- 相關(guān)推薦
數(shù)據(jù)挖掘技術(shù)在客戶(hù)關(guān)系管理中的應(yīng)用
[摘要] 市場(chǎng)的激烈競(jìng)爭(zhēng)導(dǎo)致了面向市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)的數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)以及數(shù)據(jù)挖掘技術(shù)的應(yīng)用，本文在介紹了數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上，重點(diǎn)闡述了數(shù)據(jù)挖掘平臺(tái)的建立，以及基于這個(gè)平臺(tái)展開(kāi)數(shù)據(jù)挖掘的過(guò)程和數(shù)據(jù)挖掘的主題分析�！ 關(guān)鍵詞]數(shù)據(jù)挖掘技術(shù)；客戶(hù)關(guān)系管理（CRM）；數(shù)據(jù)倉(cāng)庫(kù)；數(shù)據(jù)挖掘主題一、引言
隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、通訊技術(shù)的發(fā)展以及各行各業(yè)業(yè)務(wù)操作流程的自動(dòng)化，企業(yè)內(nèi)產(chǎn)生了以幾十或上百GB計(jì)的大量業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)和由此產(chǎn)生的信息是企業(yè)的財(cái)富，它如實(shí)地記錄著企業(yè)運(yùn)作的本質(zhì)狀況。但是面對(duì)如此海量的數(shù)據(jù)，迫使人們不斷尋找新的工具，來(lái)對(duì)企業(yè)的運(yùn)營(yíng)規(guī)律進(jìn)行探索，為商業(yè)決策提供有價(jià)值的知識(shí)，使企業(yè)獲得利潤(rùn)。能滿(mǎn)足企業(yè)這一迫切需求的強(qiáng)有力的工具就是數(shù)據(jù)挖掘（Data Mining，DM）。
二、數(shù)據(jù)挖掘技術(shù)概述
數(shù)據(jù)挖掘是一種知識(shí)發(fā)現(xiàn)的過(guò)程，它主要基于統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)等技術(shù)，高度自動(dòng)化地分析數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，并對(duì)未來(lái)情況進(jìn)行預(yù)測(cè)，以輔助決策者評(píng)估風(fēng)險(xiǎn)，做出正確的決策。數(shù)據(jù)到知識(shí)的演化過(guò)程，如圖1。
對(duì)于企業(yè)而言，數(shù)據(jù)挖掘有助于發(fā)現(xiàn)業(yè)務(wù)的趨勢(shì)，揭示已知的事實(shí)，預(yù)測(cè)未知的結(jié)果。從這個(gè)意義上講，知識(shí)是力量，數(shù)據(jù)挖掘是財(cái)富。在實(shí)際應(yīng)用中，數(shù)據(jù)挖掘主要采用以下幾種方法進(jìn)行模式的發(fā)現(xiàn)。
�。�1）相關(guān)分析和回歸分析。相關(guān)分析主要分析變量之間聯(lián)系的密切程度，而回歸分析主要基于觀測(cè)數(shù)據(jù)建立變量之間適當(dāng)?shù)囊蕾?lài)關(guān)系，相關(guān)分析是回歸分析的基礎(chǔ)。
（2）時(shí)間序列分析。與相關(guān)分析類(lèi)似，目的也是為了挖掘出數(shù)據(jù)之間的聯(lián)系，但時(shí)間序列分析更加側(cè)重于數(shù)據(jù)在時(shí)間先后上的因果關(guān)系。
