数字金融对客户关系稳定度的影响研究

Research on the Impact of Digital Finance on Customer Relationship Stability

摘要: 在数字金融深度渗透与市场竞争加剧的背景下，维持客户稳定度成为企业筑牢竞争壁垒与实现可持续盈利的重要驱动力。本文基于2014~2023年沪深A股上市公司的数据，实证检验数字金融对客户关系稳定度的影响。研究结果显示，数字金融发展程度对提升客户关系稳定度具有显著正向作用，而且数字金融通过增强信息披露质量，提高企业的信息透明度的途径来增强客户信任，维持与客户的稳定关系。本文研究结论丰富了数字金融的相关理论研究，并为企业维持客户关系稳定度，增强客户粘性提供了有效借鉴和经验参考，为企业在数字经济时代提升市场竞争力提出启示与建议。

Abstract: Against the backdrop of deep penetration of digital finance and intensified market competition, maintaining customer stability has become an important driving force for enterprises to build competitive barriers and achieve sustainable profits. The article is based on data from A-share listed companies in Shanghai and Shenzhen from 2014 to 2023, and empirically studies the impact of digital finance on customer relationship stability. The research results show that the development level of digital finance has a significant positive effect on improving customer relationship stability, and digital finance enhances customer trust and maintains stable relationships with customers by improving the quality of information disclosure and enhancing the transparency of enterprise information. The research conclusion of the article enriches the relevant theoretical research of digital finance, and provides useful reference and experience for enterprises to maintain customer relationship stability and enhance customer stickiness. It also provides inspiration and suggestions for enterprises to enhance market competitiveness in the digital economy era.

1. 引言

稳定的供应链是企业立足之本，更是提升我国全球竞争力和构建国际国内双循环的关键[1]。客户关系稳定度作为衡量客户与企业长期互动质量的核心指标，已成为机构核心竞争力的关键构成要素，客户关系一旦破裂，企业将失去关系资本所带来的优势[2]。根据关系营销理论，获取新客户的成本显著高于维护老客户成本，稳定的客户关系可减少广告投放、促销活动等显性成本。因此，维持客户关系有助于降低企业经营风险，提高市场竞争力。随着数字技术的迅猛发展，数字金融已成为推动经济转型发展的重要驱动力。近年来，中国政府密集出台《推动数字金融高质量发展行动方案》等政策，明确提出“到2027年基本建成与数字经济发展高度适应的金融体系”，并强调通过数据要素整合与技术创新提升金融服务的普惠性和精准性。在此背景下，数字金融对客户关系稳定度的作用机制逐渐成为重要议题。在此背景下，数字金融通过增强信息透明度等路径，正在重塑企业与客户间的长期合作关系。

根据已有的研究，本文对数字金融与客户关系稳定度相关研究的贡献可能在于以下几个方面：第一，本文为客户关系稳定度领域的研究增添了新的视角，为相关企业提升核心竞争力提供了一定的参考价值，同时也扩展了探究客户关系稳定度影响因素的研究范围。现有文献多从传统关系营销理论出发，探讨服务质量、信任机制对客户稳定度的影响，但对数字金融技术赋能下的新型作用机制缺乏系统解构。本文从数字金融角度出发，剖析其对客户关系稳定度的潜在推动作用，进一步完善了客户关系稳定度的影响因素研究。第二，本文深化了数字金融助力维持客户关系的认识，对企业重视并提升数字金融发展程度具有重要意义。第三，通过整合北京大学数字普惠金融指数、企业交易等数据，本文拟揭示数字金融通过信息透明度提升中介路径影响客户关系稳定度的作用机制。研究结论将为企业维持稳定的客户关系、政府部门制定数据安全与创新协同政策提供理论依据，同时为数字金融与客户关系实践提供经验参考。

