基于品牌效用的多品牌企业顾客资产测量模型研究

摘 要：本文构建了顾客资产驱动要素的四维模型，并在此基础上借鉴传统顾客资产测量模型，提出了适用于多品牌企业的顾客资产测量模型，该模型囊括了存在交叉购买和口碑宣传的情形，使顾客资产的测量结果更加接近实际值。为使模型更具操作性，选择应用主成分分析法作为具体算法，并结合实例详细说明了顾客资产的计算过程。

关键词：顾客资产；顾客终生价值；品牌效用；主成分分析

中图分类号：F713.50 文献标识码：A 文章编号：1003-5192(2009)01-0023-07

Research on the Measuring Model of the Customer Equity ofMulti-brand Enterprises Based on the Brand Utility

SHAO Jing-bo1，3, ZHANG Ming-li2

(1. School of Management, Harbin Institute of Technology, Harbin 150006, China； 2. School of Economy and Management, BeiHang University, Beijing 100083, China； 3. School of Economy and Management, Harbin Engineering University, Harbin 150001, China )

Abstract:This paper constructs the four-dimensional model of the drivers of customer equity. It raises a customer equity measuring model for enterprises with several brands so that it makes the measuring result of customer equity is more close to the actual one, which includes the case of cross purchase and reputation publicizing, by using the traditional customer equity measuring model. In order to make the model more operable, principal component analysis is considered as calculation method and the process of calculation is elaborated with examples.

Key words:customer equity; customer lifetime value; brand utility; principal component analysis

1 引言

追踪企业的发展历史，可以发现其关注的中心逐渐从“产值中心论”发展到今天的“顾客中心论”，这种变化首先源于企业以自我为中心而导致顾客的不满和销售上的滑坡；另一方面是由于科技的发展使得各企业提供的产品几乎已没有差别，企业必须站在顾客的角度来考虑管理的问题。由此，企业与顾客之间的关系发生了根本性的转变，顾客的地位被提升到了前所未有的高度。同资金、厂房、设备、原材料甚至技术相比，只有顾客才是企业最宝贵的资源，被看成是企业的一种资产――顾客资产，谁拥有顾客谁就拥有市场，拥有大量忠诚顾客的企业会大大降低在未来市场竞争中的风险。

西方营销学界对顾客资产的研究只有10多年的历史，但研究范围之广，立足点之新，成果之多， 已使得顾客资产成为营销学中的一个热点话题，也是目前营销学科的一个崭新的研究领域。“顾客资产”概念首先由Blattberg和Deighton［1］提出，Rust、Zeithaml和Lemon对“顾客资产观”进行了具体的阐述，所谓顾客资产是指企业所有顾客终生价值(CLV)折现现值的总和。他们认为企业要真正实现以顾客为中心的经营思想，必须注重顾客的终生价值，把顾客作为企业最重要的资产进行经营，使其最大化。该观念指出顾客满意并不是维系顾客的唯一推动要素，企业不应无约束地服务所有顾客于满意，因而不提倡使所有顾客满意，也不提倡使顾客完全满意，而主张在对所有顾客进行盈利性分析的基础上，有选择、有区别地服务顾客，不仅仅关注顾客当前的盈利能力，更关心企业将从顾客一生之中获得的贡献流的净现值。为实现这些目的，就必须对顾客的终生价值进行计算，对企业的顾客资产进行测量。

本文首先对现存的CLV和顾客资产测量模型进行了介绍和比较，指出现存顾客资产测量模型的局限性和不足；在重新分析顾客资产驱动要素构成的基础上，对现存测量模型中具有明显优势的模型进行了改进；并选择某日化生产企业作为研究对象详细描述了模型的应用过程；最后总结了本出的贡献与存在的不足，并展望了未来研究的方向。

2 文献回顾

2.1 现存顾客资产测量模型比较

顾客资产是企业所有顾客终生价值折现现值的总和，因而对顾客资产的测量是建立在对顾客终生价值计算的基础上的。在研究的过程中，顾客终生价值和顾客资产这两个概念经常联合出现。

