移动通信客户价值评价模型研究及实证分析

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)