CN1513151A - 以3指标轴表示的客户价值为基准的销售预测方法 - Google Patents

以3指标轴表示的客户价值为基准的销售预测方法 Download PDF

Info

Publication number
CN1513151A
CN1513151A CNA028110420A CN02811042A CN1513151A CN 1513151 A CN1513151 A CN 1513151A CN A028110420 A CNA028110420 A CN A028110420A CN 02811042 A CN02811042 A CN 02811042A CN 1513151 A CN1513151 A CN 1513151A
Authority
CN
China
Prior art keywords
client
purchase
commodity
index
marketing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA028110420A
Other languages
English (en)
Inventor
�ɻṫʿ
渡会公士
Ҳ
川井徹也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dentsu Tec Inc
Original Assignee
Dentsu Tec Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dentsu Tec Inc filed Critical Dentsu Tec Inc
Publication of CN1513151A publication Critical patent/CN1513151A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Abstract

本发明提供了一种以3指标轴表示的客户价值为基准的销售预测方法，其目的是在特定商品的销售领域，判定其客户的当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，提供按照投资对象·条件进行销售预测的方法。其特征是利用购买量指标轴(第1指标轴)、用户类型指标轴(第2指标轴)和客户购买参与度指标轴(第3指标轴)这3指标轴，把对于特定商品的客户消费信息分成用于判定客户当前价值、潜在价值的大小及其资源的客户价值评价单元，并且测定该单元不同测量期间的变化和促销投资引起的变化，数量化该促销投资和销售量的因果关系，进行销售预测的模拟。

