關(guān)系營(yíng)銷中客戶回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響研究

關(guān)系營(yíng)銷中客戶回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響研究

1引言客戶回報(bào)計(jì)劃(Rewardprograms)(以下簡(jiǎn)稱回報(bào)計(jì)劃)，也叫客戶忠誠(chéng)計(jì)劃(Loyaltyprograms)，其被認(rèn)為是通過(guò)發(fā)展和培養(yǎng)長(zhǎng)期客戶，并最終從關(guān)系中獲利的有代表性的關(guān)系營(yíng)銷手段[1]。在美國(guó)，近一半的家庭至少參加一個(gè)回報(bào)計(jì)劃；在我國(guó)，回報(bào)計(jì)劃也越來(lái)越被人們所熟知，在航空業(yè)、電信業(yè)、金融業(yè)及零售業(yè)都有廣泛的使用，其常以俱樂(lè)部、會(huì)員積分制等形式出現(xiàn)[2]。在已有關(guān)于回報(bào)計(jì)劃的相關(guān)研究中，大多數(shù)學(xué)者認(rèn)為回報(bào)計(jì)劃會(huì)對(duì)客戶行為產(chǎn)生積極影響。有學(xué)者認(rèn)為回報(bào)計(jì)劃的成功是由于增加了轉(zhuǎn)移成本而減少了價(jià)格競(jìng)爭(zhēng)或者是由于集中關(guān)注最忠誠(chéng)的客戶，從而促進(jìn)了客戶的重復(fù)購(gòu)買行為[3]。也有實(shí)證研究表明，回報(bào)計(jì)劃對(duì)重復(fù)購(gòu)買產(chǎn)生了直接的激勵(lì)作用，并且在計(jì)劃實(shí)行期內(nèi)，客戶數(shù)量、銷售額和客流量都將增加[4]。國(guó)內(nèi)學(xué)者馬寶龍等(2006，2007)[2，5]，李純青等(2007)[6]也從不同的角度證實(shí)了回報(bào)計(jì)劃對(duì)客戶行為及客戶忠誠(chéng)的積極影響。但是，Sharp和Sharp(1997)卻認(rèn)為從客戶整體層面而言回報(bào)計(jì)劃對(duì)客戶行為的改變并不明顯[7]，Partch(1994)認(rèn)為如果所有的企業(yè)都實(shí)施了像價(jià)格促銷活動(dòng)一樣的回報(bào)計(jì)劃，那么回報(bào)計(jì)劃并不能使企業(yè)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)[8]。Dowling和Uncles(1997)認(rèn)為回報(bào)計(jì)劃不可能從根本上改變客戶的行為，尤其是在強(qiáng)競(jìng)爭(zhēng)性市場(chǎng)上[9]。O'Brien和Jones(1995)指出，回報(bào)計(jì)劃在實(shí)踐中失敗的原因是由于太多的企業(yè)將之作為短期促銷的工具，而并未真正了解客戶是如何對(duì)回報(bào)計(jì)劃做出反應(yīng)的[10]。由此可見(jiàn)，回報(bào)計(jì)劃是如何影響客戶行為以及其影響作用如何在理論界并沒(méi)有達(dá)成一致觀點(diǎn)，特別是回報(bào)計(jì)劃對(duì)客戶個(gè)體層面品牌選擇行為的影響還不明確，因此對(duì)其進(jìn)行深入的研究十分必要。此外，從企業(yè)界對(duì)回報(bào)計(jì)劃的實(shí)際應(yīng)用來(lái)看，盡管其得到了廣泛實(shí)施，但現(xiàn)實(shí)情況中，很多企業(yè)實(shí)施回報(bào)計(jì)劃的原因就是競(jìng)爭(zhēng)對(duì)手實(shí)施了回報(bào)計(jì)劃[11]，很多公司在熱衷于實(shí)施回報(bào)計(jì)劃的同時(shí)，并不清楚回報(bào)計(jì)劃會(huì)對(duì)客戶購(gòu)買選擇過(guò)程產(chǎn)生什么樣的影響，多數(shù)企業(yè)只得盲目模仿競(jìng)爭(zhēng)對(duì)手的回報(bào)計(jì)劃，造成回報(bào)計(jì)劃實(shí)施的效果并不理想。