張斌，彭其淵，劉帆洨

鐵路貨運(yùn)流失客戶挽留價(jià)值研究

張斌1, 2，彭其淵1，劉帆洨1

(1. 西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 610031; 2. 中國(guó)鐵路北京局集團(tuán)公司 經(jīng)營(yíng)開(kāi)發(fā)部，北京 100860)

面對(duì)日趨激烈的貨運(yùn)市場(chǎng)競(jìng)爭(zhēng)，為了更好地提供鐵路貨運(yùn)客戶流失管理，從而為鐵路貨運(yùn)部門提供精準(zhǔn)高效的貨運(yùn)流失客戶挽留策略，結(jié)合鐵路貨運(yùn)行業(yè)特征，在貨運(yùn)客戶細(xì)分和貨運(yùn)客戶流失預(yù)測(cè)的基礎(chǔ)上，提出貨運(yùn)流失客戶挽留價(jià)值的研究方法，從而為貨運(yùn)流失客戶挽留策略的制定提供支撐。結(jié)合鐵路貨運(yùn)特征，提出貨運(yùn)客戶的可期貨運(yùn)價(jià)值；其次對(duì)鐵路貨運(yùn)流失客戶挽留策略的執(zhí)行效果進(jìn)行研究，提出貨運(yùn)流失客戶挽留效果模型；之后提出貨運(yùn)流失客戶挽留成本的計(jì)算方法；最后提出流失客戶挽留價(jià)值模型。仿真實(shí)驗(yàn)結(jié)果表明：通過(guò)對(duì)挽留價(jià)值進(jìn)行計(jì)算，可以校驗(yàn)挽留策略的執(zhí)行效率；并且為貨運(yùn)流失客戶挽留優(yōu)先級(jí)的確定提供依據(jù)；針對(duì)具體細(xì)分類別的貨運(yùn)流失客戶制定挽留策略具有更好的挽留效果和高成功率。

鐵路運(yùn)輸；貨運(yùn)客戶流失；客戶細(xì)分；挽留策略；挽留價(jià)值

面對(duì)國(guó)家供給側(cè)改革的深化推進(jìn)和當(dāng)前貨運(yùn)市場(chǎng)的激烈競(jìng)爭(zhēng)，鐵路貨運(yùn)行業(yè)面臨著巨大的經(jīng)營(yíng)壓力，隨之而來(lái)的客戶流失問(wèn)題成為鐵路貨運(yùn)部門需要解決的當(dāng)務(wù)之急。保證企業(yè)核心競(jìng)爭(zhēng)力的關(guān)鍵是抓住客戶，而獲取一位新客戶的成本是留住一位老客戶的5~6倍[1]，對(duì)貨運(yùn)客戶的流失做出預(yù)測(cè)，并制定行之有效的挽留方案和營(yíng)銷策略是貨運(yùn)客戶關(guān)系管理的有效手段。當(dāng)前電信[2]、金融[3]和電子商務(wù)[4]等行業(yè)在對(duì)客戶流失管理方面做了比較多的研究，國(guó)外學(xué)者也針對(duì)客戶流失問(wèn)題展開(kāi)了深入研究，建立了預(yù)測(cè)模型[5]，并獲得了一定應(yīng)用效果。Lin等[6]使用粗糙集理論，利用流網(wǎng)絡(luò)圖建立客戶流失與規(guī)則之間的關(guān)聯(lián)，并驗(yàn)證了流失預(yù)測(cè)組合模型具有較好的客戶流失預(yù)測(cè)能力。Hossein等[7]提出運(yùn)用-means算法結(jié)合神經(jīng)網(wǎng)絡(luò)算法對(duì)高價(jià)值客戶進(jìn)行流失預(yù)測(cè)的方法。HUANG等[8]基于NSGA-II優(yōu)化方法的多目標(biāo)特征選擇方法，證明了該方法在電信行業(yè)客戶流失預(yù)測(cè)方面的有效性。張斌等[9]結(jié)合鐵路貨運(yùn)特征及當(dāng)下運(yùn)輸市場(chǎng)整體情況，提出了貨運(yùn)客戶流失識(shí)別方法，并在客戶價(jià)值分類的基礎(chǔ)上，對(duì)各類客戶建立基于 SVM 的客戶流失預(yù)測(cè)模型，并進(jìn)行流失預(yù)測(cè)。張斌等[10]結(jié)合鐵路貨運(yùn)客戶發(fā)貨特征，提出基于RFM的KFAV模型，并用改進(jìn)-means聚類算法對(duì)貨運(yùn)客戶進(jìn)行基于KFAV的客戶細(xì)分，具有一定實(shí)用價(jià)值。目前對(duì)于客戶流失問(wèn)題的研究主要集中在客戶關(guān)系管理和客戶流失預(yù)警研究方面，但在對(duì)鐵路貨運(yùn)流失客戶挽留策略的制定、有效性評(píng)估、流失客戶的挽留價(jià)值等方面缺少有效的方法。本文在張斌等[9?10]提出的貨運(yùn)流失客戶預(yù)測(cè)方法和貨運(yùn)客戶細(xì)分方法的基礎(chǔ)上，提出貨運(yùn)流失客戶可期貨運(yùn)價(jià)值、挽留效果模型、挽留成本的研究方法，并最終提出鐵路貨運(yùn)流失客戶挽留價(jià)值的研究方法，該方法通過(guò)對(duì)流失客戶挽留價(jià)值的計(jì)算，結(jié)合設(shè)定的閾值，能夠校驗(yàn)挽留策略的有效性和流失客戶的優(yōu)先級(jí)，并且通過(guò)仿真實(shí)驗(yàn)，表明對(duì)具體細(xì)分貨運(yùn)流失客戶制定挽留策略更加具有針對(duì)性，對(duì)鐵路貨運(yùn)營(yíng)銷部門制定高效精準(zhǔn)的流失客戶挽留策略提供支撐，具有實(shí)際意義。