Description

以3指标轴表示的客户价值 为基准的销售预测方法
技术领域
本发明涉及一种以3指标轴表示的客户价值为基准的销售预测方法，更具体地说，该方法是在特定行业市场的特定制造商商品或特定品牌商品领域，将客户购买该商品时的购买历史数据存储在数据库中，并以该数据库为基础，按照客户购买金额或数量分成购买量层级，按照客户在预定期间内购买的特定制造商或品牌商品的品种达到的程度分成用户类型层级，然后生成由此确定的各单元的当前客户价值图，并且根据销售商店的调查卡片信息、不同行业企事业单位通用的会员信用卡或电子商务等购买记录，把依据特定行业市场的全部制造商或全部品牌的商品的购买金额、数量以及购买内容推定的客户类型的分类数量化，分成前面描述的购买量层级和用户类型层级，对各单元进行邮寄广告单等营销，判定客户在那些单元之间如何移动以及由于客户的移动引起的各单元潜在客户价值和总销售量的增减，并仅根据本公司商品的购买数据就能分析出潜在是否能将市场份额扩展到其他公司商品。
背景技术
关于特定行业市场的特定制造商或特定品牌商品(如化妆品行业的××公司的○○化妆雪花膏)只知道本公司的市场份额构成，而不清楚其他公司的市场份额构成。当需要预测潜在客户价值、分析能否扩大其市场份额时，才发现以前关于这些问题没有深入研究。
以前只是根据本公司的数据面向客户进行营销，这种营销是以由RFM或RFMI(recency，frequency，monetary，item)确定的客户当前价值为基础的营销。在此，当前价值高的客户是以将来其价值也会持续为前提的。
可是，实际上当前价值高的客户其价值潜在未必会持续高，面向客户的有效营销不应只关注客户的当前价值，为了了解对于特定行业市场的全部制造商或全部品牌商品的本公司的市场份额构成，有必要利用商店售货员的意见信息、调查卡片等掌握以购买金额·购买量表示的潜在潜在价值的大小。也有必要按照品种组合的购买类型掌握潜在潜在价值的资源、财力。
另外，为了提高对客户的营销(邮寄广告等)的效果，有必要分析其反应的有无。
本发明克服了上述不足，其目的如下所述。
也就是说，在特定商品的销售领域，判定其客户的当前价值、潜在价值的大小及其资源，提供符合客户的有效的促销投资的选择信息，提供符合投资对象、条件的销售预测方法。
发明内容
为了解决上述技术问题，本发明的以3指标轴表示的客户价值为基准的销售预测方法是一种将购买历史数据收集在数据库中，并利用分析部门的客户价值分析计算机系统的客户价值判定方法。
其特征是利用购买量指标轴(第1指标轴)、用户类型指标轴(第2指标轴)和客户购买参与度指标轴(第3指标轴)这3指标轴的组合，把收集在该数据库的特定商品的客户消费信息分成用于判定客户当前价值、潜在价值的大小及客户潜在价值的资源的客户价值评价单元，并且测定该客户价值评价单元不同测量期间的变化和促销投资引起的变化，数量化该促销投资和销售量的因果关系，进行销售量预测的模拟。
以3指标轴表示的客户价值为基准的销售预测方法的特征在于：该购买量指标轴(第1指标轴)是以购买历史的数据为基础，在每个预定期间，按照购买金额或数量排序的购买量的顺序把客户分成多个层级的指标轴，该购买历史的数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售商店的交易、利用因特网的电子商务、利用电话、邮寄的直接交易被收集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据；
该用户类型指标轴(第2指标轴)是把该客户按照在每个该预定期间，从将多个将特定制造商商品或特定品牌商品的多个品种组合，购买大部分品种的客户到仅购买0～1个品种的客户，按照商品的组合情况确定客户的用户类型，分成多个层级的指标轴；
该客户购买参与度指标轴(第3指标轴)是抽出包含对销售商店进行的调查和/或营销，对电子商务和直接交易的调查和/或营销，对邮寄广告单、发送E-mail、打电话进行的调查和/或营销，以及商店售货员的客户信息，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，按照从该客户在该特定行业市场上包括其他制造商商品或其他品牌商品的全部制造商商品或全部品牌商品的购买金额、数量以及购买内容上推定的用户类型，进行分类的指标轴；
利用3指标轴的组合，判定特定制造商商品或特定品牌商品的客户当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，按照投资对象、条件进行销售预测的方法，利用购买量指标轴(第1指标轴)、用户类型指标轴(第2指标轴)、客户购买参与度指标轴(第3指标轴)这3指标轴的组合，把收集在该数据库的特定商品的客户消费信息分成用于判定客户当前价值、潜在价值的大小及客户潜在价值的资源的客户价值评价单元，并且测定该客户价值评价单元不同测量期间的变化和促销投资引起的变化，数量化把该促销投资和销售量的因果关系，进行销售量预测的模拟。
另外，以3指标轴表示的客户价值为基准的销售预测方法的特征在于：将该客户购买参与度作为第3指标轴，以该抽出数据为基础，在每个预定期间，按照对全部制造商商品或全部品牌商品的购买金额或数量排序的购买量的顺序把客户分成多个层级。
另外，以3指标轴表示的客户价值为基准的销售预测方法的特征在于：将该客户购买参与度作为第3指标轴，以该抽出数据为基础，在每个预定期间，按照对全部制造商商品或全部品牌商品的购买金额或数量排序的购买量的顺序把客户分成多个层级，并且从将品种组合，购买大部分品种的客户到只购买0～1个品种的客户，按照商品组合的情况，将客户分成多个客户类型层级。
另外，以3指标轴表示的客户价值为基准的销售预测方法，其在收集购买历史数据的部门的客户价值分析计算机系统中，该购买历史数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售商店的交易、利用因特网的电子商务、利用电话·邮寄等的直接交易被采集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据，其特征在于：
逐次存储其数据构成该特定制造商商品或特定品牌商品的客户购买数据库，在每个预定期间，以其数据为基础，按照客户购买金额或数量排序的购买量分成m个层级，并据此绘制购买量指标轴，在每个该预定期间，从将品种组合，购买大部分品种的客户到购买0～1个品种的客户，按照品种组合的情况将用户类型分成n个层级，并据此绘制用户类型指标轴，根据这两个指标轴把客户分成m×n个单元，绘制当前客户价值图，并判定每个单元的当前客户价值，
然后，抽出包含该销售商店的调查和/或营销，电子商务和直接交易的调查和/或营销，商店售货员的客户信息，以及邮寄广告单、发送E-mail、打电话进行的调查和/或营销，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，将从该客户在该特定行业市场包括其他制造商商品或其他品牌商品的全部制造商商品或全部品牌商品的购买金额、数量以及购买内容上推定的用户类型的分类记录在全部制造商·全部品牌商品客户购买数据库，根据该数据库，判定特定制造商商品或品牌商品的客户的当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，按照投资对象·条件进行销售量预测。
另外，以3指标轴表示的客户价值为基准的销售预测方法，其在收集购买历史数据的部门的客户价值分析计算机系统中，该购买历史数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售店的交易、利用因特网的电子商务、或者利用电话、邮寄等的直接交易被采集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据，通过记录该数据的该特定制造商或特定品牌商品的客户购买历史数据库和全部制造商·品牌客户购买历史数据库，根据包含对该销售商店进行的调查和/或营销，对该Web服务器的电子商务进行的调查和/或营销，对直接交易、邮寄广告单、发送E-mail、打电话进行的调查和/或营销，以及商店售货员的客户信息，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，数量化特定行业市场的全部制造商或全部品牌商品的客户购买态度，该全部制造商·品牌客户购买历史数据库存储该数量化后的数据，从而区分选择不仅具有当前价值同时还具有高潜在价值客户，并对其实施有效的营销，提高其总销售额，其特征在于包括：
按照对于该特定行业市场的特定制造商或品牌商品的金钱贡献度，以该客户购买历史数据库为基础，把客户分成至少包括多购买量、中购买量、少购买量的m个层级，并绘制购买量指标轴的购买量分类阶段，该金钱贡献度以客户或家庭客户的商品购买金额或购买个数、购买容量表示的每个预定期间的购买数量表示；
购买该特定制造商或特定品牌商品的客户包括在该预定期间购买其所有制造商或品牌商品品种的上位客户层、购买该商品大部分品种的准上位客户层、购买该商品一半品种以上的中位客户层、购买该商品平均品种数的标准位客户层、以及购买0～1个品种的下位客户层，以该客户购买历史数据库为基础，将该客户分为n个层级，并据此绘制作为用户类型指标轴的用户类型分类阶段；
