數據挖掘技術在企業客戶關系管理(CRM)中的應用①

河北金融學院 郭佳

隨著Internet的飛速發展，網絡已經成了一個全球性的巨大的信息服務中心，大量信息在給人們帶來方便的同時，也帶來很多問題：一是信息量過大，二是信息難辨真假，三是信息安全難以保證，四是信息形式不統一。所以人們開始考慮怎樣才能從海量信息中發現有用的知識，充分提高信息的利用率，于是數據挖掘技術便應運而生。

1 數據挖掘的概念

數據挖掘技術是從大量數據中提取或挖掘知識的過程，又稱為數據庫中的知識發現，是指從大型數據庫或數據倉庫中提取隱含的、未知的，但又是潛在有價值的信息和知識的過程。數據挖掘可以從數據中提取人們感興趣的可用信息和知識，并將它們表示成概念、規則、模式等形式，以便人們理解與利用。數據挖掘涉及多學科和技術，例如數據庫技術、統計學、信息提取、高性能計算、機器學習、神經網絡和數據可視化等學科。并應用于包括商業、保險業、電信業、教育、科學研究等多個領域。

如果從企業角度分析，數據挖掘是一種新的客戶信息處理技術，通過對企業數據庫中的海量業務數據進行抽取、轉換、分析，從中提取對企業決策起到關鍵性作用的數據，并進一步將其轉化為企業先進有效的管理方法。

綜上所述，我們可以把數據挖掘的概念總結以下幾個特點。

(1)數據挖掘是通過采用自動或半自動的手段，在海量數據中發現有意義的行為和規則的分析活動。(2)數據挖掘是以科學的方法和模型的建立作為挖掘基礎。(3)數據挖掘的使用者需要對決策問題深入理解，對模型深刻認識，從而作出科學的決策。

2 數據挖掘在企業客戶關系管理中應用的必要性和作用

目前越來越多的企業使用數據挖掘技術來加強CRM的應用水平，衡量一個企業是否有競爭力也從先前看重它的產品和生產效率逐漸轉化為看重它是否具有良好的客戶關系。早期由于技術的限制，使得企業很難做到全方位了解客戶的特征和需求，而在現在這個網絡科技時代，成熟的數據庫和數據倉庫挖掘技術，使企業能更便捷的掌握客戶的需求和行為?？蛻絷P系管理是企業達到預期利潤目標的最有利工具，而數據挖掘就是這個工具的最佳引擎。數據挖掘在CRM中的應用模型如下圖所示。

具體來說，企業CRM應用數據挖掘的必要性體現在以下幾個方面。

圖1 數據挖掘在CRM中的應用模型

2.1 把握客戶動態

所謂把握客戶動態即快速了解客戶行動的改變、偏好的改變，快速做出相應的對策，從而贏得客戶。我們可以將客戶的生命周期分為：獲得新客戶、提高客戶價值、保持客戶三個階段。在生命周期的不同階段，數據挖掘也有其不同的應用價值。

首先，獲得新用戶是企業發展壯大所必須的，數據挖掘能夠從現有的客戶資料中總結出共同的特點，通過分類或聚類對客戶進行分類，再通過模式分析預測潛在客戶群，從而提高市場活動的響應率。

其次，由于現代企業和客戶之間的關系是經常變化的，一旦公司之間建立了合作關系，企業就要盡力保持好這種關系，并不斷提高客戶價值，使其向著最長時間、最多交易次數、最大交易利潤的方向發展。而交叉銷售可以幫助企業實現以上目標。所謂交叉銷售及企業通過與客戶的交流，向現有客戶銷售新的產品或提供新的服務的過程。

再次，由于行業競爭的不斷加劇，企業獲得新客戶的成本也在不斷的上升，往往失去的客戶比新挖掘的客戶貢獻的利潤更多，因此對原有客戶的保持顯得尤為重要。據權威機構統計數據說明，在全球500強中，5年內流失客戶約50%，而企業獲取一個新客戶所消耗的成本是保留一個老客戶的近10倍，所以對企業而言，留住老客戶，提高客戶的忠誠度是非常重要的。利用數據挖掘的孤立點分析法，可以發現客戶異常行為，建立預測模型，找出易流失的客戶群體，制定相應的對策方案，避免客戶流失帶給企業的諸多不利影響。

2.2 實施個性化營銷

數據挖掘技術可以對客戶的行為模式進行分析和追

蹤，發現客戶的行為方式和喜好，從而為客戶量身定做產品、定價及服務，實施個性化的營銷理念，這也是企業通過高質量的產品和服務爭取新客戶、保持老客戶、提高客戶忠誠度和滿意度的重要途徑。

2.3 追蹤市場變化

數據挖掘技術在企業的CRM中挖掘客戶歷史信息，通過得到的有價值的信息，預測潛在客戶信息，及時調整產品和服務方向，制定有針對性的決策方案，把握市場發展動態。

綜上所述，我們得出CRM是一種管理技術，數據挖掘是一種數據處理和分析技術。后者是前者的運用工具，為其提供數據基礎平臺和技術支持。數據挖掘技術可以幫助CRM挖掘出企業隱含的、未知的，但又是潛在有用的信息和知識，包括客戶的特征、“黃金客戶”、客戶關注點以及客戶忠誠度等等，并能夠根據已有的信息對未來發生行為做出結果預測，科學確定各種業務的實施方案。數據挖掘在企業CRM中的應用，能夠將全面的管理視角、強大的交流能力和最大的利潤收益提供給企業。

