第7卷第1期管 理 科 学 学 报V ol. 7N o. 1
2004年2月JOURNA L OF M ANAGE ME NT SCIE NCES I N CHI NA Feb. 2004
客户利润贡献度评价的数据挖掘方法
邹 鹏, 李一军, 叶 强
(哈尔滨工业大学管理学院, 哈尔滨150001)
①
摘要:
讨论了客户关系管理中的客户利润贡献度评价这一关键问题. 估的可操作性, 本研究在评价方法中引入数据挖掘技术类模型. 最后结合实例对该方法的应用进行了说明. 关键词:客户关系管理; ; 中图分类号:F713. 5; ::1007-9807(2004) 01-0053-07
0 引 言
客户利润贡献度最初出现在管理会计和营销领域的研究文献中. 20世纪90年代初, 随着作业成本会计法的出现, 管理会计研究人员对影响和驱动客户服务成本及利润的过程和因素深感兴趣, 并开始用数据和信息来管理和控制顾客服务
[1,2]
及相关操作.
到目前为止, 对客户利润贡献度的研究主要有两个派别:成因学派和结果学派. 成因学派主要研究客户利润贡献度的形成机制及影响因素; 而结果学派是根据历史交易数据来评价客户利润贡献度.
成因学派的研究主要集中在营销和服务领域, 该学派对客户利润贡献度的研究主要集中在一些非财务指标对客户利润贡献度的影响上, 如
[3]
顾客满意度对财务业绩的影响. 结果学派对客户利润贡献度的研究表现为客户利润贡献度模型. 在营销文献中,Berger 和Nash 曾提出一系列客
[4]
户赢利性模型来计算特定情况下的客户利润贡献度, 不过作者并没有提供这些客户利润贡献度模型的实证分析. Mulhem 提出了一个模型计算客户当前的利润贡献度, 这一模型是针对直销设计的, 在计算客户利润贡献度时, 仅仅考虑了直接营
①收稿日期:2002-02-01; 修订日期:2003-11-16.
销成本. Wayland 和C ole 总结了计算客户利润贡献度的方法, 将前一期客户利润贡献度作为后一期客户利润贡献度的依据. 而在关系营销和客户关系管理中, 一个常用的作法是在每个计划期内, 预测所有当前顾客尚未实现的终身价值, 并按照价值的大小排序, 根据企业的资源约束选择尽可能多的价值尽可能大的客户作为企业重点考试的对象, 采用这种做法, 能够保证企业未来利润的最大化. Rakesh 和G upta 等人提出了计算现实客户利润贡献度的模型. 而杨永恒提出了一个
理念公式来预测潜在客户利润贡献度.
尽管在客户关系管理领域许多专家都对客户利润贡献度进行了研究, 但目前来看, 仍存在以下问题:主要是针对现实客户利润贡献度提出了一些计算的模型和公式, 而对能为企业客户关系管理战略提供重要决策依据的潜在客户利润贡献度, 只提供了理念公式, 可操作性较差. 随着数据量加大, 不仅要考虑到潜在顾客数量增加, 而且每个客户的特征也越来越多, 采用传统的方法已经难以胜任. 这时就需要引入先进的知识发现和数据挖掘技术, 探寻客户特征与购买行为之间的模式, 据此发动营销活动. 本文针对这一问题提出一种基于数据挖掘技术的客户利润贡献度的评价方法.
[8]
[7]
[6]
[5]
基金项目:国家自然科学基金资助项目(70171013) .
) , 湖北麻城人, 博士生. 作者简介:邹 鹏(1975—
—54—管 理 科 学 学 报 2004年2月
(a ) 属性删除:如果初始数据的某个属性有大
1 基于数据挖掘技术的客户利润贡
献度评价方法
1. 1 基本思路
利用数据挖掘技术对企业数据仓库中客户的历史数据进行分析, 用分类判定树归纳出客户的
各种属性特征与其利润贡献度大小的关系的分类规则, 这样建立了客户利润贡献度的评价模型. 再
把利润贡献度未知的客户的数据输入模型, 运用已归纳出的分类规则对这些客户分类, 即得到对这些客户利润贡献度的评价结果. 1. 2 主要步骤(图1)
量不同值, 但对该属性没有定义概念分层, 或它的
较高层概念用其他属性可以表示, 该属性应删除.
(b ) 属性概化:如果初始信息的某个属性有大量不同值, 并且该属性定义了概念分层, 可以用较高层概念(如收入的高、中、低) 替换低层概念(具体值)
3) 建立相关属性集用于分析的数据包含大量属性, 其中含有一些与挖掘任务不相关, , , 这样.
本文将信息增益分析技术和基于多维数据分析的方法集成在一起删除信息量较少的属性, 收
[9]
集信息量较多的属性. 方法简介如下:
设S 是训练样本集合, 其中每个样本的类标号是已知的. 假定有M 个类, 设S 包含s i 个c i 类样本, i =1, …, m , 一个任意样本属于类c i 的可能性是s i Πs , 其中s 是集合S 中对象的总数. 对一个给定样本分类所需的期望信息是
m
I (s 1, s 2, …, s m ) =-
i =1
s s log 2s s
(1)
具有值{a 1, a 2, …, a v }的属性A 可以用来将
S 划分为子集{S 1, S 2, …, S v }, 其中S j 包含S 中A
值为a j 的那些样本. 设S j 包含类c i 的s ij 个样本.
图1 客户利润贡献度评价方法流程图
1) 构造数据集市
从企业客户关系管理部门的数据集市中采集客户记录建立以客户利润贡献度为主题的数据集合. 根据业务需要收集尽可能多的描述客户特征的属性.
2) 数据预处理
(1) 离散化:对于数值型的连续属性值, 通过
根据A 的这种划分的期望信息称为A 的熵. 它是加权平均
v
s s E (A ) =I (s 1j +…+s mj ) (2)
i =1
s
A 上该划分的获得的信息增益定义为
G ain (A )
=I (s 1, s 2, …, s m ) -E (A ) (3)
将属性域划分为区间, 区间的标号代替实际的数据值.
(2) 概化(generalization )
根据业务要求采用面向属性归纳法(attribute 2oriented induction , AOI ) .