2. 理论分析及研究假设

在市场竞争加剧背景下，构建安全稳定的供应链成为企业重要的战略部署[3]。数字金融打破时空限制，提供便捷服务，使客户更倾向于选择数字金融发展程度高的企业。数字金融通过实时数据共享与信用记录不可篡改的特性，为企业搭建了一个信息共享平台[4]，减少企业与客户间的信任成本与履约风险，通过构建社交化金融服务场景，拉近企业与客户距离。数字金融还赋予了企业快速响应客户需求的能力，使其精准匹配客户需求，增强客户认可，强化客户粘性。此外，行为经济学中的用户习惯锁定效应进一步支持这一逻辑，高频使用数字金融工具形成路径依赖，进一步提高客户粘性。综合上述理论路径，提出假设：

H1：数字金融发展水平对提升客户关系稳定度具有积极作用。

数字金融通过数字化技术手段整合海量数据[5]，消除企业与金融机构间信贷资源不对称，重构企业与客户间的信任机制。一方面，数字金融能够帮助企业获得多样化、规范化的信息，数字化手段不仅扩大了数据采集范围，还通过改变信息记录形式降低了信息获取门槛，企业得以运用数据挖掘与分析技术可以将经营管理活动的数据转化为标准化、结构化、可读性高的数字信息[6]，使得信息披露更加完整、客观，增强客户信任。另一方面，数字化技术可以快速完成信息清洗、整理以及分析，深度挖掘数据关联性，通过多维度交叉验证提升信息可信度，大幅降低人工干预成本和时间，使得信息利用更高效，增强了信息的透明度与可靠性。因此，加速信息在供应商与客户链条上的共享，形成相关方之间的互惠透明空间，能够强化客户对企业的信任并维持长期战略合作[7]。综上，提出假设：

H2：数字金融通过提升信息透明度显著增强客户关系稳定度。

3. 研究设计

3.1. 样本选择和数据来源

本文选取了2014~2023年沪深A股上市公司作为研究对象，实证检验数字金融对客户关系稳定度的影响。按照研究惯例，剔除了ST、*ST、PT、金融行业、房地产行业以及数据缺失企业，部分缺失数据采用均值补齐，最终得到5091个公司年度观测值。为了避免回归结果受到异常值的影响，对所有连续变量进行1%和99%缩尾处理。企业层面数据均来源于国泰安数据库。

3.2. 变量选择及设置

3.2.1. 被解释变量

客户关系稳定度(CStable)。本文借鉴潘红波和张哲[2]、孙雅妮和王君宜[8]、陈娇娇[9]等学者的做法，根据企业前五大销售客户在上一年出现的比率来衡量客户关系稳定度，并剔除了披露为“客户一、公司A、第一名”等无法判断具体客户企业的模糊数据。客户关系稳定度处于0至1之间，数值越大代表稳定度越高。

3.2.2. 解释变量

数字金融(DIF)。本文借鉴李开潮[10]、郭峰等[11]学者的方法，采用数字普惠金融指数衡量数字金融发展程度。数字普惠金融指数能够系统刻画数字金融的覆盖范围、使用深度及技术创新特征，由北京大学数字普惠金融研究中心等权威机构开发，涵盖覆盖广度、使用深度和数字化程度等核心维度，结合时间上的连续性变化和不同区域的可比性特征，为深入分析数字金融影响客户关系稳定度提供了能科学量化的基础。由于数字普惠金融指数较大，本文对原指数作除以100的处理。

3.2.3. 中介变量

信息透明度(CO)。根据袁奋强[12]朱雅琴[13]和曾庆生[14]。的研究，本文根据上市公司信息披露考评结果衡量企业的信息透明度。具体表现为：根据沪深两市的上市公司信息披露考核信息表，对A、B、C、D四个等级分别赋值为4、3、2、1，数值越大代表信息透明度越高。

3.2.4. 控制变量

本文借鉴陈娇娇[15]丁怡帆[16]李杨[17]等学者的做法，选取了成长性(Growth)竞争地位(勒纳指数) (PCM)企业规模(Size)、产权性质(State)、两职合一(Dual)、独立董事占比(Ind)、资产负债率(Lev)、资产回报率(ROA)、商业信用融资能力(CSBC)、融资约束(KZ)、第一大股东持股比例(Top1)作为控制变量，各变量的具体定义见表1。

