企业管理论文栏目提供最新企业管理论文格式、企业管理硕士论文范文。详情咨询QQ:1847080343(论文辅导)

基于服务成本衡量的B2B企业顾客分级管理研究

日期:2020年11月17日 编辑:ad201107111759308692 作者:无忧论文网 点击次数:797
论文价格:150元/篇 论文编号:lw202011101131364094 论文字数:25855 所属栏目:企业管理论文
论文地区:中国 论文语种:中文 论文用途:硕士毕业论文 Master Thesis

本文是一篇企业管理论文,本文根据对 B2B 企业的实际调研以及顾客分级的研究,发现服务成本的存在是衡量顾客价值必不可少的因素。企业为了维持顾客关系付出了较高的服务成本必然导致利润率的下降,在顾客分级结果中也会导致顾客从较高的分级档次降低到较低的分级档次。因此服务成本的存在在衡量顾客价值的过程中不容忽视,企业必须重视服务成本的存在。本文的研究对象是 B2B 企业,B2B 企业更需要甄别出顾客的价值高低。根据本文的研究结果,可以看出通过 RFM 模型以及改进后的 RFMC 模型,能够区分出不同顾客的价值等级,并进行从高到低的排列,引导企业针对不同价值等级的顾客进行有针对性的营销策略制定。


第一章 引言


1.1 研究背景

企业生存的最根本目的是通过最大化地满足顾客需求来赚取利润。传统制造企业通过制造产品并加价销售的方式赚取价格差,以此获得利润。利润获得能力的高低决定了一个企业能否生存下去并获得发展。但是,随着科学技术和社会的不断发展,市场的需求越来越多元化,企业的服务对象和产品也越来越多样。面对市场竞争的压力,和多样的产品需求,传统的降低生产成本或者提高销售价格的策略已经很难满足当今企业的发展需要。顾客分级研究是针对顾客的行为进行数据挖掘和整理,并且对顾客进行有等级差别的分类方法。目的是甄别出对于企业更有价值的顾客,并且针对不同等级的顾客采用不同的销售策略。

顾客分级研究脱胎于市场细分理论,该理论认为消费者因为自身文化背景、地域或者收入等各方面的不同会有不同的需求,因此必须对不同的群体消费者定制符合他们特征的产品。而顾客分级理论则是偏重于研究那些已经购买过产品达成交易关系的顾客。顾客分级理论的提出拓展了市场研究的领域,有利于企业在经营的过程中有针对性地采取各种营销策略,减少运营过程中的浪费,进而提高产品经营的利润率。
现阶段市场中的企业早已不仅仅是为消费者提供产品这么简单,对于大多数企业来讲,提供更优质的服务,进而加强顾客对于企业的粘性,提高顾客对于产品的忠诚度,从而占据更大的市场份额是在激烈的市场竞争中获取竞争优势的有效方法。

服务成本早已成为企业在经营过程中不可忽略的支出部分。对于顾客来讲,企业付出越大的成本用以维持与顾客之间的关系,或者提供更优质的售后服务无疑会提高顾客的满意度,获得较高的顾客忠诚度。但是,企业付出越多的资金就会减少自己的销售产品过程当中获得的利润额度,有时甚至入不敷出,这大大削弱了企业的竞争力。因此需要科学的顾客分级方法对顾客进行甄别以及针对性管理。

............................


1.2 研究目的

本文以企业的服务成本为视角,结合企业的经营数据,对企业的顾客进行价值评价,并且进行分级研究,设计一套科学的顾客分级系统。实际上是帮助企业甄别出价值高的优质顾客和价值较低的顾客。企业针对价值较高的顾客可以继续增加服务成本的额度,留住那些为企业做出大量贡献的核心顾客。相反,对于价值较低的顾客,要有针对性地缩减服务成本开支,进而提高企业的经营利润。

本文传统制造业的顾客数据进行了深入的研究,不同于传统的对于零售业的研究,希望填补顾客分级研究在组织者市场领域的空白。之前的研究大量关于顾客的研究专注于消费者市场。实际上组织市场(特别是其中的生产者市场)是一个国家经济命脉的重要组成部分(Fare R,1994)[1],是国家工业实力的主要组成部分(Lee J,1995)[2],应加强对组织市场中销售者和购买者的研究。大量关于零售企业的研究显示,由于市场经济的发展,尤其在电子商务环境下,顾客选择商家与商品的机会增加,顾客的购买选择不断增加,其忠诚度也就随之降低(郑文君,2015)[3]。与之相反,对于工业企业来讲,稳定的供货商有利于企业缩减成本以及保证企业生产产品的质量(周英芬、徐明,2018;高苑,2017)[4][5]。由于工业品通常交易额很高,销售者也不得不对售卖的产品进行长时间的维护,维持与重要顾客的买卖关系。因此,通常在生产者市场中,顾客对于品牌的忠诚度很高并且具有长时间的合作关系,售卖者与购买者之间的来往也更加的频繁,付出的服务成本也更加高昂(周扬,2017;张东晖,2016)[6][7]。同时现代企业为了保持竞争力也不得不向服务型公司转化(龙跃,2011)[8]。所以,选择组织者市场领域的 B2B 工业制造企业进行研究是为了填补这一领域的空白,拓展顾客研究的研究领域。

............................


