數(shù)據(jù)挖掘在CRM中的運用

申請免費試用、咨詢電話：400-8352-114

      1、引 言

　　經(jīng)濟的發(fā)展，導致商品極大豐富，市場競爭日益激烈，社會商品逐漸趨于同質(zhì)化，品質(zhì)不再是顧客消費選擇的主要標準，更多的顧客看重的是商家能夠為其提供何種服務，以及服務的質(zhì)量和及時程度。于是企業(yè)之間的競爭方式逐漸由過去的以產(chǎn)品為中心轉變?yōu)橐钥蛻魹橹行?，很多企業(yè)認識到如何正確處理好與客戶的關系是在競爭中成功的關鍵，客戶關系管理CRM(Customer Relationship Management)便應運而生了?？蛻絷P系管理的任務就是對客戶進行系統(tǒng)化的研究分析，找出與客戶交互過程中的規(guī)律，以便提高客戶的服務水平，形成一對一營銷，從而提高客戶忠誠度，并因此給企業(yè)帶來更多的利潤。

　　2、客戶關系管理的系統(tǒng)結構

　　從宏觀上CRM可以分為相互獨立又緊密聯(lián)系的三個部分：渠道層次的CRM、操作層次的CRM以及分析層次的CRM。渠道層次的CRM是指企業(yè)擁有多種與客戶的溝通方式，運用CTI(Computer Telecommunication Integration)技術實現(xiàn)符種聯(lián)絡方式如計算機、網(wǎng)絡與電話網(wǎng)的集成用以方便與客戶的溝通。使企業(yè)可以方便地、有選擇地處理客戶的抱怨、及時響應客戶的要求以及向客戶發(fā)布各種信息。操作層次的CRM可以消除以往企業(yè)部門之間存在各自為戰(zhàn)，信息互不相通的現(xiàn)象，幫助企業(yè)實現(xiàn)營銷、銷售、服務等業(yè)務環(huán)節(jié)的流程自動化，真正做到利用IT的手段提高企業(yè)的運作效率、降低運作成本的目的。分析層次的CRM主要是指運用數(shù)據(jù)挖掘技術分析客戶數(shù)據(jù)從而對營銷、銷售、服務等業(yè)務部門提供決策支持。通過數(shù)據(jù)挖掘技術對客戶需求進行深入分析可以滿足企業(yè)對個體細分市場的客戶關系管理需求。CRM的精髓在于如何運用數(shù)據(jù)挖掘技術建立好分析層次的CRM。

　　3、數(shù)據(jù)挖掘技術概述

　　數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的人們不知道但又潛在有用的信息和知識的過程。它融合了數(shù)據(jù)庫、人工智能、機器學習和統(tǒng)計學等多學科的理論和技術。數(shù)據(jù)挖掘不是簡單的對數(shù)據(jù)的查詢，而是對數(shù)據(jù)進行更深入的計算、分析、推理，發(fā)現(xiàn)數(shù)據(jù)之間的關系，從而完成從大量業(yè)務數(shù)據(jù)到?jīng)Q策信息的轉換。

　　3.1 數(shù)據(jù)挖掘的功能

　　◆特征描述

　　數(shù)據(jù)庫一般存放著大量的細節(jié)數(shù)據(jù)。有時，用戶希望用簡潔的描述形式觀察匯總的數(shù)據(jù)集，這種數(shù)據(jù)特征描述可以提供一類數(shù)據(jù)的概貌。此外用戶可能希望方便、靈活地以不同的粒度和不同的維度描述數(shù)據(jù)。這種描述性的數(shù)據(jù)挖掘被稱為特征描述。

　　◆關聯(lián)規(guī)則分析

　　關聯(lián)就是數(shù)據(jù)之間存在的隱含、重要的規(guī)律，關聯(lián)分析試圖找出這種規(guī)律性并把它轉換為知識，為決策提供可靠的支持。關聯(lián)分析可以分為簡單關聯(lián)、時序關聯(lián)、因果關聯(lián)等。

