數據挖掘技術及其在客戶關系管理中的應用

王維家 熊建設 張學夢

摘要:數據挖掘在客戶關系管理中的應用是數據庫和數據倉庫方面的一個研究熱點,也是企業實現信息化的重要方法。本文簡要介紹了數據挖掘和CRM的概念,重點分析了數據挖掘的基本原理和步驟,并介紹了數據挖掘在CRM中的重要應用。

關鍵詞:數據倉庫;數據挖掘;CRM;企業信息化

1 數據挖掘技術和CRM概述

1.1數據挖掘技術概述

數據挖掘是信息技術自然演化的結果。從總體上看,信息技術的發展歷程經歷了以下幾個過程:數據收集和數據庫創建、數據管理、數據分析和理解。隨著信息量的增大,同時提供查詢和事物處理的大量數據庫系統的廣泛應用,數據分析和理解成為下一個目標。在這樣的背景下,數據挖掘技術應運而生,數據挖掘就是從海量的數據中挖掘所需信息的技術!

1.2 CRM概述

客戶關系管理(Customer Relationship Management)是一種以客戶為中心的經營策略,它以信息技術為手段,對業務功能進行重新設計,并對工作流程進行重組,是現代電子商務活動的核心部分。CRM的主要含義就是通過對客戶詳細資料的深入分析,來提高客戶滿意程度,從而提高企業的競爭力的一種手段,它主要包含以下幾個方面[6](簡稱7P):①客戶概況分析(Profiling)包括客戶的層次、風險、愛好、習慣等; ②客戶忠誠度分析(Persistency)指客戶對某個產品或商業機構的忠實程度、持久性、變動情況等; ③客戶利潤分析(Profitability)指不同客戶所消費的產品的邊緣利潤、總利潤額、凈利潤等; ④客戶性能分析(Performance)指不同客戶所消費的產品按種類、渠道、銷售地點等指標劃分的銷售額;⑤客戶未來分析(Prospecting)包括客戶數量、類別等情況的未來發展趨勢、爭取客戶的手段等;⑥客戶產品分析(Product)包括產品設計、關聯性、供應鏈等;⑦客戶促銷分析(Promotion)包括廣告、宣傳等促銷活動的管理。

2 數據挖掘和CRM的關系

目前,面向CRM的數據挖掘應用研究是數據挖掘應用研究領域的一個重要課題。研究涉及應用功能、應用方法、算法、模型、數據處理、系統設計和開發等方面。

數據挖掘技術是對數據進行查詢,并且找出過去數據之間的潛在聯系,從而促進信息的傳遞[3]。數據挖掘工具能夠對未來的行為和趨勢進行預測,從而為企業的經營決策提供依據和支持,并對客戶需求進行深入分析,滿足企業對客戶細分市場的需求,幫助企業留著老客戶、發展新客戶并鎖定利潤率最高的客戶。因此,數據挖掘是CRM的核心,是決定企業發展的關鍵。

3 數據挖掘技術的應用過程

3.1 確定挖掘對象

數據挖掘的第一步就是要定義清晰的挖掘對象,認清數據挖掘的目標。在定義挖掘對象時,需要確定這樣的問題:從何處入手?需要挖掘什么數據?需要多少數據?數據挖掘要進行到什么程度?將數據挖掘應用于客戶關系管理中,就需要對客戶關系管理的商業主題進行仔細的定義。每個CRM應用都有一個或多個商業目標,要為每個目標建立恰當的模型。

3.2 準備數據

在確定數據挖掘的業務對象后,需要搜索所有與業務對象有關的內部和外部數據,從中選出適合于數據挖掘應用的數據。

3.3 建立模型

將數據轉換成一個分析模型,這個分析模型是針對挖掘算法建立的。建立一個真正適合于挖掘算法的分析模型,是數據挖掘的關鍵。

3.4 數據挖掘

對所得到的經過轉化的數據進行挖掘,除了完善于選擇合適的算法需要人工干預外,數據挖掘工作都由數據挖掘工具自動完成。

3.5 結果分析

當數據挖掘出現結果后,要對挖掘結果進行解釋和評估。

3.6 知識應用

數據挖掘的結果經過業務決策人員的認可,才能實際應用。要將通過數據挖掘得出的預測模式和各個領域的專家知識結合在一起,構成一個可供不同類型的人使用的應用程序。

4 數據挖掘在客戶關系管理中的應用

對于CRM應用來說,數據挖掘技術有著巨大的輔助作用,它可以輔助決策人員定位于他們的最佳客戶和潛在客戶,通過提高客戶滿意度和忠誠度最大化客戶收益率,以降低成本,增加收入。數據挖掘在客戶關系管理中的應用主要在以下幾個方面:

