论文：客户全生命周期利润预测方法的研究（一）（by 陈明亮）

客户全生命周期利润预测方法的研究（一）

陈明亮

摘要  客户全生命周期利润（CLP）是判别客户对公司价值大小的标准，但如何预测CLP是一个至今没有很好解决的问题。提出了依据客户历史利润与以往客户利润曲线案例的拟合情况来预测客户未来利润模式，进而预测CLP的拟合法。该方法基于交易数据进行预测，克服了现有客户事件法预测结果过多依赖于预测者主观判断的缺陷；可评估每个客户对公司的价值并据此分配公司资源，克服了现有Dwyer法只能按组预测而不能在客户级上预测CLP的缺陷。本文详细讨论了拟合法预测CLP的原理和数学模式。

关键词  客户利润，生命周期，预测方法

客户保持对公司的利润底线有着惊人的影响，它对利润的影响远远超过公司规模、市场份额、单位成本和其他许多通常认为与竞争优势有关的因素的影响（Reichheld & Sasser，1990）。客户保持率一个小的提高都能导致利润可观的改善。Reichheld 和Sasser（1990）对美国9个行业的调查数据表明，客户保持率增加5%，行业平均利润增加幅度在25%~85%之间。客户保持已成为公司成功最至关重要的目标（Jones & Sasser，1995）。但是，对一个公司来说，并不是每个客户都具有同样的价值，Pareto原理认为，一个公司80%的利润往往由20%最有价值的客户创造，其余80%的客户是微利、无利，甚至是负利润的（Reichheld，1996）。公司实施客户保持商务战略的主要目的是与那些最有价值客户建立稳定的长期双赢关系，防止这些客户流向竞争对手。因此成功地实施客户保持商务战略的首要任务是识别客户对公司的价值，以确定哪些客户是合适的保持对象。

客户全生命周期利润 （Customer Lifetime Profit，简称CLP）作为判别客户对公司价值大小的标准，正在被学术界和企业界逐步接受，但如何预测CLP是一个至今没有解决的问题（Berger,Paul D. & Nada I. Nasr，1998）。本文的目的就是试图解决CLP的预测问题。解决了CLP的预测问题，最有价值客户的确定、不同价值客户的资源配置方案等问题就迎刃而解。

客户全生命周期利润指的是公司在与某客户保持买卖关系的全过程中从该客户处所获得的全部利润的现值。对现有客户来说，其CLP可分成两个部分，一是历史利润，即到目前为止客户为公司创造的利润流的总现值，二是未来利润，即客户在将来可能为公司带来的利润流的总现值。公司真正关注的是客户未来利润，常说的CLP仅指客户未来利润，因此CLP预测指的是客户未来利润的预测。

本文后面部分的内容组织如下：第一小节讨论现有CLP预测方法的现状和缺陷，第二节根据客户生命周期理论研究（陈明亮，2001）揭示的典型客户利润变化规律（倒“U”形）提出一种称为拟合法的新的CLP预测方法，并重点讨论该方法预测的原理和数学模型，第三节给出本文小结。

1 现有CLP预测方法的研究现状及不足

客户全生命周期利润最早应用的是直接营销（Direct Marketing）领域，原因是CLP的预测需要完整的历史交易数来追踪和理解客户行为，而直接营销领域是最早拥有比较完整客户数据库的一个领域。目前，CLP正越来越多地被应用到一般的营销领域（Berger Paul D. & Nasr Nada I.，1998），因为随着IT技术的迅速发展，许多公司开始拥有愈来愈完整的包括交易数据在内的客户数据，过去不可能实现的对客户行为的追踪和理解现在变得可能和容易。在直接营销领域，Dwyer（1989）最早提出了CLP的预测方法，并一直作为该领域CLP的主要计算方法被广泛应用（Dwyer，1997；Berger Paul D. & Nasr Nada I.，1998）。在一般营销领域，具有代表性的是一种基于“客户事件预测”的CLP预测方法（Qube Consulting Limited，2000）。上述两种方法（分别称为Dwyer法和客户事件法）代表了CLP预测的现状，下面概述这两种方法的研究现状及其不足。

