客戶細分評價模型在會展客戶管理中的應用

于春香

(福建信息職業技術學院,福建 福州 350019)

1.前言

在當前經濟危機席卷全球的大背景下，會展行業不可避免的受到沖擊，會展市場比以往更具有競爭性。由于企業參與展覽的預算越來越少，并且在選擇展覽會品牌時越來越注重性價比和參展的回報率，參展決策越來越慎重。如何能在低成本的基礎上保留住老客戶，并獲取更多的新客戶，這對會展企業來說是個考驗。

利用客戶關系管理系統，使用數據挖掘技術，通過對客戶的數據深入分析，了解不同客戶的需求，是當前解決這一問題的最好辦法。

2.會展客戶細分評價模型設計

客戶細分評價是“指企業在明確的、業務模式和特定的市場中，根據客戶的屬性、消費行為、偏好等因素對客戶進行分類，并提供有針對性的產品、服務和營銷模式的過程”。對會展企業來說參展客戶是其最重要的資源，但不同類型的客戶對企業的價值也是不同的。利用客戶細分評價系統，可將客戶進行分類。會展公司可以按參展客戶對公司的價值，將客戶分為金客戶、銀客戶、普通客戶、潛力客戶和低價值客戶。

2.1 屬性的選擇

首先從會展公司所存儲的客戶信息數據庫中選擇客戶細分評價模型有用的屬性。

第一步：目標屬性的選擇。

對于會展公司來說，客戶參展的次數越多，并且在單位時間內客戶參展頻率越高，其帶給會展公司帶來的利潤也越高，即該客戶的價值就越高。因為屬性表中沒有直接可以表示客戶參展的頻率，可以用客戶參展次數除以當前時間與客戶第一次參展時間的差值，這一新的值作為目標屬性。當參展頻率≧2時，如參展次數﹥6，則該客戶是金客戶；如參展次數﹥3，則該客戶是銀客戶；參展次數小于3該客戶是潛力客戶。當1≦參展頻率﹤2時，如參展次數≧6，則該客戶是銀客戶；當參展次數﹤6，則該客戶是普通客戶；如果參展頻率﹤1，則該客戶為低價值客戶。

第二步：決策屬性的選擇。

決策屬性就是用來解釋會展客戶價值大小的屬性，良好決策屬性的選擇就決定了模型的有效性。在建模過程中，對建模輸入沒有什么用處的屬性，如某些標志性屬性（公司名稱，聯系人姓名、電話、性別等）或屬性值都相同或高度不對稱的屬性及屬性值過多的定類屬性，在建模時可以將其剔除。在這里我們選擇客戶的參展次數、簽約次數、主營產品、所在城市、滿意度等作為決策屬性。

2.2 數據準備

我們采用從業務數據源中隨機地抽取出300條的客戶參展的基礎資料，作為客戶價值評價的樣本數據如表1。

在選取樣本時，有的數據需要采用字段運算、直接映射和參照轉換等方法進行轉換。

表1 客戶等級評價決策樹原始樣本

2.3 數據預處理

為了使原始數據能適應數據挖掘決策樹算法，并能提高其挖掘的效率，要采用離散的技術對一些原始的屬性值劃分為區間，以減少屬性值的個數。部份的屬性值是文字的改為用數字如主營產品。詳細劃分如下表2。

表2 離散化處理規則

通過處理，最后得到的數據樣本如下表3：

表3 客戶等級評價決策樹修證樣本

2.4 構建決策樹

根據以上的數據樣本，下面使用ID3算法，建立會展客戶細分決策樹模型。

首先根據給定的樣本分類所需的期望值，目標屬性（參展頻率）具有三個不同的取值{1,2,3}，其它屬性作為決策樹的候選屬性。

即：I（S1，S2，S3）=I（84,60,156）=-（p1log2（p1）+p2log2（p2）+p3log2（p3））=1.4695

下一步：計算出以每個屬性劃分數據樣本，所需要的期望信息：

從計算結果可以看出具有最高信息增益的是參展次數,所以選它為決策屬性。如下圖1

圖1 客戶等級評價決策樹

建立決策樹是一個遞歸的過程中，所有的樣本使用參展次數等級分類后，形成了三個樣本集合，使用同樣的方法分別分析這三個樣本。對于參展次數≦3的第1集合，計算其期望信息：