因此，我們有必要在考慮競(jìng)爭(zhēng)環(huán)境的情形下深入研究回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響。此外，在研究方法上，已有研究多是利用橫截面數(shù)據(jù)(Cross-SectionalData)(多為問(wèn)卷調(diào)查數(shù)據(jù))建立結(jié)構(gòu)方程模型，從客戶感知的角度來(lái)探究回報(bào)計(jì)劃對(duì)客戶行為的影響。盡管這些研究就客戶對(duì)回報(bào)計(jì)劃的反應(yīng)機(jī)制及反應(yīng)過(guò)程提供了不少有意義的發(fā)現(xiàn)，但由于橫截面數(shù)據(jù)本身的局限性使得這些研究無(wú)法考慮到客戶間的異質(zhì)偏好性及決策動(dòng)態(tài)性，因此利用客戶的縱貫交易數(shù)據(jù)(longitudinalData)，通過(guò)建立數(shù)學(xué)分析模型來(lái)進(jìn)行相關(guān)研究顯得十分必要，且已成為研究熱點(diǎn)[12]。基于此，本研究將在考慮客戶間異質(zhì)偏好性的基礎(chǔ)上，利用一組客戶的縱貫交易數(shù)據(jù)建立消費(fèi)者離散選擇模型來(lái)研究回報(bào)計(jì)劃對(duì)客戶個(gè)體層面品牌選擇行為的影響，并利用策略實(shí)驗(yàn)(PolicyExperiments)及潛分層技術(shù)(LatentClassApproach)對(duì)相關(guān)問(wèn)題進(jìn)行系統(tǒng)分析。2理論基礎(chǔ)2.1回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響過(guò)程在具有高重復(fù)購(gòu)買特征的行業(yè)中(如零售業(yè))，已有實(shí)證研究表明大多數(shù)消費(fèi)者是多品牌忠誠(chéng)的，完全忠誠(chéng)于某一品牌的消費(fèi)者很少[13]。客戶根據(jù)自己的偏好在多個(gè)品牌中進(jìn)行選擇，往往可能會(huì)購(gòu)買某一品牌的概率稍高而購(gòu)買其他品牌的概率相對(duì)較低，而對(duì)品牌的偏好在客戶之間又是存在差異的。但在穩(wěn)定的市場(chǎng)結(jié)構(gòu)下，即各個(gè)品牌沒(méi)有對(duì)客戶進(jìn)行特殊購(gòu)買刺激(如大幅降價(jià)促銷)也不存在個(gè)別品牌斷貨等特殊情形的市場(chǎng)環(huán)境下，對(duì)于客戶個(gè)人而言其總是以固定的選擇概率偏好在不同的品牌間進(jìn)行重復(fù)購(gòu)買的決策[13]。就客戶回報(bào)計(jì)劃而言，其主要目的往往是通過(guò)為已有客戶提供基于累計(jì)購(gòu)買量的回報(bào)刺激來(lái)建立更高水平的客戶保持狀態(tài)。為此，基于累計(jì)購(gòu)買量的回報(bào)刺激應(yīng)會(huì)通過(guò)影響客戶在品牌選擇過(guò)程中的選擇概率來(lái)使穩(wěn)定的市場(chǎng)結(jié)構(gòu)發(fā)生改變，并通過(guò)一定時(shí)間的積累后形成新的穩(wěn)定市場(chǎng)結(jié)構(gòu)[5]。對(duì)于一個(gè)具有戰(zhàn)略意義和應(yīng)用價(jià)值的客戶回報(bào)計(jì)劃而言，它必須能夠提高客戶每次的購(gòu)買選擇概率，從而實(shí)現(xiàn)持續(xù)的重復(fù)購(gòu)買[5]?；诖宋覀兛梢酝ㄟ^(guò)測(cè)量回報(bào)計(jì)劃是否可以有效提升客戶在購(gòu)買決策過(guò)程中的選擇概率來(lái)研究回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響過(guò)程，并分析其對(duì)企業(yè)營(yíng)銷管理的價(jià)值。2.2客戶對(duì)回報(bào)計(jì)劃的異質(zhì)偏好已有研究證實(shí)客戶間是存在異質(zhì)偏好性的[14]，所謂“客戶異質(zhì)偏好”是指在企業(yè)為客戶提供產(chǎn)品或服務(wù)的過(guò)程中，客戶偏愛(ài)并愿意為此付出溢價(jià)的、對(duì)客戶決策產(chǎn)生影響的那些重要需求屬性。