基于ANP和Kmeans聚类的客户价值分类模型及应用

摘 要：

建立两维度的客户价值评价模型，从客户当前价值和潜在价值两个方面评价客户价值。该模型首先运用网络层次分析法（ANP）对指标赋权，兼顾了指标间的相互影响，根据各指标权重和得分计算客户价值；然后使用Kmeans聚类算法对客户群进行细分，确定客户等级划分的标准，划分客户类别。最后以某市烟草公司零售终端客户价值分类为应用实例，运用定性和定量的方法建立多角度的客户价值评价指标体系，采用ANP确定指标权重，并根据客户价值评价结果使用Kmeans聚类进行客户分类，同时对每个类别的客户特征及其相应的营销策略进行分析，所提模型能够更全面、客观地对客户价值进行评价与分类。

关键词：客户价值；分类模型；网络层次分析法；权重；Kmeans聚类

0 引言

激烈的市场竞争使企业从以提高产品或服务质量为中心的传统营销模式转向“以顾客为中心”的营销模式。“以顾客为中心”要求企业重视客户资源，将客户的需求放在企业生产经营活动的关键位置上。然而，不同类型的客户需求不同，如果对所有的客户采取相同的服务策略，不仅不能满足客户的切实需求，还会造成资源的巨大浪费[1]。另外，对企业而言，不同类型的客户给企业带来的收益也不同[2]，与其耗费大量精力和成本追逐每一个客户，不如细分市场，低成本、高效率地挖掘高增值的优质客户，使其成为核心客户[3]。因此，有竞争力的客户管理需要科学甄别客户价值，根据客户价值差异采取区别的营销策略，客户价值评估已经成为越来越多的企业共同关注的问题。

企业常以客户的行为特征或属性特征对客户群进行差异化评估与管理，但传统的客户评估方法存在三个基本问题：1）主要使用单一的定量指标进行价值判断，如购买量、购买额等；2）少数的评价指标体系对指标进行赋权时忽略了指标间的相互影响；3）对客户等级的划分没有科学的标准，主观性较强。本文从这三个问题出发，基于客户价值理论，设计了实用性、操作性较强的客户价值评价指标体系，采用网络层次分析法（Analytic Network Process，ANP）对指标赋权，并根据Kmeans聚类的结果确定客户等级的划分标准。最后以某市烟草终端客户分类为应用背景，阐述了建模过程及结果分析，并针对不同价值的客户类别提出相应的营销策略建议。

1 相关研究

1.1 客户价值评价方法

从企业的角度看客户价值，就是一个客户能够为企业带来的价值。企业提高利润的前提是进行市场细分，既强化与高价值客户的关系，又降低低价值客户的服务成本[4]。目前，国内外对客户价值的评价，主要是在Frederick Reichhel提出的净现值评价体系的基础上进行拓展和完善[5]。净现值评价体系首次实现了对客户价值的评价，在该评价体系中，客户的净现值是所评价的基础客户在关系持续期内收益的折现值，主要包括利润收益和新客户获取率的收益[6]，而后者难以客观评价，加上该体系没有考虑客户带给企业的无形贡献，所以实际上应用不多[7]。针对Frederick体系的不足，Verhoef和Donkers认为客户价值应分为当前价值和潜在价值，强调了客户发展潜力对企业的重要性，进一步完善了客户价值评价体系[8]。而后来齐佳音等[9]提出的“充分价值”评价体系、万映红等[10]提出的当前价值和未来价值的评价方法基本上均以此为基础，对指标体系做出一定的调整。

在以上研究的基础上，本文使用客户价值矩阵，综合考虑客户整个生命周期内的当前价值（NV）和潜在价值（PV）对企业客户进行分类，并根据客户所属类型判断客户价值。其中，当前价值是指假定企业对客户的管理策略保持现有水平，客户目前的购买行为模式不变时，能给企业带来的利润；而潜在价值是假定企业采取更积极的客户保持策略，使客户的购买行为向有利于增大企业利润的方向发展时，客户在未来能为企业增加的利润[11]。当前价值主要以货币化的利润贡献指标和成本占用指标综合衡量，反映客户对企业当前盈利的贡献水平。潜在价值（客户可能为企业带来的无形贡献）评价主要以非货币化的忠诚度和信用度指标来表示客户将来为企业创造利润的稳定性和可能性[12]，并且是影响企业是否继续以及如何投资于该客户关系的重要因素[13]。在实际应用中，客户价值矩阵将两个维度分解设计为一组可度量的结构化指标集合，具有很强的可操作性。

