摘要：针对客户细分问题中存在的不确定性，提出了一种基于三支决策理论的细分方法。该方法综合考虑了客户细分的风险代价和收益，基于三支决策理论，建立了客户细分模型，给出了计算三支决策阈值的方法，同时还给出了应用实施的步骤。最后，通过实例分析说明了客户细分方法的应用过程和优势所在。三支决策不是仅仅作为二支决策的过程，而是在最终结果中保留三支结果，以采取三种不同的策略，这赋予了三支决策三个域以新的解释。三支决策理论的引入，为客户细分提供了新的思路和方法，可以最小化决策风险代价。
关键词： 客户细分； 三支决策； 二支决策； 评价指标； 决策分析
中图分类号： TP399；C931.2 文献标志码： A
0引言
客户关系管理（CustomerRelationshipManagement，CRM）是信息经济时代企业制胜的关键，其中认知客户价值并保持有价值的客户是CRM的核心活动。如何对客户进行评价分析，找出最有价值的客户，并针对不同的客户特点制定相应的营销方案，提供更个性化的服务，最终让企业以最小的投入获得最大的回报，这是客户细分问题研究的原初动力。
客户细分的概念来源于20世纪50年代出现的市场细分概念[1]。客户细分是指按照一定的标准将企业的现有客户划分为不同的客户群。通过客户细分，企业可以更好地识别不同客户群体的需求以及其对企业的价值，以此指导企业的客户关系管理，达到吸引客户、保持客户、建立客户忠诚的目的[2]。Donner认为：正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透[3]。
客户细分并没有统一的模式，企业往往根据自身的需要进行细分。研究目的不同，用于客户细分的指标也不同。客户细分的模式总结起来主要有4类[2-7]：基于客户统计学特征的客户细分、基于客户行为的客户细分、基于客户生命周期的客户细分和基于客户价值相关指标的客户细分。本文采用目前学术界、企业界广泛认可的客户价值细分理论。
现有的客户细分从技术的角度来看，主要有经验描述法、传统统计法、非传统统计法等[2-4，6-8]。这些方法中，经验描述法的主观性过强；传统统计法分析过程复杂、耗时较多，并且细分后得到的客户群过多，造成分析代价过大；而新兴起的非传统统计方法（主要是数据挖掘等基于人工智能技术的非数值计算方法）多使用确定性分类模型。由于客户行为、信息采集过程中的复杂性导致的不确定性，使得现有方法在解决客户细分问题时存在很多不足，尤其缺乏对细分过程中的风险收益分析。通常来讲，企业可以根据单一因素，也可根据多个因素对客户进行细分。选用的细分标准越多，相应的客户群体也就越多，每个群体的客户数量就越小。相反，选用的细分标准越少，相应的客户群体也就越少，每个群体的客户数量也就越大。从理论上来说，细分的程度越高，也就是每个群体的客户数量越小，越容易定位用户的需求，并针对需求制定相应的营销策略，实现精准营销。但随之而来的是细分成本问题。当实现客户细分的成本接近或者超过所获利润时，细分策略显然是不合算的。因此，从成本效益分析的角度来看，客户细分同样存在一个度的问题，即如何保持细分增加的成本与带来的利润之间的均衡问题。
在这个问题上，三支决策理论[9]提供了一个很好的理论框架。本文从客户价值评价出发，在三支决策理论框架内研究客户的细分问题，提出了一个更具有弹性的、考虑成本收益的客户细分方法。概括地讲，通过建立客户价值的评价指标体系，利用三支决策的方法，将客户分为三个域：正域、负域和边界域。其中正域中的客户是高价值客户，也是企业的优质客户资源，在客户关系管理中，是需要重点维护和保持的，企业应将维系客户关系80%的资源用于这类客户；负域中的客户是需要淘汰的客户，这些客户给企业带来的价值可能远远低于进行客户关系维系的成本，因此，建议尽可能地少投入资源用于该类客户的关系维系；边界域中的客户则是有待进一步观察的客户，可以维持现有的客户关系维系策略以不让客户流失为基准；进一步，当有新的信息到来时，可以对边界域的客户继续细分，但需要强调的是，在最终结果中始终保留三个决策域，而不是变成一个简单的二支决策结果。
按照这个思路，本文给出了利用三支决策进行客户细分的指标体系、价值评价模型以及分类阈值确定方法，并提出了实际应用的策略。该问题的研究，既为三支决策理论提供了应用实证，同时也为CRM中客户细分的研究提供了新的思路和方法，具有重要的理论价值和现实意义。
2客户细分的指标体系
