Predicting Customer Lifetime Value

“正确预测很难准确预测未来更是难上加难。”

诺贝尔奖获得者、物理学家 Niels Bohr 在说这样-句话时心里想的也许是亚原子量子力学现象但这句话同样适用于预测顾客的消费行为。Kellogg 管理学院的营销学教授 Robert Blattberg 和西北大学 Medill 新闻学院的整合营销传播学副教授 Edward Malthouse 对此也有同感。在他们发表于《互动营销杂志》(Journal of Interactive Marketing) 的论文中他们阐述了基于顾客以往表现的差异化营销所固有的高度不确定性。

正如 Blattberg 所说“行为中有太多的偶然性。”

由于对长期顾客行为与价值作出更好的诠释Malthouse 和 Blattberg 的这篇文章被评为该杂志的“2005 年度最佳论文”。

Blattberg 是零售学Polk Brothers 特聘 教授 也是西北大学 Kellogg 管理学院零售管理学中心主任他说“归结到底我对长期顾客行为的驱动因素感兴趣。我是通过分析销售数据库来研究这个问题的而不是在实验室里闭门造车。”

Malthouse 和 Blattberg 对决定顾客长期价值的行为尤为关注。顾客长期价值是指扣除与顾客维持长期联系所需成本后的公司预期收益。与顾客的长期联系同公司的其它资产一样重要值得进行适当的投资和管理。但许多公司却将主要精力和资源投向各种营销手段希望籍此培养他们所认为的最佳顾客的忠信度。

Blattberg 说“公司注重奖励最佳顾客因为他们以为这些最佳顾客将一直是最佳顾客。”

如果你曾经是一位诚信的顾客则邮购公司可能会向你邮递更多商品目录航空公司可能会为你提供优先升级信用卡公司可能会取消你的滞纳金酒店也可能会向你赠送一瓶红酒。这些具有随意性但又是必不可少的的营销投资定位于忠诚的消费者以期从最佳顾客那里获得持续利润。这种做法的核心信念是过去的优秀顾客在将来也会继续是优秀顾客。

但是否有可能预测出哪些顾客在未来一段时期内将一直有最佳表现并因此而有足够理由来享受一次五星级的贵宾待遇Malthouse 和 Blattberg 试图为这些问题找出答案。Blattberg 说“本文重点论述过去的最佳顾客是否在将来也会继续是表现最佳的顾客呢公司目前的大客户是否会继续是公司将来的大客户呢”

营销专家试图借助于 RFM 分析等工具准确锁定最佳顾客。这一分析任务是通过测量顾客的最近购买的时间R近度、购买的次数F频度和购买的金额M金额来完成的。如果“80% 的业务来自 20% 的客户”这一说法正确则 RFM 分析可以帮助确定哪些客户曾经属于这最佳的20%的客户。但这一技术能否帮助公司预测出过去的这 20% 的最佳客户在未来也会是最佳顾客而为公司带来长期收益呢

Blattberg 说“通过对顾客数据库进行以 RFM 分析为主的研究只能预测消费者在最近最短一段时期的购买倾向。但并不能就此认为他们在未来一段时期内会一直是公司的最佳顾客。”

为了衡量和预测顾客的长期价值Malthouse 和 Blattberg 研究了各类公司多年来积累的大量销售数据。他们研究的数据范围相当庞大。其中包括一家非营利组织在两年期间的超过 13.6 万名的捐助者一家服务提供商在五年期间的超过 7.1 万名的顾客一家专业邮购公司在十二年期间的超过 4.1 万名的顾客以及一家大公司在七年期间的超过 2.4 万名的小型企业客户。这些数据库对消费者行为进行了广泛地描述例如合同期限、服务使用金额以及购买的日期、价格、类型和价值等。此外这些公司中没有一家对其顾客给予额外奖励因此 Malthouse 和 Blattberg 能够对顾客长期行为与价值得出更客观的结论。

通过人为地将这些数据划分为过去、现在和未来三个时段Malthouse 和 Blattberg 建立了统计模型并得出结论由此实现了他们的中心目标将公司过去的顾客购买数据转换为公司未来的顾客长期的购买行为与价值的可靠预测因子。

Blattberg 和 Malthouse 挑选出靠近数据群中间位置的时间点并将这些时间点确定为“现在”。例如对于一个跨越十二年并截止于 1995 年 7 月 31 日的数据库他们将 1990 年 8 月 1 日确定为“现在”。

在确定了每个数据群的“现在”之后Malthouse 和 Blattberg 实际上就确定了它的“过去”1983 年 8 月 1 日至 1990 年 7 月 31 日和它的“未来”1990 年 8 月 2 日至 1995 年 7 月 31 日。

确定好三个时间段后Malthouse 和 Blattberg 就可以建立和测试统计模型并利用统计模型进行推断。将顾客过去的消费行为与价值数据“输入”统计回归方程。这些方程计算出哪些行为特征组合与价值最相关。例如某个回归方程显示顾客对非营利组织的过去价值直接受顾客最近的捐赠金额和顾客入会时间的长短影响最大。

在使用“训练数据”(training data) 对统计模型进行精微调整以建立过去行为与价值的相关性之后再把该公司的另一个不同顾客群的“验证”(holdout) 数据输入统计模型。这些统计模型根据“训练”数据来确立顾客行为与价值之间的关系然后再利用所确立的关系来“预测”在确定未来行为下的未来价值。在统计模型预测出顾客的未来价值后Malthouse #21644; Blattberg 将这些预测值和顾客实际贡献的价值进行比较。其中最有价值的 20% 顾客被视为“最佳顾客”。

