服務(wù)挖掘在客戶差異化服務(wù)中的應(yīng)用研究*

喻立，王虎

（1.清遠(yuǎn)職業(yè)技術(shù)學(xué)院，廣東清遠(yuǎn)511510；2.武漢理工大學(xué)管理學(xué)院，湖北武漢430074）

服務(wù)挖掘在客戶差異化服務(wù)中的應(yīng)用研究*

喻立1，王虎2

（1.清遠(yuǎn)職業(yè)技術(shù)學(xué)院，廣東清遠(yuǎn)511510；2.武漢理工大學(xué)管理學(xué)院，湖北武漢430074）

服務(wù)挖掘是對客戶服務(wù)數(shù)據(jù)庫的深度挖掘，旨在甄別有價值的客戶，掌握和培育客戶忠誠度，從而提供差異化的服務(wù)，使客戶對服務(wù)產(chǎn)品的利用價值最大化。在剖析服務(wù)挖掘內(nèi)涵的基礎(chǔ)上，提出了服務(wù)挖掘的目標(biāo)，對其系統(tǒng)進(jìn)行了邏輯性描述，并給出了一個服務(wù)挖掘算法實現(xiàn)的應(yīng)用案例。

服務(wù)挖掘；差異化服務(wù)；系統(tǒng)邏輯；算法

1 服務(wù)挖掘的目標(biāo)

服務(wù)挖掘是基于客戶服務(wù)數(shù)據(jù)庫，利用各種分析與統(tǒng)計工具，獲取每個客戶對某一特定產(chǎn)品的消費(fèi)或使用偏好特征，并結(jié)合給定的專家知識以及生產(chǎn)商提供的服務(wù)指南，挖掘出客戶行為特征對每項服務(wù)所產(chǎn)生的影響因子，并將其作為制定客戶服務(wù)計劃的主要知識保存于知識庫中。這一系列的因子將隨著客戶接受服務(wù)時間的不斷延續(xù)而被持續(xù)刷新，結(jié)合預(yù)測模型、標(biāo)準(zhǔn)服務(wù)指南和知識庫，預(yù)測出每個客戶下一次最有可能接受服務(wù)的項目以及最有可能接受此項服務(wù)的時間，從而為服務(wù)商開展差異化的服務(wù)提供技術(shù)上的支持［1］。

1.1 甄別有價值的客戶

不同的客戶為企業(yè)創(chuàng)造利潤的能力是不同的。一個企業(yè)80%以上的利潤往往來源于20%左右的重要客戶，這部分客戶應(yīng)被視為企業(yè)重要的資產(chǎn)。企業(yè)的資源和能力是有限的，應(yīng)該把主要的精力和資源投入到重要客戶中去。根據(jù)客戶生命周期理論，客戶的生命周期被劃分為四個階段，分別是考察期、發(fā)展期、穩(wěn)定期和衰退期（如圖1所示）。企業(yè)有價值的客戶往往集中在發(fā)展后期和穩(wěn)定期，這些客戶經(jīng)過與企業(yè)的多次交易，對企業(yè)積累了較高程度的信任，是企業(yè)的重要利潤源。這類客戶通常具有交易頻繁、交易額大、交往期長、對價格不敏感等特點(diǎn)，因此企業(yè)對這類客戶的營銷目標(biāo)是維持雙方關(guān)系，使客戶關(guān)系的邊際收益長期大于零，能保持穩(wěn)定的利潤來源［2－4］。

圖1 客戶生命周期曲線

1.2 掌握和培育客戶忠誠度

“讓顧客滿意”是現(xiàn)代管理的核心。在GB/T 19000—ISO9000族標(biāo)準(zhǔn)中對質(zhì)量的定義為：一組固有特性滿足顧客及相關(guān)方要求的程度，可見讓顧客滿意已是國際上企業(yè)運(yùn)作管理的統(tǒng)一標(biāo)準(zhǔn)［5］。通過服務(wù)挖掘可以幫助企業(yè)了解或掌握客戶對服務(wù)的期望標(biāo)準(zhǔn)，從而確立影響服務(wù)滿意度的特征指標(biāo)。在對客戶細(xì)分的基礎(chǔ)上，刻畫了一個客戶忠誠度的數(shù)學(xué)模型如下所示：