客户价值的评价标准有很多，现在很难找到一个统一的，能被所有人接受的指标体系。综合已有的研究[16-19]并结合所调研的企业现状，本文构建的指标体系包含如下3类指标：
1）当前价值指标：单位毛利润、总购买量；
2）潜在价值指标：忠诚度、信用度、品牌传播价值；
3）成本指标：服务成本。
三类指标中，前两类指标是效益型指标，第三类是成本型指标。客户当前价值决定了企业当前的赢利水平，是企业感知客户价值的一个重要方面；客户潜在价值关系到企业长远利润，会影响到企业是否继续投资于该客户关系。各项指标具体描述如下：
1）单位毛利润。对于企业来说，利润越高的客户，为企业带来的价值可能也越高。这里以客户提供的单位产品毛利润作为评价依据，为数值型指标。
2）购买量。有些客户带来的利润额度可能并不太大，但他们拥有较大的购买量，属于企业的“销量客户”。销量客户为企业扩大规模、提高市场占有率和知名度带来很大的益处。因此，它也是客户当前价值的重要体现。这里以客户的购买历史数据、合同数据等为依据统计得到。
3）服务成本，是指与客户服务相关的所有成本，包括售前、售中和售后服务。客户所需要的服务成本越低，其在成本方面对企业的贡献就越大。就成本贡献而言，老客户比新客户在这一方面的贡献更大，这不仅是因为企业保留老客户的成本比认知新客户的成本更低，而且由于老客户更加熟悉产品使用，降低了对企业服务支持的要求，减少了企业的服务成本。这一指标数据可以根据历史经验数据估计得到，为数值型指标。
4）忠诚度，是客户从情感上表现出的对公司或品牌的偏好程度以及行为上表现出来的对公司或品牌的持续性。按照客户对公司或品牌的不同依赖程度，可以将其分为3类：坚定的忠诚者、中度的忠诚者、多变者。客户忠诚度可以通过问卷调查以及和公司的交易记录来确定。
5）信用度则是客户在与公司进行交易过程中表现出来的信用情况。比如：合同执行情况、付款情况；当然，信用度还可能包括客户的社会信用记录。通常也将其分为三类：信用良好、信用一般和信用不良。该指标可以通过客户交易记录和相关调查得到。
6）品牌传播价值，也就是客户的口碑价值。所谓口碑效应是指在市场有效和信息充分流动的情况下，客户通过传播自己的客户满意度和消费经验的感知，影响企业当前客户后续的购买模式和潜在客户的未来购买模式。客户的口碑价值跟客户的购买量、忠诚度都有关联，但又不能完全用这二者来衡量，因此这里将其单列为一个指标。其效应值主要根据客户的规模、地位、影响力等来确定。该指标可以根据市场调研资料得到。本文采用三级打分标准对其予以量化，分别对应：好、一般、差。
这里，由于指标数量较少，本文不再对指标分组。当指标较多时，可以根据指标的重要性对指标分组，并分阶段实施评价，可以减少数据操作的复杂性。
通过观察对比实验结果，可以得出如下结论：
从实验数据看，三支决策方法与二支决策相比，分类代价明显减小。本例中采用二支决策情况下的分类代价将比采用三支决策时的分类代价增加30.77%。三支决策方法的分类正确率并不肯定比二支决策更高，这是因为有部分客户被划入延迟决策的边界域中。但我们追求的不是准确率的提高，而是总的分类代价最小（或者说收益最大）。在这个目标上来看，采用三支决策方法比二支决策有明显的优势。
4.3应用说明
基于三支决策的客户细分方法，其优势不在于分类准确率的提高，而在于分类代价的减小。在实际应用过程中，可以根据信息的采集情况动态地分阶段进行分类，并且根据信息的不确定程度，决定保留三支决策结果或者是最终产生二支决策结果。这种策略的实施，一方面降低了数据操作的复杂性，减少了计算量；另一方面还可以减小决策风险代价，有实用性。
5结语
本文提出了一种基于三支决策理论的客户细分方法。三支决策理论的引入，为客户细分提供了新的思路和方法，尤其在不完全信息状态下，可以避免决策盲动风险，而最大化决策收益。三支决策的应用也表明，对于三个域的解释，不一定只是拒绝、接受和延迟决策，而可能是对应三种不同的策略。本文在应用时提出了可以保留三支结果，以采取三种不同的策略，这也为三支决策的理论和应用提供了新的解释。
致谢：感谢加拿大里贾纳大学的姚一豫教授在课题研究过程中给予的指导和帮助。
参考文献：
[1]KOTLERP.Marketingmanagement—analysis，planning，implementation，andcontrol[M].10thed.MEIR，translation.Beijing：ChinaRenminUniversityPress，2008.
