馬小龍，趙明麗

(1.中國鐵路鄭州局集團(tuán)有限公司 貨運(yùn)處，河南 鄭州 450000；2.北京京天威科技發(fā)展有限公司 戰(zhàn)略發(fā)展部，北京 100085)

近年來，我國運(yùn)輸市場(chǎng)結(jié)構(gòu)發(fā)生了很大的變化，中國鐵路總公司堅(jiān)持市場(chǎng)導(dǎo)向，不斷深化運(yùn)輸供給側(cè)結(jié)構(gòu)性改革，增加客貨產(chǎn)品有效供給，鞏固和擴(kuò)大鐵路運(yùn)輸市場(chǎng)份額[1]。各鐵路企業(yè)每年貨運(yùn)客戶超過4 500 家，部分企業(yè)客戶甚至高達(dá) 9 000 家，而且處于實(shí)時(shí)流動(dòng)狀態(tài)，客戶性質(zhì)、發(fā)貨品類、發(fā)貨頻率、發(fā)貨數(shù)量迥然相異，營銷難度大，傳統(tǒng)的大客戶營銷策略維度過于單薄，無法滿足提高運(yùn)輸服務(wù)質(zhì)量及擴(kuò)大市場(chǎng)份額的需求[2]。因此，集中力量發(fā)展核心競(jìng)爭(zhēng)力，挖掘關(guān)鍵客戶，成為鐵路企業(yè)的必然選擇。在新的鐵路貨運(yùn)清算規(guī)則下，開展精準(zhǔn)營銷，實(shí)施個(gè)性化營銷策略成為鐵路企業(yè)的關(guān)注焦點(diǎn)，通過對(duì)貨票歷史數(shù)據(jù)規(guī)律的挖掘，運(yùn)用帕雷托法則篩選貨運(yùn)主要客戶，借助于傳統(tǒng)客戶關(guān)系管理模型 RFM 的理念[3]，構(gòu)建鐵路企業(yè)貨運(yùn)客戶評(píng)價(jià)模型；與此同時(shí)，利用德爾菲法與層次分析法更專業(yè)、更客觀地確定各評(píng)價(jià)指標(biāo)權(quán)重，最終實(shí)現(xiàn)對(duì)鐵路貨運(yùn)客戶進(jìn)行評(píng)估與重要程度劃分，助力鐵路企業(yè)構(gòu)建完善的市場(chǎng)營銷體系。

1 鐵路貨運(yùn)客戶評(píng)價(jià)模型構(gòu)建

模型建立根據(jù)以下假設(shè)前提：①某鐵路集團(tuán)公司鐵路貨運(yùn)量與貨運(yùn)收入符合改進(jìn)的 80-20 原則 (即80% 的貨運(yùn)量與貨運(yùn)收入來源于 20% 的貨主，具體視每個(gè)鐵路集團(tuán)公司具體情況而定)；②一線營銷人員掌握貨運(yùn)客戶運(yùn)輸總量。

（1）步驟 1：建立客戶評(píng)價(jià)指標(biāo)體系。傳統(tǒng) RFM將客戶一段時(shí)間內(nèi)的購買頻率、最近一次購買時(shí)間、一段時(shí)間內(nèi)帶來的利潤作為評(píng)價(jià)維度，維度較為簡(jiǎn)單，無法滿足復(fù)雜的鐵路貨運(yùn)現(xiàn)狀[4]。因此，基于 RFM 模型的基礎(chǔ)理論，結(jié)合貨運(yùn)營銷專業(yè)調(diào)研結(jié)果，從鐵路貨運(yùn)實(shí)際情況出發(fā)，考慮從以下 4 個(gè)維度切入：客戶對(duì)鐵路運(yùn)輸?shù)呢暙I(xiàn)度 S；客戶對(duì)鐵路運(yùn)輸企業(yè)的忠誠度 L；通過淡季運(yùn)量衡量鐵路企業(yè)的發(fā)貨潛力 P；基層工作人員對(duì)客戶的主觀評(píng)價(jià) O。其中，基層工作人員的評(píng)價(jià)分?jǐn)?shù)為 1-100，主要從日常遵守鐵路規(guī)章情況、對(duì)鐵路平常調(diào)研工作的支持程度及鐵路運(yùn)輸保密協(xié)議遵守情況等多個(gè)主觀方面進(jìn)行考核[5]，每個(gè)維度都有各自支撐指標(biāo)，鐵路貨運(yùn)客戶評(píng)價(jià)指標(biāo)體系如圖 1 所示。

