第三章预测了顾客的未来行为,本章探讨如何衡量顾客的价值。你可能会觉得奇怪:为什么要专门用一章来介绍衡量顾客价值?直接看顾客的购买金额不就行了吗?
企业跟顾客交往,有个相识、相交的过程。获取新顾客、维系老顾客既会有收益也会有成本。有的收益和成本能直接反映在会计报表上,有的则需要很长时间才能显现出来,另外一些甚至体现在其他顾客身上。企业在发展的不同阶段,追求的目标常常不同,有时是顾客数量的增长,有时是销售额的增长,有时是利润的增长。由此导致顾客价值的体现维度有所不同。本章要量化表达这些与顾客关系管理有关的收益和成本。企业只有弄清楚了这些,才能对各种营销决策的投入产出有评判的标准。
本章主要关注单一顾客的长期价值,下一章则主要考虑顾客之间的相互影响。
一、衡量顾客价值的核心思想
衡量顾客价值从原理上讲很简单,本质就是用“产出”减去“投入”。如果结果是正值,这个顾客或者顾客群就有价值;反之,则没有价值。
实践中衡量顾客价值比上述原理就要复杂很多。什么算是产出?是否考虑非金钱的产出?如何核算投入?尤其是那些缺少明确指向的投入如何分摊到具体顾客头上?顾客价值是只计算当期的,还是需要考虑长期的?这些都会影响我们对某个(某群)顾客的价值判断,进而影响后续的营销决策。
除此之外,本章所说的价值是直接用会计报表上的数字衡量的。本书后几章还会从其他角度讨论价值。
1、单一顾客、首期的价值衡量
我们先从单一顾客、首期(即第一次购物)的价值衡量入手,来理解衡量顾客价值的核心思路。
一个顾客购买单一产品时,企业衡量该顾客的价值操作起来很简单,即“单一顾客首期的价值=销售收入-产品成本-使该潜在顾客成为顾客的成本”
当顾客购买多种产品时,需要统计他该期总的购物情况,计算方式同上,只是内容变成了该期总体的情况,即“单一顾客首期的价值=该期购物总金额-该期产品总成本-使该潜在顾客成为顾客的成本”
上述公式虽然道理上很清楚,但在实际计算时,由于每种产品的成本未必公开(数据不易获取),所以经常采用销售额和毛利率相乘的方式直接计算毛利,这样上述表达式就变成了“单一顾客首期的价值=该期购物总金额×企业设定的毛利率-使该潜在顾客成为顾客的成本”
2、单一顾客、以往多期的价值衡量
从道理上看,单一顾客多期的价值衡量就是把顾客每一期的价值加总。这其中的成本项有差异。首期发生的是获取新顾客的成本,而后续多期则变成了维系老顾客的成本。然后,我们仍可把每期当作单期计算,然后得出多期的合计结果。本书采用跟Excel表同样的表达形式,用符号“∑”代表求和(即加总)。单一顾客、以往多期的价值衡量可以表述成:
这样看起来,计算顾客的多期价值并没有比计算顾客的单期价值复杂多少。如果只需要计算单一顾客过去多期的价值,确实是这样。不过,顾客关系管理关注的不是顾客的过去,而是从过去至未来,顾客在整个生命周期能给企业提供的价值。对未来价值进行折现和预测双方关系的维持时间长度就成了预测时需要考虑的重要方面。
3、单一顾客、未来多期的价值衡量
如果想预测顾客未来多期的价值,则需要解决两方面的问题:一是顾客未来每期的价值是多少?这里的假设前提是顾客在此期间并不流失。二是如何把未来的价值折算成现在的价值。当我们在当前时点预估顾客的长期价值时,需要把未来每期的价值折算成当前价值。
(1) 预测未来的价值
预测顾客未来(例如12个月)的价值有两种方法:一种方法是预测每个月的价值(即购物金额和成本)。可以像第三章那样,假设这些数字按照某种概率分布波动。另一种方法是假设每个月的价值都一样,但是每个月的购买概率不一样。通过把一样的价值乘以随时间变化的购买概率来获得每个月的价值。如果每个月企业的成本变化不大,也可以直接把价值聚焦在购物金额上。
(2) 未来价值的折现
折现是指同样的金额,未来所得不如现在所得有价值,需要对未来所得打个折扣(即折现的“折”),换算成当前金额。而且,距离现在越远,或者说越是远期的所得,要打的折扣越大。
例如,你一年后能挣到100元钱,但你现在需要用钱,你打算从银行贷款,然后一年后把你到时候挣到的100元钱还给银行。银行按照10%的利率收你利息。那么银行现在会给你多少钱呢?