[2]LIUY，WUH.Asummarizationofcustomersegmentationmethods[J].JournalofIndustrialEngineeringandEngineeringManagement，2006，20（1）：53-57.
[3]DONNERS.Whatcancustomersegmentationaccomplish？[J].BankersMagazine，1992，175（20）：72-81.
[4]YEQ，LUT，YANX，etal.Researchondynamiccustomersegmentationincustomerrelationshipmanagement[J].JournalofManagementSciencesinChina，2006，9（2）：44-52.
[5]YANGY，WANGY，ZHONGX.Customerrelationmanagement：concept，driversanddimension[J].NankaiBusinessReview，2002，5（2）：48-52.
[6]ZHANGG，JING.Researchoncustomersegmentationtheoriesandtheirapplicationstrategies[J].JournalofHuazhongUniversityofScienceandTechnology：SocialSciences，2003，17（3）：101-104.
[7]CHENM.Studyonvaluesegmentationandretentionstrategiesofcustomer[J].GroupTechnology&ProductionModernization，2001（4）：23-27.
[8]WANGH.Customervalueanalysisbasedooughsetsdataminingtechnology[D].Harbin：HarbinEngineeringUniversity，2006.
[9]YAOY.Anoutlineofatheoryofthreewaydecisions[C]//Proceedingsofthe8thInternationalConferenceonRoughSetsandCurrentTrendsinComputing.Berlin：SpringerVerlag，2012：1-17.
[10]YAOY.Threewaydecisions：aninterpretationofrulesioughsettheory[C]//Proceedingsofthe4thInternationalConferenceonRoughSetsandKnowledgeTechnology.Berlin：SpringerVerlag，2009：642-649.
[11]YAOY.Threewaydecisionswithprobabilisticroughsets[J].InformationSciences，2010，180（3）：341-353.
[12]YAOY.Thesuperiorityofthreewaydecisionsinprobabilisticroughsetmodels[J].InformationSciences，2011，181（6）：1080-1096.
[13]JIAX，LIW，SHANGL.Threewaydecisionssolutiontofilterspamemail：anempiricalstudy[C]//Proceedingsofthe8thInternationalConferenceonRoughSetsandCurrentTrendsinComputing.Berlin：SpringerVerlag，2012：287-296.
[14]ZHOUB，YAOY，LUOJ.Athreewaydecisionapproachtoemailspamfiltering[C]//Proceedingsofthe23rdCanadianConferenceonAdvancesinArtificialIntelligence.Berlin：SpringerVerlag，2010：28-39.
[15]JIAX，SHANGL，ZHOUX，etal.Threewaydecisionstheoriesandapplications[M].Nanjing：NanjingUniversityPress，2012.
[16]QIJ.Customervalueevaluation，modelinganddecision[M].Beijing：BeijingUniversityofPostsandTelecommunicationsPress，2005.
[17]DONGD，QUANX，QUX.Customervalueconstruct[J].JournalofDalianUniversityofTechnology：SocialSciences，1999，20（4）：47-52.
[18]XIONGB.Reviewofcustomervaluetheory[J].JournalofChongqingTechnologyandBusinessUniversity：SocialSciences，2003，20（3）：57-59.
[19]LINGL.Studyoncustervaluebasedooughsetstheory[D].Jinan：ShandongUniversity，2006.
[20]JIAX，LIW，SHANGL，etal.Anadaptivelearningparametersalgorithminthreewaydecisions[J].ActaElectronicaSinica，2011，39：2520-2525.
[21]YAOY，ZHOUB.NaiveBayesiaoughsets[C]//Proceedingsofthe5thInternationalConferenceonRoughSetsandKnowledgeTechnology，LNCS6401.Berlin：SpringerVerlag，2010：713-720.
[22]YANGL，GAOY，LINGW.Principleandapplicationsoffuzzymathematics[M].5thed.Guangzhou：SouthChinaUniversityofTechnologyPress，2011.