1 鐵路貨運(yùn)流失客戶可期貨運(yùn)價(jià)值

表1 貨運(yùn)客戶分類等級(jí)對(duì)照表

2 鐵路貨運(yùn)流失客戶挽留效果模型研究

由于受到挽留流失客戶營(yíng)銷成本等方面的影響，挽留營(yíng)銷過(guò)程無(wú)法全面維系到每一位貨運(yùn)流失客戶，從而導(dǎo)致一方面失去了很多具有潛力的貨運(yùn)流失客戶，另一方面又在低價(jià)值客戶身上浪費(fèi)了很多資源，嚴(yán)重制約了流失客戶的挽留效果。此外，挽留策略是否有效，挽留效果是否理想，可以通過(guò)設(shè)定閾值進(jìn)行判斷，對(duì)于低于閾值的挽留策略，則應(yīng)該進(jìn)行調(diào)整或重新制定。

基于以上分析，本節(jié)提出鐵路貨運(yùn)流失客戶挽留效果的計(jì)算方法，首先設(shè)定如下假設(shè)。

假設(shè)1 假設(shè)本文研究的貨運(yùn)流失客戶挽留策略已經(jīng)試行一定時(shí)期，并且在試行期間監(jiān)控了貨運(yùn)流失客戶的發(fā)運(yùn)情況，從而能夠掌握貨運(yùn)流失客戶的挽留情況。

假設(shè)2 貨運(yùn)流失客戶挽留策略實(shí)施的整個(gè)時(shí)間過(guò)程稱之為挽留策略實(shí)施周期T，根據(jù)文獻(xiàn)[9]對(duì)貨運(yùn)流失客戶的識(shí)別方法，如果存在以下3種情況之一，表示貨運(yùn)流失客戶的挽留策略在T內(nèi)開(kāi)始生效，觀察點(diǎn)t為挽留生效開(kāi)始時(shí)間。

