作者：高伟
出版社：西南财大出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
基于数据挖掘的客户价值细分及保持策略研究试读：
前言
客户是企业最重要的资产，是市场竞争的关键，因此如何进行客户关系管理是企业界和学术界关注的焦点。任何高效的客户关系管理都必须以扎实的客户细分为基础。然而，传统的客户细分都是以客户的统计学特征为依据，不能够揭示客户内在的价值，更不能全面地反映客户关系的质量。因此，传统的客户细分不可能为客户保持和资源优化配置提供科学的依据。基于此，本书从研究客户价值入手，提出了基于数据挖掘的客户细分方法。
另一方面，客户保持对企业的利润底线有着惊人的影响。根据弗雷德里克·瑞查德（Fredreic, Reicheld）的研究表明：对于企业而言，客户流失率减少5%，会增加85%的利润。客户保持已经成为企业成功的最至关重要的因素，企业应把有限的资源投入到有利可图的客户上。因此，本书的另一工作是提出基于聚类集成与支持向量机结合的客户评价模型，并根据客户分类情况，提出了基于客户细分的客户保持策略。
本书在总结客户关系管理相关理论研究的基础上，综合运用统计学、计量经济学及数据挖掘等系统优化与决策建模方法，对商业银行客户关系管理的若干问题进行了定量建模研究。全书共分九章：
第一章，绪论。本章主要阐述了本文的研究背景和研究意义，对相关的主要文献研究内容进行了系统性的总结与综述。
第二章，理论基础。对客户价值分析和CRM之间的关系进行了分析。主要包括：客户关系管理的理论基础；客户价值理论；客户细分理论和客户保持理论。
第三章，客户细分及保持的工具：数据挖掘。重点介绍了聚类集成方法的研究综述。
第四章，基于数据挖掘的客户价值细分模型。主要包含两个模型：一是构建基于t-范数集成策略的聚类集成模型FCEN；二是构建基于相似矩阵集成策略的聚类集成模型SOES。
第五章，基于两阶段优化的客户价值细分模型研究。本章将特征选择方法和聚类集成模型FCEN相结合，提出了一种两阶段的客户价值细分模型。
第六章，商业银行信用卡客户细分实证分析。利用第五章提出的两阶段客户价值细分优化模型，对某商业银行的信用卡客户进行客户价值细分。
第七章，基于聚类集成——支持向量机的动态客户评价研究。提出一种新的基于聚类集成的动态客户信用评分模型，以解决客户信用评分中人口漂移问题和动态预测客户信用问题。
第八章，客户保持策略研究。提出了基于客户细分的客户保持策略，并且分析了客户保持策略的过程、客户保持策略的评价。
第九章，总结与展望。对本书进行总结，指出创新和进一步的研究方向。
本书是四川农业大学商学院“工商管理学科建设”系列丛书之一，作者是四川农业大学商学院高伟。在编写的过程中，得到了四川农业大学商学院、西南财经大学出版社领导和有关同志的关心和支持，在此一并致以衷心的感谢。另外，在编写过程中，还参考了众多国内外同行的成果，并在书后列出了参考文献，但疏漏之处在所难免，恳请专家、学者批评指正，以便于不断改进完善。高伟第一章绪论
随着互联网的普及和电子商务的迅速发展，全世界范围内的各个企业都在经历一场深刻的变革。企业管理理念经历了以产品或服务为中心、以市场为中心转变为以客户为中心（陈云（Yun Chen），张国政（Guozheng Zhang）et al., 2006）。在以产品或服务为中心的阶段，企业更注重的是企业内部的生产与管理，即如何快速高效地生产产品；在以市场为中心的阶段，企业管理的重点在于产品的推销，即如何将企业生产的产品推向市场。随着信息经济时代的到来，客户很容易获得更多的产品信息，而且不同企业之间的产品或服务同质化趋势日益显著，企业独特的竞争优势很难获得，这就导致企业之间的竞争越来越激烈。在这种情况下，客户成为了企业的重要战略资源。因此，著名学者西博尔德（Seybold）指出“客户经济”时代已经来临，并指出以客户经济为轴心的三大原则：客户主宰原则、关注客户关系原则及重视客户经验原则。在客户经济时代，企业必须把客户资源当作企业最重要的资源，把客户关系管理作为提高企业核心竞争力的法宝，通过实施客户关系管理，达到满足客户个性化的需求，提高客户满意度和忠诚度，提升客户价值，通过维持长期的、良好的客户关系来获取持续的竞争优势，从而实现企业的可持续发展。
客户细分是当前客户关系管理战略上的一个热点领域。一方面，随着专业化与定制化服务的发展，客户细分被越来越多的企业所重视。企业希望通过客户细分来加深对客户的理解，满足客户的个性化需求，提高其满意度和忠诚度，从而改善客户关系，在市场竞争中取得领先优势；另一方面，根据“二八法则”，客户对企业的价值是不尽相同的，大约20%的客户创造的价值往往是企业利润的80%。因此，对企业而言，当前最重要的客户管理工作就是要借助一种有效的工具方便地评价客户的价值，识别出高价值客户、低价值客户、微利客户和无利客户，从而才有可能对其进行有效的管理和营销资源配置。
客户关系管理的另一个重要管理主题是客户保持。对客户关系进行管理的真正目标是实现客户的长期满意，而不是一次性的交易。在识别出企业的客户价值基础上的客户保持工作是客户关系管理的关键工作。相关研究表明，客户保持对企业的利润有着惊人的影响，远远超过公司规模、市场份额、单位成本等其他与竞争优势有关因素。客户保持率的提高能直接导致利润的改善。随着对客户保持重要性认识的日益增强，许多企业纷纷采取策略保持住有价值的客户，降低企业的客户流失率，实现企业利润的增长。
总之，本书主要从客户为企业创造的价值角度，利用数据挖掘技术，提出客户细分的方法，识别出有价值的客户，然后进行客户保持的研究，根据各客户分类的特点，提出相对应的客户保持策略，提高客户保持的有效性。（一）研究背景
