基于SOM神经网络聚类的用气客户全生命周期管理
孙铭
中石油煤层气有限责任公司

作者简介:孙铭,女,1965年生,会计师;主要从事财务和经济管理等方面的研究工作。地址:(100028)北京朝阳区太阳宫南街23号丰和大厦1119室。ORCID: 0000-0001-7437-6017。E-mail: sunming01@petrochina.com.cn

摘要

为了提升市场竞争力,天然气销售企业必须从多个角度对用气客户进行全生命周期管理,以提升客户价值、增强客户忠诚度。决定用气客户全生命周期管理成效的关键就在于能否科学合理地对客户进行分类,而现有的分类方法则未能很好地体现客户价值的现状,不便于对客户进行有针对性的管理。为此,采用SOM神经网络聚类方法,针对天然气的产品特点,选取毛利额、用气时长、用气量增长率等3个指标,对中国西南地区某大型天然气生产企业的546家用气客户进行了实证分析。研究结果表明:①用气客户关系的全生命周期可划分为客户识别期、发展期、稳定期和衰退期4个阶段,进而有针对性地提出了识别期开发策略、发展期分级服务策略、稳定期价值提升策略和衰退期终止策略;②各个阶段具有不同的营销策略重点,因而能更好地识别和服务于重点及潜力客户,持续提升企业的市场竞争力。结论认为:所建立的方法能更有效、更准确地对用气客户群进行分类,科学合理地对用气客户进行全生命周期管理。

关键词: 天然气用气客户; SOM神经网络; 聚类; 全生命周期; 客户价值; 开发策略; 提升策略; 分级服务策略; 终止策略
Full life-cycle management of natural gas customers based on SOM (self-organizing maps) neural network clustering
Sun Ming
PetroChina Coalbed Methane Co., Ltd., Beijing 100028, China
Abstract

Natural gas sales companies must focus on the full life-cycle management of gas customers from many perspectives so as not only to improve the market competitiveness, but to enhance customer value and loyalty. The key to such solution lies in the scientific and reasonable classification of customers. However, the current classification methods fail to reflect the status of customer value, which is not conducive to targeted customer management. In view of this, SOM neural network clustering was adopted to establish a network learning algorithm, which was then verified by an empirical analysis of 546 customers belonging to a certain giant gas company in Southwest China. In this scenario, the three important indexes of grass profit margin, time and growth rate of gas consumption were selected to analyze the characteristics of various customer groups and their different values in four stages of customer full life-cycle, i.e., Introduction, Growth, Maturity, and Decline. On this basis, strategies were put forward respectively at such four stages to acquire and reach customers, provide differential service, enhance customer value, and offset the churn. In particular, different and specific sales strategies should be adopted at each stage so as to identify and serve important and potential customers, thus improving a company’s market competitiveness. In conclusion, this method can classify natural gas customer groups effectively and accurately and manage the customer full lifecycle and lifetime values scientifically and reasonably.

Keyword: Natural gas customer; SOM neural network; Clustering; Full life-cycle; Customer value; Development strategy; Enhancement strategy; Differential service; Offset
0 引言

随着国家积极推进油气体制改革, 切实加大能源领域改革开放的工作力度, 天然气产业链价改步伐加快, 天然气市场竞争态势日趋复杂。天然气市场不同于一般的快速消费品和工业品市场, 有着自己独特的特点, 其客户群体涉及各个行业, 用气特征和经济特性不同[1, 2]。面对如此激烈的竞争环境, 天然气生产、销售企业必须从多个角度对客户进行全生命周期管理, 提升客户价值、增强客户忠诚度、保持持续的市场竞争力[3, 4]。天然气用气客户(以下简称用气客户)管理受国家相关政策规定、经济形势、市场需求等多方面因素的影响, 为了更好地进行全生命周期客户关系管理, 识别和服务重点及潜力客户, 必须科学合理地对用气客户进行分类[5]

