2016-02-24 ?獵聘網(wǎng)-單藝?
原標(biāo)題“數(shù)據(jù)算法CLV能衡量每個客戶價值，聽起來很高深，實踐并不難！”
在市場中，每個客戶的能給廠家?guī)淼膬r值并不相同，換言之，客戶的價值并不相等。那么如何衡量一個客戶（用戶）在一段時期內(nèi)對企業(yè)有多大價值？以此來獲取、留住優(yōu)質(zhì)客戶，并針對性促銷，提供更精準服務(wù)，獲得更大商業(yè)價值。
今天，獵聘首席數(shù)據(jù)官單藝先生從客戶價值理論角度為您一探究竟。
1.每一個客戶的價值都一樣嗎？
顯而易見，在市場中，每個客戶的能給廠家?guī)淼膬r值并不相同，換言之，客戶的價值并不相等。
RMF模型用來評估客戶價值
在CRM中，RFM模型被廣泛應(yīng)用，R/F/M分別是最近一次消費(Recency)、消費頻率(Frequency)和消費金額(Monetary) 的首字母。
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，通過顧客在消費間隔、消費頻率和消費金額三方面的表現(xiàn)來定量評價客戶價值。
RFM的不足之處是，并不是一個非常精確的量化模型，不能計算出一個客戶的具體價值。
2. 你會用CLV嗎？
CLV是Customer Lifetime Value的簡稱，用來衡量一個客戶（用戶）在一段時期內(nèi)對企業(yè)有多大價值，也稱為LTV。
假如一個客戶兩年內(nèi)在某商店內(nèi)消費2000元，這2000元就是CLV,具有預(yù)測性。
那么CLV到底有什么作用呢？
1） 根據(jù)客戶價值對客戶分類，盡量獲取優(yōu)質(zhì)客戶；
2） 根據(jù)客戶價值，執(zhí)行推廣計劃，評估市場效果；
3） 制定留存策略，留住優(yōu)質(zhì)客戶；
4） 差異化定價，針對性促銷；
5） 對客戶細分，提供更加針對性的服務(wù)。
3. 風(fēng)投，還是“瘋投”？
在過去的2015年，O2O行業(yè)燒錢大戰(zhàn)絕對是電商行業(yè)的一大熱點，外賣、團購行業(yè)更是燒的不亦樂乎。各種風(fēng)險投資基金（簡稱“風(fēng)投”）變成了“瘋投”，見到O2O創(chuàng)業(yè)公司就投錢，完全不考慮CLV等基本的商業(yè)規(guī)律。
隨著2015年資本寒冬的到來，一批有一批的O2O創(chuàng)業(yè)公司倒下來，倒閉速度之快，出人意料。如果創(chuàng)業(yè)當(dāng)初，多考慮一下客戶價值等基本的商業(yè)規(guī)律，那些公司還會無理性的燒錢嗎？
不考慮CLV所導(dǎo)致的燒錢大戰(zhàn)，客戶流失，企業(yè)倒閉等一系列現(xiàn)象，不得不引起我們深思。哪怕是簡答的CLV計算，有總比沒有強。
4. CLV，三種青年的三種算法
普通青年的CLV計算方法
數(shù)學(xué)能力一般的普通青年，用簡單的乘法數(shù)學(xué)公式得到客戶價值，即平均每單價值*平均每年購買次數(shù)*利潤率。
這個算法簡單易懂，不足之處是沒有考慮客戶中途流失的情況。
文藝青年的CLV計算方法
在考慮客戶流失率(c)的基礎(chǔ)上，文藝青年改進了上面的算法，用每個賬號帶來的收益（ARPA）乘于每年客戶留存的總和，得到最終的而結(jié)果。
科學(xué)青年對CLV的算法
科學(xué)青年不甘落后，又綜合考慮了客戶每年價值的變化V(t)、每年的生存度S(t)變化以及無風(fēng)險利率（r）等因素，推出了上面兩種模型。
科學(xué)青年的兩個模型分別考慮了離散時間和連續(xù)時間兩種計算方式，是對普通青年和文藝青年算法的完善和升級。
當(dāng)然，一般人都看不懂科學(xué)青年的兩個公式啦！
5. 放大招，借用生存理論研究CLV
統(tǒng)計學(xué)上常用的生存模型
生存理論是統(tǒng)計學(xué)上常用的模型，主要研究人在觀察期內(nèi)的生存率或死亡率。上圖中，小人代表觀察對象出生，紅色的×代表觀察對象掛掉了。
某國年輕人生存率曲線
上圖中，藍色線表示某國人口的生存率。0-5歲時，生存率下降很快，這容易理解，新生兒較虛弱。5歲以后，生存率下降緩慢，因為人長大了，抵抗力增長，生存率交稿。
虛線代表生存率的變化率，從數(shù)學(xué)角度上看，它是生存率的一階導(dǎo)數(shù)。
6.案例：從DVD租賃看CLV
下面是一個出租電影DVD商店的客戶流失案例， 標(biāo)題列分別是客戶的“”性別、”年齡“、“首次購買通過優(yōu)惠券進來”，“是否流失”，“”觀察時間“。
某DVD出租店的客戶數(shù)據(jù)
我們利用Python對上述數(shù)據(jù)進行回歸分析，得到下面的結(jié)果：
Python對案例數(shù)據(jù)的分析結(jié)果
此處省略一萬個字......( 回歸分析和P值理論 )......上線的結(jié)果表明客戶性別對留存結(jié)果不顯著，年齡和優(yōu)惠券對客戶留存顯著，說明很多客戶還是貪小便宜的，沖著優(yōu)惠券來的。同時年齡系數(shù)是負的，說明年齡越大，客戶約忠誠。
這個統(tǒng)計分析結(jié)果告訴我們，合理的優(yōu)惠券可以提升客戶留存，銷售人員要關(guān)注年紀大的忠實客戶。
7. CLV帶來的忠告
基于業(yè)務(wù)設(shè)計的角度，從客戶花費和客戶貢獻出發(fā)來設(shè)計客戶價值函數(shù)。
不要盲目最求復(fù)雜的數(shù)學(xué)公式，有時候，簡單的經(jīng)驗規(guī)則也可能很有效。
* 本文根據(jù)2月23日GrowingIO公開課上獵聘網(wǎng)首席數(shù)據(jù)官單藝先生的講義整理。
