工商零消大数据助力烟草行业客户价值预测与精准服务

李欣欣?肖骏?孔维力

摘 要：随着大数据技术的不断发展，客户的需求越来越个性化，客户体验要求越来越高。准确把握以及需求响应的实时性，通过使用大数据和人工智能的技术，对客户进行精准分类和价值预测，从而提供精准服务显得十分必要。为加快烟草工商业互联网+营销数字化转型，广西中烟开展了面向智慧商圈的工商零消大数据分析关键技术研究，通过将“互联网+”前沿技术与卷烟消费场景相结合，借助数据分析建立客户价值预测模型、客户价值体系标签模型、商圈价值预测模型，建设模型统一管理平台，开展精细化的客户分层分类，完成有依赖专家经验的传统工作模式转变到数据驱动智能辅助的科学高效工作模式，在繁杂的客户拜访任务池中筛选出高价值、高质量客户群，并针对性地开展精准服务。

关键词：大数据;客户分类;标签模型;精准服务

一、研究背景

2015年以来，中国烟草行业逐步进行市场化改革。移动互联网背景下，大数据正在以前所未有的速度，颠覆人们探索世界的方法。随着大数据技术的不断发展，客户的需求越来越个性化，客户体验要求越来越高。准确把握以及需求响应的实时性，通过使用大数据和人工智能的技术，对客户进行精准分类和价值预测，从而提供精准服务显得十分必要。

通过查阅文献，李晓萍等研究改善了K-means算法应用于客户分类中的RFM模型，解决了综合性商场的客户分类问题;冀慧杰、倪枫等在此基础上引用灰度关联度对各指标权重又进行了划分;罗彪、闫维维等所研究模型则运用网络层次分析法（ANP）对指标进行赋权，兼顾了指标间的相互影响;在行业内，闫磊、刘旭等对卷烟零售客户价值指标体系建立，价值维度包括贡献度、影响度、支持度三个方面进行了研究。

综上，为加快烟草工商业互联网+营销数字化转型，广西中烟工业有限责任公司（以下简称广西中烟）以数据驱动营销服务，构建智能化数据支撑体系，基于标签体系构建客户价值模型，从而界定差异化的客户服务群体，最大限度配置好客户服务资源。通过将“互联网+”前沿技术与卷烟消费场景相结合，参考工商业卷烟销售、投放、经营数据构建方法，借助数据分析建立多维度、多指标相互关联的标签体系，开展精细化的客户分层分类;借助人工智能的驱动力，完成有依赖专家经验的传统工作模式转变到数据驱动智能辅助的科学高效工作模式。在繁杂的客户拜访任务池中筛选出高价值、高质量客户群，并针对性地开展精准服务。

为实现上述目标，广西中烟与广州烟草开展了面向智慧商圈的工商零消大数据分析关键技术研究，研究主要分为客户价值预测模型和客户价值体系标签模型研究。

二、客户价值预测模型

以客户属性作为细分标准，以销售量为基础，参考其他特征数据和市场状态指数，结合人工智能对客户价值进行智能分析和预测，得到客户价值预测模型。其中，客户基本属性可以分为档次、销量、品牌宽度、店面形象和经营能力等。客户分类评定要求如下：

通过影响客户分类因子分析，为实现客户分类的目标，有效提供精细服务和精准监管，小组成员通过头脑风暴法，查找出影响客户分类的定性、定量和异常因子。

1.客户评价分类参与人员

主要包括营销部主任、管理人员、市场经理、信息专员、终端专员、客户专员，各岗位人员根据客户评价分类流程和时间要求对客户进行评价分类。

2.客户评价分类周期

客户分类评价周期原则上每季度一次，每季度首月上旬开展评价。通过定性、定量及异常指标对一季度内客户实际经营情况进行全面摸查。

3.客户分类评价流程

（1） 客户基础信息维护

客户专员：评价周期前，客户专员根据客户分类评价指标逐项梳理，对所有客户的关键基础信息重新维护一遍，特别是确定为分类有效因子的关键基础信息必须做到全面、准确维护。

信息专员：每季度首月前5日（节假日顺延），负责对评价周期内（上一个季度）的客户实际经营数据进行分析，主要包括一二类销量、销售额、条均价和品牌宽度等，并对客户相关基础信息进行后台维护。

（2） 评价基础资料收集整理

信息专员：评价周期截止日，负责从相关系统中导出相关定量销售数据，结合客户分类周期定性数据、通过指标分值加权运用，对存在违法违规或不规范经营行为的客户减去相关的扣分項，得出客户综合评定分值。结合所有客户的得分情况对应的客户类别分值区间，形成季度客户初始类别。

（3） 异常客户类别调整说明

由于异常要因包括客户存在违法违规行为和涉嫌不规范经营行为，此部分内容将对以上两种不同行为作相应的补充说明。

①客户存在违法违规记录的取值周期

以客户分类评定周期开始计算，根据内管、专卖部门提供的违法违规数据为时间节点，取值周期为就近三个月。

②客户涉嫌不规范经营行为的核定过程

客户专员对客户系统数据和实际经营情况进行判断排查，一旦发现客户涉嫌异常情况，信息专员负责汇总收集后并把客户名单传递到内管部门跟进。

③涉嫌不规范经营行为的客户类别恢复条件

在每个客户分类评定周期内（一季度），异常类别客户一直保持合法经营，不再出现异常情况，可在下一评定周期时，按客户综合评定得分结果恢复其对应的初始类别。

根据以上客户分类评定要求，查找影响客户分类的定性、定量和异常因子。通过筛选、分析，对各项因子进行一一比对，最后筛选出有效因子，构建客户价值预测模型，并对各项因子设置不同的权重和分值。以客户销售额、一二类销量、品牌宽度、条均价等关键业绩指标为主，以客户入网时间、经营者情况、守法情况等反映客户成长性的潜力指标为辅，综合考虑客户的规范经营情况和示范效应，多角度、立体化地对客户进行价值预测。

