基于数据挖掘的客户资产测量研究

收稿日期 : 2010- 08- 05
基金项目 : 中南财经政法大学引进人才科 研启动基金! 基于数据挖掘的客户资产管理∀ ( 90407002112) 作者简介 : 彭虎锋 ( 1970- ) , 男 , 湖南长沙人 , 统计学博士 , 副教授 , 研究方向 : 数据挖掘。 [ 8] [ 9] G reasley D, O x ley L. Inter national evidence on shock persistence: structural chang e, no nlinearities and subsample r obustness[ J] . Applied Economics, 1999, 31( 4) : 499- 507. Po litis D N . Ro mano J P. W olf M . I nfer ence for auto cor relations in the possible presence o f an unit ro ot[ J] . Journal o f T ime Series A nalysis, 2004, 25( 2) : 251- 263. [ 10] Cag g iano G , Leo nida L. Internatio na l o ut put co nv erg ence: evidence from an autocor relation functio n appr oach [ J ] . Jour nal of A pplied Economet rics, 2009, 24( 1) : 139- 162.
[ 6]
结果将更加合理。 ( 三 ) 客户资产的测算 1. 寻找客户消费规律 对一个企业来说, 它所有的客户 , 有可能分属不 同的消费类型, 具有不同的消费规律。 可以通过数据 挖掘的方法 , 找到这些消费规律。 设企业的客户总数为 N , 公司设定的客户群数 量为 K , 第 i 个客户消费记录为 R i , R i = { C 1 , C 2 , #, C t } , C j 表示该客户第 j 周期所属客户群 , 0 ∃ C j ∃ K ( j = 1, 2, #, t ) , C j = 0 表示该客户已流失 , t 表 示该客户的生命周期。 设 M 为客户消费记录与 R i 相 同的客户人数, 如果 M/ N & P 0 , 则称 L = { C 1 , C 2 , #, C t } 为一条消费规律。 对所有客户消费记录为 R i ( i = 1, 2, #, N ) 进 行扫描 , 如果有相同的消费记录, 则进行登记, 然后 看登记的数量是否超过规定值, 超过的为初级消费 规律。 最后, 对初级消费规律进行扫描比较, 把子规 律 ( 完全包含在其它消费规律中的规律) 过滤去掉, 剩下的作为最终消费规律输出。 具体算法如下: i = 1 , j = 1, TL j = R i , M j = 1; B: i = i + 1; f or k = 1 t o j if R i = L k t hen M k = M k + 1; else j = j + 1 , T L j = R i , M j = 1; nex t k if i < N t hen g ot o B; m = 0; f or k = 1 t o j if M k / N & P 0 t hen m = m + 1 , L m = TL k ; nex t k n = 0; f or i = 1 to m f or j = 1 to m if L i ∋ L j t hen nex t i ; else n = n + 1 , L n = L i; nex t j nex t i out put L j , 1 ∃ j ∃ n 最终找 到 n 条消 费 规律 , 保 存 在 L 1 , L 2 , #, 93
第 25 卷第 12 期 V ol. 25 N o. 12
统计与信息论坛 St at ist ics & Info rmat ion Fo rum
2010 年 12 月 Dec. , 2010
统计调查与分析
基于数据挖掘的客户资产测量研究
彭虎锋
( 中南财经政法大学 信息与安全 工程学院 , 湖北 武汉 430074) 摘要 : 由于单个客户消费行为具有极大不确定性导致预测 客户资产 比较困难 , 提出一 种以数据挖 掘技术 为基础 , 在客户分类的基础上测 算客 户资产 的动 态方法 , 该 方法 使客户 资产 的测量 更加 准确 并具 有可 操作 性。同时通过实证分析证实该方法可以为企业实现精确 营销提供有力支持。 关键词 : 数据挖掘 ; 客户资产 ; 客户终身价值 ; 客户细分 中图分类号 : F222 文献标志码 : A 文章编号 : 1007- 3116( 2010) 12- 0091- 07
Research on the Difference of Regional Economic Growth Path in China: A New Proof Based on ACF RAO Xiao hui
( Schoo l of Economics, Jiang x i U niver sity o f Finance and Eco no mics, N anchang 330013, China)
[ 2]
部因素, 在此基础上测算客户资产。通过这种方法 可以较为准确地对客户资产进行预测, 从而为营销 决策提供高质量的数据参考。
二、 测量方法
