基于RFX模型的航空公司客户市场细分方法

唐维萍,洪万福

（1.厦门华厦职业学院，福建厦门361024；2.厦门渊亭信息科技有限公司，福建厦门361000）

基于RFX模型的航空公司客户市场细分方法

唐维萍1,洪万福2

（1.厦门华厦职业学院，福建厦门361024；2.厦门渊亭信息科技有限公司，福建厦门361000）

随着国内民航市场竞争的日益激烈，客户成为各家航空公司竞争焦点，如何发展高价值客户，对客户进行分类精细化管理，成为航空公司面对的首要问题。本文在传统客户分类RFM模型基础上，综合更多的影响因素，提出更为灵活的RFX模型进行航空公司客户市场细分，更好地将服务产品有针对性地提供给不同的客户群,以实现客户资产价值最大化。

RFM模型；RFX模型；客户细分

近年来，随着经济全球化的进程不断加快，企业管理已经打破了地域的限制，竞争日趋激烈。对于航空公司而言，旅客成为竞争的焦点。这就要求各大航空公司对客户进行分类管理，通过针对性的策略吸引客户，形成长期购买行为，提高客户忠诚度。

对于客户市场细分方法，RFM模型是被普遍使用的一种。本文在传统RFM模型基础上，综合更多的影响因素，提出更为灵活的RFX模型进行航空公司客户市场细分，更好地将服务产品有针对性地提供给不同的客户群，以实现客户资产价值最大化。

一、传统RFM模型

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来判断该客户的价值状况。

1.RFM模型关键指标及计算

（1）最近一次消费（Recency）

在指定的时期内，用户最近一次消费的时间距离。

计算方式：指定终止时间-Max(客户消费时间)。

（2）消费频率（Frequency）

用户在指定的期间内所购买的次数。

计算方式：Count(*)in(起始时间,终止时间)。

（3）消费金额（Monetary）

在指定的时期内，用户的消费总金额。

计算方式：Sum(单次消费金额)in(起始时间,终止时间)。

2.RFM模型的应用意义

RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据。同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。

二、基于RFX模型的客户分类原理分析

在航空公司的实际业务应用中，除了上述的三个关键指标外，还存在更多的其他影响营销的因素，例如旅客的折扣、商品的多样性等等。因此，本文基于RFM模型，设计一个更为灵活的客户市场细分模型RFX模型。RFX模型中X表示灵活调整的部分，可以是一个或者多个指标的组合，以满足企业对于客户数据库营销指标的不同解读。

1.RFX模型关键指标及计算

RFX模型中的关键指标除了RFM模型中的三个指标以外，还包括以下关键指标。

（1）平均消费（AverageConsumption）

在指定的时期内，用户的平均消费金额。

计算方式：消费金额/消费频率

（2）折扣率（Discount）

在指定的时期内，用户购买机票的平均折扣率。

计算方式：消费金额/(Sum(机票对外销售价格)in (起始时间,终止时间）

（3）利润率（Profit）

在指定的时期内，某个用户消费创造的利润率，即销售利润率。

计算方式：利润总额/消费总额（如果能拿到利润数值的话）。

（4）多样性（Variety）

在指定的时期内，用户购买产品的多样性。例如，购买不同类型的机票。

计算方式：Distinct(类型)in(起始时间,终止时间)

2.RFX权重分析

在RFX模型中，X表示灵活调整的部分，可以是一个或者多个指标。理论上，所有指标是可以任意组合的，在系统中以权重的方式体现。例如：RFMD权重为：4：3：3：0，那么这个模型就变成RFM了。

对于RFX模型中变量指标的权重问题，不同的专家有不同的看法。本文认为，对于不同的公司或不同的行业，根据自身业务特点，各个指标的权重存在一定的差异，因此需要采取科学的方法进行分析，结合企业业务特点，综合专家意见解决权重的确定问题。

3.基于k-means聚类法的客户分类

（1）指标标准化。由于RFX模型中各指标量纲各有不同，数据的取值的差异也很大。为了消除量纲不同和分布差异较大的影响，在对各个指标进行加权之前，需要对指标数据进行标准化处理。