隨著我國企業對CRM應用水平的不斷提高，企業對CRM中數據挖掘部分的要求也會越來越高，數據挖掘在企業CRM中的作用也越來越顯著，具體表現如下所示。

數據挖掘在企業客戶關系管理中的應用范圍很廣泛，比如客戶盈利能力、客戶保留、客戶細分、客戶傾向、渠道優化、風險管理、欺詐監測、需求預測等等。在不同的應用領域體現著不同的應用價值。

(1)客戶價值的分析。通過數據挖掘技術，可以分析客戶盈利能力及預測客戶盈利能力的變化，計算客戶對企業的價值度，根據價值度大小，劃分客戶群體，實施有針對性的服務，制定適合的市場策略。

(2)客戶滿意度分析。數據挖掘可以分析客戶對企業產品和服務的滿意度，把信息系統中的大量客戶分成不同的類，針對不同的類提供不同的個性化服務，幫助企業完善營銷策略，提高客戶的忠誠度，從而留住客戶。

(3)客戶的保持。數據挖掘中的聚類和關聯分析可以將企業客戶分為不同類型的群體，例如穩定型價值高客戶群、易流失型價值高客戶群、穩定型價值低客戶群、易流失型價值低客戶群和沒有價值的客戶群。從而輔助企業管理者針對不同客戶群體做出相應對策，避免客戶流失帶給企業不必要的損失。

(4)潛在客戶分析。一個企業若要獲取一個新客戶，就要從潛在客戶信息開始挖掘，發現客戶的行為習慣，發現行為相似的潛在客戶群，不斷挖掘新客戶，提高市場占有率。

(5)客戶的信用風險分析。采用數據挖掘中的神經網絡算法對企業的海量數據進行分析和處理，并建立模型，對現有客戶群體進行測試，測探出具有欺詐傾向的客戶。同時可以采用孤立點分析法，找出行為異常的客戶進行防范。對客戶的信用風險進行分析預測，有利于企業在風險發生前進行預警，進而采取有效的措施進行控制。

總之，數據挖掘技術在中小企業CRM中的廣泛應用，為企業挖掘出有價值的潛在客戶的同時，使企業能夠按照不同客戶群體提供有針對性的個性服務，提高客戶的滿意度和忠誠度，提高客戶信用風險的預測和控制能力，從而提高企業CRM的應用水平和市場響應能力。

3 數據挖掘技術在企業CRM中應用的步驟

一個完整的數據挖掘過程主要由數據準備、數據挖掘和結果表達解釋三個階段構成。如下圖所示。

圖2 數據挖掘的一般過程

在企業CRM中實施數據挖掘技術一般采用以下步驟：

(1)挖掘任務的確定。首先建立數據倉庫，明確需要解決的問題和預計達到的目標。決策者在制定任務目標時，要考慮企業的現狀和技術水平，也要考慮市場對企業的要求和挑戰，這樣才能保證數據挖掘工作有效的開展和進行。

(2)應用用戶的確定。企業CRM系統的應用群體比較復雜，包括普通工作人員、部門管理者、高層決策者等，所以數據挖掘應用的用戶群體也比較復雜，因此細致的用戶需求分析是非常必要的。

(3)訓練數據源組的確定。數據挖掘的成功在很大程度上取決于數據的數量和質量。我們應從大量的企業客戶數據中找到與分析問題有關的，具有代表性的樣本數據子集，并確保數據的適用性和質量。然后，進行數據預處理、分析，按問題要求對數據進行組合或增刪，從而對問題狀態進行有效描述。

(4)數據挖掘技術的選擇。針對所要解決的問題，選擇適當的挖掘技術，可以在很大程度上提高系統的可靠性。例如若明確主要任務是客戶分類，我們可以采用貝葉斯分類算法、決策樹算法、遺傳算法等等，經多方面的認真分析和權衡后，最終采用決策樹中ID3算法進行分類和預測，這個過程就是挖掘工具的選擇過程。

(5)模型的建立。模型的建立是數據挖掘的核心步驟，不同的挖掘技術產生的結果模型有很大區別，而且對模型的理解也存在著一定的差異，另外，對結果的表達和描述也非常重要，不恰當的描述會給企業決策造成很大的誤導。

(6)結果的驗證。通過上述步驟，得到一組挖掘結果，使用建立模型的原始數據或新數據對其進行反復驗證，糾正其中的錯誤，提高挖掘結果的可靠性。

(7)用戶的理解與支持。用戶對客戶關系管理中數據挖掘的支持、理解和承諾，是數據挖掘成功的關鍵因素之一。所以要對用戶進行培訓，使他們熟悉使用CRM系統挖掘的整體流程、功能和作用，進而對挖掘結果深入理解和有效的可視化。

4 數據挖掘結果在企業CRM系統中的顯示

針對企業CRM系統不同的分析功能，分析結果可以選擇以報表形式或者以圖表形式進行顯示。

報表顯示主要是將從數據庫中讀取的數據按照一定的格式顯示出來，可以通過vbscript函數實現。圖表顯示主要是利用VML(Vector Markup Language,矢量標記語言)來實現。

在VML中單個元素被定義為形狀(shape)，大多數形狀是由矢量路徑描述的。形狀有很多屬性，例如：名稱(title)、樣式(style)、填充(fi ll)、填充顏色(fi llcolor)等。本文中分析模塊利用的就是VML的基本元素，通過畫線、填充和樣式的控制來實現柱狀圖的顯示。

[1]趙華.基于數據挖掘的分析型CRM的應用研究[D].江蘇大學,2005.

[2]張云濤,龔玲.數據挖掘原理與技術[M].電子工業出版社,2004.

[3]陳京民.數據倉庫與數據挖掘[M].電子工業出版社,2002.

[4]武森,高學東,(德)M.巴斯蒂安.數據倉庫與數據挖掘[M].冶金工業出版社,2003.