试论客户终生价值的研究成果营销范文

　　关键词：客户终生价值,文献综述,客户识别

　　内容摘要：越来越多的研究者认识到客户终生价值是一个重要的客户识别标尺，并对此进行了大量研究。论文对客户终生价值的定义、内涵、与其他客户价值相关概念的关系进行了梳理，并对客户终生价值研究的情境设定、理论研究、实证研究进行了总结，最后对今后的研究方向进行了展望。

　　越来越多的企业认识到与价值客户维持良好关系，有助于延长客户生命周期，刺激客户购买量进而增加企业的盈利能力。如何正确地识别价值客户，成为开展关系营销的基础。为了识别价值客户，研究者们开发了许多不同的价值衡量标尺。越来越多的研究表明，相较于其他价值标尺，“客户终生价值”能更有效地识别价值客户，因此这个指标开始广泛地应用于市场营销的各个领域。

　　客户终生价值概述

　　(一)客户价值的相关概念

　　当人们提出客户价值(Customer Value)这一概念的时候，并没有明确Customer和Value之间的关系，于是在研究过程中，衍生出两种不同的理解，引起了使用中的一些混淆。

　　第一种观点认为客户价值就是“为客户创造的价值”(Value for Customer)。这种观点从消费者的角度出发，研究企业为消费者创造的价值。在这个基本角度上衍生出了客户感知价值(PCV，Perceived Customer Value)和客户期望价值(DCV，Desired Customer Value)。PCV是客户从自身角度对“企业所提供的产品和服务的价值”的评价，它反映了客户感知效用和感知价格之间的平衡。对PCV的研究主要关注外部指标(如价格、商标、原产地等)、内部指标(如产品质量)、过程、关系、风险与PCV之间的关系。DCV则属于客户价值观的一部分，主要研究抽象的价值尺度。相比于PCV，DCV更关注客户的需求与期望。

　　第二种观点认为客户价值就是“客户自身的价值”(Value of Customer)。这种观点从企业的角度出发，研究在客户关系保持期间，客户为企业提供的价值。研究的目的在于对客户进行分类，寻找最有价值的客户，并保持与价值客户之间的关系。研究的主要指标包括客户资产(CE，Customer Equity，某些研究者翻译为客户期权、客户资产期权或客户净值)和客户终生价值(CLV，Customer Lifetime Value)。客户资产与客户终生价值的关系如表1所示。

　　CLV与其他客户价值相关概念之间的关系如图1所示。

　　显然客户终生价值只是“客户价值”这个概念体系中的一员。为了避免使用中的混淆，齐佳音等人(2009)提出将客户角度的Value for Customer翻译为顾客价值，将企业角度的Value of Customer翻译为客户价值。但这种观点并没有得到国内研究者的广泛认可，因而在许多论文中顾客价值与客户价值经常是同义的。

　　此外，国外曾有学者提出客户长期价值(Customer Longtime Value，CLV)，该概念的定义与客户终身价值很类似，区别在于客户长期价值更关注客户在未来(剩余生命周期)的价值。这个概念的缩写与客户终身价值相同，但由于没有得到广泛应用，因此本文所提到的CLV意指客户终身价值。

　　(二)对客户终生价值定义的分歧

　　在对CLV的研究中，存在数种不同的定义。这些定义的分歧主要集中在两个方面：

　　第一，CLV的计算期是全生命周期还是剩余生命周期。部分研究者认为CLV是客户与企业建立关系(第一次购买)时起，到客户关系终止时止的整个生命周期内，客户为企业贡献的价值。另一些研究者则将CLV的计算期定义为剩余生命周期。这一方面是因为企业更关心客户在未来一段时间内贡献的价值，而不是已经贡献的价值;另一方面是因为CLV的计算离不开对客户数据的收集与分析，将计算期定义为剩余生命周期恰好为数据的收集提供了便利。

　　第二，CLV的计算是否应该包含非货币价值。大部分研究者认为CLV是指客户带给企业的全部利润的净现值。在他们的计算模型中没有考虑非货币价值。另一些研究者认为客户终生价值除了货币价值以外，还包括非货币价值。非货币价值包括由良好的客户口碑带来的价值、客户反馈信息的价值、稳定的客户关系以及客户忠诚带来的交易成本下降等。