对企业而言，顾客终生价值是企业在顾客与公司交易的整个期间从顾客那里获得的纯利润或损失。因此，一位顾客对企业的终生价值，就是在考虑到货币的时间价值的同时，将从顾客身上获得的所有利润减去吸引、销售和服务的成本所剩下的净收益。为了测量顾客资产，Blattberg和Deighton［1］提出了下面这种方法来计算CLV：首先，测量每位顾客相对于企业在该顾客整个生命周期内的期望贡献；然后按照企业营销投资的目标收益率将该期望贡献折现成净现值；最后，将所有现存顾客折现后的期望贡献加总。这也是后来诸多学者研究CLV和顾客资产测量问题的思路。

在CLV和顾客资产测量的研究中，已经建立了许多模型来描述与此相关的各种问题。研究主要集中在以下三个方面：

（1）计算CLV的模型。这个分类包括了专门为计算CLV形成的模型，并扩展到如何配置资源以最优化CLV。此类模型可以概括出四种：CLV基础结构模型［2］、顾客迁移模型［3］、优化资源配置模型［1］和顾客关系模型［4］，它们根据任务的不同、可获得的数据和使用者不同还可有多种变型。

（2）顾客群分析模型。这类模型将整个顾客群的过去购买行为考虑在内，由此推出下个时期顾客购买的可能性。Pareto/NBD模型属于这一分类，而纵向数据营销模型［5，6］是对Pareto/NBD模型的扩展应用。因此，纵向数据营销模型即是其中一个能清楚代表这一分类的模型。

（3）CLV规范模型。这些模型被提出主要是用于理解关于CLV的一系列问题，其中包括测量顾客资产的模型。该分类中的几个经典模型包括：顾客资产直接营销模型［7］、动态定价模型［8］、顾客资产卷模型［9］、稳定客户群模型［10］和营销收益模型［11］。

综上所述，可以看出在顾客终生价值和顾客资产测量研究领域学者们所作的努力和取得的成就。但由于这些测量模型均存在诸多的假设前提，使得模型的适用性受到质疑，还需要大量的实证研究来证实这些模型的可靠性。

2.2 现存顾客资产测量模型的局限性与不足

虽然对顾客资产的测量研究在理论上进行了一定的探索，也建立了一定的数学模型，但在实践中用其来对顾客资产进行测量却困难重重。主要原因体现在以下几个方面：

（1）由于模型自身的缺陷，并非所有的测量模型都能适用于多数行业。顾客终生价值基础结构模型和纵向数据营销模型就只能适用于有限的行业。

（2）除了稳定客户群模型考虑了口碑宣传的价值以外，其他所有的测量模型均没有考虑口碑宣传对顾客终生价值的影响，而企业忠诚顾客的口碑宣传往往会增加购买量，因此这些模型也就系统地低估了顾客终生价值（顾客资产）。

（3）所有的测量模型都假定一个企业只有一种品牌，没有考虑品牌之间的交叉购买。然而，许多企业都有多种产品并希望能鼓励顾客交叉购买，所以理解交叉购买对顾客终生价值及顾客资产的影响是很重要的。这对于依靠顾客的交叉购买行为来获取长期顾客利润的企业来说尤为重要。

（4）许多模型没有将顾客“获得”与“保留”包含在同一个模型中。优化资源配置模型以及顾客资产直接营销模型虽然考虑了“获得”与“保留”，但这两个模型是分别考虑了顾客的“获得”与“保留”。顾客资产卷模型和营销收益模型将现有顾客和潜在顾客的期望终身价值都考虑在内了，因此在同一模型中同时考虑了“获得”和“保留”（从本公司和竞争者间关系的角度看）。既然顾客获得成本在决定净获利时很重要，那么只有同时将顾客的“获得”与“保留”包括在内的模型才更有意义。

（5）除了顾客资产卷模型和营销收益模型外，其他测量模型都没有明确的模拟竞争。纵向数据营销模型虽然在具备竞争者的横向数据的前提下可以模拟竞争，但竞争者的数据却往往很难得到。而模拟顾客的品牌转换，则只有营销收益模型这一种模型做到了。

