移动通信客户价值评价模型研究及实证分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Systems & Solutions
50
信息通信技术
度,在网使用的时间越长,用户的潜在价值也就越大; 增值业务渗透率以近3个月指定的新业务话费支出占话 费总和的比重来衡量,新业务使用量越多的用户,用户 通信个性化较强,其粘性越大,那么用户离网可能性越
系统与方案
小;客户积分指客户入网至今的累计积分,包括积分消
费部分。 信用度:从用户的可透支话费额度和是否VIP
用户
来度量。可透支话费额度以运营商根据用户在网时长、 减少。这也体现了“如意通”产品的市场定位——大众 产品,集中了大部分的中低端用户(ARPU 值在100元以 下用户的比例高达85%),而这部分用户大部份又都是话 费敏感型用户,用户的稳定性较差(在网3年以下的用户 高达56%),这些符合“如意通”客户群的整体特点。因 此,抽取的样本具有普遍性和代表性。
表1 ARPU 值调查表
ARPU 值、身份地位等价值因子,来衡量用户的信用等 级,据此给予用户一定的可透支话费额度。同时是否 VIP 用户,是否拥有贵宾卡,拥有哪种类型的贵宾卡等 也作为参考指标。
1.2 基于客户生命周期的典型客户价值建模
运用客户价值评价指标体系,按“当前价值—潜在 价值”对客户进行评价分类,识别出企业的典型价值客 户,从而建立典型客户生命周期的价值量化模型。典型 客户CLV 模型为:
2.2 典型价值客户的识别
2.2.1 利用层次分析法确定指标权重
为了更加准确地评价客户当前价值和潜在价值,
指标权重的确定将采用层次分析法(AHP ,Analytic
(1)
Hierarchy Process) [3]
。主要步骤如下:
间等关键参数如图2所示。
图2 CLV 模型参数
1) 建立识别客户价值指标递阶层次结构。这个模 型的层次包括:目标层、准则层、方案层。见图3。
目标层
2 客户价值模型的实证研究
2.1 抽样及样本分析
为了使客户价值的研究更具有可操作性和实用性, 本文采用系统随机抽样方式,从某省联通在网“如意 通”用户中抽出2342个样本,从“当前价值—潜在价 值”两个维度进行评价、细分样本,来识别价值客户。 如表1所示。
从表1中可以看出:随着用户在网时长的增加,用 户数量不断减少;随着ARPU 值的增加,用户数量急剧
图3 客户价值指标的递阶层次结构
Systems & Solutions
2) 构建两两比较判断矩阵并计算权重。
根据移动通信用户的消费特点,通过专家打分和运
营商打分相结合,确定各指标层两两比较的重要性。最
后通过层次分析法求出各指标体系的权重。
首先对每一层与上一层某一因素有关的各因素根
据重要性进行两两比较,可以得到两两判断矩阵。如表
2-表4所示。然后计算指标层各因素指标评价权重并进
行一致性
检验。分别计算出、CI、RI、CR②。如果显著性水
平为0.1,表2-表4中的CR均小于0.1,通过检验认为
总体排序的一致性检验是显著的,指标体系构建合理。
利用层次分析计算指标权重,采用赵树基(2007)③
利用Excel构建的层次分析模型。
2.2.2 利用聚类分析来识别典型价值客户
根据图3当前价值和潜在价值的指标评价体系,利
用层次分析法确定的指标权重系数,计算出抽取2342户
在网用户的当前价值和潜在价值。利用聚类分析对其进
行分类,进而识别出企业的价值客户、次价值客户、潜
价值客户和低价值客户。
1) 用户当前价值和潜在价值的计算评价方法为了
能够有效地获取用户当前价值和潜在价值的评
价数据,将反映这两个指标的次级指标进行加权求和,
将相应的数据代入(2)式,得出用户的当前价值和潜在
价值。
(2)
其中,。—客户价值;
值结果;—相应指标的权重;—指标个数。
2) 通过聚类分析建立典型客户的识别模型由于当
前价值和潜在价值的各项细化指标在数量级
②判断矩阵具有一致性的条件是该矩阵的最大特征根与矩阵阶
数相等,并通过一致性检验指标CI和RI,以检验判断矩阵偏
离一致性的程度。CI作为测量判断矩阵偏离一致性的指标,
RI为测量平均随机一致性的指标,
RI表获得;CR为测量满意一致性的指
标,CR=CI/RI。
③应用赵树基老师利用EXCEL建立层次分析法指标权重计算
模式,极大程度上提高了效率,减少了工作量。
上差异很大,为了消除数量级上的差异,在利用SPSS
分析前,进行标准化处理,然而采用快速聚类法聚类。
如表5所示。
同时,表6对聚类分析的结果进行显著性的F检
验,效果显著,说明聚类四组数据之间(组间)差异较
大,组内差异较小。
2.3 典型客户的客户价值量化
为了使客户生命周期价值的研究更具有针对性、
实用性,保证投入资源的质量,在征求企业相关部门的
意见后,最终将研究对象确定为潜在价值大于1或当前
价值大于1的用户,即符合两条件的并集用户,共计595
户,作为本文典型客户生命周期客户价值的研究对象。
2.3.1 拟合典型CLV模型的利润曲线
通常利润的确定方法:利润=收入-成本,由于运
营商成本核算的复杂性,通过这种直接的方式难以计算
单位用户的利润。因此,本文采用:利润=利润率×月
话费,来计算利润。
用户在网时间越长其利润率越高,即入网初期其
利润率可能很低,甚至亏损,但随着用户在网使用时间
的延长,其利润率也不断增加,甚至在若干年后利润
率将接近100%。针对在网用户利润率有规律的变化,
最终确定这部分典型客户利润率范围为K:-100%≤K
<85%。典型客户的利润率曲线如图4所示。因此,只
需统计出典型客户在网时间内每月所产生
的话费,计算用户在网第个月的平均话费(即第个月用
户的话费总和/总用户数),然后乘以相应的利润率,得
到典型客户的平均利润值,最后,画出利润的散点图。
如图5所示。
结合散点图的特点,可以判断其利润变动的趋势与
客户生命周期的价值曲线[4]的形状相似,结合企业实际
的财务分析情况,利用运筹学规划求解的思想,根据最
小二乘法原理,分段拟合,最终得到残差最小的拟合曲
线方程的分段函数。如图6所示。
(3)