計算按每個屬性劃分數據，所需要的期望信息。

由于簽約次數/參展次數具有最高信息增益，因此將它造作為決策屬性。并且發現參展次數為1,簽約頻率為2和4的兩個樣本集合的值都為2，所以建立一個葉子結點，如下圖2。

圖2 客戶等級評價決策樹

如此反復直到決策樹不能再生長，就可得到完整的決策樹。然后再通過刪除結點上分枝，將樹結點剪掉，以簡化復雜的決策樹。如下圖3：

圖3 客戶等級評價決策樹

3.決策樹模型結果與評估

該決策樹模型，我們采用300個客戶樣本，對建立的決策樹模型的準確性進行評估。經過分析可得到以下的決策樹混淆矩陣如表4：

表4 客戶等級評價決策樹混淆矩陣

矩陣對角線上的數值是預測準確的樣本個數，其余的數值是犯各類錯誤的個數，利用預測準確的樣本個數與測試樣本個數的比值，即為該模型的準確率。得（72+52+133）/300＝85.7%，即該模型的準確率為 85.7%，還應該繼續調整模型以提高準確率。

實驗結果表明，使用該算法對會展客戶的細分分析和預測是有效的。利用分析結果，可使會展管理人員更加充分的了解參展客戶，并為不同客戶量身定做出個性化服務，提高會展公司在行業中的競爭力。

從以上的決策樹可以得到以下五個結論：

（1）對于公司的金客戶，這些客戶一般與公司業務關系比較穩定，與業務員的關系也比較好，對公司的業務很支持，對這些客戶在參展方面不需要做太多的宣傳，對其可以在參展費用上給予一定的優惠。

（2）對于公司的重要客戶，公司業務人員要做好與其溝通和服務關懷，爭取將其轉變成公司的忠實金客戶。

（3）對于公司普通客戶，這些客戶是公司的主力軍，應特別加強與這些企業人員的聯系，加強人文關懷，加強對其產品的了解，推薦合適的交易會，盡量提高其對展會滿意度，進而將其發展為公司的銀客戶。

（4）對于公司潛力客戶，由于客戶和公司的合作時間較短，但參展效果還可以，是公司的大力發展對象。可以加強對其展會的推薦，將其發展成公司的穩定客戶。

（5）對于公司的低價值客戶，要加強對客戶的調查、咨詢分析、客戶投訴分析，同時加強對客戶展前指導及展后效果調查和聯系，積極爭取將其發展成公司的穩定客戶。

4.總結

本文利用數據挖掘技術對會展公司的參展客戶進行了細分，建立了基于決策樹的客戶細分模型。從屬性選擇、數據準備、數據預處理、構建決策樹、決策樹模型結果與評估五個方面，詳細介紹了客戶細分評價模型的建立過程，并針對建模結果對公司客戶管理提出合理化建議。在今后應用過程中，可以根據實際的需要修改算法，研究數據挖掘中其他方法，提高其對大數據量的運算效率及準確率，以求用更好的方法獲得合理的挖掘結果。

[1]劉振溪.中國會展業CRM的現狀分析與開發研究對策[J].經濟師,2008，（11）:34-36.

[2]邵峰晶，于忠清.數據挖掘原理與算法[M].北京：中國水利水電出版社，2003.91-125.

[3]楊善林，倪志偉.機器學習與智能決策支持系統[M].北京：科學出版社，2004.71-72.

[4]葉強，鄒鵬，尚維.基于多分類器融合的客戶細分研究[J].管理科學，2004，17（2）：64-67.