个体优势导向的服务需求识别方法研究

余维田，兰春秋，王 姝，陈雪婷

(沈阳工业大学 管理学院，辽宁 沈阳 110870)

市场经济发展到今天，人们对服务的需求呈现出越发多元化的趋势，这对服务行业提出更高的要求。为了在激烈的市场竞争中取得一席之地，许多企业将目光转向顾客需求的识别。对于服务型企业来说，尽可能满足顾客的个性化需求，才能培养更多的忠诚顾客。这里所指的个性需求，并不代表个人需求，而是代表一部分群体的需求。在资源有限的情况下，为了获取更多的市场利润，企业则会将大部分资源分配到能为大多数客户所接受的服务模式当中去，并且愿意优先满足具有较高客户价值的顾客的服务需求。因此，服务需求的识别就不应仅限于需求内容的简单获取，更重要的是，根据收集的数据信息，权衡满足顾客服务需求所需成本与顾客可能为公司带来的价值，进一步进行顾客群体划分。因此，本文提出一种个体优势导向的服务需求识别方法，充分考虑每位参与调查顾客的需求偏好的同时，综合不同需求群体的客户价值情况，根据群体划分结果针对性制定服务策略，分配企业资源，力图实现企业利润最大化。

赵希男等[1]以竞优思想为指导提出个体优势识别方法，通过理想点效用模式对每位参评对象而言的最佳优势结构进行识别。识别结果充分照顾到每个对象的实际情况，克服了侧重主要群体，忽略少数群体的问题，更能为识别对象所接受。现阶段，学者们已经应用个体优势识别方法解决了许多现实问题，例如，兼顾个性化和民主性的人才评价[2]、成员胜任能力匹配[3]、学术型研究生的创新能力评价[4]、R&D 人员的绩效评价[5]、标杆选拔[6]等等。

需求识别从狭义的角度进行定义就是需求的获取与表达，最早的需求识别仅为需求内容的获取。国内外学者从需求获取途径和方法入手展开广泛的研究。Wind等[7]提出在通过互联网与顾客的对话过程中获取客户需求。Hussain等[8]利用正在使用的系统中的数据进行分析来理解客户更深层次需求内容和系统中的问题。随着客户需求的日趋多元化，简单的需求内容识别结果难以对企业发展给予精准化指导，需求指标优先级排序成为研究的重点，Kano模型是该领域研究的重要基础。王金凤等[9]运用模糊认知图挖掘潜在需求并构建Kano模型进行关键服务需求的识别。唐中君等[10]提出一种基于Kano模型的个性化服务需求获取方法，帮助企业在大规模定制生产情境下确定各项可定制属性的优先次序。贾甜等[11]将F相似关系聚类方法和粗数分析引入到Kano模型定量分析中，进行需求研发优先级排序，使需求研发顺序更符合用户期望。

通过对以往的研究分析发现，首先，现有需求识别的成果侧重单从顾客这一角度进行分析，缺乏企业盈利视角的考量，对于企业的现实指导意义较低；其次，需求识别结果的客观性也有待提升，而个体优势识别方法的优势可以发挥到需求识别当中来；最后，在群体服务需求多元化发展的今天，根据需求特征划分不同的客户群体，并洞悉其需求结构，对于企业开拓细分市场意义显著。

1 个体优势导向的服务需求识别方法设计

1.1 基于个体优势的顾客需求参数结构识别

假设某一服务的顾客需求由m个指标组成，记为E={e1,e2,· ··,em} 。共有n个被调查对象，记为O={o1,o2,···,on} ；xij为 被调查顾客oi基 于需求指标ej的需求值。本文利用2-范数距离下的加权距离来测量顾客oi对各需求指标的重视程度，其表达式为

1.2 基于服务需求个体优势权重的聚类分析与主旋律识别

对于社会系统来说，“主旋律”是系统发展的主流特征[12]。通过识别需求系统的主旋律，能够帮助企业有针对性地调整业务重点和决策方向。根据二八定律，满足集聚群体中20%以上成员的要求的价值观即为主旋律，另外，主旋律有强弱之分，在系统多个主旋律中，包含最多成员主旋律的需求模式的参数结构即为该系统需求的最强主旋律，即第一主旋律，代表着系统中大部分人的共同追求。

提炼主旋律的方法主要是聚类分析法。若将服务需求聚结成s类，则第p类需求的代表需求权重结构记为向量Qp=(qp1,qp2,···,qpm)T，p=1,2,···,s，记第p类主旋律中所包含的人数为fp。根据上述原理，将该行业中顾客服务需求第一主旋律记为A=(a1,a2,···,am)T。