3 基于品牌效用的多品牌企业顾客资产测量模型的构建

3.1 决定品牌效用的顾客资产驱动要素分析

Rust等人在给出顾客资产的定义的同时还关注顾客资产的驱动要素。他们提出了一个概念模型，其中顾客资产受价值资产，品牌资产和维系资产的影响（见图1）。价值资产，即顾客对企业产品／服务的客观评估，其亚驱动因素为：质量、价格和便利性；品牌资产，即顾客对企业及企业的产品／服务的主观评估，品牌的三个驱动要素是：顾客的品牌认知度、顾客对品牌的态度和顾客对品牌道德的感觉；维系资产，即顾客与企业之间关系的强弱程度。

但Rust等人提出的顾客资产构成模型没有考虑口碑宣传和交叉购买等感知因素对顾客资产的影响。鉴于此，本文将图1的构成模型加以改进，增加了顾客资产的感知驱动要素（如图2），它由口碑宣传和交叉购买这两个亚驱动要素构成，称之为顾客资产的四维驱动模型。

图1 顾客资产传统构成模型

口碑宣传是顾客购买某品牌产品（服务）后，根据自身的体会和主观感受对该产品（服务）评价，对他人施加影响，进而使他人产生对该产品正面或负面的印象。该印象形成后会直接影响该顾客的购买行为。如果从接受口碑宣传影响的顾客角度来看，口碑宣传就成为影响该顾客购买行为的驱动要素之一。交叉购买是指当一个企业有多个品牌产品（服务）时，顾客对某一（或一个以上）品牌产品（服务）的先前购买，对后续购买该企业的其他品牌产品的决定产生的正面影响，而导致的对该企业产品（服务）的购买行为。口碑宣传和交叉购买都是由于先前的购买行为对后续购买行为产生的影响。从这一点看来，交叉购买与重复购买是相似的，但交叉购买是发生在对不同的品牌产品（服务）的购买上。

图2 顾客资产的四维驱动模型

需要说明的是，感知驱动要素的概念，与顾客对顾客资产其他方面驱动要素的“感知”含义不同，前者是顾客对某品牌产品的整体感知而产生的结果对顾客资产的影响。之所以把它作为一种驱动要素，是因为它具有同其他驱动要素相同的作用，即能够影响顾客资产价值的变化。

顾客资产驱动要素的四维驱动模型除了在顾客资产传统构成模型的基础上增加了感知驱动要素以外，还对其他的顾客资产亚驱动要素进行了改进。与Rust等人的观点一致，认为价值驱动的主要决定要素是：质量、价格和便利性。但在品牌驱动和关系驱动的要素上略有不同，认为品牌驱动主要是由顾客对品牌的认知度和该品牌的美誉度这两个要素影响，其中顾客对品牌的认知度反映了顾客对品牌认识和了解的程度，而品牌在顾客中的美誉度则反映了该品牌在顾客中的声誉、顾客对该品牌的接受程度以及顾客对该品牌的道德感觉；认为关系驱动的主要决定要素是：常客回报活动、特殊对待活动、顾客团体活动和知识学习活动。

顾客资产的四维驱动模型考虑了口碑宣传和交叉购买对顾客资产的影响，使得对顾客资产的评估更加接近实际值。而传统模型则忽视感知驱动要素，系统地低估了顾客资产的值。因此，只有建立在顾客资产四维驱动模型基础上，对顾客资产进行测量才更有意义。本文对顾客资产进行测量的模型就是建立在四维驱动基础之上的。

3.2 概念的界定

在介绍顾客资产测量模型之前，首先要澄清几个概念：品牌惯性、品牌效用和购买可能性。

品牌惯性是指在顾客对其先前所购买的产品满意的前提下，当他需要再次购买同类产品时，有重复购买该品牌产品的倾向。从品牌惯性的定义可知，品牌惯性只存在于最近购买了相同品牌的顾客身上，它引发重复购买。

