闫 洲

(天津财经大学 天津 300000)

门店顾客细分研究

闫 洲

(天津财经大学 天津 300000)

由于顾客存在差异，相同的营销策略全局性地针对所有顾客所产生效益非常低，因为并不是每一个顾客都适于成为高价值顾客或值得发展的顾客。一个企业的资源是有限的，如何在有限的资源下实现利润的快速增长，就要明智地关注正确的顾客群体，关注不同顾客群体之间的差异，相应地制定发展与维护策略。本文选取某一零售商的一家门店在一个季度里9894名会员的消费记录数据及其相应的会员信息，准备对客户群体进行细分，希望能够找到最为合适的顾客人群，使零售商有限的营销资源能够收获更大的利益。

门店顾客；营销策略

一、研究意义

由于维护和发展顾客的资源有限，只能提供服务给一定的数量的顾客，明显地我们不会将这些服务提供给为门店带来收益少的顾客，但是怎样找出为那些为门店带来高价值的顾客呢,简单的我们通过RFM模型对顾客进行细分，然后给不同类别的顾客贴上不同的标签。

我们已经得到了支持RFM模型的三个指标，在这里由于数据采集的延时性，我们改动了支持该模型的消费时间间隔指标，将原是指最近一次购物日期到据数据采集时的时间差改为最近了两次购物的时间差，虽然这样会导致在数据采集阶段给购买一次的顾客一个小的消费时间间隔值，导致在分类别时可能会出现差错，但我们认这样做是值得的，因为我们希望每一个顾客都是高价值顾客。

根据实际的业务需求，我们需要对三个指标分别进行划分，可以得到众多的立方体，每个立方体代表一个类别的顾客群体。然后每个群体进行分析，然而，由于最后得到的类别数是不同指标的类别数的乘积，这容易导致划分的顾客群体过多，不同类别对比困难等；进一步地，根据前面的分析可知，不同指标的变化并不是以线性方式呈现的，等分或不等分都不能体现不同类别顾客之间的流动。因此，本文拟采用聚类分析的方法，对顾客群体的数据进行处理，以期找到一种合理有效的顾客分类方式。

二、通过聚类对顾客进行细分

考虑到样本量较大，我们采用快速聚类法K-Means对顾客群体的数据进行处理，以期找到一种合理有效的顾客分类方式。下面再简单地强调一下该算法的思想：对于无监督学习的聚类算法，我们事先并不知道训练数据集需要分为多少类，需要根据实际需求设定所需的类别数。将具有相似特征或在一定规则下认为相似的对象与其他组明显不同的数据聚集到一起，形成不同的类别，然后根据类别的特征，给这些类别分别贴上具有现实意义的标签。

在本次实际研究中，通过快速聚类法得到顾客的分组，从前面的分析可知，有些会员在消费时间间隔或消费频率或购物金额上都存在统计意义上的异常，但实际上，这些异常基本上可以得到合理的实际解释。我们需要这些异常的对象存在，明显地，这代表那些可以值得去深挖或直接放弃的顾客。我们想保留这些较为异常的数据点，但在快速聚类过程中,由于这些异常值的存在，导致最后聚类得到的类别中，异常数据点分配的组别数较多，而相对保持平衡的数据点较多而分配组数少，这会使得大部分信息得不到充分的体现。

初始地我们选择K值为5，通过快速聚类得到不同类别顾客在最近一次消费时间间隔，消费频率，金额上的三维体现，正如前文所讲，少数的异常数据聚为一组，虽然这样我们能清晰地找出特征非常明显的顾客，以制定相应的发展维护策略，但是对于包含多数数据点的类别，其特征并没有很好地体现出来。

由于那些在评价指标上表现异常的消费数据在实际中能得到合理的解释，我们仍保留着部分数据，通过对这部分顾客聚类，我们可得到不同类别的中心点与每个类别中所包含的顾客数，详情见表1。从表1中可明显地看出属于类别五的顾客在消费时间间隔的表现上平均为11.8天，在购物频次和消费金额上都明显低于其他分组，而这一类别的顾客数为6055占总顾客数的61.30%。相比于类别五，在类别四中我们可以看到其消费时间间隔为6.0天,消费频率为18.4次，消费金额为791.6元，顾客数为2840占总顾客的28.70%。相比之下这似乎暗示着类别四的顾客比类别五的顾客更加忠诚。

