基于DEA的网络消费者价值研究

耿文莉，魏秀安

(哈尔滨商业大学，哈尔滨 150028)



基于DEA的网络消费者价值研究

耿文莉，魏秀安

(哈尔滨商业大学，哈尔滨 150028)

在RFM模型基础上提出了RFMPS模型，使得指标体系更加完善，方法上运用DEA交叉评价法，来进行同一企业中不同消费者购买行为的相对有效性评价.同时，DEA交叉评价法考虑到了不同的指标对消费者的影响程度不同，指标权重计算具有客观性，使得计算结果更加准确.

RFMPS模型；消费者价值；DEA交叉评价

随着互联网的不断发展，网络交易在人们的生活中越来越普遍.对带动我国经济增长的作用也越来越大.电子商务企业之间的竞争也越来越激烈.只有盈利能力强的企业才能在激烈的竞争中生存下来.哈佛商业杂志中发表的某项报告研究表明：顾客的再次光临可以为企业增加25%～85%的利润.因此，如何开发新的顾客和保留原有的消费者成为各个企业关注的重点.企业通过制定恰当的营销策略在吸引新顾客的基础上维护原有顾客的关系，保持顾客的忠诚度，不仅可以增加企业的直接利润，还可以帮助企业提高市场竞争力[1].雷汉奇指出企业从高价值的10%的客户身上获取的利润要比10%低价值的客户身上获取的利润要多出5～10倍.所以，我们有必有通过研究网络消费者的消费行为、习惯、特点等对消费者进行消费群体的划分，区分高价值的消费者和低价值的消费者，针对不同的消费群体制定不同的营销策略，帮助企业提高其营销效率，以更少的成本投入获得更大的利润产出.

1 数据的收集与处理

1.1 数据的收集

电子商务企业的消费者数据涉及到消费者自身特征以及消费者与企业间的交易行为等相关数据[2].消费者细分模型数据库主要数据类型有：

1)顾客的一般信息：姓名、年龄、性别、教育类别、职业、年收入、家庭住址、婚姻状况、地址、电话、传真、电子邮件、微博、个性特点、一般行为方式等.

2)交易信息：如订单、退货、投诉、消费者满意度、服务咨询等.

3)促销信息：企业开展了哪些活动，效果如何等.

4)产品信息：购买何种产品、购买日期和时间、购买频率、购买量、支付的价格等.

1.2 数据的处理

根据RFMPS模型提取相关类型数据.需要的数据有：消费者最近一次的购买时间、特定范围内的购买频率、支付的价格、企业的毛利率、顾客满意度.需要对提取到的数据进行处理才能使用.

1)R值的确定：R值代表的是最近一次购买时间.根据购买日期将消费者进行分组.以5个月为一个周期，每个月作为一个等级.近一个月来进行过消费的消费者为最高分数5.1～2个月内消费过的消费者分数为4，由此类推.5个月中每个月的消费者都有自己对应的R值，分别是5、4、3、2、1.那么第S个消费者对应的R值为：RS={r,r∈5,4,3,2,1}.

2)F值的确定：F值代表的是购买频率.指定时间内的购买频率可直接作为消费者的分数进行计算.例如在规定时间内购买频率为5，那么消费者对应的分数就为5.由此类推.那么第S个消费者对应的F值为S.

3)M值的确定：M值代表的是消费金额.消费金额也可作为数据进行直接输入.

4)P值的确定：P值代表的是企业的净利润.净利润可以作为原始数据直接使用.

5)S值的确定.S值代表的是消费者满意度.消费者满意度通过问卷调查获得.本文将顾客满意度划分为五个等级：非常满意、满意、一般、不满意、非常不满意.对应的分值分别为5、4、3、2、1.

2 模型介绍

2.1 RFM模型

数据库营销专家Arthur HuPhes通过研究，发现了客户购买过程中三个最重要的元素“最近一次的消费(recently)、消费频率(frequency)、消费金额(monetary)”，建立了RFM模型，用来指导客户购买行为分析.RFM模型是客户关系管理中用来衡量客户价值的最常用的方法.

