1 客户细分模型的相关研究

Hushes于1994年提出了客户关系管理模型的客户细分方法。这个理论的主要内容是将行为变量分为三个客户。R指的是客户最新购买的当前时间间隔。F是指顾客购买的数量，而M是花费的金额。细分方法分为客户的三个指标，然后计算三个指标的权重之和，最后根据结果的大小进行排序。基于传统的RFM模型，Chang等人通过计算获得的M值越大，客户和企业之间重复交易的可能性就越大。根据从客户交易数据库获得的数据，Hsu等人然后将客户分为五个等级，最近的客户是5分，最远的客户是1分。根据该方法，所有顾客根据购买频率和总金额按高到低的顺序进行分级。最后，将得到每个客户的射频识别的三个点。但是这种方法人为影响较为严重，使得计算出的分值代表范围有不可控制性；数据交叉现象可能出现在购买频率F和总购买金额M变量之间。胡等人。客户细分方法的根本区别在于细分方面。不同的细分维度考虑不同的因素，并且细分方法会有所不同。回顾整合相关研究及文献，发现主要可以分为四个细分维度：人口划分，生活方式划分，行为划分和价值划分。

（a）人口分类主要基于诸如性别，出生地，年龄，种族，家庭收入，教育水平和国籍等因素。对于企业来说，在竞争激烈的市场中，顾客的数量是一定的，顾客的多样性是很普遍的。试图细分整个客户群是一个容易犯错误的人口统计学分割。对客户群进行完全分割是不现实的。人口统计学分割并非全部有效。因此多维度细分慢慢进入研究者的视角。

（b）Laser提出生活方式细分，Bushman(1982)则在Laser细分理论基础上，利用二维分类矩阵对目标客户的数据进行分析。从顾客和产品的角度出发，分析了顾客价值与产品价值的相互关系，并在此基础上逐步转变为利益分割方法。

（c）行为细分是从顾客的过去和企业的交易行为和消费习惯来预测未来的情况。数据库技术的发展导致了基于客户行为数据和客户细分以及信息技术支持的细分方法的出现。通过分析数据库中现有的客户行为模式来分类客户。这是一种简单可行的细分方法，但行为细分基于过去的数据。如果想要探索新客户或者挖掘潜在客户价值，行为细分不一定可行。

（d）Haley等人与传统的分割方法相比，区别在于它利用客户的消费动机，对价格变化和消费者行为的反应态度来挖掘客户可能为企业提供的收益。

2 客户细分方法的相关研究

客户细分是客户关系管理理论的核心组成部分，是一种行之有效的客户管理方式。每当形成一种客户细分方法都会有相应的理论依据。回顾已有的与客户细分相关的的文献和研究，主要有以下几个方面：客户需求的差异性；有限的客户资源和有效的市场竞争；20/80法则。客户细分的三大原则有：可接受性，可衡量性，稳定性。客户细分的目的是更好的了解分析每一类客户的真正需求和价值，在明确了细分的目的之后，客户细分的方法应当从多角度进行。客户细分的方法不是一尘不变，一般来说企业会根据已有的数据库的客户信息和管理客户的要求对客户进行分门别类，就常规方法而言定性分析和定量分析两种。所谓的定性分析是对企业所有的目标客户从宏观意义上进行分类的一种方法，这种方法的论证方法不够严谨，很大程度上依赖于决策者的判断。定量分类法根据具体变量的客户数据进行客户分类的方法。客户细分另外一个不得不考虑的问题就是分类变量的选择。一般来说客户细分更多的是根据客户属性划分客户类型，故而分类变量的选择通常可以基于客户生命周期特征，客户价值和消费行为的偏好。 客户细分模型文献综述和参考文献:http://www.chuibin.com/wenxian/lunwen_206030.html