4.1 客戶細分

客戶細分是指將一個消費群體劃分成一個個細分群的過程,在一個細分群中,消費者彼此相似,而隸屬于不同細分群中的消費者差異十分明顯。

采用數據挖掘組合分類方法的客戶細分屬于數據驅動的客戶細分。客戶細分必須滿足以下條件:①完整性,數據庫中的每一個消費者都必須屬于一個細分群。②互斥性,數據庫中的任何一個消費者都不能同屬于多個細分群。

4.2 客戶獲取

在CRM中,業務發展的一個重要指標就是新客戶的獲取能力。數據挖掘技術可以用于對潛在客戶群進行篩選,并把潛在客戶名單和他們感興趣的優惠措施進行關聯,以增加市場推廣活動產生的反饋率。為了更加有效地吸引新客戶,需要對客戶反映行為模式進行分析。對于客戶反應行為模式分析,從數據挖掘技術角度可以認為是分類問題,可以用組合分類方法進行處理。

4.3 客戶保持

隨著市場經濟的發展和深化,行業內部的競爭也越來越激烈,獲得一個新客戶的成本也越來越大,而保持舊客戶比獲取新客戶更能節約成本,所以保持原有客戶的工作就顯得非常具有價值。如何使用數據挖掘來對不同的旨在保留客戶的活動中進行建模將對整個客戶保持工作起著重要的作用。客戶流失或者客戶轉移是許多行業都會出現的問題,許多公司需要花費大量的人力物力財力去保留客戶,或者去競爭對手那里爭奪新的客戶。

改進保留客戶的途徑之一是在客戶真正流失之前采取行動,這也就是流失模型的價值所在。由于客戶流失對公司利潤有重大的影響,很多公司都把流失模型作為客戶忠誠度計劃的主要關注點。組合分類方法可以用于流失模型的建立。

4.4 交叉營銷

交叉營銷就是指向現有的客戶提供新的產品和服務的營銷過程。交叉營銷的一種形式叫做"提升銷售",是指向客戶提供與他們已購買的服務相關的新服務。

使用數據挖掘技術進行交叉營銷的分析一般是從分析現有客戶的購買行為的數據開始的。首先要得到關于現有客戶消費習慣的數據。其實,大部分多項產品的交叉營銷研究與單項銷售所需的分析并無太大區別,。多項產品的交叉營銷可以看作是單向產品銷售的疊加,其中的關鍵在于要對所有的客戶提供最合適的產品和服務。這樣客戶所接受的這些服務才能同時給賣方和買方帶來最大的收益。在分析交叉營銷時,具體的數據挖掘過程包含三個步驟:①對個體行為進行建模;②用預測模型對數據進行評分;③對得分矩陣進行最優選擇。

4.5 客戶風險分析

風險分析是提供產品或服務時存在潛在損失的行業所特有的。組合分類方法可以為風險分析建立分類定位模型。常見的風險類型出現在銀行業和保險業。其他行業因為有先使用后付款的承諾,所以在提供產品或服務時也存在一定的風險,這些行業包括電信、能源供應、零售業等。這些行業的風險與銀行業的風險相似,因為它反映了客戶是否能為商品或服務如期付款。

欺詐風險是許多公司關心的另一個風險領域,對銀行和保險公司更是如此。欺詐檢測模型通過了解客戶的典型消費行為幫助公司減少損失。如果客戶的消費習慣變化極大,則風險處理就采取措施停止或進行監控,直到這種情況達到可評估為止。

5 總結

在CRM中使用數據挖掘技術,可以方便地使企業看到自己客戶各方面的情況,是企業保持和增強市場競爭力的重要手段,為企業規劃更好的發展戰略提供支持[7]。數據挖掘是CRM的基礎和前提,CRM是數據挖掘的延續和創新,通過兩者有效地組合,最大限度地了解客戶需求,提高顧客滿意度,不斷促進企業單個客戶價值的提升和客戶規模的擴大,有效推動企業價值和實力的不斷攀升,提高企業的競爭優勢。

參考文獻

[1] 王亞平. 數據庫系統工程師教程(M).清華大學出版社,2004

[2] 張 . 數據挖掘及其在客戶關系管理中的應用(M).復旦大學出版社,2007

[3] 崔巍. 數據庫系統及其應用(M). 高等教育出版社,2003

[4] 鄭華.基于數據挖掘銀行客戶關系管理系統構建研究(J).廣西輕工業,2008,10(10):82-83.

[5] 車曉妮.基于SQL SERVER 2005的數據挖掘算法應用研究與實現(J).沈陽師范大學學報,2008,10(4):446-448.

[6] Sharp P K.Efficient GA based techniques for classification[J].Applied Intelligence,1999,11(3):277-284.

[7]樊治平,王建宇,陳媛.客戶關系管理(CRM)評述與展望[J].系統工程,2002,20(6):1-8.