比如，有的零售客戶喜歡超市或百貨店所提供的一站式的服務(wù)，有的客戶喜歡天天低價(jià)的超市策略，還有的客戶對(duì)企業(yè)促銷十分敏感等等。如果我們可以證實(shí)客戶存在該異質(zhì)偏好，并且據(jù)此進(jìn)行客戶分層(segment)，那么企業(yè)就可以針對(duì)具有回報(bào)計(jì)劃偏好的客戶群進(jìn)行相應(yīng)的回報(bào)計(jì)劃的管理和營(yíng)銷。這樣不僅有利于企業(yè)節(jié)約有限資源，而且可以更有針對(duì)性的影響客戶的購(gòu)買決策，同時(shí)還有可能獲取該群客戶的相應(yīng)溢價(jià)。對(duì)客戶購(gòu)買選擇行為的研究，離散選擇模型(discretechoicemodel)是一個(gè)有效的研究工具[12]。同時(shí)基于離散選擇模型的潛分層技術(shù)是基于客戶效用對(duì)客戶進(jìn)行分層的有效工具，因此我們可以通過(guò)建立相應(yīng)的消費(fèi)者離散選擇模型對(duì)上述問(wèn)題進(jìn)行實(shí)證。2.3競(jìng)爭(zhēng)環(huán)境下回報(bào)計(jì)劃對(duì)客戶品牌選擇行為的影響現(xiàn)實(shí)情況中，已有越來(lái)越多的企業(yè)實(shí)施了類似的回報(bào)計(jì)劃[11]，在這種有競(jìng)爭(zhēng)因素影響的情形下，回報(bào)計(jì)劃的有效性受到了越來(lái)越多的質(zhì)疑，很多企業(yè)實(shí)施回報(bào)計(jì)劃的原因就是由于競(jìng)爭(zhēng)對(duì)手實(shí)施了回報(bào)計(jì)劃，并且很多企業(yè)只是盲目模仿競(jìng)爭(zhēng)對(duì)手的回報(bào)計(jì)劃。在競(jìng)爭(zhēng)環(huán)境下一個(gè)品牌企業(yè)在考慮實(shí)施回報(bào)計(jì)劃時(shí)往往會(huì)面臨如下兩個(gè)決策環(huán)境：(1)所有企業(yè)均未實(shí)施回報(bào)計(jì)劃；(2)已有競(jìng)爭(zhēng)對(duì)手實(shí)施了回報(bào)計(jì)劃。在這樣兩個(gè)決策環(huán)境下，本企業(yè)是否應(yīng)該實(shí)施回報(bào)計(jì)劃呢？這對(duì)許多企業(yè)而言是一個(gè)十分現(xiàn)實(shí)而又重要的問(wèn)題。雖然Singh等(2008)利用博弈論的方法從企業(yè)營(yíng)銷策略層面證實(shí)了兩家企業(yè)競(jìng)爭(zhēng)的情形下，如果一家企業(yè)實(shí)施了回報(bào)計(jì)劃另一家企業(yè)除了同樣實(shí)施回報(bào)計(jì)劃外還可以通過(guò)低價(jià)策略來(lái)實(shí)現(xiàn)均衡[15]，但該研究并沒(méi)有從兩個(gè)決策環(huán)境分別進(jìn)行分析，同時(shí)該研究是利用解析模型(analyticalmodel)進(jìn)行的推導(dǎo)，其結(jié)論還需要進(jìn)一步的實(shí)證模型檢驗(yàn)。此外，在考慮競(jìng)爭(zhēng)的環(huán)境下，從客戶個(gè)體層面了解回報(bào)計(jì)劃對(duì)客戶購(gòu)買決策行為的影響，也是我們值得關(guān)注的問(wèn)題。在已有文獻(xiàn)中，很少研究從客戶個(gè)體層面考慮了競(jìng)爭(zhēng)環(huán)境下回報(bào)計(jì)劃對(duì)客戶行為的影響，僅有Magi(2003)以及Meyer-Waarden(2007)的研究發(fā)現(xiàn)如果客戶同樣參與了競(jìng)爭(zhēng)對(duì)手的回報(bào)計(jì)劃，那么其客戶份額及客戶生命周期都將降低[16，17]。由此可見(jiàn)，我們有必要進(jìn)一步的深入分析競(jìng)爭(zhēng)環(huán)境下回報(bào)計(jì)劃是如何影響客戶品牌選擇行為的？然而，針對(duì)這樣的研究問(wèn)題，現(xiàn)實(shí)中獲取客戶在多家企業(yè)的交易數(shù)據(jù)進(jìn)行實(shí)證測(cè)量往往是較困難的，但由于離散選擇模型是在決策者效用最大化行為的假設(shè)下推導(dǎo)出來(lái)的一種多元統(tǒng)計(jì)分析方法，其優(yōu)點(diǎn)之一是模型參數(shù)一旦確定，該參數(shù)在不同的環(huán)境策略下是保持不變的[18]。