基于客户关系管理的铁路客户星级评价体系研究

戴钰桀，张 岩，郑平标，代明睿

DAI Yu-jie, ZHANG Yan, ZHENG Ping-biao, DAI Ming-rui

（中国铁道科学研究院运输及经济研究所，北京100081）

(Transportation and Economics Research Institute， China Academy of Railway Sciences， Beijing 100081， China)

基于客户关系管理的铁路客户星级评价体系研究

戴钰桀，张 岩，郑平标，代明睿

DAI Yu-jie, ZHANG Yan, ZHENG Ping-biao, DAI Ming-rui

（中国铁道科学研究院运输及经济研究所，北京100081）

(Transportation and Economics Research Institute， China Academy of Railway Sciences， Beijing 100081， China)

铁路为适应激烈的市场竞争，关键是对客户进行准确的价值分析，与高价值客户发展良好的关系。依据客户关系管理等理论，结合铁路生产实际，在对铁路局全体客户运输行为进行挖掘分析的基础上，根据客户对铁路的贡献程度等指标，提出一种铁路客户星级评价体系。实例分析表明，星级评价结果能够较为全面客观地反映客户价值及其贡献程度，为铁路局开展营销工作、优化配置运力资源提供有效依据。

铁路；客户关系管理；客户分类；星级评价

1 概述

随着整个运输行业竞争的日益激烈，铁路经营者逐渐意识到保持核心竞争力的关键是抓住客户[1]，近年来客户关系管理有了较大的应用和发展，而铁路在市场营销与客户关系管理方面与公路等运输方式相比还存在较大差距。现代营销理论认为客户是企业极其重要的资源[2]。企业要获得收益，必须对客户进行有效的差异分析，区分具有不同盈利价值的客户，从而实现客户资源价值和企业投入回报的最大化。相反如果客户定位不明确，则可能出现客户泛化的现象，增加成本，造成企业效益受损[3]。

按照客户价值分类，应找到企业最有价值的客户即关键客户。目前铁路应用最广泛的客户分类方法是将客户分为大客户与中小客户。大客户指在经济社会发展中具有重要影响、在铁路运输中具有大宗稳定货源和运量，按规定程序与铁路签署长期战略合作协议的企业[4]。铁路对大客户实行统一管理，为大客户提供手续简便、计划优先、运量保证的优质服务。随着铁路实行敞开受理后，铁路已逐步开始重视普通客户中具有较高价值的中小客户。

ABC 客户分类法是另一种较实用的客户分类方法，通常以消费额或利润贡献等重要指标为基准，将客户群划分为关键客户 ( A 类客户 )、主要客户 ( B 类客户 ) 和普通客户 ( C 类客户 ) 3 个类别[5-7]。ABC 分类方法简单实用，有很多成熟的算法可以应用于分类过程，如贝叶斯网络分类算法、k-means聚类算法等[8-9]，但ABC 分类方法也存在对同一类的客户不再进行区分、针对性差等不足。

星级评价体系是依据企业、个人在行业、专业内的资质和能力等进行分级评价，目前很多行业已经建立了规范的星级评价体系，如旅游业、医疗业、酒店服务等行业。分级评价是人们对事物进行分析评价的一种基本手段，近年来更为科学专业的分级评价体系不断出现在现代企业管理与经营实践中，如某大型商业银行业对其个人客户进行星级评定并依据客户星级制定相应服务策略[10]。

铁路在客户分级评价方面也进行了一些研究。曹正园[11]提出建立铁路客户积分管理制度；耿智[12]提出按照货物发送量、运费兑现额等指标考核评比客户，建立铁路客户考核和评比制度及“选择-评比-激励-调整”的客户分级机制，加强铁路部门与客户的战略合作伙伴关系。因此，结合铁路运输生产实际，在对铁路局客户运输行为进行挖掘分析的基础上，根据客户对铁路的贡献程度等指标，提出适用于铁路的客户星级评价体系；同时，针对铁路每个客户的运输行为数据，根据事先确定的原则，对客户价值程度进行计算，并给出相应等级。

2 铁路星级评价体系

铁路客户星级评价体系设计，首先应对每个客户运输行为特征进行分析计算，按照统一的评价标准，给予每个客户每个运输品类一定的星点值；其次根据该客户每个品类的星点值确定其品类星级；最终根据客户各个品类星级评定客户综合星级，从而建立以客户分品类、综合价值分析为基础的铁路客户星级评价体系。

