數據挖掘技術在客戶關系管理信息系統中的應用研究

路健 王立坤 李曉玉

[摘 要]隨著服務經濟的到來，商場從過去的以商品為中心轉向以客戶為中心。想要真正做到以客戶為中心，商場必須建立客戶關系管理信息系統，積累與商場客戶有關的數據信息，整合信息并利用數據挖掘技術實現客戶細分、交叉銷售、商品推薦、客戶價值分析、客戶獲得和客戶保持等。同時，還要將傳統客戶關系管理信息系統與數據挖掘技術相結合，以深入了解客戶，輔助商場管理人員決策，從而挖掘潛在客戶、提高客戶忠誠度，最終增加商場利潤。

[關鍵詞]數據挖掘技術;客戶關系管理;信息系統

doi：10.3969/j.issn.1673 - 0194.2020.24.048

[中圖分類號]F270.7;TP315[文獻標識碼]A[文章編號]1673-0194（2020）24-0-02

0? ? ?引 言

在大數據背景下，想要獲取客戶更多有價值的信息，商場需要建立自己的客戶關系管理系統。一方面，商場要管理客戶基本數據和消費數據;另一方面，還要利用數據挖掘技術處理和分析這些數據，以挖掘出對管理決策有潛在參考價值的信息，從而輔助管理者做決策，達到維持老客戶、發現新客戶、提高客戶滿意度和忠誠度、獲取更多利潤的目的。

1? ? ?數據挖掘技術的應用流程

1.2? ?定義挖掘目標

對商場來說，挖掘目標一般是細分商場客戶，了解不同客戶的消費特征和貢獻度，找出值得關注的最有價值的客戶，制訂區別于一般客戶的營銷方案，實現精準營銷;預測客戶喜好，幫助客戶快速找到自己感興趣的商品，并進行有效推薦;分析歷史銷售數據，預測未來商品需求量，并制訂合理的采購計劃等。

1.2? ?數據準備

確定挖掘目標后，還要進行數據準備，數據準備的充分性直接影響挖掘算法的效率和精準度。數據準備工作主要包括數據取樣、數據探索、數據預處理。其中，數據預處理又包括數據清理、集成、變換和規約等工作。另外，對商場來說，數據一般來源于客戶基本信息和銷售信息。

1.3? ?挖掘建模

數據準備完成之后要進行挖掘建模，首先，考慮挖掘建模屬于哪類問題，如客戶分類、客戶聚類、商品關聯規則、商品智能推薦等;其次，根據對應問題選擇具體的算法構建模型。相關單位定義的數據挖掘目標不同，需要處理的問題也不同，采取的數據挖掘算法也不同。對商場來說，如果挖掘目標是細分客戶信息，則商場需要根據客戶消費記錄聚類客戶，選擇K-means等聚類算法;如果挖掘目標是找出各種商品之間的潛在關系，則應選擇Apriori算法。

2? ? ?客戶關系管理系統模塊設計概述

2.1? ?設計目標

客戶關系管理系統可以結合信息技術和數據挖掘技術深層次地挖掘和分析客戶信息，以了解客戶需求，制定營銷策略，進而維持老客戶、獲取新客戶。客戶關系管理系統具有以下兩個設計目標：第一個目標是利用計算機儲存和處理復雜煩瑣的數據，幫助商場各部門員工提高工作效率，將他們從大量重復的人工操作中解脫出來，節省人力物力，提高數據處理的及時性和準確性;第二個目標是處理和分析數據庫中存儲的各類數據，利用數據挖掘技術實現客戶分類、客戶聚類、商品交叉銷售、商品智能推薦、客戶價值分析、客戶獲得和客戶保持等。

2.2? ?系統模塊設計功能

2.2.1? ?客戶管理功能

①客戶信息管理：管理客戶信息，包括添加、修改和刪除客戶基本信息等。②客戶信息查詢：根據需求瀏覽和查詢客戶基本信息以及消費信息。③客戶信息分析：分析客戶來源渠道以及客戶滿意度，根據客戶來源渠道制定合適的宣傳策略，以獲取新客戶;根據客戶對商場的滿意度制定相應的優惠措施維護現有客戶。

2.2.2? ?客戶服務管理

①客戶問題管理：記錄客戶提出的問題，以方便為客戶提供更及時的服務。②回訪管理：主動回訪客戶，了解客戶對商場的滿意程度。③訂單管理：記錄客戶的訂單信息，以及時滿足客戶訂單要求。④兌獎信息管理：更新兌獎活動信息，同時記錄客戶積分兌獎信息。

2.2.3? ?營銷活動管理功能

①營銷活動管理：更新商場舉行的營銷活動的基本情況。②其他商場信息追蹤：追蹤其他商場的基本信息以及其營銷活動的信息，并有效分析追蹤到的信息，以了解市場動態，做出正確決策。③客戶消費統計分析：統計和分析客戶消費數據。根據銷售記錄分析客戶的消費情況，進行客戶細分、客戶價值分析、客戶流失分析，制定相應的交叉銷售策略和商品推薦策略。