1 用气客户分类管理现状及存在问题
1.1 客户分类管理现状

目前天然气销售企业对现有客户管理有着不同的管理办法及分类标准[6, 7, 8]

1)按不同的管理需求划分用气客户类型。天然气销售企业通常将客户分为居民、化肥、其他用户3大类。

2)根据客户的用气特性(用气规模性、连续性、波动性、价格敏感性)进行划分。

3)按照天然气利用顺序进行划分。为了科学进行保障供应和调节峰谷, 天然气销售企业按照用气类型、用气量等对客户进行等级划分。一般来讲, 城市燃气、CNG等客户的等级较工业客户高, 用气量大的客户等级较高。

1.2 客户分类管理存在的问题

长期以来, 天然气销售企业形成了按管理需求、行业属性、用气规模性、连续性、波动性、价格敏感性等方面划分用气客户类型, 这些分类方式对于企业加强客户用气管理, 峰谷调配等有着重要作用[9]。客户分类的合理性是对用气客户进行管理的必要基础, 但当前的分类方法还存在不能对客户进行完整的分类、不能对客户进行针对性的管理和不能对客户进行全生命周期管理等问题。尤其是对于体现客户价值、加强客户服务体验、提升公司价值等方面, 这些分类方法适应性不够。

2 基于SOM神经网络聚类的用气客户分类
2.1 SOM神经网络基本原理

2.1.1 概述

在接收外界输入时, 神经网络会分成不同的对应区域, 各区域对输入模式具有不同的响应特征, 这一过程自动完成[10]。SOM神经网络会在一维或二维的处理单元阵列上形成输入信号的特征拓扑分布, 使得SOM神经网络能够抽取输入信号的模式特征。SOM神经网络采用无监督竞争式的学习方式, 具有自组织、自适应、联想记忆的学习特点, 可对相似的数据进行智能划分, 降低了人工干预程度, 且其运算过程可自动调节, 从而使得计算更加精确[11]。SOM神经网络结构如图1所示。

图1 SOM神经网络结构简图

2.1.2 SOM网络学习算法

1)初始化。对于N个输入神经元到输出神经元的连接赋予较小的权值。选取输出神经元j个“ 邻接神经元” 的集合Sj。其中, Sj(0)表示时刻t=0的神经元j的“ 邻接神经元” 的集合, Sj(t)表示时刻t的“ 邻接神经元” 的集合。Sj(t)区域随着时间的增长而不断缩小。

2)提供新的输入模式X

3)计算欧式距离dj, 即输入样本与每个输出神经元j之间的距离:

计算出一个具有最小距离的神经元j* , 即确定出某个单元k, 使得对于任意的j, 都有dk=minj(dj)。

4)给出一个周围的邻域Sk(t)。

5)按照式(2)修正输出神经元j* 及其“ 邻接神经元” 的权值:

其中, η 为一个增益项, 并随时间变化逐渐下降到0, 一般取$n(t)=\frac{1}{t}$或$n(t)=0.2\times \lgroup{1-\frac{t}{10000}}\rgroup$。

6)计算输出ok

其中, $f(\min\limits_{j} \Arrowvert V-W_{j}\Arrowvert)$通常为0~1函数或其他非线性函数。

7)提供新的学习样本并重复上述过程[12]

2.2 实证分析

2.2.1 指标选取与模型建立

笔者以西南地区某大型天然气生产、销售企业为例, 选取其546户用气客户作为训练样本, 选取毛利额、用气时长、用气量增长率3个指标作为聚类的依据, 其中毛利额代表客户对企业经济效益的贡献度、用气时长代表客户对企业的忠诚度、增长率代表客户用气的趋势或潜力, 建立模型:y=f(M, Q, Z)+ε , 其中M代表毛利额(贡献度), Q代表用气时长(忠诚度), Z代表用气量增长率(发展潜力), ε 代表随机因素, y代表客户价值, MQZ值越大, 客户价值越高。

