基于數據挖掘的客戶知識管理模型研究

陳 鶴，王瑜珩

（華中科技大學 公共管理學院，湖北 武漢 430074）

引言

隨著經濟全球化和科技信息技術的快速發展，世界進入了一個嶄新的知識經濟時代，企業所處的競爭環境發生了深刻的變化，原有的市場開始衰落、競爭對手成倍增長、新技術突飛猛進、產品淘汰加速。與此同時，客戶消費心理日趨成熟，出現了理性化、個性化的消費趨勢。在這種情況下，實施客戶關系管理 （Customer Relationship Management，CRM）的效果與企業的預期相差甚遠。著名管理咨詢專家Jim Berkowitz認為CRM的成功除了需要一個合理的組織結構外，還需要一個合理的信息結構，傳統的CRM雖然記錄了企業與客戶交往過程中形成的大量客戶數據，但并沒有將這些數據用于有效地理解客戶。[1](p312-316)在激烈的競爭環境下，企業對有限數目客戶的爭奪日趨白熱化，如果不能及時了解客戶的需求、掌握客戶的消費模式，預測客戶的行為動向，企業將失去競爭的能力，[2]（p24-26）而CRM僅僅局限于事務處理，沒有充分地將客戶及其知識轉化為企業的持續競爭力。[3]（p584-612）針對CRM的不足，近年來關于客戶知識管理（Customer Knowledge Management，CKM）的研究獲得了普遍的關注和重視。[4]~[7]CKM的出現是全球電子商務大潮對傳統商業模式的改變，它要求企業以全新的思維看待未來的客戶，以客戶需求為中心設計和實現信息技術驅動的商務活動，從而給企業帶來長久利益。企業期望通過CKM建立一個客戶需求導向的銷售、營銷、服務和支持應用的自動化價值鏈，以便加強企業與客戶的關系，提高客戶的滿意度和忠誠度，增強企業的競爭優勢。目前，CKM主要的應用領域集中在制造業、公共事業、電信業、零售業和金融服務業等行業，許多新興的企業如Amazon、Cisco等已率先成為CKM的使用者和受益者。CKM的核心是潛在客戶知識的發現，包括與客戶有關的各種概念、規則、模式、規律和約束，通常都是隱含在客戶數據中的深層信息內容。盡管客戶數據是形成潛在客戶知識的源泉，但從數據中提取知識并不容易。這主要在于，首先，企業所積累的客戶數據往往數量非常龐大，且在企業的發展過程中客戶數據會不斷地增加與更新；其次，客戶數據的結構復雜，可以是結構化的，如存儲在關系數據庫中的數據，也可以是半結構化的，如文本、圖形和圖像數據，甚至是分布在網絡上的異構型數據；再次，許多客戶數據是零散的、斷續的、冗雜的和動態的。從某種意義上說，潛在客戶知識的發現是一種高級的人類智力活動。但是人腦對于處理如此大量繁復的數據并不擅長。因此，人的經驗和技巧必須與自動化知識處理工具結合起來才能達到從海量數據中獲取知識的目的。顯然，潛在客戶知識發現需要的不是常規的數據錄入、查詢和統計工具，而是能夠歸納數據特征、分析數據內部關聯、推斷數據發展趨勢的高效、智能化工具。因此，潛在客戶知識發現與管理是一項以智能信息處理技術為支撐的多學科交叉融合的前沿研究領域。

數據挖掘是指從大量不完全的、有噪聲的、模糊的和隨機的數據中，提取隱含的、未知的且潛在有用的知識和模式的過程。[8]（p1-7）它綜合運用計算機科學、人工智能、統計學、信息管理、認知科學等領域的先進理論與技術，研究如何從海量信息資源中快速準確地獲取潛在的知識，是一種信息資源深層開發的新型信息處理技術，不僅具有很高的理論研究價值，而且對于企業和國家信息化的跨越發展乃至整個社會經濟建設與發展都具有極為重要的意義。當前，眾多發達國家企業紛紛開展以數據挖掘技術為基礎的知識資源管理和工商企業的智能化管理，具有代表性的應用領域有科學研究、Web智能、商務智能、風險投資、制造業、銀行、國土安全、氣象、醫學、通訊等，將數據挖掘合理地融入CKM過程之中，能夠有助于實現從“客戶數據礦山”中挖掘“客戶知識金礦”的目的。

