一种预测客户行为的综合方法
本章所介绍的模型假定客户购买某产品的决策与何时购买该产品的决策是息息相关的。公司通过分析客户的历史购买记录并估计客户未来购买的可能性来预测客户的购买流程。这个模型包括两个步骤：
1．估计客户在某时间购买的概率。
2．估计客户在预期的购买时间购买某产品的概率。
将两步骤估计所得的概率值相乘得到最后的概率值，这就是客户在预期的购买时间购买某一特定产品的最终概率值。利用这个概率值，公司便可以制定出一个理想的接触策略了（如图8—2所示）。为了制定一个理想的接触策略，公司必须进行下面的购买流程分析：
1．公司必须根据客户终身价值（CLV）来选定目标客户。
2．公司必须预测客户将会购买什么产品。
3．公司必须预测客户将在何时购买该产品。了解该信息后，公司可以在适当的时间通过适当的渠道（理想的接触策略）开展促销活动。
换言之，在一个模型中可以同时包含两种决策：客户购买何种产品/服务的决策，以及购买时间的决策。
估计购买的可能性
为了预测客户在某一特定时期购买产品的可能性，我们需要使用似然函数。这个函数估计的是似然值，该似然值表明了在某时期该客户或家庭购买产品的可能性。在运用公式计算似然值时，首先要从根本上理解两个模型：选择模型和时间模型。选择模型预测客户购买某产品的概率，时间模型估计客户在某时间购买产品的概率。通过同时估计两个模型的联合概率，公司便可以决定客户将在何时购买何种产品。在这个网页上可以获得估计似然值的详细步骤。
客户的购买概率立方图
正如本章前面部分提到的，为了有效地制定营销举措，公司应该了解客户将在何时购买何种产品。公司通常采用客户的购买概率立方图来预测客户的购买概率。该方法涉及三个方面：客户、产品、时间。图8—3为某公司客户的购买概率立方图。该公司销售4种产品（产品1~产品4），并已给出客户（客户1~客户4）在4个季度内（季度1~季度4）购买这四种产品的概率。从编号的区域中可以看出：客户1在第1季度购买产品 1~产品4的概率分别是90%，10%，60%，20%。另外，公司也可以从产品/类别的角度入手，利用这种立方图来处理问题。其做法是：公司首先预测在某季度哪位客户最有可能购买产品1，然后向该客户传递适当的信息。
预测下一件产品/服务：B2B模式和B2C模式下的案例分析
我们以一家大型的跨国高科技生产公司为例，对这个模型进行测试，以求证明该模型的价值。该公司为企业提供产品/服务，必须对自己的产品外观进行定期保养和频繁更新。我们从该公司的产品组合中选择了三种不同的产品类别进行分析。下面是案例分析的概要。
■ 现行的营销策略 按照目前的营销策略，每一种产品类别都有专门的销售小组负责。在拜访客户时，销售人员只积极推销由他们小组负责的产品。根据客户购买某产品类别的概率大小，将客户划分为不同的等级。拜访客户的时间由销售人员自己决定。因此，一位客户可能会与代表不同产品类别的多个销售人员接触。这种方法导致了一种效率低下的销售机制。在这种机制下，销售人员盲目地与客户接触，不考虑客户的购买时间。