基本思路:首先收集任务相关数据, 然后通过考察相关数据中每个属性的不同值的个数, 进行概化. 概化通过属性删除或属性概化进行.
利用这种方法可以计算出定义S 中样本每个属性的信息增益度量, 然后使用这一度量对属性排序, 删除与利润贡献度分类不相关或弱相关的
) 阈值属性(可以设置一个阈值来定义“弱相关”选取属于用有指导学习的方法进行属性选择, 由
于在冗余属性和相关属性之间没有绝对界限, 所以在实际应用中阈值的确定是比较有难度的, 理论上, 一般采用预定初始值, 使用分类器进行分类, 再根据分类的准确度调整初始值. 笔者查阅了关于阈值选取的文献
[10～12]
, 结合在实际工作中与
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—55—
技术人员和用户的共同研究体会, 提出一种实用的方法, 称之为标志属性阈值确定法, 这种方法的特点是:人机交互, 数据挖掘技术和业务专家的知识和经验结合; 多次测试, 客观结果和主观判断相结合; 该方法可以简述如下:
首先计算出初始属性集中每个属性的信息增益度, 再用这一度量将属性排序.
接下来需要用户或领域专家参与进行. 首先根据专家的领域知识和经验确定哪些属性与挖掘任务不相关(依据不同的挖掘任务和数据集确定的结果也会不同
) :如在为客户利润贡献度的分类中, 客户生日的具体日期, 关, , , 准, 即信息增益度的值比它小的属性也应被删除.
可以保守地先将信息增益度的值最小的标志性可删除属性选取为初始阈值, 并将信息增益度的值比它小的属性都删除, 这样形成一个相关属性集, 接下来进行分类产生分类结果, 对其准确度进行检验.
再按照选出的标志性可删除属性的信息增益度的值从小到大的顺序定为测试阈值, 重复以上方法, 得出的几种分类结果比较它们的准确度, 选取最终阈值.
如果无法确定标志性可删除属性, 则可采用
[13]
John G H 等人提出的wrapper 模型, 该模型采用贪心算法和逐步反向删除(backward stepwise elimination ,BSE ) 的策略, 即从包含所有属性的集合开始, 逐个删除属性直到再删除属性就会降低决策树的分类正确性为止. 而这个使准确性开始降低的属性的信息增益值为阈值, 信息增益值比这个阈值小的属性都被删除. 这样保留下来的属性就构成了相关属性集.
4) 建立模型模型的建立过程如图2所示.
通过分析由属性描述的数据库元组来构造模型, 描述预定的数据类集. 假定每个元组属于一个预定义的类, 由一个称作类标号属性的客户利润贡献度属性确定.
模型构造分以下三步:
图2 模型的建立过程
●为建立模型而被分析的数据元组形成训练数据集;
●分类判定树归纳, 模型的学习在被告知训练样本属于哪个类的“指导”下进行;
●由分类判定树提取分类规则;
训练数据集已通过步骤1) ,2) ,3) 形成, 下面介绍后两步:
1°分类判定树归纳
判定树(decision 2tree ) 是一个树结构. 它的每个非叶节点表示在一个属性上的测试, 每个分枝代表一个测试输出, 而每个叶节点代表类或类分布.
需要指出:在树的每个节点上使用信息增益度量选择测试属性. 选择具有最高信息增益的属性作为当前节点的测试属性. 计算信息增益的方法在上文中建立相关属性集中已作介绍.
采用贪心算法产生一棵判定树, 步骤如下:算法:G enerate -decision -tree 由给定的训练数据产生一棵判定树.
输入:训练样本samples , 由离散值属性表示; 候选属性的集合attribute -list .
方法:
(1) 创建节点N ;
(2) if samples 都在同一个类C then (3) 返回N 作为叶节点, 以类C 标记; (4) if attribute -list 为空then
(5) 返回N 作为叶节点, 标记为samples 中最
普通的类; ΠΠ多数表决
—56—管 理 科 学 学 报 2004年2月
(6) 选择attribute -list 中具有最高信息增益
的属性test -attribute ;
(7) 标记节点N 为test -attribute ;
(8) for each test -attribute 中的已知值a i ΠΠ划
直接与客户利润相关属性:客户一年内创造
的利润值(利润贡献度)
客户初始信息如表1:
表1 客户初始信息
姓名
A B C
分samples
(9) 由节点N 长出一个条件为test -attribute =a i 的分枝;
(10) 设s i 是samples 中test -attribute =a i 的
居住地法国英国日本…
收入
[1**********]000
利润贡献度
14595170
满意是否是…
频率
18922
…………
样本的集合; ΠΠ一个划分
(11) if s i 为空then
(12) 加上一个树叶, 标记为samples 中最普通
(2) 数据预处理
名:, 层, .
, 该属性保留, 不进行.
居住地:该属性有大量不同值, 应进行概化, 假定存在居住地的概念分层, 定义为国家
利润贡献度:是连续数值, 将其离散化, 区间划分为C 1>100, C 2≤100而且利润贡献度作为分类的标识属性,C 1,C 2为类标号.
收入:连续数值, 可进行离散化, 区间划分为(0,500) , (500,1000) , (1000, +∞)
每个区间再按描述值{低, 中, 高}概化.
频率:连续数值, 进行离散化, F 1(0,10) , ) F 2(10,20) , F 3(20, +∞
的类;
(13) else 加上一个由-tree (attribute -list -;
2°, , 以IF -THEN 形式的分类规则表示. 对从根到树叶
的每条路径创建一个规则, 沿着给定路径上每个
(IF ”属性-值对形成规则前件“部分) 的合取项, 叶节点包含利润贡献度预测, 形成规则后件
(THEN ”“部分) . 通过删除前件中无助于改进规则评估准确性的条件, 可以对规则“剪枝”, 对于每一类, 类中规则可以按它们的估计准确排序. 由于一个给定样本可能不满足任何规则前件, 通常将一个指定多数类的缺省规则添加到结果规则中.
3°评估, 改进模型预测准确率. 将给定数据随
机划分成两个独立的训练集和测试集. 使用训练集导出分类规则, 用测试集评估规则的准确率.
5) 使用模型进行分类.
