3+0.394X4-0.017X5+0.009X6

(2)

F2=0.014X1+0.005X2+0.008X3-0.020X4+0.711X5+0.703X6

(3)

根据这两个主成分方差贡献率(见表3)以及以上得出的主成分线性组合中的系数做加权平均计算，得到综合得分模型如下：

Y=0.402X1+0.397X2+0.397X3+0.289X4+0.167X5+0.184X6

(4)

将综合模型的得分系数做归一化处理后得到交易间隔时长、合作时长、供货天数、供货批次、供货数量和交易金额的指标权重值分别为0.091、0.100、0.158、0.216、0.219、0.216。

(二)指标数据处理及评分

客户交易原始数据参差不齐，相差过大，对所有选取的指标原始数据进行标准化处理。所选取指标中含成本型和效益型指标，其中供货数量、交易金额、供货批次、供货天数和合作时间为效益型指标，交易间隔时长为成本型指标。标准化公式如下：

根据供货商样本各指标标准化数据和权重值，代入公式(1)分别计算出L得分、F得分、M得分，从而得到百分制的供货商销售渠道忠诚度总评分LFM。由于篇幅有限，以下展示部分供货商销售渠道忠诚度评分值(见表5)：

表5 供货商销售渠道忠诚度评分表(部分)

(三)聚类结果分析

对K拍市2019年1月1日—2019年12月31日的590名供货商计算出的L值、F值、M值进行K-means聚类分析，以SPSS 19.0作为分析工具，将590名供货商聚类分成4种类别(见表6)，并对4类群体特征进行分析。

表6 供货商销售渠道忠诚度K-means聚类结果

对表6的数据进行比较分析，可以得出以下结论：

第一类为潜在价值供货商，有86名供货商，占供货商总数的14.58%，属于少数供货商群体。该类群体供货商渠道忠诚度得分平均在33分左右，合作时长较长，间隔交易时长较短，供货频率较高，其原因是渠道份额低导致交易金额和供货数量较低。

第二类为活跃型高价值供货商，仅有8名供货商，占供货商总数的1.36%，属于高价值少数供货商群。该类群体供货商忠诚度得分平均在65分左右，为高忠诚度供货商群体，通过调研及业务统计分析，他们对K拍市的佣金贡献高达40.12%。他们的供货数量、交易金额、供货频率都很高，渠道忠诚度高。这类供货商是K拍市需要重点关注、防止流失的供货商。

第三类为活跃型低价值供货商，有190名供货商，占供货商总数的32.20%，属于低价值多数供货商群体。该类群体供货商忠诚度得分平均在21分左右，他们合作时长和交易间隔时间得分最高，体现对K拍市这一交易渠道有一定的信任，表现出比较大的忠诚度，但其中大多供货商供货规模较小，体现出的价值不高。

第四类为陌生型低价值供货商，有306名供货商，占供货商总数的51.86%，属于低价值多数供货商群体。该类群体供货商忠诚度平均得分在18分左右，它们合作时长较短，供货频率低，交易金额和供货数量少，主要为家庭式小农户的供货商，未形成规模化种植的个体户，交易渠道不固定，价值较低。此类供货商可能消耗的成本比贡献的价值大，企业需要采取措施管理以降低此类供货商数量。

五、研究结论及对策建议

在传统的客户忠诚度评价方法和RFM模型的基本原理基础上，构建适合鲜切花行业特点的渠道忠诚度评价LFM模型，对K拍市590个供货商数据进行分类研究。分析结果将590名供货商依次分为成长型客户、黄金型客户、忠诚型客户和低价值型客户4类。其中，黄金型客户所占比重最低，佣金贡献却最大，符合客户分类中的“二八原则”；低价值型客户所占比重最大，与K拍市的企业现实情况非常贴切，需要给予关注；成长型客户与黄金型客户所占比例总体较高，长期来看，此类供货商良性发展对企业未来发展具有巨大贡献。由此看来，不同供货商渠道忠诚度评价差异较大且客户特征不同，应该采取差异化的管理措施，才有可能实现客户价值的最大化。依据客户关系管理理论和客户保持理论，以提高供货商的忠诚度，实现长期稳定、持续盈利的客户关系为目的，针对不同类型供货商群体提出以下渠道忠诚维持建议和渠道忠诚提升的营销对策：