情況1：貨運(yùn)流失客戶的發(fā)貨頻率較上一個(gè)觀察點(diǎn)呈現(xiàn)上升趨勢(shì)。

情況2：貨運(yùn)流失客戶的發(fā)貨頻率保持穩(wěn)定，并且投訴率較上一個(gè)觀察點(diǎn)呈現(xiàn)下降趨勢(shì)。

情況3：貨運(yùn)流失客戶的發(fā)貨頻率保持穩(wěn)定，并且貨損貨差率較上一個(gè)觀察點(diǎn)呈現(xiàn)下降趨勢(shì)，并且發(fā)貨延誤時(shí)間呈現(xiàn)下降趨勢(shì)。

情況1：貨運(yùn)流失客戶的發(fā)貨頻率較上一個(gè)觀察點(diǎn)呈現(xiàn)下降趨勢(shì)。

情況2：貨運(yùn)流失客戶的發(fā)貨頻率沒(méi)有呈現(xiàn)上升趨勢(shì)，并且投訴率較上一個(gè)觀察點(diǎn)呈現(xiàn)上升 趨勢(shì)。

情況3：在貨運(yùn)流失客戶的發(fā)貨頻率沒(méi)有呈現(xiàn)上升趨勢(shì)的前提下，貨損貨差率較上一個(gè)觀察點(diǎn)呈現(xiàn)上升趨勢(shì)，或者發(fā)貨延誤時(shí)間呈現(xiàn)上升趨勢(shì)。

貨運(yùn)流失客戶挽留過(guò)程的時(shí)間關(guān)系見(jiàn)圖1 所示。

對(duì)于各項(xiàng)屬性趨勢(shì)的計(jì)算方法，采用的加權(quán)平均估值和計(jì)算平均估值求差的計(jì)算方法，見(jiàn)式(5)：

圖1 貨運(yùn)流失客戶挽留過(guò)程時(shí)間關(guān)系圖

基于假設(shè)1和假設(shè)2，得到了貨運(yùn)流失客戶在T內(nèi)的挽留效果計(jì)算方法，見(jiàn)式(6)：

3 鐵路貨運(yùn)流失客戶挽留成本研究

鐵路貨運(yùn)流失客戶挽留過(guò)程的生命周期包括挽留策略的制定、挽留策略的實(shí)施和挽留策略的評(píng)估等過(guò)程，期間需要投入相應(yīng)的成本用于挽留策略的支撐和運(yùn)維，其中主要包括人力成本，物力成本和其他成本，其中，人力成本是指貨運(yùn)營(yíng)銷人員運(yùn)營(yíng)而產(chǎn)生的成本；物力成本是指對(duì)設(shè)備、設(shè)施、信息化建設(shè)等軟硬件方面進(jìn)行配置、更新、改造等產(chǎn)生的成本；其他成本是指其他由于流失客戶挽留策略的執(zhí)行，而導(dǎo)致鐵路貨運(yùn)支出增加，或利潤(rùn)減少等產(chǎn)生的成本。通過(guò)對(duì)各項(xiàng)成本進(jìn)行加權(quán)計(jì)算，得到鐵路貨運(yùn)流失客戶挽留成本的計(jì)算方法，見(jiàn)式(7)：

其中：，和ω分別代表挽留策略在挽留貨運(yùn)流失客戶時(shí)付出的人力成本A，物力成本B和其他成本C的權(quán)值。

4 鐵路貨運(yùn)流失客戶挽留價(jià)值模型研究

通過(guò)設(shè)定閾值，可以判斷是否對(duì)具有挽留意義，即：

5 鐵路貨運(yùn)流失客戶挽留價(jià)值仿真求解

5.1 仿真數(shù)據(jù)及環(huán)境

仿真環(huán)境建立在Windows 10 64位操作系統(tǒng)下，配備4G內(nèi)存，500G硬盤。仿真工具為Matlab R2014a(8.3.0.532)版本。

