信用卡客戶價(jià)值分析

讓歷史告訴未來。客戶價(jià)值分析就是通過數(shù)學(xué)模型由客戶歷史數(shù)據(jù)預(yù)測(cè)客戶未來購買力，這是數(shù)據(jù)挖掘與數(shù)據(jù)分析中一個(gè)重要的研究和應(yīng)用方向。RMF方法就是讓歷史告訴未來的趨勢(shì)分析法，利用RMF方法科學(xué)地預(yù)測(cè)老客戶未來的購買金額，然后對(duì)產(chǎn)品成本、關(guān)系營(yíng)銷費(fèi)用等進(jìn)行推算，即可按年、按季度、按月預(yù)測(cè)出客戶未來價(jià)值。這里以信用卡為例，討論和分析信用卡客戶價(jià)值。

一、預(yù)測(cè)模型

對(duì)銀行而言，預(yù)測(cè)客戶未來價(jià)值能夠使銀行將傳統(tǒng)的整體大眾營(yíng)銷推進(jìn)到分層差異化營(yíng)銷、一對(duì)一差異化營(yíng)銷的高度，對(duì)不同的分層客戶采取不同的營(yíng)銷模式、產(chǎn)品策略和服務(wù)價(jià)格，從而推動(dòng)和促進(jìn)客戶購買交易。

根據(jù)RFM方法，“客戶價(jià)值”預(yù)測(cè)模型為：

客戶未來價(jià)值 = 銀行未來收益 – 未來產(chǎn)品成本 – 未來關(guān)系營(yíng)銷費(fèi)用

對(duì)于信用卡客戶，我們定義此處的“未來”是指未來一年（也可以是未來一季度）?！般y行收益”包括信用卡年費(fèi)、商戶傭金、逾期利息，以及其他手續(xù)費(fèi)等；“產(chǎn)品成本”即產(chǎn)品研發(fā)、維護(hù)和服務(wù)成本，包括發(fā)卡、制卡、換卡和郵寄等費(fèi)用，以及其他服務(wù)費(fèi)用；“關(guān)系營(yíng)銷費(fèi)用”即關(guān)系維護(hù)和營(yíng)銷成本，包括商戶活動(dòng)、積分禮品兌換、營(yíng)銷宣傳等。

RFM方法是目前國際上最成熟、最通用、最被接受的客戶價(jià)值分析的主流預(yù)測(cè)方法。實(shí)際上，RFM方法是一整套客戶價(jià)值分析方法中的一部分（其中，R：最近購買日Recency，F(xiàn)：購買頻率Frequency，M：平均單次購買金額Monetary），但是RFM方法最具有代表性，其它還包括客戶購買行為隨機(jī)過程模型、馬可夫鏈狀態(tài)移轉(zhuǎn)矩陣方法、貝氏機(jī)率推導(dǎo)狀態(tài)移轉(zhuǎn)概率方法和擬合回歸分析方法等。

（一）預(yù)測(cè)未來收益

由于“銀行收益”包括信用卡年費(fèi)、商戶傭金、逾期利息，以及其他手續(xù)費(fèi)等，這里統(tǒng)一稱為“購買金額”。因此，“客戶未來購買金額”預(yù)測(cè)模型為：

客戶未來購買金額 = 未來購買頻率 * 未來平均金額 * 未來購買頻率概率 * 未來平均金額概率

其中，未來購買頻率、未來平均金額、未來購買頻率概率、未來平均金額概率均可通過客戶購買行為的隨機(jī)過程模型來描述和求解。對(duì)于信用卡客戶，“客戶購買行為”包括刷卡、透支、取現(xiàn)、支付、分期等，以及客戶消費(fèi)習(xí)慣、還款習(xí)慣、收入貢獻(xiàn)、信用額度、用卡來往區(qū)間、逾期時(shí)長(zhǎng)、進(jìn)件通路、客戶服務(wù)和副卡的客戶購買行為等。

根據(jù)RFM方法預(yù)測(cè)過程，隨機(jī)過程模型除了推導(dǎo)和計(jì)算客戶未來購買頻率概率、未來平均金額概率的密度分配之外，還隱藏著客戶未來購買頻率、未來平均金額的狀態(tài)移轉(zhuǎn)期望值和概率。因此，除了使用隨機(jī)過程模型之外，還需使用貝氏機(jī)率方法推導(dǎo)狀態(tài)移轉(zhuǎn)期望值和概率。

此外，要科學(xué)地分析和預(yù)測(cè)客戶未來價(jià)值，有必要用長(zhǎng)度和寬度的二維樣本數(shù)據(jù)建立一套牢固、可靠的隨機(jī)過程模型，樣本越大，客戶未來價(jià)值的預(yù)測(cè)結(jié)果就越接近未來的事實(shí)。其中二維樣本數(shù)據(jù)是指客戶購買頻率與購買金額是兩個(gè)相互獨(dú)立的不同的行為維度，不具有相關(guān)性。

