導(dǎo)語：作業(yè)成本法的儲蓄客戶終身價值研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

客戶交易行為隨機(jī)理論研究基礎(chǔ)

對于商業(yè)銀行活期儲蓄客戶來說，其經(jīng)濟(jì)價值是由客戶的交易次數(shù)和賬戶余額綜合決定的。所以，研究商業(yè)銀行活期儲蓄客戶的價值，關(guān)鍵在于估計并預(yù)測客戶未來的交易次數(shù)和賬戶余額。在以往的相關(guān)研究中，普遍采用客戶的平均交易次數(shù)乘以平均賬戶余額的值代表客戶的未來價值。然而，這種方法存在兩個缺陷：首先，平均數(shù)值過于簡單，并且受到極端值的影響較大，如果客戶存在特殊的某次大額交易會顯著提高平均賬戶余額，但并不代表客戶的平均交易行為；其次，平均值指標(biāo)不是動態(tài)的，難以反映客戶交易行為變化。本文將利用有關(guān)隨機(jī)模型的方法避免上述缺點，克服以往研究的缺陷。負(fù)二項式分布（NegativeBinomialDistribution，NBD）模型為人們所知是因為它能較好地擬合頻數(shù)（如0，1，2，3，……）的發(fā)生現(xiàn)象，因此在多個領(lǐng)域加以應(yīng)用和實證研究。它假設(shè)購買行為頻數(shù)的發(fā)生服從泊松（Poisson）分布，且在個體區(qū)間內(nèi)泊松系數(shù)服從gamma分布。Ehrenberg（1959）在營銷分析中引入了NBD模型為預(yù)測未來交易次數(shù)奠定了基礎(chǔ)，但NBD模型仍沒有考慮有關(guān)客戶流失的問題。Goodhardt和Ehrenberg（1967）及Morrison（1968）推導(dǎo)了NBD模型的條件期望公式，進(jìn)一步為預(yù)測未來頻數(shù)發(fā)生奠定了很好的基礎(chǔ)；Morrison和Schmittlein（1988）在此研究的基礎(chǔ)上進(jìn)行了相關(guān)研究，對NBD模型進(jìn)行概括總結(jié)和評價，并且考慮了NBD模型的靜態(tài)性問題，將客戶流失加入模型中加以考慮。Schmittlein等（1987）提出了之后被廣泛應(yīng)用的SMC模型（也稱作Pareto/NBD模型）。Fader等（2005）改進(jìn)了Pareto/NBD模型難以估計的問題，提出簡便的BG/NBD（Beta-Geo-metric）模型。因為商業(yè)銀行活期儲蓄客戶源比較穩(wěn)定，客戶有可能在銀行的錢包份額發(fā)生變化但流失較少，因此本文用NBD模型作為交易次數(shù)預(yù)測模型的基礎(chǔ)。最早的gamma-gamma模型由Colombo和Jiang（1999）及Fader等（2005）提出。Schmittlein和Peterson（1994）在雙正態(tài)模型的基礎(chǔ)上修正和發(fā)展了現(xiàn)在使用的gamma-gamma模型。它假設(shè)客戶的購買金額（月均賬戶余額）服從gamma分布，并且在個體間其形狀參數(shù)（shapeparameter）為常數(shù)，其尺度參數(shù)（scaleparameter）服從另一個新的gamma分布。而有關(guān)Schmittlein和Peterson（1994）提出的雙正態(tài)模型中客戶個體間的差異和購買金額都服從正態(tài)分布的假設(shè)也存在一些問題：首先，正態(tài)分布中包含負(fù)值，而購買金額（賬戶余額貸方或者借方）是非負(fù)的，這與現(xiàn)實不符；其次，客戶的購買金額或者賬戶余額的分布通常表現(xiàn)為偏態(tài)分布，而不是正態(tài)分布。因此，本文借鑒交易行為隨機(jī)模型的相關(guān)思想，首先使用NBD模型來估計并預(yù)測活期儲蓄客戶的交易次數(shù)（在本文中稱為交易次數(shù)預(yù)測模型），其次采用gamma-gamma模型來估計并預(yù)測客戶的賬戶余額（在本文中稱為月均賬戶余額預(yù)測模型），并在這兩個模型預(yù)測結(jié)果的基礎(chǔ)上，通過成本及價值分析模型計算出客戶未來生命周期內(nèi)的成本和價值。之前的研究一般集中在對已發(fā)生的客戶交易行為的擬合和描述上，而本研究的重點是通過預(yù)測客戶的交易次數(shù)和月均賬戶余額來計算客戶的成本及價值。

