關(guān)系營銷中客戶回報計劃對客戶品牌選擇行為的影響研究

關(guān)系營銷中客戶回報計劃對客戶品牌選擇行為的影響研究

1引言客戶回報計劃(Rewardprograms)(以下簡稱回報計劃)，也叫客戶忠誠計劃(Loyaltyprograms)，其被認(rèn)為是通過發(fā)展和培養(yǎng)長期客戶，并最終從關(guān)系中獲利的有代表性的關(guān)系營銷手段[1]。在美國，近一半的家庭至少參加一個回報計劃；在我國，回報計劃也越來越被人們所熟知，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，其常以俱樂部、會員積分制等形式出現(xiàn)[2]。在已有關(guān)于回報計劃的相關(guān)研究中，大多數(shù)學(xué)者認(rèn)為回報計劃會對客戶行為產(chǎn)生積極影響。有學(xué)者認(rèn)為回報計劃的成功是由于增加了轉(zhuǎn)移成本而減少了價格競爭或者是由于集中關(guān)注最忠誠的客戶，從而促進(jìn)了客戶的重復(fù)購買行為[3]。也有實證研究表明，回報計劃對重復(fù)購買產(chǎn)生了直接的激勵作用，并且在計劃實行期內(nèi)，客戶數(shù)量、銷售額和客流量都將增加[4]。國內(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了回報計劃對客戶行為及客戶忠誠的積極影響。但是，Sharp和Sharp(1997)卻認(rèn)為從客戶整體層面而言回報計劃對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)都實施了像價格促銷活動一樣的回報計劃，那么回報計劃并不能使企業(yè)獲得競爭優(yōu)勢[8]。Dowling和Uncles(1997)認(rèn)為回報計劃不可能從根本上改變客戶的行為，尤其是在強競爭性市場上[9]。O'Brien和Jones(1995)指出，回報計劃在實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回報計劃做出反應(yīng)的[10]。由此可見，回報計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有達(dá)成一致觀點，特別是回報計劃對客戶個體層面品牌選擇行為的影響還不明確，因此對其進(jìn)行深入的研究十分必要。此外，從企業(yè)界對回報計劃的實際應(yīng)用來看，盡管其得到了廣泛實施，但現(xiàn)實情況中，很多企業(yè)實施回報計劃的原因就是競爭對手實施了回報計劃[11]，很多公司在熱衷于實施回報計劃的同時，并不清楚回報計劃會對客戶購買選擇過程產(chǎn)生什么樣的影響，多數(shù)企業(yè)只得盲目模仿競爭對手的回報計劃，造成回報計劃實施的效果并不理想。因此，我們有必要在考慮競爭環(huán)境的情形下深入研究回報計劃對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探究回報計劃對客戶行為的影響。盡管這些研究就客戶對回報計劃的反應(yīng)機(jī)制及反應(yīng)過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法考慮到客戶間的異質(zhì)偏好性及決策動態(tài)性，因此利用客戶的縱貫交易數(shù)據(jù)(longitudinalData)，通過建立數(shù)學(xué)分析模型來進(jìn)行相關(guān)研究顯得十分必要，且已成為研究熱點[12]?；诖?，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)建立消費者離散選擇模型來研究回報計劃對客戶個體層面品牌選擇行為的影響，并利用策略實驗(PolicyExperiments)及潛分層技術(shù)(LatentClassApproach)對相關(guān)問題進(jìn)行系統(tǒng)分析。2理論基礎(chǔ)2.1回報計劃對客戶品牌選擇行為的影響過程在具有高重復(fù)購買特征的行業(yè)中(如零售業(yè))，已有實證研究表明大多數(shù)消費者是多品牌忠誠的，完全忠誠于某一品牌的消費者很少[13]?？蛻舾鶕?jù)自己的偏好在多個品牌中進(jìn)行選擇，往往可能會購買某一品牌的概率稍高而購買其他品牌的概率相對較低，而對品牌的偏好在客戶之間又是存在差異的。但在穩(wěn)定的市場結(jié)構(gòu)下，即各個品牌沒有對客戶進(jìn)行特殊購買刺激(如大幅降價促銷)也不存在個別品牌斷貨等特殊情形的市場環(huán)境下，對于客戶個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)購買的決策[13]。