客户价值基本算法为：客户预测价值=定性因子得分+定量因子得分-违法违规扣分-核定不规范经营行为扣分。

三、客户价值体系标签模型

以数据营销为主线，构建智能化数据支撑体系，以服务营销为支线，准确界定差异化的零售户群体，设计客户标签体系，建立客户价值体系标签模型。

根据表1的综合评定结果，构建分层分类模型，将客户划分为核心客户、潜力客户、常规客户三个一级类别以及对应细分的客户类别。

结合客户价值体系标签模型，对广州市白云区全区客户进行精准分类，对不同标签的客户匹配不同的服务方案。

1.核心客户

该类客户综合评定得分较高，经营业绩很好，长期守法经营，对经营利润非常重视，有自我提升诉求和进一步提升空间，对利用电子信息技术开展经营工作比较积极，需要服务项目较多，对客户专员的服务工作依赖性强，且对服务人员的配合度较高。对于公司而言，该类型客户当前价值与潜在价值均较高，是黄金客户，公司拥有该类型客户越多，市场就越稳定，企业就越有发展潜力。因此，应把重要服务资源投入到保持和发展这类客户上面，主动及时地了解客户服务需求，提供最优的服务项目和实施最优的服务策略。

（1） 分类标准

所占比例：总客户数15%-20%

分类类别：按分层分值区间划分为20支客户、终端户、重点客户。

（2） 服务标准

拜访频次：两周拜访一次

拜访时长：15分钟-30分钟

拜访方式：实地拜访、网络拜访、电话拜访

服务类型：亲情服务

2.潜力客户

该类客户综合评分较理想，具有较好经营业绩的可提升空间，营业收入在其总收入中所占比重较大，能够配合服务人员开展各项工作。对于公司而言，该类型客户的潜在价值要高于当前价值，可以通过及时、有效的服务，将该类型客户中的一部分发展、提升成为核心客户。因此，公司要投入较为丰富的服务资源，建立便捷、高效的沟通渠道，加强对该类型客户的情感维系，增加拜访频次，提供个性化服务，促使其向核心客户迈进。

（1） 分类标准

所占比例：25%-30%

分类类别：按分层分值区间划分为成长型潜力客户、培育型潜力客户、观察型潜力客户。

（2） 服务标准

拜访频次：每月拜访一次

拜访时长：15分钟-25分钟

拜访方式：实地拜访、网络拜访、电话拜访

服务类型：真情服务

3.常规客户

该类客户经营较为稳定，长期以来销量、销售结构波动非常小，经营利润在店铺整体经营利润中占比较低。受市场环境、店主文化程度、消费者购买力等因素制约，客户自我提升观念不强，且提升空间有限。该类型客户对客户专员的服务需求较少，有服务需求时，习惯于通过电话向客户专员咨询。对于公司而言，该类型客户是最广泛的客户群体，是企业生存和发展的根基。应通过有规律的拜访服务，同客户建立相互信任与依赖的关系，进而改变客户经营观念，释放经营潜力，使其逐步向潜力客户与核心客户靠拢。

（1） 分类标准

所占比例：40%-50%

分类类别：按分层分值区间划分为增长型常规客户、稳定型常规客户、波动型常规客户。

（2） 服务标准

拜访频次：季度拜访一次

拜访时长：5分钟-20分钟

拜访方式：实地拜访、网络拜访、电话拜访

服务类型：热情服务

四、总结

通过客户价值预测模型，对不同的客户进行价值评估，通过客户价值体系标签模型，对客户进行分层分类，得到三大类九细分类的客户表格，针对不同类别的客户，匹配不同的服务方案。通过商圈价值预测模型，使用人工智能方法，为新店铺选点提供参考，构建基于标准数据交换格式的标签分类体系模型，通过模型统一管理平台，针对客户经营管理上存在的不足，提出改进方案，改善客户经营管理水平，降低客户经营成本，分析周边市场环境特点和消费需求变化趋势，帮助客户把握市场动向，找准经营提升突破口。

参考文献：

[1]李晓萍.K-means算法对综合商场客户价值分类的研究[J].电子技术与软件工程，2021，（24）：122-124.

[2]冀慧杰，倪枫，刘姜，等.基于灰色关联度和K-Means++的电子商务客户价值分类[J].计算机系统应用，2020，29（9）：249-254.

[3]罗彪，闫维维，万亮.基于ANP和K-means聚类的客户价值分类模型及应用[J].计算机应用，2013，33（10）：2954-2959.

[4]闫磊，刘旭，徐斌.基于客户价值的卷烟零售客户分类研究与应用[J].价值工程，2019，38（25）：89-90.

[5]劉宁，苗银家.烟草企业营销渠道建设存在的问题及对策——以烟草企业A公司为例[J].长江大学学报（自科版），2017， 14（02）：66-67.

作者简介：李欣欣（1990.11- ），女，汉族，广西贵港人，硕士研究生，工程师，研究方向：工商管理;肖骏（1990.07- ），男，汉族，湖南常德人，本科，助理工程师，研究方向：信息技术;孔维力（1997.11- ），男，汉族，广西南宁人，本科，助理工程师，研究方向：信息技术