最近一次消费指的是消费者上一次购买的时间.消费者购买时间越近，那么其价值就应该是越高的.商家可以根据消费者的购买行为，做出适合的营销策略.购买时间越近的顾客对商家制定的营销策略反应就会越高，信息的沟通也就越来越高.这样有利于商家和顾客之间建立长久的联系，提高顾客的忠诚度和企业的获利.消费频率指的是在一定的时间范围内顾客的购买次数.购买次数多的顾客通常是对企业比较信任的顾客，同时也是满意度较高的顾客.顾客的购买次数越多说明企业的市场占有率越高.消费金额指的是在一定的时间范围内顾客的花费.根据“帕雷托法则”，企业收入中的80%来自于20%的顾客的贡献.花费高的顾客相比花费低的顾客更容易在此进行再次消费[3].

但是RFM模型也存在某些缺陷：第一，在实际情况下，利用RFM模型计算消费者价值得到的结果与实际情况相比误差偏大，有些消费者价值较高，但是他们对企业的实际利润贡献却是很少.例如，企业为了品牌宣传或者提高市场占有率，使用薄利的营销手段来吸引客户，很多客户在此期间多次多量进行产品的购买，在这些客户中有相当一部分是促销活动的偏爱者，看似忠诚，实际上他们给企业带来的利润微乎其微.所以在此期间这些消费者对于企业来说并不是有价值的客户.再者，同一件商品，满意度高的顾客就比满意度低的顾客价值要大[4].因为满意度高的顾客更愿意将产品推荐给周围的亲人或朋友，产品有了好的信誉和口碑，那么就会给企业带来无形的利益.第二，RFM模型在各指标权重计算上是相同的.但是，实际情况中各指标对消费者价值产生的影响是不同的.因为不同的客户其消费行为习惯是不同的.例如，在传统的五分法RFM 模型中，RFM单元代码总的个数为125个.例如，处于R4群体的消费者不一定比处于R3群体的消费者价值高.这跟消费者的消费习惯等都有关系.

2.2 RFMPS模型

消费者价值指的是商家在与消费者交易的过程中获取的利益[5].包括有形的利益和无形的利益.商家在与消费者交易中，通过商品和服务来获得的实际的一定数量的金额等物质财富可以看做有形的利益.而在实际交易之后，消费者的满意度以及通过对产品的体验带来的口碑效应，这些都是消费者给企业带来的无形的利益.

而RFMP模型中R/F/M/P都是表示的消费者给企业带来的有形的利益.鉴于此，本文通过消费者满意度指标S来代表无形利益，提出了新的RFMPS模型，更好的进行消费者价值计算.将RFMPS中的指标作为DEA交叉效率评价模型中的输入输出指标来计算消费者价值.将每个消费者个体看做一个决策单元.不需要做任何权重的假设，每一个决策单元的输入和输出的权重是通过实际数据计算出的最优权重，客观性较强[6].

DEA 交叉评价的特点有：1)DEA交叉评价在确定输入输出指标的权重时具有客观性，避免了人为因素的干扰；2)DEA交叉评价无需确定决策单元输入输出指标相互间的显性关系表达式；3)DEA交叉评价是将自我评价和其他评价进行了融合，决策单元从自身效率最优的角度和其他企业效率最大化的角度两方面进行评价，起到了综合评价的效果.

运用DEA交叉评价方法计算消费者价值弥补了运用传统RFM计算方法中权重的一致性带来的计算得偏差.其中R(最近一次消费时间)、F(消费频率)、M(消费金额)作为输入向量，P(企业净利润)、S(消费者满意度)作为输出向量.

3 实例验证

本文选取了15个客户的相关指标和数，将R作为输入变量，F、M、P、S作为输出变量.采用DEA交叉效率评价法在Matlab上运行得出RFMPS的得分，从而区分不同价值的消费者，如表1所示.

表1 RFMPS得分表

在clementine上进行RFM分析，RFM权重分配为默认的：近因100，频数10，货币1，见表2.

