CRM系統：保險業分析型CRM 的數據挖掘應用
保險業分析型CRM 的數據挖掘應用
謝汀芬
摘 要:本文在闡述分析型CRM 的理論和方法的基礎上,結合
保險行業的特點提出了數據挖掘技術在客戶群體細分、欺詐識
別、交叉銷售及客戶流失不同階段的應用。
關鍵詞:分析型CRM;客戶生命周期;數據挖掘
中圖分類號:F123. 16 文獻標識碼:A
文章編號:CN43 - 1027/ F(2009) 4 - 182 - 02
作 者:保險職業學院商業保險系;湖南,長沙,410007
一、分析型客戶關系管理概述
客戶關系管理(Customer Relationship Management ,CRM)
起源于20 世紀80 年代初提出的接觸管理(Contact Manage2
ment) ,即專門收集整理客戶與公司聯系的所有信息。美國研
究機構Meta Group 根據客戶關系管理的內容及功能,將客戶關
系管理劃分為三類:操作型、分析型和協作型。
操作型CRM 應用的設計目的是為了企業級的信息資源共
享,減少信息流動滯留點,使企業與客戶間的接口統一化。操作
型應用系統是客戶關系管理軟件中最基本的應用模塊,是一個
業務信息管理系統。
協作型CRM 應用就是能夠讓企業客戶服務人員同客戶一
起完成某項活動。協作型應用目前主要由呼叫中心、客戶多渠
道聯絡中心、幫助臺以及自助服務幫助導航等組成。
分析型CRM 從操作型系統應用所產生的大量交易數據中
提取有價值的各種信息,是一種決策支持工具。分析型CRM
的主要原理是將交易操作所積累的大量數據過濾,抽取到數據
倉庫,再利用數據挖掘技術建立各種行為預測模型,最后利用圖
表、曲線等對企業各種關鍵運行指標及客戶市場分割情況進行
發布,達到成功決策的目的。
通過對三類CRM 應用概念的介紹,總結分析型CRM 的特
點如下:
(1) 分析型CRM 應用的輸入是操作型、協作型CRM 的實
際業務數據。
(2) 分析型CRM 應用的輸出是易于理解、使用的圖表、曲
線等輔助決策信息。
(3) 分析型CRM 服務的目標是為企業管理者、決策者等提
供決策支持。
(4) 分析型CRM 的主要工具是數據倉庫、數據挖掘等
技術。
二、分析型CRM 中的數據挖掘技術
11 客戶生命周期理論。
客戶生命周期是客戶關系生命周期的簡稱,指客戶關系水
平隨時間變化的發展軌跡,它描述了客戶關系從一種狀態(一個
階段) 向另一種狀態(另一階段) 運動的總體特征。國內外已經
有很多關于客戶生命周期的研究“, 客戶關系具有明顯的周期特
征”這一觀點也早已被一些學者提出過。隨著對客戶關系動態
特征重要性認識的不斷加強,客戶生命周期的應用研究也逐漸
引起越來越多學者的興趣,比如從客戶角度考察各種專有投資
保護機制在生命周期不同階段的有效性等,另外對客戶生命周
期模式的描述,客戶生命周期模式的類型,以及什么樣的客戶生
命周期模式對供應商來說最有利可圖等問題也有了進一步的
研究。
階段劃分是客戶生命周期研究的基礎,目前這方面已有較
多的研究,其中,Dwyer 、Schurr 和Oh 的研究最具代表性。他
們提出了買賣關系發展的一個五階段模型,首次明確強調買賣
關系的發展是一個具有明顯階段特征的過程。這一觀點被廣泛
接受,取代了當時盛行的把交易完全看作是離散事件的觀點。
國內的陳明亮經過研究,把客戶關系的發展進一步劃分為考察
期、形成期、穩定期、退化期四個階段,稱為四階段模型側。這四
個階段分別是:
(1) 考察期:關系的探索和試驗階段。這一階段,企業和客
戶雙方考察和測試目標的兼容性、對方的誠意、對方的績效,考
慮建立長期關系時雙方潛在的職責、權利和義務。考察期的基
本特征是相互了解不足、不確定性,中心目標是評估對方的潛在
價值和降低不確定性。這一階段,客戶通常會下一些嘗試性的
訂單。
(2) 形成期:關系的快速發展階段。能進入這一階段,表明
在考察期雙方都比較滿意,并建立了一定的相互信任和相互依
賴。在這一階段,雙方從關系中獲得的回報日趨增多,相互依賴
的范圍和深度也日益增加,逐漸認識到對方有能力提供令自己
滿意的價值(利益) 和履行其在關系中擔負的職責,因此愿意承
諾一種長期關系。在這一階段,隨著雙方了解和信任的不斷加
深,關系日趨成熟,雙方的風險承受意愿增加,由此雙方交易不
斷增加。
(3) 穩定期:關系發展的最高階段。在這一階段,雙方或含
蓄或明確地對持續長期關系作了保證。這一階段有如下明顯
特征:
①雙方對對方提供的價值高度滿意
②為能長期維持穩定的關系,雙方都作了大量有形和無形
投入
③大量交易
因此,在這一時期雙方的相互依賴水平達到整個客戶關系
發展過程中的最高點,雙方關系處于一種相對穩定狀態.
