基于客户价值理论的国家科技文献中心用户分析，本文主要内容关键词为：文献论文,理论论文,价值论文,客户论文,国家论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
doi:10.3772/j.issn.1000-0135.2011.09.011
为了有效地推进科技信息资源的共建共享，建立起可持续发展的运行模式与机制，经国务院领导批准，科技部联合财政部、原国家经贸委、农业部、卫生部和中国科学院，于2000年6月12日成立了国家科技图书文献中心(以下简称NSTL)。2003年，NSTL被纳入国家科技基础条件平台建设项目，成为科技文献平台的主体建设项目，从而使NSTL的发展获得更为有力的支持与保障。目前，NSTL已经初步达到了其建设的基本目标，即成为国家科技文献信息资源的保障基地、国家科技文献信息服务的集成枢纽和国家科技文献信息服务发展的支持中心[1]。本文试图将客户关系管理理论引入NSTL用户分析之中，从用户价值的角度来分析NSTL用户及其特征并提出相关的建议。
1 客户价值理论与NSTL用户划分
NSTL作为一家国家级别的文献信息服务机构，其公共服务性质和优惠的价格很容易赢得用户青睐和信任，具有建立良好、忠诚用户关系的天然有利条件。但与此同时，NSTL特殊的组织架构和公共服务的责任也使得其很难推出灵活的、有区别化竞争优势的产品形式。随着网络化资源和服务集成的日益普及，NSTL的规模优势面临被削弱的风险。及时地研究、分析和掌握用户需求及其变化，发现其特点和规律，加强用户管理并提供个性化服务，将对NSTL的管理决策提供积极的支撑作用。
1.1 客户价值理论
客户关系管理(CRM)作为一种改善企业和客户之间关系的新型管理模式，通过信息技术将企业内部资源进行整合，在与客户建立、发展、保有有价值的客户关系的活动中实现企业价值的持续增长，最大化用户价值是其最终目的[2]。
帕累托原则指出：一个企业80％的利润由20％的客户创造。客户作为企业的一种资产，是企业竞争力的核心所在。受自身实力的限制，企业不可能做到对所有的客户都付出相同的营销努力。这就要求企业对客户进行细分，能够有目的性、针对性地把更多的投入放到特定的客户身上，减少因为盲目投入造成的不必要的浪费。
根据不同的细分标准，客户细分可分为主流的客户细分方法和客户价值细分方法两大类[3]。主流的细分方法是基于客户和竞争而进行，注重客户需求的差异化；客户价值细分方法是基于企业自身的利益，对为企业创造不同价值的客户进行细分，其目的就是对高价值客户和无价值客户进行分析，以发现其特征并提供个性化服务，从而以最小的投入获得最大的回报。根据忠诚度可以将客户划分为五个层次：潜在客户、一次性客户、长期客户、支持者和忠诚客户(图1)。图中层次宽度表示每个层次的客户数量，层次高度表示每个层次客户的平均盈利水平。
图1 客户层次图
(1)潜在客户，是指有可能成为企业客户的购买者，他们感到企业的产品或服务有一定的吸引力，但还没有采取行动与企业进行交易；
(2)一次性客户，是指那些交易次数比较少的客户；
(3)长期客户，是指那些反复交易的客户，他们对企业或有忠诚感，或者由于惰性只是被动地购买；
(4)支持者，是指那些对企业的产品和服务相当满意，并且积极支持企业、向他人推荐的客户；
(5)忠诚客户，是客户—企业关系中最密切的，双方本着互惠互利的原则，关系持久。
1.2 NSTL用户划分
借鉴上文的客户细分，结合NSTL实际状况，可将NSTL用户划分为以下5种[4]：
(1)潜在用户：已经在NSTL网上注册、对NSTL文献服务有兴趣但尚未在NSTL订购文献的用户；
(2)流失用户：在NSTL网上注册、曾经在NSTL订购过文献但已经流失的用户；