直觉上银行似乎会给你90元钱,即100-100×10%=90。如果是花2年后挣到的100元钱,似乎是100-100×10%-100×10%=80。我们至少感觉到,越是未来挣到的钱,折算到现在越不值钱。实际计算时,因为要考虑复利的问题,计算起来并不是这么简单,但大致反映的是类似的思想。1年折现实际的计算公式是100/(1+10%)=90.9,2年折现实际的计算公式是100/[(1+10%)(1+10%)]=82.6。你大概已经看出来了,t年折现的计算公式是100/(1+10%)t。这里用t是想表示这是一个跟时间有关的数字。当然你也可以用n来表示。
以上只是为了说明道理举的例子,银行虽然是采用类似的算法,但通常是先借给你100元,贷款到期才要你归还本金100元加上利息10元。上述例子中所说的是砍头息,是不符合规定的,但至少有助于理解折现的道理。
4、单一顾客、全周期的价值衡量
企业进行决策时,通常是计算顾客生命周期价值。此处的生命周期表示的是顾客和企业交往的整个过程,也就是从顾客第一次购买企业产品到最后一次购买之间的整个过程。这是一个为了评估顾客价值所定义的概念。这个概念最初是从保险领域借鉴来的,但在CRM领域,这个概念已经完全与顾客作为“人”的寿命或“生命”周期无关。顾客生命周期价值对应的英文是customer lifetime value,为了保证表述简洁,多用CLV表示,也可以称为顾客终身价值。
如果把已经发生的事情(即顾客过去多期的购物)当作沉没成本,也可以用顾客生命周期价值减去顾客已经提供的价值来衡量顾客的未来价值。
如果用d(对应discount)代表折现率(简单理解成利率),用r代表购物概率,用rt代表第t期(例如第t个月)的购物概率,则考虑购物概率和折现率后的顾客生命周期价值就是:
上述公式中,margint、rt和retention costt通过变换下标t,对应0~T或1~T期中的每期利润、购物概率和维系老顾客的成本。通常用t代表跟时间有关的概念,这里对应的是第几期,T代表要预测的总期数,例如之前举例用到的12个月或者更长时间。acquisition cost和retention cost通常缩写为AC和RC。
为使上述公式更简洁一些,可以写成:
式(4-1)中的“∑”表示求和,代表求第0期到第T期的和,即t=0~T。因为首期(第一次交易)没有维系老顾客的成本RC,所以是从t=1这一期开始。我们把式(4-1)和它上面的那个展开公式放在一起对比,也能明白个七八分。
为了突出重点,本书只对常见公式或者后面需要引述的公式编了号。论述过程中的有些表达式只是为了表示概念,所以未编号。
5、多个顾客、多期的价值衡量
有了式(4-1)作为基础,如果想计算多个顾客、多期的价值,只要把每个顾客的多期价值简单相加,就能得到总数为M的多个顾客T期的价值总和。其表达式如下所示:
式(4-2)看起来有点复杂,其实就是在原来的基础上外层又加了个求和的符号∑,表示从顾客j=1加到j=M。本书还额外加了个通常不用的括号,以便于读者理解。
你现在应该已经完全理解了式(4-1)和式(4-2)的来源和含义,对公式中的数学符号也有了比较清楚的理解。就单一顾客而言,获取新顾客的成本和维系老顾客的成本在单期内是互斥的关系,也就是说一个顾客不可能既是新顾客又是老顾客。实际计算的时候,测算顾客生命周期价值主要是为了比较不同顾客之间的差别,而不是比较绝对值的高低。在不追求绝对精确的情况下,很多时候会忽略首期并没有维系老顾客的成本这一问题,而把维系成本和利润都按照同期发生进行计算。这样,可以使得公式看起来简单一些。在实际计算的时候,由于是计算机程序完成详细的计算过程,可以按照绝对精确来编写程序代码。为了保证表达的简洁明了,与式(4-1)对应的单一顾客的多期价值就可以表示成式(4-3),而式(4-2)则可以表示成式(4-4):