自20世纪90年代以来，随着全球经济一体化进程的加快和市场竞争的加剧，企业的生存环境和竞争形势发生了翻天覆地的变化，而且产品和服务的同质化趋势愈加显著，从而使得企业之间的市场竞争和演进路径也发生了一些新的变化，其主要表现就是企业之间的竞争由从前的以产品和服务为中心，转变为以客户为中心。国内外企业也意识到与客户的良好互动关系是取得市场竞争优势的关键。更重要的是，客户的价值观也发生了显著性地变化，客户不仅仅从产品本身，而且还从新颖性、供货时间、质量、价格和服务等方面对产品进行综合衡量，对企业提出了更高的要求。在这样的背景下，客户关系管理（Customer Relationship Management, CRM）应运而生，并且逐渐成为企业的核心问题。
客户关系管理理论起源20世纪80年代初提出的“接触管理”（Contact Management），即专门收集、整理客户与企业联系的所有信息和数据，这仅仅是一种改善企业与客户关系的管理机制；到20世纪90年代初期演变成为包括电话服务中心与客户资料分析的客户服务（Customer Care）；在1993年前后，由加特纳（Gartner Group）最先提出了客户关系管理的概念，认为“客户关系管理是企业的一项商业策略，根据客户的细分情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力、收入以及客户的满意度”。目前，客户关系管理已经发展成为独立的产业分支，其发展前景十分乐观。据国际数据公司（Internaternal Data Corporation, IDC）研究报告《2004—2008年亚太区（日本除外）CRM市场预测》显示，亚太区（日本除外）客户关系管理的市场收入从2003年的2.241亿美元增长到2008年的4.155亿美元。其中，中国CRM市场收入从2003年的2 580万美元增长到2008年的1.086亿美元，五年间的年复合增长率为33%。加特纳公司的数据显示，全世界CRM的市场收益从2007年的81.3亿美元上升到2008年的91.5亿美元，涨幅高达12.5%。目前，我国客户关系管理市场正处于发展初期，但是发展比较迅速。赛迪顾问数据显示，2006年我国CRM 软件市场的销售总量为3.51亿元，到2007年，达到4.41亿元，同比增长25.6%。客户关系管理经过20多年的发展，不断演变并趋向成熟。对客户关系管理进行深入研究，提高其实施成功率，对提升企业的核心竞争力具有重要作用。
CRM的核心是客户价值。CRM要解决三个基本问题是：如何获取客户、如何留住客户以及如何将客户价值最大化。在CRM所要解决的这三个问题中，最大化客户价值是企业的最终目的，而获取客户和保留客户是企业实现这一最终目标的手段。客户价值是最近几年市场营销领域的一个研究热点，但也是一个难点。许多学者从不同的角度对客户价值进行了研究，这些研究大致可以分为两类：第一类是客户视角下的客户价值。此类研究认为客户价值是客户从企业提供的产品或服务中获取的价值，即企业提供给客户的价值，也称“企业—客户”价值。此类观点认为客户是价值的感受主体，企业为价值的感受客体，这是传统意义上的客户价值，也是较早涉入的客户价值研究。其中最具代表性的研究是约瑟曼（Zeithaml）提出的客户感知价值[1]（Customer Perceived Value, CPV）理论和菲利普·科特勒提出客户让渡价值（Customer Delivered Value, CDV）。客户感知价值是客户对在获取产品或服务时所能感知到的利益和其在获取产品和服务时所付出的成本进行权衡后，对产品或服务效用的总体评价；客户让渡价值是指总客户价值与总客户成本之差。第二类是企业视角的客户价值。此类研究兴起于20世纪90年代末，认为客户价值是客户为企业所带来的价值，又称为“客户—企业”价值。该视角把客户看成是企业的一种资产，侧重于研究客户生命周期价值（Customer Lifetime Value, CLV）。近年来，有关企业视角下客户价值的研究已经成为客户价值研究领域的焦点。本书也正是基于企业视角下的客户价值进行客户细分的研究。
众所周知，每一位客户为企业所带来的价值是有差异的。根据“二八法则”可知，一般来说，企业80%左右的利润是由大约20%的客户创造出来的。企业只有将其有限的资源投入到最有价值的客户身上，才可能获得较高利润。而为了实现这一目的，客户细分是一个重要手段，它是有效实施市场策略的第一步。正如里格比（Rigby）和瑞查德（Reichheld）所说，任何高效的客户关系管理都将以扎实的客户细分为基础。
客户细分就是根据客户属性划分的客户集合的过程。具体来说，客户细分是根据客户的需求特点、购买行为、购买习惯、信誉状况等方面的明显差异，把客户整体划分为若干个客户群的客户分类过程。自从1956年史密斯（Smith）首次提出市场细分的概念以来，客户细分已经成为国内外研究的一个焦点，客户细分的理论和方法也不断完善。传统的客户细分方法，例如人口统计细分、生活方式细分、行为细分和利益细分等，由于没有对客户价值进行细分，无法分辨高价值客户，因此，传统的客户细分方法在企业实施过程中的成功率很低。客户价值细分方法（有的学者称为基于客户价值的细分方法）是根据客户为企业创造的利润对客户进行细分，提供针对性的产品、服务和营销模式的过程，从而能够使企业更合理地分配资源，有效地降低成本，同时获得更有利可图的市场渗透。基于客户价值的客户细分方法是根据客户为企业创造的价值将客户细分，将客户价值作为细分指标，能够很好地弥补其他细分方法的缺陷。因此，基于客户价值理论对客户细分方法进行研究，从而为企业决策者提供客户细分的理论依据的方式具有十分重要的实践意义。
传统的客户细分方法主要采用统计技术构建细分模型，而随着数据采集技术和数据库技术的发展使得企业获得了大量的客户数据，却不能充分挖掘和利用数据库中隐藏的丰富知识。面对“数据爆炸但知识贫乏”的现象，传统的客户细分方法很难满足现在客户分析的要求。许多学者和企业管理者都在努力研究和探索如何从庞大的数据集中获得有用信息和知识的方法。随着数据挖掘技术的发展，人们迫切希望具有智能分析功能的、更高性能的客户细分方法出现。现代客户细分方法主要利用数据挖掘技术中聚类方法来建立客户细分模型。