�。�3）分類(lèi)分析。分類(lèi)分析首先為每一個(gè)觀測(cè)賦予一個(gè)標(biāo)記，然后檢查這些被標(biāo)記的觀測(cè)，描述出這些觀測(cè)的特征。這種描述可以是一個(gè)數(shù)學(xué)公式或者模型，利用它可以分類(lèi)新的觀測(cè)。常用的幾種典型的分類(lèi)模型有線性回歸模型、決策樹(shù)模型、基于規(guī)則模型和神經(jīng)網(wǎng)絡(luò)模型等。
（4）聚類(lèi)分析。與分類(lèi)分析不同，聚類(lèi)分析的輸入是一組未標(biāo)定的記錄，目的是根據(jù)一定的規(guī)則，合理地劃分記錄集合。聚類(lèi)分析和分類(lèi)分析是一組互逆的過(guò)程，因此在很多分類(lèi)分析中適用的算法也同樣適用于聚類(lèi)分析。
三、數(shù)據(jù)挖掘在CRM中的應(yīng)用
在客戶(hù)關(guān)系管理（Customers Relation Management, CRM）中,數(shù)據(jù)挖掘的前提是必須建立企業(yè)級(jí)的客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)，能夠把不同聯(lián)機(jī)事務(wù)處理系統(tǒng)（On-Line Transaction Processing, OLTP）的客戶(hù)數(shù)據(jù)聚集在一起，提供一個(gè)正確、完整和單一的客戶(hù)數(shù)據(jù)環(huán)境。
1. 數(shù)據(jù)倉(cāng)庫(kù)的建立
數(shù)據(jù)倉(cāng)庫(kù)作為數(shù)據(jù)挖掘的基礎(chǔ)，不同于傳統(tǒng)的聯(lián)機(jī)事務(wù)處理系統(tǒng)，它具有面向主題的、集成的、不可更新以及隨時(shí)間變化的特性，各個(gè)聯(lián)機(jī)事務(wù)處理系統(tǒng)作為數(shù)據(jù)倉(cāng)庫(kù)的原始數(shù)據(jù)源，以文件方式提供客戶(hù)基本資料、客戶(hù)清單、客戶(hù)賬單、客戶(hù)聯(lián)系歷史記錄等數(shù)據(jù)，數(shù)據(jù)倉(cāng)庫(kù)通過(guò)ETL過(guò)程（抽取、轉(zhuǎn)換和加載）處理這些接口文件，并且按不同的主題域組織、存儲(chǔ)和管理這些客戶(hù)數(shù)據(jù)，通過(guò)數(shù)據(jù)倉(cāng)庫(kù)接口，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的客戶(hù)數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析和數(shù)據(jù)挖掘。數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)主要由數(shù)據(jù)源、企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和決策支持3個(gè)部分組成。
2. 數(shù)據(jù)挖掘的主題定義
在建立完成企業(yè)級(jí)的客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)之后，可以基于這個(gè)數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)進(jìn)行數(shù)據(jù)挖掘工作，應(yīng)用到以客戶(hù)為中心的企業(yè)決策分析和管理的各個(gè)不同領(lǐng)域和階段，在客戶(hù)關(guān)系管理（CRM）中，它可以應(yīng)用在以下幾個(gè)方面。
�。�1）客戶(hù)群體分類(lèi)分析。近年來(lái)，一對(duì)一營(yíng)銷(xiāo)正在被眾多的企業(yè)所青睞。一對(duì)一營(yíng)銷(xiāo)是指了解每一個(gè)客戶(hù)，并同其建立起持久的關(guān)系。數(shù)據(jù)挖掘可以把大量的客戶(hù)分成不同的類(lèi)，在每一個(gè)類(lèi)里的客戶(hù)具有相似的屬性，而不同類(lèi)里的客戶(hù)的屬性也不同。通過(guò)數(shù)據(jù)挖掘可以了解不同客戶(hù)的愛(ài)好，提供有針對(duì)性的產(chǎn)品和服務(wù)，來(lái)提高不同類(lèi)客戶(hù)對(duì)企業(yè)和產(chǎn)品的滿(mǎn)意度。