　　(三)客户终生价值的内涵

　　对于客户终生价值的内涵，研究者们有不同的看法。本文综合不同研究者的观点，做一个比较全面的概括。

　　按照客户的价值是否已经显现出来，可以将客户价值分为显性价值和隐性价值。显性价值是指从客户与企业建立关系时起，至对客户价值进行核算时止，客户已经实现的价值，通常指货币价值;隐性价值是指进行核算时尚未体现为企业的利润的价值，包括非货币价值。隐性价值可以分为维持价值、成长价值和潜在价值。所谓维持价值是指在客户行为模式及其收入支出状况不发生改变的前提下，企业仅采取简单的维持策略时，客户带给企业的利润;成长价值是指在客户行为模式(比如某客户将全部收入的5%用于购买企业的产品或服务)不变的前提下，由于客户收入的增加带来的利润增额;潜在价值是客户本身固有的，但需要企业采取额外的营销措施来刺激、体现的价值。根据潜在价值的特点可以分为行为价值、忠诚价值、沟通价值和口碑价值，它们分别描述了由于客户行为模式改变带来的销售收入增加、由于稳定客户关系带来的销售成本下降、畅通的客户沟通为产品设计带来的价值、良好(糟糕)的客户口碑带来的无形收入(成本)。

　　关于客户终生价值的研究成果

　　(一)研究背景的差异

　　CLV实质上是基于客户过去的购买行为对其未来的购买行为进行预测，并据此确定客户的价值。然而对于不同的行业，客户的购买行为呈现出明显的不同，因此研究必须在特定的行业背景下展开。一般来说，研究者们面临的行业背景可概括如下：

　　契约设定或非契约设定。在契约设定(Contractual Settings)情况下，客户与企业已经订立契约，如果客户不打算继续使用企业产品或服务，应当通知企业，比如移动通信服务和报纸订阅都是属于此种设定。在非契约设定(Noncontractual Settings)下，客户如果终止与企业的关系，不需要通知。在此种设定下，企业不确定客户是否依然保持活跃。零售业的CLV问题通常属于非契约设定。

　　永久流失型客户和间歇购买型客户。Dwyer(1997)将客户区分为永久流失型及间歇购买型，这种区分方式在CLV的研究中得到广泛认可。永久流失型(lost-for-good)客户，如保险业的客户，一旦终止购买，即认为客户关系永久性终止;若客户关系再次恢复，则此客户视为企业的新客户;为恢复关系付出的成本属于新客户的获取成本。间歇购买型(always-a-share)客户，如购物网站的客户的购买行为是间断进行的，客户在一段时间内没有购买，但在后续阶段内仍然有可能恢复购买;客户关系恢复之后，该客户仍然视为企业的老客户;为争取客户重新购买付出的成本被视为客户保持成本的一部分。在研究中，通常会用客户保持率/流失率，来描述永久流失型客户的购买行为，而对间歇购买型客户通常采用购买频率。也有部分研究者采用相反的做法。

　　(二)理论计算研究

　　对CLV的理论研究主要集中在计算模型的建立以及关键参数的确立。

　　1.净现值模型。Barbara(1985)用传统净现金分析方法度量CLV，这个模型可描述如下：

　　式中Ci代表客户在第i期带给企业的利润，d为折现率，N描述客户的生命周期长度。模型并没有考虑客户的成长性和流失风险，对各期利润函数也没有给出具体表达形式，但是它结构简单，易于理解，因而构成了此后很长一段时间内后续研究的基础。以净现值模型为基础，Hyunseok等人(2004)将客户忠诚和客户保持率引入到CLV的计算;孙军和乔中杰(2011)则考虑了口碑效应对Hyunseok的模型进一步改良对CLV的影响。以上这些模型比较适合于契约设定下CLV的计算，但在非契约设定下，缺乏有效的手段去确定N的取值，因而应用前景受到一定限制。

　　2.生命周期模型。匡奕球(2003)注意到在客户生命周期的不同阶段，消费行为呈现出不同特点，因而提出在客户生命周期的各阶段(考察期、成长期、稳定期、退化期)分别考察客户价值，将各期客户价值累加后扣除相关成本即为客户终生价值。在考察期，客户价值主要由基本购买收益构成，此项收益可以通过客户单位时间内客户购买该产品的全部支出、考察期客户支出分配系数以及考察期长度来计算;成长期除基本购买收益外还要考虑客户购买超过基本购买量给企业带来的收益;稳定期除成长期的各项收益外，还包括交叉销售收益(客户购买其他类型的产品给企业的收益)、推荐收益(客户向他人推荐企业产品带来的收益)、服务成本降低及规模效应收益;在退化期仅考虑基本购买收益。

