[摘要] 良好客戶關(guān)系已成為電子商務(wù)時(shí)代制勝的關(guān)鍵。在激烈的市場(chǎng)競(jìng)爭(zhēng)中，客戶關(guān)系管理逐漸成為企業(yè)關(guān)注的焦點(diǎn)。深入研究客戶和潛在客戶是在市場(chǎng)中保持競(jìng)爭(zhēng)力的關(guān)鍵。本文通過對(duì)客戶行為的特征化分析，以數(shù)據(jù)挖掘?yàn)榉治龉ぞ撸瑢?duì)客戶關(guān)系管理進(jìn)行了討論，給出了相應(yīng)的劃分方法，使用這些劃分方法，對(duì)客戶進(jìn)行分析是有意義的。

[關(guān)鍵詞] 客戶關(guān)系管理 數(shù)據(jù)挖掘 聚類分析

一、引言

在激烈的市場(chǎng)競(jìng)爭(zhēng)中，客戶關(guān)系管理(Customer Relationship Management)逐漸成為各企業(yè)關(guān)注的焦點(diǎn)。一個(gè)成熟的CRM 系統(tǒng)要能夠有效地獲取客戶的各種信息，識(shí)別客戶與企業(yè)間的關(guān)系及所有交互操作，尋找其中的規(guī)律，為客戶提供個(gè)性化的服務(wù)，為企業(yè)決策提供支持。

在企業(yè)與客戶的交互操作中，“二八原則”是值得借鑒的，即20%的客戶對(duì)企業(yè)做出80%的利潤(rùn)貢獻(xiàn)。但究竟誰是那20%的客戶？又如何確定特定消費(fèi)群體的消費(fèi)習(xí)慣與消費(fèi)傾向，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體下一步的消費(fèi)行為？這都是企業(yè)需要認(rèn)真研究的問題。

二、客戶的特征化及其劃分

企業(yè)認(rèn)識(shí)客戶和潛在客戶是在市場(chǎng)保持競(jìng)爭(zhēng)力的關(guān)鍵。特征分析是了解客戶和潛在客戶的極好方法，包括對(duì)感興趣對(duì)象范圍進(jìn)行一般特征的度量。一旦知道帶來最大利潤(rùn)客戶的特征和行為，就可以直接將其應(yīng)用到尋找潛在客戶之中。有效尋找客戶，認(rèn)識(shí)哪些人群像自己的客戶。因此，在爭(zhēng)取客戶的活動(dòng)中，對(duì)感興趣對(duì)象進(jìn)行特征化及其劃分是很有意義的。

對(duì)客戶的特征化，顧名思義就是用數(shù)據(jù)來描述或給出客戶（潛在客戶）特征的活動(dòng)。特征化可以在數(shù)據(jù)庫(kù)（或數(shù)據(jù)庫(kù)的不同部分）上進(jìn)行。這些不同部分也稱為劃分，通常他們互不包含。

劃分分析（Segmentation Analysis）通常用于根據(jù)利潤(rùn)和市場(chǎng)潛力劃分客戶。如：零售商按客戶在所有零售商店的總體購(gòu)買行為，將客戶劃分為若干描述他們各自購(gòu)買行為的區(qū)域，這樣零售商可以評(píng)估哪些客戶有最大利潤(rùn)。劃分是把數(shù)據(jù)庫(kù)分成互不相交部分或分區(qū)的活動(dòng)。一般有兩種方法：市場(chǎng)驅(qū)動(dòng)法和數(shù)據(jù)驅(qū)動(dòng)法。市場(chǎng)驅(qū)動(dòng)法需要決定那些對(duì)業(yè)務(wù)有重要影響的特征，即需要預(yù)先選擇一些特征變量（屬性），以最終定義得到劃分。數(shù)據(jù)驅(qū)動(dòng)法是利用數(shù)據(jù)挖掘中的聚類技術(shù)或要素分析技術(shù)尋找同質(zhì)群體。

三、數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘(Data Mining)是從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取人們感興趣的知識(shí)，這些知識(shí)是隱含的、事先未知的潛在有用信息。通過數(shù)據(jù)挖掘提取的知識(shí)表示為概念、規(guī)則、規(guī)律、模式等，它對(duì)企業(yè)的趨勢(shì)預(yù)測(cè)和行為決策提供支持。

1.分類分析

分類是指將數(shù)據(jù)映射到預(yù)先定義好的群組或類。分類要求基于數(shù)據(jù)屬性值來定義類別，通過數(shù)據(jù)特征來描述類別。根據(jù)它與預(yù)先定義好的類別相似度，劃分到某一類中去。分類的主要應(yīng)用是導(dǎo)出數(shù)據(jù)的分類模型，然后使用模型預(yù)測(cè)。