聚类分析是一种无监督的机器学习方法。与分类不同，它不依靠预先定义的类或带类标签的训练实例，能够使得同一簇中的对象相似性最大，而不同簇的对象差异性最大。普遮（Punj）和斯图尔特（Stewart）指出，聚类分析已成为营销研究和客户细分研究中最常用的工具。目前，客户细分的聚类方法大多数是采用单一的聚类算法。但是，聚类是一种“不适定”的组合问题，我们事先对数据集的分布没有任何的先验信息，根据“天下没有免费的午餐（No Free Lunch）”理论，“如果数据集本身的分布并不符合预先的假设，则算法的结果将毫无意义，甚至可以说是该结果只是给出了一个错误的分布，或是给数据集强加了一个虚构的分布”。因此，采用单一的聚类方法对客户数据进行细分常常不能得到稳定、有效的客户细分结果。
事实上，不同的单一客户细分模型虽然各有所长，但也都有自身的不足之处，没有一种聚类方法能够在所有客户细分问题上都优于其他方法。聚类集成技术为解决上述问题提供了一种有用的思路，如果能够将多种不同的聚类器组合起来，使每一个聚类模型都在其优势空间区域发挥作用，进而将不同聚类器的聚类结果进行集成，得到综合的一致性聚类结果，则将有望提高客户聚类的准确性。1997年，美国俄勒冈州立大学电机工程与计算机科学学院的迪特里奇（Dietterich）在著名期刊人工智能杂志（AI Magazine）上预测了数据挖掘的四个主要发展方向，其中集成学习居第一位。聚类集成技术是一种崭新的集成学习方法，它利用不同的算法或是同一算法下不同参数得到的多个聚类结果进行融合，从而形成一个更好的聚类划分。在过去10多年里，经过专家学者的努力，聚类集成在理论方法上已经取得了一定的成果，并且在医学诊断、基因表达分析、图像处理等领域得到了成功的应用。在国外，也有一些学者将集成学习技术应用于客户关系管理中，如2007年加利福尼亚大学管理学院的郑志平（Zheng）和沃顿商学院的帕德马纳班（Padmanabhan）在美国运筹学与管理学会计算杂志（Informs Journal on Computing）上发表了论文，提出一种基于数据包络分析的多学习器组合方法。但将集成技术应用于CRM客户细分的研究才刚刚起步，相关研究成果还比较少。在国内，南京大学国家软件重点实验室的著名学者周志华教授在集成学习方面做了许多研究工作，但他们主要从数据挖掘和机器学习的角度来研究聚类集成，而将聚类集成学习技术用于客户关系管理的研究还很少见到。
本书拟将集成学习技术和聚类方法相结合，从管理问题的角度出发，针对不同的客户细分问题，分别构建了不同的基于聚类集成的客户价值细分模型。基于聚类集成的客户价值细分能够利用聚类集成技术来发现隐藏在客户数据中的潜在知识，将客户分为若干具有相似特征的客户群，并且对不同客户群进行有效的客户价值评估，从而帮助企业决策者实现差异化的精确营销。正确、合理的客户价值细分能够使企业针对不同价值的客户采取不同的营销策略、合理分配企业资源，从而使企业的利益达到最大化。客户价值细分正逐渐成为一个研究热点，同时也是一个研究难点，是客户关系管理中亟待解决的问题之一。
客户关系管理的另一个主题是客户保持。对客户关系进行管理的真正目标是实现客户的长期满意，而不是一次性的交易。目前，企业正处于竞争激烈的环境下，所面临的问题就是单靠扩大市场份额无法保持持久的竞争优势。因为原有客户的流动性越来越强，而获取一个新客户的开支越来越大，因此客户保持的重要性受到各国研究者和企业的日益重视。本书的另一个内容利用聚类集成技术和支持向量机提出了客户保持模型，有助于企业评价客户的信用等级，然后根据不同的等级的客户采取不同的客户保持策略。（二）文献综述1．客户细分研究现状
自从1956年史密斯（Smith）首次提出市场细分的概念以来，客户细分已经成为国内外研究的一个焦点，很多学者从不同的角度提出了客户细分方法，因为任何高效的客户关系管理都必须以扎实的客户细分为基础。细分是指根据购买者需求、特点和行为的不同将一个市场划分为相异的群体，针对不同的群体销售不同的产品，采用不同的营销组合。企业通过客户细分，一方面可以了解不同客户的需求差异，满足客户的个性化需求，从而提高客户的满意度和忠诚度；另一方面，通过客户细分，使企业发掘和利用机会，选择最适合自身发展的目标市场，从而制定最有效的营销策略。
客户细分长期以来一直被企业所重视，尤其是近年来数据挖掘技术的发展，更是把客户细分提升到了一个非常重要的地位。客户细分可以帮助企业认识到客户价值的不同，在此基础上可以有区别地保持与客户的关系。针对客户价值的不同而采取不同的营销策略，可以使企业从客户身上获取最大的利益。在信息技术的支持下，客户分得越细越好，要保证细分结果的准确性，细分变量以及数据挖掘技术的正确合理的选择是企业客户细分是否成功的关键。（1）客户细分指标研究综述
①按人口统计指标细分。
人口统计细分是最重要的细分维度之一。人口统计细分主要从年龄、籍贯、性别、家庭规模、家庭收入、受教育程度、种族、国籍等因素对客户进行细分。不言而喻，消费者是市场营销活动的终极对象，因而人口特征是市场结构的本质性动因。人口统计因素很久以来一直是细分消费市场的重要标准，也是区分消费者群体最常用的变量。
最先进入人们视野的较为系统的人口统计细分是将地理因素作为重要的细分维度，具体指标包括国家、地区、城市规模、不同地区的气候等等。由于地理环境的不同，使得不同地区的客户具有不同的消费习惯和偏好，根据地理指标，一个统一的市场可以细分为多种多样的子市场，然后公司针对不同的地理细分市场提供合适的产品。然而随着市场的全球化以及信息技术的迅速发展，客户与地理特征的关联性被逐渐削弱了。并且，地理细分多是静态细分，不一定能充分、全面地反映客户的特征。
大量对消费者购买行为的研究表明，通过对地区人口的特征和客户购买历史的调研，企业和组织可以估算出客户的忠诚度。现实情况是，那些由别人推荐而产生的购买行为的客户的忠诚度要高于那些受广告影响而购买的客户的忠诚度。此外，一般以标准价格购买产品的客户的忠诚度要明显高于以促销价格购买的客户的忠诚度；中年人、已婚人士和农村人口的忠诚度相对较高，而流动性大的客户的忠诚度则较低。企业和组织找准了目标客户群，意味着就有机会可以控制产品价值的流动方向，即只要满足了高价值客户群的消费需求并培养他们的消费习惯，引导他们消费，采取针对性的营销策略，就有可能提高企业的销售利润，降低维系客户的成本。