因此離散選擇模型不僅可以幫助我們研究回報(bào)計(jì)劃是如何影響客戶品牌選擇行為的，還可以通過(guò)策略實(shí)驗(yàn)及計(jì)算機(jī)仿真幫助我們研究在競(jìng)爭(zhēng)的環(huán)境下，回報(bào)計(jì)劃是如何影響客戶購(gòu)買決策過(guò)程的。3模型方法現(xiàn)代經(jīng)濟(jì)學(xué)選擇理論有一個(gè)基本的假設(shè)，即具有同質(zhì)性的消費(fèi)者個(gè)體組成的總體，按照偏好最大化的要求實(shí)施市場(chǎng)行為。2000年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者M(jìn)acfadden在以往研究的基礎(chǔ)上提出了基于隨機(jī)效用理論的離散選擇模型——多項(xiàng)式logit模型(MultinomialLogitModel，簡(jiǎn)稱MNL模型)，這一模型在營(yíng)銷科學(xué)文獻(xiàn)中也已得到了廣泛的采用和借鑒[12]。3.1MNL模型假設(shè)MNL模型主要包含三個(gè)假設(shè)，前兩個(gè)假設(shè)是隨機(jī)效用最大化理論(RandomUtilityMaximization，RUM)的推導(dǎo)所基于的假設(shè)，而后一個(gè)是MNL模型選擇概率的推導(dǎo)所基于的假設(shè)。具體假設(shè)如下：該表達(dá)式是封閉型(closed-form)的，即意味著存在確切的值，通過(guò)代數(shù)上的處理就可以直接獲得該值，這也是MNL模型最大的優(yōu)點(diǎn)和被廣泛應(yīng)用的原因。然而MNL模型具有“與無(wú)關(guān)項(xiàng)獨(dú)立”(IndependenceofIrrelevantAlternatives，ⅡA)的特性，即要求兩個(gè)選項(xiàng)被選中概率的比率不受其它選項(xiàng)的影響。3.2模型估計(jì)與檢驗(yàn)(1)模型估計(jì)由于Logit模型具有封閉型的表達(dá)式，故可以用最大似然法進(jìn)行參數(shù)估計(jì)。假設(shè)各個(gè)決策人間的選擇是相互獨(dú)立的，則每個(gè)人都選擇實(shí)際觀測(cè)中所選選項(xiàng)的概率是，即似然函數(shù)為：概率函數(shù)的計(jì)算見(jiàn)公式(4)。參數(shù)的估計(jì)值便是使得該對(duì)數(shù)似然函數(shù)取最大時(shí)的最優(yōu)解。當(dāng)效用函數(shù)為線性時(shí)，一些統(tǒng)計(jì)軟件包可以幫助實(shí)現(xiàn)這一評(píng)估過(guò)程，而當(dāng)效用函數(shù)為非線性時(shí)，則需要通過(guò)自行編寫評(píng)估程序進(jìn)行評(píng)估，由于本文還將使用潛分層技術(shù)(LatentClassApproach)對(duì)樣本進(jìn)行客戶細(xì)分來(lái)體現(xiàn)客戶潛在的異質(zhì)偏好性，因此本研究在進(jìn)行參數(shù)評(píng)估時(shí)，通過(guò)MATLAB編寫程序運(yùn)用極大似然法來(lái)實(shí)現(xiàn)對(duì)參數(shù)的評(píng)估。(2)模型擬合優(yōu)度及似然比檢驗(yàn)離散選擇模型常會(huì)用到似然比指數(shù)來(lái)表示擬合優(yōu)度，似然比指數(shù)被定義為：此外，本文還將采用Akaike信息標(biāo)準(zhǔn)(AIC)和貝葉斯信息標(biāo)準(zhǔn)(BIC)作為模型評(píng)價(jià)的指標(biāo)，AIC的計(jì)算公式為-2×(LL-p)，BIC的計(jì)算公式為-2×LL+p×ln(N)，式中N代表觀測(cè)樣本的數(shù)量，p代表參數(shù)的個(gè)數(shù)。AIC和BIC標(biāo)準(zhǔn)的值越小，說(shuō)明模型越好[19]。