5.2 仿真結(jié)果及分析

圖2 實(shí)驗(yàn)1結(jié)果顯示圖

通過(guò)2組實(shí)驗(yàn)結(jié)果對(duì)比分析，得到以下結(jié)論：

圖3 實(shí)驗(yàn)2結(jié)果顯示圖

2) 圖4~5顯示了貨運(yùn)可期價(jià)值C與貨運(yùn)挽留成本的差值與貨運(yùn)流失客戶挽留價(jià)值之間的趨勢(shì)圖，說(shuō)明C比越大，則普遍越大，在C小于的情況下，圖4顯示15個(gè)流失客戶中12個(gè)挽留成功，而圖5顯示未進(jìn)行細(xì)分的21個(gè)流失客戶中只有6個(gè)挽留成功，說(shuō)明對(duì)于細(xì)分流失客戶的挽留過(guò)程中，挽留效果也起到了很大作用，而對(duì)于未細(xì)分的流失客戶，則影響較小。說(shuō)明對(duì)流失客戶進(jìn)行價(jià)值細(xì)分能夠更好地運(yùn)用挽留價(jià)值模型對(duì)挽留策略的有效性進(jìn)行判斷，從而指導(dǎo)制定流失客戶挽留策略。

4) 在校驗(yàn)貨運(yùn)流失客戶挽留策略有效的情況下，貨運(yùn)營(yíng)銷部門可以根據(jù)流失客戶挽留價(jià)值的大小來(lái)設(shè)定貨運(yùn)流失客戶的挽留順序，即值越大的貨運(yùn)客戶具有越大的挽留價(jià)值，則享有越高的優(yōu)先挽留等級(jí)，鐵貨運(yùn)營(yíng)銷可以根據(jù)自身的挽留營(yíng)銷能力，合理安排挽留資源用于高挽留價(jià)值的貨運(yùn)流失客戶。

圖4 實(shí)驗(yàn)1結(jié)果顯示圖

圖5 實(shí)驗(yàn)2結(jié)果顯示圖

6 結(jié)論

1) 結(jié)合貨運(yùn)流失客戶特征和貨運(yùn)價(jià)值，充分考慮貨運(yùn)流失客戶的潛在價(jià)值，提出貨運(yùn)流失客戶的可期貨運(yùn)價(jià)值；另一方面，引入挽留策略的挽留周期、各項(xiàng)參數(shù)的發(fā)展趨勢(shì)，結(jié)合貨運(yùn)流失客戶的細(xì)分等級(jí)，提出貨運(yùn)流失客戶挽留效果模型，該挽留效果模型可以量化挽留策略在實(shí)施過(guò)程中對(duì)貨運(yùn)流失客戶產(chǎn)生的作用和效果。

2) 綜合考慮貨運(yùn)流失客戶挽留策略的實(shí)施過(guò)程中需要產(chǎn)生的成本，結(jié)合挽留價(jià)值和挽留效果，提出貨運(yùn)流失客戶的挽留價(jià)值模型，運(yùn)用該模型計(jì)算得到挽留策略的挽留價(jià)值，通過(guò)設(shè)定挽留價(jià)值閾值和挽留策略生效閾值，可以判斷貨運(yùn)流失客戶挽留策略的有效性，及挽留策略的執(zhí)行效果。

3) 對(duì)于制定的挽留策略，通過(guò)計(jì)算貨運(yùn)流失客戶的挽留價(jià)值，可以獲取貨運(yùn)流失客戶應(yīng)對(duì)的優(yōu)先級(jí)，從而在營(yíng)銷資源有限的情況下，可以對(duì)挽留價(jià)值高的貨運(yùn)流失客戶優(yōu)先進(jìn)行挽留，以保證挽留成功率和效益最大化。

4) 仿真實(shí)驗(yàn)證明，對(duì)于同一個(gè)流失客戶挽留策略，運(yùn)用于相同類別的流失客戶相比于運(yùn)用于不同類別的流失客戶，在挽留效果上具有更好的表現(xiàn)，因此，建議貨運(yùn)營(yíng)銷部門針對(duì)不同貨運(yùn)價(jià)值的貨運(yùn)流失客戶分別制定挽留策略，從而使挽留策略更加具有針對(duì)性，達(dá)到完善營(yíng)銷策略、實(shí)現(xiàn)精準(zhǔn)營(yíng)銷的目的。

[1] 于小兵, 曹杰, 鞏在武. 客戶流失問(wèn)題研究綜述[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2012, 18(10): 2253?2263. YU Xiaobing, CAO Jie, GONG Zaiwu. Review on customer churn issue[J]. Computer Integrated Manufacturing Systems, 2012, 18(10): 2253?2263.

