- 相關(guān)推薦
數據挖掘技術(shù)在客戶(hù)關(guān)系管理中的應用
[摘要] 市場(chǎng)的激烈競爭導致了面向市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)的數據倉庫的建設以及數據挖掘技術(shù)的應用，本文在介紹了數據挖掘技術(shù)的基礎上，重點(diǎn)闡述了數據挖掘平臺的建立，以及基于這個(gè)平臺展開(kāi)數據挖掘的過(guò)程和數據挖掘的主題分析�！ 關(guān)鍵詞]數據挖掘技術(shù)；客戶(hù)關(guān)系管理（CRM）；數據倉庫；數據挖掘主題一、引言
隨著(zhù)計算機技術(shù)、網(wǎng)絡(luò )技術(shù)、通訊技術(shù)的發(fā)展以及各行各業(yè)業(yè)務(wù)操作流程的自動(dòng)化，企業(yè)內產(chǎn)生了以幾十或上百GB計的大量業(yè)務(wù)數據，這些數據和由此產(chǎn)生的信息是企業(yè)的財富，它如實(shí)地記錄著(zhù)企業(yè)運作的本質(zhì)狀況。但是面對如此海量的數據，迫使人們不斷尋找新的工具，來(lái)對企業(yè)的運營(yíng)規律進(jìn)行探索，為商業(yè)決策提供有價(jià)值的知識，使企業(yè)獲得利潤。能滿(mǎn)足企業(yè)這一迫切需求的強有力的工具就是數據挖掘（Data Mining，DM）。
二、數據挖掘技術(shù)概述
數據挖掘是一種知識發(fā)現的過(guò)程，它主要基于統計學(xué)、人工智能、機器學(xué)習等技術(shù)，高度自動(dòng)化地分析數據，做出歸納性的推理，從中挖掘出潛在的模式，并對未來(lái)情況進(jìn)行預測，以輔助決策者評估風(fēng)險，做出正確的決策。數據到知識的演化過(guò)程，如圖1。
對于企業(yè)而言，數據挖掘有助于發(fā)現業(yè)務(wù)的趨勢，揭示已知的事實(shí)，預測未知的結果。從這個(gè)意義上講，知識是力量，數據挖掘是財富。在實(shí)際應用中，數據挖掘主要采用以下幾種方法進(jìn)行模式的發(fā)現。
�。�1）相關(guān)分析和回歸分析。相關(guān)分析主要分析變量之間聯(lián)系的密切程度，而回歸分析主要基于觀(guān)測數據建立變量之間適當的依賴(lài)關(guān)系，相關(guān)分析是回歸分析的基礎。
�。�2）時(shí)間序列分析。與相關(guān)分析類(lèi)似，目的也是為了挖掘出數據之間的聯(lián)系，但時(shí)間序列分析更加側重于數據在時(shí)間先后上的因果關(guān)系。
�。�3）分類(lèi)分析。分類(lèi)分析首先為每一個(gè)觀(guān)測賦予一個(gè)標記，然后檢查這些被標記的觀(guān)測，描述出這些觀(guān)測的特征。這種描述可以是一個(gè)數學(xué)公式或者模型，利用它可以分類(lèi)新的觀(guān)測。常用的幾種典型的分類(lèi)模型有線(xiàn)性回歸模型、決策樹(shù)模型、基于規則模型和神經(jīng)網(wǎng)絡(luò )模型等。
�。�4）聚類(lèi)分析。與分類(lèi)分析不同，聚類(lèi)分析的輸入是一組未標定的記錄，目的是根據一定的規則，合理地劃分記錄集合。聚類(lèi)分析和分類(lèi)分析是一組互逆的過(guò)程，因此在很多分類(lèi)分析中適用的算法也同樣適用于聚類(lèi)分析。
三、數據挖掘在CRM中的應用
在客戶(hù)關(guān)系管理（Customers Relation Management, CRM）中,數據挖掘的前提是必須建立企業(yè)級的客戶(hù)信息數據倉庫，能夠把不同聯(lián)機事務(wù)處理系統（On-Line Transaction Processing, OLTP）的客戶(hù)數據聚集在一起，提供一個(gè)正確、完整和單一的客戶(hù)數據環(huán)境。
1. 數據倉庫的建立
數據倉庫作為數據挖掘的基礎，不同于傳統的聯(lián)機事務(wù)處理系統，它具有面向主題的、集成的、不可更新以及隨時(shí)間變化的特性，各個(gè)聯(lián)機事務(wù)處理系統作為數據倉庫的原始數據源，以文件方式提供客戶(hù)基本資料、客戶(hù)清單、客戶(hù)賬單、客戶(hù)聯(lián)系歷史記錄等數據，數據倉庫通過(guò)ETL過(guò)程（抽取、轉換和加載）處理這些接口文件，并且按不同的主題域組織、存儲和管理這些客戶(hù)數據，通過(guò)數據倉庫接口，對數據倉庫中的客戶(hù)數據進(jìn)行聯(lián)機分析和數據挖掘。數據倉庫的體系結構主要由數據源、企業(yè)級數據倉庫和決策支持3個(gè)部分組成。