客户类别性质分析与类型划分方法如下:通过每个类别的3个指标的平均值及总平均值进行对比决定, 单个划分指标的对比有两种可能结果:高(大于或等于)和低(小于)平均值。据此可把客户分为8类, 如某类MQZ值均高于总体均值, 则把它定义为“ 高高高” 型, 其余类型以此类推。

2.2.2 SOM网络建立与MATLAB的实现

每一种结构的SOM分类模型在建立之前, 都要进行网络训练。笔者以输出层结构为2× 4、训练步长分别为10、100、500、1 000的 SOM 网络对其进行聚类, 发现步长为1 000时分类结果最为合理, 这也符合总体较为复杂的情况。

net=newSOM{minmax(qujl), [2, 4]};

net.trainparam.epochs=1 000;

net=train(net, qujl);

y=sim(net, qujl);

yc=vec2ind(y);

采用Matlab R2015b软件建立SOM神经网络, 仿真后得到的结果如表1所示。

表1 8类客户数据特征表

表1可以看出(以下仅选取典型类别分析):

1)总体特征:546户平均用气时长208.48月, 用气量平均增长率为14.51%, 毛利额标准差系数为3.16。546户天然气客户覆盖城市燃气类、CNG、玻璃、冶金、轻工、电子、机械、石油冶炼、建材、化工、大化肥、LNG、天然气发电、其他工业等行业, 情况复杂, 客户规模和对天然气的需求差异巨大。这从毛利额标准差系数3.16、用气时长标准差系数0.63也可看出。

2)A类客户特征:A类用户数量众多, 共计287户, 占比52.56%, 但毛利总额占比为4.74%, 说明此类客户对企业贡献度很小。平均用气时长略高于总体均值, 说明此类客户对企业有一定的忠诚度, 用气量平均增长率– 37.01%, 说明此类用户用气量近年来正在衰减。总体说, A类用户属于“ 低中低” 类型, 客户价值不大。观察A类客户行业情况, 发现A类客户由燃气公司、事业单位(学校、政府、福利院等)和小型企业(酒业等)组成。此类客户具备以下用气特征:大多属于民生保供类客户, 用气价格为政府指导管控, 用气增长率较稳定, 用气不均衡, 冬夏用气差异较大。

3) D类客户特征:D类用户规模较小, 只有11户, 占比2.01%, 毛利额和用气时长均值远远低于总体均值, 但用气量平均增长率1 077.34%, 远远高于总体均值。D类用户包括部分玻璃制品、特种化工、能源投资等企业, 属于“ 低低高” 型用户, 可能是刚刚进入使用天然气的新客户, 目前处于油气或其他燃料与天然气混用阶段, 对天然气使用前景极具信心。导致贡献率、忠诚度较低的原因是其刚刚使用天然气, 相信D类用户在现有条件不变或优化的情况下, 会继续调整其能源结构, 毛利额和用气时长会进一步大幅增长。此类用户公司可加大关注度, 提供更优质的服务和条件, 促使其快速成长。

4)H类客户特征:H类用户规模较小, 只有14户, 占比2.56%, 毛利总额占比40.18%, 平均毛利额是总体均值的15.7倍, 说明此类客户对企业贡献度极大。用气时长均值207.46月略等于总体均值, 用气量增长率37.15%, 高于总体增长率。H类用户包括大型化工、特种玻璃制品、生物科技、发电等企业, 此类客户具有以下用气特征:用气量相对稳定, 有较大用气规模; 对天然气持续保障能力要求较高; 其对天然气需求波动直接受市场需求波动、气温、节假日、设备维修等因素的影响; 价格承受能力较高, 属于创利客户群。此类客户是企业重点保持客户。

