王子君 梁峰

摘 要：客户未来活跃度和购买频次信息对客户关系管理具有重要决策参考价值。文章基于国内某大型石化企业成品油客户购油数据，采用MBG/CNBD-k模型对客户未来活跃度及购买频次进行建模，研究结果表明，该模型对客户流失率预测具有较高的准确率，有助于石化企业及时发现可能流失的客户，针对性地开展客户维系与挽留措施，减少客户流失。

关键词：MBG/CNBD-k模型;客户活跃度;客户购买行为预测

中图分类号：F274 文献标识码：A 文章编号：1005-6432（2022）13-0137-04

DOI：10.13939/j.cnki.zgsc.2022.13.137

1 引言

在客户关系管理中，非契约客户与企业关系不受合同影响，客户转移成本较低，客户未来活跃度信息对于营销决策具有重要价值。管理者可以依据客户活跃度预测，提升营销政策的精准性，通过对客户活跃度细分，及时采取措施降低客户流失率。目前，预测客户购买活跃度主要有两大类方法：一类是机器学习模型，例如逻辑回归模型[1]、决策树模型[2]、支持向量机[3]等;另一类是概率模型，例如Pareto/NBD模型[4-5]、BG/NBD模型[6-7]、MBG/NBD模型[8]、MBG/CNBD-k模型[9]等，这两条技术路线均有各自的追随者。MBG/CNBD-k模型是新提出的针对客户购买行为的概率建模方法[9]，其对经典Pareto/NBD概率模型进行了改进，由于提出时间较短，其预测效果尚未得到广泛验证。文章基于国内某大型石化企业成品油客户购油数据，使用MBG/CNBD-k模型对客户活跃度及购买频次构建模型，增进客户管理相关领域对MBG/CNBD-k模型的认识及推广应用。

2 MBG/CNBD-k模型简介

2.1 模型设定

MBG/CNBD-k模型建立在MBG/NBD模型的基础之上，模型有六个基本假设。……