1.1 Dwyer法

Jackson（1985）根据客户购买行为的差异，把工业客户分成两大类：“永久流失”和“暂时流失”。“永久流失”类客户指的是这样一类客户：要么把其业务全部给予现供应商，要么完全流失而给予另一供应商。属于这种类型的客户或者其业务无法分割，只能给予一个供应商；或者其业务转移成本很高，一旦将业务给予某供应商则很难转向其它供应商，反之，这种客户一旦流失，便很难再回来，故称之为“永久流失”客户。 “暂时流失”类客户指的是这样一类客户：他们将其业务同时给予多个供应商，每个供应商得到的只是其总业务量的一部分（一份）。这类客户的业务转移成本低，他们可以容易地在多个供应商之间转移业务份额，有时可能将某供应商的份额削减到零，但对该供应商来说不一定意味着已经失去了这个客户，客户也许只是暂时中断购买，沉寂若干时间后，有可能突然恢复购买，甚至给予更多的业务份额。两类客户购买行为特征的最大差异是，第一类客户一旦终止购买即意味着永久流失，第二类客户即使一时甚至较长时间中断购买，也不意味着一定流失，他们恢复购买的可能性很大。

Dwyer（1989，1997）将Jackson的客户分类应用到直接营销中，并展示了其在客户全生命周期利润预测中的意义。他根据两类客户的行为特征的差异，开发了两个分别针对两类客户的CLP预测模型——适用于“永远流失”类客户的客户保持模型（customer retention model）和适用于“暂时流失”类客户的客户转移模型（customer migration model）。但Dwyer并没有给出这两类模型的一般数学模型，而是用一个特定背景（如杂志订阅）下的数字案例演示了一组客户CLP的预测思路。后来Berger Paul和Nasr（1998）完善了Dwyer法，他们将Dwyer提出的两类模型分成五个案例，给出了每个案例CLP预测的数学模型。

Dwyer法的致命缺陷是它只能预测一组客户的CLP或每个客户的平均CLP，无法在客户级上预测CLP（即不能预测每个客户的CLP），因此无法具体评估某个客户对公司的价值。

1.2 客户事件法

利用“客户事件”的概念预测未来的客户全生命周期利润是一般营销领域目前比较有代表性的方法，一些咨询公司甚至推出了基于这种方法的CLP预测软件（Qube Consulting Limited，2000）。这种方法的基本要点是：针对每一个客户，预测一系列事件发生的时间，并向每个事件分摊收益和成本，从而为每位客户建立一个详细的利润和费用预测表。每个客户CLP预测的精度取决于事件（产品购买、产品使用、营销活动、坏帐等）预测的精度和事件收益与成本分摊的准确性。客户事件预测可认为是为每个客户建立了一个盈亏帐号。客户事件集越详细，与事件相关的收益和成本分摊得越精确，CLP的预测精度就越高。

但因为两个原因，客户未来事件预测的精度无法保证：（1）预测依据的基础数据不确定性大。预测一系列客户未来事件（包括每个事件发生的时间、产生的收益和相应的成本）的基础是历史交易信息（如最近一次的交易时间、每次交易额、交易的平均时间间隔、平均价格水平、交叉购买情况、信用状况等）、客户变量（如客户公司的知名度、发展历史、业务规模、利润额、经营现状、未来走势等）、公司变量（如预计的资源投入、客户保持策略等）、环境变量等，这四类变量（或参数）中，除历史交易信息外，其余三类变量都充满了大量的不确定性，因此在这样的基础上要比较精确地预测客户的未来事件显然十分困难。（2）预测过程不确定性大。整个预测过程是一个启发式推理过程，涉及大量的判断，需要预测人员有大量的经验积累，不仅一般人员不容易掌握，而且预测过程和预测结果因人而异。

论文：客户全生命周期利润预测方法的研究（二）
论文：客户全生命周期利润预测方法的研究（三）

本文由作者向AMT提供
作者联系方式：chenml@zju.edu.cn

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友