基于CRM信息技術的渠道偏好度模型的管理應用

摘要：文章以CRM系統(tǒng)對客戶行為和偏好的深入分析為基礎，對基于信息技術對客戶的渠道偏好進行了深入探討。論文以中國電信行業(yè)為例，選取了一個典型案例企業(yè)，對其電話客服中心、短信渠道和網站渠道的偏好度進行分析，研究結論對電信運營商的提升客戶關系、提升業(yè)務績效、提高客戶數(shù)據(jù)處理技術方面均提供了良好的指導。

關鍵詞：CRM；渠道偏好度；電信

一、 案例研究方法與模型介紹

西方學者的案例研究過程淵源已久，Kyburz-Graber（2004）將案例研究分為三類：描述性案例研究、探索性案例研究以及因果解釋性案例研究。本研究屬于探索性案例研究，希望以國內一家電信運營商的CRM管理過程實踐為研究對象，分析客戶對于渠道的偏好度。本案例企業(yè)為某電信運營商的一家地市分公司，擁有超過三百萬用戶，主要從事移動通信和數(shù)據(jù)服務業(yè)務。

這家電信運營商在完成基本的各種業(yè)務運營的生產性信息系統(tǒng)后，進一步完成數(shù)據(jù)匯總并建設了涵蓋所有客戶互動歷史數(shù)據(jù)的中央數(shù)據(jù)倉庫系統(tǒng)作為企業(yè)級業(yè)務數(shù)據(jù)平臺。其市場營銷部門充分利用這個統(tǒng)一集中的管理信息平臺，對客戶作各種深度的數(shù)據(jù)挖掘研究。對于渠道的偏好度的研究分析方案如下：

1. 渠道的類型定為四類：營業(yè)廳、電話客服中心、短信、網站。

2. 客戶渠道的偏好度模型，使用數(shù)據(jù)挖掘的人工神經網絡技術（詳述如后），計算出每個用戶使用四種渠道辦理業(yè)務的傾向度評分。

3. 主要的數(shù)據(jù)來源包括客服中心呼叫記錄，短信請求記錄，網站渠道運營記錄，業(yè)務支撐系統(tǒng)工單，服務使用數(shù)據(jù)，以及客戶基本屬性數(shù)據(jù)等。

4. 時間分析窗口數(shù)據(jù)，利用渠道偏好度模型給每個分析用戶進行渠道使用傾向評分，再通過驗證窗口用戶使用渠道情況進行模型驗證。分析窗口：用于分析特征的歷史數(shù)據(jù)的時間跨度，需要3個月的歷史數(shù)據(jù)；驗證窗口：用于驗證用戶使用渠道情況，需要2個月的歷史數(shù)據(jù)。

5. 本案例研究所使用的技術方法為人工神經網絡（ANN）。人工神經網絡的研究發(fā)展起源于20世紀40年代，是一種模仿人腦神經系統(tǒng)的非線性映射結構。它不依賴于精確數(shù)學模型，而顯示出自適應和自學習功能。1943年，法國心理學家W.S.McCuloch和W.Pitts提出了第一個神經元數(shù)學模型，開創(chuàng)了人類自然科學史上的一門新興科學ANN的研究。

人工神經網絡會不斷檢驗預測結果與實際情況是否相符。把與實際情況不符合的輸入輸出數(shù)據(jù)作為新的樣本，對新樣本進行動態(tài)學習并動態(tài)改變網絡結構和參數(shù)，這樣使網絡適應環(huán)境或預測對象本身結構和參數(shù)的變化，從而使預測網絡模型有更強的適應性。而在ANN的實現(xiàn)過程中，往往需要大量的數(shù)據(jù)來產生充足的訓練和測試樣本模式集，以有效地訓練和評估ANN的性能，這正好是建立在數(shù)據(jù)倉庫和數(shù)據(jù)挖掘工具所能提供的。由于ANN和數(shù)據(jù)挖掘兩者的優(yōu)勢互補，將神經網絡用于數(shù)據(jù)挖掘具有現(xiàn)實意義和實用價值。人工神經網絡在數(shù)據(jù)挖掘中的優(yōu)勢是：對于噪聲數(shù)據(jù)的強承受能力，對數(shù)據(jù)分類的高準確性，以及可用各種算法進行規(guī)則提取。