　　◆聚類

　　聚類是將物理或抽象對象的集合分組成為由類似的對象組成的多個簇的過程。由此而生成的簇是一組對象的集合，同一個簇中對象彼此相似，不同的簇中對象之間相差較多。目前較流行的幾中技術是二劃分方法、層次方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法等。整個過程屬于無指導的學習過程。

　　◆分類

　　分類的過程可以分為兩步：第一步首先是建立訓練數(shù)據(jù)集，其每個記錄都帶有一定的類別屬性，然后運用一定的分類算法對訓練數(shù)據(jù)集進行分析并構造分類器(分類規(guī)則)。第二步是利用已經(jīng)建立的分類器對類別屬性未知的記錄進行預測。整個過程屬于有指導的學習過程。

　　3.2 常用的數(shù)據(jù)挖掘算法

　　◆決策樹方法

　　決策樹是類似于流程圖的樹形結構，建立決策樹時需要對節(jié)點進行多次循環(huán)遞歸測試，每次都會產(chǎn)生一定的測試分支，直到每個節(jié)點都屬于同一個類或者沒有可以測試的屬性為止。典型算法有：CHAID；CART；ID3；PUBLIC等。

　　◆神經(jīng)網(wǎng)絡方法

　　神經(jīng)網(wǎng)絡方法從結構上模仿人的生物神經(jīng)，不易理解，一般把它看做黑盒。訓練一個神經(jīng)網(wǎng)絡需要很多的訓練數(shù)據(jù)，而且很費時間，但是一旦訓練完成。它可以很快的對新樣本作出預測，可以用于分類、聚類等多種數(shù)據(jù)挖掘任務。

　　◆模糊集方法

　　是一種表達和處理不確定性問題的重要方法。數(shù)據(jù)庫中存在許多的不確定性，模糊集方法利用不確定性使系統(tǒng)變得簡單可處理。當輸入精確性不高時，這是一種強有力的模型方法。

　　◆粗糙集方法

　　粗糙集基于給定訓練數(shù)據(jù)內(nèi)部的等價類的建立。形成等價類的所有數(shù)據(jù)樣本是不加區(qū)分的。給定現(xiàn)實世界的數(shù)據(jù)，通常有些類不能被可用的屬性區(qū)分。粗糙集可以用來近似地定義這種類。粗糙集可以用于分類也可以用于特征歸約和相關分析。此外還有貝葉斯網(wǎng)絡、最臨近搜索和公式發(fā)現(xiàn)等方法。

　　4、CRM中數(shù)據(jù)挖掘的一般過程

　　CRM中數(shù)據(jù)挖掘的一般過程數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)挖掘、解釋評價、知識形成等幾點。其中涉及管理、技術等多方面的工作。

　　4.1 數(shù)據(jù)采集

　　是針對不同的業(yè)務運用領域，從數(shù)據(jù)庫中提取不同任務相關數(shù)據(jù)的過程。如銷售部門所關心的數(shù)據(jù)與售后服務部門肯定是有所區(qū)別。采集的數(shù)據(jù)不對或不完整將對數(shù)據(jù)挖掘的結果產(chǎn)生誤導。

　　4.2 數(shù)據(jù)預處理

　　數(shù)據(jù)庫中一般是平時工作產(chǎn)生的事務數(shù)據(jù)，一般是不夠完整的，如存在空缺值、噪聲數(shù)據(jù)、不一致性等缺陷，如果不進行預處理將對以后的挖掘產(chǎn)生很大的影響。

