论文基于数量—质量—效益金融产品客户细分是关于对写作效益论文范文与课题研究的大学硕士、相关本科毕业论文效益与效率论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
摘 要：本文在分析传统RFM局限性的基础上,尝试引入经济增长与结构调整中普遍关注的数量、质量、效益维度,对传统RFM分析模式进行改进.之后,以一个无法应用传统RFM分析模式进行客户群细分的样本为例,考虑使用“数量-质量-效益”型RFM进行客户群细分.结果显示：三维度的双变量分析区分度较好、同期验证表现平稳,非同期验证PSI系数为0.078,模型结构稳定.实践表明,基于“数量-质量-效益”型RFM分析模式可以较好的应用于商业银行客户细分与数据库营销实践.
关键词：客户细分；RFM模型；客户关系管理；数据库营销；商业银行
中图分类号：F832 文献标识码：A〓 文章编号：1003-9031（2015）12-0021-04 DOI：10.3969/j.issn.1003-9031.2015.12.04
一、引言
在“以客户为中心”的日常客户关系管理、客户忠诚度识别与产品数据库营销中,广泛使用的经典RFM分析模式可以有效的帮助决策管理者、营销人员实现目标客户群的细分管理.在金融业务实践中使用传统RFM分析模式也会伴随产生一些需要考虑的问题,诸如：1.金融类产品与服务是否可以照搬已经成熟应用于快速消费等行业的RFM模式；2.RFM分析模式是否适用于金融产品的整个生命周期；3.业务目标如何实际作用并影响RF
M分析模式等等.为了回答并解决这些问题,不同于传统RFM模式,本文参考借鉴经济增长与结构调整中所着重关注的三个维度：数量、质量、效益,尝试将其应用于RFM分析模式；并尝试通过这一改进,对传统RFM的应用领域与问题做有益补充.
二、传统RFM模式及其局限
经典的RFM模式由美国数据库营销研究所Arthur Hughes（1994）提出,该方法力图通过突出客户对商品的消费近期特性（Recency）、消费频率特性（Frequency）以及消费货币量属性（Monetary）来衡量客户现阶段的显性价值与长期潜在价值；也常使用此方法刻画客户群一段时间以来对某类商品的忠诚度阶梯（loyalty ladder）[1].从客户关系管理（CRM）的角度看,RFM作为一种分析工具,核心是对所关注的客户群进行细分管理,通过客户细分发掘客户表现与行为差异,使营销人员有针对性的开展可落地的客户关系维护与差异化营销.对企业来说,那些最近有过购买行为,一段时间内经常购买以及产生更多消费进行购买的客户是企业所要关注的目标客户,对应的客户价值及客户忠诚度也越高[2-3].
传统RFM模式在业务实践中也存在一定的局限性.一是应用场景的局限.经典RFM主要集中于快速消费类、消耗型消费品等①,由于服务品类的特殊性和无法同一性,对于周期性服务类商品、互联网线上服务等②,使得传统意义下的RFM在数据采集与分析维度（消费近期性、消费频率和消费货币量）上,需要进行一定的修正或调整[4-6].二是没有考虑产品潜在的生命周期因素.从传统RFM所设定的三个分析维度看,其假定客户群与商品已经整体处于均衡状态,从产品生命周期视角可以认为该均衡状态本质上处在成熟期,期间客户群与产品整体上互动充分,对于客户群在近期性、频率性和货币性上的分布形态暴露充分且稳定,所以在成熟期内的客户行为特征可以通过传统RFM进行分析.而如果考虑产品生命周期处于导入期或成长期,期间往往伴随“三性”分布“正在生长”的变化特征,特别是近期性R,在导入期或成长期内的客户群大部分可能处于“活跃”状态,因此如果再选择R维度进行分析,很可能无法准确稳定的捕捉到该周期下客户群与商品交互的细分行为特征.三是使用RFM需要结合具体业务目标与计划.虽然使用RFM是为了获得客户细分及匹配的业务目标或计划,但在开展RFM分析前,一般会较早的形成一些基本业务指导方向,进而导致影响RFM的分析维度.例如,通过RFM模式进行数据库营销（database marketing）,当业务定义营销目标为基于活跃客户的拓户式营销（而不是基于已有客户的提升式营销）时,就已经在RFM分析前考虑到了近期性R这一特征,进而造成了R维度数据在RFM中的失效.