品牌效用是指品牌惯性和顾客资产驱动要素对顾客购买行为决定（品牌选择）所施加的影响。品牌效用决定顾客的品牌选择，它具有以下特征：不同品牌相对于同一顾客的品牌效用有差异，但有时可能差异不明显；品牌效用越大就意味着顾客购买该品牌的可能性越大；不同品牌相对于同一顾客的品牌效用差异表示顾客购买这些品牌的可能性是不同的。

购买可能性是指当顾客面临多个企业的多种品牌产品需要选择时，选择购买某一企业的某一品牌产品的概率，即保留的概率或转移的概率。

3.3 顾客资产的计算

测量拥有S个品牌的某企业Q的顾客资产，首先要计算每一品牌的每一位顾客的CLV。计算CLV需要对每位顾客用转换矩阵模拟，但是调查每一位顾客从成本上来看是不可能的。在这里，我们将使用典型的顾客样本的单个顾客的数据，结合购买量等数据，模拟每位顾客样本的转换矩阵并估计计算单个顾客的CLV。

3.3.1 品牌效用模型

除了对单个的顾客资产驱动要素进行分析，我们也应考虑到品牌惯性的影响，它将是该选择模型中一个有用的预期因素［11］。品牌效用公式可表述为（1）式。

品牌效用=品牌惯性+驱动要素的影响(1)

为了更精确地描述（1）式，用Uijk表示品牌k对最近购买了品牌j的个人i的效用。如果j=k，品牌惯性LASTijk的名义变量等于1，反之则为0；X是驱动要素的行向量，此时如（2）式

Uijk=β0kLASTijk+Xikβ1k+εijk(2)

其中β0k是与品牌惯性有关的回归系数，β1k是与驱动要素有关的回归系数的列向量，而εijk是随机误差项，它在分对数模型中是标准的。

通过某顾客个人层次的品牌效用（包括所有竞争品牌的）可以得到该顾客个人层次的转换矩阵。从本质上说，转换矩阵的每行都对最近购买的品牌作了不同的预测，这就导致每行的效用都是不同的。也就是说，第一行假设第一种品牌最近被购买，而第二行假设第二种品牌最近被购买，以此类推。

最近购买了品牌j的个人i选择品牌k*的可能性如（3）式

Pijk*=Pr［假定最近购买了品牌j的个人i选择品牌k*］=exp(Uijk*)/∑kexp(Uijk)（3）

这样，通过个人层次的品牌效用就得到个人层次的转换矩阵，个人层次的转换矩阵又可以导出个人层次的CLV。

3.3.2 品牌转换与顾客资产

为了更准确地计算CLV，假定每位顾客都有一个与之对应的J×J阶Markov转换矩阵，用Mi表示，此处J是品牌的数量。把转换可能性Pijjk作为其元素，Pijjk指的是个人i如果上一次刚买完品牌j下一次购买品牌k的可能性。Ai是J×J行向量，Ai中的元素值为1或0，若为购买的品牌j，赋其值为1；其他不被购买的品牌，赋其值为0。

对于品牌j，dj代表了企业Q的j品牌的折现率；fi代表的是单位时间内顾客i的平均购买频次；Vijjt是顾客i在第t次购买中品牌j的期望购买量；πijjt是在第t次购买中顾客i可能给企业带来的边际贡献；Bit是顾客i在第t次的购买可能性矩阵，是一个1×J行向量，其中元素Bijt表示顾客i在第t次购买中选择品牌j的可能性。Bit可以通过将Markov矩阵相乘t次得到，如（4）式

Bit=AiMti(4)

顾客i对品牌j的终身价值CLVij如（5）式

CLVij=∑Tijt=0(1+dj)-t/fivijtπijtBijt(5)

其中Tij代表计算期的时间长度。

则品牌j的顾客资产CEj可以通过（6）式估计

CEj=meani(CLVij)×POP（6）

其中meani(CLVij)是品牌j的随机顾客样本i的CLV的平均值；POP是指整个市场上消费该品牌的顾客总数。注意样本中每个单个顾客的CLV都要单独计算，然后才能取平均值。