通过分析, 可把上述8类客户的价值归纳为表2

表2 各类客户价值表
3 用气客户生命周期不同阶段的管理策略
3.1 用气客户全生命周期管理的涵义

Dwyer[5]和Oh[13]将客户生命周期分为考察期、形成期、稳定期和退化期4个阶段, 而天然气客户生命周期是指天然气客户从开始申请使用天然气气源、享受天然气服务到放弃使用用气所经历的时间过程。在该过程中, 客户的用气量和给天然气销售企业带来的利润都会发生一定的规律性变化。客户关系全生命周期管理阶段划分标准和划分阶段各有不同, 在综合考虑天然气产品特点的基础上, 基于天然气气源充足的条件下, 笔者选择毛利额、用气时长、用气量增长率3个指标作为生命周期阶段的划分标准, 将用气客户全生命周期划分为客户识别期、发展期、稳定期和衰退期4个阶段。各个阶段客户带给企业的价值不同, 营销目标有所差异(图2)。

图2 天然气客户全生命周期管理内容图

3.2 用气客户全生命周期管理策略

3.2.1 客户识别期的开发策略

该时期是客户与公司关系的探索和试验阶段。在此阶段, 公司要主动寻求客户信息并且为客户提供企业的信息, 保证信息渠道的畅通[14]

3.2.1.1 识别潜在客户, 重点开发高价值客户

在开发新客户之前, 企业应开展天然气市场调研, 收集资料, 对天然气需求进行预测。市场开发客户经理对自己管辖区域内的潜在客户进行信息收集, 通过市场调查, 全面了解客户所在行业和经营情况, 感知客户用气需求产生的刺激和动机所在, 分析其价格承受能力。企业应识别潜在客户, 重点关注和储备一些用气规模较大、价格承受能力较强、调峰价值较高及可中断性用户, 重点开发可能会发展为E、F、G、H等高价值类客户。比如, 城市燃气类用气量较大的客户, 工业燃气行业分类中钢铁、汽车、高档陶瓷、高端玻璃、有色金属生产企业等客户, 化工行业中的制氢企业等客户等。

3.2.1.2 设计提供“ 定制用气服务方案”

“ 定制用气服务方案” 是指在售前、售中以及售后为客户提供天然气用气的专业性服务, 客户经理要帮助客户深入了解和适应企业的产品或服务。企业在这一阶段要让客户体验到对其提供的“ 一对一营销” 的专业服务方案, 如提供多种能源使用方案并进行经济性评估与分析, 安排相似行业用气企业的参观体验, 定期到项目和接气管道建设现场进行调研, 及时追踪用气方各环节建设进度, 定期上门培训用气方面的知识等。

3.2.1.3 设立大客户经理和专职客户经理

企业应设立服务于潜在重要客户的大客户经理, 专门负责对重点客户的进一步接洽。如负责重点客户的个性需求收集和反馈, 参与制定针对性销售方案, 跟踪销售方案的落实效果等。在市场开发期间, 重点客户除了设立大客户经理负责开发期的所有事务外, 还应在相应管辖区域内再配置一位专职客户经理参与前期的开发接洽工作, 熟悉重点客户的用气需求, 以便在正式投产用气之后对重点客户实行日常管理服务。

3.2.2 客户关系发展期分级服务策略

处于成长期的客户进入了客户关系的快速发展阶段, 此阶段营销工作的基本思路是识别并锁定对公司有较大现行价值且未来有较高增值潜力的重要客户[15]。因此要对客户进行“ 分级管理” , 即通过客户分级, 识别并区分出“ 重要的少数” 与“ 琐碎的多数” 之间的区别, 按照“ 二八定律” 的基本思想, 找出最有价值的客户群体, 集中资源做好客户的培育工作, 以促进其快速成长。

3.2.2.1 分级管理策略

对客户进行分级管理, 通过区分一般客户、重点客户, 使公司聚焦关注于数量较少但贡献却相对较大的“ 重要的少数” 客户, 将更多时间、精力、资金放在重要的客户身上。针对发展期中增长率较高的D、F、H这3类用户采取不同的分级管理策略。

