數據挖掘在電商企業CRM中的應用

汪 瑩，王光岐

(中國礦業大學(北京)管理學院，北京 100083)

近年來，我國電商行業發展迅速，整個行業的市場形勢也逐漸嚴峻：一是電商企業數量增多，規模變大，企業間的競爭逐漸激烈；二是客戶需求多樣化，電商的服務越來越同質化；三是客戶對商品價格、質量等信息掌握越來越充分，對電商的服務要求越來越嚴格化。電商企業必須與市場建立良好的客戶關系，才能在嚴峻的市場形勢下穩定并提升市場份額。

電商行業與傳統行業不同，它是基于互聯網平臺對客戶進行銷售和服務，客戶在網絡平臺瀏覽、購買過程中，產生了大量的數據流量，這些流量以數據的形式被電商企業輕松獲取。基于這一獨特優勢，電商企業可以通過對大量數據進行數據挖掘，獲得客戶的需求信息，為客戶提供個性化服務，更好地開展客戶關系管理。

一、數據挖掘與電商企業CRM的關系

(一)數據挖掘與電商企業CRM的內涵

數據挖掘是指從海量的已有數據信息中，根據自身要求，通過不同模型、算法進行深入挖掘，得到隱藏在數據背后的有價值的信息[1-2]。

CRM是客戶關系管理的簡稱，通過對客戶的系統化研究、資源整合及對業務流程的全面管理，更好地服務、吸引和保持客戶，實現企業以客戶為導向的市場戰略[3-4]。

基于數據挖掘的電商企業CRM，是通過電商企業掌握并擁有關于客戶的大數據，運用數據挖掘技術，提取出有價值的客戶信息，維持現有并挖掘潛在的客戶及市場，改善客戶關系，從而獲得行業競爭優勢，實現企業價值更大化[5-6]。

(二)數據挖掘在電商企業CRM中的作用

數據挖掘在電商企業CRM中的應用可以為電商企業帶來巨大的商業價值，從客戶管理角度來說，這種價值可以通過以下作用表現出來：

1.獲取新客戶

在保持老客戶的基礎上，不斷挖掘潛在客戶，是電商企業爭奪市場的關鍵。通過神經網絡、決策樹等數據挖掘方法建立模型，對數據深入挖掘，識別潛在客戶，從而有針對性開展營銷活動，使潛在客戶成為真實客戶[7]。

2.客戶細分

客戶細分是電商企業為不同客戶提供不同服務的基礎。利用數據挖掘中的排序、決策樹或者聚類的方法對數據倉庫中大量的客戶信息進行挖掘。依據客戶性別、收入狀況、消費習慣等將客戶信息分類，使同一細分市場里的客戶具有相似的偏好和需求。通過客戶細分，對不同客戶群體提供個性化服務。

3.交叉營銷

交叉營銷是在電商企業與客戶“雙贏”的基礎上，電商企業向老客戶提供新服務、銷售新產品的過程。通常采用關聯分析、聚類分析等方法實施對客戶的交叉銷售，實現最優的銷售匹配。

4.客戶保持

據統計，企業獲得新客戶成本遠比保持老客戶高，因此保持老客戶，尤其是高價值率的老客戶，對電商企業至關重要[8]。通過利用回歸分析、決策樹、聚類分析等數據挖掘方法，識別出顧客流失的共同特征，基于對這些特征進行分析，采取相應的防范措施。

5.客戶盈利能力分析

運用數據挖掘技術，可以分析和預測不同環境下客戶盈利能力的變化情況，幫助電商企業制定最優的市場營銷策略。通過數據挖掘技術，建立客戶生命價值預測模型，可以預測客戶在未來時期內帶來的總利潤[9]。

二、基于數據挖掘的電商企業CRM的構建與實現

(一)基于數據挖掘的電商企業CRM的體系構建

結合數據挖掘與電商企業CRM相互關系，構建基于數據挖掘的CRM體系結構，如圖1所示。其中客戶數據是基礎，數據挖掘是關鍵，商業應用是目的。該體系結構包括：

1.客戶接觸

客戶接觸是指電商企業與客戶間的聯系途徑，包含網絡瀏覽、網絡銷售、網絡客服、網絡問卷、電話咨詢等。客戶與電商企業在接觸過程中，產生大量的歷史信息，這些信息以數據的形式被保留。

圖1 基于數據挖掘的電商企業CRM的體系結構

2.數據存儲

在客戶接觸過程中產生的大量數據，這些數據包含了大量客戶信息，對于電商企業是一項重要資源。電商企業需要對數據進行預處理后，儲存于數據倉庫或數據集市中。電商企業中CRM的數據存儲方式包括前區數據庫、后區數據庫、產品數據集市和客戶數據集市等[10]。

3.數據挖掘

數據挖掘是指在客戶數據準備階段形成的數據集合的基礎上進行信息挖掘，發現隱藏在大量客戶數據背后的對電商企業客戶關系管理有用的知識和模式。它是整個體系中的核心。在數據挖掘的過程中，還需不斷地與模型庫和知識庫進行交互，在吸收模型庫和知識庫有價值信息的同時，也將挖掘出來的結果保存到模型庫和知識庫中[11]。

4.商業應用

電商企業運用數據挖掘的最終目的是商業應用，只有商業應用才能創造價值。電商企業將數據挖掘產生的有價值的信息分別輸送給銷售、物流、服務、管理等不同部門，從而便于各部門更好地開展客戶關系管理工作。