Table 1. Table of main variables

表1. 主要变量表

变量	定义	度量方法
DIF	数字金融	《北京大学数字普惠金融指数》(省级)除以100
CStable	客户关系稳定度	企业当年前五大客户在上年出现个数的比例
CO	信息透明度	按上市公司信息披露考评表等级赋值，A = 4，B = 3，C = 2，D = 1
Growth	成长性	本年与上年营业收入之差与本年营业收入的比值
PCM	竞争地位(勒纳指数)	(营业收入 − 营业成本 − 销售费用 − 管理费用)/营业收入
Size	企业规模	年末总资产的自然对数
State	产权性质	0：非国有企业，1：国有企业
Dual	两职合一	总经理与董事长是否兼任，是为1，否为0
Ind	独立董事占比	独立董事人数与董事会人数的比例
Lev	资产负债率	负债总额与资产总额的比例
ROA	资产回报率	净利润与期末总资产的比值
CSBC	商业信用融资能力	企业应付账款与销售收入的比值
KZ	融资约束	CSMAR数据库中的融资约束KZ指数
Top1	第一大股东持股比例	第一大股东持股数量与总股数的比值

3.3. 模型构建

为检验本文的研究假设H1，本文建立以下固定效应模型，检验数字金融对于客户稳定度的影响：

$\begin{array}{c}CStabl{e}_{i,t}={\alpha }_0+{\beta }_{0}DI{F}_{i,t}+{\gamma }_0\sum Control{s}_{i,t}+Industr{y}_i+Dat{e}_i+{\epsilon }_{i,t}\end{array}$ (1)

为初步验证假设H2，构建模型(2)探究数字金融DIF与信息透明度的关系。

$\begin{array}{c}C{O}_{i,t}={\alpha }_1+{\beta }_{1}DI{F}_{i,t}+{\gamma }_1\cdot \sum Control{s}_{i,t}+Indystr{y}_i+Dat{e}_i+{\epsilon }_{i,t}\end{array}$ (2)

为进一步探讨数字金融影响客户稳定度的作用机制，构建模型(3)探究信息透明度的中介作用。

$\begin{array}{c}CStabl{e}_{i,t}={\alpha }_2+{\beta }_{2}DI{F}_{i,t}+{\beta }_{2}C{O}_{i,t}+{\gamma }_2\sum Control{s}_{i,t}+Industr{y}_i+Dat{e}_i+{\epsilon }_{i,t}\end{array}$ (3)

4. 实证分析

4.1. 描述性统计

表2中显示，被解释变量客户关系稳定度(CStable)的均值为0.423，标准差为0.303，最小值为0，最大值为1，与孙雅妮和王君宜[8]张广冬和邵艳[18]、陈娇娇等[9]的研究结果较为接近。研究样本中企业的客户关系稳定度整体差异较大，部分企业客户群体更替频繁，而另一部分企业则展现出较高的客户忠诚度。解释变量数字金融(DIF)的均值为2.924，标准差为0.941，说明样本公司所在省份的数字普惠金融指数均值为292.4。中介变量企业信息透明度(CO)的均值为2.986，标准差为0.623，说明不同企业信息披露质量相差较大，样本整体信息透明度处于中等偏上水平。其余控制变量的描述性统计结果与已有研究较为相近。

Table 2. Table of descriptive statistics

表2. 描述性统计表

变量	样本量	均值	标准偏差	最小值	最大值
CStable	5091	0.423	0.303	0	1
DIF	5091	2.924	0.941	1.212	4.738
CO	5091	2.986	0.623	1	4
Growth	5091	0.122	0.281	−0.383	5.419
PCM	5091	0.097	0.182	−2.291	0.542
Size	5091	22.335	1.234	19.12	26.41
State	5091	0.458	0.498	0	1
Dual	5091	0.224	0.417	0	1
Ind	5091	0.372	0.05	0.3	0.6
Lev	5091	0.424	0.168	0.046	1.107
ROA	5091	0.033	0.059	−0.75	0.192
CSBC	5091	0.34	0.266	0.005	1.35
KZ	5091	1.191	2.223	−7.222	8.18
Top1	5091	34.173	15.268	3.89	89.99