如果认为模型的准确率可以接受, 就可以用它对类标号未知的客户进行分类.
通过预处理得到广义关系表, 从中随机抽取若干元组组成训练数据集. (表2)
表2 训练数据集
标识频率收入满意
[**************]13F 1F 1F 2F 3F 3F 3F 2F 1F 1F 3F 1F 2F 2F 居住地亚洲欧洲亚洲
亚洲亚洲欧洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲类:利润贡献度
C 2C 2C 1C 1C 1C 2C 1C 2C 1C 1C 1C 1C 1C 2 客户利润贡献度评价方法示例
举简例说明
(1) 建立主题数据集市
根据对客户利润贡献度的研究, 数据集中应包括以下属性.
客户人口统计特征属性:如客户收入, 居住地客户行为属性:如一年内客户购买次数(频率)
客户满意度属性:客户对产品/服务是否满意(满意)
高高高中低低低中低中中中高否否否否是是是否是是是否是 (3) 建立相关属性集
类标号属性利润贡献度有两个不同值{C 1,
C 2}, 因此有2个不同类m =2, C 1有9个样本, C 2
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—57—
有5个样本, 使用式(1)
I (s 1, s 2) =I (9,5) =0. 971
计算每个属性的熵:频率
F 1:S 11=2 S 21=3 I (S 11, S 21) =0. 971
F 2:S 12=4 S 22=0 I (S 12, S 22) =0F 3:S 13=3 S 23=2 I (S 13, S 23) =0. 971
使用式(2) , 如果样本按频率划分, 对一个给定样本分类所需的期望信息为
E (F ) =I (s 11, s 21) +I (s 12, s 22) +
1414I (s 13, s 23) =0. 69414
因此这种划分的信息增益是
Gain (F ) =I 2E 246(0. ,
Gain (满意) =, Gain (居住地) =0. 048
假定用于识别弱相关的标志性可删除属性为收入, 则相关阈值设为0. 029[Gain (收入) =0. 029], 本例中恰好收入的信息增益度最小, 只有
图3)
(
≤10 AND 满意=是 THE N
>100(b ) IF 频率>20 AND 居住地=亚洲 THE N 利润贡献度>100(c ) IF 10100
(d ) IF 频率≤10 AND 满意=否 THE N 利润贡献度≤100
(e ) IF 频率>20 AND 居住地=欧洲 THE N 利润贡献度≤100
(5) 使用模型分类
它被删除.
这样产生相关属性集(表3) .
表3 相关属性集
标识
[***********]4
频率
F 1F 1F 2F 3F 3F 3F 2F 1F 1F 3F 1F 2F 2F 3
满意否否否否是是是否是是是否是否
居住地亚洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲欧洲
Class :利润贡献度
C
2C 2C 1C 1C 1C 2C 1C 2C 1C 1C 1C 1C 1C 2
用测试集中的数据评估分类规则的准确率, 达到要求后, 输入类标号未知的客户数据, 得到客户利润贡献度的评价结果.
本文在一个有867条记录的客户数据集上测试了该方法. 经过处理, 客户属性集包括:利润贡献度、购买频率、满意、居住地区、收入、年龄、性别、职业, 其中利润贡献度作为用于分类的类标志属性. 随机抽取578条记录作为训练数据集, 另外289条作为测试集, 测试结果为:
将客户按照利润贡献度分为两类时准确率约为87%;
将客户按照利润贡献度分为三类时准确率约为78%;
将客户按照利润贡献度分为四类时准确率约为64%
将客户按照利润贡献度分为五类时准确率约为52%;
当客户分类数在三类以下时, 其准确率可以被用户接受, 但是超过三类准确率较差, 但对于这
(4) 建立模型
由于频率在属性中有最高的信息增益, 它作为判定树根节点的测试属性, 并对于每个属性值引出一个分支, 选择信息增益次高的属性为下一级节点的测试属性, 这样递归的构造判定树, 经过剪枝, 最终判定树如图3所示.
—58—管 理 科 学 学 报 2004年2月
种规模的企业, 就其经营能力来说很难同时为超
过三个具有不同利润贡献能力的客户群分别制定不同的客户关系战略并完全贯彻实施, 所以对于这一数据集来说, 该方法的结果还是有实用价值的. 如果有规模更大的企业, 它的客户记录应该更多, 这样用更多的数据训练可能会提高该方法在分类数较多时的准确性.
户归入某一类, 以相应的类标号表示其客户利润贡献度的大小, 再对各类客户的特征采取有针对性的措施就可以达到企业的预期目标, 这样可以节约成本和时间.
(2) 具有预测功能. 传统的方法基本是根据历史的数据计算已实现的客户利润贡献度, 本文在此基础上, 根据分类产生的规则中所描述的客户特征与其利润贡献度的关系可以预测客户未来或潜在的利润贡献度.
(3) , 略. , , 易于理解. 所.
(4) 模型有很强的适应性. 在构造模型之前的数据预处理阶段, 通过对属性和数据的概化, 离散化等方法, 不仅提高建模的速度和质量, 而且使所建的模型可以根据不太精确的客户数据也能做出比较准确的评价结果.
3 结论
该方法的特点主要体现在它的实用性:
(1) 将客户利润贡献度以分类的形式表示. 企业对客户进行分析时, , 成本过高, , 的市场机会. , 客户利润贡献度的评价结果不是以具体的连续型数值表示, 而是把客户按其利润贡献度大小分类, 每一类以一个标号作为类标识. 那么评价结果是把目标客参考文献:
[1]ShieldsMichael D. Research in management accounting by north americans in 1990S[J].Journal of Management Accounting Re 2search , 1990, 9:3—6.
[2]JosephA Ness , Micheael J Schroeck , et al . The role of ABM in measuring customer value[J].S trategic Finance , 2001, April :38—49.
[3]Foster G eorge , Mahendra G upta. The Customer Profitability Implications of Customer Satis faction[R].John M. School of Business , Washington University in S t. Louis , 1999.
[4]BergerPaul D , Nash Nada I. Customer lifetime value :Marketing m odels and applications[J].Journal of Interactive Marketing , 1998, 12(1) :17—31.