一、當前主流的客戶知識管理模型及其存在的問題

客戶知識管理是一個較新的研究領域，目前關于客戶知識管理的模型還沒有形成統一的認識，不同國度、不同研究領域的專家學者從不同的角度來探討客戶知識管理的模型，比較具有代表性的客戶知識管理模型主要有：

（1）Tiwana提出的客戶知識管理宏觀模型。[9](p23-29)Tiwana從電子商務環境下新興的信息技術和知識管理方法對客戶關系管理的推動作用出發，詳細分析了實施客戶知識管理的前提和步驟，并在此基礎上提出了客戶知識管理的研究模型，如圖1所示。該模型將客戶知識管理分為三個部分：客戶知識獲取、客戶知識共享和客戶知識應用，從企業宏觀經營的角度結合知識管理和客戶關系管理兩個方面分析了客戶知識管理的步驟以及客戶知識資本和客戶關系資本的有效結合方法，為企業實施客戶知識管理提供了很好的參考價值。

圖1 Tiwana提出的客戶知識管理宏觀模型

（2）Garcia-Murillo和Annabi提出的客戶知識管理微觀模型。[10]（p459-469）Garcia-Murillo 提出了深入到具體操作層面的客戶知識管理微觀模型，如圖2所示。該模型從企業與客戶之間的知識交流行為出發，將客戶知識管理過程分解為一個三階段的知識流動過程。模型具體分析了企業與客戶在整個客戶知識管理過程中所獲得的知識價值、知識提升和知識流動的循環過程以及實現該模型所利用的知識管理技術和方法。

圖2 Garcia-Murillo和Annabi提出的客戶知識管理微觀模型

（3）Swift提出的基于客戶流程循環模式挖掘的客戶知識管理模型。[11]（p67-85）Swift根據企業客戶流程的循環模式，提出了基于客戶流程循環模式的客戶知識管理模型，如圖3所示。該模型主要通過知識發現、營銷計劃、客戶互動、分析與區別四個子任務動態循環來挖掘、積累客戶知識，通過提升客戶知識管理來提高客戶關系管理的效率和效果。

圖3 Swift提出的基于客戶流程循環模式挖掘的客戶知識管理模型

（4）孟麗君、張大亮和胡旭初提出的客戶知識管理模型。[12]（p32-36）孟麗君、張大亮和胡旭初提出的客戶知識管理模型，如圖4所示，側重于研究客戶知識管理實施所依賴的組織條件，其目的是為企業有效實施和開展客戶知識管理提供指導和參考借鑒。該模型以有助于開發客戶知識的組織條件作為企業實踐的指導，強調企業在獲取客戶知識的同時，需要對獲取的知識進行整合、分析、反饋和優化，從而保證客戶知識的準確性和全面性。

圖4 孟麗君、張大亮和胡旭初提出的客戶知識管理模型

這些主流的客戶知識管理模型都強調客戶知識管理的重要性，揭示了客戶知識的深度獲取與有效管理是提高企業競爭優勢和抗風險能力的根本保障，但這些模型存在的問題主要在于其客戶知識管理和知識獲取的方法主要依靠人工方法進行淺層面的知識歸納、匯總，難以挖掘深層客戶知識和適應當前海量客戶數據的急速增長與動態客戶知識的獲取與管理的需要，缺乏知識獲取與管理的動態化、自動化和智能化。

二、基于數據挖掘的客戶知識管理模型

基于數據挖掘的客戶知識管理模型是數據挖掘技術和知識管理方法在客戶管理領域的結合，是未來客戶知識管理的發展方向。它將當前主流的智能信息處理技術——數據挖掘技術作為客戶知識管理的核心，通過自動化、智能化地挖掘客戶知識，實現企業與客戶之間的互動學習和協作創新，[13]（p21-25）從而增強客戶價值，提高客戶滿意度和忠誠度，適應當前知識經濟時代客戶對企業產品和服務的多樣化、差異化需求，逐步提升企業的競爭優勢。基于此，本文構建了基于數據挖掘的客戶知識管理模型，如圖5所示。該模型利用數據挖掘技術從海量的動態客戶數據中有效地挖掘出特定的客戶知識，并對獲取的知識進行高效的深層次管理，從而為企業決策提供智力支持。