2.1 品类星级评定

铁路品类星级评定主要根据铁路运输生产中反映客户价值的重要因素，结合其数据获取难易程度，选取以下客户价值评价指标：运量贡献度、收入贡献度、运输趋势、发货频率、到货频率和退订频率。指标中考虑了运输量及其变化趋势、运输收入等对铁路价值贡献因素；同时也考虑了客户收、发货频率，以及客户退订发生频率等因素。除了从对铁路价值贡献程度来对客户进行评价之外，同时也从客户对铁路的忠实程度及客户本身诚信度等角度对客户进行价值判断。根据影响程度给予每种指标不同星点值累积计算规则；再根据客户运输行为数据，计算每个客户星点值；最后按照客户累积星点值与星级划分标准，评定客户星级。

铁路以品类对货物进行区分，而绝大部分企业客户由于其自身生产经营的专一性，通常以少数几个品类为主；同时铁路运力配置、运输组织等环节同样需要按照不同品类的需求进行安排。因此，在进行客户星级评价时，需要考虑客户的运输品类问题，在铁路品类星级评定设计时，将分别针对煤炭、石油、焦炭、金矿、矿建、木材、粮食和白货等 8 大品类发运情况进行星级评定，从而获得客户发送品类的相应星级。铁路品类星级评定时，主要考虑以下因素。

（1）不同品类运量、运输收入差别。通过对客户发送品类的统计分析可知，不同品类运量、运输收入等存在很大差别，因而应考虑运输品类之间的差别，制定不同的品类星级评定标准，通过采用统一星点值计算规则，使客户星级在各品类之间保持分布的一致性。如果采用统一的评价标准，品类星级将会出现按品类过度集中的情况，并不利于对客户价值进行合理比较。

（2）运输品类季节波动性。星级评价体系还应考虑运输品类淡旺季对该品类客户星级评价的影响，将铁路局分运输品类的淡季、旺季确定到固定月份，在客户星点值计算时引入淡旺季修正指数，对客户价值进行准确评价。

（3）客户评价修正因子。依据客户评价实际应用的灵活程度及对客户评价策略修正等因素，引入客户评价修正因子。例如，针对铁路局管内重点企业或与铁路局签订协议的客户等，可以在规则允许的范围内对客户星级评定结果进行适度修正。

（4）客户星级更新周期。为真实地反应铁路客户随时间变化的价值，在确定星点值计算方法及星级评定标准后，需要定期对客户运输数据进行计算分析，从而确定品类星级，而更新周期的存在使得星级评价体系能够及时准确地反应铁路客户价值变化，更好地发掘处于形成及稳定期的优质客户。更新周期与客户运输数据更新速度、更新计算成本、星级稳定程度等多种因素相关。一是考虑到客户数据时间获取长度及星级评定结果更新次数等因素，算例中以月为单位对客户当月星点值进行计算，并对客户星级进行更新；星级更新计算时除计入当月累积星点值，还应分析其历史星点值。二是在实际应用中，考虑到客户星级的稳定性，更新时间可以是季度、半年度或年度，具体应视实际情况而定。

2.2 综合星级评定

铁路综合星级评定是在对客户分品类进行星级评价的基础上，形成对客户的综合评价。虽然分品类星级评价可以更公正合理地对客户价值进行评判，但从运输组织单位的角度出发，有时仍然需要对客户进行综合考量或对不同品类客户进行横向比较，以大致区分客户的重要程度。因此，星级评价体系在分品类对客户进行星级评定的基础之上，对客户进行统一综合考评，给出客户综合星级。

客户在不同品类运量、收入、收发货频率等指标方面存在较大差异，量化不同品类的重要程度或综合考虑多种品类累加之后的贡献度比较困难。因此，客户综合贡献度的评价，以评出的客户分品类星级为基础；综合评定客户星级，需要考虑单个客户存在多种发货品类的情况，而每个品类又有多种品类星级，如果针对每一种情况都制定综合星级评定规则的话，规则数量将非常庞大。同时即使专业人员也不可能准确地给出这些规则。类似此种多输入单输出，输入空间又比较大，判断规则较多且不十分明确的问题，模糊推理系统比较适用[13]。

