CRM系統:數據挖掘技術在CRM 中的應用

數據挖掘技術在CRM 中的應用 宋艷張炎欣 （湖南女子職業大學現代教育技術中心，湖南長沙410004） 【摘要】客戶關系管理（CRM）是當前企業管理的熱點問題，而數據挖掘技術則為有效進行客戶信息的挖掘提供了重要的技 術支持。介紹了數據挖掘技術在CRM中的應用，隨著理論的不斷發展，數據挖掘技術必然會帶給CRM更加廣泛的應用前景和市場 價值，提高企業競爭力。 【關鍵詞】數據挖掘；CRM 一、引言 21 世紀隨著全球經濟一體化不斷深入和市場競爭日益激 烈，企業再難以單靠產品質量贏取競爭優勢。現代企業已逐步 從以“產品為中心”的經營管理模式轉變為以“客戶為中心”。客 戶關系管理（CRM）越來越被各企業所重視和研究，但是在科技 高速發展的今天，面對雪崩式增長的龐大海量信息，企業通過 手工方式很難對客戶數據的分布找出規律，并進行分析決策。 因此面對海量的數據，迫使人們不斷尋找新的工具，來對企業 的運營規律進行探索，為商業決策提供有價值的知識，使企業 獲得利潤。能滿足企業這一迫切需求的強有力的工具就是數據 挖掘。 二、CRM概述 客戶關系管理(CRM)是企業與其客戶的交流方式，它實施 于企業的市場營銷、銷售、服務與技術支持等與客戶有關的領 域。其核心思想是將企業的客戶（包括最終客戶、分銷商和合作 伙伴）作為最重要的企業資源，通過完善的客戶服務和深入的 客戶分析來滿足客戶的需求，保證實現客戶的終生價值。 CRM 的目標：一方面通過提供更快速和周到的優質服務吸 引和保持更多的客戶；另一方面通過對業務流程的全面管理減 低企業的成本。設計完善的CRM 解決方案可以幫助企業在拓展 新收入來源的同時，改進與現有客戶的交流方式。據國際CRM 論壇統計，國際上成功的CRM 實施，能給相應的企業每年帶來 6%的市場份額增長，提高9%～0%的基本服務收費，并超過服務 水平低的企業2 倍的發展速度。 CRM 的功能主要分為四大部分： 1．戶信息管理 整合記錄企業各部門、每個人所接觸的客戶資料進行統一 管理，這包括對客戶類型的劃分、客戶基本信息、客戶聯系人信 息、企業銷售人員的跟蹤記錄、客戶狀態、合同信息等。 2．市場營銷管理 制訂市場推廣計劃，并對各種渠道（包括傳統營銷、電話營 銷、網上營銷）所接觸到得客戶進行記錄、分類和辨識，提供對 潛在客戶的管理，并對各種市場活動的成效進行評價。CRM 營銷 管理最重要的是實現一對一營銷，從“宏營銷”到“微營銷”的轉 變。 3．銷售管理 功能包括對銷售人員電話銷售、現場銷售、銷售傭金等管 理，支持現場銷售人員的移動通信設備或掌上電腦接入。進一 步擴展的功能還包括幫助企業建立網上商店、支持網上結算管 理及與物流軟件系統的接口。 4．服務管理與客戶關懷 功能包括產品安裝檔案、服務請求、服務內容、服務網點、 服務收費等管理信息，詳細記錄服務全程情況。支持現場服務 與自助服務，輔助實現對客戶關懷。 三、CRM中數據挖掘的實現過程 數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨 機的實際應用數據中，提取隱含在其中的、人們事先不知道的 但又是潛在有用的信息和知識的過程。從商業角度看，數據挖 掘是一種嶄新的商業信息處理技術，其主要特點是對商業數據 庫中的大量業務數據進行抽取、轉化、分析和模式化處理，從中 提取輔助商業決策的關鍵知識，即從一個數據庫中自動發現相 關商業模式。它可以描述成:按企業既定業務目標，對大量的企 業數據進行探索和分析，揭示隱藏的、未知的或驗證已知的商 業規律，并進一步模式化的數據處理方法。數據挖掘工具能夠 對將來的趨勢和行為進行預測，從而很好地支持人們的決策。 數據挖掘是一門交叉學科，它集成了許多學科中成熟的工 具和技術，包括數據庫技術、統計學、機器學習、模式識別、人工 智能和神經網絡等，包括確定業務對象、數據準備、數據挖掘、 結果分析、知識的同化五個步驟。 1．確定業務對象 在知識發現之前，最先的同時也是最重要的要求就是了解 你的數據和業務問題。不同的問題會得到完全不同的結果，有 效的問題定義還應該包含對知識發現項目所得到的結果進行 衡量的標準，項目的預算和解釋。 2．數據準備 數據挖掘的處理對象是大量的數據，這些數據一般存儲在 數據庫系統，是長期積累的結果。但往往不適合直接在這些原 始數據上進行挖掘，需要作數據預處理的工作，把數據轉換成 適合挖掘的形式。數據準備的好壞將影響到數據挖掘的效率和 準確度以及最終模式的有效性：包括數據的選擇、數據的預處 理和數據的轉換；數據的選擇是指搜索所有與業務對象有關的 內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數 據。數據的預處理指研究數據的質量，為進一步的分析作準備， 并確定將要進行的挖掘操作的類型；數據的轉換是將數據轉換 成一個分析模型，這個分析模型是針對挖掘算法建立的，建立 一個真正適合挖掘算法的分析模型是數據挖掘成功的關鍵。 