式(4-3)中的下标j表示这是第j位顾客的数据。实际上,该公式表示的只是序号为j的单一顾客的生命周期价值。为了和式(4-4)有所区分,在式(4-3)中使用CLVj表示单一顾客,而在式(4-4)中使用CLV表示不针对特定顾客,免得对模型表示不熟悉的读者迷惑。margintj就表示编号为j的顾客在第t期给企业带来的利润,而rtj则表示编号为j的顾客在第t期的购物概率。获取新顾客的成本AC因为只有首期才有,不涉及具体期数,所以下标只有j而没有t。维系老顾客的成本RC在每期都可能发生,所以下标既有j也有t,j表示这是哪个老顾客的成本,t表示这是哪一阶段或者说哪一期的成本。
6、衡量顾客价值要考虑的因素
式(4-3)和式(4-4)反映了计算企业所有顾客价值的核心思想,涉及以下五个方面:单一顾客、单期价值、多个顾客、多期价值以及未来价值的折现。所涉及的参数主要是利润margin、购物概率r、折现率d、成本RC和AC;而所涉及的总数则主要是期数T和顾客数M。
更为复杂的衡量顾客价值的方法,也都是在如何衡量上述五个方面上发生了变化。除了考虑单一因素以外,也要考虑各因素之间的相互影响。具体而言,包括:
(1)如何估算单一顾客的价值?
1)如何测算该顾客购买的不同产品的利润率?
2)如何计算该顾客是新顾客时的获客成本以及该顾客成为老顾客后的维系成本?
3)如何计算该顾客影响其他顾客所产生的非直接购物的额外价值?
(2)如何估算多期价值?
1)如何预测顾客未来会购买多少期?实质是预测顾客的生存时间或流失时间。
2)顾客未来带给企业的价值如何折算成现在的价值?实质是采用什么样的贴现方式:是按照统一的贴现率还是不同年度采用不同的贴现率?
(3)如何计算多个顾客的价值?
1)除了直接购物以外,多个顾客组成的网络是否还有其他额外的价值?
2)如何预测未来每期的顾客总量?
二、预测顾客价值的简化方法
顾客价值可以从个体和群体两个层面衡量,涉及收入、支出和利润等的总量和增长速度。服务于不同的决策目标和发展阶段,企业可以围绕顾客价值从多方面衡量顾客的贡献。
1、反映顾客贡献的多种指标
（1）基于利润的顾客贡献
采用利润指标衡量顾客贡献的道理很简单,核心就是用价格减去成本。只是因为行业不同,成本会有多种形式。对于零售业来说,成本主要是产品的进货成本或者采购价格。对于服务业来说,则是提供服务的成本。
（2）基于销售额的顾客贡献
我们在式(4-3)和式(4-4)中使用margintj表示编号为j的顾客在第t期给企业带来的利润。上述公式中衡量顾客贡献采用的是利润指标。有时为了给企业估值,即便在短期不盈利的情况下,仍需要衡量顾客的贡献,这时再采用利润指标(是负值)就无法实现目标,实践中会采用各种替代指标。例如,电商行业经常使用成交总额(gross merchandise volume,GMV)来反映企业总体的营收情况。当然也可以按照同样的道理,衡量单一顾客的GMV。GMV类似于销售额,只是为了在实践中尽快获取某时点或某阶段的销售额信息,来不及把最终可能未实际成交的数据排除掉。所以,GMV实际上是销售额和其他应排除金额的总和。多数电商平台的GMV包含如下多方面金额,其组成公式是:
GMV=销售额+取消订单金额+拒收订单金额+退货订单金额
也有从转化率的角度衡量总体GMV的,即“GMV=访客数量×转化率×客单价”。读者想必已经明白了,当需要从个体层面计算GMV时,对应的GMV计算就变成了某种概率的表述,即“GMV=访问次数×转化率×每次访问的购物金额概率分布”。
2、采用跨期固定值,预测顾客的长期价值
