數據挖掘在企業客戶行為分析中的應用探究

包文夏

[摘 要]在企業管理中，客戶行為分析是一項重要的工作，有利于增加企業的客戶資源，提高客戶的滿意度。將數據挖掘技術應用到企業客戶行為分析中意義重大，可以幫助企業提高客戶行為分析的準確性和科學性，從而為企業制定更加完善的發展戰略服務。本文主要對數據挖掘技術在企業客戶行為分析中的應用進行研究。

[關鍵詞]客戶行為；數據挖掘；行為分析

doi：10.3969/j.issn.1673 - 0194.2017.14.034

[中圖分類號]F270 [文獻標識碼]A [文章編號]1673-0194（2017）14-00-02

知識經濟時代，網絡經濟不斷發展，客戶需求向著多樣化的方向發展，為了更好地迎合客戶需求，企業需要相應改變銷售策略，以便獲得更多的客戶，提高企業市場份額的占有率。這個道理，在當今的市場環境下誰都明白。如，戴爾電腦公司堅持客戶為本的理念，將客戶的需求進行劃分，一切圍繞滿足客戶需求的進程進行。圍繞客戶的個性化需求展開產品的提供和服務。為了將公司做大做強，對客戶行為進行分析，提供個性化的產品和服務，能保證企業在數量增加的同時，還能增加營銷等活動，真正充實數據資源等，解決擺在企業面前的難題。

1 數據挖掘技術

在遇到大量的不完全的數據時，需要對有噪聲、模糊的數據進行挖掘，將其中的數據采用人工智能統計的方法進行知識的獲取。利用數據進行技術的挖掘，必須采用特征化和比較描述的方法，將較低概念層次的對象數據加以抽象，達到較高的概念層次，使數據有類比和對比的可比性，形成相抵的屬性，如圖1所示。

（1）采用關聯規則的方式，將事件進行記錄，并將發生在一起的項目，進行潛在關聯的推斷，得到彼此間的識別模式，按照維數和層次的分類，可以關聯規則的基礎。

（2）對歷史數據進行模型的分類和監理，采用相鄰的分類法，將遺傳算法等進行數據的分類，如，決策樹等方法。

（3）將現實進行抽象后，對象采用集合和分組的方法，在相似對象的多個類的過程中，采用數據集合的方法，促成聚類的族群的類比，將同族內的對象進行相似度處理，得到聚類的數據挖掘，采用預處理的步驟將算法中的簇進行進一步處理，得到聚類算法的分層次的網格和密度的分類結果。

（4）采用同簇中的相似和相異的，使用統計學中的回歸方法和時間序列進行分析，根據已有的歷史數據建立模型，對發展趨勢進行預測。

2 數據挖掘技術在企業客戶行為分析中的應用

數據挖掘技術在企業客戶行為分析中起著關鍵的作用，企業可用數據挖掘技術對已有的客戶數據進行一系列分析，找出其中蘊涵的知識，以采取有效的措施和策略。

（1）企業客戶進行細分。企業的資源是有限的，根據市場的狀況劃分客戶的消費行為，采取有效的營銷策略細分客戶，然后讓企業認識客戶，針對不同的客戶群提供個性化服務。根據地理環境和產品利潤，對企業的客戶進行劃分，選擇適當的挖掘技術在客戶群體的分類標準情況下，可以挖掘出聚類的技術，劃分客戶群，這種采用分析聚類方法得到的結果，能夠對每個客戶群進行未來狀況的預測，同時，可采用挖掘的概念描述，在高的抽象層次上對每個客戶群進行理解和不同的客戶群間進行比較。根據客戶的要求進行個性化服務，雙方在產品的利潤以及品牌的使用率和購買品牌的忠誠度上，進行細致劃分，根據企業的營銷戰略對企業的客戶進行適當挖掘，如果對客戶群體的分類能夠聚類，并可根據標準進行劃分，則挖掘的分類和客戶群的未來狀況、給企業帶來的利潤率將被精確地預測。每個客戶的概念描述將被具體地挖掘出來，每個客戶群都能在高的層次上進行比較，如圖2所示。