为此，建立以 8 个品类星级数为输入，综合星级数为输出的模糊推理系统对客户进行综合星级评价。建立 mamdani 型 8 输入 ( 各品类 )、1 输出 ( 综合星级 ) 模糊推理系统。综合品类星级模糊推理系统结构图如图1 所示。

图1 综合品类星级模糊推理系统结构图

输入、输出隶属度函数都选用高斯函数，输入、输出隶属度函数分布图如图2 所示。

图2 输入、输出隶属度函数分布图

综合星级评价应用模糊逻辑的 min-max 合成运算，并且通过重心法 ( centriod ) 进行解模糊，产生确定的综合星级。模糊推理规则库采用“IF-THEN”的方式制定星级评定规则，即通过判断输入情况满足某种条件则产生特定输出 ( 如所有品类星级输入都为 7，则输出为 7 )，用这种方式表达实际生产中的专家知识和规则。具体规则需要结合专家经验，参照各品类实际运输及收入等指标情况。

3 案例分析

以某铁路局为例，通过采用连续 2年多的运输数据，挖掘铁路局整车运输客户相关信息，应用客户星级评价体系对客户进行评价。运输品类包括煤炭、石油、焦炭、金矿、矿建、木材、粮食和白货等 8 个大品类，对有过该品类发货记录的客户进行该品类星级评定，星级从低到高分为 7 个星级。综合星级从低到高也分为 7 个星级。

选取粮食、白货和石油 3 个品类客户星级及综合客户星级数据。数据为各星级客户数量、客户运量 ( 车 ) 及客户收入百分比，据统计，该铁路局粮食客户有 2 631 个，白货类客户有 1 252 个，石油类客户有 41 个。粮食品类星级客户统计数据如表1 所示，白货品类星级客户统计数据如表2 所示，石油品类星级客户统计数据如表3 所示。

从表1、表2、表3 中可以看出，各品类无论客户数量多少 ( 粮食品类客户最多，石油品类客户最少 )，其星级分布规律基本一致，运量指标与运输收入指标的分布情况也大致相同。可以看出，高星级客户虽然数量占比低，但运量与运输收入占比却较高。例如，七星级与六星级石油客户数量占石油客户总数 21.96%，但其运量和运输收入占比分别为 74.05% 和 76.16%，这也是“二八原则”在铁路具体的体现。而且铁路少量优质客户的分布集中程度要远高于二八比例，这一点从各品类七星级客户数量与其对应运输量及运输收入占比的情况可以看出，如 4.87% 的七星级白货类客户占白货运输量的65.67%，运输收入更是占到 73.24%。

各品类星级用户的分布规律存在较大差别，如白货品类不到 5% 占比的七星级客户约占据运输收入的 3/4，而类似占比的粮食品类客户中七星级与六星级客户累加运输收入也超过 1/2。

综合星级评定，一共有 4 259 个客户参与评级，综合星级客户统计数据如表4 所示，各个品类星级用户的分布规律基本与单品类一致。

无论是品类星级还是综合星级，一星级客户比重较高，即低价值客户在客户数量上占有很大的比例，说明铁路客户中存在大量发货量很少的客户，对铁路的依赖程度比较低，尝试性强；同时也说明很多客户具有选择铁路运输的意愿，表明铁路市场营销有很大的潜力。

4 结束语

表1 粮食品类星级客户统计数据 %

表2 白货品类星级客户统计数据 %

表3 石油品类星级客户统计数据 %

表4 综合星级客户统计数据 %

基于价值的铁路客户星级评价体系，通过对客户运输数据进行分析处理，对客户进行品类及综合星级评定，便于对其价值进行评判分析，铁路客户星级评价体系相比于简单的分类方法能够对铁路客户进行更细致有效的分类分析。从某铁路局近 2年实际数据分析可以看到，星级评价体系可以更加详细、准确地反应客户数量及其价值分布情况，挖掘铁路客户价值及其分布的规律特点，可以为铁路局开展市场营销、优化配置运力资源提供数据依据。

[1] 周新军. 客户关系管理引入铁路货运服务的理论与实践[J].铁道货运，2008，26(12)：25–28.ZHOU Xin-jun. Theory and Practice for Using Customer Relation Management in Railway Freight Services[J]. Railway Freight Transport，2008，26(12)：25–28.