3.2.2.2 服务差异化策略

天然气销售公司要根据客户重要性的不同, 采取不同的服务方式和关系策略, 更针对性、个性化地对客户关系进行管理, 提升客户感知价值, 提升客户关系管理与服务质量。对于城市燃气类毛利额较大的F类客户应在天然气价格、付款方式、资源保障等方面对优质客户给予一定的政策倾斜。对于现有毛利额不大但增长率较高的H类客户, 应创新该类客户的天然气定价机制, 充分挖掘经济效益潜力。应探索在不同情景下的气价谈判机制, 例如:实行基础供应量价格保底, 增量供应双方协商、一户一价的定价策略。

3.2.2.3 加强信息采集策略

在信息工作方面应加强基础信息采集的规范化、精细化、全面化管理。重视对此阶段客户所在行业基础数据的收集, 充分掌握其行业发展前景、盈利水平、竞争实力、天然气需求迫切程度等, 为今后实行差异化定价奠定基础。并随时做好有关竞争者的信息收集掌握等工作, 为建立起对重点大客户的营销政策适度倾斜制度打好信息高效化基础。

3.2.3 客户稳定期价值提升策略

稳定期是天然气企业与客户关系发展的高级阶段。客户由于已进入稳定期, 其销量增速趋于平缓, 对于这类客户的主要营销思路应当是通过管理和服务创新, 以难以替代的价值和服务培育这类客户的忠诚度, 从而形成客户黏性。G、E类客户属于稳定期内重要客户, 这类客户毛利额较大, 且用气时长较长, 客户价值较高。

3.2.3.1 维持并持续优化策略

对客户管理更加精细化。例如持续优化大客户服务流程等。建议设立专属大客户经理, 并应对之赋予较高的权限, 并配备更强的后台服务支持系统, 以强化大客户更好的服务过程体验。体现此类客户价值。

3.2.3.2 挖掘核心竞争力策略

气源充足时期, 应对竞争态势保持高度关注, 挖掘难以被替代的增值服务作为核心竞争优势。客户忠诚主要在于依赖难以被替代的服务, 天然气企业应充分挖掘出G、E类重要客户的潜在需求, 并设法向其输送“ 难以被替代” 的服务, 从而形成对客户的“ 超强黏性” 。

3.2.4 客户衰退期终止策略

用气客户关系衰退期是客户全生命周期发展过程中, 公司与客户关系发生逆转的阶段, 并不是所有关系的退化都发生在第四阶段[16], 在客户关系发展期和稳定期也有可能出现关系的衰退。公司应建立一套察觉客户关系衰退的机制, 以便及时察觉客户关系的衰退迹象, 一旦发现客户关系存在衰退迹象, 则进行衰退趋势判定[17]

3.2.4.1 客户关系衰退预警

客户关系衰退预警是通过分析客户流失的原因, 提出防止现有客户流失的措施并建立一套预防客户流失的长效机制。客户关系衰退预警信号主要来自于客户交易记录分析、客户交流记录分析、数据挖掘得出的流失客户特征比对这3个方面。

客户交易记录分析包括:客户购买天然气的频率、货款支付情况、客户等级的变化等。

客户交流记录分析包括:客户与公司的沟通情况、投诉情况、客户与客户经理之间的关系等。

流失客户特征包括:客户自身属性、公司服务属性、客户消费情况、客户关系的存活情况等。

3.2.4.2 客户关系衰退原因

引起客户关系衰退的原因一般包含:公司自身因素(天然气质量、服务质量、价格、客户关系和保持策略)、客户自身因素(经济情况、行业发展限制等)、竞争对手因素(天然气质量、服务质量、价格、业务开发, 以及在争抢客户的过程中推出的各种优惠营销策略)、外界环境因素(宏观政策、重大事件、消费理念转变等)。