就客戶回報計劃而言，其主要目的往往是通過為已有客戶提供基于累計購買量的回報刺激來建立更高水平的客戶保持狀態(tài)。為此，基于累計購買量的回報刺激應(yīng)會通過影響客戶在品牌選擇過程中的選擇概率來使穩(wěn)定的市場結(jié)構(gòu)發(fā)生改變，并通過一定時間的積累后形成新的穩(wěn)定市場結(jié)構(gòu)[5]。對于一個具有戰(zhàn)略意義和應(yīng)用價值的客戶回報計劃而言，它必須能夠提高客戶每次的購買選擇概率，從而實現(xiàn)持續(xù)的重復(fù)購買[5]。基于此我們可以通過測量回報計劃是否可以有效提升客戶在購買決策過程中的選擇概率來研究回報計劃對客戶品牌選擇行為的影響過程，并分析其對企業(yè)營銷管理的價值。2.2客戶對回報計劃的異質(zhì)偏好已有研究證實客戶間是存在異質(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)的過程中，客戶偏愛并愿意為此付出溢價的、對客戶決策產(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的超市策略，還有的客戶對企業(yè)促銷十分敏感等等。如果我們可以證實客戶存在該異質(zhì)偏好，并且據(jù)此進(jìn)行客戶分層(segment)，那么企業(yè)就可以針對具有回報計劃偏好的客戶群進(jìn)行相應(yīng)的回報計劃的管理和營銷。這樣不僅有利于企業(yè)節(jié)約有限資源，而且可以更有針對性的影響客戶的購買決策，同時還有可能獲取該群客戶的相應(yīng)溢價。對客戶購買選擇行為的研究，離散選擇模型(discretechoicemodel)是一個有效的研究工具[12]。同時基于離散選擇模型的潛分層技術(shù)是基于客戶效用對客戶進(jìn)行分層的有效工具，因此我們可以通過建立相應(yīng)的消費者離散選擇模型對上述問題進(jìn)行實證。2.3競爭環(huán)境下回報計劃對客戶品牌選擇行為的影響現(xiàn)實情況中，已有越來越多的企業(yè)實施了類似的回報計劃[11]，在這種有競爭因素影響的情形下，回報計劃的有效性受到了越來越多的質(zhì)疑，很多企業(yè)實施回報計劃的原因就是由于競爭對手實施了回報計劃，并且很多企業(yè)只是盲目模仿競爭對手的回報計劃。在競爭環(huán)境下一個品牌企業(yè)在考慮實施回報計劃時往往會面臨如下兩個決策環(huán)境：(1)所有企業(yè)均未實施回報計劃；(2)已有競爭對手實施了回報計劃。在這樣兩個決策環(huán)境下，本企業(yè)是否應(yīng)該實施回報計劃呢？這對許多企業(yè)而言是一個十分現(xiàn)實而又重要的問題。雖然Singh等(2008)利用博弈論的方法從企業(yè)營銷策略層面證實了兩家企業(yè)競爭的情形下，如果一家企業(yè)實施了回報計劃另一家企業(yè)除了同樣實施回報計劃外還可以通過低價策略來實現(xiàn)均衡[15]，但該研究并沒有從兩個決策環(huán)境分別進(jìn)行分析，同時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)一步的實證模型檢驗。此外，在考慮競爭的環(huán)境下，從客戶個體層面了解回報計劃對客戶購買決策行為的影響，也是我們值得關(guān)注的問題。在已有文獻(xiàn)中，很少研究從客戶個體層面考慮了競爭環(huán)境下回報計劃對客戶行為的影響，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爭對手的回報計劃，那么其客戶份額及客戶生命周期都將降低[16，17]。由此可見，我們有必要進(jìn)一步的深入分析競爭環(huán)境下回報計劃是如何影響客戶品牌選擇行為的？然而，針對這樣的研究問題，現(xiàn)實中獲取客戶在多家企業(yè)的交易數(shù)據(jù)進(jìn)行實證測量往往是較困難的，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)出來的一種多元統(tǒng)計分析方法，其優(yōu)點之一是模型參數(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計劃是如何影響客戶品牌選擇行為的，還可以通過策略實驗及計算機(jī)仿真幫助我們研究在競爭的環(huán)境下，回報計劃是如何影響客戶購買決策過程的。3模型方法現(xiàn)代經(jīng)濟(jì)學(xué)選擇理論有一個基本的假設(shè)，即具有同質(zhì)性的消費者個體組成的總體，按照偏好最大化的要求實施市場行為。