數據挖掘模型在CRM中的應用

河北大學 趙璞

河北大學衛生職業技術學院 常萌

在CRM中，需要借助大量的知識和方法，把表面的、無序的信息整合，揭示出潛在的關聯性和規律，從而用于指導決策。目前數據挖掘技術在國內外的顧客關系管理上，最常使用在直效營銷、購物交叉營銷、客戶關系營銷、客戶服務或客戶流失分析等應用上。

數據挖掘技術是客戶關系管理深層次應用的技術核心，幾乎就是為其量身定做的。在客戶關系管理的各個階段都可用到數據挖掘技術，數據挖掘在CRM中的應用模型如圖1，在實踐中這需要在客戶關系的各個階段使用與客戶相關的信息來預測與客戶的相互作用。

圖1

下面從數據挖掘模型在CRM中的功能與應用入手說明數據挖掘技術對CRM的影響。

1 數據挖掘的功能

數據挖掘具有五項最重要的功能(分析方法)：分別是分類、估值、預測、關聯分組以及同質分組(聚類)。

1.1 分類

根據分析對象的屬性，分門別類并加以定義，就是通過分析樣客戶數據庫洪的數據，為每個類別作出準確的描述或建立類組(Calss)。例如，將網絡購物者的購物意愿屬性，區分為高度購物意愿者，中度購物意愿者及低度購物意愿者。分類法所使用的技巧，常見的有判定樹(Decision Tree)、記憶基礎推理(Memony-Based Reasoning)等。

1.2 估值

分類適用于非連續性的數據，而估值則適用于處理連續性數值的數據。所謂估值是依照既有的相關屬性數據，來推導一些未知的連續性變量，從而得到某一屬性的未知值。例如根據信用卡申請者的教育程度、消費行為來推估其信用卡消費量。還有，推估家庭的總收入，推估顧客接受轉帳繳費的機率等。使用的技術包括統計方法的相關分析、回歸分析及類神經網絡方法等。

1.3 預測

預測和估值其實相當類似，只不過預測特別是針對未來的趨勢作推算，若要檢視其正確性，就只能等事實發生的結果才能定論。所以，所謂預測，是根據對象屬性的過去觀察值，推估該屬性未來的值。例如，由顧客過去的刷卡消費量預測其未來刷卡消費。所有相關于分類與推估的技術，也都可以修正后用來進行預估。值得一提的是，歷史類是相當良好的來源。我們可借助查看歷史數據，建立模型從而獲得未來變化的預測值。使用的技術包括購物籃分析、回歸分析、 時間數列分析及燈類神經網絡方法等。

1.4 關聯分組

簡單地說，就是分析“哪些事情總是一起發生？”舉個最簡單的例子，超市的“購物籃分析”可以用來了解哪些產品常被一起購買。因此，所謂關聯分析，就是在所有對象中決定哪些相關對象應該放在一起。例如在賣場里，沐浴乳和洗發精常被放在同一貨架或附近貨架上，因為它們被一起購買。在客戶營銷系統上，關聯分組用來確定交叉銷售，“cross selling”的機會，以設計吸引人的產品線。

1.5 同質分組(clustering)

將一個異質總體，區隔為一些具同質性的類別(clusters)。和分類最大的不同在于，同質分組并沒有根據事先明確義好的類組來進行分類。同質分類相當于營銷術語中的區隔化(seginentation)，不過事先并未對區隔加以定義，而是從數據中自然產生區隔。

2 數據挖掘在CRM中的應用

數據挖掘在CRM中能夠起的應用表現在以下幾個方面：

2.1 客戶保持與流失

客戶的保持是客戶關系管理的核心內容，也是考核客戶關系管理系統成功與否的首要指標。行業的競爭越來越激烈，獲取新客戶的成本節節攀升，保持老客戶也越來越有價值。首先，在客戶關系管理中可以運用數據挖掘方法來預測客戶的流失趨勢，并找出影響企業保持能力因素的薄弱環節。其次，通過數據挖掘經過一定的預測結果后，商家可以采取相應的預防措施，最大量地減少客戶流失，提高企業客戶保持能力。

2.2 個性化營銷、交叉銷售分析

商家與客戶建立商業關系后，商家會盡力優化這種關系，延長關系時間，關系期內增加接觸，每次接觸中獲取更多的利潤。通過數據挖掘，對交叉銷售營銷做分析時主要是：一分析現有客戶的購買行為和消費習慣數據，企業可針對不同的消費行為及其變化制定個性化營銷策略，并從中篩選出“黃金客戶”。二是預測分析客戶將來的消費行為，以便對每種銷售方式進行評價。三是對客戶數據進行分析，這包括按產品、促銷效果、銷售渠道、銷售方式等進行的分析。同時，要分析不同客戶對企業效益的不同影響，分析客戶行為對企業收益的影響，使商家決定為客戶提供哪一種交叉銷售服務最合適，使企業與客戶的關系及企業利益得到最優化。

2.3 客戶忠誠度分析

忠誠度分析包括客戶持久性、牢固性及穩定性分析。

2.4 營銷活動響應

數據挖掘可以幫助企業提高市場活動的響應率，使營銷活動做到心中有數，有的放矢。企業為了與客戶溝通可以采用廣泛的媒體廣告。大量的電話行銷，市中心及車站碼頭的廣告牌等方式。企業可利用現有的客戶記錄和資料找出客戶的一些共同特征對客戶進行群分后，再預測哪些人可能會對企業的營銷活動產生反應，以幫助市場銷售人員找到正確的行銷對象，如圖2所示。

圖2

2.5 客戶價值分析

企業的利潤與客戶價值息息相關，其實客戶關系管理的核心就是在于提高客戶價值。它和客戶忠誠度正向相關，是數據挖掘的基礎。數據挖掘可以用來預測不同市場活動下客戶價值的變化。通過預測客戶未來的行為，不斷調整客戶關系維護的策略，從而贏得高價值的客戶的忠誠，把高價值的客戶留住，從而最大化高價值客戶的終身價值。對于一家典型的商業銀行來說，最為重要的20%的客戶能帶來總收入的140%到150%的收益，而其中50%的收益被銀行另外20%的最差的客戶從銀行利潤中吞噬掉了。這一結果也說明了，龐大的市場份額并不一定總能帶來高額利潤。這家銀行的管理層必須明白銀行的真正利潤是從哪里來的，通過數據挖掘，將營銷目標定位于那些能給銀行帶來最多利潤的優質客戶。另外，客戶的盈利能力也會經常變化。企業如果能良好預測客戶預期的盈利能力趨勢，將會給企業的客戶關系管理能力帶來良好的效果。

2.6 參數調整

參數調整的作用主要是為了提高分析結果的靈活度，擴大其適用范圍。例如，價格的變化對收入會有什么樣的影響？客戶的消費點臨近什么值時正式開始成為“正利潤”客戶？企業需要通過對收集的各種信息進行整理分析，利用科學的方法做出各種決策。

[1]王曉芳.CRM概念與顧客價值應用策略[J].商業研究,2009,2.(566).

[2]何榮勤. CRM原理、設計、實踐[M].電子工業出版社,2003,1.

[3]曉函.數據倉庫在銀行經營管理中的作用[J].海脈網絡經濟周刊,2000,9.

[4]彭木根.數據倉庫技術與實現[M].北京：電子工業出版社,2002.

[5]劉蘭輝.數據倉庫和數據集市[J].內蒙古科技與經濟,2004,7,14.