�。�2）客戶(hù)行為分析。利用分類(lèi)分析法和聚類(lèi)分析法對(duì)客戶(hù)通話行為進(jìn)行分析，從而得出客戶(hù)在消費(fèi)習(xí)慣、生活方式、社會(huì)聯(lián)系等方面的特征。對(duì)客戶(hù)行為分析的根本目的是為了按不同特征劃分客戶(hù)群，針對(duì)不同客戶(hù)群的特征，企業(yè)可以進(jìn)行不同的市場(chǎng)營(yíng)銷(xiāo)活動(dòng)和客戶(hù)服務(wù)，在客戶(hù)群劃分中典型的應(yīng)用就是針對(duì)某一客戶(hù)群的消費(fèi)特征進(jìn)行某種業(yè)務(wù)的營(yíng)銷(xiāo)。
�。�3）客戶(hù)的獲得與保持。企業(yè)的增長(zhǎng)和發(fā)展壯大需要不斷維持老的客戶(hù)，不斷獲得新的客戶(hù)，新的客戶(hù)包括以前沒(méi)有聽(tīng)說(shuō)過(guò)本企業(yè)產(chǎn)品的人，以前不需要本企業(yè)產(chǎn)品的人，以及以前是本企業(yè)競(jìng)爭(zhēng)對(duì)手的客戶(hù)。不論企業(yè)希望得到的是哪類(lèi)客戶(hù)，數(shù)據(jù)挖掘都能幫助企業(yè)識(shí)別出這些潛在的客戶(hù)群，并提高市場(chǎng)活動(dòng)的響應(yīng)率，使企業(yè)做到心中有數(shù)，有的放矢。
（4）優(yōu)惠策略仿真預(yù)測(cè)。優(yōu)惠是市場(chǎng)營(yíng)銷(xiāo)中十分重要的一部分，優(yōu)惠策略不恰當(dāng)，常常會(huì)得到適得其反的市場(chǎng)效果，優(yōu)惠策略仿真預(yù)測(cè)就是通過(guò)已建立的客戶(hù)行為模型仿真客戶(hù)對(duì)優(yōu)惠策略的反應(yīng)，從而預(yù)測(cè)優(yōu)惠策略實(shí)施的效果。通過(guò)對(duì)優(yōu)惠策略的仿真，可以預(yù)測(cè)優(yōu)惠策略的成功與否，從而進(jìn)行相應(yīng)的調(diào)整和優(yōu)化。
�。�5）客戶(hù)信用分析�？蛻�(hù)忠誠(chéng)度分析主要通過(guò)對(duì)客戶(hù)消費(fèi)金額和賬務(wù)支付的分析，建立客戶(hù)價(jià)值模型，從而獲得客戶(hù)價(jià)值。客戶(hù)是企業(yè)價(jià)值之所在，通過(guò)對(duì)客戶(hù)忠誠(chéng)度分析，有針對(duì)性地對(duì)高價(jià)值客戶(hù)進(jìn)行優(yōu)質(zhì)服務(wù)，對(duì)有離開(kāi)傾向的客戶(hù)及時(shí)進(jìn)行挽留活動(dòng)，對(duì)提高企業(yè)市場(chǎng)占有率，降低營(yíng)銷(xiāo)成本是十分有用的。
�。�6）反欺詐分析。目前，企業(yè)面臨的一個(gè)最嚴(yán)重的問(wèn)題是欠費(fèi)問(wèn)題，其中很大一部分是欺詐消費(fèi)，因此反欺詐消費(fèi)已經(jīng)成為企業(yè)發(fā)展的關(guān)鍵。通過(guò)對(duì)客戶(hù)數(shù)據(jù)的多維分析、聚類(lèi)分析和孤立點(diǎn)分析可以建立客戶(hù)欺詐消費(fèi)模型，從而可以有效地對(duì)客戶(hù)消費(fèi)行為進(jìn)行監(jiān)控，對(duì)滿(mǎn)足欺詐消費(fèi)模型的消費(fèi)行為進(jìn)行告警。
�。�7）競(jìng)爭(zhēng)對(duì)手分析。成熟的市場(chǎng)必然是一個(gè)競(jìng)爭(zhēng)比較充分的市場(chǎng)，不同企業(yè)客戶(hù)之間的互聯(lián)互通是最基本的前提，因此通過(guò)對(duì)客戶(hù)與競(jìng)爭(zhēng)對(duì)手客戶(hù)之間通話的行為分析，可以建立有關(guān)競(jìng)爭(zhēng)對(duì)手經(jīng)營(yíng)和客戶(hù)服務(wù)的模型，比如競(jìng)爭(zhēng)對(duì)手客戶(hù)發(fā)展模型，通過(guò)對(duì)這些模型的使用，可以制定有效的市場(chǎng)應(yīng)對(duì)策略。