(3)一般用户：在NSTL订购过一次或多次文献、对NSTL发展价值不大的用户；
(4)重点用户：对NSTL文献服务比较满意，在NSTL订购过很多次文献，对NSTL发展有着重要价值的用户；
(5)核心用户：与NSTL的联系很紧密，与NSTL已经形成互惠互利关系的用户。
对NSTL用户价值分析的目的在于发展潜在用户、对重点用户进行识别和分析。本文借鉴客户关系理论，主要对重点个人用户分析和用户价值矩阵分析。
2 基于RFM的重点个人用户分析
众所周知的威廉·谢登的80/20/30法则认为，在顶部20％的用户创造了公司80％的利润，有50％的利润被底部30％的非营利性客户损失掉[5]。因此，企业要仔细分析和区分不同类别的客户的赢利性，然后进行选择和保持。
利润追逐并不是作为公益机构的NSTL的工作目标。但用户价值分类并不因此对NSTL就毫无意义。通过价值分析，不仅有利于更深入的了解用户状况，使宣传推广更有针对性、资源建设更有目的性、发展决策更有依据，而且有助于提高资源利用率，并为未来的个性化服务奠定基础。下面引入客户关系管理理论中的RFM分析方法，对NSTL重点用户进行分析。
2.1 RFM简介
RFM分析是广泛应用于商业营销的一种客户细分方法，它通过收集客户购买行为中的“最近一次购买(Recency)”、“购买频率(Frequency)”和“购买金额(Monetary)”3个数据，用以指导营销行为中的销售策略，进而挖掘刺激购买行为的差异因素，预测购买偏好与倾向性[6]。R(Recency)指上次购买至今期间，该时期越短，则R越大。R越大的客户越有可能与企业达成新的交易；F(Frequency)指在某一期间内购买的次数，交易次数越多的客户越有可能与企业达成新的交易；M(Monetary)指在某一期间内购买的金额，M越大，越有可能再次响应企业的产品和服务。RFM分析的所有成分都是行为方面的，应用这些容易获得的因素，能够预测客户的购买行为。
进行RFM分析，所有的客户记录都必须包含特定交易的历史数据，并准确地标号。RFM分析给客户的每个指标打分，然后计算R×F×M并将计算结果从大到小排序。前面的20％是最好的客户，应该尽力保持他们。
2.2 模型构建
利用RFM方法来分析NSTL重点用户，需要讨论以下几个问题：①NSTL用户分为个人用户和集团用户，集团用户又分为集团注册用户和集团从属用户，这就涉及对不同类型的用户是否采用相同模型的问题。②时间段的选取。RFM分析针对某一时间段展开，那么在分析NSTL用户时，选择多长时间合适？③指标间权重的选择。RFM模型的缺点之一就是分析指标中的购买次数(F)与同期购买金额(M)之间存在多重共线性。由于NSTL服务内容的单一性，其订单次数与购买金额之间高度相关，这就将进一步加大购买次数在RFM值中的权重，这是否合理？
要对NSTL重点用户进行分析，首先必须讨论衡量重点用户的评价指标。由于除了购买次数之外很难找到别的指标来评价，作为一种尝试，本文基于RFM的重点用户分析模型如下：
(1)选择2008年全年为分析时间段，只对个人用户进行分析。
(2)对指标R进行处理，用户的最后一次订单如果发生在2008年的上半年，则R=0.5；如果发生在2008年的下半年，则R=1。这样做的目的是为了减少R的权重。
(3)对指标F与指标M，直接以用户在2008年的订购次数和花费总额进行计算。
(4)计算R×F×M并将计算结果从大到小排序。
2.3 结果分析
根据RFM分析需要从用户数据中抽取相关信息，抽取字段包括最后一次购买日期、2008年购买次数和2008年花费金额。2008年订购文献的用户个数为6260(不含集团用户)，分别计算其RFM值并由大到小排序，取前1200名为重点用户，其余的为一般用户。表1是一般用户与重点用户预付款余额、花费总额、2008年订购次数、历年订购次数和2008年花费总额的统计结果，从数据上看，一般用户在这些统计项上都远低于重点用户。