随着信息技术的迅猛发展，基于人口统计的细分方法能够利用在线分析技术或其他数据挖掘技术来收集和分析庞大的人口统计信息。基于人口统计信息的客户细分将外在特征作为细分的依据还是受到了很多学者的质疑。单纯地利用人口统计指标细分客户往往存在许多不准确性，不能够预测客户的未来购买行为。不过，人口统计指标细分客户仍然是十分有用的，且如果将它同别的方法相结合，效果往往更好。
②按心理因素细分
心理细分指标力图描述客户的个性特征，这些指标与客户对产品、包装、广告、公关行为的反应密切相关。影响客户购买行为的心理因素，如生活方式、生活态度、个性等都可以作为客户细分的依据。
对于企业来说，研究客户的心理因素，把个性数据与动机和行为相结合，有助于企业了解客户的行为特点，从而可以使得企业更加了解自己所面对的市场。具体来说，选择心理因素作为细分指标的优势在于：
*利用消费心理因素可以准确地把握客户的真实需求，即通过心理细分，公司可以确定消费者喜欢的产品的特点及他们会购买这种产品的原因；
*世界观、价值观和生活方式等的不同，会使人们需求的内容和结构以及消费能力产生差异，而研究心理因素可以准确界定这些差异。
*利用心理细分，公司可以全面探测客户的决策过程，从而有助于一个公司给新产品定位和给老产品重新定位。
雷泽（Lazer）首先提出以生活方式为背景来识别和细分客户。他强调生活方式的系统性，但是并没有对其内涵做出规范；布什曼（Bushman）继承了雷泽（Laser）的系统论观点，建立了一个具有统一性的二维分类矩阵来细分客户；韦尔斯（Wells）和表格特（Tigert）提出利用AIO，即活动（Activity）、兴趣（Interests）和评价（Opinions）三维变量来细分客户。具体来说，活动表现为客户平常参与的活动，可了解客户如何支配时间，兴趣是分析客户对周围事物的关注程度，评价是了解客户对自身以及周围世界的观点；普卢默（Plummer）利用人口统计特点来丰富生活方式，将AIO三维内涵扩展成四维。
心理因素细分的指标主要包括生活方式、个性、社会阶层、社会风格等几方面。最著名的模型有生活价值观模型 VALS（Value And Lifestyles Survey, VALS）模型和活力、兴趣、观点模型AIO（Activities Interests Opinions, AIO）模型。
A．VALS模型。
Value and lifestyles survey（生活价值观）是美国一家公司1978年提出的， VALS系统是用来给客户展示消费者群体的变化，以及这些变化将怎样影响客户的广告战略。VALS为我们提供了一种有效的细分市场的方法。然而，由于人们行为差异性的巨大变化、媒体选择的多样化、人们生活方式和价值观念的变化，使VALS在20世纪90年代成为描述消费者的一个无效的工具。
基于这些批评，该公司开发出了VALS2，它仅包括与消费行为有关的项目。所以，它比VALS更接近消费者。根据自我导向变量，消费者被划分为8个细分市场：
a．现实者（Actualizers）：乐于赶时髦，善于接受新产品，新技术，新的分销方式，不相信广告，阅读大量的出版物。他们非常自信，拥有大量的信息资源。他们对于寻求发展、开拓和增长有兴趣，并且他们喜欢通过各种不同的方式来表现自己。有时他们做事会有原则性，有时又会打破条条框框富有创新精神。对于他们来说，形象是非常重要的，这不仅是他们身份和地位及权利的明证，更是他们对于品味、独立以及个性的体现。他们大量存在于政府和商业界的领袖里面。他们不断地寻求挑战，他们的兴趣广泛，他们关心社会问题、对变革持开放的心态。他们有实力过上高质量有品味的生活。他们是社会的精英群体。
b．满足者（Fulfilleds）：对名望不太赶兴趣，喜欢教育和公共事务。他们通常是有秩序、有知识和有责任感的。他们中的大多数受过良好的教育，并且具有专业的特长。他们对机会都很敏感，并期望获得更广博的知识。他们的休闲活动更趋向于以家庭为中心的。他们自觉地维持社会秩序，但对于新思想和社会变革持开明的态度。满足者会坚定地维护自己的为人处世原则。他们属于老练的和讲究实际的消费群体。他们通常会购买实用性的、物有所值的和耐用的产品。
c．成就者（Achievers）：被昂贵的产品所吸引，主要瞄准产品的种类，中度电视观看者，阅读商务、新闻和自助出版物。
d．体验者（Experiencers）：追随时髦和风尚，在社交活动上花费较多的可支配收入，购买行为较为冲动，是年轻有热情的，并且有一定的反抗精神。他们会对某种新事物迅速燃起热情，但也会迅速冷却，总是对于所信仰的事物有种矛盾心理。作为消费者，体验者喜欢快餐、音乐、电影、光碟。他们把大部分收入花在了衣服上面。
e．信仰者（Believers）：偏好变化较慢，阅读有关退休、家庭、花园和其他感兴趣的杂志。他们是保守的，常常根深蒂固地坚持传统，主要观点和行为表现为典型的：家庭、教堂、社区和国家。作为消费者，他们是保守的，并且其行为是可预见的。他们喜欢美国产品和现有的品牌。
f．奋斗者（Strivers）：注重形象，但能够保持信用卡平衡，花销主要在服装和个人保健产品上，与阅读相比，更喜欢观看电视。
g．劳作者（Makers）：逛商店是为了体现舒服、耐性和价值观，不被奢侈所动，仅购买基本的东西，听收音机，是讲究实际的和善于自我满足的一群。他们有自己的手艺，具有传统的家庭价值观，信奉实用主义，对外面的精彩世界并不感兴趣。劳作者有充足的收入和技能及能力来成功地完成他们手头上的每一个项目。他们是政治上的保守主义者，对新的观念持怀疑态度，尊重政府的权威，厌恶政府对个人权力的干涉。
h．挣扎者（Strugglers）：忠实品牌，使用赠券，观察销售，相信广告，经常观看电视。挣扎者的生活是窘迫的，长期的贫困，单一的技能，极少的教育，没有社会保险，年老并担心自己的身体健康。因为他们要时刻面对生活中的每项需求，所以他们没有很强的自我意识。
