“誰(shuí)是最好的客戶(hù)?”
摘要
本文使用SPSS的頻數分析、描述性分析、缺失值分析、方差分析、卡方檢驗、交叉表、均值比較、相關(guān)分析、線(xiàn)性回歸、決策樹(shù)等統計方法及餅狀圖、條形圖、箱圖、散點(diǎn)圖、樹(shù)形圖等圖表對一個(gè)客戶(hù)數據案例進(jìn)行分析，以發(fā)現不同客戶(hù)群體的特征，為市場(chǎng)推廣活動(dòng)提供依據。
關(guān)鍵詞
市場(chǎng)，細分，客戶(hù)，統計，分析，比較
SPSS可以使您從營(yíng)銷(xiāo)數據中獲得最多的信息！
所有的商務(wù)人員都對“誰(shuí)是最好的客戶(hù)”這個(gè)問(wèn)題的答案感興趣。在當今競爭激烈的市場(chǎng)環(huán)境下，接觸、吸引并更好地保持客戶(hù)群體變得越來(lái)越困難，所需的人力物力也越來(lái)越多。在這種壓力下，更多的機構運用基于客戶(hù)數據的營(yíng)銷(xiāo)(Database Marketing)來(lái)最大限度地挖掘客戶(hù)的價(jià)值。
有很多已知的方法來(lái)描述和評估“最佳客戶(hù)”的特點(diǎn)。本文使用SPSS統計軟件對客戶(hù)數據進(jìn)行分析。
下面的這個(gè)案例包括了2,000個(gè)客戶(hù)資料，數據結構如下：
— 消費者第一次購買(mǎi)的時(shí)間
— 按訂單金額排序的購買(mǎi)記錄
— 對不同促銷(xiāo)活動(dòng)的回應率
— 家庭收入水平
— 所屬地區
— 性別和其他的人口統計變量
研究目的是通過(guò)分析客戶(hù)在過(guò)去的消費金額來(lái)對客戶(hù)進(jìn)行細分。我們將使用從基本到復雜的各種數據分析技術(shù)，從客戶(hù)數據中挖掘信息。
初步研究：典型客戶(hù)的特征
通過(guò)對不同變量研究分析，可以得到以下問(wèn)題的答案：
— 客戶(hù)居住在哪個(gè)地區？在東、西、中三個(gè)地區的分布情況如何？
— 客戶(hù)的平均收入水平如何？
— 成為我們的客戶(hù)有多長(cháng)時(shí)間？
— 對各種促銷(xiāo)活動(dòng)的一般回應是什么？多少人回應了第一種促銷(xiāo)活動(dòng)？
— 客戶(hù)花了多少錢(qián)？
SPSS提供了可以迅速回答以上問(wèn)題的幾種分析方法，頻數和描述性分析過(guò)程可以提供對客戶(hù)數據的初步印象。
從圖1餅狀圖中可以看出，東部地區所占比例最大(34%)，西部地區最小(19%)，而有16.9%的數據未列出所屬地區。
圖1 表1
SPSS對缺失值進(jìn)行特殊處理。了解數據在什么時(shí)候、為什么缺失是十分有用的。比如，你想區分這些缺失的數據是因為客戶(hù)不提供還是因為數據無(wú)法得到的時(shí)候。在表1中，“percent”值包括缺失值，“valid percent”值則排除了缺失值，可以方便地比較缺失值對分析結果的影響。
表2
描述統計提供了一組摘要統計量。從表2中可以看出，客戶(hù)的平均家庭收入在61,000美元左右，多數客戶(hù)的收入在50,000到72,000美元之間。
要回答“成為我們的客戶(hù)有多長(cháng)時(shí)間?”這個(gè)問(wèn)題，需要對數據庫里的一個(gè)字段進(jìn)行處理，以計算每個(gè)時(shí)間階段的客戶(hù)數量。數據庫中記錄了客戶(hù)第一次購買(mǎi)產(chǎn)品的日期，可以把它轉換為成為客戶(hù)的時(shí)間長(cháng)度。SPSS提供了多種時(shí)間變量計算函數。
表3
頻數表顯示：29%的客戶(hù)有10年以上的歷史，過(guò)半客戶(hù)在7年以上。
我們繼續回答“誰(shuí)花的錢(qián)最多?”這個(gè)問(wèn)題。為了精確了解客戶(hù)生命周期，預測模型將結合先前的購買(mǎi)行為，來(lái)預測未來(lái)的購買(mǎi)趨勢。我們從每個(gè)客戶(hù)的總訂單值開(kāi)始分析。
首先，新建一個(gè)變量：總訂單值(單位：美元)
