基于改进RFM的铁路货运客户评价模型研究

马小龙，赵明丽

(1.中国铁路郑州局集团有限公司 货运处，河南 郑州 450000；2.北京京天威科技发展有限公司 战略发展部，北京 100085)

近年来，我国运输市场结构发生了很大的变化，中国铁路总公司坚持市场导向，不断深化运输供给侧结构性改革，增加客货产品有效供给，巩固和扩大铁路运输市场份额[1]。各铁路企业每年货运客户超过4 500 家，部分企业客户甚至高达 9 000 家，而且处于实时流动状态，客户性质、发货品类、发货频率、发货数量迥然相异，营销难度大，传统的大客户营销策略维度过于单薄，无法满足提高运输服务质量及扩大市场份额的需求[2]。因此，集中力量发展核心竞争力，挖掘关键客户，成为铁路企业的必然选择。在新的铁路货运清算规则下，开展精准营销，实施个性化营销策略成为铁路企业的关注焦点，通过对货票历史数据规律的挖掘，运用帕雷托法则筛选货运主要客户，借助于传统客户关系管理模型 RFM 的理念[3]，构建铁路企业货运客户评价模型；与此同时，利用德尔菲法与层次分析法更专业、更客观地确定各评价指标权重，最终实现对铁路货运客户进行评估与重要程度划分，助力铁路企业构建完善的市场营销体系。

1 铁路货运客户评价模型构建

模型建立根据以下假设前提：①某铁路集团公司铁路货运量与货运收入符合改进的 80-20 原则 (即80% 的货运量与货运收入来源于 20% 的货主，具体视每个铁路集团公司具体情况而定)；②一线营销人员掌握货运客户运输总量。

（1）步骤 1：建立客户评价指标体系。传统 RFM将客户一段时间内的购买频率、最近一次购买时间、一段时间内带来的利润作为评价维度，维度较为简单，无法满足复杂的铁路货运现状[4]。因此，基于 RFM 模型的基础理论，结合货运营销专业调研结果，从铁路货运实际情况出发，考虑从以下 4 个维度切入：客户对铁路运输的贡献度 S；客户对铁路运输企业的忠诚度 L；通过淡季运量衡量铁路企业的发货潜力 P；基层工作人员对客户的主观评价 O。其中，基层工作人员的评价分数为 1-100，主要从日常遵守铁路规章情况、对铁路平常调研工作的支持程度及铁路运输保密协议遵守情况等多个主观方面进行考核[5]，每个维度都有各自支撑指标，铁路货运客户评价指标体系如图 1 所示。

图 1  铁路货运客户评价指标体系Fig.1 Evaluation index systemof customer

（2）步骤 2：权重计算。为了使权重值符合货运生产规律且更客观，采用德尔菲法与层次分析法相结合的方法进行计算。首先，由企业货运客户关系管理相关专业专家为各项指标进行相对重要程度打分，再由层次分析法算出每一层每个指标的绝对权重。

①专家为各层各项指标相对重要程度的打分结果，形成各层指标的判断矩阵如下。

式中：A 为各层指标的判断矩阵，为交互矩阵，任意2 种评价指标的相对重要性，数据通过德尔菲法获取并加以处理得到该矩阵，第二层指标的判断矩阵可用同样的方法获得；n 为每一层指标的个数；aij= 1/aji，为评价维度或指标 i 相对于 j 的重要程度，其取值范围即 1-9 标度法如表 1 所示。

表 1  1-9 标度法Tab.1 1-9 method of AHP

②计算各级指标的权重公式如下。

式中：λmax 为 A 矩阵的最大特征根；ω 为权重矩阵。

（3）步骤 3：判断矩阵一致性检验。为了保证各指标之间重要程度的协调性，对矩阵进行一致性检验计算如下。

公式 ⑶ 和公式 ⑷ 中，C.I 为判断矩阵的平均一致性指标；n 为判断矩阵的阶数；R.I 为判断矩阵的随机一致性指标，三阶矩阵取 0.514 9，四阶矩阵取 0.893 1；C.R 为判断矩阵的随机一致性比例，如果 C.R＜0.1，则判断矩阵满足一致性检验，否则，需对判断矩阵进行微调。