其一，第一类供货商为成长型客户，此类群体潜在价值高，渠道忠诚度较低，对此类供货商采取渠道忠诚提升营销策略，通过营销策略建立双方的良好关系，使供货商对K拍市产生依赖性，从而为企业带来更多的利润。具体对策建议如下：

(1)制定供货商成长服务政策，促进供货商成长。该类供货商潜在价值高，需要将其潜在价值转变成对企业的利润，我们为该类供货商提供上门运输服务、种植技术和采后处理培训服务、专家下基地指导服务等一系列服务政策，提升供货商对K拍市的信赖，提高供货商的供货量，从而增强其忠诚度。

(2)为供货商提供成长资金需求。K拍市可为有意愿扩大规模的供货商提供小额信贷或小额信贷担保、种植场地寻找和技术服务支持等对策提高供货商自身的发展和供货能力，使它们的高潜在价值转化为对企业的利润值。

其二，第二类供货商为黄金型客户，此类供货商渠道忠诚度和贡献率均比较高。给K拍市带来大量的利润值，需要给予他们最大的关注并采取激励政策，保持良好的合作关系，具体对策建议如下：

(1)提供超级会员一对一服务。为每个黄金型供货商安排1个专属的客户经理，为黄金型供货商提供全方位的服务。充分利用各种联系方式与供货商进行密切沟通，为其安排绿色通道，尽快满足供货商的合理需求。同时，K拍市需要对服务该类供货商的客户经理授予一定的权限，尽快解决供货商合理需求的权力。

(2)运用奖励措施建立供货商归属感。运用营销理论中的激励措施，举办各类奖励活动，建立供货商对企业的归属感。比如举办评选交易量奖、种植能手奖、优秀品牌奖等活动。交易数据显示，该类活动奖项大多为这类供货商获得，这样就使得该类供货商在K拍市为“明星”供货商，供货商便能感受到价值体现，最终对K拍市拥有强烈的信任感和归属感。

其三，第三类供货商为忠诚型客户，对此类供货商需要采取有效的价值开发措施。他们可能在得到服务后，对企业更加信任，合作关系也更加紧密。具体对策建议如下：

(1)采用佣金优惠策略，刺激供货商供货。为该类供货商专门制定佣金优惠政策，比如制定每季度达到多少供货量或交易量收取何种档次的佣金、每年达到多少供货量或交易量收取何种档次佣金等政策。吸引并维持该类供货商在K拍市供货。这样不仅能够与供货商保持良好关系，同时还能刺激该类供货商的供货潜力。

(2)用各类营销活动和服务措施提升供货商的忠诚度。一方面，采用各种营销手段刺激供货商在K拍市供货，提高供货商在K拍市供货频率，从而提高供货量；另一方面，对该类供货商安排专员跟踪访查，定期总结其动态及诉求，针对不同供货商的诉求时要因人而异、对症下药。供货商在得到此类服务后会对公司更加信任，忠诚度更高，从而保持良好的合作关系。

其四，第四类供货商为低价值型客户，此类供货商对K拍市没有较多吸引力，但是根据拍市的盈利模式，此类供货商对拍市是有价值的。这类供货商对拍市的价值贡献和潜在价值都很低，例如偶尔供货且交易金额小的供货商，拍市从其获得的佣金收入无法弥补运输和人工等成本。针对这类供货商提出如下对策建议：

(1)构建农户联合体，提供集中式的服务。对该类供货商展开充分调查，按照区域、特征和农户需求对该类农户进行整合，使小而散的各个农户进行整合，使其做大做强。这样不仅能够使该类供货商提高供货规模和供货质量，同时也能够使K拍市对该类供货商提供集中式的服务，减少K拍市服务成本。

(2)提供集中式服务，减少企业服务边际成本。该类供货商在K拍市的数量比重较大，有些供货商在拍市交易中所产生的价值比拍市为其服务所产生的成本还低，使得K拍市的获利较低。因此，对该类供货商中提供集中式服务，能够降低K拍市服务边际成本。