编者按:随着市场经济深入发展,社会对企业的要求逐步提高。秉持从客户出发、为客户创造价值的理念,才能有效提升企业核心竞争力,从而获取更多利益。在此背景下,客户关系管理愈发重要。
客户分类模型是客户关系管理中的重要模型之一,本文将结合百分点科技多年来积累的项目实践经验,从行业应用与模型原理两个角度,对客户分类模型进行介绍。
一、客户分类模型行业应用
客户关系管理的目标,是通过满足每一个客户的需求,实现企业资源优化,降低企业成本等。为实现此目的,企业需要收集整理客户信息,分析出蕴含在大数据背后有价值的信息,加以利用,结合不同类别客户的本质需求,提供差异化服务。一方面为客户创造更多价值,另一方面为企业自身赢得更多利益,实现双赢。
其中,客户分类模型是客户关系管理中的重要模型之一,接下来将介绍客户分类模型在各行业场景中的应用。
1. 零售行业——RFM模型/基于聚类的RFM模型
RFM模型常用于零售行业,是客户关系管理分析模式中常用的工具和手段。该模型以近度(R:Recency)、频度(F:Frequency)、值度(M:Monetary Value)作为客户分类的三项指标,例如,利用一位客户的最近购买时间(R)、购买频次(F)与累计购买金额(M)来描述该客户的价值情况。将每个维度进行二分,R/F/M三个维度的三次二分将 全部客户分为八类,企业可对不同类别的客户开展不同的营销手段。 RFM模型十分经典,但较为传统机械。利用机器学习聚类算法,可以对RFM模型进行优化,常用方法有基于自组织神经网络(SOM网络)的RFM客户分类模型 。2. 金融、电信、零售等行业——聚类模型与分类模型相结合
RFM模型需要用到最近购买时间(R)、购买频次(F)与累计购买金额(M)三个指标,这些指标适用于零售行业。那么对于其他行业而言,该如何构建与行业数据更适应的客户分类模型呢?常见的客户分类模型方法有聚类与分类相结合的客户分类方法 ,该方法步骤为:
(1)结合具体行业客户特征与业务需求,归纳客户特征,提取有关指标的数据字段;
(2)利用聚类模型(k-means/SOM等)对客户进行聚类,确定现有客户的类别;
(3)利用分类器(DT/SVM等)对客户建立分类预测模型&#x