[2] 郑平标，朱克非，代明睿. 基于客户价值分析的铁路客户分类方法探讨[J]. 铁道运输与经济，2014， 36(3)：42–46. ZHENG Ping-biao，ZHU Ke-fei，DAI Ming-rui. Discussion on Railway Customers Classification Method based on Customer Value Analysis[J]. Railway Transport and Economy，2014，36(3)：42–46.

[3] 杨金花，李明博，季 令. 客户关系管理理论在铁路货运营销中的应用[J]. 铁道运输与经济，2008，30(2)：87–90. YANG Jin-hua，LI Ming-bo，JI Ling. Using the Theory of Customer Relation Management in Railway Freight Marketing[J]. Railway Transport and Economy，2008，30(2)：87-90.

[4] 中华人民共和国铁道部. 铁路货运大客户运输服务管理办法(铁运函[2006]880号)[EB/OL]. [2015-03-02]. http：//www.12306.cn/mormhweb/hyfw/hygfwj/gfxwj/201001/ t20100112_1455.html.

[5] 钟 雁，郭雨松. 数据挖掘技术在铁路货运客户细分中的应用[J]. 北京交通大学学报：自然科学版，2008，32(3)：25–29，36.ZHONG Yan，GUO Yu-song. Research of Applying Data Mining in Segmentation of Railway Freight Customers[J]. Journal of Beijing Jiaotong University，2008，32(3)：25-29，36.

[6] 邓毅敏，方晓平. 市场细分法在铁路货运业中的应用[EB/ OL]. (2009-02-16)[2015-03-02]. http∶//d.wanfangdata. com.cn/Conference_6720276.aspx.

[7] 高 全. 铁路货运信息数据挖掘研究[D]. 长沙：中南大学，2011. GAO Quan. Research on Data Mining of Data for Railway Freight Transportation[D]. Changsha：Central South University， 2011.

[8] 郭雨松. 一种启发式贝叶斯分类算法及其在铁路货运客户细分中的应用研究[D]. 北京：北京交通大学，2008. GUO Yu-song. Research of A Heuristic Bayesian Classification Algorithm and Its Application in Railway Freight Customer Segmentation[D]. Beijing： Beijing Jiaotong University，2008.

[9] 袁艳敏. 基于顾客忠诚的铁路旅客市场细分研究[D]. 北京：北京交通大学，2013. YUAN Yan-min. Research on Market Segmentation for Railway Passenger based on Customer Loyalty[D]. Beijing：Beijing Jiaotong University，2013.

[10] 王文硕. 中国大型商业银行个人客户星级服务策略——A银行基于客户贡献评价模型制定服务策略的案例[J]. 上海金融，2012(5)：92-97. WANG Wen-shuo. The Strategy of Personal Customer Star Service of Major Chinese Commercial Bank——A Case Study of Making Service Strategy of A Bank based on Custom Contribution Model[J]. Shanghai Finance，2012(5)：92-97.

[11] 曹正园. 基于客户关系管理理念的铁路货运营销对策研究[J]. 中国高新技术企业，2011(5)：147-148. CAO Zheng-Yuan. The Research of Railway Freight Marketing Strategy based on Customer Related Management Concept[J]. China High Technology Enterprise，2011(5)：147-148.

[12] 耿 智. 铁路货运客户需求与营销方法研究[D]. 北京：北京交通大学，2011. GENG Zhi. The Research of Customer Demand and Marketing Method of Railway Freight[D]. Beijing：Beijing Jiaotong University，2011.

[13] SERGE Guillaume. Designing Fuzzy Inference Systems from Data：An Interpretability-oriented Review[J]. IEEE Transactions on Fuzzy System，2001，9(3)：426-443.

责任编辑：吕 倩

Study on Simple Star-rating System of Railway Customers based on Customer Relationship Management

In order to adapt for stiff market competition, the key measures of railways are to make concrete value analysis on customers and develop sound relationship with high-value customers. According to the theory of customer relationship management, combining with actual status of railway production, based on the mining analysis on all customers’ transport activities of railway administration, and in accordance with indices like contribution degree of customer on railways, this paper puts forward a simple star-rating system of railway customers. The example analysis shows the result of the simple star-rating could roundly and objectively reflect customer value and its contribution degree, which provide effective reference for railway administrations developing marketing works and optimizing the configuration of transport capacity resource.

Railway; Customer Relationship Management; Customer Category; Simple Star-rating

1003-1421(2015)06-0092-05

F532.6

B

2015-03-26

中国铁路总公司科技研究开发计划课题(2013X008-A-2)