(4 ) 退化期:關系發展中關系水平的逆轉階段。其主要特
征有:
①交易量下降
②一方或雙方正在考慮結束關系甚至物色候選伙伴
③開始交流結束關系的意圖
引起關系退化的可能原因有很多,比如:一方或雙方經歷了
一些不滿意、發現了更適合的關系伙伴、需求發生變化等. 另外,
關系的退化并不總是發生在穩定期后的第四階段,在任何一階
段關系都可能退化。
客戶與企業發生業務的過程中,從未發生接觸到初次接觸,
到形成銷售機會、簽約,直至成為用戶并發生再購買,客戶所處
的階段和狀態隨時變化,針對不同狀態的客戶,企業需要制定不
同的策略。企業通常會依據業務側面來劃分業務部門。在傳統
的業務方式開展過程中,部門以完成各自的工作計劃為主,很少
按照客戶的流向來協同規劃、配合,整體工作被割裂管理,計劃
制定缺少依據,易于造成環節失調。完整客戶生命周期管理是
一種全新的業務規則,它指導企業圍繞客戶在企業中的發生,發
展的過程規劃、協調開展業務。企業業務部門的工作職能會相
應發生轉變。客戶生命周期與客戶價值的相互變化,21 數據挖掘方法及用途。
數據挖掘是一種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、轉換、分析和其它模型
化處理,從中提取輔助商業決策的關鍵性數據。
根據數據挖掘的任務可主要劃分為:關聯規則挖掘、序列模
式挖掘、聚類數據挖掘、分類數據挖掘等幾類。
(1) 關聯規則挖掘是指從交易數據庫中挖掘出不同商品
(項) 之間的聯系,這些規則揭示了顧客購買行為的模式。該類
挖掘結果可以應用于商品貨架設計、庫存安排以及根據購買模
式對用戶進行分類等方面。關聯規則挖掘算法屬于無監督(無
教師) 學習方法,1993 年Agrawal 等提出的APriori 算法是該類
算法的代表。
(2) 序列模式挖掘與關聯規則挖掘同樣是挖掘出重復發生
概率較高的模式,所不同的是前者強調時間上的順序關系。該
類挖掘應用于發現用戶時序購買行為模式、網站頁面訪問模式
和DNA 序列分析等領域。
(3) 聚類數據挖掘是在預先不知道目標數據庫到底有多少
類的情況下,希望將所有的記錄組成不同的類,稱為“聚類”
(Cluster) 。并且使得在這種分類情況下,以某種度量為標準的
相似性,在同一聚類之間最小化,而在不同聚類之間最大化。聚
類將分布未知的數據按照指定標準分類,達到分而制之的目的。
聚類分析的算法可以分為劃分方法、層次方法、基于密度的方
法、基于網格的方法和基于模型的方法。
(4) 分類數據挖掘是數據挖掘中一個極重要的應用,它通
過在已有數據上的學習總結出其中的規律,并將規律應用到新
的數據上以進行預測。分類與聚類的區別就在于分類是要找出
數據分布(聚類) 的原因,而聚類是要得出未知數據的聚合情況。
分類的效果一般和數據的特點有關,例如數據的嗓聲,缺失值,
分布稀疏狀況,字段或屬性間的相關性,屬性是離散、連續或混
合式的等方面。目前普遍認為不存在某種方法能適合于各種特
點的數據,研究并改進算法以適應某一特定應用是研究的方向
之一。分類的方法包括貝葉斯分類方法、決策樹方法、神經網絡
方法、遺傳算法等。
31 客戶生命周期中的數據挖掘技術。
對應客戶整個生命周期的各個階段,企業的客戶關系管理
需求是不同的,其所使用的數據挖掘技術也不盡相同,
(l) 潛在客戶階段。該階段企業的目標是通過對己有客戶
進行特征分析,找出自身客戶的特點,并依此對新群體進行營
銷,期望其能成為企業的新客戶。對應于這一目標,企業通常使
用分類技術找到對企業有貢獻的客戶群體,并對其實施相應的
吸引策略。
(2) 已有客戶階段。企業的已有客戶是企業當前利潤的來
源,所以要對其進行各種能夠實現利潤最大化目標的分析。具
體包括以下幾點:
①客戶群體細分。根據Pareto 原理,為企業提供80 %利
潤的客戶占全體客戶的20 % ,這部分客戶是市場中最有價值的
客戶,也就是我們常說的大客戶。對這部分客戶的深入分析可
使企業及時調整策略,發現新的商機,從而達到吸引新客戶、留
住老客戶、最大限度提高客戶價值的目的。完成該項任務的就
是客戶細分。客戶細分是CRM 實現其目標的主要手段之一。
CRM 成功的前提條件是能夠根據客戶價值細分企業的客戶。
分類、聚類技術可以應用于客戶細分這一目標。
②交叉銷售。交叉銷售又稱捆綁銷售,是根據客戶以往的
購買習慣對客戶進行針對性的營銷。具體包括兩種類型:其一
是根據大量客戶的購買習慣得出客戶群體的購買習慣,并對所
有客戶實施這種營銷,超市中的啤酒加尿布就是這一類的代表:
另一種是根據特定客戶在一定時期內的購買記錄,對其進行針
對性營銷,例如客戶在一段時間內購買了分紅壽險和意外險,很
大可能會再購買健康險,那么營銷人員可以在一段時間之后再
推銷健康險。可以看出,第一種是根據大量客戶的購買記錄進
行的,無時間先后的概念,所捆綁的若干商品是被一次購買的;
后一種則是根據某一消費者的歷史購買記錄進行的,捆綁的商
品是被分次購買,具有延伸性。關聯規則和序列分析是實現上
述營銷功能的有力工具。
③欺詐識別。金融活動中存在著大量的欺詐活動,那些不
法分子利用金融機構提供的各項服務進行違法活動,例如洗黑
錢、信用卡透支等。作為金融機構,需要使用強有力的偵察工具
實現降低事件發生率、及時發現欺詐活動的目的,減少對企業、
社會的危害。數據挖掘中的異常分析就是針對這類情況而生
的,當然該項分析還可以用于地質等方面。具體的實現技術包
括聚類、分