1.2 赋权与聚类方法

常用的确定权重的方法有专家评分法、主成分分析法、层次分析法（Analytic Hierarchy Process，AHP）等。专家评分法受主观因素的影响最大，从而影响评价的结果；主成分分析法虽然不掺杂主观因素，但指标权重的获得主要依据指标数据的方差，不能真实反映指标对综合评价的贡献[14]；层次分析法（AHP）适合客户价值评价体系的多层次、多指标、定性定量相结合的特点，但它要求同层次元素相互独立以及跨层元素没有支配的关系，而实际问题中评价指标之间存在相互影响的复杂的非线性关系[15]，AHP因无法考虑指标体系中存在的多种制约和反馈关系而受到限制，因此本文采用网络层次分析法（ANP）确定指标权重。

合适的分类变量及精确的分类计数是实现客户分类的重要保证。在主要的分类方法中，层次聚类要求建模人员根据对系统的先验知识从得到的谱系图中选一个距离水平来确定系数[16]，而支持向量机在处理小样本数据时较优，在大样本数据上没有明显优势。常用的BP（Back Propagation）算法收敛速度慢，容易局部出现极值，难以确定隐含层和隐含层个数[17]。对客户分类而言，Kmeans方法具有诸多优点：它对客户进行“类标识”，避免了大样本引起的网络结构复杂、收敛性和泛化能力差的问题，并且K值的确定取决于客户希望的分类数，比较容易操作[18]。因此，本文选择Kmeans方法作为客户分类的辅助工具，借以确定客户等级的划分标准。

2 “ANP+Kmeans”的客户分类模型

本文的客户价值分类模型以客户价值理论为基础，结合实际应用背景，设计客户价值评价指标体系，采用网络层次分析法（ANP）确定指标权重，得出客户价值评分，并利用Kmeans方法对客户进行分类，确定分类标准。

2.1 建模关键方法

2.1.1 网络层次分析法

网络层次分析法是一种适合非独立递阶层次结构的决策方法，是在AHP基础上发展的一种求解多准则、结构复杂的决策问题的新工具。ANP的网络层次结构比AHP的递阶层次结构更复杂，它将系统里面的各个元素的关系描述成类似网络的结构（如图1），而不是简单的层次递进结构，所以能更客观和全面地描述实际问题[19]。

ANP是在AHP的基础上考虑了层次之间及内部元素的反馈与依赖，对反馈系统超矩阵和极限超矩阵的排序方法进行深入研究并对指标赋权[20]。具体步骤[21]如下：

2.2 建模步骤

1）设计具体应用领域的客户价值贡献指标体系，确定各级指标的上下级关系及各级指标间的相关关系。

2）样本的抽取与数据的预处理：对数据进行过滤筛选及规范化处理。

3）根据具有网络特征的指标体系，运用ANP对指标求权重，并对客户价值进行评分。

4）根据指标权重及客户价值评分，运用Kmeans算法对客户价值进行聚类分析，细分客户类型并分析。

3 实例分析

随着烟草行业市场化改革的不断深入，烟草公司快速准确的客户分析将成为制定差异化营销策略、提升企业竞争力的必然需要[23]。目前，烟草商业企业还没有建立起有效的客户价值评价体系，不能有效地进行客户管理，因此本文以烟草公司的实际情况为背景，建立烟草客户价值评价体系，以实现客户的分析和识别，并针对不同类别的客户采取相应的关系管理策略。

3.1 建立评价指标体系

3.1.1 当前价值

客户当前价值决定了企业当前的盈利水平，是企业感知客户价值的一个重要方面。对零售户当前价值的评估可以从贡献度、重要度两方面来评价。

贡献度 指零售客户直接为烟草公司贡献的利润，代表着零售户的销售能力，利润是企业生存的必要条件，因此是当前价值一个极为重要的维度，贡献度主要体现为购进卷烟的数量及额度，具体指标如表1所示。

