使用機器學習和擴展RFM模型挖掘 航運客戶價值


前言:數(shù)據(jù)分析是幫助企業(yè)從數(shù)據(jù)中洞察商機,發(fā)現(xiàn)高價值和高增長的客戶,是現(xiàn)階段所有企業(yè)都關(guān)心的問題。


背景

面對激烈的市場競爭,各個集裝箱運輸公司都推出更優(yōu)惠、更優(yōu)質(zhì)的營銷合約來吸引更多的客戶,一方面要和頭部客戶建立牢固的合作關(guān)系,另外一方面還要挖掘具有發(fā)展?jié)摿Φ目蛻?。在有限的營銷資源和服務能力的情況下,達到企業(yè)價值的最大化。

案例目標:識別客戶價值,通過集裝箱運輸客戶數(shù)據(jù)識別不同價值的客戶


為什么要進行客戶價值分析?

客戶規(guī)模、利潤貢獻度等不同,不同客戶對企業(yè)貢獻的價值具有差異性,對于很多企業(yè),80%的利潤往往是20%的客戶提供的。企業(yè)就有必要對客戶進行分類并區(qū)別對待,采取不同的服務政策與管理策略,使企業(yè)有限的資源進行優(yōu)化配置,以實現(xiàn)高產(chǎn)出。
客戶分類體系對于客戶服務和市場營銷活動極為重要,集運當前有160余萬個客戶,這遠遠超過了人工手段進行價值和分類管理的極限。因此,建立一個量化的價值和分類體系,通過系統(tǒng)可以有效地加強我們對客戶的分類和管理,幫助我們合理使用有限的市場營銷資源。


帶來的價值

本落地應用后,幫助客戶和營銷部門使用量化手段進行客戶分類管理,結(jié)合客戶特點進行分類,幫助市場營銷部門根據(jù)客戶特征不同開展具有針對性的營銷活動。
幫助客戶和營銷管理人員及時獲取潛在的客戶流失預警。


實現(xiàn)思路

根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究,客戶數(shù)據(jù)庫中有3個神奇的要素,這3個要素構(gòu)成了數(shù)據(jù)分析最好的指標:最近一次消費 (Recency)、消費頻率 (Frequency)、消費金額 (Monetary)。
RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。在眾多的客戶關(guān)系管理(CRM)的分析模式中,RFM模型是被廣泛提到的。

RFM作為客戶價值的通用模型,在一些特殊行業(yè),需要進一步結(jié)合行業(yè)特點靈活的運用,才能體現(xiàn)其價值。在航運業(yè),消費金額M并不能真是反映客戶的價值,例如3000海里的海運費(M較高)帶來的價值可能沒有300海里的海運費(M較低)高,但是3000海里的運輸很可能有助于空箱平衡。
根據(jù)我們集裝箱運輸行業(yè)的特點,專門設(shè)計了LRFMC模型進行客戶價值的模型分析,其中LRFMC分別指:

項目 單位 說明
L 客戶和我們的合作時間間隔,反映客戶可能的活躍總時長;
R 最近運輸日期距當前時間的間隔,反映當前的活躍狀態(tài);
F 艙單個數(shù)(消費頻度),反應客戶的忠誠度;
M 箱*海里 艙單的TEU*海里,反應了客戶的運輸需求;
C 百分比 收入/平均收入,如為淡季,則額外為1.2倍。淡季:航線航次均價和年度均價偏差>=-20%則定義為淡季。
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容