不论采用哪种指标,计算顾客以往各期的价值都比较简单,只需要求出总和即可。比较麻烦的是计算顾客未来各期的价值。这通常有三种思路:一种是认为不变的思路,即找到一个常数,假设以后各期的价值都是这个常数;另一种是找到一个总和值,但这涉及总期数的问题;还有一种思路是根据以往的数据求平均值或者期望值,或者更精确一点,考虑各种价值额出现的概率,涉及概率的方法第三章已经有所讨论,这里不再赘述。
到目前为止,我们先不考虑顾客流失问题,而是将其放在本章第四节和第六章讨论。
通常情况下,顾客每一期的行为都有可能变化,因此,计算顾客价值的模型中,每一期的参数都有可能不同。在实际计算时,考虑每期的变化会导致模型过于复杂,有时还会影响计算效率,在需要快速响应的场景下(例如电商平台需要根据顾客生命周期价值提供千人千面的页面或者推荐产品),往往需要从另外的角度来兼顾精确度和计算效率。
我们在之前章节中已经了解了一些处理差异的方法。例如,虽然个体不同,但有可能都围绕平均值上下浮动。我们可以把每期的差异当作平均值加减一个更低量级的变化量(例如平均值是几百,而差异只是几十或者是几)。或者,认为个体的数值服从于某种概率分布,出现不同值的概率有所不同。某些概率分布下,我们用特定的期望值就能大致表示全体的情况。
基于上述思想,如果假设各期差异不是特别大(即平均值量级大于上下浮动的量级),则可以把平均值当作每期的数值,然后考虑上下浮动的情况,既能简单、快速计算出结果,又能对变化范围有所估计。
如果按照各期的毛利margin、折现率d、购物概率r和维系成本RC都是常数的方式计算,把T设为长期。经过计算和变换,则式(4-3)就可以简化成:
从这个公式可以看出,影响顾客价值的主要有三部分:一是各种收益和成本,也就是与金额有关的内容;二是购物概率r,这与企业的产品或服务的质量以及营销工作的好坏有关;三是折现率d,这取决于企业的外部环境。当然,如果企业对短期收益非常在意,例如处于要上市或者公布业绩的阶段,也可能人为调整折现率,以体现管理决策上对近期和远期收益在意程度的不同。
如果“margin-RCj”有固定的增长率,通常是随着顾客和企业关系的延长,顾客更认同企业、更熟悉企业的其他产品,或者就是简单的顾客收入增长伴随着消费增加,这会导致单一顾客生命周期价值的计算发生变化,略去数学公式的推导过程,考虑“margin-RCj”增长率g(即gross rate)的顾客生命周期价值计算公式为:
这里除增加了g以外,所涉及的收益、成本、折现率、购物概率与之前并无本质区别。公式的总体形式并没有变化太多。
3、采用固定的跨期保留率数值,预测顾客群的保留情况
在实践中,企业有时更关注一群顾客的情况。例如,某个营销活动帮助企业获取了一批新顾客,或者某个渠道类型上的顾客,或者是按照特征分类的顾客群。如果按照时间段分类,还可以分为不同的顾客批次。不论哪种情况,总是会有多个顾客。决策时,企业会关注这一群顾客的价值。
从长期来看,单一顾客有时购买、有时不购买,统计他的总体购买情况可以得到一个购物概率r。同样的道理,如果考察一个顾客群的购买情况,有的人一直购买,有的人不再购买。采用与计算购物概率类似的方法,就能计算出顾客的留存率r。购物概率和留存率是两个层面上的同一个概念,所以都用r表示。
如果我们只看顾客的留存情况,可以通过计算期望(expectation,即E)的方式得到(具体计算过程本书略去了):
如果顾客的留存率是80%,在实践中就是下一期有20%的顾客在IT系统的交易记录没有更新,那么E(T)=5,即T的期望值是5。如果从单一顾客的角度看,一个顾客大约有5期会购买某企业的产品,然后就流失了。
计算T的期望值E(T)的时候,假设顾客按照λ=1-r的指数分布流失,回顾图3-1,其概率密度的计算公式是:
在二中,我们假设模型中的主要参数在各期保持不变,由此得到了计算顾客生命周期价值的简化模型。下一节增加考虑新顾客的获取、潜在顾客的规模和顾客的流失,由此得到更精确的预测值。
（未完待续）
欢迎诸位企业家朋友随时与朗玛峰团队沟通交流