ＤＭ在分析客戶忠誠度的應用

一、前言

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。根據不同的標準，數據挖掘系統可以有不同的分類，其中根據發現的知識類型分類是一種主流方法，即根據數據挖掘的功能，如關聯分析、聚類分析和孤立點分析等。隨著信息技術的飛速發展，各企業都相應的建立相應的信息系統，數據庫應用的規模、范圍和深度不斷擴大，積累了大量的數據，這為數據挖掘提供了堅實的基礎。當前，數據挖掘技術不管在理論上還是技術上都日趨成熟，數據挖掘已用于電信、商業、客戶關系管理等方面。

客戶忠誠度是客戶關系管理（Customer Relationship Management，CRM）中的重要概念，也是客戶關系好壞的重要衡量指標?？蛻糁艺\的營銷實踐之父弗雷得里克·萊奇荷德（Frederick F·Reichheld）在他的“忠誠效應”（The Loyalty Effects）一書指出忠誠的客戶對企業具有下列好處：

維持一個現有的客戶比要獲得一個新的客戶成本低得多；

一個老客戶比新客戶有更低的企業運營成本；

一個客戶與企業的關系時間越長，就會購買更多的企業的產品；

一個現有的客戶會向其他潛在客戶免費的宣傳企業的產品；

忠誠的客戶比他客戶更可能承受企業產品的漲價而不離企業而去。

與顧客關系時間越長，價值優勢越明顯，顧客向他人引薦的要會越大，成本節約越大，收益每年都回穩增長，基本利潤逐年增加，而爭取顧客的成本卻逐年下降。因而，當前越來越多的企業開始注重客戶忠誠度的分析。

企業利用數據挖掘工具對企業海量數據進行分析，對客戶進行細分，利用數據挖掘模型分析客戶忠誠度，針對不同的客戶企業可以采取不同的營銷策略。

二、DM技術的應用

1.數據預處理

進行數據挖掘時首先要對數據進行分析，OLTP中的數據往往是雜亂的，不論DM的目標是進行客戶的細分，還是對客戶滿意度的分析，還是對客戶忠誠度分析等，數據預處理以相關的知識為指導，用相關數據模型來重組OLTP中的數據，清除與DM目標無關的屬性，提供“干凈”、準確、精簡的數據，以提高挖掘質量和效率。

2.數據挖掘常用算法

常用的算法有：決策樹（Decision Tree）決策算法、神經網絡（Neural Network）、遺傳算法（Genetic Algorithms）、粗糙集方法、模糊集方法等。

3.數據挖掘常用的分析方法

(1)分類和預測方法。是兩種數據分析形式，可以用于提取描述重要數據類的模型或預測未來的數據趨勢。

(2)聚類分析。聚類是將數據對象分組成為多個類或簇（Cluster），在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。

(3)關聯規則。關聯規則挖掘給定數據集中項之間的有趣聯系。

(4)序列模式。序列模式分析和關聯規則分析類似，也是為了挖掘數據項之間的聯系，不過序列模式分析是數據項在時間維上的先后序列關系。

(5)孤立點分析。孤立點是度量錯誤或固有的數據變異性的結果。

三、DM在分析客戶忠誠度的應用

1.判斷客戶忠誠度

判斷客戶是否忠誠可從以下四個方面觀察：

(1)忠誠的客戶會經常反復地購買你的產品或雇傭你的服務，甚至可以定量分析出他們的購買頻度。

(2)忠誠的客戶在購買你的產品或雇傭你的服務時，選擇呈多樣性，因為是你的產品或服務，他們樂意購買，他們信任你，支持你，也較其他客戶更關注你所提供的新產品或新服務。

(3)忠誠的客戶樂于向他人推薦你的產品，而且調查顯示，被推薦者相對于其他客戶會更親近于你，更忠誠于你。

(4)忠誠的客戶會排斥你的競爭對手，只要忠誠的紐帶未被子打破，他們甚至不屑勝你一籌的對手。

2.客戶細分

管理實踐表明，企業80%的利潤往往來自于其20%的客戶。因此，區分這兩類客戶，保持和發展這20%的最大利潤客戶對企業來說就顯得尤為重要。事實上企業的客戶可以按不同的標準進行多種劃分，而客戶關系管理的一個重要功能是通過對客戶行為的理解，達到識別客戶和區分客戶的目的。

3.確定數據挖掘模型

在現在的市場營銷學領域，客戶忠誠度的概念已經是家喻戶曉。但是在研究客戶忠誠度時，遇到的一個最大問題就是如何評估客戶忠誠度，并在評估結果的基礎上進一步制定、調整產品策略等等。在許多的評估客戶忠誠度，往往采用銷售業績方面和客戶評價方面的指標，這些指標是忠誠度的直接反映或表現，但是對于這種表現的真實內涵和變化原因往往不好了解，只是作為經驗、猜測或是直接的評價結論來理解。這樣對制定和調整改善客戶忠誠度的市場營銷策略往往產生不了應有的效果。

2000年，Gronhodlt、Martensen和Kristensen提出的客戶忠誠度的衡量因素有：顧客購買的意愿、交叉購買意原、價格容忍度，以及推薦意原。但這無法滿足CRM軟件的要求。

在國內外有許多人提出不同的評估客戶忠誠度的計算模型。國外主要的模型如：

式中：Lj表示客戶j的忠誠度；

Cvj表示客戶j的客戶讓渡價值；

Wji表示客戶j對第i個客戶讓渡價值指標的重要評分；

Si表示第i個客戶讓渡價值指標的差分量；

n表示指標觀測的客戶讓渡價值差評估指標的總個數。

四、結束語

企業利用數據挖掘工具對企業海量數據進行分析，對客戶進行細分，利用數據挖掘模型分析客戶忠誠度。識別客戶的購買行為特征，發現客戶購買模式和趨勢，提高客戶的購買效率和服務質量，提升客戶的忠誠度，從而達到提升客戶層次、保持有價值客戶的目的。