根据该购买数量和用户类型这两个指标轴把客户分成m×n个单元，以表示各单元客户群的构成·购买状况的数值数据和该购买单据数据库为基础绘制“当前客户价值图”的绘制阶段；
为了判定该各单元客户的潜在客户价值，通过参与度分类阶段(イ)、单元的参与度分类阶段(ロ)和营销发送信息阶段(ハ)，判定特定制造商商品或特定品牌商品的客户当前价值、潜在价值的大小及其资源与该各种营销的因果关系，提供适应不同客户的有效的促销投资的选择信息，按照投资对象、条件进行销售预测的方法。参与度分类阶段(イ)是对特定行业市场的全部制造商或全部品牌商品，以该全部制造商·品牌客户购买数据库为基础，在每个预定期间按照客户购买金额或数量排序的购买量顺序分成m个层级的阶段；参与度分类阶段(ロ)是以该数据库为基础，在每个同一预定期间，从将多个品种组合，购买大部分品种的客户到购买0～1个品种的客户，加上与非特定制造商·品牌商品品种组合购买的客户，按照品种组合的情况确定的用户类型，至少分成n个层级，根据这两个层级至少分成m×n个单元的阶段；营销发送信息阶段(ハ)是基于该销售商店进行的调查和/或营销、电子商务及直接交易进行的调查和/或营销、商店售货员的客户信息、利用邮寄广告单、发送E-mail、打电话进行的调查和/或营销的每个预定期间的阶段。
另外，本发明的特征还在于：在该购买量分类阶段，按该特定制造商或品牌商品的客户购买量多少排序，分为3个层级，占全部购买量约50％的客户层为高(H)层，其次占全部购买量约30％的客户层为中间(M)层，最后剩下的客户层为低(L)层。
另外，本发明的特征还在于：在该当前客户价值图的绘制阶段，表示各单元客户群的构成·购买状况的数值数据是客户或家庭构成比、购买金额或数量或容量构成比、平均每人的购买金额、平均每人的交易次数、客户数，把这个图按各个固定期间连续绘制，通过比较其间各单元的数据可以预测不久以后的销售数据。
另外，本发明的特征还在于：在营销中，各单元每位客户对于营销的反应包括客户的咨询、资料的索取、光顾销售商店、购买、购买金额、继续购买、继续购买金额数据，并且记录在营销效果数据库中，以该数据库为基础，测量每个单元的营销效果，以便仅对有效的单元进行营销。
另外，本发明的特征还在于：该特定行业市场至少包括化妆品、各种肥皂、服装·衣料、装饰品、手提包·旅行包、家电、个人计算机及其外围设备、包括流通·运送的服务行业、各种葡萄酒·白兰地·威士忌·啤酒等酒类。
附图说明
图1是用于本发明的以3指标轴确定的客户价值判定方法的计算机系统构成图和表示销售商店、客户终端机通过通信线路与之连接的关系图；图2是本发明以3指标轴确定的客户价值判定方法的动作流程图；图3是本发明以3指标轴确定的客户价值判定方法的动作流程图；图4示出了当前客户价值图的实施例，其中图4(a)表示3指标轴的构成，图4(b)表示图4(a)中斜线部分的数据实施例；图5示出了潜在客户价值图的实施例，其中图5(a)表示其构成，图5(b)表示图5(a)中斜线部分的数据实施例；图6是表示X期间的实施例的客户价值图，其中图6(a)表示其构成，图6(b)和图6(c)表示其数据实施例；图7是表示Y期间的实施例的客户价值图，其中图7(a)表示其构成，图7(b)和图7(c)表示其数据实施例；图8是表示Z期间的实施例的客户价值图，其中图8(a)表示其构成，图8(b)和图8(c)表示其数据实施例；图9是表示基于营销的直接影响的Y期间的实施例的客户价值图，其中图9(a)表示其构成，图9(b)表示其数据实施例；以及图10是表示基于营销的间接影响的Y期间的实施例的客户价值图，其中图10(a)表示其构成，图10(b)和图10(c)表示其数据实施例。
具体实施方式
图1示出了用于本发明以3指标轴确定的客户价值判定方法的计算机系统1的构成和销售商店终端机3、客户终端机4通过通信线路2与之连接的关系。而且，9表示与客户直接交易时的购买单据。
这里10是客户价值分析业务处理服务器，还有记录本发明的客户价值判定方法的步骤的分析程序组10a...。
11是管理数据库12的数据库服务器，数据库12至少包括客户购买历史数据库12a、全部制造商·品牌客户购买历史数据库12b和营销效果数据库12c。
13是网络服务器，14是输入和客户直接交易单据数据a的终端机，同时也是用于邮寄广告单、调查表等对客户的营销文件输出终端机。15是局域网(LAN)。
该客户购买历史数据库12a至少包括客户购买特定行业市场的特定制造商商品或特定品牌商品时，在商品销售商店的交易、利用因特网的电子商务、或者利用电话、邮寄的直接交易时被收集的客户姓名或代码、商品代码、数量、购买金额、购买时间等购买历史数据。
如下所述根据该数据库12a的购买历史绘制当前客户价值图。
对于每个预定期间，根据其购买历史数据，按照由客户购买金额或购买数量等排序的购买量把客户分成m个层级的购买量指标轴，在每个该预定期间，按照购买大部分品种到0～1个品种的顺序确定的用户类型分成n个层级的用户类型指标轴，根据这两个指标轴把客户分成m×n个单元，并绘制成图。可以分析每个单元的当前客户价值。
此外，如果连续2个期间测量预定期间该当前客户价值图，可以将来预测，推定出下一个期间各单元的客户移动率、流入流出率。
这里在销售商店中交易的购买历史数据如图1所示，从销售商店的终端机3通过通信线路2大部分被传送给客户价值分析计算机系统1。
另外，客户的电子商务的购买历史数据如图1所示，通过客户的客户终端机4和因特网2被传送给计算机系统1。
另外，客户直接交易的购买历史数据按照其购买单据由输入终端机14输入。
为了把客户购买态度数量化，在全部制造商·品牌的客户购买历史数据库12b记录抽出数据，该客户购买态度是指客户在特定行业市场商购买包括其他制造商商品或其他品牌商品在内的全部制造商商品或全部品牌商品中哪个档次的商品的比例，该抽出数据与对该销售商店进行的调查和/或营销、对电子商务及直接交易(包括电话、邮寄在内)进行的调查和/或营销、对商店售货员的客户态度信息、利用邮寄广告单和发送E-mail进行的调查和/或营销的回答有关，并且也与包括多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买数据有关。
如下所述，可以以该数据库12b为基础，依据其抽出数据，绘制使该客户购买态度数量化的以3指标轴表示的客户潜在价值图。
也就是说，该绘制方法包括：首先以抽出数据为基础，在每个预定期间中，按照客户购买金额等排序的购买量顺序把客户分成m个层级，并由购买量确定的参与度分类阶段(イ)；以该数据库12b为基础，在同一期间，按照多个品种组合，即在购买大部分品种的客户到购买0～1个品种的客户中按照购买品种组合的顺序，确定用户类型，并将其至少分成n个层级，并且把按照购买量确定的各层级至少分成m×n个单元的参与度分类阶段(ロ)；以及对于各单元，根据包括邮寄广告单·发送E-mail在内的各种营销和/或营销发送信息构成的参与度分类阶段(ハ)。
这里，该营销发送信息可以以等于或长于该固定期间的间隔进行多次。随时将带有编号的全部制造商·品牌客户的购买历史存储到数据库12b中。而且，上述营销发送信息文件也可以主要通过图1所示的营销文件输出终端机14进行，也可以通过销售商店进行。
营销效果数据库12c用于存储对于该营销的反应。作为该反应可以记录客户的咨询、资料(商品目录)的索取、光顾销售商店、购买、购买金额、继续购买、继续购买金额数据。这些数据的输入来源和客户购买历史数据库12a相同。
下面对照图2和图3，对记录本发明的客户价值判定方法步骤的分析程序组10a的工作流程进行说明。
客户在特定行业市场上购买特定制造商或品牌商品时，从以下来源(イ)、(ロ)、(ハ)收集购买历史数据。
来源(イ)通过通信线路2从销售商店终端机3向客户价值分析计算机系统1发送信息。
来源(ロ)通过因特网2从客户的客户终端机4的Web输入页面向计算机系统1发送信息。
来源(ハ)从计算机系统1的输入终端14输入客户直接交易时的单据数据。(S21)
这些数据都被逐次存储到计算机系统1的客户购买历史数据库12a中。(S22)
计算机系统1的客户价值分析业务服务器10通过分析程序10a，在每个预定期间(3个月或6个月左右)，按照以下顺序分类客户，并开始绘制当前客户价值图。(S23)
在此，首先对绘制购买量指标轴的情况进行说明。
对于特定行业市场的特定制造商或品牌商品的金钱贡献度由客户或以家庭为单位的客户的商品购买金额或购买数量、购买容量等表示的每个预定期间T的购买量来确定，以该客户购买历史数据库12a为基础，购买量指标轴至少把客户分成多购买量层、中购买量层、少购买量层等m个层级。
按照以上方法，购买量分类的具体实施例如下所述。把每个预定期间T内的客户按照购买量排序，占全部购买金额约50％的客户层为高(H)层，以下占全部购买金额约30％的客户层为中间(M)层，剩下的客户层为低(L)层。(S24)
下面对绘制用户类型指标轴的情况进行说明。
购买特定制造商或品牌商品的客户，在每个该预定期间T，以数据库12a为基础，购买其制造商或品牌商品时，作为其商品的基础品种有A、B、C(如特定行业市场的化妆品，基本化妆品A、美白粉底特殊化妆品B、去皱特殊化妆品C是基础化妆品品种)，3个品种都购买的属于客户层(ABC)，购买A和B的属于客户层(AB)，购买A和C的属于客户层(AC)，只购买A的属于客户层(A)，只购买B的属于客户层(B)，只购买C的属于客户层(C)，一共分成6类。(S25)