利用VALS理论来细分市场的意义在于：
一是用VALS细分市场和传统的细分市场不同。传统的细分市场研究主要从消费者的社会经济特征去判断不同消费者的行为模型。而VALS利用生活形态来细分市场。这更能直接影响人们的消费购买。
二是VALS的引入促使市场研究人员强化对消费者态度与使用的研究，从态度与习惯来判断其生活方式。同时，了解品牌个性，赋予品牌相应的人物特征。这样，什么样生活方式下的人便与什么个性的品牌相对称，有利于产品品牌形象的建立。
三是从消费者角度来说，VALS研究强调人们的生活形态和价值观。如果在广告推广活动中，结合消费者的需要描绘目标世界，肯定他们的成就，点燃他们的梦想，才有可能产生良好的回应和认同。
然而，用VALS理论来细分市场的时候也存在一些不足的地方：
一是影响消费者行为因素的有四个层面：文化、社会、个人、心理。根据这四个层面而划分细分市场的标准分别是：地理和人口特征、心理特征和生活方式、产品态度和利益追求、消费行为和价值。虽然以心理特征和生活方式为标准的细分办法在美国、日本相当盛行，特别是在汽车、家具、化妆品等细分方面经常运用，但对于以上几类标准的有效性，现在理论界还没有一个明确的标准。例如：新产品的开发和定位，需要市场主体的产品态度和利益追求信息；品牌内涵设计及品牌形象塑造，需要心理特征和生活方式信息的支撑；媒体计划和渠道模式的制订，离不开生活方式信息、地理人口特征等等。所以， VALS通过消费者心理来细分市场的同时不能忽略了其他因素的作用。
二是在实践中运用VALS方法带有一定的片面性。例如，VALS将2/3的人口划分在两个小组里，因为这2/3的群体具有明确的人口统计、职业和媒体特征，这使得其他组群的人口数量太少，以至于许多公司对这些小组不感兴趣或极少关注这部分市场。
B．AIO模型。
一般来说，一个人的生活方式是不容易确定的。除了VALS模型外，许多企业还通过询问消费者一大堆有关活动（Activities）、兴趣（Interests）和观点（Opinions）的问题，来确定其生活方式，并将这种生活方式简称为AIO模型。该模型的具体内容如下：
a．活动。分析消费者日常参与的活动，了解消费者如何打发时间，掌握消费者的实际行为状况，即消费者如何花费资源和时间。例如，分析消费者从事什么工作，在何处工作，每周工作多少时间，通常在何处休闲娱乐等问题。
b．兴趣。分析消费者对事物的兴趣，了解消费者的理想意愿、欲望目标，掌握消费者的偏好和优先考虑的事情，即消费者所重视的事和物。例如，消费者最爱哪种类型的电视节目，习惯阅读哪类杂志，最爱吃哪种食品等。
c．观点。分析消费者对事情的意见，了解消费者对各种各样的产品或服务是如何感知的，掌握消费者的思想方法，所认同的见解和价值观，即消费者对自身及周围世界的观点。例如，消费者是否相信“诚实”是一种美德，消费者的文化教育情况以及他们对产品或服务的看法和意见等。
AIO模型作为一种被长期关注的细分方法，在分析潜在客户和现有客户方面功能强大。利用AIO模型，我们可以把消费者分为三大类：
第一类是家庭型。这一类人对待工作勤勤恳恳，他们工作的目的是为了养家糊口，他们最关心的是家庭和睦，对家庭有着强烈的责任感。在他们看来，子女教育事关家庭未来，因此，在家庭方面大力投资。
第二类是潇洒型。这一类消费者的工作目的是为了过得潇洒自如。他们关心的问题以自身为主，对于政治、经济以及社会问题淡然处之。对于未来前途，他们力求顺其自然。他们重视眼前生活，爱好娱乐、体育运动以及度假，追求舒适的生活方式。他们的消费集中在娱乐休闲方面。
第三类是事业型。这一类消费者的活动以工作为主。对于他们来说，工作不光是一种职业，更是一种毕生的神圣事业。在某种程度上，他们是工作狂，将精力投身于工作而乐此不疲。他们对事业的关注超过了他们对家庭的重视。他们虽有各种兴趣，但为了工作却不惜放弃。娱乐对于他们来说是一种奢侈品。同时他们对政治、经济和社会问题有自己独到的见解。他们追求高档次的生活，是精品消费的主要对象。
心理细分虽然应用广泛，但是在应用过程中仍存在许多问题。首先，尽管心理细分的指标很多，但是没有一种操作起来是最为理想的。这主要是因为一方面在心理细分中，采集到的数据通常并不是普遍适用于每一个细分市场，如生活方式、态度和其他因素对客户购买行为的影响是因地区的不同而存在差异的，甚至在同一个城市的不同区域之间也存在极大的差别；另一方面，在进行客户细分时，调查客户购买心理的成本太高。为了分析客户心理，一个公司需要建立庞大的问题数据库，并且要根据不同的产品或服务设计不同的问题；最后，与客户统计不同，客户心理特征是内在的、非显性的生理和情感反应，是客户细分中较为复杂的一类指标，我们必须对客户不同的心理进行充分的调查研究，从而获得可靠的数据。
③按客户行为细分。
基于行为的细分方法的典型代表是间隔、频率、金额（recency、frequency、monetary, RFM）RFM方法。休斯（Hughes）于1994年提出通过RFM的三个变量，即最近一次消费间隔、消费频率、消费金额来描述和细分客户，从而识别最有价值的客户。最近一次消费间额（R（recency））是指上次消费至现在的时间间隔；消费频率（F（frequency））是指某一时间段内的消费次数；消费金额（M（monetary））是指在某一时段内的消费金额。RFM分析针对每个客户的这三个指标打分，然后将其乘积，对结果排序，并在次基础上将客户按照20%、60%、20%分类。RFM分析过程比较复杂，针对其缺点，马库斯（Marcus）提出利用购买次数和平均购买金额构建二维的客户价值矩阵模型来修正RFM方法。该矩阵需要的信息包括客户代码、购买日期、日购买金额，这种方法的优点在于简化了客户细分群体，而且易于针对每一个客户群提出营销策略。