最后，可以求得企业Q的顾客资产，如（7）式

CETOT=∑Sj=1CEj(7)

其中CETOT表示企业Q的全部顾客资产；S是企业Q拥有的品牌数量。

4 基于主成分分析法的多品牌企业顾客资产测量实例

4.1 实例背景介绍及应用主成分分析法的依据

4.1.1 实例背景

本文以某日化生产企业Q作为研究对象，该企业总共拥有三个系列品牌产品，即化妆品品牌1、沐浴（包括洗发）品品牌2和洗涤用品品牌3。研究的目的是对其全部顾客资产进行评估，这就要求分别对三个品牌的顾客资产进行评估，然后加总。本文将详述化妆品品牌1的顾客资产计算过程，品牌2和3的顾客资产同理可得。

根据日化行业顾客的特点确定其顾客资产的亚驱动要素如下：（1）价值驱动要素包括质量、价格和便利性，售后服务包含在便利性之中。（2）感知驱动要素包括口碑宣传和交叉购买。（3）品牌驱动要素包括公司声誉、团体事件、广告信息和品牌偏好，公司声誉是指公司的地位、道德标准、环保意识等。（4）关系驱动要素包括忠诚计划的投资、优惠政策、我对企业的了解、企业对我的了解、特殊待遇、团体活动和信任。

样本是在目标市场18~60岁的女性中随机选取的，共发放150份调查问卷，回收116分，剔除不合格问卷16份，保留100份样本数据。

4.1.2 应用主成分分析法的依据

顾客资产受到许多因素的影响，而且这些因素之间又保持着错综复杂的联系。因此，运用结构性的因果模型分析和预测往往比较困难。我们之所以选择主成分分析法是由于以下原因：（1）主成分分析法用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化了原指标体系的指标结构。（2）在主成分分析法中，各综合因子的权重不是人为确定的，而是根据综合因子的贡献率的大小确定的。这就克服了某些评价方法中人为确定权数的缺陷，使得综合评价结果唯一，而且客观合理［12］。

4.2 基于主成分分析对多品牌企业顾客资产的测量

4.2.1 建立指标体系

根据上文中对顾客资产的驱动要素与亚驱动要素的分析，本着科学性、有效性的原则建立指标如下：PRO为选择概率，EXP为顾客支出（购买额），FRE为购买频率，X1为惯性，X2为质量，X3为价格，X4为便利，X5为口碑宣传，X6为交叉购买，X7为公司声誉，X8为团体事件，X9为广告信息，X10为品牌偏好，X11为忠诚计划的投资，X12为优惠政策，X13为我对企业的了解，X14为企业对我的了解，X15为特殊待遇，X16为团体活动，X17为信任。

计算顾客资产过程中需要的数据分为两个部分：每位顾客在每个驱动要素层面对每种竞争品牌的分级、购买额、购买频率以及合理的折现率等指标。顾客对每种竞争品牌的分级的数据通过调查问卷的方式抽样调查得到，共选择19个最受顾客欢迎的化妆品品牌让顾客进行分级，其中包括品牌1；其他必要的顾客信息和所需的数据则通过间接资料获得。

4.2.2 基于主成分分析法选取主成分

应用统计软件SPSS12.0的主成分分析法对数据分析的结果如下：

（1）由表1可知，变量相关阵有六个最大特征根，即5.303，3.228，1.922，1.712，1.372和1.093，它们一起解释总方差的86.061%(累计贡献率)，这说明前六个主成分提供了原始数据的足够信息，基于过程内定取特征根大于1的规则，提取六个主成分。

表1 主成分方差贡献

主成分初始特征值

特征根方差贡献率（%）累计贡献率（%）

15.30331.19231.192

23.22818.98950.181

31.92211.30761.488

41.71210.07171.559

51.3728.07379.632

61.0936.42986.061

4.2.3 基于Logistic回归的顾客资产评估

(1)Logistic回归结果

把主成分分析法得出的六个主成分作为独立变量，进行Logistic回归分析。表2显示了从Logistic回归分析中得出的系数，突出了显著因子。

表2 Logistic回归结果

自变量系数标准差b/s.e.p

F10.3230.1122.090.000

F20.185**0.1280.210.675

F30.4610.1972.000.045

F40.437*0.2851.640.107

F50.1980.2300.890.372

F60.492*0.1612.170.126

对数似然=-97.84

卡方（自由度为6）=71.215**

注:*p

表3 驱动要素系数

驱动要素系数标准差b/s.e.