4.2. 回归分析

模型基准回归结果如下表所示，由表3列(1)可知数字金融(DIF)的系数在1%的水平下显著为正，初步说明数字金融的发展可以促进客户关系稳定度的提升，研究假设H1得到验证。企业可能通过在一定程度上提高信息披露质量，增强信息透明度，以此增强了客户持续合作倾向和消费者信任，强化客户关系稳固性并提升市场竞争力，进而实现销售额增长与市场份额扩张。

由表3列(2)可知，数字金融(DIF)和信息透明度(CO)的相关系数为0.152，并在1%的水平上显著正相关，这表明数字金融的发展在一定程度上有助于提高企业信息透明度。前文提出的假设H2得到初步验证。

由表3列(3)可知数字金融(DIF)和信息透明度(CO)与客户关系稳定度的相关系数分别在1%和5%的显著性水平上显著。这印证了数字金融发展对信息透明度的正向促进作用，也证实了信息透明度在数字金融影响客户关系稳定度过程中的中介传导机制，为研究假设H2提供了有力证据支撑。

Table 3. Mediation effects test table

表3. 中介效应检验表

	(1)	(2)	(3)
VARIABLES	CS	CO	CS
DIF	0.042***	0.152***	0.039***
	(2.89)	(5.76)	(2.71)
Top1	0.001**	0.003***	0.001*
	(2.03)	(5.40)	(1.85)
Lev	0.041	−0.267***	0.045
	(1.32)	(−4.30)	(1.47)
Growth	−0.055***	0.013	−0.055***
	(−3.99)	(0.33)	(−3.97)
ROA	0.096	1.747***	0.065
	(1.17)	(9.44)	(0.78)
PCM	0.055**	0.440***	0.047*
	(2.22)	(6.75)	(1.91)
Size	0.004	0.085***	0.002
	(0.89)	(10.29)	(0.55)
State	0.045***	0.199***	0.042***
	(4.52)	(10.42)	(4.11)
Dual	0.024**	0.036*	0.023**
	(2.23)	(1.78)	(2.17)
Ind	−0.151*	−0.166	−0.148*
	(−1.76)	(−1.02)	(−1.73)
CSBC	−0.078***	−0.005	−0.077***
	(−4.80)	(−0.14)	(−4.79)
KZ	−0.008***	−0.020***	−0.008***
	(−3.46)	(−4.09)	(−3.31)
CO			0.017**
			(2.35)
Constant	0.258**	0.729***	0.245**
	(2.49)	(3.70)	(2.36)
行业	控制	控制	控制
年份	控制	控制	控制
Observations	5091	5091	5091
R-squared	0.078	0.211	0.079

注：***、**和*分别表示在1%、5%和10%水平上显著。

4.3. 稳健性检验

4.3.1. 替换解释变量

在主回归分析中，本文使用数字普惠金融总指数与省级数据匹配得到解释变量数字金融，为了提高结论的稳健性，在进行稳健性检验时，本文选取数字金融普惠指数二级指标覆盖深度(Deep)作为解释变量，采用相同的数据样本和数据处理方式。

由表4的回归结果可以看出，替换解释变量后，数字金融与客户关系稳定度之间呈现出在1%显著性水平上的正向关联，并且信息透明度在数字金融作用于客户关系稳定度的过程中，依然发挥着中介作用。回归分析所得结果与前文实证研究得出的结论高度契合，此前所提出的三个研究假设均继续得到验证，由此可初步判定本研究在结果上具备稳健性特征。

