加油卡“睡眠”管理的探讨

张 蕾 陈素波

〔中国石油规划总院 北京 100083〕

加油卡是成品油零售行业中进行客户管理的重要工具。企业通过加油卡获得顾客信息、记录顾客行为、分析顾客偏好；顾客和企业通过加油卡进行沟通互动，以方便、快捷、安全的方式完成交易。从企业来看，用卡客户是重点关注和营销的对象。具体来说，用卡顾客可以分为两种：一种是持续用卡的客户，他们对品牌的忠诚度高，对企业的让渡价值(指整体顾客价值与整体顾客成本之间的差额)也大，是企业的核心客户群体；另一种是用卡后，容易出现流失的客户，他们容易受其他因素的影响不再使用加油卡或者流失成为竞争对手的客户，是企业重点关注和营销的对象[1]。因此，企业从客户角度切入，要解决两个基本问题：让在用卡客户的使用频率或者单次消费额度提升，提高顾客让渡价值；提高有流失倾向的顾客对企业的关注程度，防止该类型顾客流失。个人加油卡用户长时间没有使用加油卡消费，可能的原因分为两类：一类是忠诚顾客，有加油需求时仍然会继续使用加油卡；一类是流失顾客，不会再继续使用加油卡。因此，对于一定时间内没有消费或者充值、查询行为的加油卡进行分析，了解不同消费者背后的动机和需求，对企业开展针对性营销具有重要作用。同时，大量积累的这类加油卡，既浪费制作和营销的成本，也没有及时带来长期的收益，发挥应有的作用。因此，有必要分析该类型客户特点，针对性地选择发卡或者开展营销。

人们一般把在一定时间或者在一个时间段内没有使用过的卡，或者新申领卡但没有启用和激活的卡称为“睡眠”卡。“睡眠”卡一方面代表着部分客户的流失，另一方面也为企业的系统资源带来较重的负担。因此，对睡眠卡的研究也是各企业的重中之重。

目前对“睡眠”卡等相关的研究主要集中在以下三个方面：一是对卡片“睡眠”原因的分析，包括单纯追求发卡数量、售后服务不到位、用卡环境复杂化、产品同质化、用卡人观念限制等[2]。二是对该类型卡带来的问题和风险进行研究，包括增加企业成本、形成资源浪费；分析过程冗杂，数据清洗困难等。三是对“睡眠”卡处理方式的讨论，包括提前防范、重视发卡质量；提升服务质量，改善用卡环境；整合产品，提高用卡频率等。从方法上来看，现有文献主要通过博弈论模型[3]、岭回归模型[4]、logistic回归模型[5]等方法对“睡眠”的原因、影响因素、顾客行为等进行预测分析。为此，本文应用Python2.7软件分析了某省的加油卡消费数据，对 “睡眠”加油卡的管理进行探讨。

1 “睡眠”特性的确定

1.1 数据来源及其清洗

本文研究数据来源于某公司在某省的所有加油站， 2010—2015年的个人记名卡消费(交易)数据、充值数据、卡片数据。根据研究需要，分两步对数据进行清洗和连接：先将不同年份的数据进行合并，再将三类数据按照卡号、时间顺序连接，进行信息整合，最终得到用于分析的源数据。

数据的清洗过程如下：先对用非标准时间表示的数据等进行转换、排序；对于异常空格等数据进行清洗，皆转为可处理数据。同时将异常格式的数据进行删除，在2010—2015年的个人记名卡消费(交易)数据中，存在31行异常格式数据，而原数据约有785万条，共计1000多万行，认为删除不会造成影响。数据清洗还包括：删除年龄不在18～80岁之间的数据、删除“非法数据”(如在填数字的地方填了字符等，但仍保留该条数据的其他有用信息)、在需要的时候对某些数据进行标准化处理，再还原、删除异常值。

1.2 数据分析及其结果

从行业内外对“睡眠卡”的定义情况来看，主要包括两个方面的内容：一是对时间标准的确定，二是对时间以外其他特征的确定，比如余额、卡的类型等。鉴于此，本研究从这两个方面切入，分别选择不同的样本进行测算和验证，为成品油零售行业中加油卡的“睡眠”情况提供参考。

第一步，计算合理用卡时间间隔。本文把加油卡的消费数据和充值数据按照卡号分组，并按照时间顺序进行排序，依次求出每个卡号中消费与消费之间的时间间隔(消费时间差)、充值与充值之间的时间间隔(充值时间差)，消费与充值之间的时间间隔(消费时间差、充值时间差及消费与充值之间的时间间隔统称为行为时间差)。筛选出两次行为时间差小于一个月的数据，并计算出其行为时间差、消费时间差、充值时间差的中位数和均值。统计结果(表1)显示，对于两次行为时间差小于一个月的数据片段来说，大部分数据的消费时间差集中在5 d(中位数)。换言之，对于用户来说，每个月的消费次数大部分集中在6(30/5)次。