　　这个模型的优点在于将生命周期价值结构化，管理者不仅能够获得总体价值，而且能够了解具体各个阶段的价值，并对某些关键变量，比如各阶段的长度、客户份额等，加以控制。但是对一些具有较大不确定性的收益，比如规模效应收益，并没有探讨具体的计算方式。同时模型没有考虑客户未来的发展空间、竞争对手的策略，是一个静态的计算模型。

　　陈明亮(2001)同样注意到在整个生命周期内客户价值随时间变化呈现出一个倒“U”型，从而提出：将整个倒“U”型曲线划分为若干段;然后用不同函数描述各段曲线;通过数据拟合获得各阶段价值函数的参数;在各阶段价值函数的基础上探寻终生价值。

　　与匡奕球的模型相同之处在于，陈明亮同样注意到了客户价值在生命周期内的阶段性;不同之处在于陈明亮给出了关键参数的确定方法，而匡奕球在这方面存在较大模糊性。陈明亮的模型精度依赖于关键参数数据拟合效果以及拟合时选用的函数形式，使用中应慎重选择拟合函数。

　　3.Pareto/NBD模型。在非契约设定下，Schmittlein等人(1987)提出的Pareto/NBD模型是一个比较有效的基准模型。在模型中，研究者用(xi，ti，Ti)来描述客户i过去的购买行为。其中Ti代表客户关系建立时起到当前的时间段;xi代表客户在(0，Ti]时间段内购买的次数([0，Ti]的总购买次数则为xi+1);ti代表客户i最近一次购买的时刻，购买越近，ti越接近Ti。并假定客户在某个时间τi变得不活跃(即不再购买)。

　　在此基础上，模型做了如下假设：

　　当客户i当前保持活跃(即τi >Ti)时，客户的购买行为xi服从参数为λi的泊松分布;客户变得不活跃的时间τi(即生命周期)服从参数为μi的指数分布;λi服从参数为r、α的gamma分布;μi服从参数为s、β的gamma分布;λi和μi彼此独立。

　　在以上假设中，r、α、s、β四个参数是未知的，可以根据客户的历史购买数据，采用最大似然法估算。一旦算出这四个参数就可以得到客户i在给定的条件下，当前依然保持活跃的概率P(τi>Ti│xi，ti，Ti)以及客户i在(0，Ti+k]的期望购买次数E(xi，Ti+k│xi，ti，Ti)。显然，客户i在未来第k个时间段(Ti+k-1，Ti+k]的期望购买次数为：E(xi，Ti+k│xi，ti，Ti)-E(xi，Ti+k-1│xi，ti，Ti)。Reinartz和Kumar(2003)以Schittlein等人(1987)的研究为基础，继续探讨客户单次交易的利润贡献。令zi，l代表客户i在第l次交易中的利润贡献;mi，Ti代表客户i在(0，Ti]期间全部交易的平均交易利润，显然mi，Ti=(∑zi，l)/xi。在此基础上，Reinartz继续引入假设：zi，l与l独立，即期望的利润贡献不随时间改变;zi，l是Gamma分布，形状参数为pxi，规模参数为1/vi;vi的值依然服从Gamma分布，形状参数为q，规模参数为1/γ;即期望的利润贡献随客户的不同而不同。

　　采用最大似然法估计出p、q、γ后，可以得到mi的估计值，此时可以算出客户在未来h个时间内的价值为：

　　(2)

　　此后其他研究者对Pareto/NBD模型进行了进一步的完善和拓展，比如Nicolas Glady等人(2009)针对Reinartz等(2003)研究中的假设“zi，l与l独立”，提出了不同看法，他们认为这种假设并不总是成立，并提出了zi，I与l相关时的CLV计算模型;针对Pareto/NBD仅适用于非契约设定的局限，Fader等人(2004)提出了beta-binominal/beta-geometric(BG/BB)模型将此类模型的应用范围拓展到契约设定下。