[5]MulhemFramis J. Customer profitability analysis measurement , concentration , and research directions[J].Journal of Interactive Marketing , 1999, 13(1) :25—40.
[6]WaylandR obert , Paul Michael C ole. Customer C onnections :New S trategies for G rowth Boston [M].Harvard :Harvard Business School Press , 1997. 267.
[7]RakeshNiraj G upta. Customer profitability in supply chain[J].Journal of Marketing , 2001, 65:1—16. [8]杨永恒. 客户关系管理—价值导向及使能技术[M].大连:东北财经大学出版社, 2002.
[9]JiaweiHan , Micheline K amber. Data Mining C oncepts and T echniques[M].San Mateo :M organ K au fmann Publishers Inc , 2001. [10]庞剑锋, 卜东波. 基于向量空间模型的文本自动分类系统的研究与实现[E B/OD].http :ΠΠw w w. ict. ac. cn Πxueshu Π2001Π
115. doc. 2001.
[11]冯是聪. 搜索引擎个性化查询服务研究[E B/OD].http :ΠΠ162. 105. 80. 84Πdirectory. htm.
[12]张 宁. 顾客满意阈值及市场营销策略属性的离散估计[J].管理科学学报, 2002, 5(3) :
62—66.
[13]JohnG H , K ohavi R , P fleger K. Irrelevant Features and the Subset Selection Problem , Machine Learning[C].Proceedings of the
E leventh International C on ference , San Francisco , C A :M organ K au fman , 1994.
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—59—
Study on method of evaluating customer profitability based on data mining
ZOU Peng , LI Yi 2jun , YE Qiang
School of Management , Harbin Institute of T echnology , Harbin 150001, China
Abstract :This paper discusses the customer profitability in CRM. It uses the data mining technique in order to supplement the lack of the operational method in evaluation of customer profitability. Then the process of the evalu 2ation and the decision 2tree m odel of classification are proposed.
K ey w ords :customer relationship management ; customer ; (排名不分先后)
韩立岩 刘 鲁 陈国青 任若恩 冯允成 潘承烈 郑晓齐 王殿福张 宁 彭 赓 王永县 刘建一 王惠文 黄海军 袁著祉 安利平 杨晓光 邱菀华 张一弛赵纯均 周 泓 周寄中 刘 克 夏国平 黄京华 戴汝为 陈 剑 刘丽文 赵 平 吕本富陈伯成 孙卫东 官建成 朱 涛 陈锡康 韦 琳 周子康 乌家培 金占明 夏绍纬 高远洋朱世武 张景增 刘建庸 陈良猷 闫永新 杨翠红 何 清 徐伟宣 穆荣平 范秀成 江明华时 勘 戴 锋 王丹力 黄鲁成 沈利生 魏一鸣 李洪兴 魏法杰 方卫国 刘善存 李书全陈增强 李泊溪 唐锡晋 姜旭平 陈国权 张汉勤 杨新苗 陈光亚 王浣尘 王宗军 马 俊黄丽华 李楚霖 杨朝军 徐天亮 汪寿阳 赵 平 陈宏民 谢 赤 仝允恒 李京文 刘海龙曾 勇 龚其国 冯 芸 梁 木梁 王其文 朱道立 陈 收 翟东升 宋华岭 芮明杰 陈 劲宋逢明 李克强 洪剑峭 宋学锋 卢祖帝 柳卸林 司春林 陶学禹 田大山 徐剑刚 赖明勇陈黎明 骆品亮 张维明 陈 铎 陈 安 顾新一 陈晓红 杨国梁 李汉东 胡树华 唐小我方俐洛 王永贵 胡继灵 谭跃进 佟仁城 刘国新 达庆利 王先甲 仲伟俊 谢 滨 陈荣秋赵曙明 蓝伯雄 徐绪松 徐泽水 盛昭瀚 刘树林 张 黎 吴冲锋 张 帏 韩伯棠 吴文锋陈学彬 凌文辁 钱省三 王其藩 周 蓉 谢 康 杨 明 黄 丞 余光胜 孙文瑜 唐元虎周国华 周 晶 伍青生 缪柏其 郭耀煌 刘传哲 易 江 简志宏 范龙振 胡汉辉 刘 洪黄 兴 杨立洪 汪贤裕 赵林度 郑祖康 井润田 吴瑞明 华中生 周德群 陈工孟 吴晓波齐安甜 马士华 王金桃 韩乔明 俞 樵 谭力文 陈俊芳 彭建刚 李新春 王志江 杨 王君吴健中 曾德明 李绪红 聂 锐 胡代平 王槐林 黄中祥 冯俊文 徐学军 黄登仕 黎志成胡 培 程国平 陈伟忠 黎 实 何 静 方兆本 田新时 欧阳令南 廖建桥 朱启贵 何建敏李仕明 陈志祥 严广乐 曹 兴 陈文伟 谭德庆 顾海英 李一智 艾兴政 王重鸣 姚 莉吴广谋 李 垣 赵振全 何荣天 叶民强 王刊良 原毅军 李善民 王慧敏 席酉民 刘士新汪传旭 仲伟周 秦学志 胡振华 邓贵仕 孙林岩 赵增耀 杨招军 田也壮 胡奇英 叶 强党延忠 杨德礼 石春生 王延章 高铁梅 梁 磊 汤兵勇 唐焕文 冯玉强 王众托 苏卫东胡祥培 郭菊娥 段兴民 李仲飞 郭亚军 崔文田 刘艳春 田立新 黄 敏 李汉铃 张朋翥蒲勇健 高利群 胡运权 杨秀苔 樊治平 冯耕中 黄小原 惠晓峰 庄贵军 蓝海林 唐加福荣莉莉 庄新田 顾 锋 汪定伟 李怀祖 胡毓达 潘德惠 徐 渝 李延喜 黄梯云 曲晓飞卢 涛 冯英浚 李向阳 西 宝 李一军 徐寅峰 徐国华 万迪日方 汪应洛 顾培亮 张世英张 维 李敏强 郑丕谔
贺国光 唐万生 韩文秀 詹原瑞 杜 纲 史道济 以上专家为《管理科学学报》的论文评审工作做出了重要贡献, 特向他们表示深深谢意。
第7卷第1期管 理 科 学 学 报V ol. 7N o. 1
2004年2月JOURNA L OF M ANAGE ME NT SCIE NCES I N CHI NA Feb. 2004
客户利润贡献度评价的数据挖掘方法
邹 鹏, 李一军, 叶 强
(哈尔滨工业大学管理学院, 哈尔滨150001)
①
摘要:
讨论了客户关系管理中的客户利润贡献度评价这一关键问题. 估的可操作性, 本研究在评价方法中引入数据挖掘技术类模型. 最后结合实例对该方法的应用进行了说明. 关键词:客户关系管理; ; 中图分类号:F713. 5; ::1007-9807(2004) 01-0053-07
0 引 言
客户利润贡献度最初出现在管理会计和营销领域的研究文献中. 20世纪90年代初, 随着作业成本会计法的出现, 管理会计研究人员对影响和驱动客户服务成本及利润的过程和因素深感兴趣, 并开始用数据和信息来管理和控制顾客服务
[1,2]
及相关操作.