4實(shí)證分析4.1數(shù)據(jù)收集與樣本特征根據(jù)研究目的及先期的市場(chǎng)調(diào)研，選取了營(yíng)銷策略中回報(bào)計(jì)劃普遍存在的超市零售業(yè)作為研究的實(shí)證對(duì)象，在不影響研究結(jié)論的基礎(chǔ)上為了實(shí)現(xiàn)離散選擇模型的建立及評(píng)估，并降低模型的評(píng)估難度和復(fù)雜程度我們決定選取3—4家實(shí)施回報(bào)計(jì)劃的超市作為研究對(duì)象。數(shù)據(jù)的收集委托一家全國(guó)性的專業(yè)數(shù)據(jù)調(diào)查公司獲得，首先通過(guò)對(duì)其擁有的固定調(diào)查樣本會(huì)員的初步調(diào)查，我們選取了130個(gè)均是經(jīng)常光顧北京“超市A”、“超市B”、“超市C”(由于下文的分析涉及到各超市品牌間的品牌比較，在未征得各超市同意的情況下為避免對(duì)各超市品牌形象造成影響，本研究略去各超市品牌真實(shí)名稱)這三家超市的會(huì)員作為本研究的固定調(diào)查樣本，這三家超市均實(shí)施了回報(bào)計(jì)劃，且回報(bào)計(jì)劃的內(nèi)容與形式相似，即根據(jù)累積消費(fèi)金額進(jìn)行積分，達(dá)到一定積分或時(shí)限后換取相應(yīng)回報(bào)；之后，對(duì)該130個(gè)固定調(diào)查樣本進(jìn)行了基本信息的問(wèn)卷調(diào)查，主要包括人口統(tǒng)計(jì)變量、是否為上述三家超市的回報(bào)計(jì)劃會(huì)員、到各超市的交通便利程度等；最后我們要求固定樣本組成員采用記日記的方式記錄其每次到超市進(jìn)行消費(fèi)的經(jīng)歷，收集的與本研究相關(guān)的數(shù)據(jù)信息主要包括：每次光顧的超市名稱、每次光顧超市前是否收到過(guò)相關(guān)超市的商品信息或促銷信息等，數(shù)據(jù)記錄的時(shí)間跨度為16周。通過(guò)對(duì)這130個(gè)被調(diào)查樣本基本信息的描述性統(tǒng)計(jì)分析得到，130個(gè)被調(diào)查樣本中男性72人，女性58人；19～34歲者109人，占樣本的83.85％；月收入在2000元以下者(含2000元)69人，2001-5000元者47人，5000-10000元者12人，10000元以上者2人；大專及以下學(xué)歷者83人，本科者38人，本科以上者9人。此外，130個(gè)被調(diào)查樣本中有29人是“超市A”的回報(bào)計(jì)劃會(huì)員，有50人是“超市B”的回報(bào)計(jì)劃會(huì)員，有41人參加了“超市C”的客戶回報(bào)計(jì)劃；130個(gè)被調(diào)查樣本中有13人同時(shí)參加了三家超市中兩個(gè)以上超市的回報(bào)計(jì)劃，有25人沒(méi)有參加任何超市的回報(bào)計(jì)劃。最終在16周的時(shí)間跨度內(nèi)共收集到130個(gè)被調(diào)查樣本的1773條購(gòu)買記錄。4.2模型的構(gòu)建本研究中，客戶選擇集中共有四個(gè)品牌：“超市A”、“超市B”、“超市C”及“其他”，可以簡(jiǎn)單認(rèn)為四個(gè)超市中任何兩個(gè)超市被選中概率的比率不受其它超市的影響(即符合ⅡA特性)，因此可以構(gòu)建MNL模型。MNL模型中的效用和選擇概率是無(wú)法直接觀測(cè)的，實(shí)際上觀測(cè)到的是被調(diào)查者每次光顧超市的品牌選擇及相關(guān)營(yíng)銷變量，其中因變量是超市間的品牌選擇。將因變量表示如下：5模型評(píng)估及結(jié)果5.1初始模型的評(píng)估及結(jié)果分析利用數(shù)據(jù)通過(guò)編寫的MATLAB程序?qū)ι鲜鯩NL模型進(jìn)行了參數(shù)評(píng)估，評(píng)估結(jié)果見(jiàn)表1-表2中的模型1結(jié)果部分。根據(jù)似然函數(shù)比檢驗(yàn)(Log-LikelihoodRatioTest，簡(jiǎn)稱LRT)和沃特檢驗(yàn)(Wardstest)，模型1比較好地?cái)M合了數(shù)據(jù)(p-value<0.001)。