3.2.4.3 客户衰退关系的分类实施策略

根据造成客户关系衰退原因的频发性和可控性的高低程度, 可将处于关系衰退期的客户分为高度重视客户、足够重视客户、适当重视客户和顺其自然客户4种类型[18]。针对不同类型的客户, 公司应采取不同的策略, 具体如下:

1)高度重视客户:这类客户发生关系衰退因素的可控性高, 但频发性也高。该类客户应为公司重点关注, 公司可以分析衰退原因从而针对原因实施不同的改善策略, 尽最大努力留住客户。

2)足够重视客户:这类客户发生关系衰退因素的概率高, 但是这些因素对于公司来讲可控性较低, 公司很难改变。该类客户应引起公司的足够重视, 尽量将可控性低的因素向可控性高的因素转变, 在以后的竞争局面中赢得主动。

3)适当重视客户:这类客户发生关系衰退因素的概率低, 但可控程度高。这类客户公司应适当重视, 通过完善营销策略降低这些原因在客户中的影响。

4)顺其自然客户:这类客户发生关系衰退因素的概率很低, 而且公司对这些因素可控程度也很低。对于这类客户, 公司可以实施放弃策略, 但应选好时机, 避免客户不满意的情绪向外散播。

4 结论

1)针对现有用气客户分类方法未能很好地体现客户价值的现状, 构建用气客户价值模型y=f(M, Q, Z)+ε , 选取毛利额(M)、用气时长(Q)、用气量增长率(Z)等3个指标, 采用SOM神经网络聚类对用气客户实行全生命周期管理。通过对西南地区某大型天然气生产企业的546家用气客户进行实证分析, 结果表明SOM网络能更有效地对客户群进行分类, 具有分类准确率高的优势, 在此基础上能更加科学合理地实现对用气客户的分类管理。

2)将用气客户关系全生命周期划分为客户识别期、发展期、稳定期和衰退期4个阶段, 并针对这4个阶段提出了识别期开发策略、发展期分级服务策略、稳定期价值提升策略、衰退期终止策略, 各个阶段具有不同的营销策略重点, 以更好地识别和服务于重点及潜力客户。

The authors have declared that no competing interests exist.

