基于數據倉庫和數據挖掘的客戶忠誠度的分析

[摘要] 隨著信息技術不斷地發展以及不斷地推廣應用，數據倉庫技術和數據挖掘技術不斷地成熟，為管理人員的決策提供支持。本文就以數據倉庫技術和數據挖掘技術為基礎對企業的客戶忠誠度進行分析。

[關鍵詞] 數據倉庫數據挖掘客戶忠誠度

客戶忠誠度是客戶關系管理中的重要概念。客戶忠誠是指客戶滿意后而產生的對某種產品品牌或公司的信賴、維護和希望重復購買的一種心理傾向。表現為兩種形式：一種是客戶忠誠于企業的意愿；另一種是客戶忠誠于企業的行為。前者對于企業來說本身并不產生直接的價值，而后者則對企業來說非常具有價值。

一、數據倉庫技術在客戶忠誠度分析中的應用

1.數據倉庫（DataWarehouse，簡稱DW）是一種面向數據應用的數據管理技術，它以關系數據庫管理系統（RDBMS）為基礎。按照業界公認的數據倉庫創始人W.H.Inmon的觀點，數據倉庫可定義為：“一個面向主題的、集成的隨時間變化的非易失的數據集合，用于支持管理層的決策過程”。可以發現數據倉庫具有這樣的一些重要特性：面向主題性、數據集成性、數據的時變性、數據的非易失性、數據的集合性和支持決策作用。

數據倉庫技術是企業智能管理的重要基礎和手段，已經成為企業級信息管理和決策支持系統建設過程中必要的技術支持。數據倉庫是進行客戶忠誠度分析的基礎。

2.數據倉庫的實施步驟。數據倉庫的設計與傳統的OLTP系統設計有較大區別，不但需要設計一個數據庫和一個用戶接口，還必須設計數據裝載策略、數據存取工具和不間斷的維護方案。數據倉庫的實施步驟：

(1)啟動項目，確定建立分析客戶忠誠度的數據倉庫，制定項目計劃。建立技術環境，選擇實現數據倉庫所需要的軟硬件資源。

(2)確定數據倉庫主題。針對客戶信息以及客戶購買信息等相關的數據倉庫，與企業前臺部門的業務人員多進行溝通，詳細了解業務需求、報表等需求。

(3)對客戶購買信息進行詳細定義，對事實表和維表的關系詳細定義。由于客戶購買信息數據倉庫數據量隨時間積累增大，而且隨著電子商務的進一步深入，數據量更是激增，所以必須對數據結構進行精心設計，以免隨著倉庫中數據量快速增長，造成系統分析和查詢性能的急劇下降。

(4)數據倉庫的物理庫設計。考慮數據的存儲方式，使得系統有較好的性能。完成索引的建立以及數據更新網絡的設計。

(5)源數據抽取、清洗、整理及裝載設計。客戶購買信息數據倉庫的數據來自企業的前臺作業系統以及前臺業務部門。這些數據必須根據數據倉庫的設計，以統一定義的格式從各個系統抽取出來，經過清理、轉換、綜合，再經過數據裝載和整理程序進入數據倉庫。

(6)開發支持用戶決策的數據分析工具。建立客戶購買信息數據倉庫的最終目的是為了實現前臺部門以及企業高層的決策支持，所以需要各種工具對數據倉庫進行訪問分析，如優化查詢工具、統計分析工具、數據挖掘工具等，通過分析工具實現決策支持需要。

(7)維護方案的設計。保證客戶信息數據倉庫的正常運行，對其進行管理維護，保證系統保持優良的性能。

二、據挖掘技術在客戶忠誠度分析中的應用

1.數據挖掘(Data Mining，簡稱DM)，簡單地講就是從大量數據中挖掘或抽取出知識。數據挖掘概念的定義描述有若干版本，一個普遍被采用的定義是“數據挖掘，又稱為數據庫知識發現(Knowledge Discovery from Database，簡稱KDD)，它是一個從大量數據中抽取挖掘出未知的、有價值的模式或規律等知識的復雜過程。”

2.數據挖掘在客戶忠誠度分析中常用方法

(1)決策樹（Decision Tree）決策算法。決策樹是一個類似于流程圖的樹結構，其中每個內部節點表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉節點代表或類分布。決策樹算法包括樹的構造和樹的剪枝，有兩種常用的剪枝方法：先剪枝和后剪枝。

(2)神經網絡（Neural Network）。神經網絡是一組連接的輸入/輸出單元，其中每個連接都與一個權相連，在學習階段，通過調整神經網絡的權，使得能夠預測輸入樣本的正確類標號來學習。

(3)遺傳算法（Genetic Algorithms）。遺傳算法根據適者生存的原則，形成由當前群體中最適合的規則組成新的群體，以及這些規則的后代。

3.數據挖掘在客戶忠誠度分析中的應用

(1)運用數據挖掘技術，對客戶進行細分，提供個性化的服務。因為不同的客戶為企業提供的價值不同，企業需要重點服務的是那些能為企業提供高價值的大客戶；又因為企業的資源有限，如何針對不同客戶進行有限資源的優化應用也是每個企業必須考慮的重要問題，所以有必要對客戶進行細分，進行有針對性的運營，提供個性化的服務。

(2)運用數據挖掘技術預測客戶需求。客戶的需求不是一成不變的、單一的，而是快速改變著的、多樣化的。運用數據挖掘技術及時預側客戶的需求，也就是“想客戶之所想”，及時調整產品的結構和內容，搶先贏得商機，為客戶提供其真正需要的產品，吸引客戶，獲取高額利潤。

(3)進行客戶流失分析。不要等到客戶離開了企業再去尋找解決辦法，時間就是金錢。客戶選擇了離開企業，肯定是有原因的，應該注意客戶流失的時間、分析流失的原因，及時采取措施，最大限度地留住客戶。

(4)挖掘出影響客戶忠誠度的重要因素，重點改善。影響客戶忠誠度的因素可能會有很多，但是要做的是用數據挖掘工具找出那些最主要的因素，對這些因素認真分析，采取有效的措施以提高客戶忠誠度。

三、結束語

數據挖掘作為一種信息技術正越來越受到企業的關注，都在想辦法用數據挖掘來解決企業海量數據的問題。企業能夠充分有效地利用數據挖掘這種新技術來為企業提供重要的決策信息，提高客戶忠誠度的，使企業在激烈的市場競爭中立于不敗之地。

參考文獻：

[1]祖巧紅陳定方:客戶忠誠研究及客戶忠誠度分析.武漢理工大學學報，2006(3)

[2]姜華楊靜:CRM中的客戶價值論.前沿，2005(6)