圖?1 ?鐵路貨運(yùn)客戶評(píng)價(jià)指標(biāo)體系Fig.1 Evaluation index systemof customer

（2）步驟 2：權(quán)重計(jì)算。為了使權(quán)重值符合貨運(yùn)生產(chǎn)規(guī)律且更客觀，采用德爾菲法與層次分析法相結(jié)合的方法進(jìn)行計(jì)算。首先，由企業(yè)貨運(yùn)客戶關(guān)系管理相關(guān)專業(yè)專家為各項(xiàng)指標(biāo)進(jìn)行相對(duì)重要程度打分，再由層次分析法算出每一層每個(gè)指標(biāo)的絕對(duì)權(quán)重。

①專家為各層各項(xiàng)指標(biāo)相對(duì)重要程度的打分結(jié)果，形成各層指標(biāo)的判斷矩陣如下。

式中：A 為各層指標(biāo)的判斷矩陣，為交互矩陣，任意2 種評(píng)價(jià)指標(biāo)的相對(duì)重要性，數(shù)據(jù)通過德爾菲法獲取并加以處理得到該矩陣，第二層指標(biāo)的判斷矩陣可用同樣的方法獲得；n 為每一層指標(biāo)的個(gè)數(shù)；aij= 1/aji，為評(píng)價(jià)維度或指標(biāo) i 相對(duì)于 j 的重要程度，其取值范圍即 1-9 標(biāo)度法如表 1 所示。

表?1 ?1-9?標(biāo)度法Tab.1 1-9 method of AHP

②計(jì)算各級(jí)指標(biāo)的權(quán)重公式如下。

式中：λmax 為 A 矩陣的最大特征根；ω 為權(quán)重矩陣。

（3）步驟 3：判斷矩陣一致性檢驗(yàn)。為了保證各指標(biāo)之間重要程度的協(xié)調(diào)性，對(duì)矩陣進(jìn)行一致性檢驗(yàn)計(jì)算如下。

公式 ⑶ 和公式 ⑷ 中，C.I 為判斷矩陣的平均一致性指標(biāo)；n 為判斷矩陣的階數(shù)；R.I 為判斷矩陣的隨機(jī)一致性指標(biāo)，三階矩陣取 0.514 9，四階矩陣取 0.893 1；C.R 為判斷矩陣的隨機(jī)一致性比例，如果 C.R＜0.1，則判斷矩陣滿足一致性檢驗(yàn)，否則，需對(duì)判斷矩陣進(jìn)行微調(diào)。

（4）步驟 4：評(píng)價(jià)值計(jì)算?？蛻艟C合評(píng)價(jià)價(jià)值為

式中：Ci為客戶 i 的綜合價(jià)值；ωS，ωL，ωP，ωO 為評(píng)價(jià)體系第一層 S，L，P，O 的權(quán)重，由層次分析法計(jì)算得出；ωSl，ωLj，ωPh，ωOk為評(píng)價(jià)體系第二層指標(biāo)的權(quán)重，由層次分析法計(jì)算得出；Si為第 i 個(gè)客戶指標(biāo) S 實(shí)際值；Li 為第 i 個(gè)客戶指標(biāo) L 的實(shí)際值；Pi為第 i 個(gè) 客戶指標(biāo) P 的實(shí)際值；Oi 為第 i 個(gè) 客戶指標(biāo) O 的實(shí)際值；l = 1，2，…，m，為 S 指標(biāo)下二級(jí)指標(biāo)的個(gè)數(shù)變量，j = 1，2，…，n，為 L 指標(biāo)下二級(jí)指標(biāo)的個(gè)數(shù)變量，h = 1，2，…，e，為 P 指標(biāo)下二級(jí)指標(biāo)的個(gè)數(shù)變量，k = 1，2，…，f，為 P 指標(biāo)下二級(jí)指標(biāo)的個(gè)數(shù)變量；由于投訴率是逆指標(biāo)，因而在計(jì)算綜合評(píng)價(jià)值時(shí)，要進(jìn)行減運(yùn)算；K 為調(diào)節(jié)系數(shù)，該系數(shù)根據(jù)企業(yè)發(fā)貨品類確定，例如：由于煤炭運(yùn)價(jià)號(hào)低，根據(jù)承運(yùn)清算規(guī)則，對(duì)承運(yùn)企業(yè)貢獻(xiàn)小，而白貨品類貨物清算貢獻(xiàn)較大，因而對(duì)白貨品類貨物發(fā)送企業(yè)可適當(dāng)增加調(diào)節(jié)系數(shù)，我們將發(fā)送品類以煤炭為主的企業(yè)，調(diào)節(jié)系數(shù)取 1，白貨品類為主則取 10。每個(gè)鐵路企業(yè)運(yùn)輸情況、發(fā)運(yùn)貨物結(jié)構(gòu)不同，重點(diǎn)貨物品類也會(huì)有所區(qū)別，該調(diào)節(jié)系數(shù)的設(shè)計(jì)原則及值也不盡相同，該系數(shù)為主觀賦予系數(shù)，可依據(jù)企業(yè)貨運(yùn)特點(diǎn)靈活賦值。