参考文献
[1] 徐善明. 浅谈石油化工产品销售客户经理制[J]. 江苏工业学院学报(社会科学版), 2009, 10(2): 34-36.
Xu Shanming. Client manager system of petrochemical product marketing[J]. Journal of Jiangsu Polytechnic University (Social Science Edition), 2009, 10(2): 34-36. [本文引用:1]
[2] 李波, 张科, 王丹, 李冬, 李晓翀. 省域天然气市场开发策略探析——以陕西省为例[J]. 天然气工业, 2016, 36(3): 114-119.
Li Bo, Zhang Ke, Wang Dan, Li Dong & Li Xiaochong. Development strategies of provincial natural gas markets in China: A case study of Shaanxi Province[J]. Natural Gas Industry, 2016, 36(3): 114-119. [本文引用:1]
[3] 郭莉. 天然气销售特点及营销策略分析探讨[J]. 经贸实践, 2016(7): 273.
Guo Li. Analysis and discussion on natural gas sales characteristics and marketing strategies[J]. Economic & Trade, 2016(7): 273. [本文引用:1]
[4] 姜子昂, 王富平, 段言志, 周建. 新形势下中国天然气市场发展态势与应对策略——以川渝气区为例[J]. 天然气工业, 2016, 36(4): 1-7.
Jiang Zi'ang, Wang Fuping, Duan Yanzhi & Zhou Jian. China's gas market under new situations: Trends and countermeasures—Taking Sichuan and Chongqing gas provinces as an example[J]. Natural Gas Industry, 2016, 36(4): 1-7. [本文引用:1]
[5] Dwyer FR. Customer lifetime valuation to support marketing decision making[J]. Journal of Direct Marketing, 1989, 8(2): 73-81. [本文引用:2]
[6] 周可喜. 基于客户关系全生命周期管理的湖南电信服务营销策略研究[D]. 长沙: 中南大学, 2005.
Zhou Kexi. Research on Hunan telecom service marketing strategy based on customer relationship life cycle management[D]. Changsha: Central South University, 2005. [本文引用:1]
[7] Zeithaml VA. Consumer perceptions of price, quality and value: A means-end model and synthesis of evidence[J]. Journal of Marketing, 1988, 52(3): 2-22. [本文引用:1]
[8] Sweeney JC & Soutar GN. Consumer perceived value: The development of a multiple item scale[J]. Journal of Retailing, 2001, 77(2): 203-220. [本文引用:1]
[9] 李婧. 客户关系管理中的客户价值研究[J]. 商场现代化, 2007, 505(16): 138.
Li Jing. Research on customer value in CRM[J]. Market Modernization, 2007, 505(16): 138. [本文引用:1]
[10] 陈世游, 陆海, 张少泉, 陈晓云. SOM 神经网络对永磁同步电机的故障诊断[J]. 软件, 2018, 39(8): 70-73.
Chen Shiyou, Lu Hai, Zhang Shaoquan & Chen Xiaoyun. Fault diagnosis of permanent magnet synchronous motor based on SOM neural network[J]. Computer Engineering & Software, 2018, 39(8): 70-73. [本文引用:1]
[11] 李颖, 应保胜, 容芷君, 但斌斌, 胡从林. 基于SOM的产品设计结构模块划分及其评价[J]. 武汉科技大学学报, 2018, 41(4): 301-306.
Li Ying, Ying Baosheng, Rong Zhijun, Dan Binbin & Hu Conglin. SOM-based product design structure clustering and its evaluation[J]. Journal of Wuhan University of Science and Technology (Natural Science Edition), 2018, 41(4): 301-306. [本文引用:1]
[12] 飞思科技产品研发中心. 神经网络理论与Matlab 7实现[M]. 北京: 电子工业出版社, 2005.
Feith Technology Product Research and Development Center. Neural network theory and Matlab 7 implementation[M]. Beijing: Publishing House of Electronics Industry, 2005. [本文引用:1]
[13] Oh H. Service quality, customer satisfaction, and customer value: A holistic perspective[J]. International Journal of Hospitality Management, 1999, 18(1): 67-82. [本文引用:1]
[14] 刘朝华. 基于客户价值的客户分类模型研究[D]. 武汉: 华中科技大学, 2008.
Liu Chaohua. Research on customer classification model based on customer value[D]. Wuhan: Huazhong University of Science and Technology, 2008. [本文引用:1]
[15] 谢守祥, 骆涛涛. CRM 的客户生命周期价值与测度方法探讨[J]. 现代管理科学, 2007, 26(8): 71-72.
Xie Shouxiang & Luo Taotao. CRM customer life cycle value and measurement method[J]. Modern Management Science, 2007, 26(8): 71-72. [本文引用:1]
[16] 唐静. 联通XX分公司实施客户全生命周期关系营销策略研究[D]. 成都: 西南财经大学, 2007.
Tang Jing. Research on customer life cycle relationship marketing strategy of Unicom XX Branch[D]. Chengdu: Southwestern University of Finance and Economics, 2007. [本文引用:1]
[17] 孙维, 林振辉, 舒华英. 电信运营业客户全生命周期管理方法探讨[J]. 移动通信, 2005, 29(2): 107-110.
Sun Wei, Lin Zhenhui & Shu Huaying. Discussion on customer life cycle management in telecom operating industry[J]. Mobile Communication, 2005, 29(2): 107-110. [本文引用:1]
[18] 舒华英, 齐佳音. 电信客户全生命周期管理[M]. 北京: 北京邮电大学出版社, 2004.
Shu Huaying & Qi Jiayin. Telecom customer life cycle management[M]. Beijing: Beijing University of Posts and Telecommunications Press, 2004. [本文引用:1]