（8）交叉銷(xiāo)售（Cross-Selling）�，F(xiàn)在企業(yè)和客戶(hù)之間的關(guān)系是經(jīng)常變動(dòng)的，一旦一個(gè)人或者一個(gè)公司成為企業(yè)的客戶(hù)，就要盡力使這種客戶(hù)關(guān)系對(duì)企業(yè)趨于完善。一般來(lái)說(shuō)可以通過(guò)這3種方法：a.最長(zhǎng)時(shí)間地保持這種關(guān)系；b.最多次數(shù)地和客戶(hù)交易；c.最大數(shù)量地保證每次交易的利潤(rùn)，因此就需要對(duì)已有的客戶(hù)進(jìn)行交叉銷(xiāo)售。交叉銷(xiāo)售是指企業(yè)向原有客戶(hù)銷(xiāo)售新的產(chǎn)品或服務(wù)的過(guò)程，交叉銷(xiāo)售是建立在雙贏原則的基礎(chǔ)之上的，是對(duì)企業(yè)和客戶(hù)都有好處的，客戶(hù)因得到更多更好符合其需求的服務(wù)而獲益，企業(yè)也因銷(xiāo)售增長(zhǎng)而獲益，對(duì)原有客戶(hù)銷(xiāo)售的挖掘，在很多情況下與對(duì)潛在客戶(hù)的挖掘是類(lèi)似的，對(duì)于一些情況甚至可以當(dāng)作是初次銷(xiāo)售來(lái)對(duì)待，而交叉銷(xiāo)售的好處在于，對(duì)于原有客戶(hù)，企業(yè)可以比較容易地得到關(guān)于這個(gè)客戶(hù)的比較豐富的信息，大量的數(shù)據(jù)對(duì)于數(shù)據(jù)挖掘的準(zhǔn)確性來(lái)說(shuō)是有很大幫助的，在大多數(shù)情況下所指的交叉銷(xiāo)售是與初次銷(xiāo)售不同的，在企業(yè)所掌握的客戶(hù)信息，尤其是以前購(gòu)買(mǎi)行為的信息中，可能正包含著這個(gè)客戶(hù)決定下一個(gè)購(gòu)買(mǎi)行為的關(guān)鍵因素甚至決定因素，這個(gè)時(shí)候數(shù)據(jù)挖掘的作用就會(huì)體現(xiàn)出來(lái)，它可以幫助企業(yè)尋找到這些影響其購(gòu)買(mǎi)行為的因素。
3. 數(shù)據(jù)挖掘的過(guò)程
在數(shù)據(jù)挖掘目標(biāo)明確的前提下，可以基于已經(jīng)建成的企業(yè)級(jí)客戶(hù)信息數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)挖掘工作。數(shù)據(jù)挖掘遵循以下步驟：?jiǎn)栴}定義、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)探索、建立模型、模型檢驗(yàn)、模型應(yīng)用以及投資回報(bào)分析。
在問(wèn)題定義之后，需要?jiǎng)?chuàng)建一個(gè)數(shù)據(jù)集市作為數(shù)據(jù)挖掘和分析的對(duì)象，一般抽取數(shù)據(jù)倉(cāng)庫(kù)中與問(wèn)題相關(guān)的數(shù)據(jù)子集作為數(shù)據(jù)集市,在創(chuàng)建集市過(guò)程中可以使用隨機(jī)抽樣、等距抽樣、分層抽樣和分類(lèi)抽樣等抽樣技術(shù)來(lái)減少數(shù)據(jù)集市的數(shù)據(jù)量,通過(guò)對(duì)數(shù)據(jù)的刪選和對(duì)小概率事件的放大，使得數(shù)據(jù)集市中數(shù)據(jù)的特征和規(guī)律性更加顯著。