实际上，我们在采集数据时，其时间期限为三个自然月，大约90天，相应地若以最近的消费时间间隔做为消费者对门店的认同度测量，则相对忠诚或优质顾客的消费时间间隔与购物频次乘积大于或等于这三个自然月的天数。我们计算不同类别消费时间间隔与购物频次的乘积，得到类别一到类别五其相应的乘积值为159.0,116.4,125.8,109.8,72.6天，可以看到类别五其乘积值远小于三个月的自然天数，而类别四其乘积值为109.8天，也就是说类别四的消费者在该商家的购买次数或消费要远高于类别五的顾客。这也同样说明了类别四的顾客比类别五的顾客更加忠诚，他们对门店所做的贡献也更大。

进一步地在做完顾客细分后，我们汇总一下不同类别顾客贡献的购物篮比率，贡献的金额占比，顾客数占比，一到三个月的流失比率，流失率的计算方法为该类别流失的顾客数除以该类别总的顾客数。汇总结果见下表。

从表中可以看出，类别五的顾客数占比61.30%，贡献30.28%的购物篮和22.56%的金额，一个月的流失率达28.84%,三个月流失率为13.04%；类别四的顾客数占比40.35%,贡献42.43%的购物篮和40.35%的金额，一个月流失率为7.39%,三个月流失率为2.39%。类别四的顾客贡献的购物篮与金额远高于类别五的顾客所做的贡献，进一步的计算可得类别5的顾客数是类别4的2.14倍，其贡献金额却是类别四的0.56倍，一个月流失率和三个月流失率是类别四的3.90倍和5.24倍。明显地，类别四的顾客对门店的价值要高于类别五的顾客，其对门店整体上较为满意，不容易发生流失的情况，而类别五的顾客的流失率较高，给门店带来的收益相对较低。

对于类别1，类别2和类别3，三个类别顾客数占比和为10%，贡献27.28%的购物篮和37.10%的金额，这些类别给门店带来的价值较高，这些类别的顾客需要门店进行重点维护。

从另外一个角度来看，我们发现类别一，类别二和类别三的顾客贡献的购物篮占比要低于其所贡献的金额占比，与此相反的是类别四和类别五的顾客其贡献的购物篮占比要高于其金额占比，且其以一定的规律呈现。

综上分析，我们可以可以看出类别五的顾客侧重于购物篮的贡献，其流动性较大，属于门店的一般顾客；类别四的顾客对购物篮的贡献与金额的贡献都有较大的提升，其流动性相对较小，属于门店的优质的顾客；而类别一到类别三，其金额占比与购物篮占比的比值一直上升，我们可以将这几部分顾客称为价值顾客，相对来说，类别二顾客体现的价值并没有类别一和类别二那么明显。通过对这部分信息的整理，我们能看出给门店带来收益的不同类别顾客的组成，提示着我们需要重点把握好哪些顾客、培养与发展顾客需要从哪些个类别的顾客入手，这些信息能辅助我们有针对性地激励发展顾客，对不同类别的顾客采用不同方式的维护与发展策略，使有效的资源得到更为充分合理的运用。

三、结论

从顾客的细分的角度来看，占门店61%的顾客只是贡献了22.56%的消费金额，其贡献的购物占比为30.38%，且具有较高的流失率。这部分顾客只是该门店非常一般的顾客，门店没有必要去花较多的资源去维护这部分顾客。而对于类别四的顾客，其价值体现并不明显，但给门店带来较多的购物篮，该部分顾客值得门店花费更多的资源以提高该部分顾客的客单价，使其向类别二转化。对于其他高价值的顾客，则需要门店重点维护。

通过对顾客消费行为的洞察与细分，我们可以从中得到一些有意义的信息，这会辅助我们针对性地制定顾客发展与维护策略，同时启示我们要何时实施这些策略及其应该包括的具体营销内容，使有限的资源得到更为合理有效的运用，达到长期利益的增长。

[1]郑宗成,张文双等.市场研究中的统计分析方法[M].广东经济出版社,2012.

[2]王宁.精准营销对消费者品牌态度及购买意愿的影响研究[D].中南大学，2011.

[3]Philip Kotler,Kevin-Lane Keller.营销管理[M].中国人民大学出版社,2009.

闫洲，男，汉族，山西，应用统计硕士研究生，天津财经大学。