從直方圖(圖2)可以看出，大多數客戶(hù)消費500美元或者更少，只有少數客戶(hù)的消費在500美元以上?？蛻?hù)平均消費為1,360美元，幾乎沒(méi)有客戶(hù)的消費超過(guò)7,000美元。
通過(guò)以上分析，可以得知典型的客戶(hù)有這樣幾個(gè)特征：
— 居住在東部
— 家庭收入在61,000美元左右
— 成為客戶(hù)在7年以上
— 在我們產(chǎn)品和服務(wù)上消費了1,360美元
圖2
客戶(hù)如何回應不同的營(yíng)銷(xiāo)活動(dòng)？
為了回答“多少人對促銷(xiāo)活動(dòng)有回應?” 和“對不同促銷(xiāo)活動(dòng)的一般回應是什么?”這些問(wèn)題，可以對每個(gè)促銷(xiāo)活動(dòng)的回應進(jìn)行頻數分析，同時(shí)對四個(gè)促銷(xiāo)方案的訂單額進(jìn)行描述分析。
表4
在表4中，可以看到890(大約45 %)人對促銷(xiāo)活動(dòng)一有回應。對其他促銷(xiāo)活動(dòng)的類(lèi)似分析表明39%的人對促銷(xiāo)活動(dòng)二有回應，37.4 %的人對促銷(xiāo)活動(dòng)三有回應，17.4 %的人對促銷(xiāo)活動(dòng)四有回應。
表5
購買(mǎi)歷史分析(表5)顯示促銷(xiāo)活動(dòng)三的平均值為294美元，比其他的方案都低。這一差異的顯著(zhù)性將在以后的分析中進(jìn)行檢驗。
深入分析：客戶(hù)的不同點(diǎn)在哪？相同點(diǎn)在哪？
下面以地區為基礎來(lái)觀(guān)察客戶(hù)對促銷(xiāo)活動(dòng)一如何回應，以找出以下問(wèn)題的答案：
— 每個(gè)地區的平均客戶(hù)生命周期是多少？
— 每個(gè)地區對促銷(xiāo)活動(dòng)一的回應如何？
SPSS可以方便地在不同數據組之間進(jìn)行比較。交叉表、均值比較、分組條形圖、誤差條形圖可以清晰地表現結果，卡方統計，方差分析(ANOVA)和決策樹(shù)(AnswerTree)可以確定結果的差異是否顯著(zhù)。
下面我們深入探討“每個(gè)地區的平均客戶(hù)生命周期是多少?”這個(gè)問(wèn)題。圖3同時(shí)顯示了數據的平均值和95 %置信區間，可以看出西部的生命周期比其他地區長(cháng)，而且該差異具有顯著(zhù)性。
圖3
表6為圖3的表格表達形式，表明整體平均生命周期為7.49年，西部比其他地區要長(cháng)。
表6
表7的ANOVA報告表明生命周期和地區之間的差異具有統計顯著(zhù)性?？赡艿慕忉層校菏紫仍谖鞑块_(kāi)設了辦事處，不同地區需求不同，或某一產(chǎn)品在該地區的推廣比較成功，等等。
表7
圖4表明：中部地區比其他兩個(gè)地區，尤其是西部地區的回應要小。
圖4
為了證明這個(gè)結果具有顯著(zhù)性，對每個(gè)地區對單個(gè)方案的回應結果進(jìn)行更深入的分析。為了回答“每個(gè)地區對促銷(xiāo)活動(dòng)一的回應如何?”，我們做一個(gè)促銷(xiāo)活動(dòng)一(Offer 1)和地區(Region)的交叉表。
表8顯示在對促銷(xiāo)活動(dòng)一有回應的人當中有41.3 %來(lái)自東部地區，而只有26.5 %的人來(lái)自西部，有超過(guò)一半(50.5 %)的西部人對促銷(xiāo)活動(dòng)一有回應。
表8
為了確定地區是否對回應率有影響，對“% of Region”進(jìn)行比較，可以發(fā)現東部地區有45%的人有回應，中部為40%。據此得出結論∶西部是促銷(xiāo)活動(dòng)一有較好回應的地區，但這并不能作為在該地區擴大推廣促銷(xiāo)活動(dòng)一的充分理由，還必須通過(guò)顯著(zhù)性檢驗來(lái)作進(jìn)一步分析。
表9
表9包含了地區和促銷(xiāo)活動(dòng)一的卡方分析結果?？ǚ斤@著(zhù)性水平為0.007，具有顯著(zhù)性。這表明促銷(xiāo)活動(dòng)一在西部地區的成功有特殊原因，如產(chǎn)品解說(shuō)更直接迎合了西部的要求，宣傳媒體更能吸引他們的注意力等。
哪些客戶(hù)花的錢(qián)最多？