3．數據挖掘 對所得到的經過轉換的數據進行挖掘。以根據需要挖掘的 側重點選擇不同的方法，常見得有：分類分析、聚類分析、關聯 分析、序列模式分析、統計回歸和偏差分析等。例如關聯分析是 挖掘出隱藏在數據之間的相互關系，它能發現客戶中形如“90% 的顧客在一次購買活動中購買商品A 的同時也購買了商品B” 之類的知識。序列模式分析的側重點在于分析數據間的前后序 列關系。它能發現客戶中形如“在某段時間內，顧客購買商品A， 接著購買商品B，而后購買商品C，即序列A-B-C 出現的頻度較 高”之類的知識。 4．結果分析 解釋并評估結果，經過數據挖據得到的模式，有些可能是 不準確的或不真實的，所以需要對所得模式進行評估，確定有 效的、有用的模式，從而得到知識。評價可以根據用戶多年的經 驗，也可以直接用數據檢驗其準確性。其使用的分析方法一般 應作數據挖掘操作而定，通常會用到可視化技術。 5．知識的同化 將分析所得到的知識集成到業務信息系統的組織結構中 去。 四、數據挖掘在客戶關系管理應用中的領域 數據挖掘技術幫助企業管理客戶生命周期的各個階段，包 括爭取新的客戶，讓已有的客戶創造更多的利潤、保持住有價 值的客戶等等。它能夠幫助企業確定客戶的特點，使企業能夠 為客戶提供有針對性的服務。 1．獲取潛在客戶信息 潛在客戶是企業利潤增長的源泉，獲取潛在客戶是企業不 斷成長的關鍵。獲取客戶的活動是面向目標客戶市場的營銷活 動，目的是找到可能對公司的產品或服務有興趣的人。利用數 據挖掘揭示新用戶的行為習慣，生成預測模型，預測發現一些 在不同情況下有相似行為的用戶，進行分析，篩選出可能的潛 在用戶，并據此有效增加服務推廣效應，把潛在用戶和這些用 戶感興趣的資源和服務系統的結合起來，為每一個用戶提供主 動化、個性化的服務，把潛在用戶轉化為正式用戶。 2．個性化的市場營銷 成功的市場營銷必須依賴于對客戶的了解，每一次營銷活 動都應該具有針對性，進行個性化營銷，這樣才能降低營銷成 本，提高用戶響應率。企業利用數據挖掘的聚類分析技術可以 對大量客戶信息進行分析和處理，根據客戶的消費心理、消費 習慣、偏好程度、購買頻率、收入水平等因素提供差異化營銷策 略。亞馬遜網上書店（Amazon.com） 就是利用遍及全球的Internet 同時采用先進的CRM 系統軟件來進行“一對一營銷”的。 面對數以萬計的客戶，亞馬遜網上書店具有“驚人的記憶力”和 “高度的智力”，從而與客戶建立了廣泛的“一對一”的學習型關 系，這使得該書店的客戶保有率高達65%。 3．客戶群體分類分析 數據挖掘把大量的客戶分成不同的類，每個類里的客戶具 有相似的屬性。例如把所有客戶分成兩類：男性和女性。企業針 對不同類的客戶的特征提供針對性的產品和服務來提高客戶 的滿意度，從而達到企業利潤最大化。 4．交叉銷售和增量銷售 交叉銷售是促使客戶購買尚未使用的產品和服務的營銷 手段，目的是可以拓寬企業和客戶間的關系。增量銷售是促使 客戶將現有產品和服務升級的銷售活動，目的在于增強企業和 客戶的關系。這兩種銷售都是建立在雙贏的基礎上的，客戶因 得到更多更好符合其需求的服務而獲益，公司也因銷售增長而 獲益。數據挖掘可以采用關聯性模型或預測性模型來預測什么 時間會發生什么事件，判斷哪些客戶對交叉銷售和增量銷售有 意向，以達到交叉銷售和增量銷售的目的。例如在企業所掌握 的客戶信息，尤其是以前購買行為的信息中，可能包含這個客 戶決定下一次購買行為的關鍵因素，數據挖掘中的序列模式分 析可以幫助企業尋找影響客戶購買行為的因素。 5．客戶誠信度分析 數據挖掘中的差異性分析可用于發現客戶的欺詐行為，分 析客戶的誠信度，從而找出誠信較好的客戶。企業為留住老客 戶，防止客戶流失，就必須了解客戶的需求。可以利用數據挖掘 工具對大量的客戶資料進行分析，建立數據模型，確定客戶的 交易習慣、交易額度和交易頻率，分析客戶對某個產品的忠誠 程度、持久性等，從而為他們提供個性化定制服務，以提高客戶 忠誠度。 6．客戶盈利能力分析和預測 對于一個企業而言，如果不知道客戶的價值,就很難做出 合適的市場策略。不同的客戶對于企業而言，其價值是不同的。 數據挖掘技術可以用來分析和預測不同市場活動情況下客戶 盈利能力的變化，幫助企業制定合適的市場策略。 總之，對于企業而言，數據挖掘可以用于發現業務發展的 趨勢，揭示已知的事實，預測未知的結果，并幫助企業分析出完 成任務所需的關鍵因素，以達到增加收入、降低成本的目的，使 企業獲得更多的競爭優勢。 五、小結 CRM 系統的開發和應用已經受到越來越多的企業的關注， 而數據挖掘技術也為CRM 的實施提供了良好的基礎平臺和技 術支撐，隨著理論的進一步發展和深化，必然會帶給CRM 更為 廣泛的應用前景和市場價值，提高企業的競爭力。 參考文獻： [1]Alex Berson,Stephen Smith,Kurt Thearling.