模型構(gòu)建

（一）顧客交易行為隨機(jī)模型本文根據(jù)NBD模型的假設(shè)預(yù)測客戶不同渠道未來交易次數(shù)以及未來交易次數(shù)合計，結(jié)合gamma-gamma模型的假設(shè)預(yù)測活期儲蓄客戶未來月均賬戶余額，并構(gòu)建客戶終身價值模型。下面，將分別構(gòu)建客戶未來交易次數(shù)模型（NBD模型）和月均賬戶余額模型（gamma-gamma模型）。1.未來交易次數(shù)預(yù)測模型。設(shè)交易次數(shù)是隨機(jī)變量，表示為X（X=0，1，2，3，…）。NBD模型有三個假設(shè)：假設(shè)1：假設(shè)客戶交易頻率和交易金額兩個不同的行為維度互相獨(dú)立，不具有相關(guān)性。因此，這兩個行為概率函數(shù)的參數(shù)互相獨(dú)立。假設(shè)2：假設(shè)單個客戶交易次數(shù)f為泊松分布（PoissonDistribution）：Pf［F=fλ］=e-λλff!λ>0（1）公式（1）表示在單位時間單個客戶平均交易頻率為λ時單位時間內(nèi)交易次數(shù)f的概率。假設(shè)3：因為考慮客戶的異質(zhì)性，故假設(shè)單個客戶單位時間平均交易頻率λ服從gamma分布：gλ（λγ，α）=αγΓ（γ）λγ-1e-αλγ>0，α>0（2）根據(jù)假設(shè)2和假設(shè)3可以推導(dǎo)出客戶交易次數(shù)的概率為負(fù)二項分布（Ehrenberg，1959）：PNBD［F=fα，γ］=Γ（γ+f）Γ（γ）f!αα+1TTγ1α+1TTf（3）根據(jù)訓(xùn)練期交易次數(shù)可以得到預(yù)測期的交易次數(shù)。因此，利用貝葉斯原理，經(jīng)推導(dǎo)得到單位時間客戶未來交易次數(shù)的期望值。當(dāng)考慮T個單位時間時，單位時間客戶未來交易次數(shù)的期望值為：E［X=x2x1］=γ+x1α+1=αα+TTTγα+Tα+TTTx1（4）這時，x1為T時間單位的總交易次數(shù)，x1/T為平均單位時間交易次數(shù)，x2是給定第一次交易次數(shù)x1條件下的期望交易次數(shù)，而γ/α為NBD模型的平均交易次數(shù)。通過客戶訓(xùn)練期的交易次數(shù)，并利用公式（4），即可預(yù)測客戶預(yù)測期的交易次數(shù)。采用極大似然估計方法對NBD模型進(jìn)行參數(shù)估計，NBD模型的對數(shù)似然函數(shù)為：LL（γ，αdata）=x*x=0Σfxln［P（X=xγ，α）］（5）其中，x為顧客的交易次數(shù)，fx為交易次數(shù)為x的人數(shù)，x*為所有顧客中交易次數(shù)的最大值。γ和α都是原有NBD模型中求出的參數(shù)。2.月均賬戶余額預(yù)測模型。設(shè)x次交易的月均賬戶余額預(yù)測為隨機(jī)變量，表示為M（取值大于0）。gamma-gamma模型有以下兩個假設(shè)：假設(shè)4：假設(shè)個別客戶發(fā)生交易行為的各期平均單次賬戶余額為gamma分布，因為月均賬戶余額（借方或貸方）不可能為負(fù)，不適合用常態(tài)分布來捕捉，因此依據(jù)Colombo和Jiang（1999）的假設(shè)，采用更具有彈性并且符合交易金額不為負(fù)的特性的gamma分布：gm（mu，θ）=θuΓ（u）mu-1e-θmu>0，θ>0（6）其中，m代表各期平均單次月均賬戶余額（借方或貸方）。