在以客户行为为基础的细分中，客户忠诚也是一关键变量。最具代表性的研究是将忠诚分为态度忠诚和行为忠诚两个维度。迪克（Dick）和巴苏（Basu）认为，只有当客户的重复购买行为伴随着较高的态度取向时才产生真正的客户忠诚；格里芬（Griffin）依据重复购买的程度和积极态度的强度把忠诚分为四类，并指出客户关系具有阶梯性。客户关系阶梯共分七个等级：猜疑者、潜在的购买者、不合格的购买者、第一次购买的客户、重复购买的客户、忠诚客户以及倡导者；格兰姆勒（Gremler）和布朗（Brown）把客户忠诚分为行为忠诚、意识忠诚和情感忠诚三个维度，着重于评价客户行为趋向，衡量指标有再购买周期、再购买频率和数量等。
基于行为的客户细分是利用统计方法对客户以往和现在的行为来预测将来的行为，这种基于统计的方法无法对海量数据进行处理，而且对于细分的客户属性也是有限的。并且，统计方法总是对样本的分布存在假设，而实际的客户数据样本往往不满足这些假设条件。更重要的是，依据行为进行客户细分，由于受预测的时效性影响，对潜在客户无法分析。
④按客户价值细分。
在当今的营销环境中，企业实施客户细分的动因已不仅仅是要扩展企业经营的触角和确定市场突破的方向，更重要的是强化企业与高价值客户之间的互动关系。瑞查德（Reichheld）的研究表明不同客户具有不同的客户价值，因此在价值因素驱动下，传统客户细分方法已经不能适用于企业发展的需要。鉴于此，许多学者提出了利用客户价值对客户进行细分。
因为客户的价值是不尽相同的，而对于企业来说，就是希望尽可能多地获取和保持更多有价值的客户，以实现企业利润的最大化，所以就出现了基于客户价值的细分方法。随着客户细分研究的不断深入，基于客户价值的细分方法日益成为许多学者的研究热点。基于价值的客户细分是企业以客户价值为基础对其客户进行细分，以客户的盈利能力为标准对客户进行评价。根据利润或价值是市场细分的驱动因素这一理论，基于客户全生命周期价值的客户细分称为客户价值细分。谢登（Sherden）提出了客户关系管理中的二八原则，即企业80%的利润是由20%的客户产生的，由此可以看出客户生命周期价值对于企业的市场战略具有重要的意义；博伊斯（Boyce）指出客户全生命周期利润是客户价值的衡量标准；古普塔（Gupta）提出客户全生命周期利润是客户价值细分的关键；苋霍夫（Verhoef）和当克斯（Donkers）以当前价值和潜在价值为细分的两个维度对一家金融公司的客户进行了细分。陈明亮在研究客户生命周期模式的基础上，提出基于客户全生命周期的客户价值细分方法，并对客户价值的判断标准进行了分析，将客户所产生的价值分为历史利润和未来利润。针对客户的当前价值和潜在价值将客户细分为四类，然后进行客户战略讨论。通过对文献的梳理发现，目前对基于客户价值的细分标准的研究大都是将客户价值分为当前价值和潜在价值，本书对客户价值的细分标准也是基于这一观点。（2）客户细分方法研究综述
客户细分从方法论上分为事前细分和事后细分。事前细分的理论基础是消费者行为模式，其方法有RFM分析和客户价值矩阵分析等。当消费者行为比较复杂时，事前细分方法不能确保不同细分市场之间的差异性。与事前细分相对的另一种重要细分方法是事后细分法，它包括了预测性细分和描述性细分。基于价值的客户细分属于事后细分。预测性细分中关键的一步是确定出因变量，而这一点有赖于研究者对消费者行为的了解，当消费者行为比较复杂时，预测性细分效果将大打折扣。描述性细分从客户数据出发，将所有的属性看成是自变量，通过数据挖掘中聚类分析的方法对市场进行细分。与前两种方法相比，描述性细分不必依赖于消费者行为的先验知识，因此比较适合于当前消费者行为变化迅速的时代，是目前研究得最多的细分方法，文献中可以看到的此类方法在50种以上，主要有划分聚类法、层次聚类法和神经网络聚类法。例如，布恩（Boone）和罗姆（Roehm）研究了用人工神经网络技术进行客户细分的Hopfield-Kagmar（HK）聚类方法。研究表明，HK聚类方法中的每一个神经元与其他神经元都相连，信息能够以多个方向在神经元间流动，比 k-menas聚类方法更适合客户细分。克姆（Kim）等利用神经网络聚类法对旅游业客户进行了细分。弗雷利（Fraley）和拉夫特里（Raftery）将聚类方法运用在客户细分的研究中。邓晓懿等通过对比k-means、自组织映射神经网络和粒子群3种聚类算法的不足，提出混合型聚类算法，并用于餐饮业客户细分问题中。研究结果表明，混合型聚类算法具有较高的聚类精度同时还具有较快的收敛性能。陈智高等通过分析我国期货业客户的特点，认为对期货客户进行有效地细分是解决期货业面临的市场服务问题的关键，构建了期货业客户价值预测模型，提出了基于客户当前价值和潜在价值的两维聚类细分方法。
这些方法虽各有特点，但总体来说，主要存在三点不足：一是利用单一的聚类算法得到的客户细分结果很不稳定，例如k-means算法，随机选取聚类中心，每次选取的聚类中心不同，产生的聚类结果也是有差异的。二是多为确定性客户细分模型，即条件属性相同的客户被确定性地分入某一特定类。然而，在进行客户细分时，并不能指出某个客户一定属于或一定不属于某一群体，恰恰相反，一个客户可以同时属于不同的客户群。三是要事先确定类数或是通过一定的指标确定最优的类数。例如划分方法要求预先给定要构建的划分数目；层次的方法要求建模人员根据对系统的先验知识从得到的谱系图中选一个距离水平来确定类数；建立SOM结构必须预先指定聚类的数目。确定细分数目是客户细分的一个关键问题，主观确定细分类数会使细分数目过少或过多，这两种情况都使 CRM 失去应有的效果。基于 GMDH（Group Method of Data Handling）理论的OCA（Objective Cluster Analysis）聚类算法具有能够自动确定聚类个数的优点，而且对数据噪声有更强的抗干扰性。OCA方法是基于偶极子的聚类方法，但该方法使用的一致性准则经常不能找到最优聚类方案。针对这一不足，贺昌政等建立新的一致性准则GCA，实证表明新准则不仅能力比原一致性准则更强，而且有明确的含义。赵珩君将OCA方法运用到客户价值细分中，与k-means算法进行比较，最后发现OCA算法能够客观地确定客户的类数，而且对数据噪声有更强的抗干扰性。然而，已有的基于OCA的客户价值细分方法只是利用单一的聚类算法对客户数据进行了细分。