2000年諾貝爾經(jīng)濟(jì)學(xué)獎獲得者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——多項式logit模型(MultinomialLogitModel，簡稱MNL模型)，這一模型在營銷科學(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模型主要包含三個假設(shè)，前兩個假設(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)點和被廣泛應(yīng)用的原因。然而MNL模型具有“與無關(guān)項獨立”(IndependenceofIrrelevantAlternatives，ⅡA)的特性，即要求兩個選項被選中概率的比率不受其它選項的影響。3.2模型估計與檢驗(1)模型估計由于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。假設(shè)各個決策人間的選擇是相互獨立的，則每個人都選擇實際觀測中所選選項的概率是，即似然函數(shù)為：概率函數(shù)的計算見公式(4)。參數(shù)的估計值便是使得該對數(shù)似然函數(shù)取最大時的最優(yōu)解。當(dāng)效用函數(shù)為線性時，一些統(tǒng)計軟件包可以幫助實現(xiàn)這一評估過程，而當(dāng)效用函數(shù)為非線性時，則需要通過自行編寫評估程序進(jìn)行評估，由于本文還將使用潛分層技術(shù)(LatentClassApproach)對樣本進(jìn)行客戶細(xì)分來體現(xiàn)客戶潛在的異質(zhì)偏好性，因此本研究在進(jìn)行參數(shù)評估時，通過MATLAB編寫程序運用極大似然法來實現(xiàn)對參數(shù)的評估。(2)模型擬合優(yōu)度及似然比檢驗離散選擇模型常會用到似然比指數(shù)來表示擬合優(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)作為模型評價的指標(biāo)，AIC的計算公式為-2×(LL-p)，BIC的計算公式為-2×LL+p×ln(N)，式中N代表觀測樣本的數(shù)量，p代表參數(shù)的個數(shù)。AIC和BIC標(biāo)準(zhǔn)的值越小，說明模型越好[19]。4實證分析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調(diào)研，選取了營銷策略中回報計劃普遍存在的超市零售業(yè)作為研究的實證對象，在不影響研究結(jié)論的基礎(chǔ)上為了實現(xiàn)離散選擇模型的建立及評估，并降低模型的評估難度和復(fù)雜程度我們決定選取3—4家實施回報計劃的超市作為研究對象。數(shù)據(jù)的收集委托一家全國性的專業(yè)數(shù)據(jù)調(diào)查公司獲得，首先通過對其擁有的固定調(diào)查樣本會員的初步調(diào)查，我們選取了130個均是經(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各超市品牌形象造成影響，本研究略去各超市品牌真實名稱)這三家超市的會員作為本研究的固定調(diào)查樣本，這三家超市均實施了回報計劃，且回報計劃的內(nèi)容與形式相似，即根據(jù)累積消費金額進(jìn)行積分，達(dá)到一定積分或時限后換取相應(yīng)回報；之后，對該130個固定調(diào)查樣本進(jìn)行了基本信息的問卷調(diào)查，主要包括人口統(tǒng)計變量、是否為上述三家超市的回報計劃會員、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相關(guān)超市的商品信息或促銷信息等，數(shù)據(jù)記錄的時間跨度為16周。通過對這130個被調(diào)查樣本基本信息的描述性統(tǒng)計分析得到，130個被調(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個被調(diào)查樣本中有29人是“超市A”的回報計劃會員，有50人是“超市B”的回報計劃會員，有41人參加了“超市C”的客戶回報計劃；130個被調(diào)查樣本中有13人同時參加了三家超市中兩個以上超市的回報計劃，有25人沒有參加任何超市的回報計劃。最終在16周的時間跨度內(nèi)共收集到130個被調(diào)查樣本的1773條購買記錄。4.2模型的構(gòu)建本研究中，客戶選擇集中共有四個品牌：“超市A”、“超市B”、“超市C”及“其他”，可以簡單認(rèn)為四個超市中任何兩個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法直接觀測的，實際上觀測到的是被調(diào)查者每次光顧超市的品牌選擇及相關(guān)營銷變量，其中因變量是超市間的品牌選擇。