1.3 个体优势导向的服务需求个性化程度计算与等级判别

1.3.1 基于第一主旋律的服务需求个性化系数

本质上，D是点a与点b的邻居点在对方邻居列表中位置的加权和。D越小，则代表着点a与点b的最近邻居的结构越相似。算法实现具体描述如下：

一般地，相比服务市场中某一行业的顾客主流需求来说，与其偏差越大的需求越具个性化，企业满足越具个性化的需求所需成本越高。为了企业资源的合理分配，对服务需求的个性化程度进行判别十分必要。本文将服务需求的个性化程度界定为需求权重参数结构与第一主旋律之间相似程度，并以相似系数的形式对需求个性化程度进行定量描述，相似程度越高，个性化程度越低。

1.3.2 服务需求个性化程度等级划分

表1 需求个性化程度等级划分标准Table 1 Classification standard of demand personalization level

1.4 群体客户价值计算与等级划分

客户价值分析是现代客户关系管理的核心工作，也是企业采取差异化服务的另一重要指标。依据客户价值进行顾客细分，能够帮助企业在提高客户忠诚度和保有率的同时，最大限度地实现企业的经济效益。

1.4.1 群体客户价值计算

RFM模型是由 Hughes[13]提出的一种在企业角度方面考虑的可较全面分析客户一般购买行为的客户价值模型，是衡量客户价值和客户创造能力的重要工具和手段。该模型包括3个指标：近度(R)、频率(F)及额度(M)，各指标的含义如表2所示。理论上最近一次购买时间越近的用户越容易被企业提供的即时服务所吸引，因此R与客户价值成反比；消费频度越高的顾客对某一服务的需求较多，且对该企业所提供的服务满意度较高，再次于该企业进行服务消费的可能性更大，因此F值越高的顾客对企业的价值贡献度越高；根据“帕雷托法则”，公司80%的收入来自20%的顾客，消费金额越高的顾客对企业的贡献越大，因此M与顾客价值成正比。

表2 RFM模型各指标的含义Table 2 The meaning of each index in RFM model

1.4.2 群体客户价值等级划分

由于权重的引入，计算结果已经实现各指标重要程度的权衡，得到顾客在3个指标的综合表现结果。那么在对群体顾客价值等级划分时，只需考虑数值大小的因素。根据上述分析，将Wp的最大值与最小值之间的区间进行三等分，分别将3个区间的群体客户价值等级定义为高、中、低。

1.5 基于九宫格矩阵的服务需求类型识别与分析

图1 九宫格分析矩阵Figure 1 The matrix of nine grid analysis

区域Ⅰ的顾客群体客户价值、需求结构与服务需求的主旋律相似度均高，满足其需求并不需要另外花费太多成本，却拥有能为企业带来较高营业收入的潜力，是企业利润的主要创造者；区域Ⅳ的顾客虽然价值处于中等水平，但是该群体的服务需求属于主流需求，是企业必然要开展的业务范围，维系这类顾客的成本较低。由此，本文将区域Ⅰ、区域Ⅳ所代表的顾客归为一类——黄金客户。

区域Ⅱ、Ⅲ的顾客服务需求与第一主旋律之间存在着一定的差距，但这类群体具有较高的客户价值，如若企业能够为这类客户开发定制服务，也能够为公司带来较高的利润收入，虽然这类群体可能目前没有表现出极大的综合价值，但拥有较大的日后发展潜力。故将这两类归为最具潜力客户。

区域Ⅴ的顾客群体在两个维度的表现均处于中等级别，为其提供服务的成本和收益相抵之后存在为公司带来利润的可能性；对于区域Ⅶ的顾客，公司提供的主流业务就能满足其需求，只是其为公司利润的贡献能力较低。综上所述，将这两类顾客归为一类——一般客户。

区域Ⅵ、区域Ⅷ、区域Ⅸ这3类顾客群体在需求个性化程度与客户价值方面均没有良好的表现，为其提供服务非但无法为公司带来一定的收入，还很可能为公司带来一定的损失，所以将其归为负价值客户。