2.2.4? ?進銷存管理功能

①銷售管理：記錄與客戶進行的每一次交易信息，還可以刪除、查詢銷售信息等。通過記錄客戶購買信息，自動增加客戶積分依據購買額。同時，根據商品銷售歷史數據預測商品以后的銷量，以制訂合理的采購計劃，滿足客戶需求。②采購管理：記錄每一次采購信息，包括修改、刪除和查詢采購信息等。③商品信息管理：管理商品的基本信息，包括添加、修改和刪除商品信息等，還可查詢商品銷售狀態以及商品促銷信息。④供應商信息管理：管理供應商基本信息，包括添加、修改和刪除供應商信息等，還可對供應商進行分類和評價，以在采購時選擇準確的供應商。⑤庫存信息查詢：商場員工可查詢各種商品的庫存信息。當客戶下訂單時，客服人員首先要查看庫存信息;當客戶購買商品時，銷售人員要先查看庫存信息。

3? ? ?數據挖掘技術在各模塊中的應用

3.1? ?客戶信息分析子模塊

匯總分析客戶來源渠道信息，針對占比高的來源渠道制訂一系列宣傳方案，以獲取新客戶。對客戶滿意度進行調查分析，匯總客戶的意見和建議，制定相應的整改措施，以維持老客戶。

3.2? ?其他商場信息追蹤子模塊

搜集整理競爭對手的營銷活動數據，并利用數據挖掘技術詳細分析競爭對手舉辦的營銷活動的主題、方式、效果等，以幫助決策者做出正確的營銷決策。

3.3? ?客戶消費統計分析子模塊

處理客戶的基本數據和消費數據后，可以利用決策樹算法實現客戶分類，利用K-Means算法實現客戶聚類，利用Apriori算法挖掘商品關聯規則，利用協同過濾算法發現相似客戶并預測客戶喜好。具體算法如下。

3.3.1? ?決策樹算法

決策樹算法是分類、預測等領域的典型算法，因其速度快、準確率高而被廣泛應用。首先，對數據進行預處理，利用歸納算法生成簡單的、可讀的規則集和決策樹;其次，利用決策樹分析測試數據。決策樹算法可以對商場客戶進行有效分類，從而構建客戶價值決策樹，根據客戶基本信息和消費信息合理劃分客戶，確定每個客戶所屬的類別并歸納出每類客戶的價值分布規律，針對不對客戶群制定不同的營銷策略。

3.3.2? ?K-Means算法

K-Means算法是實現聚類最常用、最典型的算法，該算法首先要確定分類個數K，然后在最小化誤差函數的基礎上，依據距離最小原則將原始數據劃分為K個類，一般采用歐幾里得距離作為度量指標，計算每個對象與各簇中心的距離，距離越近相似度就越大，可以歸為一類。RFM模型可用來衡量客戶價值和客戶貢獻度，其中，R（Recency）表示最近一次消費時間，F（Frequency）表示消費頻率，M（Monetary）表示消費金額。對商場來說，可以根據客戶的RFM消費行為特征數據，利用K-Means算法將客戶進行聚類，并評判每一類客戶群的價值，一般可將客戶劃分為高價值客戶、一般客戶和低價值客戶。聚類結果對個性化的溝通和服務提供依據，從而為商場做出精準的營銷決策提供支持。

3.3.3? ?Apriori算法

Apriori算法是關聯規則分析最常用、最典型的算法，其挖掘高頻率項集的核心思想是，通過連接產生候選項及其支持度，通過剪枝生成頻繁項集。對商場來說，利用Apriori算法可以進行各種商品之間的關聯規則分析，從大量的銷售統計數據中挖掘不同商品之間的關聯規則，可以快速識別客戶的購物偏好，以此為依據制定交叉銷售規則，當客戶購買某商品時可以推薦相關商品，引導客戶消費，提高客戶的購物體驗。

3.3.4? ?協同過濾算法

協同過濾算法是經典的推薦算法，根據相似用戶的喜好自動預測用戶喜好。利用統計的用戶消費行為數據計算數據的相似度，進而找到相似用戶，匯總相似用戶喜歡的商品，并根據與用戶的相似度得出各個商品的推薦度，再根據推薦度推薦商品，提升成交概率，增加銷售額。

3.4? ?銷售管理子模塊

利用時間序列平滑預測法或者馬爾科夫預測法分析歷史銷售數據，以有效預測商品需求，并以此為依據制訂合理的采購計劃，滿足客戶對各類商品的需求。

3.5? ?供應商管理子模塊

利用數據挖掘技術實現供應商細分，根據供應商的各個屬性值對供應商進行分類，或者將層次分析法和模糊綜合評判法相結合，實現對各個供應商的評價分析。

4? ? ?結 語

將數據挖掘技術與商場客戶關系管理信息系統相結合，可以深入挖掘客戶信息以及銷售數據，從而輔助決策者制定決策，提高商場服務和營銷質量。例如，利用決策樹算法可以細分客戶;利用K-Means算法可以實現客戶聚類，且可以根據不同價值的客戶制定不同的營銷策略;利用Apriori算法可以挖掘商品關聯規則，制定交叉銷售策略;利用協同過濾算法可以發現相似客戶并預測客戶喜好，并進行有效推薦，以增強用戶體驗感，增加商場銷售額。

主要參考文獻

[1]王欣，薛雯，魏源彤.數據挖掘在客戶關系管理系統中的應用研究[J].東北電力大學學報，2015（4）：73-78.

[2]于興平，于騰飛，李洪建.數據挖掘技術在客戶關系管理系統的應用[J].信息與電腦，2019（2）：151-153.

[3]朱榮，周彩蘭，高瑞.基于數據挖掘的客戶關系管理系統研究[J].現代電子技術，2018（1）：182-185.