產(chǎn)品全生命周期價(jià)值計(jì)量與決策

1、產(chǎn)品全生命周期價(jià)值計(jì)量與決策        摘要：產(chǎn)品全生命周期的價(jià)值計(jì)量對(duì)于產(chǎn)品組合和定價(jià)等問題有著重要的輔助決策意義。產(chǎn)品全生命周期價(jià)值包括長期價(jià)值，交叉銷售價(jià)值，形象價(jià)值，商譽(yù)等。通過建立產(chǎn)品會(huì)計(jì)價(jià)值分段擬合曲線可以預(yù)測產(chǎn)品的長期價(jià)值；通過對(duì)產(chǎn)品銷售的歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則的挖掘可以計(jì)算出產(chǎn)品的交叉銷售價(jià)值系數(shù)。根據(jù)產(chǎn)品的長期價(jià)值和交叉銷售價(jià)值這兩個(gè)維度，可以對(duì)產(chǎn)品進(jìn)行分類，指導(dǎo)產(chǎn)品相關(guān)的決策。關(guān)鍵詞：產(chǎn)品全生命周期；長期價(jià)值；交叉銷售；關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘 一、 引言 企業(yè)之間的競爭，歸根結(jié)底是產(chǎn)品和服務(wù)之間的

2、競爭。有時(shí)候，企業(yè)并不缺乏產(chǎn)品，而是缺乏拳頭產(chǎn)品和有競爭力的產(chǎn)品組合，缺乏清晰和完善的產(chǎn)品戰(zhàn)略和策略。當(dāng)企業(yè)有著數(shù)條產(chǎn)品線同時(shí)運(yùn)作的時(shí)候，其資源的配置不可能采用平均主義，必然要有所傾斜，對(duì)于高價(jià)值產(chǎn)品、高附加值產(chǎn)品、高潛力產(chǎn)品和黑洞產(chǎn)品需要仔細(xì)分析，區(qū)別對(duì)待。本文從產(chǎn)品全生命周期的角度，分析產(chǎn)品價(jià)值的構(gòu)成，并提出了產(chǎn)品全生命周期價(jià)值（PLV，Product CycleLife Value）的計(jì)量模型，通過該模型，可以將企業(yè)產(chǎn)品進(jìn)行分類，從而指導(dǎo)產(chǎn)品相關(guān)的決策。 二、 產(chǎn)品全生命周期價(jià)值評(píng)估模型 這里的產(chǎn)品全生命周期采用營銷學(xué)上的概念，即一個(gè)產(chǎn)品從推出成長成熟衰退退出市場的整個(gè)周期。產(chǎn)品全生命周

3、期曲線如圖1所示。 產(chǎn)品在其銷售過程中，還會(huì)產(chǎn)生各種衍生價(jià)值，如交叉銷售價(jià)值，商譽(yù)，形象價(jià)值。 產(chǎn)品的全生命周期價(jià)值可以用式（2）來表示： PLV=AV+CSV+CV+IV （2） （2）式中，AV為會(huì)計(jì)價(jià)值，CSV為交叉銷售價(jià)值，CV為商譽(yù)，IV為形象價(jià)值。 CV和IV是產(chǎn)品的無形價(jià)值，難以量化。本文的重點(diǎn)在于提供一種計(jì)量模型計(jì)算產(chǎn)品的會(huì)計(jì)價(jià)值和交叉銷售價(jià)值，這兩種價(jià)值可以通過企業(yè)銷售的歷史數(shù)據(jù)量化計(jì)算出來，并在此基礎(chǔ)上評(píng)估產(chǎn)品的全生命周期價(jià)值，為企業(yè)提供產(chǎn)品決策依據(jù)。 三、 產(chǎn)品長期價(jià)值的計(jì)量 產(chǎn)品的價(jià)值包括已實(shí)現(xiàn)價(jià)值和潛在價(jià)值，已實(shí)現(xiàn)價(jià)值又稱為當(dāng)期價(jià)值；潛在價(jià)值又稱為長期價(jià)值，指產(chǎn)品終生

4、價(jià)值減去產(chǎn)品在當(dāng)前時(shí)刻之前的凈現(xiàn)金值的剩余值，可以采用分段函數(shù)來擬合產(chǎn)品的長期價(jià)值曲線。本文引入了產(chǎn)品全生命周期價(jià)值分段擬合曲線，并引入?yún)?shù)?琢，調(diào)整曲線的形狀。產(chǎn)品終生會(huì)計(jì)價(jià)值的分段擬合函數(shù)圖示為圖1，公式表示為公式（3）。 公式（3）中的第2式中，參數(shù)用于調(diào)整曲線的形狀，<1時(shí)，?仔2（t）單調(diào)遞減，當(dāng)=1時(shí)，?仔2（t）為一常數(shù)，當(dāng)>1時(shí)，?仔2（t）單調(diào)遞增。產(chǎn)品成熟階段合理的應(yīng)當(dāng)在1，1.5區(qū)間內(nèi)，這是由于成熟期階段產(chǎn)品的利潤收入是緩慢遞增或保持平穩(wěn)的。 公式（3）中的第3式中，?琢決定了衰退曲線的陡峭程度，?琢越大，則產(chǎn)品衰退地越快。 通過產(chǎn)品的銷售的利潤及時(shí)間等數(shù)據(jù)，

5、可以采用回歸方法求出該分段擬合函數(shù)中的各待定參數(shù)。下面處理公式（3），以方便回歸運(yùn)算。 1在產(chǎn)品成長期（0tt1），設(shè)y=1（t），x=t2，則該式可以變形為y=v1+h1x。 2在產(chǎn)品的成熟期（t1tt2），22（t）=1（t1）+N1（t-t1）?-1 ln（2（t）-1（t1）=ln（N11）+（-1）ln（t-t1） 令y=ln（2（t）-1（t1），x=（t-t1），c=ln（N1），則回歸方程為y=c+（-1）x。 3 在產(chǎn)品的衰退期（t2tT），3（t）=2（t2）+k1（t-t2） ln（3（t）-2（t2）ln（k1）+aln（t-t2） 設(shè)y=ln（3（t）-3（t2），x