式中：fn為客戶滿意度函數(shù)，表示第n次測得的的值為客戶在n次測評中滿意度的均值；Sn為客戶的在n次測評中的滿意度方差；Lo為客戶忠誠度；xk為影響客戶滿意度的普通指標(biāo)系列，k＝1，2，3，…；xk′為影響客戶滿意度的個性化特征指標(biāo)系列，k＝1，2，3，…；A為分配的權(quán)重，B為Sn所分配的權(quán)重；C為其它因素影響調(diào)整常數(shù)。

由以上表達(dá)式可以看出，客戶滿意度受一組特征指標(biāo)xk，xk′影響。在客戶生命周期的考察期或發(fā)展期前期，客戶和企業(yè)進(jìn)行初始交易，還沒有建立起信任，這時客戶還只是企業(yè)潛在的有價值客戶。在這個時期，客戶在意的是企業(yè)提供服務(wù)的價格、時間、水平等公共指標(biāo)，即xk的滿足，然而此刻客戶的滿意還不足以對企業(yè)產(chǎn)生忠誠。隨著雙方交易次數(shù)的增加，客戶會從一系列的滿意中逐漸產(chǎn)生行為上的忠誠，這時客戶已經(jīng)進(jìn)入到客戶生命周期中穩(wěn)定期的前期。隨著交易的繼續(xù)，客戶開始產(chǎn)生一些個性化的需求，這時候影響滿意度的指標(biāo)會增加，即出現(xiàn)xk′。當(dāng)滿意持續(xù)下去，客戶會逐漸對企業(yè)產(chǎn)生精神上的忠誠和認(rèn)可。客戶的忠誠度Lo除了受影響外，還會受到方差Sn的影響。僅僅是大并不意味著Lo大，如果方差Sn很大，說明客戶的滿意是上下波動的，同樣會使Lo減小。在理論上Lo值越大，說明客戶的忠誠度越高，但應(yīng)考慮到Sn和閾值的制約。在實際客戶忠誠度的衡量中，企業(yè)可以通過對歷史數(shù)據(jù)的挖掘得出Sn和的經(jīng)驗閾值，如果實際測得的Sn和任一項不能達(dá)到閾值，即便Lo再大，客戶忠誠度也不可能高。

1.3 提供準(zhǔn)確的服務(wù)

服務(wù)具有如下特點(diǎn)：生產(chǎn)率難以確定，質(zhì)量標(biāo)準(zhǔn)難以建立，純服務(wù)性生產(chǎn)不能通過庫存來調(diào)節(jié)。這些無疑增加了服務(wù)的難把握性，表現(xiàn)為服務(wù)質(zhì)量的好壞很難由企業(yè)自己去控制，因為它是由客戶的主觀感知來決定的，而且企業(yè)很難在顧客最需要的時候提供最準(zhǔn)確的服務(wù)。所謂準(zhǔn)確指的是在服務(wù)的內(nèi)容和服務(wù)時機(jī)的準(zhǔn)確掌握上，因為服務(wù)尤其是純服務(wù)性生產(chǎn)很難通過庫存來調(diào)節(jié)或保值。以運(yùn)輸服務(wù)能力為例，多余的運(yùn)輸能力對顧客來說是沒有任何價值的，如不能馬上被消化掉，只會變成企業(yè)的沉默成本。顧客什么時候需要服務(wù)，需要什么樣的服務(wù)，顧客的滿意點(diǎn)在哪里，服務(wù)提供商需要發(fā)現(xiàn)這些有價值的信息，從而把握服務(wù)的準(zhǔn)確時機(jī)，并改進(jìn)服務(wù)的方式和內(nèi)容。