人工神經網絡方法常用于分類、聚類、特征挖掘、預測和模式識別。神經網絡模型大致可分為以下三種：（1）前饋式網絡：以感知機、反向傳播模型和函數(shù)型網絡為代表，主要用于預測和模式識別等領域；（2）反饋式網絡：以Hopfield離散模型和連續(xù)模型為代表，主要用于聯(lián)想記憶和優(yōu)化計算；（3）自組織網絡：以自適應共振理論：（Adaptive Resonance Theory，ART）模型為代表，主要用于聚類分析。

在本案例應用中，主要是用前饋式網絡來進行多變量的概率分布預測。因為本文目標是對用戶使用幾種渠道的可能性高低進行預測。

二、 案例研究的實施與分析

1. 業(yè)務規(guī)劃的考量。對客戶使用渠道的習慣偏好進行分析具有重大意義，可以對營銷活動提供有力的支持。通過客戶行為特征分析，尋找客戶選擇渠道的偏好，提供客戶營銷渠道的最優(yōu)路徑。不但有利于優(yōu)化渠道資源，降低營銷成本，更能提高營銷成功率，提升客戶滿意度。

目前電信客戶可以使用的移動通信服務渠道包括營業(yè)廳、電話客服、短信、網站、自助服務終端等，其中營業(yè)廳提供服務功能最為齊全，但成本也是最高；電話客服使用最為廣泛，幾乎每個客戶都有使用電話客服的經驗，也是提供最多服務的渠道，對于電信公司的用戶滿意度非常重要。因此，研究應用的重點之一就是如何發(fā)揮電話客服的優(yōu)勢，以有限資源服務更多的高價值客戶和業(yè)務，減少低價值客戶和業(yè)務占用客服資源的比例。同時，重點發(fā)展電子渠道，著重提高電子渠道的普及率，培養(yǎng)用戶使用電子渠道的習慣，引導用戶從傳統(tǒng)渠道（營業(yè)廳、電話客服）向電子渠道（短信和網站）轉變。

2. 具體的技術實現(xiàn)方案：

（1）數(shù)據(jù)準備：基于業(yè)務理解以及數(shù)據(jù)分析，選取以下變量為構建模型的基礎變量；（詳細列表如表1所示）

（2）數(shù)據(jù)質量分析：對預處理之后的基礎變量進行數(shù)據(jù)質量分析以剔除質量較差的變量；

（3）數(shù)據(jù)探索：通過可視化（Visualization）工具及統(tǒng)計分析等方法來展示及探索各個變量的可用性，從而獲得模型的輸入變量。從中了解變量的重要性及業(yè)務發(fā)展規(guī)律；

（4）數(shù)據(jù)處理流程：按照挖掘任務的要求，將數(shù)據(jù)從中央數(shù)據(jù)倉庫抽取生成挖掘專用的數(shù)據(jù)集市。基本的數(shù)據(jù)處理流程有：數(shù)據(jù)源的匯總合并；執(zhí)行數(shù)據(jù)探索抽樣；透過人工神經網絡（ANN）進行模型打分；產生模型并進行模型驗證整體技術方案的關鍵點體現(xiàn)在兩個方面：建模過程：為渠道偏好的分類預測找到合適的基礎變量，有助于模型收斂更快更好；模型應用過程：應用最小長度原理，控制隱藏節(jié)點數(shù)，以達到擬合最優(yōu)。另借助SAS軟件工具實現(xiàn)模型打分。

