CRM系统:数据挖掘技术在CRM中的应用研究

数据挖掘技术在CRM中的应用研究 马凯旋 　　[摘　要] 企业在实施CRM过程中,如果能够对海量的数据进行有效快速深入的分析和处理,找出 有价值的知识,就能为企业作出正确的经营决策、捕捉瞬间即失的市场机会提供极大的帮助,并能从中获 得丰厚的社会和经济效益。 [关键词] CRM;数据挖掘;信息技术 [作者简介] 马凯旋,河南农业大学华豫学院商学院讲师,硕士,河南商丘476113 [中图分类号] F270. 7　　[文献标识码] A　　　[文章编号] 1672 - 2728 (2009) 03 - 0136 - 03 　客户作为一种企业核心资源,拥有和保持更多 的客户决定着企业今后发展的命运,因此有效地开 发和利用客户资源,发展和巩固企业同客户之间的 和谐关系,在最大程度上满足客户需求的同时实现 企业的经济社会效益最大化,已经成为企业界和学 术界关注的焦点。信息经济环境中企业客户关系 管理是利用IT技术实现对客户的整合营销,是以 客户为核心的企业营销的技术实现和管理实现,并 在企业与客户之间建立一种实时、互动的交流管理 系统,最终目的是通过为客户创造价值,建立个性 化、高质量的商品与服务来获得新客户,增加原有 客户的忠诚度和提高客户的赢利能力,进而增强企 业的核心竞争力。同时随着信息技术的迅速发展, 特别是数据库技术和计算机网络的广泛应用,企业 所面对的客户数据量、企业内外信息量急剧膨胀, 企业如果能够对这海量的数据进行有效、快速和深 入的分析和处理,发现有价值的知识,就能为企业 作出正确的经营决策、捕捉稍纵即逝的市场机会提 供极大的帮助。 一、数据挖掘技术分析 (一)数据挖掘技术的发展过程。数据挖掘是 生产发展的必然结果,最初的数据挖掘仅仅是用一 些信息储存工具储存一些简单的信息,人们并不去 对这些信息进行分析来提取更深层次的、更有价值 的知识,而且使用和获得信息的速度也很缓慢。随 着生产力水平的极大提高和信息技术的飞速发展, 目前已经实现了人们能实时地获得经过深入提炼 的知识与信息。数据挖掘的每一步发展,可以说都 是建立在前一阶段的基础上,总的来说,数据挖掘 分为四个发展阶段: ( 1)数据收集阶段(Data Col2 lection) :企业仅仅是简单地整理储存信息,并应用 一些简单的运算工具进行数据加工,如对信息的总 量计算、平均数计算等; ( 2)数据追溯阶段(Data Access) 企业开始应用关联模式处理储存信息,在 整个企业范围内建立起了数据收集和信息管理系 统,管理层可以获得企业的历史信息; ( 3)数据导 航阶段(Data Navigation) 、企业内出现了数据仓库, 应用多维数据基的处理和储存信息,企业不仅能应 用信息管理系统获得企业整体和各个地区经营状 况的信息,而且通过应用在线分析系统(OLAP)等 手段进行数据对比; ( 4)数据挖掘阶段(Data Min2 ing) :也就是通过使用在线分析工具、先进的信息 技术以及统计数学等方法为企业提供实时的信息 反馈和与合作伙伴的信息交流。数据挖掘使企业 管理者更能获得存在于信息之中的深层价值,从而 为企业的经营战略决策产生重要帮助作用。 (二)数据挖掘技术的内容。数据挖掘是进行 信息处理的系统工具,按照信息处理的流程来分 类,一般有三种类型:信息发现(Discovery) 、预测模 型( Predictive Model)和异常分析( Forensic Analy2 sis) 。信息发现是指单纯地对信息进行处理、整理 和分析,以发掘出蕴涵在信息之间的潜在的有价值 的知识或者联系,但并不进行对信息处理结果的预 测。信息发现包括条件逻辑推理、关联处理和信息 规律趋势和变化等;预测模型是指通过上一阶段的 信息处理,利用有价值的知识资源和预测模型对其 进行发展趋势预测,这包括结论预测和发展趋势展 望等;异常分析是指数据挖掘的扩展阶段,对发现 的异常情况作出分析,包括偏离侦测和关联分析 等。总的来说,数据挖掘技术通常有六种手段进行 信息处理:分类、回归模型、时间序列、聚类、关联分 析和序列发现。分类和回归模型一般用于趋势预 测,关联和序列发现用于分析客户行为,聚类则可 用于以上两种情况。 数据挖掘技术按对信息的处理方式分为数据 保存技术和数据提炼技术两种方式。数据保存技 术主要是能够方便地为企业决策提供信息帮助,在 企业决策中应用案例分析(CBR)来保证经营决策 的有效性。但是企业要想获得蕴涵在信息之中的 有价值的知识,就必须使用数据提炼技术,数据提 炼技术包括:逻辑方法是运用多维或者OLAP技术 对量化的或者非量化的数据进行统一模式的处理, 包括规则公式和决策树;横向对比主要是对定性数 据指标进行类比分析,包括类比中介和可信网络; 程式分析是能够有效地应用多维模型和数理统计 方法对大规模的数据进行处理,包括数理统计方法 和神经网络等。 二、数据挖掘在客户关系管理中的应用 在客户关系管理过程中,客户生命周期对企业 来说非常重要,因为它直接关系到企业的客户收益 和客户利润,一方面客户生命周期提供了客户信息 来源,另一方面客户生命周期使得企业明确了为满 足客户需求应注重的方面。客户生命周期为数据 挖掘在客户关系管理中的应用提供了基础,数据挖 掘是建立在数据仓库之上的,通过各种先进的信息 技术和数理统计方法挖掘数据仓库中的潜在的、有 价值的客户信息,通过运用数据挖掘,企业能把大 量的客户记录变成系统的客户信息,提供给决策 者,这样不仅解决了企业进行决策时遇到的信息匮 乏,也充分发挥了企业实施CRM的效用。 (一)客户分析。CRM系统主要是面向客户, 因此对客户数据的分析是极为重要的,通过对客户 数据的分析,发现客户需求,调整企业战略并实施 相应的措施。客户分析主要有几个方面: ( 1)购买 频率,通过对客户购买频率的分析,企业实施相应 的营销活动,可以利用诸如促销、折扣和优惠等手 段来刺激消费者的消费欲望; ( 2)近期消费,通过 对客户最近消费时间的分析,可以及时发现客户流 失的原因,从而采取相应的措施; ( 3)客户忠诚度 分析,通过对客户交易资料的记录和分析,可以采 用序列模式来预测消费者的忠诚度,并据此来调整 企业的生产和提供的服务,提高客户的忠诚度并吸 引新客户; ( 4)客户分类,不同的消费者对产品和 服务的要求不同,也为企业创造不同的收益,企业 根据数据挖掘技术的信息处理分析,对客户采用聚 类的方法进行分类,挖掘客户群的需求特征和需求 趋势,并发现最有价值和最有盈利潜力的客户群, 对这些客户实施“一对一”的市场营销,取得最大 的收益; (5)客户购买相关性分析,通过销售记录 的信息挖掘,可以发现客户购买相关性,这也是发 现客户消费偏好、消费特点的重要方法,据此企业 可以积极采用各种手段,如推荐、传单以及网络推 广等方式帮助消费者选择商品,增加企业的收益; (6)营销合理化分析,通过分析营销活动的有效 性,有助于改善营销效率,多维分析可以实现这方 面分析的要求, 即通过比较营销改变前后销售 状况。 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。