表2 RFM分析

从表2 中的RFM分析中可以发现第1个客户和第5个客户，第9个客户和第10个客户的RFM得分是一致的，无法对第1和第5以及第9个和10个客户的价值进行区分.并且在计算RFM得分时，R、F、M的权重设置是主观的，不同的权重设置计算得出的结果也会不一致.

通过表1, 2进行比较我们会发现，传统的RFM计算消费者价值主观性比较强，且利用计算结果对消费者价值进行排序时，无法有效区分RFM得分相同的消费者价值，本文提出的基于DEA交叉效率评价的消费者价值计算不仅克服了传统方式中指标权重设置时主观性比较强的缺陷，还对指标进行了改进和完善，提出了更加全面的消费者价值计算指标，有效区分不同价值的消费者，使得计算结果更加客观、全面和准确.

4 结 语

电子商务企业的不断增多，网购越来越普遍等现象，都在不断影响着消费者的购买行为模式由传统的常规消费行为逐渐转变为变化的、动态的消费行为[7].因此，有必要通过分析网络消费者的消费行为来提高企业与消费者的互动与营销效果，确保企业与顾客的沟通与交流，保持客户的忠诚度，从而提高企业的竞争力，使企业得到长足的发展.在衡量顾客忠诚的众多标准中，顾客的重复购买率、消费者满意都是影响顾客忠诚的重要因素[8]，消费者满意度正向影响消费者行为，且二者关联度高.因此，在传统RFM模型基础上，提出了新的RFMPS模型，同时结合DEA交叉评价方法，在Matlab平台上来计算消费者价值，得到的是消费者自我评价和其他消费者分别对其评价相结合的结果，DEA交叉评价法的运用不仅克服了指标间权重一致性的缺陷还起到了综合评价的效果.最后对每一位消费者得到的评价结果进行平均值计算，将计算得到的结果由高到低进行排序，即可视为消费者价值排序.利用得到的排序结果，能更好的区分不同价值的消费者.本文在对消费者价值的研究过程中实现了定性和定量的结合.借助计算结果可以帮助企业区分不同价值的客户群体，实现针对性营销，帮助企业保持客户忠诚度，获得更大的利润，创造了企业和消费者共赢的局面.

[1] 王 蔓, 白玉玲. 消费者行为学[M]. 北京: 机械工业出版社, 2014. 11.

[2] 魏权龄. 评价相对有效性的数据包络分析模型[M]. 北京: 中国人民大学出版社, 2012. 7-99.

[3] 黎志成, 刘枚莲. 电子商务环境下的消费者行为研究[J]. 中国管理科学, 2002(12): 89-90.

[4] 王开珏. 基于数据挖掘的移动通信客户消费行为研究[D]. 北京: 北京邮电大学, 2011.

[5] 肖健华, 王冬菊. 网络消费者行为建模[D]. 江门: 五邑大学, 2012. 5.

[6] 彭育威, 吴守宪, 徐小湛, 等. 利用MATLAB进行DEA交叉评价分析[J]. 西南民族大学学报:自然科学版, 2004(5): 553-556.

[7] JARVENPAA S L, TODD P A. Consumer reactions to electronic shopping on the world wide web [J]. Int.J.Electron .Commerce, 1999, 2(2): 59-88.

[8] OLIVER R L. A cognitive model of the antecedents and consequences of satisfaction decisions [J]. Journal of Marketing Research,1980, 17(4): 460-469.

Internet consumer value research based on DEA

GENG Wen-li, WEI Xiu-an

(Harbin University of Commerce, Harbin 150028, China)

The RFMPS model was put forward based on the RFM model in this paper, the index system became more perfect. The DEA cross evaluation method was selected to make relative effective evaluation on different consumers’ buying behavior in the same enterprise. At the same time, the DEA cross evaluation method takes into consideration that the different indicators have different influence on consumers, and the calculation of index weight was objective, and it made the results more accurate.

RFMPS model; consumer value; DEA cross evaluation

2016-03-05.

耿文莉(1971-)，女，博士，副教授，研究方向：企业管理、信息管理等.

F224

A

1672-0946(2016)06-0721-03