惯性0.222889*0.08110.956*

质量0.3704560.03911.357*

价格0.2699960.0209.627*

便利0.3104630.0896.553*

交叉购买0.4742680.0995.018*

口碑宣传0.3308720.0828.127*

公司声誉0.1389930.0537.509*

团体事件0.0246190.0246.974*

广告信息0.2391910.0477.890*

品牌偏好0.6732340.0507.846*

忠诚计划的投资0.0359170.02811.341*

优惠政策0.6133490.02610.791*

我对企业的了解0.4721690.0198.800*

企业对我的了解0.4665070.0416.210*

特殊待遇0.1662200.02410.107*

团体活动0.2547750.0169.371*

信任0.1887360.0319.349*

注:*p

(2)顾客资产的评估

通过（3）式和（4）式，我们将因子层次的结果转换成个人层次的驱动要素。得出的系数、标准差和统计检验在表3中给出。

所有的驱动要素都是显著的，只是一些驱动要素较之其它的有更大的影响。除了驱动要素，惯性也有很大很明显的影响（0.222889，p

为了使公式易于操作，假定时间区为3年（实际应该更长），折现率为10%，边际利润率为15%。通过（4）式和

（5）式我们可以计算出样本中每个受调查者对品牌1的CLV值，从而可算出品牌1的样本顾客平均CLV为157.21元。根据人口普查资料确定目标市场的18~60岁女性数量，并认为该数量就是目标市场上品牌1的顾客总数（现实的和潜在的），为72.12万人。并通过（6）式求得品牌1的顾客资产为1.1338亿元。同理可求得品牌B和C的顾客资产，根据（7）式即可求得企业的全部顾客资产。

4.3 评估结果分析

根据上面对品牌1的顾客资产评估结果，可得到如下结论：

（1）通过应用主成分分析法得出六个主成分，分别为反映不同的顾客资产驱动要素的指标。

（2）所有的驱动要素都进入了模型，但是从表3可见，各驱动因素的系数存在明显差异：品牌偏好系数最大（0.673234），企业Q对品牌1推出的优惠政策的系数次之（0.613349），而团体事件的系数最小（0.024619）。

（3）各驱动因素系数的不同反映了它们对顾客资产的影响是不同的，这一点从日化企业营销的角度来分析是比较便于解释和理解的。顾客在选择化妆品品牌时，最看重的是该品牌是否符合我个人的品位，其次优惠政策是很吸引顾客的，而化妆品的质量、价格和便利性对顾客来说也是比较重要，需要较优先的加以考虑，至于忠诚计划的投资和团体事件顾客并不是很关注。

5 本文的贡献及未来展望

5.1 本文的贡献

本文对顾客资产的理论研究和实践做出了几点贡献：

第一，对传统顾客资产构成模型进行了改进，提出了顾客资产四维驱动模型，认为顾客资产的驱动要素是由价值、品牌、关系和感知四个要素构成，将交叉购买和口碑宣传作为顾客资产的主要驱动要素之一。

第二，对顾客资产的测量剔除了一个企业只有一个品牌或一种产品的假设，在模型中充分地考虑了交叉购买和口碑宣传对顾客资产的影响；而现存的传统模型都假设一个企业只有一个品牌或一种产品，忽略交叉购买和口碑宣传对顾客购买行为的影响，导致对CLV和顾客资产的系统低估。