然后，根据购买量指标轴和用户类型指标轴把客户分成m×n个单元(实施例中为3×6个单元)。(S31)
然后，以数据库12a为基础，计算出每个单元中表示客户群的构成、购买状况的数值数据，绘制当前客户价值图。(S32)
这里表示各单元的客户构成、购买状况的数值数据是相对于全体来说每个单元的客户构成比、购买金额构成比、平均每人的购买金额、平均每人的来店次数、客户数等。
图4示出了以上具体的实施例。图4(a)表示3指标轴的构成，图4(b)表示图4(a)斜线部分的具体数据实施例。图4(b)中横轴代表用户类型指标轴，被分成(ABC)、(AB)、(AC)、(A)、(B)、(C)6类。同时，纵轴代表购买量指标轴，被分成(H)、(M)、(L)3个层级。结果把客户分成3×6＝18个单元，其客户构成比、购买金额构成比、购买金额、平均每人的来店次数被分成4行表示，4(b)是具体的一个数据实施例。
以上在当前时刻为界，绘制了当前客户价值图，以下是为了预测潜在客户价值而进行的营销。
该方法包括：首先在每个预定期间，以全部制造商·品牌客户购买历史数据库12b的抽出数据为基础，把客户分为H、M、L3个层级，并由购买量确定的参与度分类阶段(イ)；按照用户类型分为(ABC)、(AB)、(AC)、(A)、(B)、(C)6个层级，再加上也购买其他制造商或品牌商品的客户层(D)共7个层级，并由用户类型确定的参与度分类阶段(ロ)；以及对各单元客户的包括邮寄广告单·调查卡片·发送E-mail·打电话等在内的营销文件从计算机系统1的营销文件输出终端机14输出的营销发送信息阶段(ハ)。(S33)
营销文件发送给客户，其营销开始后，在一定期间Z(例如2～3个月左右)内，将全部制造商·品牌客户购买历史记录在数据库12b中(S34)。
如上所述，把营销文件发送给各单元的客户，将其反应效果进行数量化处理，绘制客户购买参与度指标轴。
以数据库12b为基础，绘制其一定期间Z内的客户价值图，并与营销前的当前客户价值图比较，计算出每个单元的客户的维持率、流失率、流入率及其特定商品全体的客户总数和总销售量的增减率，据此绘制潜在客户价值图，从而预测将来。(S35)
以上以当前时刻为界，绘制了当前客户价值图，以下为了预测潜在客户价值，开始把客户分类，绘制潜在客户价值图。
在此，首先对绘制客户购买参与度指标轴的情况进行说明。
首先，在每个预定期间，根据全部制造商·品牌客户购买历史数据库12b的抽出数据，按照购买量把客户分成H、M、L3个层级，并由购买量确定的参与度分类阶段(イ)，按照用户类型分为(ABC)、(AB)、(AC)、(A)、(B)、(C)6个层级，再加上同时也购买特定制造商·品牌商品中不销售的其他制造商·品牌商品的客户层(AD)，共7个层级，将由客户类型确定的参与度分类阶段(ロ)分成共21个单元。
然后，根据该客户参与度指标轴和用户类型指标轴把客户分成m×n个单元(实施例中是21×6个单元)。
按照如下方法构建全部制造商·品牌客户购买历史数据库12b。
也就是说，，在全部制造商·品牌的客户购买历史数据库12b记录抽出数据，该抽出数据与在该销售商店进行的调查、电子商务及直接交易(包括邮购·电话)进行的调查反应、商店售货员的客户态度信息、利用邮寄广告单、发送E-mail、打电话进行的调查反应有关，并且也与包括多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买数据有关。
以数据库12b和该数据库12a为基础，计算出一定期间内X(例如2～3个月左右)表示的每个单元的客户群的构成·购买状况的数值数据，并据此绘制潜在客户价值。
在此，表示各单元客户群的构成·购买状况的数值数据是对于全体来说每个单元的客户构成比、购买金额构成比、平均每人的购买金额、平均每人的交易次数、客户数等。
图5示出了以上的具体实施例，其中图5(a)表示3个坐标轴的构成，图5(b)表示斜线部分的具体的数据实施例。在此，横轴代表特定行业市场的特定制造商、品牌的用户类型指标轴，其被分成(ABC)、(AB)、(AC)、(A)、(B)、(C)6个层级。纵轴代表客户购买参与度指标轴，其被分成由购买量参与度层级(H)、(M)、(L)×用户类型参与度层级(ABC)、(AB)、(AC)、(A)、(B)、(C)、(AD)共21个层级。结果把客户分成6×21＝126个单元，其客户构成比、购买金额构成比、购买金额、平均每人的来店次数被分成4行表示。
前面所述的是根据潜在客户价值图可以掌握，在特定行业市场的全部制造商·全部品牌品种中购买了本公司品牌的哪个档次的品种，或者对于新商品领域的客户购买态度，从而能够提供一种客户价值判定方法，其不仅对特定制造商·品牌客户的当前价值进行判定，还能对通过有效营销具有高潜在价值的客户潜在价值进行判定的。
并且可以通过综合观察潜在价值图和当前价值图，掌握高潜在性的客户的潜在价值的大小，使营销更有效。
即能推定潜在客户价值图中作为购买量参与度分类层级的(H)层级，同时在当前客户价值图中作为购买量指标轴(L)层级的客户的潜在价值位于(H)-(L)之间，通过潜在价值图能判定其潜在价值的资源。
还有，由潜在客户价值图以及当前客户价值图的两面构成，依据以3指标轴确定的客户价值判定方法实施的营销的反应数据存储到记录此数据的数据库12c中。作为其反应包括客户的咨询、资料的索取、光顾商店、购买、购买金额、继续购买、继续购买金额等数据。这些数据的输入源，其中关于特定制造商·特定品牌的数据和客户购买历史数据库12a相同，其中关于全部制造商·品牌的数据和数据库12b相同。
如上所述，通过对每个单元客户实施营销，数量化其反应效果，以及在每个预定期间更新特定制造商·品牌的购买量指标轴和用户类型、全部制造商·品牌的客户购买量参与度指标轴，可以经常地高精度地判定客户价值。
并且，按照预定期间连续绘制的当前客户价值图，比较其中各单元的数据，可以预测近期客户的移动以及由此产生的总销售量的变化。
即根据数据库12a和12b，绘制预定期间X期间内的当前客户价值图及潜在客户价值图，利用该程序向每个单元的客户实施营销。绘制存储在数据库12c中的包括营销效果数据的营销后的预定期间Y期间内的当前客户价值图及潜在客户价值图。对预定期间Y期间内的客户，实施与在X期间内相同的营销，按照同样的程序，可以推定营销后预定期间Z内的当前客户价值图，并绘制。
图6、图7、图8表示了上述的具体实施例。图6表示该预定期间X内的具体实施例，图7表示预定期间Y内的具体实施例，图8表示预定期间Z内的具体实施例，各自的图(b)表示当前客户价值图，图(c)表示潜在客户价值图。在X期间、Y期间的当前客户价值图中，表示了只对购买量指标轴(H)×用户类型指标轴(ABC)单元的客户实施营销的情况。
以下进行更详细的说明。即，将营销开始前的预定期间X的当前客户价值(图6(b)表示其实施例)及潜在客户价值(图6(c)表示其实施例)，与营销开始后固定期间Y的当前价值图(图7(b)表示其实施例)及潜在客户价值图(图7(c)表示其实施例)进行比较，按照单元测定营销的影响。图8表示营销开始后固定期间Z的当前客户价值图及潜在客户价值图的实施例。
例如在由购买量指标轴和用户类型指标轴构成的当前客户价值图中，关于m列n行的单元SMN，当前客户价值图X的单元SMN的客户构成比T％的客户因营销的影响具有该单元SMN的客户维持率、以及从该单元SMN流失的客户流失率(该客户流失率包括流向SMN以外的单元或者客户没有购买的中止购买的情况)，以上是营销的直接影响。
图9表示以上具体实施例。图9是表示将该营销后固定期间的营销的直接影响数值化后的图，对于当前客户价值图X的购买量指标轴(H)层级×用户类型指标轴(ABC)客户层级这些单元营销的情况下、在营销后的固定期间，44.8％的客户还属于同一单元，37.1％的客户流向其他单元，18.1％的客户不再购买。
另外，作为对SMN的间接影响，客户从其他单元流入SMN的客户流入率(该流入率包括从SMN以外单元流入的或者非购买客户开始购买的新增的客户)。
图10(a)、图10(b)、图10(c)表示以上具体实施例。图10(b)是表示将该营销后固定期间的营销的间接影响数值化后的图，对与当前客户价值图X的购买量指标轴(H)层级×用户类型指标轴(ABC)客户层级这些单元营销的情况下，在营销后的固定期间，营销对象以外的(M)层级×(AB)客户层级单元的13.3％还属于原单元，3.8％流到(H)层级×(ABC)客户层级单元，42.5％流出到其他单元，40.4％停止购买。另外，图10(c)表示21432人非购买客户开始购买，其中5.7％流入(H)层级×(ABC)客户层级单元，94.3％流入其他单元。
也能够掌握以上的维持、流入、流出的金额和数量的绝对值增减率。
由此能够进行更加准确地潜在预测。
实用性
本发明以3指标轴确定的客户价值为基准进行的销售量预测，可产生如下效果。
本发明能够在特定商品的销售领域，判定其客户的当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，并按照投资对象、条件进行销售量预测的方法。