交通便利程度變量D的系數(shù)是負(fù)的，說(shuō)明對(duì)超市消費(fèi)者而言，前往超市的交通越不便利，消費(fèi)者越不愿選擇該超市，即對(duì)消費(fèi)者超市品牌的選擇有負(fù)影響；當(dāng)期是否收到超市的商品信息或促銷信息變量M的系數(shù)為正，表示它對(duì)消費(fèi)者的超市品牌選擇有正向影響；是否為超市積分會(huì)員變量R的系數(shù)同樣為正，說(shuō)明若消費(fèi)者參加了超市的回報(bào)計(jì)劃，則回報(bào)計(jì)劃會(huì)有效刺激該消費(fèi)者提升其購(gòu)買概率。除去交通便利程度、商品或促銷信息發(fā)送和回報(bào)計(jì)劃的影響，各個(gè)超市品牌本身的特性因素也對(duì)于消費(fèi)者的品牌選擇有影響，超市A最高(0.5755)，其次是超市B(0.4195)，超市C(0)和其他(0)排在最后，需要強(qiáng)調(diào)的是此處表示品牌本身特性影響力的數(shù)值只具有相對(duì)意義，并沒(méi)有絕對(duì)意義，也就是說(shuō)雖然模型估計(jì)出的“超市C”品牌特性的影響系數(shù)為0，其并不代表“超市C”品牌特性因素不存在，只表示其相對(duì)于“其他”這個(gè)品牌的品牌特性因素影響的大小為零，即二者品牌特性因素的影響相同。5.2改進(jìn)模型的評(píng)估及結(jié)果分析由于本研究在調(diào)查樣本選取的過(guò)程中考慮到降低研究模型的評(píng)估難度和復(fù)雜程度，有意選取了經(jīng)常光顧北京“超市A”、“超市B”、“超市C”這三家超市的130個(gè)會(huì)員作為了本研究的固定調(diào)查樣本。那么所選取的調(diào)查樣本可能某種程度上本身已經(jīng)是這幾家超市的忠誠(chéng)客戶，由此上面模型各個(gè)參數(shù)的評(píng)估結(jié)果就有可能存在偏差，例如忠誠(chéng)有可能降低客戶對(duì)超市所發(fā)送商品及促銷信息的敏感程度，從而造成模型中M變量的系數(shù)降低；此外忠誠(chéng)的客戶有更大的幾率是參加回報(bào)計(jì)劃的會(huì)員客戶，那么不分離出忠誠(chéng)因素的情況下，模型便會(huì)放大回報(bào)計(jì)劃對(duì)客戶選擇概率的影響。因此，我們有必要考慮將忠誠(chéng)因素引入模型中，以提升模型的解釋能力?？蛻魧?duì)于超市品牌的忠誠(chéng)可以看作是客戶的屬性變量，每個(gè)客戶對(duì)于每個(gè)超市品牌的忠誠(chéng)程度都有一個(gè)不同的值。加入忠誠(chéng)變量擴(kuò)展后的MNL模型(模型2)可以表示如下(其中表示客戶對(duì)超市k的忠誠(chéng)程度)：在沒(méi)有各個(gè)客戶過(guò)去歷史購(gòu)買記錄的情況下，如何有效表示客戶對(duì)每個(gè)超市品牌的忠誠(chéng)值是我們需要進(jìn)一步考慮的。如果我們將客戶的忠誠(chéng)看作是靜態(tài)的，那么我們把現(xiàn)有收集的數(shù)據(jù)看作是客戶的歷史購(gòu)買記錄，用客戶選擇各個(gè)超市數(shù)量的百分比便能比較好地反映這種靜態(tài)的忠誠(chéng)。然而，客戶的忠誠(chéng)必然不會(huì)是完全靜態(tài)的，隨著各種營(yíng)銷變量的變化(如促銷、廣告、回報(bào)計(jì)劃等)，忠誠(chéng)也是隨之動(dòng)態(tài)變化的，這樣的變化可以通過(guò)客戶的再次購(gòu)買來(lái)觀察。因此本研究將現(xiàn)有觀測(cè)數(shù)據(jù)中客戶以往選擇該超市的百分比作為當(dāng)期其對(duì)該超市的忠誠(chéng)值，這樣既有效地利用了客戶的歷史購(gòu)買記錄，又考慮了客戶每期的購(gòu)買變化。在這種定義下，各期客戶對(duì)各品牌忠誠(chéng)值之和便為1。我們將原始數(shù)據(jù)進(jìn)行相應(yīng)處理計(jì)算出個(gè)客戶各期購(gòu)買時(shí)對(duì)各個(gè)超市的當(dāng)期忠誠(chéng)，從而形成新的模型評(píng)估數(shù)據(jù)，并通過(guò)MATLAB程序?qū)σ搿爸艺\(chéng)”變量的MNL模型(模型2)進(jìn)行參數(shù)評(píng)估，評(píng)估結(jié)果見(jiàn)表1-表2中的模型2結(jié)果部分內(nèi)容。