第三，用主成分分析和Logistic回归作为具体算法对某日化企业的顾客资产进行了评估，充分说明了本文所应用模型和算法在测量顾客资产中的可操作性。

第四，顾客资产理论的应用与实际的管理需求是一致的。研究结果提供了对自身竞争强势和弱势的认识以及对顾客真正重要的要素的深入理解。此外，在该模型的基础上，使计算公司所有顾客的CLV分布以及由公司前X%顾客提供公司顾客资产的多少百分比成为可能。总之，这些信息是关于怎样依重要性划分顾客群及进行顾客资产管理的重要信息。

5.2 未来展望

未来还有许多工作需要完成，从而完善顾客资产的测量模型。尤其是在以下的几个领域需要进一步的研究：

第一，市场动力对顾客资产的影响。模拟变化的市场规模并将其与顾客资产联系起来是很必要的。正因为这个原因，精确地模拟顾客在市场中产生和消失的过程也是需要解决的问题。企业中不断有新面世的产品（服务）以及企业正在进行全球化扩张而使自己的市场不断扩大都是这样的例子，在这种情况下，模拟变化的市场规模是特别重要的。

第二，剔除购买量是外生的假设来考察顾客资产。顾客每次的购买量应该被看作是驱动要素或营销行为的函数。了解能够使购买量增加的营销行为(如短期的价格折扣)是否对顾客资产有长期的影响是很重要的。

第三，有必要研究一种CLV和顾客资产的动力学模型。CLV的传统模型都是沿用了财务成本学领域内的净现值方法。知道公司顾客的价值以及总的顾客资产是怎样随时间变化的，将有助于经营人员做出更好的营销投资决策。这还有待于将动力学引入，开发出对顾客行为有更深入了解的更丰富的CLV模型和顾客资产模型。

第四，应当在获得稳定和无偏数据的前提下进行实证研究。某种CLV或顾客资产测量模型对实践的指导意义究竟有多大必须通过实证研究进行检验，因此未来在完善CLV模型和顾客资产测量模型的同时，也应当加强这方面的实证研究。

参 考 文 献：

［1］Blattberg R C, Deighton J. Manage marketing by the customer equity test［J］. Harvard Business Review, 1996, 74(7-8): 136-144.

［2］Berger P D, Nasr N I. Customer lifetime value: marketing models and applications［J］. Journal of Interactive Marketing, 1998, 12(1): 17-30.

［3］Dwyer F R. Customer lifetime valuation to support marketing decision making［J］. Journal of Direct Marketing, 1997, 11(4): 6-13.

［4］Pfeifer P E, Carraway R L. Modeling customer relationships as markov chains［J］. Journal of Interactive Marketing, 2000, 14(2): 43-55.

［5］Bolton R, Lemon K N, Verhoef P C. The theoretical underpinnings of customer asset management: a framework and propositions for future research［J］. Journal of the Academy of Marketing Science, 2004, 32(3): 49-61.

［6］Werner R, Kumar V. On the profitability of long lifetime customers: an empirical investigation and implications for marketing［J］. Journal of Marketing, 2000, 64(10): 17-35.

［7］Blattberg R C, Getz G, Thomas J S. Customer equity: building and managing relationships as valuable assets［M］. Boston: Harvard Business School Press, 2001. 128-142.

［8］Thomas J S. Customer equity: managing the customer-firm relationship［D］. Evanston, IL: Kellogg School of Management, Northwestern University, 1997.

［9］Rust R T, Zeithaml V A, Lemon K N. Driving customer equity: how customer lifetime value is reshaping corporate strategy［M］. Lodon: The Free Press, 2000. 5-346.

［10］Tomás B, Gutsche J, Bauer H H. Customer equity marketing: touching the intangible［J］. European Management Journal, 2002, 20(3): 213-222.

［11］Rust R T, Lemom K N, Zeithaml V A. Return on marketing: using customer equity to focus marketing strategy［J］. Journal of Marketing, 2004, (1): 109-127.

［12］虞晓芬,傅玳.多指标综合评价方法综述［J］.统计与决策,2004,20(11):119-121.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。