重要度 指客户的自身盈利能力对消费者的影响程度。由于烟草公司的零售户是中间客户，并不是最终消费者，对于批发性质的烟草公司而言，零售户带给烟草公司的净收益大小，可以通过自身的盈利能力来体现[24]。盈利能力直接影响零售户对烟草公司的当前价值，故烟草零售户当前价值的评价还需考虑客户的重要度，具体指标包括出样能力、经营环境、经营业态、入网时间等。

3.1.2 潜在价值

客户潜在价值是客户未来可能带来的价值，关系到企业的长远利润，包括忠诚度和信用度（如表3）。根据陈明亮在客户生命周期的研究，客户的忠诚度和信任度与客户的潜在价值存在着很强的正相关关系[25]。

忠诚度 忠诚度可以反映零售客户是否很好地发挥了“渠道价值”。由于烟草公司专营本地卷烟销售的特殊性，客户没有选择卷烟供应商的权力，所以衡量烟草客户忠诚度主要侧重于客户对烟草公司工作的配合程度以及在店面形象方面所做出的努力。

信用度 对客户信用度的评价，是通过预测未来交易风险间接反映该客户未来的潜在价值。客户的信用度越高，烟草公司因客户管理而发生的成本越低，与之交易的风险越低，潜在价值越高。

3.2 确定指标权重

为计算客户价值指标的权重，首先需要构建各层价值指标之间的网络层次结构（如图2）。在本文的客户价值评价网络层次结构中，准则层中的一级指标是当前价值和潜在价值，二级指标是贡献度、重要度以及忠诚度、信用度，在这四个控制指标下相应的子指标即为网络层指标。

在网络结构示意图中，本文假设控制指标之间相互独立，网络层中指标相互影响。相互独立的控制指标的计算方法同AHP，本文使用Super Decisions软件根据6位行业内专家（专家的权重分别为0.200、0.200、0.200、0.130、0.130、0.140）对指标间重要程度的打分结果进行指标权重的计算，结果如表4所示。

3.3 选取样本数据

本文抽取安徽省某市3893位零售客户的信息数据，其中销售数据的时间为2011年10月，客户的基础信息取自烟草公司计算机系统的客户档案，并按各指标的评分标准对数据进行规范化处理，数据的描述性统计如表5所示。

以上的分类结果可以进一步看出，该市的烟草零售客户价值普遍偏低，真正高价值客户（第4类）占比仅为2.03%，并且高当前价值的划分点偏低，另外，虽然“两低”类客户（第2类）比例较低，但（低、高）类客户（第1类）的比重超过了一半，可见该市零售户价值在行业内的竞争力偏低。因此，该市烟草公司应加强客户价值管理，根据不同类别的客户采取不同的服务策略，使客户价值有所提升并提高高价值客户的比例。

3.5 客户管理策略

由于烟草行业政策性较强，对客户的管理策略具有特殊性，也即巩固卷烟销售网络，加大市场占有率，打击不法大户，重视中小客户[26]。本着这些管理原则，在客户价值分类的基础上，本文提出该市烟草公司的客户管理策略，如表7所示。

4 结语

较之传统的以单一指标（客户属性特征或购买量/额）细分客户的分类方法，本文提出的基于ANP和Kmeans聚类的客户价值分类模型更具全面性、科学性与普适性。

首先，根据两维度评价方法建立起来的评价体系，不仅能够客观地反映客户对企业的价值贡献，而且定量与定性指标相结合，各指标最终都能得到量化，易于形成分类的标准，对客户价值的体现也更全面；

其次，ANP方法考虑了指标间的相互影响，同时Kmeans聚类能够根据数据自身的特征科学地确定分类标准，因此此分类模型更具科学性；

再者，通过指标体系可以清晰界定客户的价值所在，并能促进客户行为模式向客户价值提升的方向转变，另外，客户价值评价体系的具体指标可以根据不同的行业进行设定，具有一定的普适性。

总之，基于“ANP+Kmeans聚类”的客户分类方法，既解决了评价指标间相互影响的问题，又可以根据客户信息科学划分企业的客户类别，帮助企业更好地获知现有客户、新客户或潜在客户的当前价值和潜在价值。随着客户数量的不断增加，基于客户价值的评价方法能够帮助企业更多地了解客户的特点，更好地满足客户需求，从而为客户提供差异化的产品/服务策略，企业也可获得更多收益。

参考文献：

[1] 曹国.基于Kmeans和PCA的商业银行客户价值细分模型研究[J].财会通信，2010（9）：27-29.