Table 4. Table of robustness tests for replacement explanatory variables

表4. 替换解释变量稳健性检验表

	(1)	(2)	(3)
VARIABLES	CS	CO	CS
Deep	0.034***	0.112***	0.032***
	(3.45)	(6.09)	(3.26)
Top1	0.001**	0.003***	0.001*
	(2.08)	(5.50)	(1.90)
Lev	0.040	−0.272***	0.044
	(1.29)	(−4.37)	(1.43)
Growth	−0.054***	0.014	−0.055***
	(−3.96)	(0.38)	(−3.94)
ROA	0.097	1.751***	0.068
	(1.19)	(9.46)	(0.81)
PCM	0.056**	0.444***	0.048*
	(2.27)	(6.80)	(1.96)
Size	0.004	0.085***	0.003
	(0.91)	(10.35)	(0.58)
State	0.045***	0.198***	0.042***
	(4.54)	(10.40)	(4.15)
Dual	0.023**	0.035*	0.023**
	(2.19)	(1.72)	(2.13)
Ind	−0.150*	−0.164	−0.147*
	(−1.74)	(−1.01)	(−1.71)
CSBC	−0.077***	−0.005	−0.077***
	(−4.76)	(−0.14)	(−4.75)
KZ	−0.008***	−0.019***	−0.008***
	(−3.38)	(−3.99)	(−3.24)
CO			0.017**
			(2.29)
Constant	0.261**	0.764***	0.248**
	(2.55)	(3.90)	(2.41)
行业	控制	控制	控制
年份	控制	控制	控制
Observations	5091	5091	5091
R-squared	0.078	0.211	0.079

注：***、**和*分别表示在1%、5%和10%水平上显著。

4.3.2. 缩小样本范围

在长周期研究中，外部政策调整或重大经济事件可能对数字金融与客户关系稳定度的关联机制产生非对称性干扰，导致估计结果偏离真实效应。通过缩小样本时间范围，聚焦政策环境相对稳定或外部冲击较少的时段，可有效隔离混杂因素的影响，提升因果推断的可靠性。2020年公共卫生事件导致供应链中断可能独立影响客户关系稳定度，干扰核心变量的因果推断，可能扭曲数字金融与客户稳定度的真实关系，通过删去公共卫生事件期间的样本可减少外生冲击的混杂效应，规避公共卫生事件带来的影响。

由表5可知，通过缩小样本范围，剔除公共卫生事件对于企业与客户粘性的干扰，结果显示上文所说的三者的关系假设仍然成立，实证结果更具稳健性。

Table 5. Table of narrowing down the sample range robustness test

表5. 缩小样本范围稳健性检验表

	(1)	(2)	(3)
VARIABLES	CS	CO	CS
DIF	0.058***	0.136***	0.056***
	(3.38)	(4.26)	(3.26)
Top1	0.000	0.002***	0.000
	(1.34)	(3.60)	(1.23)
Lev	0.058*	−0.232***	0.061*
	(1.66)	(−3.35)	(1.76)
Growth	−0.056***	−0.013	−0.056***
	(−4.02)	(−0.33)	(−3.97)
ROA	0.177**	1.933***	0.148
	(2.00)	(9.55)	(1.64)
PCM	0.042	0.398***	0.036
	(1.48)	(5.68)	(1.26)
Size	0.004	0.072***	0.003
	(0.79)	(7.54)	(0.57)
State	0.050***	0.175***	0.047***
	(4.45)	(8.00)	(4.18)
Dual	0.020	0.036	0.019
	(1.64)	(1.58)	(1.59)
Ind	−0.107	−0.134	−0.105
	(−1.13)	(−0.74)	(−1.11)
CSBC	−0.077***	−0.019	−0.077***
	(−4.22)	(−0.52)	(−4.20)
KZ	−0.010***	−0.023***	−0.010***
	(−3.92)	(−4.18)	(−3.78)
CO			0.015*
			(1.82)
Constant	0.171	1.038***	0.155
	(1.46)	(4.58)	(1.32)
行业	控制	控制	控制
年份	控制	控制	控制
Observations	3941	3941	3941
R-squared	0.081	0.204	0.082