2 服務(wù)挖掘的系統(tǒng)邏輯

服務(wù)挖掘需要為客戶傳遞準(zhǔn)確的服務(wù)，正如生產(chǎn)管理當(dāng)中的準(zhǔn)時制（JIT），對下游工序的要求要準(zhǔn)確地響應(yīng)，實現(xiàn)拉動式的服務(wù)。不同的客戶對服務(wù)的內(nèi)容和時間的要求是不一樣的，除了需要有準(zhǔn)確的信息作支持外，還要求整個服務(wù)供應(yīng)鏈能有效地進(jìn)行資源整合、能力協(xié)調(diào)和計劃協(xié)調(diào)。服務(wù)挖掘的整個流程圍繞客戶的信息展開，首先要對客戶的消費(fèi)行為給予關(guān)注，并將其作為數(shù)據(jù)收集起來。比如一個汽車用戶的個人基本信息、車輛使用情況和歷史維修信息等，這些信息經(jīng)過整理后會存放在客戶信息庫。而知識庫主要存儲客戶的使用習(xí)慣信息和零件壽命指標(biāo)等，規(guī)則庫存儲的則是一系列產(chǎn)品服務(wù)的規(guī)范等?？蛻粜畔?、知識庫和規(guī)則庫的數(shù)據(jù)經(jīng)過清洗、提取和轉(zhuǎn)換后會存儲在數(shù)據(jù)倉庫，數(shù)據(jù)倉庫中的數(shù)據(jù)是用于服務(wù)挖掘主題的，應(yīng)該具有統(tǒng)一的格式、表示方式和代碼含義，用相同的單位表示。在數(shù)據(jù)倉庫中，所有的數(shù)據(jù)都是圍繞一定的主題進(jìn)行組織的，針對同一主題的數(shù)據(jù)主要存放在同一數(shù)據(jù)庫中，而關(guān)系型數(shù)據(jù)不同，其針對同一主題的數(shù)據(jù)是分布在相關(guān)各個數(shù)據(jù)表中的。服務(wù)挖掘在數(shù)據(jù)倉庫的基礎(chǔ)上進(jìn)行數(shù)據(jù)和算法的匹配，然后結(jié)合客戶行為分析，對客戶進(jìn)行識別并挖掘出客戶所需要的服務(wù)，即可形成客戶分類及需求信息。

在了解客戶分類及需求信息的基礎(chǔ)上，企業(yè)需要對整個服務(wù)供應(yīng)鏈系統(tǒng)進(jìn)行重構(gòu)，即有針對性地進(jìn)行資源的整合、能力的調(diào)整、計劃的協(xié)調(diào)，使其能在不增加成本的情況下，滿足重點(diǎn)客戶或絕大部分客戶的服務(wù)需求?？蛻粼诮邮芊?wù)之后會產(chǎn)生新的信息，其中一部分信息是非常重要的，如顧客滿意度、所使用產(chǎn)品目前的性能指標(biāo)等。這些信息都應(yīng)該反饋到客戶數(shù)據(jù)采集系統(tǒng)中，并對客戶信息庫中的數(shù)據(jù)進(jìn)行刷新。

在服務(wù)挖掘系統(tǒng)中，可以分為三個層次，從下層基礎(chǔ)到上層的分析應(yīng)用，分別為服務(wù)數(shù)據(jù)采集層、服務(wù)數(shù)據(jù)管理層和服務(wù)挖掘分析層。服務(wù)數(shù)據(jù)采集層可以采集各類數(shù)據(jù)，包括公共數(shù)據(jù)和私有數(shù)據(jù)兩大類。公共數(shù)據(jù)有國家的政策、法規(guī)，也有行業(yè)的標(biāo)準(zhǔn)和規(guī)則，而私有數(shù)據(jù)則分為客戶消費(fèi)數(shù)據(jù)和客戶本體數(shù)據(jù)?？蛻粝M(fèi)數(shù)據(jù)于消費(fèi)前、消費(fèi)中、消費(fèi)后分別采集相應(yīng)數(shù)據(jù)，客戶本體數(shù)據(jù)包括了自然屬性和社會屬性的數(shù)據(jù)。對于客戶數(shù)據(jù)的分析，都是屬于客戶識別的內(nèi)容。服務(wù)數(shù)據(jù)管理層主要是整理形成規(guī)則庫、客戶行為信息庫與客戶本體信息庫這三大數(shù)據(jù)庫，并進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)集成等處理過程。服務(wù)挖掘分析層是完成客戶行為分析，構(gòu)建主題數(shù)據(jù)倉庫，提供算法，從而進(jìn)行服務(wù)挖掘，其中客戶行為分析是關(guān)鍵部分。在客戶行為分析中，包括指標(biāo)體系的判定、技術(shù)方法的分析、對服務(wù)內(nèi)容與服務(wù)時機(jī)的影響分析等內(nèi)容。

3 服務(wù)挖掘的算法實現(xiàn)

在服務(wù)挖掘中，要運(yùn)用到概率統(tǒng)計工具和多種算法，各種算法有各自的特點(diǎn)，適合于不同場合。人工神經(jīng)網(wǎng)絡(luò)、粗糙集、遺傳算法、決策樹、關(guān)聯(lián)規(guī)則是在分析中常用到的算法，在不同的服務(wù)挖掘中運(yùn)用最合適的算法，即算法匹配是服務(wù)挖掘能否有效的關(guān)鍵。比如人工神經(jīng)網(wǎng)絡(luò)就適合于對數(shù)值性數(shù)據(jù)的處理，主要用于分類和預(yù)測，具有較強(qiáng)的魯棒性和容錯性，運(yùn)算速度較快；決策樹方法適合于對非數(shù)值性數(shù)據(jù)的分析和處理，主要用于預(yù)測分析；粗糙集用于對不精確、不完整數(shù)據(jù)的處理，發(fā)現(xiàn)隱含知識，并揭示內(nèi)在規(guī)律；關(guān)聯(lián)規(guī)則適合于對離散變量的處理，用于發(fā)現(xiàn)變量之間的內(nèi)在聯(lián)系和規(guī)律。以下給出一個基于客戶行為的設(shè)備故障診斷BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)［6－7］。

在工廠機(jī)床設(shè)備保養(yǎng)維護(hù)的過程中，一般是運(yùn)行一段時間后對機(jī)床進(jìn)行拆分解體，然后進(jìn)行徹底清洗和潤滑保養(yǎng)，但有些機(jī)床在保養(yǎng)后仍然出現(xiàn)加工精度低、光潔度不夠，甚至出現(xiàn)加工錐度問題。通過調(diào)查發(fā)現(xiàn)存在了皮帶輪打滑、尾座發(fā)生輕微偏移、刀架松動、進(jìn)刀箱與導(dǎo)軌之間存在間隙、制動帶磨損、主軸箱漏油、軸承損壞等7種故障，分別用F1～F7表示。這些故障和操作人員的日常操作行為有較大的關(guān)系，如機(jī)床的轉(zhuǎn)速、進(jìn)刀量、吃刀深度、工作時間等。比如某車床的操作人員在流水生產(chǎn)線上主要從事粗加工切削，習(xí)慣選擇中高轉(zhuǎn)速、進(jìn)刀量大、吃刀較深的方式，較易引起刀架松動和皮帶松動。再如流水線末端為精加工車床，其操作人員一般會選擇低轉(zhuǎn)速、進(jìn)刀量小、吃刀很淺的方式，吃刀一般在0.5～1mm之間，但由于連續(xù)運(yùn)轉(zhuǎn)時間長，也容易造成皮帶松動，但很少出現(xiàn)其它形式故障。經(jīng)過數(shù)理分析，以操作者所選擇的轉(zhuǎn)速、進(jìn)刀量、吃刀深度、工作時間、工作環(huán)境、保養(yǎng)周期、潤滑液使用等7個變量為影響因子，代表用戶使用行為習(xí)慣，分別用V1～V7表示。關(guān)于這些因素的數(shù)據(jù)可以從設(shè)備運(yùn)行日志、產(chǎn)品加工工藝說明書等資料中獲得。BP神經(jīng)網(wǎng)絡(luò)輸入實際這些特征量的提取，因此，網(wǎng)絡(luò)的輸入是一個7維向量。經(jīng)歸一化的7組樣本數(shù)據(jù)如表1所示。

表1 故障模式和影響特征參數(shù)

選取BP網(wǎng)絡(luò)結(jié)構(gòu)為NN（7，31），即隱含層個數(shù)為31，輸出層神經(jīng)元個數(shù)為7個。這里隱含層的神經(jīng)元個數(shù)不是固定的，需要不斷調(diào)整。當(dāng)網(wǎng)絡(luò)的輸出單元值為1時表示故障存在，其值為0時表示故障不存在。本例可運(yùn)用MATLAB7實現(xiàn)，基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果如圖2所示。經(jīng)過36次訓(xùn)練后，網(wǎng)絡(luò)的性能就達(dá)到了要求。

圖2 基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果

接下來用以下4組新數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行測試。測試參數(shù)如表2所示。

表2 測試參數(shù)