到目前为止, 对客户利润贡献度的研究主要有两个派别:成因学派和结果学派. 成因学派主要研究客户利润贡献度的形成机制及影响因素; 而结果学派是根据历史交易数据来评价客户利润贡献度.
成因学派的研究主要集中在营销和服务领域, 该学派对客户利润贡献度的研究主要集中在一些非财务指标对客户利润贡献度的影响上, 如
[3]
顾客满意度对财务业绩的影响. 结果学派对客户利润贡献度的研究表现为客户利润贡献度模型. 在营销文献中,Berger 和Nash 曾提出一系列客
[4]
户赢利性模型来计算特定情况下的客户利润贡献度, 不过作者并没有提供这些客户利润贡献度模型的实证分析. Mulhem 提出了一个模型计算客户当前的利润贡献度, 这一模型是针对直销设计的, 在计算客户利润贡献度时, 仅仅考虑了直接营
①收稿日期:2002-02-01; 修订日期:2003-11-16.
销成本. Wayland 和C ole 总结了计算客户利润贡献度的方法, 将前一期客户利润贡献度作为后一期客户利润贡献度的依据. 而在关系营销和客户关系管理中, 一个常用的作法是在每个计划期内, 预测所有当前顾客尚未实现的终身价值, 并按照价值的大小排序, 根据企业的资源约束选择尽可能多的价值尽可能大的客户作为企业重点考试的对象, 采用这种做法, 能够保证企业未来利润的最大化. Rakesh 和G upta 等人提出了计算现实客户利润贡献度的模型. 而杨永恒提出了一个
理念公式来预测潜在客户利润贡献度.
尽管在客户关系管理领域许多专家都对客户利润贡献度进行了研究, 但目前来看, 仍存在以下问题:主要是针对现实客户利润贡献度提出了一些计算的模型和公式, 而对能为企业客户关系管理战略提供重要决策依据的潜在客户利润贡献度, 只提供了理念公式, 可操作性较差. 随着数据量加大, 不仅要考虑到潜在顾客数量增加, 而且每个客户的特征也越来越多, 采用传统的方法已经难以胜任. 这时就需要引入先进的知识发现和数据挖掘技术, 探寻客户特征与购买行为之间的模式, 据此发动营销活动. 本文针对这一问题提出一种基于数据挖掘技术的客户利润贡献度的评价方法.
[8]
[7]
[6]
[5]
基金项目:国家自然科学基金资助项目(70171013) .
) , 湖北麻城人, 博士生. 作者简介:邹 鹏(1975—
—54—管 理 科 学 学 报 2004年2月
(a ) 属性删除:如果初始数据的某个属性有大
1 基于数据挖掘技术的客户利润贡
献度评价方法
1. 1 基本思路
利用数据挖掘技术对企业数据仓库中客户的历史数据进行分析, 用分类判定树归纳出客户的
各种属性特征与其利润贡献度大小的关系的分类规则, 这样建立了客户利润贡献度的评价模型. 再
把利润贡献度未知的客户的数据输入模型, 运用已归纳出的分类规则对这些客户分类, 即得到对这些客户利润贡献度的评价结果. 1. 2 主要步骤(图1)
量不同值, 但对该属性没有定义概念分层, 或它的
较高层概念用其他属性可以表示, 该属性应删除.
(b ) 属性概化:如果初始信息的某个属性有大量不同值, 并且该属性定义了概念分层, 可以用较高层概念(如收入的高、中、低) 替换低层概念(具体值)
3) 建立相关属性集用于分析的数据包含大量属性, 其中含有一些与挖掘任务不相关, , , 这样.
本文将信息增益分析技术和基于多维数据分析的方法集成在一起删除信息量较少的属性, 收
[9]
集信息量较多的属性. 方法简介如下:
设S 是训练样本集合, 其中每个样本的类标号是已知的. 假定有M 个类, 设S 包含s i 个c i 类样本, i =1, …, m , 一个任意样本属于类c i 的可能性是s i Πs , 其中s 是集合S 中对象的总数. 对一个给定样本分类所需的期望信息是
m
I (s 1, s 2, …, s m ) =-
i =1
s s log 2s s
(1)
具有值{a 1, a 2, …, a v }的属性A 可以用来将
S 划分为子集{S 1, S 2, …, S v }, 其中S j 包含S 中A
值为a j 的那些样本. 设S j 包含类c i 的s ij 个样本.
图1 客户利润贡献度评价方法流程图
1) 构造数据集市
从企业客户关系管理部门的数据集市中采集客户记录建立以客户利润贡献度为主题的数据集合. 根据业务需要收集尽可能多的描述客户特征的属性.
2) 数据预处理
(1) 离散化:对于数值型的连续属性值, 通过
根据A 的这种划分的期望信息称为A 的熵. 它是加权平均
v
s s E (A ) =I (s 1j +…+s mj ) (2)
i =1
s
A 上该划分的获得的信息增益定义为
G ain (A )
=I (s 1, s 2, …, s m ) -E (A ) (3)
将属性域划分为区间, 区间的标号代替实际的数据值.
(2) 概化(generalization )
根据业务要求采用面向属性归纳法(attribute 2oriented induction , AOI ) .