從表1模型2的評(píng)估結(jié)果可知，引入忠誠(chéng)后的模型2同樣通過(guò)了似然函數(shù)比檢驗(yàn)和沃特檢驗(yàn)。比較模型1和模型2評(píng)估結(jié)果的AIC、BIC和ρ(見(jiàn)表2)，可以發(fā)現(xiàn)：引入忠誠(chéng)后，模型2得到了很明顯的改進(jìn)，擬合優(yōu)度(似然比指數(shù))從0.2757提升到了0.3814，AIC和BIC值都有所降低，同時(shí)忠誠(chéng)變量L的系數(shù)通過(guò)了顯著性檢驗(yàn)，說(shuō)明忠誠(chéng)的確影響了客戶的超市品牌選擇?？梢?jiàn)針對(duì)本研究在原有模型1的基礎(chǔ)上加入忠誠(chéng)變量進(jìn)行模型改進(jìn)是十分必要的。比較兩個(gè)模型的變量系數(shù)，其顯著性和方向性均未發(fā)生變化，只是大小發(fā)生了改變。發(fā)現(xiàn)引入忠誠(chéng)后，“超市A”超市本身的品牌特性因素的影響力被更清晰的表現(xiàn)出來(lái)(有所提高)，而“超市B”和“超市C”本應(yīng)由“忠誠(chéng)”來(lái)解釋的方差在沒(méi)有引入忠誠(chéng)的時(shí)候被不同程度地納入到品牌本身的特性屬性中去了(模型2中有所降低，雖然仍不顯著但有降低的趨勢(shì))，由此可見(jiàn)“超市A”在客戶心中其品牌特性還是占有一定的優(yōu)勢(shì)；交通便利程度變量D系數(shù)的絕對(duì)值變小了，這可能是由于交通便利程度越高的客戶越容易是忠誠(chéng)客戶的原因造成的，因此沒(méi)有引入忠誠(chéng)時(shí)，交通便利程度的影響被放大了，這也說(shuō)明超市可以通過(guò)培養(yǎng)客戶忠誠(chéng)來(lái)有效降低交通便利對(duì)客戶光顧的影響；促銷及商品信息變量M的系數(shù)引入忠誠(chéng)后變大了，這是因?yàn)橹艺\(chéng)能夠降低促銷及商品信息對(duì)于消費(fèi)者選擇的影響，當(dāng)把忠誠(chéng)分離出來(lái)的時(shí)候，M對(duì)消費(fèi)者的影響更清楚地表現(xiàn)出來(lái)了；同時(shí)，回報(bào)計(jì)劃變量R的系數(shù)變小了，這可能是因?yàn)橹艺\(chéng)客戶恰好是回報(bào)計(jì)劃會(huì)員客戶的幾率較大，因此本身應(yīng)由忠誠(chéng)解釋的部分方差，在沒(méi)有引入忠誠(chéng)時(shí)由回報(bào)計(jì)劃變量來(lái)解釋了，這也某種程度上說(shuō)明了客戶忠誠(chéng)與回報(bào)計(jì)劃之間是相輔相成的，即回報(bào)計(jì)劃有助于提升客戶的選擇概率從而加強(qiáng)客戶忠誠(chéng)，而客戶忠誠(chéng)又更加鞏固了客戶涉入回報(bào)計(jì)劃的程度。6策略實(shí)驗(yàn)策略實(shí)驗(yàn)的目的是在考慮競(jìng)爭(zhēng)環(huán)境時(shí)，比較客戶是否是超市回報(bào)計(jì)劃會(huì)員時(shí)，客戶對(duì)超市品牌選擇概率的變化情況。假定各超市之間交通便利程度、商品及促銷信息和客戶忠誠(chéng)等其他因素對(duì)客戶的影響在同一水平下(由于本研究我們對(duì)忠誠(chéng)變量的定義要求客戶對(duì)各品牌忠誠(chéng)值之和為1，因此我們可以將其值均設(shè)置為0.25，其余交通便利程度和促銷及商品信息等變量可以均設(shè)置為0或1，無(wú)論如何設(shè)置，只要保證各超市品牌相應(yīng)因素對(duì)客戶的影響在同一水平，則對(duì)策略分析的結(jié)果就沒(méi)有影響)，我們首先設(shè)定客戶沒(méi)有參加任何其他超市的回報(bào)計(jì)劃，通過(guò)策略分析來(lái)判斷此時(shí)若成為某超市回報(bào)計(jì)劃的會(huì)員，則該回報(bào)計(jì)劃對(duì)客戶品牌選擇概率的影響；其次，我們假定客戶參加了所有其他超市實(shí)施的回報(bào)計(jì)劃，通過(guò)策略實(shí)驗(yàn)來(lái)分析若此時(shí)不參加該超市回報(bào)計(jì)劃和參加該超市的回報(bào)計(jì)劃對(duì)客戶選擇概率的影響變化。