假設(shè)5：依據(jù)Colombo和Jiang（1999）的假設(shè)，由于客戶各期平均單次賬戶余額服從gamma分布的平均值為u/θ，為了考慮客戶的異質(zhì)性，假設(shè)此gamma分布的平均值u/θ隨著不同客戶而變動。因此，將u定義為常數(shù)值，利用θ捕捉每位客戶平均單次賬戶余額的不同，假設(shè)客戶平均單次賬戶余額的gamma分布的參數(shù)符合另一個gamma分布：gθ（θν，φ）=φνΓ（ν）θν-1e-φθν>0，φ>0（7）根據(jù)假設(shè)4和假設(shè)5可以推導(dǎo)出客戶各期平均單次交易金額的概率密度函數(shù)為gamma-gamma混合型函數(shù)（ColomboandJiang，1999）：gG-G［mu，ν，φ］=Γ（u+ν）Γ（u）Γ（ν）mφ+mmmuφφ+mmmν1m（8）利用貝葉斯原理，推導(dǎo)出在給定訓(xùn)練期交易次數(shù)和月均賬戶余額條件下的客戶期望月均賬戶金額：E（m2m1，x1）=u（x1m1+φ）（ux1+ν-1）=（ν-1ux1+ν-1）uφν-1+（ux1ux1+ν-1）m1（9）其中，m1為訓(xùn)練期的平均交易金額，x1為訓(xùn)練期的交易次數(shù)，u、ν和φ為gamma-gamma模型中需要估計的參數(shù)。利用公式（9）就可以通過客戶過去的月均賬戶余額來預(yù)測客戶未來的月均賬戶余額。同樣采用極大似然估計方法對gamma-gamma模型進(jìn)行參數(shù)估計，gamma-gamma模型的對數(shù)似然函數(shù)為：LL（u，ν，φdata）=iΣln［P（M=mu，ν，φ）］（10）其中，m為顧客的次均賬戶余額。（二）客戶成本分配及利潤計算模型計算客戶終身價值的首要步驟就是計算客戶的邊際收益，即將客戶產(chǎn)生的成本與客戶產(chǎn)生的收益進(jìn)行比較，因此，須對與客戶業(yè)績相關(guān)的客戶收入、客戶成本進(jìn)行準(zhǔn)確核算。1.客戶收入。對于銀行而言，客戶收入（即商業(yè)銀行通過客戶獲得的毛收益）包括客戶在商業(yè)銀行的貸款利息收入、貼現(xiàn)收入、存款的隱性利息收入、業(yè)務(wù)收入、手續(xù)費(fèi)等。對于活期儲蓄客戶來說，客戶收入主要就是客戶存款隱性利息收入和短期信用貸款利息收入：客戶收入=∑（該客戶在商業(yè)銀行發(fā)生的所有收入）其中，本月活期儲蓄客戶存款隱性利息收入=活期儲蓄客戶借方月均余額×銀行現(xiàn)行短期貸款（6個月內(nèi)）調(diào)整后利率/12；本月活期儲蓄客戶短期信用貸款利息收入=活期儲蓄客戶貸方月均余額×銀行現(xiàn)行短期信用貸款調(diào)整后利率/12。2.客戶成本。活期儲蓄客戶成本主要包括資金成本和服務(wù)成本等。在商業(yè)銀行日常經(jīng)營的活動中，這兩種成本無所不在，但是使用傳統(tǒng)的會計核算方法對這些成本的核算不準(zhǔn)確，而作業(yè)成本法則可以解決這樣的問題，對客戶發(fā)生的兩類成本進(jìn)行準(zhǔn)確定位核算。首先確定商業(yè)銀行活期儲蓄客戶所發(fā)生的作業(yè)和耗費(fèi)的資源，歸結(jié)資源成本庫和作業(yè)成本庫中所發(fā)生的資源數(shù)和作業(yè)數(shù)量，分配至單個活期儲蓄客戶所發(fā)生的作業(yè)成本，進(jìn)而確定活期儲蓄客戶成本，計算商業(yè)銀行活期儲蓄客戶邊際收益。在銀行的整個經(jīng)營活動中，這些圍繞活期儲蓄客戶所發(fā)生的成本可以歸為以下四類：客戶資金成本、客戶開拓成本、客戶支持成本和客戶維護(hù)成本。其中，后三類成本可以統(tǒng)稱為客戶服務(wù)成本。（1）客戶資金成本。