对于与客户价值正相关影响的指标，使用公式（1）进行指标标准化。

(X-Score-Min(X-Score))/(Max(X-Score)-Min(Score))（1）

对于与客户价值负相关影响的指标，使用公式（2）进行指标标准化。

(Max(X-Score)-X-Score)/(Max(X-Score)-Min(Score))（2）

X-Score表示对应的指标值；Min(X-Score)表示最小指标值；Max(X-Score)表示最大指标值。

（2）确定聚类的类别数m。

（3）应用k-means聚类法对加权后的指标进行聚类，得到m类客户。

（4）将各类客户的RFX平均值与总RFX平均值比较，结果有两种情况：大于等于总平均值或小于平均值，通过比较得出各类客户RFX的变动情况。

（5）将各类客户标准化后的各个指标取平均，将平均值加权求和，得到各类客户的客户终身价值总分，分析各类客户终身价值的差异。

RFX综合评分采取以下的计算方式：

Sum(X'-Score*X-Weight)（3）

X'-Score表示标准化后的指标值，X-Weight表示指标的权重值。

利用公式（3）计算各类客户的综合RFX值，以此作为各类客户价值排序的依据。

三、某航空公司客户RFX模型分析实例

本文从某航空公司2014上半年度的实际应用数据中随机抽取了10000名客户的记录，进行基于RFX模型进行客户市场细分。该航空公司认为，旅客的最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）、折扣率（Discount）最能体现客户的价值状况，因此基于这四个指标建立RFMD模型。

1.指标标准化

对于RFMD中的四个指标，其中“R”与客户价值存在负相关的关系，“F”、“M”和“D”与客户价值存在正相关关系，因此标准化公式如下：

式中：R＇、F＇、M＇、D＇为各指标标准化后的值；RL、FL、ML、DL为各指标最大变量值；RS、FS、MS、DS为各指标最小变量值。

2.指标权重确定

对于RFMD模型中变量指标的权重问题，该航空公司根据公司业务特点，结合专家咨询结果，确定变量指标权重。“R”的权重为0.3，“F”权重为0.3.“M”权重为0.2，“D”的权重为0.2。

3.客户分类

利用k-means聚类法时，首先要判断聚类的类别数m。该航空公司将k-means聚类的类别数定为4,即m=4。标准化和确定聚类类别数后，进行k-means聚类分析，得到4类客户。将4类客户的RFMD平均值与总RFMD平均值比较，结果如表1所示。

这4类客户分别为中高端旅客、一般价值旅客、成长型旅客及价格敏感型旅客。中高端旅客为购买频率、金额及折扣率都比较高的客户；一般价值旅客为最近一次消费时间久、购买金额及折扣率都比较低的客户；成长型旅客为购买次数不多但金额和折扣率都比较高的客户；价格敏感型旅客为购买次数多，但购买都是特价机票的客户。

表1 聚类分析后产生的4个客户类别

4.客户终身价值比较分析

利用k-means聚类分析将客户分成4类后，并不知道每类客户的价值是多少，对于企业重要性如何。因此，我们将每一类客户标准化后的各个指标取平均，通过权值分配，利用公式（3）计算航空公司每类客户的综合评分，将综合评分进行大小排序可进一步对4类客户的价值进行比较。比较结果为中高端旅客综合评分最高，价格敏感型旅客次之，成长型旅客略低，一般价值旅客分支最低（如表2）。由于企业资源有限，航空公司应根据各类客户终身价值的比较分析结果，优先将资源投放到得分较高的客户类别中去。

本文中RFX模型较传统的RFM模型更具有灵活性，可综合考虑更多影响销售的因素，在此基础上进行客户市场细分，并在客户分类基础上计算每类客户终身价值，从而指导航空公司作出针对性的营销策略，将有限的资源投放到价值更高的客户身上，有针对性地制定不同的营销策略，吸引客户购买行为，提高企业利润。

表2 标准化的RFMD加权分类

[1]王正磊.航空公司客户关系管理系统设计问题的研究[D].南京航空航天大学，2007:1-2.

[2]徐翔斌,王佳强,涂欢,穆明.基于改进RFM模型的电子商务客户细分[J].计算机应用,2012（5）:1139-1142.

[3]帅斌，邓绍蔚，黄丽霞.基于改进RFM模型的铁路快捷货运客户市场细分方法[J].铁道科学与工程学报,2014（2）:112-117.

TN

A

1673-0046（2015）4-0180-02