3. 具體應用實現(xiàn)案例。根據(jù)電話、網站、短信和營業(yè)廳渠道各個評分前10%的用戶，取各渠道用戶的評分值、每用戶平均收入（ARPU）、以及在網時長的信息設計營銷方案。

（1）對偏好電話的客戶，通過電話營銷中心外呼進行營銷，完成后需要對客戶進行短信感謝，同時介紹網站渠道的便利性和信息豐富的特點。

（2）對偏好網站的客戶，通過短信提醒用戶登錄網上營業(yè)廳辦理業(yè)務的優(yōu)惠信息，在客戶登錄網上營業(yè)廳時進行營銷推薦，同時考慮發(fā)展響應較高的用戶群作為網站營銷的種子客戶，進行持續(xù)的優(yōu)惠激勵。

（3）對偏好短信的客戶，通過短信進行營銷推薦，給予短信辦理業(yè)務的優(yōu)惠條件，提醒客戶可以嘗試使用信息更加豐富的渠道——網站，并提供網站辦理的簡單指引。

（4）對偏好營業(yè)廳的客戶，通過短信提醒客戶最近的營業(yè)廳，同時推薦客戶使用電話渠道，而后再通過電話引導客戶使用營業(yè)廳之外的渠道，并考慮對這些客戶給予業(yè)務優(yōu)惠吸引他們采用。

4. 渠道模型分析結果與驗證。

（1）電話客服中心渠道的偏好度分析。在電話客服中心的營銷活動中，電話外呼的目標客戶優(yōu)先選擇具有電話偏好度的客戶群，其次是沒有明顯渠道偏好的客戶群，再次是營業(yè)廳偏好的客戶群，針對營業(yè)廳偏好客戶，可以在電話營銷的時候加入向用戶推薦就近的營業(yè)廳的資料。

通過電話渠道偏好客戶分析，歸納出影響偏好電話客服渠道最明顯的前10個參數(shù)如表2示。

其中，撥打客服次數(shù)、在網時長、總計費分鐘數(shù)、是否VIP客戶、撥打客服平均時長、撥打聲訊臺次數(shù)、呼轉次數(shù)這7個因素對客戶的電話偏好產生正影響，也就是客戶的這些參數(shù)的值越大，其偏好電話渠道的可能性就越大；而網站操作業(yè)務類型數(shù)、短信操作次數(shù)、網站登錄次數(shù)這3個因素對電話偏好產生負影響，與正影響相反。

以“撥打客服次數(shù)”為例，T統(tǒng)計量基本顯著（P-值小于顯著性水平0.05），即“撥打客服次數(shù)”對因變量具有顯著的解釋能力，參數(shù)估計值為0.102 3，即在其他控制其他變量不變的情況下，對數(shù)發(fā)生比隨著“撥打客服次數(shù)”的增加而增加。

從電話渠道模型驗證的角度，前10%的用戶數(shù)量明顯較多，因此選擇前模型得分前10％的客戶作為電話偏好的目標客戶。從圖2的曲線來看，模型得分前10％的客戶覆蓋實際具有電話渠道偏好客戶比例達到了30％以上，因此模型提升率達到3倍以上，說明選擇前10%是可以滿足目前的要求。

（2）短信渠道的偏好度分析。通過短信渠道偏好客戶分析，歸納出影響偏好短信渠道最明顯的前9個參數(shù)：其中短信操作業(yè)務類型數(shù)、WLAN使用分鐘數(shù)、是否使用中文秘書、漫游計費分鐘4個參數(shù)，對短信偏好產生正影響；而在網時長、網站操作業(yè)務類型數(shù)、總計費分鐘數(shù)、撥打客服次數(shù)、是否使用留言信箱5個參數(shù)對短信偏好產生負影響。

由于短信辦理業(yè)務的方式比較容易被年輕人接受，而在網時長比較大的客戶通常是老客戶，他們比較習慣使用電話，使用短信的可能性比較小，因此對比可以看出，在網時長對電話渠道是正影響，對短信渠道是負影響。

