管理信息系统教学案例5.doc

《管理信息系统教学案例5.doc》由会员分享，可在线阅读，更多相关《管理信息系统教学案例5.doc（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、案例15：精准化营销：细分市场瞄准客户总部位于上海的某期货公司成立于1993年，在各期货交易所分别拥有两个以上席位并且成交量名列前茅，是目前国内最具影响力的期货经纪公司之一。公司客户数量约5000左右，大多分布于华东地区。其中，10是重要客户，其余皆为散户。目前，我国期货行业正进入新一轮的发展期。在政策及市场的双重驱动下，该行业将进行大规模的兼并重组和增资扩股，同时其它行业对期货公司的渗透也在不断加快。我国加入WTO后的期货业将直接与国外竞争，而争夺的焦点必定是客户。公司管理层意识到在服务日趋同质化、市场竞争越来越激烈的当下，有效的客户细分不仅是必然，也是必须的。企业资源的有限性决定了企业只有

2、锁定特定的客户，才能最有效地发挥出最大的竞争优势。面临问题及需求该期货公司在客户管理方面面临的主要问题是：客户成分较复杂，管理客户的难度较大。作为期货业，公司客户具有以下显著特点：1）客户的差异性。客户之间存在较大的差异性。从规模上看，大到机构大户，小到中户、散户；从投资经验来说，有多年的老手和刚来的新手。2）客户的高转移风险。公司客户尤其是大客户存在着较大的转移风险。这主要是由于期货公司向客户提供的服务基本上是同质的，而客户本身却发生了变化。现在的客户更加理智，易接受新事物。因此，影响客户去留的关键因素在于能否为客户提供既合理又相适的投资建议。3）客户的低扩张性。虽然最近几年期货业的客户数量

3、有了一定的增长，但是这种增长幅度远远小于市场预期。再加上期货业的客户基数本来就很小（40-50万），客户的扩张异常缓慢。目前，公司对客户按照交易量、交易方式等指标进行了一定程度的粗略细分，但尚未形成行之有效的完整体系，且细分多是手工完成，在处理一些数据量大、复杂的细分任务时显得力不从心，无从下手。这样带来了一系列问题，首先，给客户提供的咨询服务和投资建议没有针对性；其次，定手续费盲目，表现为对重点客户降低收费，影响公司收益；对成长型客户收费过高，导致其流失等等；再者，由于不明确客户对公司的不同价值，使得公司的资源投资回报率较低。针对这些问题，公司希望借助信息技术和先进的管理思想优化其客户细分，

4、为公司把握客户、提供差异化服务，改善市场格局和增收增利提供决策依据。解决方法客户细分是基于客户关系管理理论，以客户为导向的新理念，其目的是通过向客户提供更好的服务，进而为企业创造价值。客户细分建立在多项指标的综合分析基础上，细分的客户群数决定于客户数据。与传统的客户分类方法相比，客户细分更加科学和适应市场发展的趋势。期货业运用客户细分思想和方法，识别出不同特征的客户群，能对不同的群体采用不同的营销策略，提高客户的满意度和忠诚度，进而实现客户价值最大化。该公司管理层与期货业管理人员合作，通过分析、讨论，充分考虑期货业的特点和实际业务需求，借鉴传统的客户价值细分理论和客户价值理论，从客户的当前价值

5、和增值价值两个方面来考察客户的价值。这两个一级指标又能分别分解为一系列下级指标，这样层层分解，构成一个完整的多层次的客户总价值预测指标体系。见图1。在计算客户总价值时，从最下一级指标开始，各指标的取值乘以各自的权重综合得出上一级指标的取值，依此类推，直到得出客户分别在当前价值和增值价值两个一级指标上的总值，并在此基础上，算出客户的总价值。该公司在具体的客户细分过程中，分两步走：首先进行客户价值预测，之后进行聚类细分。2.1价值预测1）数据准备。公司收集了用于计算客户细分指标值的期货市场数据、交易数据和客户服务数据等三类数据。期货市场数据可以从期货交易所公开网站上获取，案例公司有专人负责定期收集

6、并存储于数据库。客户的交易数据包括客户的交易历史记录、权益数据和客户的成本数据等。其中客户交易历史和权益数据从公司的期货结算系统中获取；客户服务数据包括客户的服务记录和反馈信息，这部分数据需要客户服务人员定期提供和维护。2）数据处理指标计算先算出最底层指标的值，再根据约定的等级划分规则定义各个指标的等级。表1示出了某客户在底层指标上的取值和指标等级得分。最后结合层次分析法得到的指标体系的权重，求得各个中间指标的取值以及潜在价值和增值价值的取值。该客户的当前价值和增值价值指标取值分别为51.8和66.0。表1某客户最底层指标取值与等级分指标取值等级分客户为企业带来的利润现值700060保证金35

7、000100客户平均权益10000060介绍客户为企业带来的利润现值00客户业务总量6500060客户份额0.640客户满意度和忠诚度560客户对营销活动的响应度1.340可供交易的品种580客户交叉购买的主观意愿0.2803）构建客户细分数据集市数据集市中存放客户价值预测模型中各层次的指标值，该公司在SQLServer2000的AnalysisServices中构建了一个简化的客户细分数据集市，数据包括计算所得的客户当前价值与客户增值价值，以及预设的细分客户群数据空间。之后，以此为基础进行客户聚类细分。2.2聚类细分该公司在SQLServer2000的AnalysisServices平台上，

8、选择客户细分数据集市为数据挖掘的数据来源，按照K-Means方法建立数据挖掘模型（注：K-Means方法是一种常用的聚类算法，经常被引入到许多统计分析软件包和数据库管理系统中），在客户维度的客户ID级别上对客户的当前价值和增值价值做两维交叉聚类，拟产生8个客户群。经过数据挖掘，产生了初步的客户群划分，见表2。从以上产生的客户群我们可以发现，客户群1和客户群2之间的差异性非常小，当前价值和增值价值都较低；客户群3和客户群8的客户当前价值相对较低而增值价值较高；客户群4与客户群5的客户当前价值和增值价值都处于中下游水平；客户群7的客户当前价值和增值价值均很高；客户群6的客户当前价值很高而增值价值相

9、对较低。从聚类结果看，大致可以归纳为5类客户，因此调整客户群为5，重新聚类，新产生的5类客户群如表3所示。表2案例公司客户聚类细分初步结果客户群号当前价值上限当前价值下限增值价值上限增值价值下限客户数量占比10.6700042002.60730099.572.8712436.1313.2140.1118.531056531.8462.16012699.9618.3122.978.7611799.9854.5699.9830.4319825.813.7499.9819.745表3案例公司重新聚类后的客户群客户群号当前价值上限当前价值下限增值价值上限增值价值下限客户数量占比199.9821.491

10、007521245.212.33651.9016.473130.63402.409497.3535.2115.364.3122518.355.2192.3633.5417结果该公司通过将客户细分和聚类分析的结果应用到实际客户管理业务中，使企业能够集中力量对准最核心的目标客户群，有效地实施营销。一方面可以更准确地发现消费者需求的差异性和需求被满足的程度，更好地发现和抓住市场机会，回避风险，另一方面可清楚掌握竞争对手在各细分市场上的竞争实力和市场占有率的高低，以便更好地发挥自己的竞争优势，选择最有效的目标市场。思考与讨论：1.该期货公司是如何进行客户细分的？2.如何看待“客户细分”在企业客户管理中的作用？3.该公司客户细分解决了什么问题？你认为接下来客户管理要解决的重点是什么？