活期儲蓄客戶資金成本主要包括活期儲蓄存款利息支出和短期信用貸款資金成本：本月活期儲蓄存款利息支出=活期儲蓄客戶貸方月均余額×銀行現(xiàn)行活期儲蓄調(diào)整后利率/12本月活期儲蓄客戶短期信用貸款資金成本=活期儲蓄客戶借方月均余額×銀行現(xiàn)行活期儲蓄調(diào)整后利率/12。（2）客戶服務(wù)成本。根據(jù)銀行活期儲蓄客戶傳票數(shù)據(jù)格式以及客戶交易渠道相關(guān)性的特點對客戶交易渠道進(jìn)行分類，將活期儲蓄客戶發(fā)生的服務(wù)成本分為柜臺、ATM、POS、電話手機(jī)網(wǎng)銀四類渠道的服務(wù)成本。其中，某渠道發(fā)生的服務(wù)成本=某客戶該渠道本月發(fā)生的交易數(shù)量（作業(yè)量）×服務(wù)作業(yè)成本動因分配率。各渠道的作業(yè)成本動因分配率計算標(biāo)準(zhǔn)見表1。因此，客戶成本=∑（該客戶在銀行發(fā)生各項業(yè)務(wù)活動所必須分配的成本），即客戶資金成本與客戶服務(wù)成本之和。3.客戶利潤。確定了活期儲蓄客戶的收入和成本之后，兩者之差就是活期儲蓄客戶的利潤，也就是客戶的價值貢獻(xiàn)。活期儲蓄客戶的利潤=活期儲蓄客戶收入-活期儲蓄客戶成本。

實證分析

（一）數(shù)據(jù)描述本文所分析的數(shù)據(jù)來自某商業(yè)銀行的24064位擁有活期儲蓄賬戶的顧客2008年1~12月的歷史交易數(shù)據(jù)。為驗證模型的有效性，本文將顧客的數(shù)據(jù)分成兩個部分，一部分是2008年1月1日至8月16日的數(shù)據(jù)來進(jìn)行模型估計，另一部分是2008年8月17日至12月31日的數(shù)據(jù)來進(jìn)行預(yù)測準(zhǔn)確性檢驗。（二）交易行為隨機(jī)模型數(shù)據(jù)結(jié)果通過對24064個樣本客戶8個月總交易次數(shù)的數(shù)據(jù)進(jìn)行估計得到γ=0.1400，α=0.0996。柜臺、ATM、POS、電話手機(jī)網(wǎng)銀這四種渠道交易次數(shù)的參數(shù)估計在表2中顯示。計算的結(jié)果表明：在2008年8月17日至12月31日內(nèi)的總交易次數(shù)NBD模型的預(yù)測誤差為4.35%，有較好的預(yù)測效果。將這里計算出來的參數(shù)代入模型便可得到預(yù)期各交易次數(shù)對應(yīng)的概率。交易次數(shù)預(yù)測模型參數(shù)估計與誤差統(tǒng)計如表2所示。通過對24064個樣本客戶8個月借貸雙方月均賬戶余額的數(shù)據(jù)進(jìn)行估計，得到參數(shù)估計值如表3所示。再將這三個模型參數(shù)代入公式（9），結(jié)合前8個月的客戶交易次數(shù)和借貸雙方月均賬戶余額數(shù)據(jù)，通過計算得到模型估計的客戶借貸雙方賬戶余額，并比較期望值和實際值之間的誤差。從表3中可以看出，月均賬戶余額預(yù)測模型對分析數(shù)據(jù)擬合效果也非常好。（三）成本及價值分析模型數(shù)據(jù)結(jié)果通過上面的分析，已經(jīng)得到客戶未來的交易次數(shù)和月均賬戶余額的期望值，然后就可以得到客戶未來價值的期望值（見表4）。再運(yùn)用折現(xiàn)和非折現(xiàn)兩種方法計算客戶的CLV，其中折現(xiàn)的方法使用的折現(xiàn)率為10%。同樣計算出總體預(yù)測誤差為4.66%，得到較好的預(yù)測結(jié)果。CLV計算結(jié)果與誤差統(tǒng)計如表4所示。（四）客戶成本和價值計算結(jié)果分析通過前文介紹的計算客戶利潤的方法可以更好地核算活期儲蓄客戶發(fā)生的成本及活期儲蓄客戶為銀行所帶來的利潤，準(zhǔn)確識別有價值客戶。表5顯示了用CLV計算結(jié)果劃分不同價值客戶的數(shù)量統(tǒng)計和誤差。