图2是重点用户和一般用户的地域分布结果，为更清晰地展示图形，图中没有包括北京市(北京市重点用户最多，为395个，远高于其他省份)。从图中看，江苏、陕西和浙江等是重点用户比较多的省份，云南省一般用户比较多，但重点用户比例较小。
图3是重点用户与一般用户的注册年份比例分布。重点用户在2002-2007年的比例都要高于一般用户，可见重点用户是多年来积累下来的结果，是NSTL的核心用户和宝贵资产。对重点用户的回访和调研有必要加强，以进一步巩固其忠诚度。
整体上讲，RFM分析结果与高频订单用户分析结果基本一致，这是因为在RFM的计算中主要强调的就是订购次数，而订购次数与花费总额之间又存在强相关关系。对重点用户评价指标和RFM分析方法在NSTL用户分析中的应用还有待进一步深入。
图2 重点用户地域分布
图3 重点用户注册年份分布
3 个人用户价值矩阵分析
客户关系管理理论中关于客户价值分析的另外一个方法是矩阵分析，认为客户价值包括当前价值和潜在价值，其中当前价值和潜在价值都高的客户是最有价值的客户，要重点投入和尽力保持。此方法的优点在于考虑到了客户潜在价值对企业长期发展的影响，较为全面地度量了客户对企业总体的价值贡献，使管理者能够采取更明确、有效的客户保持策略，深度挖掘客户的价值潜力；其不足是没有考虑到客户忠诚对客户价值的影响。忠诚度低的客户，即使拥有高的当前价值及潜在价值，但其高的客户转换率很可能使企业营销努力付之东流。
借鉴用户价值矩阵分析方法，结合NSTL实际状况对个人用户价值进行分析，做法如下：①分析对象是2007-2008年在NSTL订购过文献的用户，共有记录9078个；②以2007年、2008年的年均订购数量作为用户当前价值，以2008年的订单增长率作为用户潜在价值，其计算公式为：
2008年订单增长率=(2008年订购次数-2007年订购次数)/2007年订购次数
对只在2007年有订单但在2008年订单数为0的用户(共有2818个)，其增长率为-1；对在2007年没有订单仅在2008年有订单的用户(共有3604个)，由于无法计算其潜在价值不纳入本次计算。本节矩阵分析的实际对象是5474个在2007年订购过文献的个人用户。
表2是当前价值和潜在价值的频数分析结果。当前价值的均值为25，潜在价值的均值为0.44。以横轴表示潜在价值，纵轴表示当前价值画图，结果见图4。为更好地反映用户价值分布状况，图中对数据进行了转换，方式为：①对当前价值大于25的数据(以x表示)，转换为
+25。如果转换后的值大于100，则统一以100标识，这样当前价值区间就转换成[0，100]。②对潜在价值大于1的数据，全部开根号。如果转换后的值大于3，则统一以3标识(共94个)，这样潜在价值区间就转换成[-l，3]。需要说明的是，这些转换的目的只是为了更好的图形表示，与用户价值分析结果无关。
根据频数分析结果，利用潜在价值和当前价值矩阵划分用户类型，分别为：
(1)核心用户：潜在价值≥0.5，当前价值≥25，共304个(见图4中的第一象限)。这类用户当前价值和潜在价值都很高，对NSTL发展有着重要价值，但其数量较少。对这类用户，要加强与其的沟通和联络，了解其需求并改善服务模式，对每个用户设计和实施一对一的用户保持策略，持续不断地向他们提供超期望价值的服务。
图4 用户价值矩阵分析
(2)潜在用户：潜在价值≥0.5，当前价值＜25，共552个(见图4中的第二象限)。这类用户的特征是当前价值低，但潜在价值高，从客户生命周期的角度看这类用户与NSTL的关系处在形成期后期或稳定期前期。用户对NSTL比较满意，建立了一定的忠诚度，并愿意增加订单，将关系向前发展。虽然当前订单量不大，但潜力巨大。对这类用户应该加大资源投入力度，推动客户关系尽快进入稳定期。