Claims (10)

1.一种以3指标轴表示的客户价值为基准的销售预测方法，其将购买历史数据收集在数据库，并利用分析部门的客户价值分析计算机系统，其特征在于：
利用购买量指标轴(第1指标轴)、用户类型指标轴(第2指标轴)和客户购买参与度指标轴(第3指标轴)这3指标轴的组合，把收集在所述数据库的特定商品的客户消费信息分成用于判定客户当前价值、潜在价值的大小及客户潜在价值的资源的客户价值评价单元，并且测定所述客户价值评价单元不同测量期间的变化和促销投资引起的变化，数量化所述促销投资和销售量的因果关系，进行销售量预测的模拟。
2.根据权利要求1所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：
第1指标轴是以购买历史的数据为基础，在每个预定期间，按照购买金额或数量排序的购买量的顺序把客户分成多个层级的指标轴，所述购买历史的数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售商店的交易、利用因特网的电子商务、利用电话、邮寄的直接交易被收集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据；
第2指标轴是把所述客户按照在每个所述预定期间，从将多个将特定制造商商品或特定品牌商品的多个品种组合，购买大部分品种的客户到仅购买0～1个品种的客户，按照商品的组合情况确定客户的用户类型，分成多个层级的指标轴；
第3指标轴是抽出包含对销售商店进行的调查和/或营销，对电子商务和直接交易的调查和/或营销，对邮寄广告单、发送E-mail、打电话进行的调查和/或营销，以及商店售货员的客户信息，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，按照从所述客户在所述特定行业市场上包括其他制造商商品或其他品牌商品的全部制造商商品或全部品牌商品的购买金额、数量以及购买内容上推定的用户类型，进行分类的指标轴，利用3指标轴的组合，判定特定制造商商品或特定品牌商品的客户当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，按照投资对象、条件进行销售预测的方法。
3.根据权利要求1或2所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：将所述客户购买参与度作为第3指标轴，以所述抽出数据为基础，在每个预定期间，按照对全部制造商商品或全部品牌商品的购买金额或数量排序的购买量的顺序把客户分成多个层级。
4.根据权利要求1或2所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：将所述客户购买参与度作为第3指标轴，以所述抽出数据为基础，在每个预定期间，按照对全部制造商商品或全部品牌商品的购买金额或数量排序的购买量的顺序把客户分成多个层级，并且从将品种组合，购买大部分品种的客户到只购买0～1个品种的客户，按照商品组合的情况，将客户分成多个客户类型层级。
5.一种以3指标轴表示的客户价值为基准的销售预测方法，其将购买历史数据收集在数据库，并利用分析部门的客户价值分析计算机系统，所述购买历史数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售商店的交易、利用因特网的电子商务、利用电话·邮寄等的直接交易被采集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据，其特征在于：
逐次存储其数据构成所述特定制造商商品或特定品牌商品的客户购买数据库，在每个预定期间，以其数据为基础，按照客户购买金额或数量排序的购买量分成m个层级，并据此绘制购买量指标轴，在每个所述预定期间，从将品种组合，购买大部分品种的客户到购买0～1个品种的客户，按照品种组合的情况将用户类型分成n个层级，并据此绘制用户类型指标轴，根据这两个指标轴把客户分成m×n个单元，绘制当前客户价值图，并判定每个单元的当前客户价值，
然后，抽出包含对所述销售商店的进行调查和/或营销，对电子商务和直接交易进行的调查和/或营销，商店售货员的客户信息，以及对邮寄广告单、发送E-mail、打电话进行的调查和/或营销，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，将从所述客户在所述特定行业市场包括其他制造商商品或其他品牌商品的全部制造商商品或全部品牌商品的购买金额、数量以及购买内容上推定的用户类型的分类记录在全部制造商·全部品牌商品客户购买数据库，根据所述数据库，判定特定制造商商品或品牌商品的客户的当前价值、潜在价值的大小及其资源，提供适应不同客户的有效的促销投资的选择信息，按照投资对象·条件进行销售量预测。
6.一种以3指标轴表示的客户价值为基准的销售预测方法，其在收集购买历史数据的部门的客户价值分析计算机系统中，所述购买历史数据是客户购买特定行业市场的特定制造商商品或特定品牌商品时，通过商品销售店的交易、利用因特网的电子商务、或者利用电话、邮寄等的直接交易被采集的至少包括客户姓名或代码、商品代码、数量、购买金额、购买时间的数据，通过记录所述数据的所述特定制造商或特定品牌商品的客户购买历史数据库和全部制造商·品牌客户购买历史数据库，根据包含对所述销售商店进行的调查和/或营销，对所述Web服务器的电子商务进行的调查和/或营销，对直接交易、邮寄广告单、发送E-mail、打电话进行的调查和/或营销，以及商店售货员的客户信息，再加上多个不同行业企业·事业单位通用的带有共同ID的会员信用卡的商品购买历史在内的购买历史数据，数量化特定行业市场的全部制造商或全部品牌商品的客户购买态度，所述全部制造商-品牌客户购买历史数据库存储所述数量化后的数据，从而区分选择不仅具有当前价值同时还具有高潜在价值客户，并对其实施有效的营销，提高其总销售额，其特征在于包括：
按照对于所述特定行业市场的特定制造商或品牌商品的金钱贡献度，以所述客户购买历史数据库为基础，把客户分成至少包括多购买量、中购买量、少购买量的m个层级，并绘制购买量指标轴的购买量分类阶段，所述金钱贡献度以客户或家庭客户的商品购买金额或购买个数、购买容量表示的每个预定期间的购买数量表示；
购买所述特定制造商或特定品牌商品的客户包括在所述预定期间购买其所有制造商或品牌商品品种的上位客户层、购买所述商品大部分品种的准上位客户层、购买所述商品一半品种以上的中位客户层、购买所述商品平均品种数的标准位客户层、以及购买0～1个品种的下位客户层，以所述客户购买历史数据库为基础，将所述客户分为n个层级，并据此绘制用户类型指标轴的用户类型分类阶段；
根据所述购买数量和用户类型这两个指标轴把客户分成m×n个单元，以表示各单元客户群的构成·购买状况的数值数据和所述购买单据数据库为基础绘制“当前客户价值图”的绘制阶段；
为了判定所述各单元客户的潜在客户价值，通过参与度分类阶段(イ)、参与度分类阶段(ロ)和营销发送信息阶段(ハ)，判定特定制造商商品或特定品牌商品的客户当前价值、潜在价值的大小及其资源与所述各种营销的因果关系，提供适应不同客户的有效的促销投资的选择信息，按照投资对象、条件进行销售预测的方法，参与度分类阶段(イ)是以所述全部制造商·品牌客户购买数据库为基础，在每个预定期间按照对特定行业市场的全部制造商或全部品牌商品的客户购买金额或数量排序的购买量顺序分成m个层级的阶段；参与度分类阶段(ロ)是以所述数据库为基础，在每个同一预定期间，从将多个品种组合，购买大部分品种的客户到购买0～1个品种的客户，加上与非特定制造商·品牌商品品种组合购买的客户，按照品种组合的情况确定的用户类型，至少分成n个层级，根据这两个层级至少分成m×n个单元的阶段；营销发送信息阶段(ハ)是基于所述销售商店进行的调查和/或营销、电子商务及直接交易进行的调查和/或营销、商店售货员的客户信息、利用邮寄广告单、发送E-mail、打电话进行的调查和/或营销的每个预定期间的阶段。
7.根据权利要求6所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：在所述购买量分类阶段，按所述特定制造商或品牌商品的客户购买量多少排序，分为3个层级，占全部购买量约50％的客户层为高(H)层，其次占全部购买量约30％的客户层为中间(M)层，最后剩下的客户层为低(L)层。
8.根据权利要求6或7所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：在所述当前客户价值图的绘制阶段，表示各单元客户群的构成·购买状况的数值数据是客户或家庭构成比、购买金额或数量或容量构成比、平均每人的购买金额、平均每人的交易次数、客户数，把这个图按各个固定期间连续绘制，通过比较其间各单元的数据可以预测不久以后的销售数据。
9.根据权利要求6至8中任一所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：在所述营销中，各单元每位客户对于营销的反应包括客户的咨询、资料的索取、光顾销售商店、购买、购买金额、继续购买、继续购买金额数据，并且将其记录在营销效果数据库中，以所述数据库为基础，测量每个单元的营销效果，以便仅对有效的单元进行营销。
10.根据权利要求1至6任一所述的以3指标轴表示的客户价值为基准的销售预测方法，其特征在于：所述特定行业市场至少包括化妆品、各种肥皂、服装·衣料、装饰品、手提包·旅行包、家电、个人计算机及其外围设备、包括流通·运送的服务行业、各种葡萄酒·白兰地·威士忌·啤酒等酒类。
CNA028110420A 2001-05-31 2002-04-26 以3指标轴表示的客户价值为基准的销售预测方法 Pending CN1513151A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2001165325A JP2002358402A (ja) 2001-05-31 2001-05-31 ３指標軸による顧客価値を基準とした売上予測方法
JP165325/2001 2001-05-31