2.聚類分析

聚類是對(duì)抽象樣本集合分組的過程。與分類不同之處在于聚類操作要?jiǎng)澐值念愂鞘孪任粗０凑胀活愔袑?duì)象之間較高相似度原則進(jìn)行劃分，目的是使同一類別個(gè)體之間距離盡可能小，不同類別中個(gè)體間距離盡可能大。類的形成是由數(shù)據(jù)驅(qū)動(dòng)的。

3.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是從大量的數(shù)據(jù)中挖掘出有價(jià)值的描述數(shù)據(jù)項(xiàng)之間相互關(guān)聯(lián)的知識(shí)。關(guān)聯(lián)規(guī)則中有兩個(gè)重要概念：支持度（Support）和信任度(Confidence)。它們是兩個(gè)度量有關(guān)規(guī)則的方法，描述了被挖掘出規(guī)則的有用性和確定性。關(guān)聯(lián)規(guī)則挖掘，希望發(fā)現(xiàn)事務(wù)數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)，這些規(guī)則往往能反映客戶的購(gòu)買行為模式。

4.時(shí)間序列分析

時(shí)間序列分析是通過對(duì)過去歷史行為的客觀記錄分析，揭示其內(nèi)在的規(guī)律，預(yù)測(cè)未來行為。它旨在從大量的時(shí)間序列中提取人們事先不知道的，但又是潛在有用的、與時(shí)間屬性相關(guān)的信息和知識(shí)。

5.孤立點(diǎn)分析

數(shù)據(jù)庫(kù)中包含那些不符合大多數(shù)數(shù)據(jù)對(duì)象所構(gòu)成規(guī)律(模型)的數(shù)據(jù)對(duì)象，稱為孤立點(diǎn)。對(duì)孤立點(diǎn)挖掘分析可以處理一些特殊事件。

6.回歸分析

在掌握大量觀察數(shù)據(jù)的基礎(chǔ)上，利用數(shù)理統(tǒng)計(jì)方法，建立因變量與自變量之間的回歸關(guān)系函數(shù)。回歸分析法是定量預(yù)測(cè)方法之一，它依據(jù)事物內(nèi)部因素變化的因果關(guān)系來預(yù)測(cè)事物的發(fā)展趨勢(shì)。

四、數(shù)據(jù)挖掘在CRM中的應(yīng)用

1.對(duì)客戶的相關(guān)屬性分析

(1)挖掘客戶的特性

DM的第一步就是識(shí)別客戶群，挖掘客戶特性，如：了解客戶地址、年齡、性別、收入、教育程度、愛好等基本信息，還有健康、嗜好、配偶、家庭環(huán)境等特征信息，發(fā)現(xiàn)其行為規(guī)律，制定吸引客戶的策略。

運(yùn)用分類與聚類方法，從客戶基本庫(kù)中發(fā)現(xiàn)不同的客戶群，用購(gòu)買模式刻畫不同客戶群的特征，針對(duì)不同類型的客戶，提供個(gè)性化的服務(wù)。

(2)客戶行為分析

①客戶滿意度

客戶滿意度分析是對(duì)其產(chǎn)品或服務(wù)的消費(fèi)經(jīng)驗(yàn)總體評(píng)價(jià)，應(yīng)用數(shù)據(jù)挖掘分析方法可以從零散客戶反饋的信息中，分析客戶的滿意度，找出客戶不滿意原因。

②客戶忠誠(chéng)度

客戶忠誠(chéng)度是指客戶愿意繼續(xù)購(gòu)買該企業(yè)產(chǎn)品或服務(wù)的傾向。以客戶的購(gòu)買傾向?yàn)槎龋瑢?duì)客戶數(shù)據(jù)分析，對(duì)高忠誠(chéng)度的客戶繼續(xù)保持，對(duì)低忠誠(chéng)度的客戶要下功夫?qū)⑵渑囵B(yǎng)成高忠誠(chéng)度客戶。利用分類、聚類方法將客戶分為不同客戶群，并從中確定那20% 的對(duì)企業(yè)有80% 貢獻(xiàn)率的最有價(jià)值的客戶群，對(duì)不同價(jià)值貢獻(xiàn)率客戶采取不同策略和措施。