基于數據挖掘的電商企業CRM的體系，就是通過客戶接觸收集客戶信息，然后把收集的數據進行預處理和導入數據倉庫進行數據存儲，然后根據預定的商業目標采取相應的數據挖掘模型完成數據挖掘，最后根據挖掘出來的客戶行為模式進行商業應用，調整企業經營，增強對客戶的服務。

(二)基于數據挖掘的電商企業CRM的實現過程

數據挖掘與CRM業務系統的集成是智能CRM的核心，數據挖掘需要自動地分析各部門數據，并將分析結果應用于業務系統(圖2)。基于數據挖掘的電商企業CRM的實施是一個循序漸進的過程，是不斷更新、不斷調整的狀態[12]。數據挖掘的實現包括以下步驟：

1.商業問題理解

基于商業角度理解項目實施的動因和目標是電商企業首要問題，然后將這些動因和目標轉化成數據挖掘技術可以理解的問題定義，同時應該確認該商業問題的類型，并設計出達到預期目標的初步計劃。

圖2 數據挖掘在電商企業CRM中的實現過程

2.數據選擇

在明確商業問題所屬應用類型后，首先應開展數據搜集工作，然后進行理清數據的各類活動，包括辨別數據質量問題，理解假設隱含的信息等，最終檢測出有價值的數據子集。

3.數據預處理

在完成數據選擇工作后，為了提高數據的質量，需要對數據進行轉化、合并等處理。通過數據預處理，可以消除數據噪音，增強數據挖掘結果的準確性。數據預處理包括三個階段：訪問數據、成立建模數據集、清理數據。

4.模型建立

模型的建立是數據挖掘過程中的核心工作。依據預期的商業目標，在完成數據預處理的情況下，尋找并選擇最優的數據挖掘技術，同時建立訓練數據與測試數據，利用訓練數據采用的算法建立模型和解釋模型。

5.評估與校驗

完成模型建立后，運用訓練數據對模型進行評估和校驗。若評估與校驗結果與預期目標誤差較大，則應根據誤差分析，重新開始前述過程，重新建立模型，當模型的評估與校驗誤差達到預期后，該過程結束。

6.部署與應用

標準模型建立完成后，可以在電商企業內部署并開展應用，為決策提供支持。需要注意的是，在應用的過程中還需不斷地測試模型的成功概率，如果發現不滿意的情況，需要及時修正和完善模型。

三、總結

數據挖掘在電商企業CRM中的應用，給電商企業帶來的好處主要包括以下四個方面：

1.實現信息處理的智能化

面對網絡平臺產生的大數據，在CRM系統中引入諸如智能化數據分析、智能化決策支持等基于數據挖掘技術的智能化處理功能，通過對客戶行為特征和規律的挖掘來獲取商業信息，為電商企業營銷甚至發展戰略提供參考。

2.促進個性化營銷服務

基于數據挖掘的電商企業CRM的思想是與客戶建立起學習型關系。通過深入了解客戶不同需求，改進產品和服務，提供有針對性的營銷策略，最終提升客戶滿意度。

3.形成交流渠道的集成化

基于數據挖掘的電商企業CRM將通過Web訪問、E-mail、呼叫中心等多種客戶交流渠道采集的信息進行整合，統一集中到CRM數據倉庫中。相對完整和一致的數據是有效進行數據挖掘的前提和保障，同時，也使得客戶通過各種渠道與電商企業交流時，感覺無縫、連貫性，提高效率。

4.實現數據的集中管理和共享化

基于數據挖掘的電商企業CRM 對客戶數據采用數據倉庫集中管理，而數據倉庫具有共享性這一優點。特別地，它將銷售、物流、服務和管理信息在后臺無縫集成，并保持這些數據的連貫性和完整性，方便為客戶提供全面的服務。

參考文獻：

〔1〕 孟繁敏.淺談基于數據挖掘的客戶關系管理[J].中國管理信息化,2012,15(9):90-92.

〔2〕 段曉華.數據挖掘技術在電子商務客戶關系管理中的應用研究[J].湖南文理學院學報(自然科學版), 2010,22(2):90-94.

〔3〕 瞿艷平.國內外客戶關系管理理論研究述評與展望[J].財經論叢,2011(3):111-116.

〔4〕 張哲.基于數據挖掘技術的中小企業客戶關系管理研究[J].經濟論壇,2011(7):202-204.

〔5〕 甘露.數據挖掘在電子商務客戶關系管理中的應用[J].電子商務,2011(6):59-60.

〔6〕 李治.數據挖掘在電子商務客戶關系管理中的應用[J].科技信息,2011(11):86-87.

〔7〕 趙潔.數據挖掘在醫院客戶關系管理中的應用研究[D].北京:北京交通大學,2012.

〔8〕 董寧.數據挖掘技術在CRM中的應用[J].計算機工程與設計,2007,28(6):1429-1432.

〔9〕 劉霞,王愛民.數據挖掘技術在CRM中的應用[J].現代管理科學,2004(3):84-85.

〔10〕 周萍.數據挖掘在客戶關系管理中的應用研究[D].濟南:山東大學,2009.

〔11〕 吳彥熹.數據挖掘在客戶關系管理中的應用[J].商場現代化,2006(18):46-47.

〔12〕 孟繁敏.淺談基于數據挖掘的客戶關系管理[J].中國管理信息化,2012,15(9):90-92.