Publications (1)

Publication Number Publication Date
CN1513151A true CN1513151A (zh) 2004-07-14

Family

ID=19008007

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA028110420A Pending CN1513151A (zh) 2001-05-31 2002-04-26 以3指标轴表示的客户价值为基准的销售预测方法

Country Status (7)

Country Link
US (1) US7577579B2 (zh)
EP (1) EP1413967A4 (zh)
JP (1) JP2002358402A (zh)
KR (1) KR100712711B1 (zh)
CN (1) CN1513151A (zh)
TW (1) TWI284848B (zh)
WO (1) WO2002099711A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008017200A1 (fr) * 2006-07-31 2008-02-14 Golix Management Consulting Ltd. Procédé pour prévoir des possibilités de vente et un potentiel de compte, et son système informatique
CN102890803A (zh) * 2011-07-21 2013-01-23 阿里巴巴集团控股有限公司 电子商品异常交易过程的确定方法及其装置
CN104361205A (zh) * 2014-10-21 2015-02-18 上海动盟网络技术有限公司 访客信息处理系统及方法
CN104517157A (zh) * 2013-09-27 2015-04-15 西尔品牌有限公司 使用社交媒体在可承诺量系统中预测分析的方法和系统
CN105589911A (zh) * 2014-12-31 2016-05-18 中国银联股份有限公司 客户价值评估方法及系统
CN106060592A (zh) * 2016-06-29 2016-10-26 韩斌 一种基于电视广告智能采购物品的方法及其系统
CN106897894A (zh) * 2016-12-30 2017-06-27 厦门南讯软件科技有限公司 一种基于对客户订单分析的客户精准分层方法
CN112184327A (zh) * 2020-10-14 2021-01-05 中国联合网络通信集团有限公司 客户终身价值评估方法和装置
CN113469721A (zh) * 2020-03-30 2021-10-01 北京沃东天骏信息技术有限公司 一种处理用户信息的方法及装置
CN115809355A (zh) * 2023-02-07 2023-03-17 北京厚方科技有限公司 用于电子商务管理系统的数据存储方法