將因變量表示如下：5模型評估及結(jié)果5.1初始模型的評估及結(jié)果分析利用數(shù)據(jù)通過編寫的MATLAB程序?qū)ι鲜鯩NL模型進(jìn)行了參數(shù)評估，評估結(jié)果見表1-表2中的模型1結(jié)果部分。根據(jù)似然函數(shù)比檢驗(Log-LikelihoodRatioTest，簡稱LRT)和沃特檢驗(Wardstest)，模型1比較好地擬合了數(shù)據(jù)(p-value<0.001)。交通便利程度變量D的系數(shù)是負(fù)的，說明對超市消費者而言，前往超市的交通越不便利，消費者越不愿選擇該超市，即對消費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，表示它對消費者的超市品牌選擇有正向影響；是否為超市積分會員變量R的系數(shù)同樣為正，說明若消費者參加了超市的回報計劃，則回報計劃會有效刺激該消費者提升其購買概率。除去交通便利程度、商品或促銷信息發(fā)送和回報計劃的影響，各個超市品牌本身的特性因素也對于消費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)值只具有相對意義，并沒有絕對意義，也就是說雖然模型估計出的“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，只表示其相對于“其他”這個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)模型的評估及結(jié)果分析由于本研究在調(diào)查樣本選取的過程中考慮到降低研究模型的評估難度和復(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個會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客戶，由此上面模型各個參數(shù)的評估結(jié)果就有可能存在偏差，例如忠誠有可能降低客戶對超市所發(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；此外忠誠的客戶有更大的幾率是參加回報計劃的會員客戶，那么不分離出忠誠因素的情況下，模型便會放大回報計劃對客戶選擇概率的影響。因此，我們有必要考慮將忠誠因素引入模型中，以提升模型的解釋能力。客戶對于超市品牌的忠誠可以看作是客戶的屬性變量，每個客戶對于每個超市品牌的忠誠程度都有一個不同的值。加入忠誠變量擴(kuò)展后的MNL模型(模型2)可以表示如下(其中表示客戶對超市k的忠誠程度)：在沒有各個客戶過去歷史購買記錄的情況下，如何有效表示客戶對每個超市品牌的忠誠值是我們需要進(jìn)一步考慮的。如果我們將客戶的忠誠看作是靜態(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買記錄，用客戶選擇各個超市數(shù)量的百分比便能比較好地反映這種靜態(tài)的忠誠。然而，客戶的忠誠必然不會是完全靜態(tài)的，隨著各種營銷變量的變化(如促銷、廣告、回報計劃等)，忠誠也是隨之動態(tài)變化的，這樣的變化可以通過客戶的再次購買來觀察。因此本研究將現(xiàn)有觀測數(shù)據(jù)中客戶以往選擇該超市的百分比作為當(dāng)期其對該超市的忠誠值，這樣既有效地利用了客戶的歷史購買記錄，又考慮了客戶每期的購買變化。在這種定義下，各期客戶對各品牌忠誠值之和便為1。我們將原始數(shù)據(jù)進(jìn)行相應(yīng)處理計算出個客戶各期購買時對各個超市的當(dāng)期忠誠，從而形成新的模型評估數(shù)據(jù)，并通過MATLAB程序?qū)σ搿爸艺\”變量的MNL模型(模型2)進(jìn)行參數(shù)評估，評估結(jié)果見表1-表2中的模型2結(jié)果部分內(nèi)容。從表1模型2的評估結(jié)果可知，引入忠誠后的模型2同樣通過了似然函數(shù)比檢驗和沃特檢驗。比較模型1和模型2評估結(jié)果的AIC、BIC和ρ(見表2)，可以發(fā)現(xiàn)：引入忠誠后，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，同時忠誠變量L的系數(shù)通過了顯著性檢驗，說明忠誠的確影響了客戶的超市品牌選擇?？梢娽槍Ρ狙芯吭谠心Ｐ?的基礎(chǔ)上加入忠誠變量進(jìn)行模型改進(jìn)是十分必要的。