推荐阅读：对保险业在线客户细分与忠诚度研究 对保险业在线客户细分与忠诚度研究对保险业在线客户细分与忠诚度研究 文章来源于教育网 摘要:在网络环境下,如何培养客户忠诚度、提高续保率,成为保险业发展需要解决的重要问题。笔者结合网络保险业的特征,根据客户的基本特
对保险业在线客户细分与忠诚度研究
对保险业在线客户细分与忠诚度研究
对保险业在线客户细分与忠诚度研究
文章
来源
于
教
育
网
摘要:在网络环境下,如何培养客户忠诚度、提高续保率,成为保险业发展需要解决的重要问题。笔者结合网络保险业的特征,根据客户的基本特征与交易行为,采用RFM分析方法构建客户细分指标体系,利用SOM神经网络模型将客户聚类为黄金客户、重要发展客户、重要挽留客户、重点维持客户、普通客户和其他无价值客户6类,然后从中选取最有
价值的前两类客户,利用客户忠诚度评价模型对其忠诚度进一步分析,针对各类客户群分别提出相应的营销策略。
关键词:保险业;网络保险;客户细分;客户忠诚度
作者简介::李琪(1955-),男,重庆人,西安交通大学经济与金融学院教授,博士生导师,主要从事电子商务、电子政务研究;崔睿(1984-),女,山西原平人,西安交通大学经济与金融学院博士研究生,主要从事电子商务研究。 一、文献回顾
网络保险业在我国起步较晚,相关研究主要集中于理论方面,大多是对网络保险业的发展现状、意义及技术进行探讨,在应用方面研究的文章很少,更缺乏定量的实证研究。宋立伟(2003)提出电子保单替代纸质保单的必要性。申丽丽(2007)对第三方保险电子商务网站进行了SWOT分析。张敏(2008)研究发现多渠道整合是网络保险业成功运作的基础,并提出了相应的发展对策。孙晓飞(2007)针对我国国情,提出了保险业电子商务模式构建方案。高雷等(2010)对我国与美国及欧洲的保险电子商务发展进行了比较。 笔者尝试用]SOM神经网络模型对保险业的在线客户忠诚度进行研究,根据网络环境下的客户特征与其交易行为,采用RFM分析方法构建客户细分指标体系,并利用SOM神经网络模型对客户进行聚类,然后从中选取最有价值的客户进一步研究其忠诚度,针对各类客户群分别提出相应的营销策略,以期为我国保险业的发展提供借鉴。
二、客户细分
(一)客户细分的方法与细分指标
客户细分的方法包括人口统计细分、生活方式细分、行为细分和利益细分。针对网络保险业,应该在客户基本特征的基础上,结合其行为特征,制定动态的、合适的细分指标体系,才能较好地衡量客户在网站上的行为,运用价值矩阵来衡量客户给保险公司带来的利润,从而辨识出对企业价值较高的客户。
RFM分析方法是分析客户行为特征的一种方法,由Hughes于1994提出,通过R(recency)、F(frequency)、M(monetary)3个行为变量来区分客户,其中,R指上次购买至现在的时间间隔,F为某一期间内的购买次数,M是某一期间内的购买金额。
本研究中的客户细分指标体系添加了在线环境下保险活动的一些衡量指标,主要有客户的基本特征、客户交易行为的RFM、客户在保险网站上的活动以及客户在购买保险后是否续保等行为指标,如表1所示。
不同的指标间具有不可共度性,且后面要用到SOM方法,所以指标要在量化时尽量标准化到[0,1],且客户按照年来确定考核周期。数据选择方面,例如近度、频度,都采用比值的形式,将最新值与历史值进行比较,将某个客户的值与整个客户的平均水平作比较。将客户交易价值分为两部分进行量化,一部分是客户已经带来的价值,一部分是客户的潜在价值。客户的已有价值是在假设客户现在的特征保持不变时,估算客户能够带来的利润总和。客户的潜在价值是客户未来可能给公司带来的利润,再求现。
表1保险业在线客户细分指标
指标指标权重量化方法及含义基本特征CC1W0客户特征是否属于保险的潜在用户,由专家进行评估后取值,从客户的静态条件来识别客户风险衡量
指标RM
RM1
RM2W1 部客户的平均近度值的比值,从宏观的角度衡量了客户行为变化趋势F频度 M1W9是指考察客户的投保额与全部客户的平均投保额的比值M2W10从客户自身的角度进行考察,最近一段时间内客户的投保额与历史投保额的比值M3W11即考察客户最近一段时间内的投保额与全部客户平均投保额的比值M4W12客户潜在价值,是由专家评估得到的,从微观角度衡量客户的价值行为指标V网站 上行为V1W13登陆企业网站的近度值V2W14登陆企业网站的频度V3W15登陆企业网站的值度(登陆时间总和)V4W16专家根据客户是否与保险公司有其他联络,通过累计次数得出评估值E (二)客户细分实现
客户细分的基本思路:
1.选择训练样本。从获取的客户资料中提取部分客户的详细信息,以设计好的指标为标准,分解客户信息,将客户信息作为训练数据集。然后应用SOM的聚类能力进行分析,得到多个客户簇。
2.计算每个客户簇的指标的平均值和所有客户的相应的总的平均值。方法如下
C=W0C1=C1(1) R=R1W1+R2W2+R3W3(3)
F=FIW4+F2W8+F3W6 (4) V=VRIWll+VFZW12+VM3W13+V4W14(6) 3.将各个客户簇的C、RW、R、F、M、V的分别平均值与总平均值比较,每次都会得出2个结果:大于或小于总平均值。根据每个客户簇指标的变化情况来对客户进行细分。
4.根据每个客户簇指标情况分析客户簇的性质,进而判断该类客户是高价值客户还是易流失客户等。
5.应用训练好的SOM模型,对所有的客户数据进行分析,将每个客户都划分到一类。分别计算各个客户和总体客户的指标平均值。如果该簇的各个指标的平均值都大于所有客户的平均值,则标记为“↑”,反之则记为“↓”。
三、客户忠诚度
(一)客户忠诚
Jones 等(2002)从客户满意与客户忠诚的关系角度出发,将客户忠诚分为忠诚者、人质客户、唯利是图者和背叛者。Dick 等(1994)将客户忠诚与客户心态和行为相结合,将客户忠诚分为忠诚、潜在忠诚、虚假忠诚和不忠诚4种类型。
(二)客户忠诚度评价指标体系 图1客户忠诚度评价指标框图
(三)客户忠诚度评价模型
基本思路如图2所示。
1.评价目标。研究网络保险业中具有较大客户价值的几类客户的忠诚度。
2.被评价的对象。在上面细分出来的对企业有价值的客户。
3.评价指标体系。从客户资料中提取有价值客户的详细信息,按照设计好的指标分解客户属性。
图2客户忠诚度评价模型
表2客户忠诚度评价指标体系
目标一级评价指标序号二级评价指标详细说明客
户
&n