[2] HUANG B, Kechadi M T, Buckley B. Customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2012, 39(1): 1414?1425.

[3] Zoric A B. Predicting customer churn in banking industry using neural networks[J]. Interdisciplinary Description of Complex Systems, 2016, 14(2): 116?124.

[4] WU H L, ZHANG W W, ZHANG Y Y. An empirical study of customer churn in e-commerce based on data mining[C]// Management and Service Science (MASS), 2010 International Conference on, 2010: 1?4.

[5] Lemmens A, Croux C. Bagging and boosting classification trees to predict churn[J]. Journal of Marketing Research,2006,43(2): 276?286.

[6] LIN C S, Tzeng G H, Chin Y C. Combined rough set theory and flow network graph to predict customer churn in credit card accounts[J]. Expert Systems with Applications, 2011, 38(1): 8?15.

[7] Hossein Abbasimehr,Mostafa Setak,Javad Soroor. A framework for identification of high-value customers by including social network based variables for churn prediction using neuro-fuzzy techniques[J]. International Journal of Production Research, 2013, 51(4): 1279?1294.

[8] HUANG B Q, Buckley B, Kechadi T M. Multi-objective feature selection by using NSGA-II for customer churn prediction in telecommunications[J]. Expert Systems with Applications, 2010, 37(5): 3638?3646.

[9] 張斌, 彭其淵. 基于鐵路貨運(yùn)價(jià)值分類的客戶流失預(yù)測(cè)研究[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2018, 15(4): 1059? 1066. ZHANG Bin, PENG Qiyuan. Research on railway freight customer churn prediction based on customer value segmentation[J]. Journal of Railway Science and Engineering, 2018, 15(4): 1059?1066.

[10] 張斌, 彭其淵. 基于KFAV的中國(guó)鐵路貨運(yùn)客戶細(xì)分方法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2017, 17(3): 235?242. ZHANG Bin, PENG Qiyuan. Railway freight customer segmentation based on KFAV model[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(3): 235?242.

Research on railway freight customer churn retention value

ZHANG Bin1, 2, PENG Qiyuan1, LIU Fanxiao1

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China; 2. Business Development Bureaus, China Railway Beijing Group Co., Ltd, Beijing 100860, China)

In order to manage the loss of freight customer better, and provide the accurate and efficient retention strategy for the freight department, based on the characteristics of railway freight industry and freight customer subdivision and freight customer churn prediction, this paper put forward the research method of the retention value of freight customer churn, so as to provide support for the formulation of customer retention strategy for freight customer churn. Firstly, combining with the characteristics of railway freight transportation, this method put forward the period freight value of freight customer. Secondly, this paper studied the executive effect of the retention strategy for lost freight customer, and proposed the retention effect model for the lost freight customer. Then the calculation method of customer retention cost was put forward. Finally, the customer retention value model was proposed. The simulation results show the execution efficiency of the retention strategy can be verified and the retention priority of the losing freight customer can be determined by calculating the retention value. And it has better retention effect and high success rate to make retention strategy for the freight losing customer based on customer segmentation.

railway transportation; freight customer churn; customer segmentation; retention strategy; retention value

U294.1

A

1672 ? 7029(2019)09? 2339 ? 06

10.19713/j.cnki.43?1423/u.2019.09.028

2018?12?06

中國(guó)鐵路總公司科研計(jì)劃重大課題(2016X008-J)

張斌(1985?)，男，內(nèi)蒙古呼倫貝爾人，博士研究生，從事鐵路貨運(yùn)大數(shù)據(jù)分析、計(jì)算機(jī)仿真，客戶關(guān)系管理研究；E?mail：zbin0470@ 163.com

(編輯 陽(yáng)麗霞)