圖5 基于數據挖掘的客戶知識管理模型

該模型是一個動態循環的模型，主要分為五個模塊：客戶數據采集與監控模塊、客戶數據整合模塊、客戶數據挖掘模塊、客戶知識管理模塊和知識應用模塊，各模塊的主要功能描述如下：

（1）客戶數據采集與監控模塊。客戶數據采集與監控模塊的功能主要體現在兩個方面：一是自動采集企業內外部相關聯的客戶數據信息，并提交給服務器進行處理；二是自動監控這些信息的變化，并及時更新變化。企業信息化程度的加深是企業積累大量客戶數據的有力保障，各級企業信息系統是產生和存放客戶數據的主要場所。在以客戶為中心的企業戰略的指導下，企業的各項業務，如計劃、采購、生產、銷售等都圍繞著客戶展開，而運作和管理這些業務過程的企業信息系統都會或多或少地積累一些與客戶相關的數據。因此，企業信息系統構成了客戶知識獲取和管理的數據源?？蛻魯祿纯梢允莾炔康囊部梢允峭獠康?。來源于企業內部的數據源主要包括客戶數據庫、交易數據庫、促銷活動數據庫和客戶服務數據庫。其中，客戶數據庫記錄企業現有或歷史客戶的相關信息，有時客戶數據庫會直接包含每個客戶所有的銷售額和活動記錄，但更常見的情況是標識信息，用于連接到交易數據庫等其他數據庫，以得到客戶表現的即時信息；交易數據庫包含企業與客戶進行交易活動的記錄，通常是最豐富、最有預測性的信息，也是最難使用的，根據業務類型，交易數據庫呈現出不同的形式，但通常都用一條記錄表示一個交易，每個客戶可以有不同數目的多個交易記錄，為了有效地使用這些數據，有時會將其匯總、聚集到客戶水平上；促銷活動數據庫包含了對當前客戶、潛在客戶或同時對二者所做的宣傳活動的細節，最有用的格式是一個記錄對應一個客戶或潛在客戶，從這個數據庫創建的變量在響應預測模型和銷售活動定位模型上是最有預測性的，由于競爭的加劇，這類促銷活動的信息越來越重要，一個客戶促銷活動數據庫應該包含所有交叉銷售、提升銷售和保持客戶的促銷活動的數據；客戶服務數據庫包含了企業為客戶提供的除交易外的其他任何服務的細節，客戶服務數據庫有多種形式，如客服中心的郵件或電話咨詢記錄、投訴記錄、商品維修記錄等，通?？蛻舴諗祿熘械囊粭l記錄代表一次客戶服務，每個客戶可能擁有多個記錄。企業外部數據源是企業獲得新客戶或提高現有客戶利潤的有效途徑，外部數據源主要有列表銷售商。列表銷售商出售的是列表，根據業務類型，他們通常收集和銷售姓名、地址和電話號碼，以及人類統計學數據、行為數據和心理數據。