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7372952B1 (en) 2002-03-07 2008-05-13 Wai Wu Telephony control system with intelligent call routing
US7254548B1 (en) * 2002-07-10 2007-08-07 Union Beach, L.P. System and method for the administration of financial accounts using profiles
US20070239614A1 (en) * 2002-07-10 2007-10-11 Union Beach, L.P. System and method for the storage of data in association with financial accounts
US7136448B1 (en) * 2002-11-18 2006-11-14 Siebel Systems, Inc. Managing received communications based on assessments of the senders
US9818136B1 (en) 2003-02-05 2017-11-14 Steven M. Hoffberg System and method for determining contingent relevance
US7676034B1 (en) 2003-03-07 2010-03-09 Wai Wu Method and system for matching entities in an auction
US20050038701A1 (en) * 2003-08-13 2005-02-17 Alan Matthew Computer system for card in connection with, but not to carry out, a transaction
US7539621B2 (en) * 2003-08-22 2009-05-26 Honda Motor Co., Ltd. Systems and methods of distributing centrally received leads
US8874477B2 (en) 2005-10-04 2014-10-28 Steven Mark Hoffberg Multifactorial optimization system and method
US7694874B2 (en) 2006-03-29 2010-04-13 Amazon Technologies, Inc. Over-the-air device provisioning and activation
US8300798B1 (en) 2006-04-03 2012-10-30 Wai Wu Intelligent communication routing system and method
US7690564B2 (en) 2006-06-13 2010-04-06 American Express Travel Related Services Company, Inc. Automatic classification of credit card customers
US9087335B2 (en) 2006-09-29 2015-07-21 American Express Travel Related Services Company, Inc. Multidimensional personal behavioral tomography
WO2008067618A1 (en) * 2006-12-08 2008-06-12 Crosssell Pty Ltd Methods and systems for providing on-demand data and for analysing customer requirements
US8504598B2 (en) * 2007-01-26 2013-08-06 Information Resources, Inc. Data perturbation of non-unique values
US8160984B2 (en) 2007-01-26 2012-04-17 Symphonyiri Group, Inc. Similarity matching of a competitor's products
EP2111593A2 (en) * 2007-01-26 2009-10-28 Information Resources, Inc. Analytic platform
US20080263000A1 (en) * 2007-01-26 2008-10-23 John Randall West Utilizing aggregated data
US10366426B2 (en) 2007-03-09 2019-07-30 Amazon Technologies, Inc. Personalizing handheld electronic book readers
JP4879796B2 (ja) * 2007-03-28 2012-02-22 スプリームシステムコンサルティング株式会社 Ｒｆ分析・ｒｆ予測プログラム
JP2008287371A (ja) * 2007-05-15 2008-11-27 Dentsu Retail Marketing Inc 店舗管理システム及びプログラム
WO2008157287A2 (en) * 2007-06-14 2008-12-24 The Nielsen Company (U.S.), Inc. Methods and apparatus to weight incomplete respondent data
US8192289B2 (en) * 2007-12-26 2012-06-05 Scientific Games Holdings Limited System and method for collecting and using player information
CN101470722A (zh) * 2007-12-27 2009-07-01 鸿富锦精密工业（深圳）有限公司 产品基本资料配置系统及方法
US8660945B1 (en) * 2008-06-04 2014-02-25 Intuit Inc. Method and system for identifying small businesses and small business operators
US8244573B2 (en) 2009-01-19 2012-08-14 Appature Inc. Dynamic marketing system and method
US8874460B2 (en) * 2009-01-19 2014-10-28 Appature, Inc. Healthcare marketing data optimization system and method
US20110231410A1 (en) * 2009-01-19 2011-09-22 Appature, Inc. Marketing survey import systems and methods
AU2010246077B2 (en) * 2009-05-04 2013-09-05 Visa International Service Association Frequency-based transaction prediction and processing
US8543445B2 (en) * 2009-12-21 2013-09-24 Hartford Fire Insurance Company System and method for direct mailing insurance solicitations utilizing hierarchical bayesian inference for prospect selection
US8571919B2 (en) * 2010-01-20 2013-10-29 American Express Travel Related Services Company, Inc. System and method for identifying attributes of a population using spend level data
US20110178845A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for matching merchants to a population of consumers
US20110178844A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for using spend behavior to identify a population of merchants
US20110178847A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for identifying a selected demographic's preferences using spend level data
US20110178855A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, System and method for increasing marketing performance using spend level data
US20110178848A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for matching consumers based on spend behavior
US20110178846A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for using spend level data to match a population of consumers to merchants
US20110178841A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for clustering a population using spend level data
US20110178843A1 (en) * 2010-01-20 2011-07-21 American Express Travel Related Services Company, Inc. System and method for using spend behavior to identify a population of consumers that meet a specified criteria
US9020479B1 (en) 2010-02-18 2015-04-28 Amazon Technologies, Inc. Single version of a user device modem for use with different wireless carriers
US8965366B1 (en) 2010-02-18 2015-02-24 Amazon Technologies, Inc. World SIM
US8626165B1 (en) 2010-02-18 2014-01-07 Amazon Technologies, Inc. Dynamic carrier switching
US8745413B2 (en) 2011-03-02 2014-06-03 Appature, Inc. Protected health care data marketing system and method
US8635158B1 (en) * 2011-04-04 2014-01-21 Ledder High Risk Capital Ventures, Lp Student loan repayment system
US20130166379A1 (en) * 2011-12-21 2013-06-27 Akintunde Ehindero Social Targeting
JP5974868B2 (ja) * 2012-11-30 2016-08-23 富士通株式会社 クラスタリングプログラム、クラスタリング方法、およびクラスタリング装置
US20140200967A1 (en) * 2013-01-11 2014-07-17 Model It Oy Method and system for analyzing brand value
US9240016B2 (en) 2013-03-13 2016-01-19 Salesforce.Com, Inc. Systems, methods, and apparatuses for implementing predictive query interface as a cloud service
US10311364B2 (en) 2013-11-19 2019-06-04 Salesforce.Com, Inc. Predictive intelligence for service and support
CN103714139B (zh) * 2013-12-20 2017-02-08 华南理工大学 一种移动海量客户群识别的并行数据挖掘方法
US20150332296A1 (en) * 2014-05-19 2015-11-19 International Business Machines Corporation Predicting customer value
CN107109484B (zh) 2014-11-03 2021-12-14 豪夫迈·罗氏有限公司 用于ox40激动剂治疗的功效预测和评估的方法和生物标志物
CN107633369A (zh) * 2017-10-09 2018-01-26 广州市万表科技股份有限公司 一种商品资产在线评估方法和系统
US11361337B2 (en) * 2018-08-21 2022-06-14 Accenture Global Solutions Limited Intelligent case management platform
CN113228082A (zh) 2018-10-31 2021-08-06 尼尔森（美国）有限公司 对便利小组数据进行多市场校准以减少行为偏差
US10839318B2 (en) * 2018-12-12 2020-11-17 Capital One Services, Llc Machine learning models for evaluating differences between groups and methods thereof
CN111400622B (zh) * 2020-02-27 2023-12-22 北京物资学院 一种分布式电商系统中紧缺商品数量展现方法及装置
JP2020166865A (ja) * 2020-04-14 2020-10-08 株式会社Ｓｔｒａｔｅｇｙ Ｐａｒｔｎｅｒｓ マーケティング支援システム、マーケティング支援方法、及びプログラム
CN111695938B (zh) * 2020-06-05 2023-07-18 中国工商银行股份有限公司 产品推送方法及系统
CN113344465B (zh) * 2021-07-13 2023-09-15 壹药网科技(上海)股份有限公司 一种药店经营的预测系统
CN113723990B (zh) * 2021-08-10 2022-07-15 苏州众言网络科技股份有限公司 用于确定用户价值的信息处理方法
US11687977B2 (en) * 2021-10-29 2023-06-27 Beijing Wodong Tianjun Information Technology Co., Ltd. System and method for predicting customer lifetime value using two-stage machine learning