随着数据集采集和数据存储技术的飞跃发展，用于机器学习的数据集规模越来越大，利用单个学习器并不一定能很好地解决某个问题。英国威尔斯大学数学学院著名学者Kuncheva指出，若能够将多种不同的分类器组合起来，使每一个分类模型都在其优势空间区域发挥作用，进而将不同分类器的分类结果进行集成，得到综合的分类结果，将有望提高客户分类的准确性。1997年，美国俄勒冈州立大学电机工程与计算机科学学院的迪特里奇（Dietterich）在著名期刊《人工智能杂志》（AI Magazine）上发表文章预测了机器学习的四个主要发展方向，其中集成学习居第一位。庆南等人在《交互式营销期刊》（Journal of Interactive Marketing）上发表文章，利用集成学习的方法集成多个人工神经网络来建立客户响应模型，取得了很好的效果。集成学习方法成为优化单个营销模型的重要手段。
聚类集成技术可以提高学习的泛化能力。许多研究表明，聚类集成在算法的鲁棒性、准确率和稳定性方面都超过了单一的聚类算法。近年来，也有一些学者将聚类集成用于客户细分。如文献中，针对电信客户的信用欺诈行为，将SOM方法和k-means方法联合起来对客户进行聚类，得到新的客户特征，提高了分类的性能；王进（Wang）等针对银行个人业务客户数据海量而属性多的特点，利用k-means算法生成基本聚类器，然后通过投票方法进行集成，提高了客户细分的准确率。
分析以上有关客户细分方法的研究，应用比较多的聚类方法包括 k-means、模糊聚类、神经网络聚类等数据挖掘技术。不同的研究者根据具体的应用环境选择不同的方法，然而这些方法在具体应用中则常常出现精度不够或者鲁棒性不强，限制了在客户细分中的应用。特别是现在的市场环境越来越复杂，对客户购买行为的影响因素也越来越多，使得客户细分问题变得越来越复杂。而且，企业对客户精确营销的追求要求客户细分的准确度也越来越高，因此，提高客户细分算法精度是当前亟待解决的问题。聚类集成技术为解决客户细分的这些问题提供了解决之道，由此，聚类集成技术成为解决复杂客户细分问题越来越倚重的技术选择。2．客户保持研究现状
客户保持模型研究的相关文献一般来说是按照客户保持管理的需要从如下三个角度来进行分析的。
一是基于客户的模型：以客户为目标，重点研究客户的特点、客户的动态流动机制以及环境等各方面因素对客户保持的影响。二是基于组织绩效的模型：以提高组织整体绩效为目标，对客户保持的研究不仅仅停留在客户自身的特征上，而是对客户保持如何影响组织的整体绩效、核心竞争力、持续竞争优势进行深入研究，即深入研究组织的功能、结构、领导、技术、人力资源等各因素如何与客户保持管理交互作用、协调发展。
三是基于服务提供商的模型：以“管理客户为目标，从组织环境、组织结构或管理过程的某一环节，如决策、战略制定等方面入手，研究如何对客户进行高效的管理。（1）基于客户的保持模型
基于客户的模型主要研究企业与客户之间关系持久的动态性以及企业客户保持的状况。根据模型所采用的数据类型是时间序列数据还是横截面数据，可以划分为纵向考察模型和横截面考察模型。
①客户保持的纵向考察模型。
客户保持的纵向考察模型是测量企业与客户之间关系持久的动态性，实质上也就是考察企业与客户之间关系持续年限对关系解散概率的影响。博尔顿（Bolton）采用风险模型方法来考察客户保持行为，提供了一个早期的使用客户时间序列数据考察客户保持的模型。该模型假定一个客户保持与服务提供商关系的持久时间是一个随机变量T，具有概率密度函数f（t）和概率分布函数F（t）。用比例风险回归方法来估计风险率：h（t）h（t）= f（t）/（1-F（t））。
在此以后的研究和应用基本上是在博尔顿（Bolton）模式基础上进行扩展的。道格拉斯（Douglas）将这一方面的研究进行了扩展。他将企业商务服务中的客户保持模拟为5个变量：客户特征、服务质量、关系建立行动、价格策略、竞争诱惑的努力程度的函数。在此基础上，他使用风险模型，根据客户的时间序列数据来模拟客户保持行为；蒂娜（Tina）考察了保险行业的客户保持，他们使用生存函数分析方法来预测交叉销售机会并试图识别从同一个企业中购买其他服务的客户以及客户将会购买的服务的类型和购买时间；德克（Dirk）使用比例风险模型对银行服务进行客户流失分析，实证研究了欧洲金融服务企业背景下的客户流失，考察作为客户关系管理的核心部分——客户扰动的预警指标；世特（Bart）使用风险模型检测最有可能进行交叉销售的产品种类以减少客户扰动的概率，同时使用生存分析和多项式Probit模型估计客户对产品特征的偏好。
②客户保持的横截面考察模型。
纵向考察和测量客户保持行为的方法主要是考察了客户维持与服务提供商关系的动态连续性，而结合从某一个时刻上特别是从当前时刻上来考察企业客户保持的状况，则更加有利于企业客户保持规划的战略决策分析和设计，有利于客户保持管理目标的实现。所以，另一个比较重要的方法就是通过观察客户横截面数据来考察客户保持。
鲁斯特（Rust）提供了一个早期的使用客户横截面数据考察客户保持的模式。该模型假设按时间间隔计算的客户满意分数的行向量S可用来分析客户满意因素F。将客户忠诚倾向L模拟为满意因素F的函数：
其中，b是系数纵向量，e是分布的极端值的误差项。使用一个多项式logit模型即可获得客户保持的概率R。
上述模型方法看起来似乎是合理的，但是，如果将其应用于管理实践的时候会发现其仍然存在有问题。特别是在一个成功的连续服务企业，例如在商业银行中，在任何时间均存在着一定比例流失的客户，这些流失的客户事前不能识别，并且流失客户和非流失客户之间可靠的差异也难以识别。这样，一个客户样本即便是大样本也仅仅只能捕捉相当小数量的客户流失，这非常不利于企业对客户保持的有效管理。避免这个问题的一个方法是在一个时间区间上预测行为意图而不是行为本身。博尔丁（Boulding）等将行为意图（BI）模拟为总体服务质量（OQ）的线性函数，他明确地模拟了期望是如何随着时间变化而形成的，以及期望是如何影响总体质量感知和行为意图的，为从预测客户行为意图的角度考察客户保持提供了开创性的思路。它同时预示着可以应用贝叶斯模型方法来模拟随时间变化的期望和选择。克罗宁（Cronin）等人评估了在服务背景下服务质量、价值和客户满意对客户行为意图的影响；巴特（Bart）等人使用贝叶斯网络分类器识别长寿命客户的客户生命周期的斜率和倾向。（2）基于组织绩效的保持模型