（2）客戶數據整合模塊。客戶數據整合模塊的主要功能就是在領域知識庫的幫助下，對來自不同數據源的客戶數據整合在一起，解決結構異構和語義模糊性，形成一個統一的數據集合，以便為數據挖掘工作提供完整的數據基礎。數據挖掘主要從各種事務處理系統中的海量、動態客戶數據中挖掘出潛在的、有用的客戶知識，挖掘過程十分復雜，需要良好的數據對象作為支撐。由于數據采集與監控模塊獲取的原始數據來源于企業內外部不同的事務處理系統，它們在結構和語義上都存在較大差別，需要對其進行統一處理。該過程主要包括數據轉換、數據清理和數據集成三個子步驟。數據轉換主要是針對數據倉庫建立的模型，通過一系列的轉換將數據從業務模型數據轉換為分析模型數據，通過內建的庫函數、自定義腳本或其他的擴展方式，實現多種復雜轉換，并且支持調試環境，監控轉換狀態。它是將源數據變為目標數據的關鍵環節，包括數據格式轉換、數據類型轉換、數據匯總計算、數據拼接等等，但轉換工作可以視具體情況在不同的過程中實現，比如可以在數據抽取時轉換，也可以在數據加載時轉換。數據清理主要是對來自不同數據源中的數據所具有的不規范、二義性、重復和不完整等問題進行處理，消除數據中的錯誤和不一致，例如關于“高薪”和“低收入”的含義在不同的數據源中可能有不同的定義，在一個數據源中“高薪”的人在另一個數據源中則可能不是“高薪”，而數據挖掘對挖掘的數據要求具有一致的含義。數據集成的主要目的是將經過數據轉換和數據清理后的客戶數據綜合在一起，為數據挖掘提供良好的數據。

（3）客戶數據挖掘模塊?？蛻魯祿诰蚴钦麄€模型的核心組成部分，其主要功能是利用數據挖掘技術和方法對經過整合后的客戶數據進行自動地深入挖掘分析和知識發現，獲取高質量的深層客戶知識。數據挖掘技術的出現大大增強了客戶知識發現和管理的能力，其中的分類分析、聚類分析、關聯分析等技術使客戶知識挖掘與知識發現更加完備和豐富，為企業決策提供更準確、更全面的客戶知識。[14]（p65-71）該過程主要包括客戶數據選擇、客戶數據預處理、客戶數據變換、客戶數據挖掘和客戶知識評價五個子步驟?？蛻魯祿x擇主要是確定發現任務的操作對象，即目標數據，是根據企業的知識需求從原始信息數據庫中抽取的一組數據；客戶數據預處理主要包括消除噪聲、推算計算缺值數據、消除重復記錄、完成數據類型轉換等工作，為后續處理提供良好的平臺；客戶數據變換的主要目的是消減數據維數或降維，即從初始特征中找出真正有用的特征以減少數據挖掘時要考慮的特征或變量個數；客戶數據挖掘階段首先確定挖掘任務和目的，選擇合適的挖掘工具、算法和語言進行挖掘，獲取有用的模式或知識；客戶知識評價主要是對挖掘結果進行量化評價，刪除冗余或無關的模式，并以用戶易于理解的方式進行展現。

（4）客戶知識管理模塊?？蛻糁R管理模塊的主要作用是將數據挖掘模塊挖掘的客戶知識進行進一步處理，實現獲取的客戶知識與企業知識庫中的現有知識進行融合，完成對現有知識的修訂與補充。該過程主要由知識轉換、知識檢測、知識融合和知識共享共四個子步驟組成。知識轉換的主要目的是對數據挖掘模塊的挖掘結果進行知識表示，按照已有的知識存儲結構與方式進行相應的轉換。知識檢測主要是對知識轉換的處理結果進行一致性和完整性檢測。知識融合對不一致和不完整的情況進行處理，并將二者融合為新的知識，存入企業知識庫中。知識共享是將企業原有的客戶知識和新獲取的客戶知識進行融合后，以利于存放與動態更新，方便企業人員進行查詢與利用。

（5）客戶知識應用模塊?？蛻糁R利用是客戶知識挖掘與管理的最終目標。該模塊的主要作用是將數據挖掘的結果應用于企業各項工作的接口中，輔助企業各部門制定決策，如幫助營銷部門制定與客戶需求相匹配的“一對一”營銷計劃等，進而影響企業各業務系統的運作。

基于數據挖掘的客戶知識管理模型不只是一個簡單的客戶數據分析器，而是一個具備自動挖掘和智能管理的知識處理與共享系統，與其他知識管理模型相比，其優勢主要體現在：

（1）可實現基于語義的深層次客戶知識挖掘和高效管理。本文的客戶知識管理模型融合領域本體和數據挖掘技術進行客戶知識的組織、挖掘和管理，獲取深層次的客戶知識：利用本體的約束，提高了客戶數據采集與整合的相關性與深層性，減少了數據挖掘算法的運算量；挖掘的對象是經過整合的客戶數據，提高了數據挖掘的精度與準確度；在本體的協助下進行數據挖掘，可以實現客戶知識的語義挖掘與智能管理，全面提升知識獲取與管理的質量和處理效率。