③客戶保持

保持客戶的同時(shí)不斷挖掘潛在客戶，是企業(yè)持續(xù)發(fā)展的重要手段。通過數(shù)據(jù)挖掘的決策樹、神經(jīng)網(wǎng)絡(luò)等方法建立預(yù)測(cè)模型，識(shí)別潛在客戶。還可以通過客戶盈利能力分析，幫助企業(yè)制定市場(chǎng)策略，留住有價(jià)值的客戶，開發(fā)潛在客戶。用聚類(分類)和關(guān)聯(lián)分析，發(fā)現(xiàn)有價(jià)值穩(wěn)定的客戶群，有價(jià)值易流失的客戶群，低價(jià)值穩(wěn)定的客戶群和低價(jià)值不穩(wěn)定的客戶群，采取不同的服務(wù)（推銷）和價(jià)格策略穩(wěn)定有價(jià)值客戶，轉(zhuǎn)化低價(jià)值客戶。

④客戶跟蹤服務(wù)

對(duì)客戶的變動(dòng)要及時(shí)跟蹤分析客戶變動(dòng)原因，防止客戶群體的流失，指導(dǎo)企業(yè)合理配置資源，為客戶提供“一對(duì)一”個(gè)性化服務(wù)，以抓住現(xiàn)有客戶并吸引潛在客戶。

⑤客戶生命周期價(jià)值

基于客戶生活方式和購(gòu)買行為建立客戶分群，計(jì)算不同客戶分群的生命周期價(jià)值，設(shè)計(jì)差異化的溝通策略。分析客戶不同時(shí)期收入、成本、風(fēng)險(xiǎn)，利用價(jià)值理論公式得出客戶的價(jià)值并提供預(yù)測(cè)。數(shù)據(jù)挖掘技術(shù)分析和預(yù)測(cè)不同市場(chǎng)活動(dòng)情況下客戶盈利能力的變化，幫助企業(yè)制定市場(chǎng)策略。

⑥交叉銷售

分析客戶消費(fèi)記錄，發(fā)現(xiàn)潛在交叉購(gòu)買需求，選擇最合適的交叉銷售形式。數(shù)據(jù)挖掘可尋找那些影響客戶購(gòu)買行為的因素，挖掘隱藏在數(shù)據(jù)間的表面看似獨(dú)立事件間的相互關(guān)系。如發(fā)現(xiàn)“90% 的顧客在一次購(gòu)買活動(dòng)中購(gòu)買A 商品的同時(shí)購(gòu)買B 商品”之類的知識(shí)，展開交叉營(yíng)銷。

⑦異常分析

異常事件在商業(yè)領(lǐng)域中往往具有顯著價(jià)值，如：金融欺詐、客戶流失等。通過數(shù)據(jù)挖掘中的偏差分析可以迅速準(zhǔn)確地找到異常事件，制定相應(yīng)的營(yíng)銷策略。客戶流失是異常情況之一，根據(jù)以前的客戶流失數(shù)據(jù)，包括：客戶屬性、服務(wù)屬性、消費(fèi)屬性與流失可能性關(guān)聯(lián)的數(shù)學(xué)模型，找出客戶流失原因，建立預(yù)測(cè)模型推測(cè)現(xiàn)有客戶的流失情況。

2.市場(chǎng)分析

預(yù)測(cè)不同區(qū)域消費(fèi)者對(duì)不同產(chǎn)品的消費(fèi)趨勢(shì)、季節(jié)變化、非規(guī)則變化等。采用時(shí)序分析方法，對(duì)基于時(shí)間序列銷售數(shù)據(jù)進(jìn)行趨勢(shì)分析，預(yù)測(cè)市場(chǎng)的趨勢(shì)變化、循環(huán)變化、季節(jié)性變化、非規(guī)則或隨機(jī)變化。通過對(duì)客戶關(guān)系管理系統(tǒng)分析，可有效地指導(dǎo)企業(yè)在市場(chǎng)、銷售、服務(wù)等方面將資源分配給有價(jià)值的客戶，掌握客戶的行為模式，以應(yīng)對(duì)各種客戶行為以及市場(chǎng)變化。

3.市場(chǎng)劃分方法

依據(jù)客戶消費(fèi)習(xí)慣、收入、偏好、購(gòu)買頻率等因素將客戶分類，使同一細(xì)分市場(chǎng)里的客戶具有相似偏好和需求。在市場(chǎng)劃分前，先做好如下工作：定義業(yè)務(wù)目標(biāo)，構(gòu)建市場(chǎng)劃分團(tuán)隊(duì)，檢查和評(píng)估數(shù)據(jù)需求，選擇恰當(dāng)?shù)姆治鰧哟危诳蛻羧后w中選擇好用于分析的樣本，從指定的數(shù)據(jù)源為樣本抽取數(shù)據(jù)，清理數(shù)據(jù)，然后選擇恰當(dāng)?shù)膭澐址椒ā?/p>