考虑到金融产品和服务是一类周期型服务类商品,具有间歇的、重复购买的特性,金融产品和服务的客户关系管理与客户细分适合于使用RFM模式进行分析.同时,针对不同业务问题的关注点和着力点,RFM模式也是灵活可变的.如前所述,当我们遇到的业务问题场景诸如：（1）某类金融产品恰好处在导入期或成长期,R维度没有足够且稳定的数据支持；（2）某种金融服务需要对已有活跃客户进行匹配等,这些场景从本质上看R维度均是无效的.本文的创新之处是：着重考虑这一类无法使用传统RFM中R维度的问题,并尝试基于客户使用金融产品的“数量-质量-效益”维度,对传统RFM分析模式在一定程度上忽略了产品生命周期与业务目标的情况进行必要的改进,也是对传统RFM应用于不同业务领域和业务问题的有益补充.
三、基于“数量-质量-效益”的RFM模式应用
以某类个人金融产品客户群为例,采用RFM模式进行客户细分的营销预测③,实践中因R维度无效而无法使用传统RFM方法,本文尝试选择“数量-质量-效益”的RFM模式进行客户群细分.为方便表述,将该类金融产品的客户群定义为S客户群.具体操作流程按顺序分解为：（1）明确业务问题；（2）明确建模备选指标；（3）设置样本组（观察期、表现期、非同期验证）；（4）创建宽表；（5）基于双变量分析确定RFM指标；（6）构造RFM；（7）模型的检验与评价；（8）模型应用.操作流如图1所示.为方便介绍操作流程,我们把业务问题简单的抽象为对一类R无效的样本群进行客户细分的营销预测建模.
(一)指标选择与样本组设置
与传统RFM模式不同,在指标选取方面,因为R维度的近期性指标不具备使用条件,进而我们侧重选取“数量—质量—效益”三维度的指标作为备选.具体来说,一方面,金融产品因其对客户群S具有参与和购买的重复性或周期性,所以客户一段时间内持有或购买金融产品的交易金额（份额）和交易次数等指标可以直接作为数量与质量的备选指标；另一方面,客户群S中不同客户购买金融产品所产生的差异化手续费,因其能够较为直接的体现每笔交易“客户承担的成本”或“客户对银行的贡献”,所以从这一视角能够衡量一段时间内客户进行此类金融交易活动对银行效益的贡献.由此,我们进一步设定,将客户一段时间内参与金融交易所产生的交易金额、交易次数、交易手续费,分别作为体现“数量-质量-效益”三个维度的指标.需要说明,对于效益维度指标的选取,主要把相关业务所发生的费用作为指标；对于数量和质量维度的指标选取,则可以根据具体的业务问题进行选择,例如,当未来针对客户购买金融产品的金额大小定制相应策略时,意味着通过RFM关联金额来预测和细分客户,即从业务实践和使用倾向上,将金额作为质量型指标；同样的,当未来着重考虑围绕交易笔数定制策略,则习惯于将笔数作为质量型指标.因此,本文在论述过程中,不妨把交易金额或份额作为数量维度指标,把交易的笔数或次数作为质量维度指标.如表1所示,把基于“数量-质量-效益”的RFM分析模式与传统RFM分析模式在三个维度设计上的区别进行了归纳.
总结:本论文主要论述了效益论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 联保互保金融产品理论分析实际运营 摘要：联保互保金融产品的不断发展有助于改善金融机构对小微企业等弱势群体的信贷支持。但是随着经济金融环境的不断变化，联保互保金融产品在实际操作中也。
2、 客户细分客户关系策略 摘要：改革开放以来，我国社会市场经济体制下的各企业均得到迅猛发展，并在经济日益全球化趋势的影响下，逐渐成为提升国民经济的重要基础，尤其是中小企业。
3、 我国交叉性金融产品和服务消费者权益保护 摘 要：在金融创新深化、混业经营加快、互联网金融兴起的背景下，我国交叉性金融产品与服务呈现快速发展态势，随之而来的金融消费者权益保护不足问题逐渐。
4、 易宝金融产品驱动 在易宝金融的眼里，自己做出的选择并不止走向垂直细分行业那么简单。这家易宝集团旗下的网络借贷平台，正在以更宽的视角看待和适应互联网金融业态的变化，。
5、 欠发达地区政策贴息类普惠金融产品 摘 要：党的十八大报告中明确指出要深化金融体制改革，改革的一个重点就是要打破垄断，建立普惠金融体系。农村经济的发展、农业产业的升级和农民收入的。