各策略實(shí)驗(yàn)情形下各超市品牌選擇概率變化情況見(jiàn)表3。從表3及圖1可以看出，對(duì)任何超市而言，客戶在沒(méi)有參加其他任何超市的回報(bào)計(jì)劃的情形下，若成為該超市的回報(bào)計(jì)劃會(huì)員將對(duì)該超市品牌的選擇概率有較大正影響，可使客戶購(gòu)買概率提升10％左右。例如，在客戶不是“超市B”、“超市C”及“其他”等超市回報(bào)計(jì)劃會(huì)員的情形下，若其成為“超市A”回報(bào)計(jì)劃的會(huì)員，則該客戶選擇“超市A”進(jìn)行購(gòu)買的概率將提升13.96％(0.5506-0.4113)。而從圖2可以看出，在客戶參加了所有其他競(jìng)爭(zhēng)超市所實(shí)施的回報(bào)計(jì)劃的情形下，成為該超市的回報(bào)計(jì)劃成員同樣將提升客戶對(duì)該超市的購(gòu)買概率，只是提升的幅度比圖1情形下時(shí)的幅度有所降低。圖1回報(bào)計(jì)劃對(duì)品牌選擇概率的貢獻(xiàn)(未參加各競(jìng)爭(zhēng)超市回報(bào)計(jì)劃的情形下)圖2回報(bào)計(jì)劃對(duì)品牌選擇概率的貢獻(xiàn)(參加了各競(jìng)爭(zhēng)超市回報(bào)計(jì)劃的情形下)從策略實(shí)驗(yàn)分析的結(jié)果可以看出，無(wú)論客戶是否是競(jìng)爭(zhēng)對(duì)手回報(bào)計(jì)劃的成員，對(duì)超市自身而言其最優(yōu)決策策略都應(yīng)是努力爭(zhēng)取客戶成為自己回報(bào)計(jì)劃的會(huì)員。從結(jié)果中還可以注意到，在其他因素保持不變的情形下，客戶在沒(méi)有參加任何回報(bào)計(jì)劃前和參加了所有超市回報(bào)計(jì)劃后，客戶對(duì)同一超市品牌的選擇概率前后是一致的。實(shí)質(zhì)上在不考慮其他競(jìng)爭(zhēng)因素的前提下，超市間對(duì)回報(bào)計(jì)劃的實(shí)施其實(shí)是一個(gè)博弈過(guò)程，在大家均不實(shí)施回報(bào)計(jì)劃的情形下，客戶對(duì)各個(gè)超市品牌都有一個(gè)固定的選擇概率，一旦其中一個(gè)超市實(shí)施了回報(bào)計(jì)劃，并且該客戶成為了該回報(bào)計(jì)劃的會(huì)員，那么這種穩(wěn)定的固定選擇概率狀態(tài)就將被打破，直到所有超市品牌均實(shí)施回報(bào)計(jì)劃，并且均成功吸引該客戶成為了其會(huì)員客戶，此時(shí)才會(huì)恢復(fù)到原有的固定選擇概率的穩(wěn)定狀態(tài)。以此推導(dǎo)，各超市間長(zhǎng)期博弈的最終結(jié)果是所有超市最終均將實(shí)施回報(bào)計(jì)劃，并且回報(bào)計(jì)劃對(duì)客戶的吸引是一致的(即客戶要么不會(huì)成為任何一超市的會(huì)員客戶，要么成為所有超市的回報(bào)計(jì)劃會(huì)員)，才會(huì)使得狀態(tài)達(dá)到平衡，當(dāng)然這可能只是一種理想狀態(tài)，因?yàn)槌虚g的回報(bào)計(jì)劃對(duì)客戶的吸引力會(huì)存在差異，即不同的回報(bào)計(jì)劃給客戶帶來(lái)的感知價(jià)值是不一樣的。7基于潛分層方法的客戶細(xì)分上述模型是將客戶假定為對(duì)公司營(yíng)銷變量(促銷及商品信息的發(fā)送、回報(bào)計(jì)劃)具有相同偏好的一類群體，然而現(xiàn)實(shí)中客戶應(yīng)是具有異質(zhì)偏好性的。如就回報(bào)計(jì)劃而言，可能僅一部分客戶會(huì)對(duì)回報(bào)計(jì)劃十分敏感。因此，我們有必要進(jìn)一步擴(kuò)展模型以使其能夠體現(xiàn)出客戶潛在的異質(zhì)偏好性。針對(duì)本文所建立的離散選擇模型我們可以應(yīng)用潛分層(LatentClass)方法[21]對(duì)模型進(jìn)行擴(kuò)展，我們稱之為潛分層模型。潛分層方法假設(shè)客戶群體細(xì)分由于每個(gè)客戶之間都存在異質(zhì)偏好性，因此最優(yōu)分類是將每個(gè)客戶分