鉴于他们认为这些模型无法基于顾客以往的行为来准确划分未来最佳顾客和非最佳顾客Malthouse 和 Blattberg 通过测量这些模型的两种可能的错误类型对其效果进行了评估。对于营销管理者来说这些错误意味着对某些顾客进行了不必要的支出而未能对另一些顾客进行必要的支出。对于统计员来说这些错误则称为误报和ଛ#28431;报。

当模型错误地将某个顾客预测为未来最佳顾客时便发生了误报。例如根据预测一名在过去与某公司存在大量业务往来的客户在未来仍将为优秀客户。然而如果该客户失业她可能无法维持以往的支出水平因此在未来她实际上不会继续是公司的最佳顾客。

同样当模型未能预报出在未来具有特别价值的顾客时就发生了漏报而经事实证明这些顾客的未来购买行为给公司带来了丰厚收益。例如某个顾客在过去由于可支配收入不足而与某公司很少或没有业务往来因此被预测为未来的低级客户。但如果该顾客刚刚获得一份报酬优厚的工作而他实际上则将成为公司潜在的最佳客户。

Malthouse 和 Blattberg 对于他们所观察到的误报和漏报模式感到十分惊讶。对于所有模型和数据群无论是对未来一年还是六年的顾客价值进行预测这些模式都明显地保持一致。据此Blattberg 和 Malthouse 提出两条新的经验法则。

他们把第一条法则称为“20-55 法则”在实际划分的前 20% 的未来最佳顾客中大约有 55% 被错误地划归为低级或一般客户并因此而享受不到特殊待遇。对于不同模型和数据群这一漏报率都保持了惊人的一致性即从 51% 到 55%。

第二条法则称为“80-15 法则”在实际划分的后 80% 的未来一般顾客中大约有 15% 被错误地划归为最佳客户并因此而享受特殊待遇。对于不同模型和数据群这一误报率也保持了惊人的一致性即从 13% 左右到 15%。#12290;

研究结果显而易见。约有四分之一的顾客以误报或漏报的形式被划错类别。也就是说公司的每四次营销决策中就有一次被误导。如果公司能以更复杂的方式重新审核其目标顾客则会收益良多。当然公司这样做的前提是公司要能够长期生存下去。

Blattberg 说“我们发现最佳顾客持续保持其最佳行为的比例远远低于我们的期望值。如果相当一部分的未来最佳顾客是来自过去的低级客户那么你将面临失去#20182;们的危险。只要你对顾客进行差异化营销就会遇到这个问题。”

根据他们的研究结果Malthouse 和 Blattberg 提出一个相对简单的公式。 这个公式可以帮助营销管理者确定在何时向顾客提供奖励最为恰当。该公式包括四个变量给予奖励的成本应得而未得奖励的客户流失造成的损失获得奖励的忠实顾客所带来的额外收益非最佳客户在获得意外奖励后为公司带来的额外收益。

为说明他们的研究结论Blattberg 举出航空公#21496;以及售票处和拥挤的航站楼为例。他说“按照现有的奖励制度低级客户可能永远没有机会成为优秀客户。例如我经常乘飞机。但由于我住在芝加哥因此很少乘坐 Delta 的航班。因此我永远也没有机会成为他们的优秀客户我只能得到中间的座位也只能排长队等候。但是如果我搬到亚特兰大呢我还会经常乘飞机所以我可能会成为 Delta 的优秀客户。但是由于他们在我住在芝加哥的这么多年里没有给#36807;我很好的待遇他们可能会失去我这个潜在的最佳客户。”

他接着说道“接下来我们来看看 Southwest 航空公司。他们采取了更平等的做法他们不管你是谁你什么时候办理登机手续就什么时候拿到登机牌。二者哪个更好Southwest 也许不会给你特殊待遇但毕竟比 Delta 的糟糕服务好得多。”

为此Malthouse 和 Blattberg 提出一个简单的解决办法根据真实而非预测的未来行为给予奖励。差别很微妙却十分重要。Malthouse 和 Blattberg 建议ʌ#65292;企业无需费尽心思地去预测哪些顾客将会最有价值相反应该向所有顾客提出诱惑并奖励那些行为符合预期的顾客。这正是航空公司推行里程计划的核心思想任何达到一定飞行里程的顾客都会获得奖励。信用卡和超市的现金返还策略也是遵循同样的思想。

对于那些不维护和不使用顾客信息数据的公司来说此项研究不是很适用比如糖果、卫生纸和其它大多数包装消费品的销售商。对于在购买时已经明#30830;未来奖励的公司-客户关系此项研究也不适用。例如租车公司会事先承诺“租四天送一天”因此客户在一开始就已明确将会获得的奖励并受其影响。但希望通过给客户“惊喜”而逐渐培养客户忠诚度的企业则可从本研究以及后续研究中获益良多。

Blattberg 说“接下来还有许多值得研究的问题比如能否建立这样的奖励制度可否提高最佳顾客继续成为最佳顾客的机率这会是什么样的奖励制度不同的客户群是暂时休眠后再回来还是永远消失。。。等等”

假如 Niels Bohr 活到今天会不会对营销策略而非电子轨道更感兴趣呢这很难说。正如很难将人们随意而为的消费习惯强行纳入机械预测的业务流程中一样。