　　4.RFM模型。RFM模型是指运用最近购买(Recency)、购买频率(Frequency)、购买金额(Monetary)这三个变量进行客户区分的方法。RFM在应用中存在一些不足之处：第一，这个模型只能预测客户在下一阶段的购买行为倾向，不能预测今后若干个连续阶段的购买行为;第二，模型不能提供客户的价值金额;第三，RFM忽视了客户的历史购买行为与企业过去的营销策略之间的联系。尽管如此，RFM为预测客户未来行为提供了很好的变量，因此许多研究者试图引入RFM变量对CLV进行研究。Mahboubeh等人(2011)运用K-Means聚类技术对客户进行分类，并利用RFM计算每一类客户的平均CLV。需要指出的是，在Pareto/NBD模型中描述过去购买行为的变量(x ，ti， Ti)以及描述单次利润贡献的zi，l，这些变量与RFM存在密切联系。

　　5.计算机行为预测模型。在计算机科学模型的研究中，出现了主要研究基于数据挖掘，机器学习以及无参数统计等技术开发出一些预测客户未来行为的“客户事件法”。这种方法的基本原理是：针对每一个客户，预测一系列事件发生的时间，并向每个事件分摊收益和成本，从而为每位客户建立一个详细的利润和费用预测表。每个客户的终身价值预测的精度取决于事件(产品购买、产品使用、坏帐等)预测的精度和事件收益与成本分摊的准确性。客户事件预测可认为是为每个客户建立了盈亏帐号，客户事件集越详细，与事件相关的收益和成本分摊得越精确，CLV预测精度就越高。

　　这些方法在目前的文献中涉及的还很少，因为这些方法非常复杂，却并不易于理解。伴随计算机技术的迅猛发展，此类模型具有很大的发展空间。

　　(三)应用研究

　　对CLV的应用研究主要集中在电信业、银行业、保险业、零售业、航空运输业，但事实上，只要具备了足够的客户数据，CLV的应用完全可以向其他行业拓展。在应用中，CLV往往作为一个标尺解决客户细分、营销资源分配问题。以CLV为指标，对客户进行分类的研究非常多。比如邬金涛和赵汴(2005)按照CLV将客户划分为三个层级：高价值客户、一般价值客户和低价值客户，并针对性地提出了不同的营销策略。

　　Rajkumar等人(2004)以B2B行业的实证研究了CLV、市场营销沟通渠道以及市场营销资源分配策略之间的关系。他们的研究中以边际贡献和购买频率构建CLV的计算函数，并将边际贡献和购买频率视为营销沟通渠道变量的函数。在此基础上，他们以最大化CLV为目标，以探寻最佳的沟通渠道以及营销资源在不同渠道间的配置。同时，他们的研究还表明：相比于基于其他广泛使用的客户选择标尺，基于CLV选择客户能为企业带来更高的利润。尽管目前大多数的应用局限在客户细分和营销资源分配问题上，但事实上，CLV在产品推荐、业绩评价、价格制定等方面也有良好的应用前景。

　　研究展望

　　今后研究者们可以在以下几个方面展开：

　　一是由客户价值到客户终生价值。前面已经讨论过客户价值包括企业为客户提供的价值(CV)以及客户为企业提供的价值(CLV)。长期以来研究者都是单一的研究CLV或CV，但显然这两种价值存在内在联系。将CV和CLV联系起来无疑有助于理解企业与客户之间的互动行为。

　　二是客户终生价值的结构化。无论是认为CLV是否包括非货币价值，研究者们在研究CLV的时候都倾向于将各种价值以某种方式进行折算，然后累加为一个标量，然后用这样一种唯一的标量对各个客户的终生价值进行判断。这种对单一价值评价尺度的热爱遍及中外。但事实是CLV中包含着丰富的信息。这些信息可能来自于不同时间段上的价值差异，也可能来自不同价值尺度上的差异。无视这些差异将所有的价值强行融合在一起，得到的结果也许会严重偏离事实。因此在对CLV进行研究的时候，应该保留这种时间上、价值尺度上的差异。为了实现对这些信息的保留，在研究中引入向量或矩阵，也许是一个主要的办法。

《试论客户终生价值的研究成果营销范文》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 试论客户终生价值的研究成果营销范文

文章地址： https://m.zhichengyz.com/p-24521