除了考察和建立基于客户的客户保持模型以外，更多的理论研究者和市场营销实际管理工作者关心客户保持对企业的影响，并试图建立相应的管理模型。在这一研究领域里，现有的研究可以典型地分为两类：第一类就是大多数研究者使用货币数据，诸如收入或利润作为因变量，考察客户保持对企业的影响，即使用总和模型在企业水平层次上考察客户总体行为对企业利润的影响。第二类则是指使用非总和模型的研究，即在个体水平层次上利用客户重复购买意图调查客户行为对企业利润的影响和使用个体水平层次上真实的购买数据来考察客户行为对企业利润的影响。
①总和模型。
总和模型主要用来描述客户满意、客户保持和利润之间的联系。纳尔逊（Nelson）等考察了病人的满意和医院利润之间的关系并从统计上证明了客户满意和企业利润之间的显著关系。福内尔（Fornell）开发了一个某种程度上更为深入的模型。他们建立了一个将期望、质量感知、客户满意和投资报酬联系起来的方程组。福内尔（Fornell）利用这一方程组进行实证研究的结果是：客户满意的提高确实与投资报酬的提高密切相关。Nelson 模型和 Anderson-Fornell模型均假设企业产出和客户满意之间有联系，但在两个模型中对二者之间的联系是如何起作用的均未能做出清楚的解释，仍存在着相当大的缺陷。为了弥补这一缺陷，达纳赫（Danaher）提出了一个新的模型。该模型将客户满意的正面影响分解为直接影响和间接影响。随后，博尔顿（Bolton）等人采用服务使用量和价格感知的动态模型考察满意对增加客户使用量和客户保持的影响；皮特（Peter）等人使用交叉购买动态模型考察了满意和支付价值对交叉购买及客户保持的影响。
②非总和模型。
总和模型的特点是通过处理企业水平层次信息，诸如市场份额、投资报酬、平均客户满意、客户保持率等来考察客户保持对企业的影响，但大多数企业同时具有个体水平层次上的客户购买意图信息和真实的购买数据。分析个体水平层次的非总和数据可以提供重要的可用来改善企业服务质量和提高客户保持率的诊断信息；更为重要的是，可以利用这些数据考察客户对企业所提供服务特定方面的要求和建立客户保持对企业财务影响的管理模型。
揭示这方面联系的第一个模型是由哥得雷斯（Kordupleski）开发的AT&T模型。他们的一个重要观点是：考察客户满意和客户保持数据的目的是改善管理过程。鲁斯特（Rust）研究客户满意和客户保持对企业利润的影响。目前客户保持的一个研究热点，也就是对服务质量、客户满意和客户保持等变量之间的具体数量关系进行论证和识别。博尔顿（Bolton）等人分别于1999年和2000年考察了服务质量、客户满意和客户保持之间的数量关系。（3）基于服务提供商的客户保持模型
基于服务提供商的客户保持模型主要包括抱怨管理模型和客户满意激励模型。
①抱怨管理模型。
传统的市场营销关注于怎样通过广告、价格、个性销售、产品定位等营销方法吸引新客户，现代市场营销强调进攻性营销和防御性营销的结合，而防御性营销的一个重要方面就是重视客户抱怨，保持现有客户。防御性营销在服务业特别重要，许多服务行业只有当企业与客户关系继续保持和加深时才是有利可图的。福内尔（Fornell）等人于1987年和1992年所做的研究工作为评估防御性营销的有效性提供了一个分析基础，并且在随后的2001年诺沃（Novo）和2002年埃尔托（Erto）对之进行了深入的拓展。根据福内尔（Fornell）的理论观点，这种防御性营销可通过一个抱怨管理系统来运作。
②客户满意激励模型。
许多企业和服务提供商发现实施“硬销售战术”如削减成本等，可以在短期内增加销售额，但与此同时，如果降低客户满意和客户保持，则最终会降低销售收入。因此，企业和服务提供商开始认识到雇员的努力在客户满意和客户保持中的重要作用，在同时考虑销售额、客户满意和客户保持的基础上注重加强对销售人员的激励。豪泽（Hauser）在1994—2000年建立并发展了一个探索这种类型激励规划效果的模型。他们将雇员的努力分为两部分：短期努力与长期努力。短期努力驱动目前的销售，而长期的努力增加客户满意、客户保持和未来销售额。
本书首先从多个方面、多个角度对客户保持模型进行了系统化、结构化的梳理和综述，但是对客户保持还有待进一步研究，如提出更具体、科学、切实可行的客户保持的测量与预测指标体系和方法，以及在新的环境条件下，如信息不对称条件下和电子商务环境下客户保持的测量和预测方法，提出客户保持管理的绩效考评指标体系等。
其次，大量模型对组织与客户之间关系的质量、服务质量、客户满意、价格与非价格因素等影响客户保持的因素作了分析，但这些因素的相互作用、相互影响如何对客户保持发生作用还要作进一步地深入研究。另外，客户保持模型的研究还应从客户转移（客户流失）的流动机制研究向客户转移的原因与影响因素的研究发展，以便企业能够积极地采取预防性措施，并防止客户流失给企业造成损失。
最后，基于组织模型的研究显得相对薄弱，客户保持模型的研究应向此方向发展，加强如何从组织环境、组织结构和组织管理过程的某一环节，如决策、战略制定等方面入手，对客户进行高效合理的管理研究。
值得注意的是，本书主要对市场营销研究文献中的客户保持模型进行了归纳，很少涉及运筹战略研究文献中与客户保持有关的模型研究问题。事实上，在许多服务行业，营销管理和运作管理之间的区别已经非常模糊，可以将排队论中的客户行为模型扩展到研究客户流失率，进一步还可以扩展到研究排队等待对客户保持的影响效果等等。因此，如何将各学科之间完全不同的服务和客户保持模型结合起来，如何利用不断发展的数学方法和计算技术以及数据挖掘、统计技术，对企业客户关系管理中的客户保持及其管理进行研究，是理论工作者在实际应用研究过程中需要予以充分重视的难点之一。
试读结束[说明：试读内容隐藏了图片]