用概率模型和基于作業(yè)成本法的客戶利潤計算模型能準(zhǔn)確劃分有價值的客戶，圖1、圖2分別顯示的是運(yùn)用概率預(yù)測數(shù)據(jù)計算劃分的高價值客戶和低價值客戶實際和預(yù)測CLV的值（以前200個客戶為例）。1.成本和價值的貢獻(xiàn)分析。為比較不同客戶對于商業(yè)銀行經(jīng)濟(jì)貢獻(xiàn)的差異，本文還對客戶CLV、收入和成本進(jìn)行了勞倫斯曲線（LawrenceCurve）分析，結(jié)果如圖3、圖4、圖5所示。在這些圖中，橫軸表示客戶數(shù)量，縱軸分別表示客戶CLV、收入和成本占全部經(jīng)濟(jì)利潤、收入及成本的累積百分比。在圖3、圖4、圖5中，預(yù)測與實際的勞倫斯曲線存在差異，但是差異較小，并且走勢相互吻合，這說明可以用本文所用的客戶交易行為模型對客戶進(jìn)行預(yù)測。存在的輕微差異是客戶的個體差異所造成的。通常來說，根據(jù)帕累托的“20/80”法則，20%的客戶貢獻(xiàn)了企業(yè)80%的價值。在本文的數(shù)據(jù)中，通過對該銀行的活期儲蓄客戶CLV、收入和成本的分析來看，22%的客戶貢獻(xiàn)了80%左右的利潤，24%的客戶提供了80%左右的收入，29%的客戶消耗了80%左右的成本。這里對高收入和成本客戶的劃分并不是所有銀行客戶成本和價值比重準(zhǔn)確的比例數(shù)字，但表現(xiàn)了一種不平衡關(guān)系，即少數(shù)客戶對商業(yè)銀行造成了主要的、重大的影響。那些需求不高、個人金融資產(chǎn)量并不大的80%客戶所貢獻(xiàn)的總銷售額和利潤，并不一定輸給20%的高端客戶，所以不能忽視處于尾部的市場，利用銀行的低成本渠道和管理優(yōu)勢，對客戶進(jìn)行積極引導(dǎo)，就能更好地劃分商業(yè)銀行的利潤和成本結(jié)構(gòu)，為商業(yè)銀行創(chuàng)造更大的價值。實際觀測和預(yù)測客戶的總經(jīng)濟(jì)貢獻(xiàn)、收入貢獻(xiàn)、成本貢獻(xiàn)統(tǒng)計分別如表6、表7、表8所示。2.基于成本和價值的客戶分類。本研究中劃取高低客戶成本的臨界值為175.71元，即消耗銀行80%成本的29%的客戶為高成本客戶，剩余的客戶為低成本客戶。對于客戶價值，CLV的臨界值取1180.09元，即CLV的取值高于1180.09元的為高價值客戶，低于臨界值的客戶為低價值客戶，具體客戶群體分類情況如表9所示。（1）A類為重點保持客戶，具體表現(xiàn)是高價值、低成本。從表9中可以看到此類客戶具有較高的價值（CLV≥1180.09元），且消耗銀行較少的成本（成本<175.71元）。根據(jù)客戶生命周期的相關(guān)理論，該客戶很有可能處于穩(wěn)定期。針對這一群體客戶的營銷策略，一方面要向其推介高端產(chǎn)品，挖掘客戶的潛力，進(jìn)行增量銷售或交叉銷售，多與客戶進(jìn)行溝通和聯(lián)系，并且保持和培養(yǎng)客戶忠誠度，提高這一類型客戶的價值；另一方面要采取持續(xù)保持策略，保持這一類型客戶的交易行為和高價值屬性。（2）B類為重點營銷客戶，具體表現(xiàn)是高價值、高成本。從表9中可以看到此類客戶雖然價值較高（CLV≥1180.09元），但是交易活動頻繁，與銀行關(guān)系密切，具有較高的成本（成本≥175.71元），此類客戶可能處于客戶全生命周期的形成期。這類客戶可能有較大的潛在價值，但消耗了銀行較多的運(yùn)營成本，對于這類潛在的低效客戶，營銷的重點應(yīng)該在推薦高端產(chǎn)品或者引導(dǎo)客戶介入自助渠道和低成本渠道。這些客戶屬于高價值客戶，但是仍有成本節(jié)約的空間，站在商業(yè)銀行的角度，對這類客戶的服務(wù)質(zhì)量要多加以關(guān)注，在向這類客戶推薦低成本渠道的同時要有效地反饋處理各類投訴信息，維護(hù)銀行的口碑，保持其客戶關(guān)系，維護(hù)銀行良好的社會形象。