比較兩個模型的變量系數(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(有所提高)，而“超市B”和“超市C”本應(yīng)由“忠誠”來解釋的方差在沒有引入忠誠的時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)，由此可見“超市A”在客戶心中其品牌特性還是占有一定的優(yōu)勢；交通便利程度變量D系數(shù)的絕對值變小了，這可能是由于交通便利程度越高的客戶越容易是忠誠客戶的原因造成的，因此沒有引入忠誠時，交通便利程度的影響被放大了，這也說明超市可以通過培養(yǎng)客戶忠誠來有效降低交通便利對客戶光顧的影響；促銷及商品信息變量M的系數(shù)引入忠誠后變大了，這是因為忠誠能夠降低促銷及商品信息對于消費者選擇的影響，當(dāng)把忠誠分離出來的時候，M對消費者的影響更清楚地表現(xiàn)出來了；同時，回報計劃變量R的系數(shù)變小了，這可能是因為忠誠客戶恰好是回報計劃會員客戶的幾率較大，因此本身應(yīng)由忠誠解釋的部分方差，在沒有引入忠誠時由回報計劃變量來解釋了，這也某種程度上說明了客戶忠誠與回報計劃之間是相輔相成的，即回報計劃有助于提升客戶的選擇概率從而加強客戶忠誠，而客戶忠誠又更加鞏固了客戶涉入回報計劃的程度。6策略實驗策略實驗的目的是在考慮競爭環(huán)境時，比較客戶是否是超市回報計劃會員時，客戶對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等其他因素對客戶的影響在同一水平下(由于本研究我們對忠誠變量的定義要求客戶對各品牌忠誠值之和為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，無論如何設(shè)置，只要保證各超市品牌相應(yīng)因素對客戶的影響在同一水平，則對策略分析的結(jié)果就沒有影響)，我們首先設(shè)定客戶沒有參加任何其他超市的回報計劃，通過策略分析來判斷此時若成為某超市回報計劃的會員，則該回報計劃對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施的回報計劃，通過策略實驗來分析若此時不參加該超市回報計劃和參加該超市的回報計劃對客戶選擇概率的影響變化。各策略實驗情形下各超市品牌選擇概率變化情況見表3。從表3及圖1可以看出，對任何超市而言，客戶在沒有參加其他任何超市的回報計劃的情形下，若成為該超市的回報計劃會員將對該超市品牌的選擇概率有較大正影響，可使客戶購買概率提升10％左右。例如，在客戶不是“超市B”、“超市C”及“其他”等超市回報計劃會員的情形下，若其成為“超市A”回報計劃的會員，則該客戶選擇“超市A”進(jìn)行購買的概率將提升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爭超市所實施的回報計劃的情形下，成為該超市的回報計劃成員同樣將提升客戶對該超市的購買概率，只是提升的幅度比圖1情形下時的幅度有所降低。圖1回報計劃對品牌選擇概率的貢獻(xiàn)(未參加各競爭超市回報計劃的情形下)圖2回報計劃對品牌選擇概率的貢獻(xiàn)(參加了各競爭超市回報計劃的情形下)從策略實驗分析的結(jié)果可以看出，無論客戶是否是競爭對手回報計劃的成員，對超市自身而言其最優(yōu)決策策略都應(yīng)是努力爭取客戶成為自己回報計劃的會員。從結(jié)果中還可以注意到，在其他因素保持不變的情形下，客戶在沒有參加任何回報計劃前和參加了所有超市回報計劃后，客戶對同一超市品牌的選擇概率前后是一致的。實質(zhì)上在不考慮其他競爭因素的前提下，超市間對回報計劃的實施其實是一個博弈過程，在大家均不實施回報計劃的情形下，客戶對各個超市品牌都有一個固定的選擇概率，一旦其中一個超市實施了回報計劃，并且該客戶成為了該回報計劃的會員，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施回報計劃，并且均成功吸引該客戶成為了其會員客戶，此時才會恢復(fù)到原有的固定選擇概率的穩(wěn)定狀態(tài)。以此推導(dǎo)，各超市間長期博弈的最終結(jié)果是所有超市最終均將實施回報計劃，并且回報計劃對客戶的吸引是一致的(即客戶要么不會成為任何一超市的會員客戶，要么成為所有超市的回報計劃會員)，才會使得狀態(tài)達(dá)到平衡，當(dāng)然這可能只是一種理想狀態(tài)，因為超市間的回報計劃對客戶的吸引力會存在差異，即不同的回報計劃給客戶帶來的感知價值是不一樣的。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公司營銷變量(促銷及商品信息的發(fā)送、回報計劃)具有相同偏好的一類群體，然而現(xiàn)實中客戶應(yīng)是具有異質(zhì)偏好性的。如就回報計劃而言，可能僅一部分客戶會對回報計劃十分敏感。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)分由于每個客戶之間都存在異質(zhì)偏好性，因此最優(yōu)分類是將每個客戶分