得到以下輸出，如表3所示。

表3 輸出特征值

根據(jù)上述輸出結(jié)果可以得出，第一組輸出的特征值會導(dǎo)致故障F4，按照歐式范數(shù)理論，其測試誤差為0.017 3；第二組輸出的特征值會導(dǎo)致故障F4，測試誤差為0.036 9；第三組輸出的特征值會導(dǎo)致故障F3，測試誤差為0.002 0；第四組輸出的特征值會導(dǎo)致故障F3，測試誤差為0.079 6，4組測試的誤差都非常小。本算例給出的是設(shè)備出現(xiàn)單一故障的場合，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)可以較準(zhǔn)確地進(jìn)行診斷，為維修服務(wù)人員開展準(zhǔn)確的服務(wù)，并提供有價值的信息，但對于復(fù)合故障，選用BP網(wǎng)絡(luò)進(jìn)行診斷則會出現(xiàn)較大誤差，還需要其它的算法來匹配。

4 結(jié)語

由于服務(wù)的難把握性，服務(wù)提供商很難在客戶最需要的時候提供最準(zhǔn)確的服務(wù)，尤其是對價格昂貴的機(jī)械設(shè)備、車輛、精密儀器等，用戶的個性操作習(xí)慣與設(shè)備產(chǎn)品的特性變化存在較大的關(guān)聯(lián)。對于缺乏產(chǎn)品使用知識的用戶，經(jīng)常是當(dāng)設(shè)備產(chǎn)品出現(xiàn)了明顯的故障才會產(chǎn)生服務(wù)需求，但也往往在這個時候，設(shè)備的性能包括使用壽命已受到不可逆轉(zhuǎn)的影響。通過服務(wù)挖掘，可以獲得用戶行為特征對每項服務(wù)所產(chǎn)生的影響因子，結(jié)合預(yù)測模型、標(biāo)準(zhǔn)服務(wù)指南和專業(yè)知識庫的構(gòu)建，可以實現(xiàn)對最佳服務(wù)時機(jī)的有效預(yù)測，使被動服務(wù)轉(zhuǎn)變?yōu)橹鲃臃?wù)，從而提升客戶對產(chǎn)品的使用價值。

［1］王虎，喻立.主動服務(wù)導(dǎo)向下的服務(wù)挖掘模型研究［J］.武漢理工大學(xué)學(xué)報（信息與管理工程版），2010（4）：284－288.

［2］Andreassen Tor W，Streukens Sandra.Online complaining Understanding the adoption process and the role of individual and situational characteristics［J］.managing service quality，2013，23（1）：4－24.［3］陳明亮.基于全生命周期利潤的客戶細(xì)分方法［J］.經(jīng)濟(jì)管理，2002（20）：35－40.

［4］李志剛.客戶關(guān)系管理理論與應(yīng)用［M］.北京：機(jī)械工業(yè)出版社，2006.

［5］Rigby Darrell K，Reichheld Frederlek F，Sehefter Phil.Avoid the Four Perils of CRM［J］.Harvard Business Review February，2002，80（2）：101－109.

［6］王燕妮，樊養(yǎng)余.改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)預(yù)測算法［J］.計算機(jī)工程與應(yīng)用，2010（17）：67－73.

［7］陳思.一種BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的改進(jìn)方法［J］.長春師范學(xué)院學(xué)報（自然科學(xué)版），2010（8）：25－30.

The Study on the Application of Service Mining Based on Customer Differentiated Service

YU Li1，WANG Hu2
（1.Qingyuan Vocational Technical College，Qingyuan 511510，China；2.School of Management，Wuhan University Of Technology，Wuhan 430070，China）

Serviceminingmeans the customer service databasemining，which intends to identify valuable customers，keep customers’loyalty，then provide differentiated services，and ensure tomaximize the value of service products.Based on the analysis of the servicemining connotation，this paper proposes servicemining target，the logical description of its system，and an implementation case of servicemining algorithm.

Servicemining；Differentiated services；System logic；Algorithm

TP311.13

A

2095－2562（2016）01－0040－04

（責(zé)任編輯：賀嫁姿）

2015－04－15；

2015－11－02

國家自然科學(xué)基金項目（71071122）

喻立（1968—），男，湖北監(jiān)利人，副教授，博士，主要研究方向為管理科學(xué)與工程、供應(yīng)鏈管理。

王虎（1961—），男，湖北荊州人，教授，博士生導(dǎo)師，主要研究方向為信息管理與信息系統(tǒng)、數(shù)據(jù)挖掘。