（2）可實現客戶知識管理的智能性和自動性。本文的客戶知識管理模型應用領域本體指導客戶數據采集與整合，實現客戶數據信息的高效整合和語義組織；在此基礎上利用數據挖掘技術實現客戶知識自動化、智能化地深入挖掘分析，獲取具有動態性、知識性和前瞻性的客戶知識，并將挖掘出的客戶知識運用到企業實際業務中去，能夠顯著提高企業知識管理和利用的水平，實現自動化和智能化的客戶知識管理。

（3）適應未來客戶知識管理的發展趨勢。本文的客戶知識管理模型運用本體指導客戶數據的采集與整合，實現客戶數據信息的高效采集與深層整合，能夠適應客戶數據的快速增長和動態變化，在高度整合的基礎上進行客戶知識挖掘與管理，可實現客戶知識語義挖掘與智能管理，提升客戶知識管理的深層性和智能性，可使模型迅速適應未來語義Web和 KM2．0（Knowledge Management 2．0，KM2．0 ）的發展和應用。

結束語

客戶知識管理是企業確定其獨特競爭優勢的一種戰略選擇，數據挖掘技術是企業客戶知識管理的核心技術，也是企業發現知識、組織知識、運用知識的綜合能力體現。本文在分析當前企業所處的環境和主流的客戶知識管理模型存在問題的基礎上，將數據挖掘技術融入客戶知識管理之中，構建了基于數據挖掘的客戶知識管理模型，論述了模型中各個模塊的主要功能及其實現策略，并對模型具備的優勢進行了分析。下一步的研究將在該模型的基礎上進行系統原型的開發與實現。

[1]Jim Berkowitz．CRM Predictive Analytics:Why It All Adds Up[J]．CRM magazine,2011,26（5）．

[2]杜漪，馬寧，等．基于知識管理的高新技術企業核心競爭力研究[J]．科技管理研究，2009，（2）．

[3]Alexander Tuzhilin．Customer relationship management and Web mining:the next frontier[J]．Data and Knowledge discovery,2012,24（3）．

[4]A．Khedr,J．N．Kok．Adopting Knowledge Discovery in Database for Customer Relationship Management in Egyptian Public Banks[C]．IFIP International Federation for Information Processing,2006．

[5]Dorota Buchnowska．Customer Knowledge Management Models:Assessment and Proposal[J]．Lecture Notes in Business Information Processing,2011,93（2）．

[6]Silvio Wilde． Customer Knowledge Management Improving Customer Relationship through Knowledge Application[M]．Springer Heidelberg Dordrecht London New York,2011．

[7]齊麗云，汪克夷，馬振中．客戶知識管理對企業績效影響的實證研究：基于客戶響應能力的視角[J]．中國軟科學，2009，240（9）．

[8]Jiawei Han,Micheline Kamber．數據挖掘概念與技術[J]．范明，孟小峰，譯．北京：機械工業出版社，2007．

[9]Tiwana A．The essential guide to knowledge management,E-business and CRM application[M]．Prenticce-Hall,Upper Saddle River,NJ,2001．

[10]Gibbert M,Leibold M,Probst G．Five Styles of Customer Knowledge Management,and How Smart Companies Use Them to Create Value[J]．European Management Journal,2002,20 （5）．

[11]Swift R S．Accelerating Customer Relationships-Using CRM and Relationship Technologies[M]．Upper Saddle River：Prentice Hall PTR,2002．

[12]孟麗君，張大亮，等．客戶知識與開展客戶知識管理的組織條件分析[J]．電子科技大學學報（社會科學版），2007，9（1）．

[13]陸克斌，儲節旺，等．供應鏈技術創新與客戶知識管理的協同機理探討[J]．北京工業大學學報（社會科學版），2012，12（1）．

[14]張玉峰，何超．基于數據挖掘的企業競爭情報分析研究[J]．情報學報，2012，31（1）．