（4）步骤 4：评价值计算。客户综合评价价值为

式中：Ci为客户 i 的综合价值；ωS，ωL，ωP，ωO 为评价体系第一层 S，L，P，O 的权重，由层次分析法计算得出；ωSl，ωLj，ωPh，ωOk为评价体系第二层指标的权重，由层次分析法计算得出；Si为第 i 个客户指标 S 实际值；Li 为第 i 个客户指标 L 的实际值；Pi为第 i 个 客户指标 P 的实际值；Oi 为第 i 个 客户指标 O 的实际值；l = 1，2，…，m，为 S 指标下二级指标的个数变量，j = 1，2，…，n，为 L 指标下二级指标的个数变量，h = 1，2，…，e，为 P 指标下二级指标的个数变量，k = 1，2，…，f，为 P 指标下二级指标的个数变量；由于投诉率是逆指标，因而在计算综合评价值时，要进行减运算；K 为调节系数，该系数根据企业发货品类确定，例如：由于煤炭运价号低，根据承运清算规则，对承运企业贡献小，而白货品类货物清算贡献较大，因而对白货品类货物发送企业可适当增加调节系数，我们将发送品类以煤炭为主的企业，调节系数取 1，白货品类为主则取 10。每个铁路企业运输情况、发运货物结构不同，重点货物品类也会有所区别，该调节系数的设计原则及值也不尽相同，该系数为主观赋予系数，可依据企业货运特点灵活赋值。

（5）步骤 5：客户分类。求得综合评价值后，据此对货运客户进行排序，可得货运客户重要程度，再根据业务提供的标准划分核心客户、重要客户和一般客户。

2 实例分析

以某铁路局集团公司 2017 全年货运客户数据为样本，展开客户关系管理，建立模型并进行分析计算。对客户一年的数据进行汇总，结果如下：共4 731 个客户 (包括企业和个人)，客户属性包含评价指标体系中所有指标，2017年总发货量为 1.544 47亿 t，总运输费用为 218.309 5 亿元，样本数据分布频率如表 2 所示。

取部分货运客户数据样本，对数据维度进行说明，部分样本数据展示如表 3 所示。

表 2  样本数据分布频率表Tab.2 Distribution frequency of sample data

表 3  部分样本数据展示Tab.3 Partial sample data

样本数据分布频率结合新出台的承运清算规则，通过帕雷托法则筛选出运费累计占前 88% 的 205 位客户 (年运费累计 1 000 万元以上)，作为评价对象。由业务专家为评价维度和评价指标进行相对重要性评价，重要性度量标准采用 1-9 标度法，形成判断矩阵，经过矩阵一致性检验 (C.R = 0.054 929＜0.10)，并求解各指标权重，一级指标判断矩阵值及计算过程如表 4 所示，二级指标判断矩阵值如表 5 所示。

表 4  一级指标判断矩阵值及计算过程Tab.4 Judgement matrix of indexes in fi rst level

表 5  二级指标判断矩阵值Tab.5 Judgement matrix of indexes in second level

根据权重及加权平均法，得出每个企业的综合评价值[6]，并对企业进行重要性排序，结合业务专家提供的分类标准进行分类，根据帕雷托法则，将排序前20% 客户中年运费上亿元的货运客户划分为核心，部分分类结果展示如表 6 所示。

表 6  部分分类结果展示Tab.6 Partial result of classi fi cation

3 结束语

客户是铁路企业的重要资源，进行客户细分是运输市场发展的内在要求，铁路企业对货运客户进行有效的差异化分析，在控制成本的前提下实现精准营销，能提高铁路企业核心竞争力、提高客户服务水平，从而达到扩大市场份额的目的[7]。基于改进的RFM 客户评价模型的每个环节都以铁路运输历史生产数据为依托[8]，运用层次分析法削弱德尔菲法的主观性，使评价结果更客观，同时在模型中考虑清算规则变更等大环境的影响，通过数据分析结果为铁路企业进行客户关系管理提供指导。另外，还应针对每个客户的发货特点，通过聚类分析或 K-means 方法对客户进行精准细分，为每一类客户进行定制化的营销策略。

参考文献：

[1]郭玉华，陈治亚. 基于客户生命周期的铁路大客户细分与发展模型[J]. 铁道科学与工程学报，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. 美国主要Ⅰ级铁路货运营销组织模式与启示[J]. 中国铁路，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]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，2014，11(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，刘启钢，席江月，等. 铁路物流总包业务统计指标体系及评价研究[J]. 铁道货运，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]刘启钢，丁小东，叶 飞，等. 铁路快运物流服务体系研究[J]. 铁道运输与经济，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，孙有望. 基于双重效益发展高速铁路快运物流的研究[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]张 雅. 面向铁路货运市场营销的数据挖掘技术应用研究[D]. 成都：西南交通大学，2014.