2 计算实例

2.1 问卷设计与数据收集

大学生消费群体是服务意识最强的一个群体之一，与其他细分市场的客户相比，强烈的维权意识促使大学生更愿意表达自身实际需求，由此，对校园快递服务需求的识别极具代表性。本文以S高校快递末端物流服务需求的识别来验证所提方法的有效性。以问卷调查方式收集有关信息，问卷主要由3部分构成：第1部分为顾客基本信息；第2部分为快递末端物流服务需求调查，借鉴文献[15]中建立的高校快递末端物流服务需求指标体系，依据每项指标含义设计问卷内容；第3部分为客户价值相关信息调查。

问卷的发放采取对S大学在校学生随机抽取的方式，学生通过Likert 五点打分法根据自身情况进行作答，共发放问卷70份，收回有效问卷63份，有效问卷回收率为90%。通过SPSS软件进行信度效度分析，结果显示Cronbach α系数的值为0.919，KMO值为0.787，球形检验的卡方值为531.814，在0.001水平上达到显著，表明问卷的信度效度良好。

2.2 个体优势导向的S高校快递末端物流服务需求识别与分析

2.2.1 服务需求参数结构识别与主旋律提炼

2.2.2 S高校各群体快递末端物流需求个性化程度判别

将所得主旋律与各群体的代表参数结构依次代入式(4)和式(5)，得到群体A、B、C、D的需求个性化程度系数分别为0.671 4、0.772 6、 0.872 6、1。依据上述需求个性化程度等级划分标准，4类群体需求个性化程度等级判定结果分别为高、中、低、低。

图2 主旋律提炼过程示意图Figure 2 Schematic diagram of the main melody refining process

表3 群体聚类结果及其需求代表参数结构Table 3 Group clustering results and its demand representative parameter structure

2.2.3 S高校各群体客户价值等级确定

关于对R、F、M这3项指标权重的确定，邀请业内 5 位专家根据标度值的含义，通过对指标进行重要程度的两两比较进行打分。得到判断矩阵H为

通过一致性检验后，得到RFM模型中各指标权重分别为 βR=0.081，βF=0.188，βM=0.731。将问卷所得数据与权重结果依次代入式(6)、式(7)，得出各群体客户价值分别为2.939 3、1.896 2、 3.186 8、2.710 2。客户价值等级分别为高、低、高、中。

2.3 个体优势导向的S高校快递服务需求识别结果与对策建议

以服务需求个性化程度为横轴，以客户价值等级为纵轴，绘制九宫格矩阵，根据上述计算结果，找到各群体所属位置。S高校快递末端物流服务需求识别最终结果如图3所示。

图3 服务需求识别结果Figure 3 Result of service requirement identification

群体A位于区域Ⅲ，对于企业来说是极具潜力的客户类型，虽然需求个性化要求较高，但具有较高的客户价值，对于这类客户，快递企业应努力发掘其创造利润的潜力，调整资金投入比例，调动资源重点吸引，平衡营销方案效用、利润与成本总投入，科学制定针对该顾客群体的发展策略。这类用户对各指标的需求程度存在很大差异，尤为看重支付与个人信息安全以及运费价格的合理性。在这些方面进行服务提升，加大推广，将会对这类群体产生较强的吸引力。

群体B位于区域Ⅷ，客户价值偏低，需求个性化程度属于中等水平，有可能购买能力有限，也有可能对快递服务消费兴趣不高，同时，他们的快递服务需求又具有一定的个性化特征。由此，对这类用户加大资源投入和营销力度存在一定的风险，通过衡量对其资金投入的成本效益，选择适时淘汰。

群体C、D分别位于区域Ⅰ、Ⅳ，对于企业来说是 “黄金”客户类型，符合S高校大多数用户的需求情况，无需提供个性化的特殊服务就能满足其需求偏好，并且有较强利润创造潜力，因此是快递公司的优质客户。企业的重点工作就是继续维持与这两类顾客的长期友好关系，保证公司的资金来源。企业若能尽力提供与顾客期望相符或者更高的快递服务，那么将会提升这类重要顾客的忠诚度。

3 结论

满足用户的服务需求是服务型企业在激烈的市场竞争中长足发展的关键。服务需求的准确识别与精准供给对企业资源投入回报最大化、提升用户满意度与忠诚度具有十分重要的现实意义。本文在前人研究的基础上，将个体优势识别方法与RFM理论思想进行融合，提出需求个性化程度以及群体客户价值等级的概念，在充分考虑每位用户需求偏好的同时，参考用户自身的客户价值对客户进行细分，制定服务策略。对服务型企业发展战略的制定和资源的合理分配具有很强的现实指导意义。