基于客户价值分析的服务挖掘模型构造

摘要：本文首先介绍了“服务挖掘”的概念、应用范围以及服务挖掘中客户价值的产生过程。提出了基于客户价值分析的服务挖掘模型，并以客户细分模型为例，从客户价值产生过程出发，对基于客户价值分析的服务挖掘进行了实证分析。

关键词：服务挖掘；客户价值；客户细分；模型

一、服务挖掘的概念

服务挖掘是指基于客户服务数据库，通过分析与统计工具，获取每个客户对某一特定产品的消费或使用习惯特征，结合给定的专家知识以及生产商所提供的服务指南，挖掘出客户行为特征对每项服务所产生的影响因子，并将其作为制定客户服务计划的主要知识保存于知识库中，这一系列的因子将随着客户接受服务的不断延续而被持续刷新。结合预测模型、标准服务指南和知识库。预测出每个客户下一次最有可能接受服务的项目以及最有可能接受此项服务的时间，从而为服务商开展差异化的主动服务提供技术上的支持。它主要强调服务提前理念，其作用是在高度竞争的市场情况下为客户提供差异化的“主动”服务，改变传统“被动”服务的运作模式，使企业的有限资源发挥最大作用。

并非所有的服务都值得挖掘，也并非所有的服务都可以挖掘。服务挖掘可以应用于如下领域，汽车4s店、大型机械设备的维护、信用卡业务管理、手机实名制后的通信领域服务、保险行业、医疗卫生行业、电子商务等，归纳起来，这些应用领域有一个共同特征是服务商必须掌握大量的客户信息和业务数据，在企业资源有限的情况下，服务商不可能为所有客户提供一致的服务，因此有必要进行客户价值分析，为服务挖掘选择对象。WwW.11665.com在客户价值分析的基础上结合服务挖掘提供更细致的差异化的“主动”服务。

二、服务挖掘中客户价值的产生过程

图1是以汽车销售行业为例表示如何将公司所有资源转化为自己的核心能力，如品质，服务，品牌，渠道，环境等来创造客户价值的流程。客户的需求随时都会发生变化，竞争对手也会有各种不同的对策，企业的资源、能力也在不断调整，所以这个过程应该是车轮式动态的。

企业孤立的通过产品、服务、技术等手段创造出单一的绝对性的核心能力和竞争力有时已经很困难，只有通过整合企业所拥有的资源，针对客户需求来创造和传递客户价值，才能形成竞争对手难以模仿的、可持续的核心能力和竞争优势。

对于服务商而言，不可能更改产品的品质，但可以通过提供最佳的服务使产品始终处于良好的状态，以提高客户对产品的满意度，这应该是服务挖掘要达到的目的，基于这一点，客户价值分析应该是选择服务挖掘对象的一个重要环节。

三、基于客户价值分析的服务挖掘模型

如图2所示，服务挖掘中客户价值的实现是通过利用企业的有限资源，通过一系列的流程操作，在品质、渠道、服务、品牌、环境上获得客户的满意。而数据挖掘可以利用聚类分析、关联规则、决策树、异常检测、神经网络等算法，围绕客户细分，客户保持，交叉营销，客户流失预警等方面为客户提供差异化的主动服务提供技术，本文正是基于这种观点提出了基于客户价值分析的服务挖掘模型如图，并以客户细分为例重点进行模型的实证分析。

四、模型实证分析

客户价值分析是选择服务挖掘对象的一个重要环节，客户细分又是客户价值分析的首要环节，以下以客户价值分析模型中的客户细分模型为例，深入探讨该模型在服务挖掘中的应用。

1　评价指标的选取

客户总价值：客户总价值包括产品价值、服务价值、人员价值和形象价值

(1)产品价值，产品价值就是指产品通过有形成能够给消费者带来的效用，即伴随着产品消费者所得到的额外的利益，一般而言，产品价值是消费者价值的根本，是其它价值的前提与基础，

(2)服务价值，服务价值是指消费者在购买商品的整个过程中所得到的相关配套的服务给消费者所提供的效用，

(3)人员价值(或文化价值)。人员价值就是搜集产品信息的时候或是购买前最后的咨询时，对企业职员的一种印象，包括职员的知识面、责任心、诚恳度等的要素，是职员在与客户接触时所展现的个人的人格魅力。