（5）步驟 5：客戶分類。求得綜合評(píng)價(jià)值后，據(jù)此對(duì)貨運(yùn)客戶進(jìn)行排序，可得貨運(yùn)客戶重要程度，再根據(jù)業(yè)務(wù)提供的標(biāo)準(zhǔn)劃分核心客戶、重要客戶和一般客戶。

2 實(shí)例分析

以某鐵路局集團(tuán)公司 2017 全年貨運(yùn)客戶數(shù)據(jù)為樣本，展開客戶關(guān)系管理，建立模型并進(jìn)行分析計(jì)算。對(duì)客戶一年的數(shù)據(jù)進(jìn)行匯總，結(jié)果如下：共4 731 個(gè)客戶 (包括企業(yè)和個(gè)人)，客戶屬性包含評(píng)價(jià)指標(biāo)體系中所有指標(biāo)，2017年總發(fā)貨量為 1.544 47億 t，總運(yùn)輸費(fèi)用為 218.309 5 億元，樣本數(shù)據(jù)分布頻率如表 2 所示。

取部分貨運(yùn)客戶數(shù)據(jù)樣本，對(duì)數(shù)據(jù)維度進(jìn)行說明，部分樣本數(shù)據(jù)展示如表 3 所示。

表?2 ?樣本數(shù)據(jù)分布頻率表Tab.2 Distribution frequency of sample data

表?3 ?部分樣本數(shù)據(jù)展示Tab.3 Partial sample data

樣本數(shù)據(jù)分布頻率結(jié)合新出臺(tái)的承運(yùn)清算規(guī)則，通過帕雷托法則篩選出運(yùn)費(fèi)累計(jì)占前 88% 的 205 位客戶 (年運(yùn)費(fèi)累計(jì) 1 000 萬元以上)，作為評(píng)價(jià)對(duì)象。由業(yè)務(wù)專家為評(píng)價(jià)維度和評(píng)價(jià)指標(biāo)進(jìn)行相對(duì)重要性評(píng)價(jià)，重要性度量標(biāo)準(zhǔn)采用 1-9 標(biāo)度法，形成判斷矩陣，經(jīng)過矩陣一致性檢驗(yàn) (C.R = 0.054 929＜0.10)，并求解各指標(biāo)權(quán)重，一級(jí)指標(biāo)判斷矩陣值及計(jì)算過程如表 4 所示，二級(jí)指標(biāo)判斷矩陣值如表 5 所示。

表?4 ?一級(jí)指標(biāo)判斷矩陣值及計(jì)算過程Tab.4 Judgement matrix of indexes in fi rst level

表?5 ?二級(jí)指標(biāo)判斷矩陣值Tab.5 Judgement matrix of indexes in second level

根據(jù)權(quán)重及加權(quán)平均法，得出每個(gè)企業(yè)的綜合評(píng)價(jià)值[6]，并對(duì)企業(yè)進(jìn)行重要性排序，結(jié)合業(yè)務(wù)專家提供的分類標(biāo)準(zhǔn)進(jìn)行分類，根據(jù)帕雷托法則，將排序前20% 客戶中年運(yùn)費(fèi)上億元的貨運(yùn)客戶劃分為核心，部分分類結(jié)果展示如表 6 所示。