表1 行为时间差统计结果 d

第二步，分析典型顾客的时间分布。本研究使用的样本数据是2010—2015年的数据。由于客户开卡的时间不统一，因此需要根据典型顾客的行为进行分析，以避免由于顾客开卡时间的差异引起系统误差。本文定义“典型用户”为一直使用加油站卡的用户，其识别情况如下：①2015年以前开卡的客户，只要在2015年内至少使用1次加油卡，就认为是在用卡顾客；②2015年当年开卡的客户，以2015年数据段用卡时间间隔5 d(由于样本数据分布存在非对称特点，平均数不具有代表性，在此使用中位数对不同类型卡用户进行数据特点描述)作为计算标准，将消费次数大于用卡月份乘以6(比如第一次记录时间为2014年5月，则把2015年消费次数大于36次的卡定义为在用卡)，筛选出用卡频率较高的客户作为典型用户；③将样本卡中每两次消费作为一个时间段样本(共计约785万条数据)，以月为单位统计消费时间间隔分布情况；④顾客99.8 %的消费时间间隔处于3月以内，停用3月以上的行为占比迅速减少，且停用行为的分布较为平均。2010—2015年间开卡且持续在用卡顾客消费时间间隔和样本数量占比见表2。

表2 持续在用卡顾客消费时间间隔和样本数量占比统计情况 %

第三步，全部顾客的停用时长及流失情况统计。本文对卡用户的“流失”进行定义，认为顾客在最后一次用卡后连续12个月无消费、充值、查询等行为定义为自然流失。在此基础上，本研究以全部顾客为样本，按顾客停用时间的长短进行统计，发现停用间隔在3个月以内的加油卡，一年内自然流失率为57 %，较间隔时间在2月内流失率增加了19个百分点；如能在2-3个月期间对该类卡用户进行沟通，能减少该顾客的流失。3个月以后的自然流失递增情况较稳定，营销干预效果偏弱(见图1)。

图1 顾客自然流失率及其变化情况统计

第四步，加油卡的特点分析。本文使用方差分析法对加油卡内余额分布情况进行了验证。方差分析是用来研究分类变量对数值变量的影响，即研究某些因素对于指标有无显著的影响。由于余额变量是非正态分布，不满足方差分析的假定，因此采用Kruskal-Wallis 检验的非参数方差分析方法。结果(表3)显示，卡内余额越多，继续使用该卡的概率越高；停用时间在3月以内的加油卡，卡内余额基本保持在100元左右。

表3 不同停用期卡余额数值(中位数)情况

统计结果(表4)显示，金卡、铂金卡和钻石卡用户在停用3个月以上时，有55%左右的加油卡在一年内再次消费，其概率远高于普通卡。

表4 不同级别加油卡的再使用情况

综上所述，根据本文进行的数据统计，可以根据“睡眠加油卡”的使用及余额情况进行如下定义：睡眠加油卡是指连续3个月以上持卡人无主动发起的消费、充值(不含积分兑换、查询)行为，且卡内余额在100元以下的普通个人记名卡。

2 “睡眠”卡的复苏和流失情况

根据“睡眠卡”的概念，定义加油卡的“复苏”和“流失”。对比复苏卡用户群体与流失卡用户群体在基本属性、用卡行为、时间间隔方面的差异，能够为顾客营销预警提供研究基础。本研究中，为了能够区分样本行为，复苏卡是指发生睡眠行为以后重新使用的卡，流失卡是指未使用时间在12个月以上的卡。

在全部样本中，根据定义清洗数据后，得到适于分析的顾客数量176 758名，其中流失卡用户有171 040名，复苏卡用户有5 718名，整体复苏率为3.2 %。通过对“复苏”和“流失”两类样本的数据统计(表5)发现，流失卡余额明显低于复苏卡复苏前余额，从营销上来看，若一个客户卡内余额很低，且很久未发生任何行为，则有很大可能彻底流失，需引起重视。睡眠卡用户消费行为统计情况详见表5所示。

表5 睡眠卡用户消费行为统计情况

图2 复苏卡及流失卡汽油最后一次消费间隔时间分布

睡眠卡的流失率整体较高，发现流失卡的主要特点并采取针对性的营销措施是提高顾客粘性的有效方式。本文分别对卡用户的汽油消费行为和柴油消费行为进行了统计分析(图2 和图3)，结果发现，流失卡在流失前，会出现较为明显的高频消费行为(平均间隔13.16 d)，时间间隔明显小于复苏卡(平均间隔11.99 d)；从休眠以前最后一次消费金额情况的统计来看，流失卡的最后一次消费金额明显偏高(521元)，远高于复苏卡的消费金额(363元)，其中柴油顾客的大额消费行为更加明显。复苏卡及流失卡平均柴油最后一次消费金额见图3。

图3 复苏卡及流失卡平均柴油最后一次消费金额

3 结语

根据分析结果，对加油卡用户的营销建议如下：一是密切关注个人卡停用时间、余额等关键信息，在停用接近3个月左右时与顾客进行互动沟通，比如短信、微信、站内活动通知等，尽量避免卡片成为“睡眠卡”；二是针对停用时间在3个月以上的“睡眠卡”或者非普通卡(金卡、白金卡、钻石卡)，要根据其“睡眠”以前的消费频率和额度进行识别，对于消费频率不高、消费额度较为平均的客户，及时进行提醒沟通，有助于加强“睡眠卡”的复苏；三是针对“睡眠卡”用户，可以开展复苏奖励等相关活动，提高“睡眠卡”的复苏率和使用率，降低成本浪费。此外，本研究的相关成果能够对CRM系统的客户行为或消费判断提供帮助，也能为石油企业顾客的忠诚度建设提供参考。本研究仍然有一定的改进空间：一是使用某企业内一个省的数据，可能会受到政策环境、消费习惯等因素的影响，结果并不能完全代表其他顾客行为；二是计算方法可以进一步创新；三是可以针对微信、支付宝等“虚拟加油卡”用户进行进一步的分析。