在數(shù)據(jù)探索過(guò)程中，通過(guò)多維分析和可視化展現(xiàn)探索數(shù)據(jù)的特征，通過(guò)對(duì)數(shù)據(jù)進(jìn)行增刪操作或者根據(jù)現(xiàn)有變量重新組合生成一些新的變量來(lái)更加有效地描述數(shù)據(jù)特征，其中，對(duì)數(shù)據(jù)統(tǒng)計(jì)特性的分析在數(shù)據(jù)探索過(guò)程中起著十分重要的作用。建立數(shù)學(xué)模型是數(shù)據(jù)挖掘工作的核心環(huán)節(jié)，目前比較常用的建模方法有神經(jīng)元網(wǎng)絡(luò)模型、決策樹(shù)模型和回歸模型。數(shù)據(jù)挖掘中具體使用哪一種方法，取決于數(shù)據(jù)集市的特征和需要實(shí)現(xiàn)的目標(biāo)，在實(shí)際應(yīng)用中，往往是對(duì)多種建模方法的比較和綜合。在建模過(guò)程中，把數(shù)據(jù)分層為訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)，訓(xùn)練數(shù)據(jù)主要使用于建模過(guò)程中求解模型參數(shù)，而校驗(yàn)數(shù)據(jù)主要用于模型檢驗(yàn)。因此模型檢驗(yàn)階段的主要工作是把檢驗(yàn)數(shù)據(jù)代入已經(jīng)建立的模型中，觀察模型的響應(yīng)，通過(guò)比較模型的響應(yīng)和真實(shí)的數(shù)據(jù)，從而評(píng)估模型的準(zhǔn)確程度，如果模型的準(zhǔn)確性比較差，就需要重新進(jìn)行數(shù)據(jù)探索、建立新的模型，直至新模型檢驗(yàn)。因此，在實(shí)際應(yīng)用中，數(shù)據(jù)探索、建立模型、模型檢驗(yàn)是反復(fù)迭代的過(guò)程，如圖2。
數(shù)據(jù)挖掘的過(guò)程就是一個(gè)不斷探索數(shù)據(jù)特征、建立和檢驗(yàn)?zāi)Ｐ�、發(fā)現(xiàn)客戶(hù)消費(fèi)行為特征的過(guò)程，企業(yè)只有把模型的結(jié)果應(yīng)用到市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)過(guò)程中，才能真正發(fā)揮數(shù)據(jù)挖掘的作用。
四、結(jié)語(yǔ)
在信息時(shí)代，要充分利用企業(yè)的信息資源，從以產(chǎn)品為中心的管理模式轉(zhuǎn)變?yōu)橐钥蛻?hù)為中心的管理模式上來(lái)，利用數(shù)據(jù)挖掘技術(shù)，分析客戶(hù)的特征，探索企業(yè)和所對(duì)應(yīng)市場(chǎng)的運(yùn)營(yíng)規(guī)律，不斷提高企業(yè)的經(jīng)濟(jì)效益是企業(yè)發(fā)展的必由之路。
主要參考文獻(xiàn)
[1]上�，F(xiàn)代物流人材培訓(xùn)中心.企業(yè)資源計(jì)劃(ERP)與SCM、CRM[M].北京：電子工業(yè)出版社，2002.
[2]朱明.數(shù)據(jù)挖掘[M].合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2002.
[3]毛國(guó)君，段立娟，王實(shí)，石云. 數(shù)據(jù)挖掘原理與算法[M].北京：清華大學(xué)出版社，2005.
【數(shù)據(jù)挖掘技術(shù)在客戶(hù)關(guān)系管理中的應(yīng)用】相關(guān)文章：
客戶(hù)關(guān)系管理中數(shù)據(jù)挖掘的應(yīng)用03-08
數(shù)據(jù)挖掘技術(shù)在企業(yè)知識(shí)管理中的應(yīng)用03-19
數(shù)據(jù)挖掘技術(shù)在ＣＲＭ中的應(yīng)用03-22
客戶(hù)關(guān)系管理與數(shù)據(jù)挖掘技術(shù)綜述03-21
談數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用03-21
數(shù)據(jù)挖掘技術(shù)在供應(yīng)鏈精細(xì)化管理中的應(yīng)用12-04
數(shù)據(jù)挖掘在ＣＲＭ中的應(yīng)用分析03-22