(3)一般用户：潜在价值＜0.5，当前价值＜25，共3978个(见图4中的第三象限)。这类用户当前价值和潜在价值都很低，大多属于一次性用户。从图4看，这类用户的数量最大。对这类用户的挽留成本会很高，能维持现状即可。
(4)预警用户：潜在价值＜0.5，当前价值≥25，共640个(见图4中的第四象限)。这类用户当前价值很高，但潜在价值较低。从客户生命周期的角度看这类用户与NSTL的关系可能处于稳定期后期，曾经对NSTL的发展起过一定的作用，但其发展潜力不大，并且有流失的风险。对这类用户要适当加以挽留，了解其对NSTL服务的不满并加以改善。
图5显示了基于用户价值划分的4种用户的比例，核心用户、潜在用户分别为6％和10％。这两种用户对NSTL的现在和未来发展有着重要的意义，有必要加强相关的回访和调研工作，以强化NSTL与用户之间的关系。表3展示了核心用户与潜在用户的频数分析结果，表中的订单次数是该用户历年的订购次数总和。从表中数据看，核心用户、潜在用户的预付款余额、花费总额、订购次数三个指标的均值都高于一般用户，尤其是核心用户，这从侧面说明本节用户类型划分的合理性。
图5 基于用户价值划分的用户比例
对比RFM分析和价值矩阵分析，可以看出，基于RFM的重点用户划分方法侧重于考虑订单个数一个维度，而用户价值矩阵则同时考虑订单个数和增长率两个维度。由于NSTL文献信息服务内容的单一性，使得用户价值矩阵的分析结果显得更为丰富和合理。但矩阵分析方法也存在一些局限性，主要包括：①虽然在计算当前价值时，利用的数据是2007年和2008年两年的数据，但实际划分的是2007年的订购用户(无法计算2007年没订单记录的用户的潜在价值)，潜在价值的计算方法还有待修正和改进。②对2007年有订单、2008年没订单的用户，其潜在价值计算为-1。数据调研中发现，这些用户中有一些在2009年重新有全文请求，并且其订单数量不小。这种情况在本模型中没有予以考虑。③除了从用户价值的角度对用户进行区分外，受客观条件的限制，本文并未对划分后的用户集的特征做深入分析，这一点还有待加强。
4 建议
从以上可知，NSTL网上用户中北京用户占绝对优势，有些省市用户较少，在地域分布上表现出一定的不均衡性。NSTL应详细分析研究远程用户和异地用户的信息需求、获取渠道、使用行为等特点，加强资源和服务的创新性、针对性建设，建立更加适于跨地区远程用户使用资源的服务策略和服务手段。
科研机构用户，特别是中国科学院系统以外的科研用户，由于缺乏类似于CALIS这样的文献信息保障体系的支撑，对外界的文献信息依赖程度较高，应该是NSTL最有潜力和最有价值的用户群体，但目前NSTL用户中来自科研机构的用户仅占到16％，如此不利于NSTL网上服务的快速增长。NSTL需要加强科研机构潜在用户的研究和挖掘，提供优惠的政策和优化的服务。比如，可以包括资源的专门化配置和保障策略、资源的定向开放和共享策略、服务的快速传递和专有配备策略、整体的价格优惠和服务优先策略等[7]。
企业用户信息和服务需求特征呈现出明显不同，与NSTL目前的资源结构、服务类型差别较大。调查表明企业对信息的需求更多地集中在新产品开发研制、规划和决策、技术改造、市场和竞争对手分析等方面。除文献检索和原文提供服务外，他们更希望获得市场研究服务、技术调研服务、产业动态与技术跟踪服务、行业研究报告服务等。但企业所需信息资源一般都相对匮乏、分散、封闭或被垄断，且信息获取成本大、文献质量不高。因此，NSTL有必要建立资源的有效整合机制和深入挖掘机制，建立对企业信息需求跟踪和一站式定题服务机制，形成基于现有科技文献的信息挖掘、合成、分析和集成服务能力，才能开展广泛认可、卓有成效的企业信息服务。