6、=ln（t-t2），c=ln（k1），則回歸方程為y=c+sx 通過歷史數(shù)據(jù)，可以擬合出產(chǎn)品的全生命周期的價(jià)值曲線，預(yù)測產(chǎn)品未來收益。                 四、 產(chǎn)品交叉銷售價(jià)值的計(jì)量 為了計(jì)算產(chǎn)品交叉銷售價(jià)值，我們需要從歷史數(shù)據(jù)分析產(chǎn)品銷售的關(guān)聯(lián)規(guī)則模式。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的的一種重要方法，它反映了一個(gè)事務(wù)集的出現(xiàn)導(dǎo)致另一個(gè)事務(wù)集出現(xiàn)的概率。關(guān)聯(lián)規(guī)則使用可信度（confidence）和支持度（support）這兩個(gè)指標(biāo)來描

7、述?？尚哦仁菍?duì)關(guān)聯(lián)規(guī)則的準(zhǔn)確度的度量，指在物品x出現(xiàn)的前提下，物品y出現(xiàn)的概率；支持度是對(duì)關(guān)聯(lián)規(guī)則重要性的衡量，指物品x和y同時(shí)出現(xiàn)的概率。一個(gè)關(guān)聯(lián)規(guī)則可表示為x?圯y（s）（c），其中s為關(guān)聯(lián)規(guī)則的支持度，c為關(guān)聯(lián)規(guī)則的可信度，表達(dá)式含義為如果某個(gè)事務(wù)集中出現(xiàn)物品x，則以可信度c和支持度s出現(xiàn)物品y。 假定查找產(chǎn)品a的關(guān)聯(lián)規(guī)則，對(duì)于給定的抽樣數(shù)據(jù)db，根據(jù)領(lǐng)域知識(shí)和歷史經(jīng)驗(yàn)先設(shè)定一個(gè)最小支持度minsup和最小可信度minconf，使用Apriori算法對(duì)db（X）進(jìn)行分析，得到一組頻繁項(xiàng)集的集合SC1，C2，Cn，使得每個(gè)Ci都滿足Support（Ci）>minsup（CiS），Ci

8、表示一組頻繁項(xiàng)集，該項(xiàng)集中的物品至少以支持度minsup的概率同時(shí)出現(xiàn)。下面根據(jù)S計(jì)算產(chǎn)品a交叉銷售效果系數(shù)： 五、 結(jié)論 產(chǎn)品是企業(yè)的核心資產(chǎn)，是企業(yè)利潤的主要來源，計(jì)量一個(gè)產(chǎn)品的價(jià)值，最重要的是計(jì)量產(chǎn)品在未來能夠?yàn)槠髽I(yè)帶來的利潤，這不僅涉及到產(chǎn)品的未來時(shí)期創(chuàng)造的直接利潤，還涉及到產(chǎn)品創(chuàng)造間接利潤的能力，間接利潤中最重要的而且是可以計(jì)量的就是交叉銷售價(jià)值，本文通過產(chǎn)品生命周期價(jià)值函數(shù)的擬合曲線來計(jì)量產(chǎn)品的長期利潤，通過對(duì)于產(chǎn)品銷售的歷史數(shù)據(jù)中關(guān)聯(lián)規(guī)則的挖掘來計(jì)算產(chǎn)品的交叉銷售效果系數(shù)，為企業(yè)優(yōu)化產(chǎn)品組合，科學(xué)定價(jià)等問題提供了決策依據(jù)。 參考文獻(xiàn)： 1Philip Kotler市場營銷原理北京

9、：清華大學(xué)出版社，2003：3 2WAKamakura，MWedel，F(xiàn)de Rosa，JAMazzonCrossselling through database marketing：a mixed data factor analyzer doe data argumentation and predictionInternational Journal of Research in Marketing，2003，20（1）：45-65 3Paul DBerger，Nada I NasrCustomer Lifetime Value:Marketing Models And Applicat

10、ionsJournal of Marketing，April 1997，73（1）：15-37 4陳明亮客戶保持與生命周期研究西安交通大學(xué)博士學(xué)位論文，2001：1，16-18，19，41-43，44 5齊佳音，舒華英客戶價(jià)值評(píng)價(jià)、建模及決策北京：北京郵電大學(xué)出版社，2005：1 6RAgrawal，TImielinski，ANSwamiMining Association rules between sets of items in large databasesProceeding of ACM SIGMOD Internation Conference on Management of

11、DataWashington，1993：207-216 7RSrikant，RAgrawalMining quantitative association rules in large relational tablesProceedings of ACM SIGMOD International Conference on Data ManagementTucson，1996：1-12 8史忠植知識(shí)發(fā)現(xiàn)北京：清華大學(xué)出版社，2002：1 9朱戰(zhàn)備，韓孝君，劉軍產(chǎn)品全生命周期管理：PLM的理論與務(wù)實(shí)北京：機(jī)械工業(yè)出版社，2004 10CIMdata，Inccollaborative Produ

12、ct Definition management（cPDm）：An Overviewhttp：/wwwCimdatacom/php/ cPDm_DefPdf 11David BurdickPLM A-C-T-I-O-Nhttp：/www. collaborativevisionscom/presentations/PLMAction_ 1103pdf 12Zhang Z L，Zhang C Q，Zhang S CAn agent-based hybrid framework for database miningApplied Artificial Intelligence，2003，17：383，398