1客户价值和客户细分理论
客户价值包括客户对企业的现有价值和客户对企业的未来价值两方面。客户未来价值即客户潜在价值。对客户的现有价值和未来价值进行量化分析，可为证券公司实行针对性的客户关系管理和客户细分提供决策依据和参考。客户细分是指企业在明确的策略、业务模式及专注的市场条件下，根据客户价值、客户需求和偏好等综合因素对客户进行分类，同一类别的客户具有一定程度的相似性，不同类别的客户间存在有明显差异性[1]。客户细分包括聚类和预测性细分，聚类是在没有明确细分目的的情况下，将客户划分成若干类，同一类客户具有一定的共性，使用无监督学习的方式；而预测性细分是在已知各客户子群体的特征定义的基础上，有目的地寻找细分特征值以区分客户群体，通过有监督学习进行[2]。对客户进行细分的目的就是针对不同客户类别提供差异化的服务和产品[3]，争取使客户满意度最大化。市场因素的变化，用户数据不断丰富，都会引起客户细分的变化。因此，客户细分需定期根据市场及客户情况的动态变化进行相应调整，正确的客户细分能为企业有效降低成本，同时为企业获得更强、更有利可图的市场渗透。
2客户关系管理与数据挖掘
客户关系管理是一个获取、保持和增加可获利客户的方法和过程，通过提高客户的忠诚度而最终提高企业利润率。证券公司通过实施客户关系管理，提供快速、周到的优质服务，可吸引和保持更多客户，从而提高核心竞争力。要实施客户关系管理，证券公司必须对客户资料进行深入分析，根据“一对一”营销原则，满足客户个性化需求，提高客户的忠诚度和保有率。当然，做到完全“一对一”是非常困难的，需要对客户进行细分，同一类别的客户使用同样的营销规则。数据挖掘也称数据库知识发现，就是从大量的、有噪声的、不完全的、随机的、模糊的数据中，提取隐含于其中的有用的、有潜在价值的信息和知识的过程[4]。当然，这些知识必须是可以被理解的、能用于决策判断的。数据挖掘任务有多种，常见的有监督学习（分类）、无监督学习（聚类）、关联规则挖掘和序列模式挖掘。数据挖掘的数据量丰富，能有针对性地进行数据分析和处理，为决策者提供相关信息和内容。
3客户细分的数据挖掘过程
本文对客户进行细分，采用基于客户终身价值理论的分类方法，不仅考虑客户的当前价值，同时也考虑客户的潜在价值。通过目前价值与潜在价值可将客户分为以下四类：第一，低价值客户：客户的当前价值和潜在价值都比较低，属于退出型客户群体；第二，潜价值客户：客户的当前价值较低，但其潜在价值较高，属于高成长型客户；第三，次价值客户：客户的当前价值较高，但其潜在价值不高，属于萎缩型客户；第四，高价值客户：客户的当前价值和潜在价值都很高，属于明星型客户，是企业需要重点关注的客户。
4结语
笔者从客户细分观点出发，按照客户价值，通过挖掘海量客户数据，实现证券公司客户细分的动态更新，及时反映客户群的动态变化特征，为证券公司的客户关系管理提供依据，从而及时为不同类别的客户提供不同的营销策略和服务职称论文发表。
作者：方献梅 刘亮龙 高晓波 单位：河池学院计算机与信息工程学院 广西师范大学漓江学院
相关专题：建筑论文 滨州学院学报投稿模板