（3）C類為問號客戶，具體表現(xiàn)是低價值、低成本。從表9中可以看到此類客戶不但價值較低（CLV<1180.09元），并且交易活動不頻繁，客戶成本較低（成本<175.71元）。根據(jù)客戶全生命周期概念，該類客戶很有可能處在進(jìn)入期。由于所獲得的信息有限，如果客戶錢包份額都分布在其他的競爭銀行，則應(yīng)該主動爭取這類客戶，積極對該類客戶進(jìn)行營銷，獲取客戶的信任，爭取資源。因為保持現(xiàn)有客戶的成本要遠(yuǎn)低于獲取新客戶的成本，所以應(yīng)積極營銷這類客戶。（4）D類為放棄客戶，具體表現(xiàn)是低價值、高成本。從表9中可以看到此類客戶具有低價值（CLV<1180.09元），但與銀行的交易關(guān)系密切，具有較高的成本（成本≥175.71元）。根據(jù)客戶全生命周期的理念，這一群客戶多數(shù)處于衰退期。針對其交易類型的營銷策略要視具體情況有所機(jī)動，例如在營銷資源緊缺時，為節(jié)約運(yùn)營成本，可以對這類客戶置之不理，節(jié)約銀行有限的資源；同時，有可能該類客戶已經(jīng)轉(zhuǎn)向了競爭銀行，這樣的話，則需要及時挽回。這是因為客戶的流失對于銀行而言損失較大，不僅是該個體客戶對銀行價值貢獻(xiàn)的損失，還有可能給銀行帶來不必要的負(fù)面口碑。由表9的分類結(jié)果可知，客戶群體人數(shù)最多的是C類客戶（共16682人），即低價值、低成本的客戶，可見對這種類型的客戶有大量的營銷空間；商業(yè)銀行應(yīng)將有限的營銷資源重點投放于A類重點保持客戶和B類重點營銷客戶，來提升他們的價值空間，減少營銷成本；并且不應(yīng)在低價值、高成本的D類客戶身上消耗大量的資源，造成不必要的資源浪費(fèi)。對于這四類客戶，商業(yè)銀行的營銷人員應(yīng)有針對性地分別營銷，合理管理客戶關(guān)系，根據(jù)不同的客戶群體制定相應(yīng)的營銷策略，提升商業(yè)銀行的價值。

本文基于活期儲蓄客戶的交易數(shù)據(jù)和交易特征，以商業(yè)銀行活期儲蓄客戶為研究對象，以客戶價值隨機(jī)模型及作業(yè)成本法的相關(guān)理論為基礎(chǔ)，建立了客戶交易行為隨機(jī)模型和成本及價值分析模型。并利用中國某商業(yè)銀行活期儲蓄客戶的交易數(shù)據(jù)信息進(jìn)行實證分析，分別預(yù)測活期儲蓄客戶不同渠道的交易次數(shù)以及借貸雙方的賬戶余額，計算客戶成本和客戶終身價值，并運(yùn)用客戶貢獻(xiàn)度分析考察客戶終身價值和成本的貢獻(xiàn)度，討論不同客戶群體的消費(fèi)特征，對不同價值的客戶群提出差異化的營銷策略。研究結(jié)果發(fā)現(xiàn)，客戶交易行為隨機(jī)模型能夠準(zhǔn)確估計活期儲蓄客戶未來發(fā)生的交易次數(shù)和月均賬戶余額，并依據(jù)這些預(yù)測和客戶成本及價值分析模型可準(zhǔn)確核算和預(yù)測商業(yè)銀行活期儲蓄客戶的成本、邊際收益和CLV。同時，商業(yè)銀行可以根據(jù)活期儲蓄客戶交易的特點，根據(jù)各渠道不同的作業(yè)成本動因分配率分配作業(yè)成本，計算出客戶發(fā)生的總成本、邊際收益以及CLV，以客戶成本和客戶終身價值為細(xì)分變量的二維矩陣，據(jù)此銀行可以較為精確地評估出客戶在其整個生命周期內(nèi)為銀行創(chuàng)造的價值，并制定相應(yīng)的差異化營銷策略、提高客戶終身價值，從而引導(dǎo)商業(yè)銀行的經(jīng)營管理者正確處理好業(yè)務(wù)發(fā)展與客戶成本核算的關(guān)系，推動商業(yè)銀行客戶成本管理理念的更新，促進(jìn)客戶關(guān)系管理管理工作的發(fā)展。

本文作者：曹麗李純青高婷工作單位：西安理工大學(xué)經(jīng)管學(xué)院