(4)形象价值。企业形象价值是指企业在其所在行业的地位、先进性、专业性等特有之处给消费者带来的无形价值，表现为社会公众心目中的优势。

从以上的表述上我们不难看出客户是价值最大化的追求者，他们塑造出一个价值的期望值并想尽一切方法去实践它。消费者往往从给他们提供最高让渡价值的公司购买产品。这就意味着企业必须在总客户价值和总客户成本之间估算，并考虑与竞争者之间的差别，从而明确他们的产品如何在市场上销售。如果公司在让渡价值上没有优势，则应该在努力增加总客户价值的同时，减少总客户成本。实施差异化战略，可以有效地提升客户让渡价值。

综上所述，企业在评价客户关系价值时，既要考虑到企业自身的价值认知，又要考虑到客户的主观感知价值。因此有必要从两方面来研究客户价值。

客户认知价值。客户认知价值是指客户在购买使用产品或享受维修服务以后，客户对企业及其产品等的主观价值认识。我们选用四个指标来描述，分别是产品价值、服务价值、形象价值、理念价值。

企业认知价值。企业认知价值是从企业的角度来看待客户价值，即企业为维持与客户的关系能够为企业带来的价值，主要体现在以下五个方面，平均消费、客户忠诚度、客户满意度、客户转移成本和交易次数。

2　数据准备

数据准备工作包括数据的选择(选择相关和合适的数据)、探索(了解数据分布情况和异常数据等)、修正(包括缺失数据的插值等)和变换(离散值数据与连续值数据的相互转换，数据的分组分类，数据项的计算组合等)。各个企业在客户资料收集上都有所不同。一般所收集得到的属性也未必能够用在建立模型上，因此我们在模型建立之前，可以利用相关性分析，找出每一个输入变量与所要分析的业务的相关性，删除相关性较小的变量，从而可以缩短建模时间，降低模型复杂度，有时还能使模型更精确。

3　聚类分析

聚类分析可以帮助企业依据客户价值将客户群细分成不同特征的客户群体，从而针对不同类型客户采取不同层次的管理、营销策略和提供差异化的主动服务，聚类分析的结果为选择服务挖掘的对象提供了依据。

聚类分析方法的类型主要有划分方法、层次方法、基于密度方法、基于网络方法和基于模型方法，本文采用传统的划分方法中的k-平均值法。k-平均值法的基本思想是将对象集合划分为k个聚类，如图3所示，步骤为：首先，从n个数据对象中任意选择k个对象作为初始聚类中心，计算所剩下的其他对象，根据他们与这些聚类中心的相似度或距离，分别将他们分配给与其最相似的聚类中心所代表的类中；再计算所获新聚类的聚类中心，一般取该聚类中所有对象的均值。不断重复这一过程，直到每个聚类不再发生变化为止，最后所得到的结果即为所求的k个聚类。

每个客户均由9个指标来描述其属性，指标体系中除去有形价值指标和交易次数指标外。其他均为定性指标。

本文采用权重评分法将定性指标分等级并赋予权值，如客户满意度指标分为很满意、满意般、不满意、很不满意，相应设置权重为5、4、3、2、1。以企业认知价值评价为例，采用聚类分析方法将9个客户分成3类，即n=9，k=3。

以下通过某汽车公司－4s店2004年1月至2006年8月维修数据为例，说明聚类分析在客户细分中的具体应用，为简单起见，随机抽取九名客户的维修数据，以及对应的客户回访满意度调查情况，如表1所示：

每个客户均由9个指标来描述其属性，指标体系中除去干均消费指标和交易次数指标外，其他均为定性指标，本文采用权重评分法将定性指标分等级并赋予权值，如客户满意度指标分为很满意，满意、一般、不满意、很不满意，相应设置权重为5、4、3、2、1。首先，采用数据标准化方法对数据进行处理，将定性指标和定量指标统一量纲后如表2所示：

本文提出的基于客户价值分析的服务挖掘模型在实际应用时仍有待完美，模型在应用中的表现应进行监控，如果模型表现不好，则对模型做进一步的考察和修正，以反映业务运作规律的变化。