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0934873A (ja) * 1995-07-21 1997-02-07 Hitachi Ltd 顧客分類方法およびシステム
JPH10124732A (ja) * 1996-10-15 1998-05-15 Tec Corp 会員コード記録媒体の作成装置及びその作成方法
US6298342B1 (en) * 1998-03-16 2001-10-02 Microsoft Corporation Electronic database operations for perspective transformations on relational tables using pivot and unpivot columns
JP2000003394A (ja) 1998-06-16 2000-01-07 Hitachi Ltd パーソナルマーチャンダイジングシステム
US6216129B1 (en) * 1998-12-03 2001-04-10 Expanse Networks, Inc. Advertisement selection system supporting discretionary target market characteristics
JP2000187690A (ja) * 1998-12-24 2000-07-04 Dentsu Tec Inc 顧客価値マップの作成方法
US7007029B1 (en) * 1999-01-15 2006-02-28 Metaedge Corporation System for visualizing information in a data warehousing environment
US6334110B1 (en) 1999-03-10 2001-12-25 Ncr Corporation System and method for analyzing customer transactions and interactions
JP2001092840A (ja) * 1999-09-22 2001-04-06 Bellsystem 24 Inc 消費感性モデルに基づく情報提供システム

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008017200A1 (fr) * 2006-07-31 2008-02-14 Golix Management Consulting Ltd. Procédé pour prévoir des possibilités de vente et un potentiel de compte, et son système informatique
CN102890803A (zh) * 2011-07-21 2013-01-23 阿里巴巴集团控股有限公司 电子商品异常交易过程的确定方法及其装置
CN102890803B (zh) * 2011-07-21 2016-01-06 阿里巴巴集团控股有限公司 电子商品异常交易过程的确定方法及其装置
CN104517157A (zh) * 2013-09-27 2015-04-15 西尔品牌有限公司 使用社交媒体在可承诺量系统中预测分析的方法和系统
CN104361205B (zh) * 2014-10-21 2018-09-04 上海重盟信息技术有限公司 访客信息处理系统及方法
CN104361205A (zh) * 2014-10-21 2015-02-18 上海动盟网络技术有限公司 访客信息处理系统及方法
CN105589911A (zh) * 2014-12-31 2016-05-18 中国银联股份有限公司 客户价值评估方法及系统
CN106060592A (zh) * 2016-06-29 2016-10-26 韩斌 一种基于电视广告智能采购物品的方法及其系统
CN106060592B (zh) * 2016-06-29 2019-01-29 广东省广告集团股份有限公司 一种基于电视广告智能采购物品的方法及其系统
CN106897894A (zh) * 2016-12-30 2017-06-27 厦门南讯软件科技有限公司 一种基于对客户订单分析的客户精准分层方法
CN113469721A (zh) * 2020-03-30 2021-10-01 北京沃东天骏信息技术有限公司 一种处理用户信息的方法及装置
CN112184327A (zh) * 2020-10-14 2021-01-05 中国联合网络通信集团有限公司 客户终身价值评估方法和装置
CN115809355A (zh) * 2023-02-07 2023-03-17 北京厚方科技有限公司 用于电子商务管理系统的数据存储方法

Also Published As

Publication number Publication date
JP2002358402A (ja) 2002-12-13
TWI284848B (en) 2007-08-01
KR100712711B1 (ko) 2007-05-02
EP1413967A4 (en) 2007-07-25
US7577579B2 (en) 2009-08-18
EP1413967A1 (en) 2004-04-28
KR20040006009A (ko) 2004-01-16
WO2002099711A1 (fr) 2002-12-12
US20040138958A1 (en) 2004-07-15

Similar Documents

Publication Publication Date Title
CN1513151A (zh) 以3指标轴表示的客户价值为基准的销售预测方法
Zhu et al. Precision retail marketing strategy based on digital marketing model
Richards et al. Customer relationship management: Finding value drivers
AU2009202218B2 (en) Consumer and shopper analysis system
Garfinkel et al. Design of a shopbot and recommender system for bundle purchases
CN1826618A (zh) 分析市场营销的系统和方法
Lukassen et al. Pricing third-party logistics services: integrating insights from the logistics and industrial services literature
Pervin et al. An integrated inventory model with variable holding cost under two levels of trade-credit policy
Fedirko et al. Data science and marketing in E-commerce amid COVID-19 pandemic
Krämer et al. Customer value controlling–Combining different value perspectives
Ancarani et al. Price levels and price dispersion on the internet: A comparison of pure play internet, bricks-and-mortar, and bricks-and-clicks retailers
Paul et al. An RFM and CLV analysis for customer retention and customer relationship management of a logistics firm
Rust et al. Customer equity: Driving the value of the firm by increasing the value of customers
Anderson et al. Enhanced decision making using data mining: applications for retailers
Taşabat et al. Recycling Project with RFM Analysis in Industrial Material Sector
Garver et al. Parcel shipping: Understanding the needs of business shippers
Ma E-Commerce customer segmentation based on RFM model
Hamilton-Ibama et al. Pricing strategy and customer loyalty of food and beverages manufacturing firms in port harcourt, Nigeria
Akhmetova et al. The Calculation Methodology of the Synergistic Effect of Digitalization of Retail Services
Wele et al. SERVICE CONVENIENCE AND MARKETING PERFORMANCE IN FAST FOOD RESTAURANTS IN RIVERS STATE
Dewantara The Influence of Word of Mouth on Purchase Decisions at Tokopedia
Potjanajaruwit THAILAND 4.0’S INNOVATION AND TECHNOLOGY: ANALYZING INDICATOR LEVEL
Hollebeek Consumer Engagement Across Differentially Service‐Oriented Wine Outlets: Moving Beyond Consumer Involvement To Predict Loyalty
Hemalatha et al. Internet and Brand Outreach of Retail Supermarkets-A Study with Special Reference to Chennai City
SHARMA FDI IN INDIAN RETAIL: CHALLENGES.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication