數據挖掘在客戶關系管理中的應用

寧夢月　胡向月

摘 要：大數據又稱巨量資料，由以圖像、日志、音像、網頁等紛繁復雜的數據類型所構成。大數據以其4V為主要特征：一是，海量的數據規模（Volume）；二是，快速的數據流轉和動態的數據體系（Velocity）；三是，多樣的數據類型（Variety）；四是，巨大的數據價值（Value）。大數據處理的核心技術是數據挖掘，數據挖掘是指從大量的數據中抽取出潛在的、不為人知的有用信息、依托一定的模型預測趨勢來為我們的決策提供依據。其廣泛應用于從商業科技到醫療、政府、教育、經濟、人文以及社會生活的各個領域。

關鍵詞：數據；關系管理；應用

1數據挖掘的背景

1989年8月在美國底特律召開的第11屆國際人工智能聯合會議的專題討論會上首次提出了數據庫中的知識發現這個術語；1995—1998年KDD國際會議對此進行了進一步的討論；近年來，數據挖掘在PAKDD、PKDD、DaWaK等國際會議中日益成為人們熱議的話題。

2硬件技術支持

計算機技術經歷的四代發展：一是，電子管計算機：它采用18000多個電子管為基本元件，體積大，功耗高，運算速度慢，每秒只能運算幾千次，只是應用在導彈、原子彈等國防技術尖端項目中的科學領域中；二是，晶體管線路：這一代計算機采用晶體管基本元件，體積與功耗比第一代有所縮小和降低，運算速度可以達到每秒十幾萬至幾十萬次。除了用作科學計算、數據處理外，也開始用于事務管理。使用計算機的也不再限于軍隊、政府和科研機構；三是，采用集成電路的IBM360系統：體積和功耗進一步縮小和降低，運算速度達每秒幾百萬至幾千萬次。計算機軟件系統基本形成；四是，大規模集成電路計算機：這一代計算機體積和功耗繼續縮小和降低，運算速度迅速提高到每秒以億次計。計算機軟件豐富，計算機應用領域和范圍都大幅度增加，并和通訊相結合，開始出現了計算機網絡化。

3社會需求

近年來，隨著互聯網、物聯網、云計算、等IT與通信技術的迅猛發展，數據庫越來越大，數據信息越來越多成為了許多行業共同面對的嚴峻挑戰和寶貴機遇，如何將雜亂無序的海量數據轉化為有用的信息為科學決策提供依據成為了人們關注的焦點，數據挖掘便成為滿足這一需求的實現手段之一。

4淺析應用

數據挖掘是通過分析每個數據，從大量數據中尋找其規律的技術，由以下三個階段組成：一是，數據準備；二是，數據挖掘；三是，結果表達和解釋。數據準備是從相關的數據源中選取所需的數據并整合成用于數據挖掘的數據集；數據挖掘是用某種方法將數據集所含的規律找出來；結果表達和解釋是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。

數據挖掘技術從開始就是面向應用的，諸如金融，市場，臨床、交通等各個領域。它所能解決的典型商業問題包括：數據庫營銷、客戶群體劃分、背景分析、交叉銷售等市場分析行為，以及客戶流失性分析、客戶信用記分、欺詐發現等。本文將就客戶關系管理在數據挖掘中的應用進行簡要分析

4.1數據挖掘在客戶分類中的應用

客戶分類是將客戶分成不同類型的過程，是使企業能夠有效進行客戶關系管理的基礎。對客戶分類有助于針對不同類型的客戶進行客戶分析，從而制定個性化的服務策略。

傳統客戶劃分的方法是基于簡單的行為特征和屬性特征。實際上大多數客戶對象并沒有嚴格的屬性，這些對象在性態類屬方面存在著連續性，一般需采用聚類分析的方法。

聚類分析是一種用數學方法通過自然聚集的方式定量地確定屬性和狀態的親疏關系，從而客觀地分析別的多元分析方法。在客戶聚類分析之前并不知道客戶可以分為哪幾類，將數據聚類以后，對每個簇中的數據進行分析，歸納出相同簇中客戶的相似性或共性，以此確定客戶的類別。

4.2數據挖掘在客戶識別和客戶保留中的應用

4.2.1數據挖掘在客戶識別中的應用

識別客戶是企業發現潛在客戶、獲取新客戶的過程，對于新客戶或潛在客戶，企業可以通過商業客戶數據庫或市場調查來獲取這些客戶的基本信息。得到這些客戶信息以后，企業根據客戶對企業產品或服務的不同反應建立數據挖掘預測模型，找到對產品最感興趣的客戶群，根據潛在客戶的信息分析出最可能的潛在客戶，這樣就可以有針對性地制定營銷及服務策略。

4.2.2數據挖掘在客戶保留中的作用

客戶保留是留住老客戶，防止客戶流失的過程。對企業來說，獲取一個新客戶比保留一個老客戶的成本高的多。在當前的商業競爭環境下，客戶保留也成為企業面臨的一個重要難題。

在客戶保留過程中，企業可以運用關聯分析和序列模型分析等方法進行決策分析。對已經流失的客戶進行數據分析，找到流失客戶的行為模式，分析客戶流失的原因。根據已經流失的客戶的特點，預測現有客戶中有流失傾向的客戶。對于這些客戶企業應該及時調整服務策略，針對用戶分類時得到的特點采取相應的措施挽留客戶。

4.3數據挖掘在客戶忠誠度分析中的應用

客戶忠誠度是提高企業客戶關系管理中的一個重大目標。企業獲得一個忠誠客戶將會大幅降低成本，同時提高企業的競爭實力。

在客戶忠誠度分析中，一般采用時間序列模型中的趨勢分析方法，對客戶持久性、牢固性和穩定性進行分析，通過數據分析和預測結果判斷客戶的持久性、牢固性和穩定性，繼而確定客戶的忠誠度。

4.4數據挖掘在客戶贏利率分析中的應用

客戶盈利率是一個定量評價客戶價值的指標。數據挖掘技術在客戶贏利率分析中的應用主要體現在分析。企業可以運用數據挖掘技術預測在不同的市場競爭環境和市場活動環境下客戶贏利率的變化，目的是找到最合適的市場環境，使企業的客戶贏利達到最大值。

4.5數據挖掘在個性化營銷中的應用

個性化營銷是面向客戶的營銷，也是客戶關系管理的重要組成部分。個性化營銷是在客戶分類的基礎上進行的。針對不同類型的客戶，企業可以采取不同的營銷策略，有針對性的個性化營銷可以降低廣告宣傳成本，有效提高營銷效果。

交叉銷售也是個性化營銷的一種形式，企業可以運用序列模型分析的方法，對客戶備選產品進行數據挖掘，根據數據挖掘的結果有針對性地進行營銷。

通過對客戶關系管理中數據挖掘的應用可以看出，在客戶關系管理中的很多方面都會用到數據挖掘技術。可見，數據挖掘技術的正確應用對客戶關系管理系統功能的全面實現具有重要的意義。

5結束語

隨著數據挖掘技術的迅猛發展，基于此的客戶關系管理（CRM）應用邁向一個新的臺階。掌握并利用好大數據，是當代企業提高核心競爭力的重要手段。通過科學的謀劃大數據戰略，采用客戶分類、個性化營銷等方式來提高營銷的針對性，為客戶提供更優質的服務，實現用戶和客戶雙贏。

參考文獻：

[1]欒港《客戶關系管理與應用》2015北京人民郵電出版社

[2]李志剛《客戶關系管理理論與應用》2011北京機械工業出版社

（作者單位：河南鄭州華北水利水電大學）