[2] 何鹏.第三方物流企业基于客户价值的客户分类研究[D].武汉：武汉理工大学，2008.

[3] 夏维力，王青松.基于客户价值的客户细分及保持策略研究[J].管理科学，2006，19（4）：35-38.

[4] 杨杰，王卫平.基于客户价值和TGSOM网络方法的客户分类[J].价值工程，2005， 24（3）：22-24.

[5] 杨兰，卢润德.基于客户价值的客户分类方法研究[J].现代管理科学，2007（11）：95-96.

[6] FREDERICK F R. The loyalty effect the hidden force behind growth， profits， and lasting value [M]. Boston： Harvard Business School Press， 1996： 245-520.

[7] SIMOVA J. Differentiated customer relationship management according to customer value in companies operating in the service sector[J]. Ekonomie a Management， 2007，11（2）：118-126.

[8] VERHOEF P C， DONKERS B. Predicting customer potential value： an application in the insurance industry [J]. Decision Support Systems，2001（32）：189-199.

[9] 齐佳音，韩新民，李怀祖.一种新的客户企业价值评价体系的设计[J].管理工程学报，2002，16（4）：4-8.

[10] 万映红，申杨.基于聚类神经网络的客户价值分类方法及应用[J].经济管理，2008，30（8）：78-84.

[11] FRED A J， WESLEY J， NATALIA K. Customer profitability： prospective vs. retrospective approaches in a business to business setting[J]. Industrial Marketing Management， 2001， 30（4）：353-363.

[12] 魏本昌，王慧.客户价值评价体系的设计与实现[J].计算机应用系统，2009， 18（2）：65-67.

[13] ，王晓鹏，陈竞波.电信客户生命周期价值模型和价值评价体系的关系研究[J].统计与决策，2011（4）：55-58.

[14] 沈利香，曹国.基于多人网络层次分析法的商业银行网络安全评估模型[J].计算机应用，2012，32（2）：480-484.

[15] 刘惠萍.基于网络层次分析法（ANP）的政府绩效评估研究[J].科学学与科学技术管理，2006，（6）：111-153.

[16] 杨本昭，田耕.基于人工神经网络的客户价值分类研究[J].科技管理研究，2007，27（12）：168-170.

[17] 邹鹏，李一军，郝媛媛.基于代价敏感性学习的客户价值细分[J].管理科学学报，2009，12（1）：48-55.

[18] 关云鸿.改进K均值聚类算法在电信客户分类中的应用[J].计算机仿真，2011，28（8）：138-152.

[19] 孙宏才，徐关尧，田平.用网络层次分析法（ANP）评估应急桥梁设计方案[J].系统工程理论与实践，2007，27（3）：63-70.

[20] THOMAS L. S. Making and validating complex decisions with the AHP/ANP [J]. Journal of Systems Science and Systems Engineering， 2005，14（1）：10-24.

[21] 赵国杰，赵红梅.基于网络层次分析法的城市竞争力评价指标体系研究[J].科技进步与对策，2006（11）：126-128.

[22] 陈治平，胡宇舟，顾学道.聚类算法在电信客户分析中的应用研究[J].计算机应用，2007，27（10）：2566-2569.

[23] 杨慧.深圳烟草客户价值评价体系设计和研究[D].杭州：浙江大学，2007：15-19.

[24] 王书朗.C烟草公司客户关系管理研究[D].成都：西南财经大学，2006：28-34.

[25] 陈明亮.客户关系管理基础理论体系框架探讨[J].管理工程学报，2006，20（4）：36-41.

[26] 张燕平.客户关系管理战略在我国烟草商业企业中的应用研究[D].北京：北京交通大学，2009：24-37.