单维度评定零售客户级别 以单维度评定零售客户级别，是在单维度n上划定若干评定标准ai(i=1,2,3……），如图所示。顶点amax表示在该维度上，零售客户能达到的最高标准，amix表示在该维度上，零售客户的最低状态。通过将所有零售客户分类归于不同档位Ai（i=1,2,3……），即完成对客户分档评定。

    多维度综合评定客户级别 以amax点为圆心，amax到ai的距离为半径画圆，得到i个同心圆，如图所示。每个同心圆表示一个集合Ai(i=1,2,3……），集合由大于等于某档评定标准的零售客户组成。

　　目前各市级局（公司）对零售客户分类方式不一，但基本都是采取百分制打分评定的方式，区别在于部分商业企业采用“2+X”模式量化打分，部分商业企业则更加细分评定标准，将诸如终端形象、品牌培育能力等各方面因素纳入评分体系。此方法下，不管纳入评分体系的因素多或少，决定零售客户级别的是最终总分。

　　此类方式的优点是充分考虑零售客户各方面能力，是对零售客户综合经营能力的评定。不足之处在于，首先，非市场因素在利益分配时造就的“橄榄形”客户分布结构并不符合市场规律；其次，客户不明确提升方向，不知道如何发力；再次，部分“投机户”可以在评分标准上做文章，冲高最终得分，从而提升级别、抢占资源，扰乱市场。

　　所以，单维度评分制构建的客户分类模型，在高端客户群体中易存在泡沫，表面上具有较高当前价值，实际不具备潜在价值；在低端客户群体中，有部分潜力客户提升无门，严重影响客户的经营积极性。

　　而多维度评定方式构建零售客户分类模型，则从单维度评定方式中发展而来，其实质是在多个单一维度上对零售客户分档，然后求相应档次的交集，可有效减少单维度评分制带来的弊端。其实，无论单维度或多维度评定，各维度上分档标准是零售客户分类的决定因素，判断各维度分档标准是否设置合理，进而判断零售客户分类模型是否合理，可从以下“三个标准”来进行评判——

　　其一，客户分类呈“正金字塔”。在利益分配时期，资源分配侧重于公平性，客户分类呈“橄榄型”具有其现实意义。当市场的作用加大，行政影响降低后，“橄榄型”客户分类势必将发生变化。多维度评定显示，维度越多，交集范围越小，即同时满足多条件的零售客户越少。因此，致使最终零售客户分类模型上小下大，呈正立金字塔形状。

　　其二，资源占有呈“倒金字塔”。企业资源理应根据客户在客户分类模型中的位置提供不同的资源倾斜，包括服务方式、货源投放、指导培训、促销物资等。每个阶层所占资源规模，就构成了对应的资源占有模型。客户对资源占有与对企业贡献要相对应，资源占有模型“倒金字塔”模型越明显，则说明企业竞争力越大，和客户关系更紧密，对市场把控也就越强。

　　其三，符合帕累托“二八定律”。“二八定律”不是精准的2:8关系，强调的是接近二八原则的不平衡现象，该不平衡现象关系到资源的有效利用，影响到企业竞争力。笔者通过长期对湖南湘潭市局（公司）市场分析，得出客户分类和资源占有之比，介于“二八”和“三七”之间，即高端客户群1%的客户平均货源占有率在2.3%~4%之间都是合理的。

　　在多维度评判方式中，各维度是独立并统一的关系。为此，在运用多维度评定方式构建烟草零售客户金字塔模型中，首先要确定基本维度并合理分档，在市场化转型趋势下，最能体现客户价值的是其对企业的贡献度，即零售客户从商业企业订购的货源。因此应将销量相关指标做为评定体系的基本维度。基本维度确定后，还需要通过必要维度对模型进行补充，湘潭市局（公司）对历史订购数据进行采集，分析得到基本维度和必要维度之间的数学关系。两个维度实现拟合后，即可建立本区域市场零售客户的分布模型，称之为标准模型。若历史数据真实可靠，维度设置合理，标准模型可反映出市场的真实情况。

　　在市场化转型期，各市级局（公司）遭遇的最大挑战是如何稳规模、保利税、控市场，同时尽力避免非市场因素对市场的干预。此时，多维度评定方式一方面可科学地进行客户分类，保障市场资源得到合理有效分配；另一方面结合市场实际，能为制定合适的市场管理策略提供依据。通过多维度评定，湘潭市局（公司）成功构建了区域市场的零售客户分类模型，符合本文提到的“评判三标准”，有效消除了市场泡沫，提高了客户积极性，确保企业目标的顺利实现。