第二章 研究内容、设计与模型构建


2.1 研究问题及假设

根据文献综述可以看出对于顾客进行差异化的对待以谋取更高的利润率已经获得了很多企业的关注和认可。但是,仍旧缺少具体且行之有效的科学分级方法。本文致力于研究室及企业的经营数据,深入挖掘顾客的潜在信息,寻找可靠的顾客分级方法。并且在此基础上进一步研究企业的服务成本对于顾客行为的深入影响。

RFM 模型是由 Arthur Hughes 根据网店顾客消费行为数据的研究提出,主要包含最近一次消费 (Regency),消费频率(Frequency)和消费金额(Monetary)三个指标,被广泛应用于各种领域。其中最近购买时间(R)表示顾客最近一次的购买时间和分析时间点间隔的天数。如果该值较小,表明顾客在短期内刚有过购买行为,可以认为顾客重复购买的可能性较大,这类顾客的终生价值(以下简称顾客价值)可能比较高;购买频率(F) 表示计算期内顾客购买产品或服务的次数。一般来说,顾客购买频率越高,这类顾客越忠诚,顾客价值越大;购买金额(M)表示计算期内顾客的购买总金额, 一般来说顾客购买金额越高,顾客越忠诚,顾客价值越大[9]。

对于顾客分级研究而言 RFM 模型的优点在于:(1)数据内容简单,易于收集;(2)RFM 模型的三个指标与顾客分级内容的契合性高。对于一般顾客而言,购买时间、购买频率和购买金额体现了该顾客对于企业的忠诚度、购买能力和企业从该顾客处获得的收益率;(3)模型内容灵活,可以根据研究的内容做出调整。因此,本文选取 RFM 模型作为衡量顾客的基础模型,并在此基础上进行改进选取更适合的分级模型。

...............................


2.2 研究内容

本文研究内容主要包括:

1. 以 RFM 模型中的三个基本指标为基础结合被调研企业实际,设计出适用于该企业的 RFM 模型指标【R(最近一次签订合同时间距离设定日期的天数)、F(在设定日期前的一年经营时间内同一顾客与企业签订合同的次数)、M(在设定日期前的一年经营时间内同一顾客与企业签订合同的总金额)】。获取被调研企业的 RFM 模型数据,进行聚类分析(多种聚类分析方法包括 K-means 聚类、两步聚类、系统聚类等比较不同聚类方法的优点和缺点)。将企业顾客聚类成为具有显著差别的若干类别,
根据不同类别顾客的特征制定相应的经营策略;

2. 根据企业的实际特点设计出能够反映企业服务成本(CTS)的具体量化指标。收集被调研企业数据指标,在原有 RFM 模型的基础上增添服务成本这一维度。并且使用改进型的 RFMC 模型对企业顾客进行分级研究。将分级结果与传统 RFM 模型分级的结果进行比较,探索增添服务成本的改进型 RFMC 模型是否能够更加有效的对顾客进行分级管理。

3. 根据对顾客的分级结果数据(不同类别顾客的 R、F、M 指标以及 CTS 指标),考虑到不同企业因本身需求或者购买力方面存在一些差异,结合顾客企业的实际特征(企业的出资方、生产规模、生产年数等)采用回归分析或者相关性矩阵分析等方法探索何种指标对企业绩效的影响较大或者较小。深入挖掘顾客信息的利润价值。

图 2-1 研究思路

.................................

第三章 顾客分级模型检验...............................19

3.1 样本的描述性分析...........................19

3.2 顾客数据的简单分级.................................20

3.3 RFM 模型分级结果......................... 22

第四章 顾客分级结果与顾客价值关系分析..........................30

4.1 顾客分级模型指标的相关性分析...............................30

4.2 顾客分级指标与顾客价值的回归分析...............................31

4.3 假设验证.............................32

第五章 研究结论与营销策略建议...........................35

5.1 研究结论...........................35

5.2 基于顾客分级的营销策略建议..............................35

5.3 研究局限与未来展望..........................36


第四章 顾客分级结果与顾客价值关系分析


4.1 顾客分级模型指标的相关性分析

上文中已经基本讨论了顾客分级的结果,和顾客价值在不同的模型中价值发生改变的原因。为了进一步论证模型中不同维度指标是如何影响顾客价值的。下文中尝试使用相关性分析和回归的方法来进一步探讨顾客的价值变化与哪些因素有关。见下表:

表 4-1 RFMC 模型测量指标的相关性分析

上表是变量的相关性矩阵,根据矩阵中的数据可以初步分析出矩阵中各个变量的相互关系,表中变量 1 与变量 2(r=-0.383,p<0.01),3(r=-0.281,p<0.01),4(r=-0.166,p<0.01),5(r=-0.2