(1)預(yù)定義劃分方法

分析人員根據(jù)已有經(jīng)驗(yàn)分析市場(chǎng)，分析各個(gè)變量和數(shù)據(jù)，然后決定劃分市場(chǎng)。使用不活躍交易群體，可能流失客戶群體和潛在信用使用群體等進(jìn)行市場(chǎng)劃分。恰當(dāng)?shù)氖袌?chǎng)劃分取決于商業(yè)目標(biāo)和對(duì)客戶的了解程度。

(2)統(tǒng)計(jì)劃分方法

在客戶劃分?jǐn)?shù)目太多或?qū)δ繕?biāo)群體不是很了解時(shí)采用，這種方法是利用各種數(shù)據(jù)統(tǒng)計(jì)技術(shù)劃分客戶。開展新客戶工作或?qū)Ξ?dāng)前客戶所知甚少時(shí)，采用此方法。

(3)復(fù)合劃分方法

綜合采用預(yù)定義劃分和統(tǒng)計(jì)劃分方法，具體采用何種順序取決于對(duì)客戶群體的了解。綜合使用兩種方法能夠敏銳地洞察客戶群體。

應(yīng)用合適的劃分方法，需要看劃分效果如何？看這樣劃分與業(yè)務(wù)目標(biāo)是否相關(guān)，是否可理解和容易特征化。這種評(píng)估分析可以通過定性和定量?jī)蓚€(gè)步驟，分析的內(nèi)容主要是判斷同一個(gè)劃分內(nèi)的客戶是否類似（特征、頻度分布），每個(gè)客戶劃分是否與其他客戶劃分都不相同，每個(gè)客戶劃分是否都有與之對(duì)應(yīng)的面向業(yè)務(wù)目標(biāo)與策略。

對(duì)潛在客戶的挖掘，往往是在“信息不對(duì)稱”情況下做出的決策，這種決策不可避免帶有人為因素。因?yàn)橐话闶抢每尚?成熟、廉價(jià)、易得) 的技術(shù)、手段來減少信息的不確定性與不對(duì)稱性。這種情況下無法對(duì)客戶作全面了解和測(cè)評(píng)，所得出的結(jié)論往往帶有個(gè)性化因素，有可能漏掉部分重要客戶。

4.聚類分析以發(fā)現(xiàn)客戶劃分

聚類分析是將數(shù)據(jù)（樣本）分割成具有相似特性的群體以實(shí)現(xiàn)劃分。在聚類分析中，衡量不同數(shù)據(jù)在屬性上的相似性主要有兩種方法：距離與相關(guān)系數(shù)。數(shù)據(jù)之間相似性的程度高低，可以通過數(shù)據(jù)在空間分布之間的距離衡量其相似性。數(shù)據(jù)之間的相似性還可以通過在不同變量之間的關(guān)聯(lián)程度來反映。相關(guān)系數(shù)主要用于衡量不同變量之間的協(xié)同程度，即一個(gè)變量變化與另一個(gè)變量變化之間的關(guān)系。使用距離或相關(guān)系數(shù)法，把特征上相似的觀察數(shù)據(jù)值聚在一起，試圖把相異的觀察數(shù)據(jù)分開，以實(shí)現(xiàn)分類劃分。聚類分析所形成的結(jié)果是一個(gè)聚類模型，分析人員可根據(jù)聚類模型，研究不同類別在各個(gè)變量上的特性，形成一組類別劃分規(guī)則。

五、結(jié)論

客戶的特征化及其劃分是數(shù)據(jù)挖掘最直接、最簡(jiǎn)單而有效的應(yīng)用。準(zhǔn)確掌握顧客的消費(fèi)偏好改變，對(duì)潛在客戶群體建立響應(yīng)模型，適時(shí)提供客戶所需要的服務(wù)與信息，維持與掌握客戶的滿意度，有效利用數(shù)據(jù)挖掘結(jié)果做決策。但數(shù)據(jù)挖掘不是萬能的，在實(shí)際應(yīng)用中還要受到許多條件限制。要有足夠合適的數(shù)據(jù)，選擇恰當(dāng)?shù)哪Ｐ秃退惴ǎ袥Q策者的支持等都是有效應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要條件。

參考文獻(xiàn)：

[1]Olivia Parr Rud著 朱楊勇等譯:數(shù)據(jù)挖掘?qū)嵺`[M].北京:機(jī)械工業(yè)出版社，2003

[2]Jiawei Han，Micheline Kamber著 范明等譯:數(shù)據(jù)挖掘:概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社，2001

[3]劉友軍 吳 建:數(shù)據(jù)挖掘在CRM中的應(yīng)用研究[J].商場(chǎng)現(xiàn)代化，2007（35），37～38

[4]夏維力 王 鑫 王青松:數(shù)據(jù)挖掘技術(shù)在企業(yè)客戶關(guān)系管理中的應(yīng)用研究[J].科技管理研究，2007(6)，196～198