觀(guān)察購買(mǎi)歷史的另一種方法是對花費的全部數量，而不是在單個(gè)訂單上的花費進(jìn)行評估?；ㄙM總數和地區之間的關(guān)系也可能反映一些重要的信息。
單因素方差分析可以檢驗平均值差異的顯著(zhù)性。它首先提供了一個(gè)描述統計表格，表示各個(gè)地區對四種促銷(xiāo)活動(dòng)的花費總數的平均值。中部地區為1,206美元，東部為,1391美元，西部為1,600美元以上。
最后一個(gè)報告(表10)顯示出東部和西部花費水平之間的差異是否顯著(zhù)。
表10
單因素方差分析表明，東部和西部地區的花費水平不存在顯著(zhù)差異，西部和中部地區之間的差異則有顯著(zhù)性。
可以用這些信息做進(jìn)一步的分析，以確定地區之間如何不同，為什么不同，并根據這些不同做出有針對性的營(yíng)銷(xiāo)計劃。
預測消費總數
預測模型是確定市場(chǎng)前景和優(yōu)化市場(chǎng)資源的強大工具。它可以回答類(lèi)似“家庭將花費他們收入中的多少?”這樣的問(wèn)題。
圖5
散點(diǎn)圖(圖5)顯示了家庭總收入和總訂單金額兩個(gè)變量之間的關(guān)系。
SPSS提供多種方法來(lái)確定變量之間的關(guān)系和定義預測模型，如散點(diǎn)圖、相關(guān)分析、線(xiàn)性和邏輯斯諦回歸、CHAID等。
表11顯示相關(guān)系數是0.608，表示家庭收入和花費總額之間有密切的關(guān)系。
回歸分析進(jìn)一步通過(guò)模型來(lái)表示它們的關(guān)系，如表12和圖6所示。
表11
這個(gè)關(guān)系表明家庭收入增加，消費總額也會(huì )增加?？梢砸源藖?lái)預測營(yíng)業(yè)額，并改善營(yíng)銷(xiāo)活動(dòng)。如：以能消費更多的產(chǎn)品和服務(wù)的高收入家庭作為目標，或者開(kāi)發(fā)“客戶(hù)保持計劃”使高收入家庭始終感到滿(mǎn)意，等等。
表12 圖6
客戶(hù)細分以追求更多的利益和成功的市場(chǎng)
基于客戶(hù)數據的營(yíng)銷(xiāo)活動(dòng)經(jīng)常使用卡方自動(dòng)交互檢驗技術(shù)(CHAID)進(jìn)行分析。 SPSS AnswerTree提供了四種決策樹(shù)算法，CHAID是其中一種。AnswerTree可以找出哪些特征的組合最有可能實(shí)現一種結果(如對一種促銷(xiāo)活動(dòng)的回應)。我們把地區、產(chǎn)品和收入類(lèi)別放在AnswerTree的模型中，以發(fā)現最有可能回應促銷(xiāo)活動(dòng)一的組合。AnswerTree把結果自動(dòng)構造成樹(shù)型圖，如圖7所示。
圖7
圖8顯示了樹(shù)形圖的頂端分枝，它們是對促銷(xiāo)活動(dòng)一的回應最具影響力的幾種因素?？梢园l(fā)現收入的影響是最大的(與前面回歸分析的結果相同)。
圖8
在圖9中，下一級分枝表示如果收入不低于65,000美元，產(chǎn)品種類(lèi)是AB或C1，則有98 %回應率。用更多的因素來(lái)進(jìn)行AnswerTree分析可以得到更多的信息，例如，可以發(fā)現盡管中部地區整體上對促銷(xiāo)方案沒(méi)有多大回應，但有特定收入的婦女群體卻有較好的回應，這可能是另一次直郵營(yíng)銷(xiāo)的成果。
圖9
采取行動(dòng)
根據分析結果，可以制定下列計劃：
— 為最好的客戶(hù)(高收入、居住在西部、長(cháng)期客戶(hù)、購買(mǎi)一級產(chǎn)品)制定一個(gè)全新的顧客保持計劃
— 對于中部地區的低收入客戶(hù)嘗試采取一種產(chǎn)品和服務(wù)捆綁的形式，以更好的滿(mǎn)足這些客戶(hù)的需要
— 把西部的市場(chǎng)開(kāi)發(fā)經(jīng)驗應用到中部和東部，以建立長(cháng)期客戶(hù)為目標
— 在西部地區繼續推行促銷(xiāo)活動(dòng)一
— 把未來(lái)的營(yíng)銷(xiāo)活動(dòng)集中在最有價(jià)值的市場(chǎng)目標上
聯(lián)系客服