　　4.3 數(shù)據(jù)挖掘

　　運用一定的挖掘算法從目標數(shù)據(jù)中提取知識的過程。

　　4.4 解釋評價

　　當數(shù)據(jù)挖掘結果出現(xiàn)后，需要對其結果進行解釋與評價，以確保挖掘出的結果在實際運用中的準確性。

　　4.5 知識形成

　　將挖掘出的知識存如知識庫以備使用。

　　5、數(shù)據(jù)挖掘技術在客戶關系管理中的典型應用

　　5.1 客戶獲取

　　客戶獲取的傳統(tǒng)方式一般是通過大量的媒體廣告、散發(fā)傳單等方式吸引新客戶。這種方式涉及面過廣不能做到有的放矢而且企業(yè)投入太大。數(shù)據(jù)挖掘技術可以從以往的市場活動中收集到的有用數(shù)據(jù)(主要是指潛在客戶反應模式分類)建立起數(shù)據(jù)挖掘模型。企業(yè)因此能夠了解真正的潛在客戶的特征分類，從而在以后的市場活動中做到有的放矢而不是傳統(tǒng)的憑經(jīng)驗的猜想。

　　5.2 客戶細分

　　細分就是指將一個大的消費群體劃分成為一個個細分群體的動作，同屬一個細分群體的消費者彼此相似，而隸屬于不同細分群體的消費者是被視為不同的。比如將數(shù)據(jù)庫中的數(shù)據(jù)按照年齡的不同來組織存放這樣一個簡單的動作就是細分。細分可以讓用戶從比較高的層次上來觀察數(shù)據(jù)庫中的數(shù)據(jù)，細分可以讓人們用不同的方法對待處于不同細分群中的客戶。數(shù)據(jù)挖掘中的分類、聚類等技術可以讓用戶對數(shù)據(jù)庫中的數(shù)據(jù)按類別、年齡、職業(yè)、地址、喜好等企業(yè)感興趣的屬性進行客戶細分。客戶細分是企業(yè)確定產(chǎn)品和服務的基礎．也是建立客戶一對一營銷的基礎。

　　5.3 客戶贏利能力分析

　　就企業(yè)的客戶而言，企業(yè)的絕大部分利潤是來自于小部分的客戶，而對于企業(yè)來說很難確定哪些客戶是高利潤回報，哪些客戶是低利潤回報甚至是負利潤回報的。數(shù)據(jù)挖掘技術能幫助企業(yè)區(qū)分利潤回報不同的客戶。從而可以將資源更多的分配在高利潤回報的客戶身上以產(chǎn)生更大的利潤，同時減少低或負利潤回報客戶的投入。為此，在數(shù)據(jù)挖掘之前，企業(yè)應該建立一套計算利潤回報的優(yōu)化目標方法。可以是簡單的計算，如某客戶身上產(chǎn)生的收入減去所有相應的支出，也可以是較復雜的公式。然后利用數(shù)據(jù)挖掘工具從交易記錄中挖掘相應的知識。

　　5.4 客戶的保持

　　隨著行業(yè)中競爭愈來愈激烈，人們普遍認識到獲得一個新客戶的開支比保持一個老客戶的開支要大得多。所以如何保持原來老的客戶，不讓他們流失就成為CRM的一個重要課題。在實際應用中，利用數(shù)據(jù)挖掘工具為已經(jīng)流失的客戶建立模型，然后利用這些模型可以預測出現(xiàn)有客戶中將來可能流失的客戶，企業(yè)就能研究這些客戶的需求，并采取相應的措施防止其流失，從而達到保持客戶的目的。

　　6、結束語

　　CRM進入我國已經(jīng)多年，目前市面上也出現(xiàn)了相應的一些軟件。但絕大多數(shù)都停留在操作的層面上。真正能運用數(shù)據(jù)挖掘技術建立分析型CRM的很少。隨著企業(yè)的發(fā)展，企業(yè)數(shù)據(jù)庫中已經(jīng)積累了海量的數(shù)據(jù)，為數(shù)據(jù)挖掘奠定了良好的物質(zhì)基礎，采用數(shù)據(jù)挖掘的CRM是符合現(xiàn)代企業(yè)要求的高效的客戶關系管理系統(tǒng)。