基本思路:首先收集任务相关数据, 然后通过考察相关数据中每个属性的不同值的个数, 进行概化. 概化通过属性删除或属性概化进行.
利用这种方法可以计算出定义S 中样本每个属性的信息增益度量, 然后使用这一度量对属性排序, 删除与利润贡献度分类不相关或弱相关的
) 阈值属性(可以设置一个阈值来定义“弱相关”选取属于用有指导学习的方法进行属性选择, 由
于在冗余属性和相关属性之间没有绝对界限, 所以在实际应用中阈值的确定是比较有难度的, 理论上, 一般采用预定初始值, 使用分类器进行分类, 再根据分类的准确度调整初始值. 笔者查阅了关于阈值选取的文献
[10～12]
, 结合在实际工作中与
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—55—
技术人员和用户的共同研究体会, 提出一种实用的方法, 称之为标志属性阈值确定法, 这种方法的特点是:人机交互, 数据挖掘技术和业务专家的知识和经验结合; 多次测试, 客观结果和主观判断相结合; 该方法可以简述如下:
首先计算出初始属性集中每个属性的信息增益度, 再用这一度量将属性排序.
接下来需要用户或领域专家参与进行. 首先根据专家的领域知识和经验确定哪些属性与挖掘任务不相关(依据不同的挖掘任务和数据集确定的结果也会不同
) :如在为客户利润贡献度的分类中, 客户生日的具体日期, 关, , , 准, 即信息增益度的值比它小的属性也应被删除.
可以保守地先将信息增益度的值最小的标志性可删除属性选取为初始阈值, 并将信息增益度的值比它小的属性都删除, 这样形成一个相关属性集, 接下来进行分类产生分类结果, 对其准确度进行检验.
再按照选出的标志性可删除属性的信息增益度的值从小到大的顺序定为测试阈值, 重复以上方法, 得出的几种分类结果比较它们的准确度, 选取最终阈值.
如果无法确定标志性可删除属性, 则可采用
[13]
John G H 等人提出的wrapper 模型, 该模型采用贪心算法和逐步反向删除(backward stepwise elimination ,BSE ) 的策略, 即从包含所有属性的集合开始, 逐个删除属性直到再删除属性就会降低决策树的分类正确性为止. 而这个使准确性开始降低的属性的信息增益值为阈值, 信息增益值比这个阈值小的属性都被删除. 这样保留下来的属性就构成了相关属性集.
4) 建立模型模型的建立过程如图2所示.
通过分析由属性描述的数据库元组来构造模型, 描述预定的数据类集. 假定每个元组属于一个预定义的类, 由一个称作类标号属性的客户利润贡献度属性确定.
模型构造分以下三步:
图2 模型的建立过程
●为建立模型而被分析的数据元组形成训练数据集;
●分类判定树归纳, 模型的学习在被告知训练样本属于哪个类的“指导”下进行;
●由分类判定树提取分类规则;
训练数据集已通过步骤1) ,2) ,3) 形成, 下面介绍后两步:
1°分类判定树归纳
判定树(decision 2tree ) 是一个树结构. 它的每个非叶节点表示在一个属性上的测试, 每个分枝代表一个测试输出, 而每个叶节点代表类或类分布.
需要指出:在树的每个节点上使用信息增益度量选择测试属性. 选择具有最高信息增益的属性作为当前节点的测试属性. 计算信息增益的方法在上文中建立相关属性集中已作介绍.
采用贪心算法产生一棵判定树, 步骤如下:算法:G enerate -decision -tree 由给定的训练数据产生一棵判定树.
输入:训练样本samples , 由离散值属性表示; 候选属性的集合attribute -list .
方法:
(1) 创建节点N ;
(2) if samples 都在同一个类C then (3) 返回N 作为叶节点, 以类C 标记; (4) if attribute -list 为空then
(5) 返回N 作为叶节点, 标记为samples 中最
普通的类; ΠΠ多数表决
—56—管 理 科 学 学 报 2004年2月
(6) 选择attribute -list 中具有最高信息增益
的属性test -attribute ;
(7) 标记节点N 为test -attribute ;
(8) for each test -attribute 中的已知值a i ΠΠ划
直接与客户利润相关属性:客户一年内创造
的利润值(利润贡献度)
客户初始信息如表1:
表1 客户初始信息
姓名
A B C
分samples
(9) 由节点N 长出一个条件为test -attribute =a i 的分枝;
(10) 设s i 是samples 中test -attribute =a i 的
居住地法国英国日本…
收入
[1**********]000
利润贡献度
14595170
满意是否是…
频率
18922
…………
样本的集合; ΠΠ一个划分
(11) if s i 为空then
(12) 加上一个树叶, 标记为samples 中最普通
(2) 数据预处理
名:, 层, .
, 该属性保留, 不进行.
居住地:该属性有大量不同值, 应进行概化, 假定存在居住地的概念分层, 定义为国家
利润贡献度:是连续数值, 将其离散化, 区间划分为C 1>100, C 2≤100而且利润贡献度作为分类的标识属性,C 1,C 2为类标号.
收入:连续数值, 可进行离散化, 区间划分为(0,500) , (500,1000) , (1000, +∞)
每个区间再按描述值{低, 中, 高}概化.
频率:连续数值, 进行离散化, F 1(0,10) , ) F 2(10,20) , F 3(20, +∞
的类;
(13) else 加上一个由-tree (attribute -list -;
2°, , 以IF -THEN 形式的分类规则表示. 对从根到树叶
的每条路径创建一个规则, 沿着给定路径上每个
(IF ”属性-值对形成规则前件“部分) 的合取项, 叶节点包含利润贡献度预测, 形成规则后件
(THEN ”“部分) . 通过删除前件中无助于改进规则评估准确性的条件, 可以对规则“剪枝”, 对于每一类, 类中规则可以按它们的估计准确排序. 由于一个给定样本可能不满足任何规则前件, 通常将一个指定多数类的缺省规则添加到结果规则中.
3°评估, 改进模型预测准确率. 将给定数据随
机划分成两个独立的训练集和测试集. 使用训练集导出分类规则, 用测试集评估规则的准确率.
5) 使用模型进行分类.
如果认为模型的准确率可以接受, 就可以用它对类标号未知的客户进行分类.