( 一 ) 研究思路 客户资产的计算 是基于对客户终身价值的加 总 , 而对于客户终身价值测算的概念性框架大致可 以概括如图 1 所示。
图1
测算客户终身价值的概念性框架图
在上述影响客户 终身价值测算结果的各因素 中 , 相关成本属于企业可控因素 , 而销售额、 以及预 测周期 ( 客户存续时间) 更多取决于客户 , 因此对于 这些因素的预测是测算客户终身价值的关键。如果 仅以单个客户的数据进行计算, 由于单个客户的消 费行为具有极强的不确定性 , 因此预测的销售额以 及存续时间是很不准确的 , 从而导致不能准确估算 客户终身价值, 而且这样的做法会使企业只局限于 现有客户, 忽视潜在客户。 因此, 本文是从客户群 ( 消费行为比较相似的客 户 ) 的角度来寻找消费规律 , 这样比寻找单个客户的 消费规律更加可靠。根据客户生命周期理论 , 客户 在整个存续阶段的消费模式都会有一定的规律, 找 到这一消费规律, 可以很好地预测企业在客户处可 以实现的销售额以及客户的存续时间, 从而更加准 确地对客户资产这一前瞻性概念作出预测。 所以, 测算客户资产不是把单个客户的客户终 身价值加总 , 而是在完成了客户分类的基础上, 从客 户群的角度来寻找客户消费规律, 从而测算客户资 产 , 该方法思路如图 2 所示。
统பைடு நூலகம்与信息论坛
值是指在维持客户的条件下企业从该客户持续购买 所获得的利润 流的现值 [ 1] 。在此 基础之上 , Blatt berg Deighto n 将客户资产 ( Custo mer Equit y ) 定义 为企业所有客户终生价值的贴现之和 。对于客户 资产的测算, 可以帮助企业准确量化其与客户的关 系, 从而为营销决策提供有益的工具。 关于客户资产的测算, 从目前所掌握的文献资 料来看, 主要是从客户的角度 , 研究单个客户的终生 价值 , 然后求和。如 Berg er 等人针对客户保留、 客 户转移这两种不同的情况提出了计算客户终生价值 的数学公式, 但是只针对现有客户 , 而且只反映了客 户资产的静态特征 [ 3] 。 Phillip 等人提 出了基于 马 尔可夫链的客户关系模型 [ 4] , 但是在既考虑现有客 户维系又考虑潜在客户开发的价值度量模式方面缺 乏量化的动态分析。 对于客户资产的测算关键在于能够较准确地预 测消费者未来的消费情况, 而由于单个客户的消费 具有很大的不确定性, 所以直接从其过去的消费情 况去推断他未来的消费情况是很难准确的。同时 , 对于客户资产的测算不应该将潜在客户排除在外 , 应注意体现客户资产的动态特征。也有学者通过对 客户分类的方法来研究客户资产 , 如谢家平根据客 户生命周期的不同阶段将客户进行分类, 通过状态 转移矩阵来计算客户资产 [ 5] , 但是要确定客户处在 生命周期的哪个阶段没有一种很好的通用的方法 , 在实际应用中可操作性不强。 由于相同类型的客户处于消费周期的某个阶段 时, 其消费行为具有相 对稳定性 , 笔者将先以 消费 额、 毛利润为维度, 运用数据挖掘技术对客户进行分 类。在客户分类的基础上, 寻找客户消费模式的规 律( 即通 过数 据挖掘 方法寻 找客户 消费行 为的 规 律) , 根据人口统计变量 ( 性别、 年龄、 职业、 收入等 ) 和消费行为变量 ( 最近消费时间、 消费频次、 金额、 金 额变化率等) 属性, 使用数据挖掘技术序列分析方法 寻找影响每个客户群的客户消费模式变化的内、 外
Abstract: T he paper uses an aut ocorrelat io n funct ion( ACF) approach w hich acco unt s f or the pot ent ial no n- st atio narit y in t he mean of t he series, and const ruct asy mpt ot ically valid co nf idence bands based on relat ive o pt imalit y by t he t echniques of sub sampling and st at ionary boot st rap resampling. Using per capit a GDP f or Chinese provinces over the period of 1953- 2008, w e t est t he charact ers of reg ional gr ow t h pat h in China. T he result s show t hat t he charact er s of part ial reg ional grow t h pat h are dif ferent; t he rat e of converg ence presents per sist ent fluctuatio ns w hich event ual ly die out; and t hat t he linearized neoclassical grow t h m odel fails t o r eplicat e t he transit ional dy namics of Chinese regio nal economy. Key words: reg ional economic g row t h; ACF; st at ionar y boo tst rap; co nf idence bands ( 责任编辑 : 王南丰) 91