注：***、**和*分别表示在1%、5%和10%水平上显著。

4.3.3. 中介效应检验

为了进一步确定信息透明度在数字金融和客户关系稳定度中的中介效应，本文进行了Bootstrap检验。抽样1000次后，结果由表6所示。数字金融对客户关系稳定度的间接效应的置信区间不包含0，结果进一步证明了信息透明度在数字金融和客户关系稳定度中发挥了中介作用。

Table 6. Table of Bootstrap mediation effect test

表6. Bootstrap中介效应检验表

效应	Z	P > |Z|	置信区间(95%)
			下限	上限
间接效应	2.28	0.023	0.0004145	0.0054902
直接效应	2.89	0.004	0.0130326	0.0679502

5. 研究结论与建议

5.1. 研究结论

本研究以2014~2023年沪深A股上市公司为样本，实证分析数字金融对客户关系稳定度的影响。结果表明，企业数字金融发展程度与客户关系稳定度呈现显著正相关关系，即数字金融发展水平越高的企业，其客户关系稳定度越强。这意味着数字金融的深度应用能够为企业维系客户关系提供有效支撑，推动客户合作关系的长期化与稳固化。在数字金融蓬勃发展的当下，积极拥抱并深入应用数字金融技术的企业，更有可能在客户关系维护方面取得良好成效，降低客户流失风险，提高客户忠诚度。

进一步的机制检验揭示，数字金融的高度发展能够成为提升企业信息透明度的有力工具，有效降低企业与客户间的信息不对称程度。随着大数据、区块链等数字金融技术的应用，数字金融打破了企业与客户之间的信息壁垒，使得企业能够更加及时、准确地披露自身的经营状况、财务信息、业务发展战略等核心内容，客户也能通过多种渠道获取企业信誉评级、用户评价、市场口碑等全方位资讯，信息透明度由此得到大幅提升，利益双方信息不对称程度显著降低。这使得客户对企业服务的可靠性感知增强，对交易公正性的信任度提升，双方信任基础得以进一步强化。基于信息透明带来的信任感提升，客户更倾向于与企业维持长期稳定的合作关系，为企业客户关系的持续稳固和市场竞争力的提升提供了内在动力。

本文的研究价值主要在于为数字金融赋能企业客户关系管理提供了坚实的理论依据与实证支撑。本研究丰富了数字金融与企业客户关系领域的研究成果，剖析了数字金融影响客户关系稳定度的内在机制，为后续相关研究提供了新的视角和思路。本研究还为企业在数字经济时代合理应用数字金融技术、构建稳固的客户关系网络提供了借鉴，助力企业通过数字金融技术手段来强化客户信任，优化客户关系管理策略，实现客户关系的长期稳定发展，提升市场竞争力。

5.2. 研究建议

本文验证了数字金融在提升客户关系稳定度方面的关键作用，为政府部门推出利于企业数字金融发展的政策及企业如何增强客户粘性具有一定的借鉴意义。

从政府方面，第一，政府应加大数字金融相关投入，增强企业参与度。政府可以设立数字金融实验室，助力数字金融技术发展，通过税收优惠鼓励企业参与技术攻关，增强企业发展数字金融的动力与信心。政府部门还可以通过设立专项政策资金，引导金融科技向小微企业、农村地区倾斜，促进数字金融素养全面提升。第二，政府应当完善动态监管与制度体系。制定数据安全相关法律配套细则，建立统一的数字资产确权与交易标准，使市场竞争更加规范有序。运用监管科技实现风险监测，防范数据滥用等问题，筑牢安全底线。

从企业方面，第一，企业应重视数字金融发展程度对维持客户稳定、增强客户粘性的重要作用。企业应促进核心技术自主化。加大AI风控等数字技术开发力度，推进企业数字化发展程度，通过透明化信息披露增强客户信任与粘性。第二，筑牢合规能力与风险防线。完善风控体系，运用区块链存证等技术保障交易安全，提升反欺诈能力，第三，拓展生态协同与普惠服务边界，企业可以与科技企业、实体产业共建开放生态，合作开发供应链金融、物联网保险等跨界产品；深耕下沉市场，针对县域、乡村等长尾市场，推出轻量化数字金融工具，填补“数字鸿沟”。