對短信渠道模型進行驗證，幾乎所有的短信業(yè)務辦理的用戶都是模型得分在20％以內的，采用短信方式辦理業(yè)務的用戶的得分都很高，模型覆蓋率非常精確，模型評分前20％的用戶幾呼覆蓋100％的短信辦理用戶，模型提升率接近5倍。說明短信渠道偏好的模型評價用戶是否有短信偏好的能力較強，具有很好的預測能力。

（3）網站渠道的偏好度分析。通過網站渠道偏好的客戶分析，歸納出影響偏好網站渠道最明顯的前10個參數(shù)：其中網站操作業(yè)務類型數(shù)、數(shù)據(jù)業(yè)務使用種類數(shù)、是否使用號碼管理3個參數(shù)對網站偏好產生正影響；而撥打客服次數(shù)、總計費分鐘數(shù)、撥打客服平均時長、訂購的WAP服務數(shù)、是否VIP客戶、短信操作業(yè)務類型數(shù)、彩鈴IVR買歌次數(shù)7個參數(shù)對網站偏好產生負影響。

前10大參數(shù)中，網站偏好影響為正的參數(shù)只有3個，負影響的因素則有7個，原因是參數(shù)的設置和選擇目前主要來自于客戶屬性和使用手機的信息，這些內容通常與網站操作沒有太多關聯(lián)性，與網站相關的許多數(shù)據(jù)目前的系統(tǒng)中難以取到；另一個原因可能是網站營業(yè)廳的出現(xiàn)時間比較晚，能夠提供的服務內容比較少。針對熟練使用網站辦理業(yè)務的用戶，可以提供目標性的營銷發(fā)展成為公司的網站業(yè)務使用的“種子客戶”，通過他們去影響交往圈的其他客戶，從而提升網站辦理的數(shù)量和比例，減輕對電話渠道的壓力，使得電話營銷中心的資源可以投放到更有生產力的活動中。

網站渠道模型評分排名前10％的客戶實際驗證中通過網站辦理數(shù)明顯高于排名靠后的其他客戶，說明模型評分的準確度比較高。

三、 研究案例總結

掌握好渠道偏好度的工作，能夠有效地以有限的資源盡可能的服務更多的高價值的客戶和業(yè)務，減少低價值客戶和業(yè)務占用客服渠道資源的比例。同時，重點發(fā)展電子渠道，培養(yǎng)引導用戶從傳統(tǒng)渠道（營業(yè)廳和電話客服）向電子渠道（網站和短信）轉變，對于電信運營商就必能產生關鍵性的績效提升。

利用數(shù)據(jù)倉庫再進行數(shù)據(jù)挖掘可以突破以往的技術困難限制，有效地建立高精確度的模型。構建模型時基礎變量選取得當能夠產生很好的適應性和普及彈性，體現(xiàn)涵蓋不同省、市的區(qū)域差別。從上述實際的案例，也驗證了應用這種CRM信息技術的優(yōu)越能力，一旦建立了標準模型和技術方案的實施機制，將會易于其推廣便利為運營商創(chuàng)造顯著績效。

參考文獻：

1. Armstrong， G， Kotler， P. Marketing: An introduction，2005.

2. Eisenhardt， K. Building Theories from Case Study Research. Academy of Management Review， 1989，14（4）:532-550.

3. Kyburz-Graber， R. Does Case-study Methodology Lack Rigour? The Need for Quality Criteria for Sound Case-study Research， as Illustrated by a Recent Case in Secondary and Higher Education. Environmental Education Research，2004，10（1）:53-65.

4. Geertz， C. The Interpretation of Cultures. New York: Basic Book，2000.

5. Kotler， P， SH Ang， SM Leong and CT Tan. Marketing Management: An Asian Perspective. Singapore: Simon Schuster， Prentice Hall，1999.

作者簡介：吳輔世，南開大學商學院博士生。

收稿日期：2010-12-27。