顧客資產(chǎn)價值評估及最大化策略.pdf

1、顧客資產(chǎn)管理理論產(chǎn)生于20世紀末。它與其它傳統(tǒng)管理理論的區(qū)別在于將顧客視為企業(yè)資產(chǎn)，并以顧客資產(chǎn)為核心，優(yōu)化企業(yè)資源配置，實現(xiàn)其價值的最大化。顧客資產(chǎn)管理最關(guān)鍵部分就是對顧客資產(chǎn)的量化評估。由于在非契約型環(huán)境下的企業(yè)對于顧客未來的消費行為無法獲知，導(dǎo)致了顧客資產(chǎn)評估的困難性。當前在學術(shù)界中，處于主流地位的對非契約環(huán)境下的顧客資產(chǎn)評估模型是基于隨機行為的Pareto/NBD和BG/NBD模型。然而這類模型建模復(fù)雜，計算繁瑣，使得學術(shù)界的研

2、究成果并未能在商業(yè)界得到真正的運用。本文針對這一情況，提出了幾個簡單而有效的預(yù)測模型，既能達到復(fù)雜數(shù)學模型預(yù)測的精準性，又能滿足商業(yè)界對模型效率的要求。本文主要的工作歸結(jié)如下： （1）提出了非契約環(huán)境下的顧客流失預(yù)警模型。假設(shè)顧客的歷史購買次數(shù)及最后一次購買的時間間隔是顧客流失與否的一種表現(xiàn)，用未來購買與否對顧客進行劃分，將顧客分成四類。選擇正確劃分的最優(yōu)閾值作為衡量流失的分界點。通過與其它主流模型的實證對比，表明本文的模型的預(yù)

3、測效果最優(yōu)。 （2）提出了顧客購買次數(shù)期望值的預(yù)測模型。模型基于顧客過去購買頻率與未來購買頻率一致的假設(shè)，并考慮了顧客流失情況對購買次數(shù)造成的影響。實證中與其它模型的進行了比較，結(jié)果表明本文的模型在預(yù)測顧客整體累積購買情況上的準確度，遠遠高于其它模型；而在個人購買水平的預(yù)測上略低于復(fù)雜的隨機模型。 （3）提出了基于顧客剝離的顧客資產(chǎn)預(yù)測模型?？紤]到劣質(zhì)顧客所帶來的負利潤對顧客整體的資產(chǎn)總值的影響，在計算顧客資產(chǎn)時，將劣質(zhì)

4、顧客排除在計算之外，用實證表明剝離后的顧客資產(chǎn)總值要大于剝離前的顧客資產(chǎn)總值。 （4）在優(yōu)質(zhì)顧客的識別問題上，本文的算法也能達到良好的預(yù)測效果。在實證中通過對盈利性占前20％的顧客進行了預(yù)測，比較幾個主流算法和本文的算法的預(yù)測結(jié)果。結(jié)果表明本文的算法在識別過去和未來表現(xiàn)皆優(yōu)質(zhì)的顧客的預(yù)測效果最好。同時還指出在預(yù)測優(yōu)質(zhì)顧客時不僅僅要考慮顧客的購買次數(shù)，還應(yīng)該考慮顧客的購買金額及相應(yīng)的成本，也就是顧客為企業(yè)所帶來的利潤。 （