表?6 ?部分分類結(jié)果展示Tab.6 Partial result of classi fi cation

3 結(jié)束語

客戶是鐵路企業(yè)的重要資源，進(jìn)行客戶細(xì)分是運(yùn)輸市場(chǎng)發(fā)展的內(nèi)在要求，鐵路企業(yè)對(duì)貨運(yùn)客戶進(jìn)行有效的差異化分析，在控制成本的前提下實(shí)現(xiàn)精準(zhǔn)營銷，能提高鐵路企業(yè)核心競(jìng)爭(zhēng)力、提高客戶服務(wù)水平，從而達(dá)到擴(kuò)大市場(chǎng)份額的目的[7]?；诟倪M(jìn)的RFM 客戶評(píng)價(jià)模型的每個(gè)環(huán)節(jié)都以鐵路運(yùn)輸歷史生產(chǎn)數(shù)據(jù)為依托[8]，運(yùn)用層次分析法削弱德爾菲法的主觀性，使評(píng)價(jià)結(jié)果更客觀，同時(shí)在模型中考慮清算規(guī)則變更等大環(huán)境的影響，通過數(shù)據(jù)分析結(jié)果為鐵路企業(yè)進(jìn)行客戶關(guān)系管理提供指導(dǎo)。另外，還應(yīng)針對(duì)每個(gè)客戶的發(fā)貨特點(diǎn)，通過聚類分析或 K-means 方法對(duì)客戶進(jìn)行精準(zhǔn)細(xì)分，為每一類客戶進(jìn)行定制化的營銷策略。

參考文獻(xiàn)：

[1]郭玉華，陳治亞. 基于客戶生命周期的鐵路大客戶細(xì)分與發(fā)展模型[J]. 鐵道科學(xué)與工程學(xué)報(bào)，2011，8(2)：86-91.GUO Yuhua，CHEN Zhiya. Customers-life-cycle-based Railway Major Clients Segmentation and Development Models[J]. Journal of Railway Science and Engineering，2011，8(2)：86-91.

[2]李明慧，朱克非. 美國主要Ⅰ級(jí)鐵路貨運(yùn)營銷組織模式與啟示[J]. 中國鐵路，2016，55(1)：99-103.LI Minghui，ZHU Kefei. Freight Marketing Organization Model and Inspiration of First Grade Railway in American[J].China Railway，2016，55(1)：99-103.

[3]帥 斌，鄧紹蔚，黃麗霞. 基于改進(jìn)RFM模型的鐵路快捷貨運(yùn)客戶市場(chǎng)細(xì)分方法[J]. 鐵道科學(xué)與工程學(xué)報(bào)，2014，11(1)：35-39.SHUAI Bin，DENG Shaowei，HUANG Lixia. Railway Express Freight Consumer Market Segmentation based on Improved RFM Model[J]. Journal of Railway Science and Engineering，2014，11(1)：35-39.

[4]王丹竹，劉啟鋼，席江月，等. 鐵路物流總包業(yè)務(wù)統(tǒng)計(jì)指標(biāo)體系及評(píng)價(jià)研究[J]. 鐵道貨運(yùn)，2017，35(12)：6-11.WANG Danzhu，LIU QiGang，XI Jiangyue，et al. Research on Statistical Index System and Evaluation of Railway Logistics Agent Business[J]. Railway Freight Transport，2017，35(12)：6-11.

[5]劉啟鋼，丁小東，葉 飛，等. 鐵路快運(yùn)物流服務(wù)體系研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2018，40(1)：34-39.LIU Qigang，DING Xiaodong，YE Fei，et al. Study on the Railway Express Logistics Service System[J]. Railway Transport and Economy，2018，40(1)：34-39.

[6]SALEH F A，ROBERT D，TRUNG T N. Logistics Service Providers (LSPs) Evaluation and Selection[J].Strategic Outsourcing：An International Journal，2015，8(1)：102-134.

[7]胡延珽，孫有望. 基于雙重效益發(fā)展高速鐵路快運(yùn)物流的研究[J]. 物流科技，2013，36(10)：119-122.HU Yanting，SUN Youwang. The Study of Highspeed Railway Express based on Social and Economic Benefits[J]. Logistics Science and Technology，2013，36(10)：119-122.

[8]張 雅. 面向鐵路貨運(yùn)市場(chǎng)營銷的數(shù)據(jù)挖掘技術(shù)應(yīng)用研究[D]. 成都：西南交通大學(xué)，2014.