通过预处理得到广义关系表, 从中随机抽取若干元组组成训练数据集. (表2)
表2 训练数据集
标识频率收入满意
[**************]13F 1F 1F 2F 3F 3F 3F 2F 1F 1F 3F 1F 2F 2F 居住地亚洲欧洲亚洲
亚洲亚洲欧洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲类:利润贡献度
C 2C 2C 1C 1C 1C 2C 1C 2C 1C 1C 1C 1C 1C 2 客户利润贡献度评价方法示例
举简例说明
(1) 建立主题数据集市
根据对客户利润贡献度的研究, 数据集中应包括以下属性.
客户人口统计特征属性:如客户收入, 居住地客户行为属性:如一年内客户购买次数(频率)
客户满意度属性:客户对产品/服务是否满意(满意)
高高高中低低低中低中中中高否否否否是是是否是是是否是 (3) 建立相关属性集
类标号属性利润贡献度有两个不同值{C 1,
C 2}, 因此有2个不同类m =2, C 1有9个样本, C 2
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—57—
有5个样本, 使用式(1)
I (s 1, s 2) =I (9,5) =0. 971
计算每个属性的熵:频率
F 1:S 11=2 S 21=3 I (S 11, S 21) =0. 971
F 2:S 12=4 S 22=0 I (S 12, S 22) =0F 3:S 13=3 S 23=2 I (S 13, S 23) =0. 971
使用式(2) , 如果样本按频率划分, 对一个给定样本分类所需的期望信息为
E (F ) =I (s 11, s 21) +I (s 12, s 22) +
1414I (s 13, s 23) =0. 69414
因此这种划分的信息增益是
Gain (F ) =I 2E 246(0. ,
Gain (满意) =, Gain (居住地) =0. 048
假定用于识别弱相关的标志性可删除属性为收入, 则相关阈值设为0. 029[Gain (收入) =0. 029], 本例中恰好收入的信息增益度最小, 只有
图3)
(
≤10 AND 满意=是 THE N
>100(b ) IF 频率>20 AND 居住地=亚洲 THE N 利润贡献度>100(c ) IF 10100
(d ) IF 频率≤10 AND 满意=否 THE N 利润贡献度≤100
(e ) IF 频率>20 AND 居住地=欧洲 THE N 利润贡献度≤100
(5) 使用模型分类
它被删除.
这样产生相关属性集(表3) .
表3 相关属性集
标识
[***********]4
频率
F 1F 1F 2F 3F 3F 3F 2F 1F 1F 3F 1F 2F 2F 3
满意否否否否是是是否是是是否是否
居住地亚洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲亚洲亚洲欧洲欧洲亚洲欧洲
Class :利润贡献度
C
2C 2C 1C 1C 1C 2C 1C 2C 1C 1C 1C 1C 1C 2
用测试集中的数据评估分类规则的准确率, 达到要求后, 输入类标号未知的客户数据, 得到客户利润贡献度的评价结果.
本文在一个有867条记录的客户数据集上测试了该方法. 经过处理, 客户属性集包括:利润贡献度、购买频率、满意、居住地区、收入、年龄、性别、职业, 其中利润贡献度作为用于分类的类标志属性. 随机抽取578条记录作为训练数据集, 另外289条作为测试集, 测试结果为:
将客户按照利润贡献度分为两类时准确率约为87%;
将客户按照利润贡献度分为三类时准确率约为78%;
将客户按照利润贡献度分为四类时准确率约为64%
将客户按照利润贡献度分为五类时准确率约为52%;
当客户分类数在三类以下时, 其准确率可以被用户接受, 但是超过三类准确率较差, 但对于这
(4) 建立模型
由于频率在属性中有最高的信息增益, 它作为判定树根节点的测试属性, 并对于每个属性值引出一个分支, 选择信息增益次高的属性为下一级节点的测试属性, 这样递归的构造判定树, 经过剪枝, 最终判定树如图3所示.
—58—管 理 科 学 学 报 2004年2月
种规模的企业, 就其经营能力来说很难同时为超
过三个具有不同利润贡献能力的客户群分别制定不同的客户关系战略并完全贯彻实施, 所以对于这一数据集来说, 该方法的结果还是有实用价值的. 如果有规模更大的企业, 它的客户记录应该更多, 这样用更多的数据训练可能会提高该方法在分类数较多时的准确性.
户归入某一类, 以相应的类标号表示其客户利润贡献度的大小, 再对各类客户的特征采取有针对性的措施就可以达到企业的预期目标, 这样可以节约成本和时间.
(2) 具有预测功能. 传统的方法基本是根据历史的数据计算已实现的客户利润贡献度, 本文在此基础上, 根据分类产生的规则中所描述的客户特征与其利润贡献度的关系可以预测客户未来或潜在的利润贡献度.
(3) , 略. , , 易于理解. 所.
(4) 模型有很强的适应性. 在构造模型之前的数据预处理阶段, 通过对属性和数据的概化, 离散化等方法, 不仅提高建模的速度和质量, 而且使所建的模型可以根据不太精确的客户数据也能做出比较准确的评价结果.
3 结论
该方法的特点主要体现在它的实用性:
(1) 将客户利润贡献度以分类的形式表示. 企业对客户进行分析时, , 成本过高, , 的市场机会. , 客户利润贡献度的评价结果不是以具体的连续型数值表示, 而是把客户按其利润贡献度大小分类, 每一类以一个标号作为类标识. 那么评价结果是把目标客参考文献:
[1]ShieldsMichael D. Research in management accounting by north americans in 1990S[J].Journal of Management Accounting Re 2search , 1990, 9:3—6.
[2]JosephA Ness , Micheael J Schroeck , et al . The role of ABM in measuring customer value[J].S trategic Finance , 2001, April :38—49.
[3]Foster G eorge , Mahendra G upta. The Customer Profitability Implications of Customer Satis faction[R].John M. School of Business , Washington University in S t. Louis , 1999.
[4]BergerPaul D , Nash Nada I. Customer lifetime value :Marketing m odels and applications[J].Journal of Interactive Marketing , 1998, 12(1) :17—31.
[5]MulhemFramis J. Customer profitability analysis measurement , concentration , and research directions[J].Journal of Interactive Marketing , 1999, 13(1) :25—40.