（二）預(yù)測(cè)未來產(chǎn)品成本和關(guān)系營(yíng)銷費(fèi)用

RFM方法只能預(yù)測(cè)客戶未來購買金額（或銀行未來收益情況），卻不能預(yù)測(cè)出未來產(chǎn)品成本和關(guān)系營(yíng)銷費(fèi)用。而采取平均法或移動(dòng)平均法將客戶歷史價(jià)值、歷史關(guān)系營(yíng)銷費(fèi)用直接應(yīng)用到客戶未來，顯然不適合；同樣，采取RFM方法的概率分析方法來推斷客戶未來價(jià)值也是不適合的。因?yàn)槲磥懋a(chǎn)品成本和未來關(guān)系營(yíng)銷費(fèi)用并不是源自客戶的隨機(jī)行為，而是由銀行整體產(chǎn)品成本控制和差異化營(yíng)銷決定的，其未來變化不一定按趨勢(shì)平滑，未來客戶的情況可能會(huì)出現(xiàn)逆反或抖動(dòng)。因此，預(yù)測(cè)未來產(chǎn)品成本和關(guān)系營(yíng)銷費(fèi)用需要采取其他方法。

首先要明確，未來產(chǎn)品成本和未來關(guān)系營(yíng)銷費(fèi)用并不是隨機(jī)現(xiàn)象，而是遵循各自發(fā)生的規(guī)律；且客戶未來關(guān)系營(yíng)銷費(fèi)用服從客戶歷史關(guān)系營(yíng)銷費(fèi)用與購買金額的比例，即服從關(guān)系營(yíng)銷投入產(chǎn)出比。對(duì)于信用卡客戶而言，通常以“年”為最小期數(shù)進(jìn)行分析和預(yù)測(cè)，歷史區(qū)間和未來區(qū)間是連續(xù)的，即兩者之間無交易期數(shù)。所以，未來產(chǎn)品成本和未來關(guān)系營(yíng)銷費(fèi)用的變化符合銀行整體產(chǎn)品成本和營(yíng)銷費(fèi)用的線性擬合回歸規(guī)律。

因此，對(duì)于信用卡客戶，“未來產(chǎn)品成本”預(yù)測(cè)模型為：

未來產(chǎn)品成本 = 未來購買金額 *（1-CRM毛利率），CRM毛利 = 購買金額 – 產(chǎn)品成本 – 關(guān)系營(yíng)銷費(fèi)用

對(duì)于“未來關(guān)系營(yíng)銷費(fèi)用”，定義：

Ratei = ∑客戶歷史關(guān)系營(yíng)銷費(fèi)用/∑客戶歷史購買金額

Expensei = 客戶歷史最小關(guān)系營(yíng)銷費(fèi)用（須大于0）

Monetaryi = 客戶未來購買金額

X = Monetaryi * Ratei

因此，如果X＞Expensei，那么“未來關(guān)系營(yíng)銷費(fèi)用”=X。否則，如果Monetaryi＜Expensei，那么“未來關(guān)系營(yíng)銷費(fèi)用”=X；如果Monetaryi≥Expensei，那么“未來關(guān)系營(yíng)銷費(fèi)用”=Expensei。

二、客戶價(jià)值

從以上分析，客戶價(jià)值 = CRM毛利 = 購買金額 – 產(chǎn)品成本 – 關(guān)系營(yíng)銷費(fèi)用。因此，在完整的客戶關(guān)系生命周期內(nèi)（即從建立關(guān)系到未流失的最近一次交易），分析客戶未來價(jià)值的意義遠(yuǎn)遠(yuǎn)大于分析客戶歷史價(jià)值，因此通常意義上的客戶價(jià)值分析就是對(duì)客戶未來的價(jià)值進(jìn)行分析和預(yù)測(cè)。

對(duì)于預(yù)測(cè)出的客戶未來價(jià)值的結(jié)果，可按客戶價(jià)值分層，并將傳統(tǒng)的整體大眾營(yíng)銷推進(jìn)到分層差異化營(yíng)銷、一對(duì)一差異化營(yíng)銷的高度，其立足點(diǎn)就是客戶價(jià)值的差異化分析。

通過分析和預(yù)測(cè)客戶未來價(jià)值，即可清楚一旦高端客戶、大客戶流失將會(huì)造成未來怎樣的利潤(rùn)損失，也可以挖掘出那些臨近虧損或負(fù)價(jià)值的客戶，并進(jìn)行置疑分析，找出對(duì)策。但同時(shí)也要認(rèn)識(shí)到，即使預(yù)測(cè)出客戶的未來價(jià)值較高，也只能說明其價(jià)值勢(shì)能（即潛在購買力）較高，坐等客戶主動(dòng)上門的價(jià)值動(dòng)能（實(shí)際購買力）是不現(xiàn)實(shí)的，還需要通過其他溝通交流和營(yíng)銷渠道（如人工坐席外呼、短信發(fā)送、微博私信、微信、郵件推送等）與客戶互動(dòng)，推動(dòng)客戶追加購買、交叉購買。