（2）客戶的盈利能力與企業的利潤相關。當知道了客戶的盈利能力后，企業才能采取有效的營銷策略，根據歷史數據進行技術的挖掘，如果某個客戶的盈利能力能夠達到度量標準，就可以成為企業的黃金客戶，企業可以向這些客戶提供特殊的服務和經營的策略，將其的滿意度和忠誠度不斷提高，保證企業的盈利。同時可采取分類挖掘的技術，將客戶分成不同的客戶群，然后對他們的相近特征進行考慮，采用交叉營銷的方式，對這些客戶發送電子郵件，推薦有興趣的產品或者服務。針對結果進行營銷策略的制定，提高客戶可盈利的水平。

（3）對客戶進行獲取和保持。要對現有客戶的生命周期進行核算，隨著業務擴大，時間的流逝，客戶需要不斷補充，企業的發展需要新客戶的加盟。對于新客戶，企業可以通過不同的營銷手段，獲取每個客戶對營銷手段的不同反應，通過多樣化的交流渠道，獲得更多的信息。營銷的渠道有很多，有郵件、電話、網站等，反饋的數據量不斷擴大，營銷者難以把握，要充分利用數據分析的方法，將客戶的概念從整體上加以描述和概括。運用數據發掘的辦法，將客戶的興趣進行關聯，得到盈利判斷標準，為對客戶的盈利能力進行預測、分類和處理、得到有價值的知識，發掘出有效的營銷方法。

商品的增多使客戶和企業的接觸渠道多樣化，客戶的流失是由于客戶的選擇性在增多。進行與客戶流失的關聯分析，能夠將流失的客戶數據進行重建，做好現有客戶不再被流失的防范措施。例如通過對客戶群進行細分，提供個性化服務，實行一對一營銷，提高客戶的滿意度。

一個服務提供商要運用數據挖掘技術將客戶保留。企業要根據人力資源專家給出的相關因素選擇適當的數據源，運用決策樹的方法進行分類，可根據是否有流失傾向進行劃分，然后運用季節取向模型對客戶的業務規律進行建模，得到歷史數據，運用偏差檢測方法對影響性較高的數據進行檢測，經過檢測閾值進行預警，對每個客戶的興趣度進行選擇和處理，做好防范措施，在有業務聯系的客戶群里，引發“鏈條效應”，采用多層關聯規則的挖掘方法將客戶的相關性進行挖掘。分析不同的概念層，預防鏈條效應的發生，避免企業客戶群的流失。

（4）實際應用中，對數據模型運用神經網路的方法，對合法交易的記錄和欺詐記錄的集合進行計算，以選擇相應的規則，對有欺詐行為的客戶進行判斷，提高信用度。企業營銷的重點將隨著市場的變化而變化，數據挖掘發揮的作用是相互利用而不是分開的。在細分客戶群時如果發現了特殊的客戶，企業需要對這些特殊客戶進行發掘，進行盈利能力分析，然后根據盈利和成本的差額進行選擇，將潛在客戶的數據加以挖掘和應用，針對具體問題進行具體分析，并加以靈活運用。

3 結 語

隨著全球化企業營銷管理競爭的加劇，數據挖掘技術在挖掘語言的形式化和標準化、挖掘過程的可視化、網絡環境的數據挖掘、非結構化數據挖掘、知識的維護更新等方面不斷取得新進展，對企業信息化建設具有推進作用。當今越來越多的企業建立屬于自己的數據倉庫，數據挖掘技術將會取得廣泛和深入的應用，屆時，誰運用數據挖掘技術掌握了客戶資源，誰將更具競爭力。

主要參考文獻

[1]朱慧云，陳森發，張麗杰.動態環境下多個時期的客戶購物模式變化挖掘[J].東南大學學報：自然科學版，2012（5）.

[2]郭崇慧，趙作為.基于客戶行為的4S店客戶細分及其變化挖掘[J].管理工程學報，2015（4）.

[3]劉學.基于數據挖掘的基金定投業務中客戶行為的分析[D].大連：大連海事大學，2013.

[4]胡娟.基于數據挖掘的客戶智能分析和研究[J].電腦知識與技術，2013（35）.endprint