[6]WaylandR obert , Paul Michael C ole. Customer C onnections :New S trategies for G rowth Boston [M].Harvard :Harvard Business School Press , 1997. 267.
[7]RakeshNiraj G upta. Customer profitability in supply chain[J].Journal of Marketing , 2001, 65:1—16. [8]杨永恒. 客户关系管理—价值导向及使能技术[M].大连:东北财经大学出版社, 2002.
[9]JiaweiHan , Micheline K amber. Data Mining C oncepts and T echniques[M].San Mateo :M organ K au fmann Publishers Inc , 2001. [10]庞剑锋, 卜东波. 基于向量空间模型的文本自动分类系统的研究与实现[E B/OD].http :ΠΠw w w. ict. ac. cn Πxueshu Π2001Π
115. doc. 2001.
[11]冯是聪. 搜索引擎个性化查询服务研究[E B/OD].http :ΠΠ162. 105. 80. 84Πdirectory. htm.
[12]张 宁. 顾客满意阈值及市场营销策略属性的离散估计[J].管理科学学报, 2002, 5(3) :
62—66.
[13]JohnG H , K ohavi R , P fleger K. Irrelevant Features and the Subset Selection Problem , Machine Learning[C].Proceedings of the
E leventh International C on ference , San Francisco , C A :M organ K au fman , 1994.
第1期 邹 鹏等:客户利润贡献度评价的数据挖掘方法—59—
Study on method of evaluating customer profitability based on data mining
ZOU Peng , LI Yi 2jun , YE Qiang
School of Management , Harbin Institute of T echnology , Harbin 150001, China
Abstract :This paper discusses the customer profitability in CRM. It uses the data mining technique in order to supplement the lack of the operational method in evaluation of customer profitability. Then the process of the evalu 2ation and the decision 2tree m odel of classification are proposed.
K ey w ords :customer relationship management ; customer ; (排名不分先后)
韩立岩 刘 鲁 陈国青 任若恩 冯允成 潘承烈 郑晓齐 王殿福张 宁 彭 赓 王永县 刘建一 王惠文 黄海军 袁著祉 安利平 杨晓光 邱菀华 张一弛赵纯均 周 泓 周寄中 刘 克 夏国平 黄京华 戴汝为 陈 剑 刘丽文 赵 平 吕本富陈伯成 孙卫东 官建成 朱 涛 陈锡康 韦 琳 周子康 乌家培 金占明 夏绍纬 高远洋朱世武 张景增 刘建庸 陈良猷 闫永新 杨翠红 何 清 徐伟宣 穆荣平 范秀成 江明华时 勘 戴 锋 王丹力 黄鲁成 沈利生 魏一鸣 李洪兴 魏法杰 方卫国 刘善存 李书全陈增强 李泊溪 唐锡晋 姜旭平 陈国权 张汉勤 杨新苗 陈光亚 王浣尘 王宗军 马 俊黄丽华 李楚霖 杨朝军 徐天亮 汪寿阳 赵 平 陈宏民 谢 赤 仝允恒 李京文 刘海龙曾 勇 龚其国 冯 芸 梁 木梁 王其文 朱道立 陈 收 翟东升 宋华岭 芮明杰 陈 劲宋逢明 李克强 洪剑峭 宋学锋 卢祖帝 柳卸林 司春林 陶学禹 田大山 徐剑刚 赖明勇陈黎明 骆品亮 张维明 陈 铎 陈 安 顾新一 陈晓红 杨国梁 李汉东 胡树华 唐小我方俐洛 王永贵 胡继灵 谭跃进 佟仁城 刘国新 达庆利 王先甲 仲伟俊 谢 滨 陈荣秋赵曙明 蓝伯雄 徐绪松 徐泽水 盛昭瀚 刘树林 张 黎 吴冲锋 张 帏 韩伯棠 吴文锋陈学彬 凌文辁 钱省三 王其藩 周 蓉 谢 康 杨 明 黄 丞 余光胜 孙文瑜 唐元虎周国华 周 晶 伍青生 缪柏其 郭耀煌 刘传哲 易 江 简志宏 范龙振 胡汉辉 刘 洪黄 兴 杨立洪 汪贤裕 赵林度 郑祖康 井润田 吴瑞明 华中生 周德群 陈工孟 吴晓波齐安甜 马士华 王金桃 韩乔明 俞 樵 谭力文 陈俊芳 彭建刚 李新春 王志江 杨 王君吴健中 曾德明 李绪红 聂 锐 胡代平 王槐林 黄中祥 冯俊文 徐学军 黄登仕 黎志成胡 培 程国平 陈伟忠 黎 实 何 静 方兆本 田新时 欧阳令南 廖建桥 朱启贵 何建敏李仕明 陈志祥 严广乐 曹 兴 陈文伟 谭德庆 顾海英 李一智 艾兴政 王重鸣 姚 莉吴广谋 李 垣 赵振全 何荣天 叶民强 王刊良 原毅军 李善民 王慧敏 席酉民 刘士新汪传旭 仲伟周 秦学志 胡振华 邓贵仕 孙林岩 赵增耀 杨招军 田也壮 胡奇英 叶 强党延忠 杨德礼 石春生 王延章 高铁梅 梁 磊 汤兵勇 唐焕文 冯玉强 王众托 苏卫东胡祥培 郭菊娥 段兴民 李仲飞 郭亚军 崔文田 刘艳春 田立新 黄 敏 李汉铃 张朋翥蒲勇健 高利群 胡运权 杨秀苔 樊治平 冯耕中 黄小原 惠晓峰 庄贵军 蓝海林 唐加福荣莉莉 庄新田 顾 锋 汪定伟 李怀祖 胡毓达 潘德惠 徐 渝 李延喜 黄梯云 曲晓飞卢 涛 冯英浚 李向阳 西 宝 李一军 徐寅峰 徐国华 万迪日方 汪应洛 顾培亮 张世英张 维 李敏强 郑丕谔
贺国光 唐万生 韩文秀 詹原瑞 杜 纲 史道济 以上专家为《管理科学学报》的论文评审工作做出了重要贡献, 特向他们表示深深谢意。