2. 數據挖掘的主題定義
在建立完成企業(yè)級的客戶(hù)信息數據倉庫之后，可以基于這個(gè)數據倉庫平臺進(jìn)行數據挖掘工作，應用到以客戶(hù)為中心的企業(yè)決策分析和管理的各個(gè)不同領(lǐng)域和階段，在客戶(hù)關(guān)系管理（CRM）中，它可以應用在以下幾個(gè)方面。
�。�1）客戶(hù)群體分類(lèi)分析。近年來(lái)，一對一營(yíng)銷(xiāo)正在被眾多的企業(yè)所青睞。一對一營(yíng)銷(xiāo)是指了解每一個(gè)客戶(hù)，并同其建立起持久的關(guān)系。數據挖掘可以把大量的客戶(hù)分成不同的類(lèi)，在每一個(gè)類(lèi)里的客戶(hù)具有相似的屬性，而不同類(lèi)里的客戶(hù)的屬性也不同。通過(guò)數據挖掘可以了解不同客戶(hù)的愛(ài)好，提供有針對性的產(chǎn)品和服務(wù)，來(lái)提高不同類(lèi)客戶(hù)對企業(yè)和產(chǎn)品的滿(mǎn)意度。
�。�2）客戶(hù)行為分析。利用分類(lèi)分析法和聚類(lèi)分析法對客戶(hù)通話(huà)行為進(jìn)行分析，從而得出客戶(hù)在消費習慣、生活方式、社會(huì )聯(lián)系等方面的特征。對客戶(hù)行為分析的根本目的是為了按不同特征劃分客戶(hù)群，針對不同客戶(hù)群的特征，企業(yè)可以進(jìn)行不同的市場(chǎng)營(yíng)銷(xiāo)活動(dòng)和客戶(hù)服務(wù)，在客戶(hù)群劃分中典型的應用就是針對某一客戶(hù)群的消費特征進(jìn)行某種業(yè)務(wù)的營(yíng)銷(xiāo)。
�。�3）客戶(hù)的獲得與保持。企業(yè)的增長(cháng)和發(fā)展壯大需要不斷維持老的客戶(hù)，不斷獲得新的客戶(hù)，新的客戶(hù)包括以前沒(méi)有聽(tīng)說(shuō)過(guò)本企業(yè)產(chǎn)品的人，以前不需要本企業(yè)產(chǎn)品的人，以及以前是本企業(yè)競爭對手的客戶(hù)。不論企業(yè)希望得到的是哪類(lèi)客戶(hù)，數據挖掘都能幫助企業(yè)識別出這些潛在的客戶(hù)群，并提高市場(chǎng)活動(dòng)的響應率，使企業(yè)做到心中有數，有的放矢。
�。�4）優(yōu)惠策略仿真預測。優(yōu)惠是市場(chǎng)營(yíng)銷(xiāo)中十分重要的一部分，優(yōu)惠策略不恰當，常常會(huì )得到適得其反的市場(chǎng)效果，優(yōu)惠策略仿真預測就是通過(guò)已建立的客戶(hù)行為模型仿真客戶(hù)對優(yōu)惠策略的反應，從而預測優(yōu)惠策略實(shí)施的效果。通過(guò)對優(yōu)惠策略的仿真，可以預測優(yōu)惠策略的成功與否，從而進(jìn)行相應的調整和優(yōu)化。
�。�5）客戶(hù)信用分析�？蛻�(hù)忠誠度分析主要通過(guò)對客戶(hù)消費金額和賬務(wù)支付的分析，建立客戶(hù)價(jià)值模型，從而獲得客戶(hù)價(jià)值�？蛻�(hù)是企業(yè)價(jià)值之所在，通過(guò)對客戶(hù)忠誠度分析，有針對性地對高價(jià)值客戶(hù)進(jìn)行優(yōu)質(zhì)服務(wù)，對有離開(kāi)傾向的客戶(hù)及時(shí)進(jìn)行挽留活動(dòng)，對提高企業(yè)市場(chǎng)占有率，降低營(yíng)銷(xiāo)成本是十分有用的。
�。�6）反欺詐分析。目前，企業(yè)面臨的一個(gè)最嚴重的問(wèn)題是欠費問(wèn)題，其中很大一部分是欺詐消費，因此反欺詐消費已經(jīng)成為企業(yè)發(fā)展的關(guān)鍵。通過(guò)對客戶(hù)數據的多維分析、聚類(lèi)分析和孤立點(diǎn)分析可以建立客戶(hù)欺詐消費模型，從而可以有效地對客戶(hù)消費行為進(jìn)行監控，對滿(mǎn)足欺詐消費模型的消費行為進(jìn)行告警。
�。�7）競爭對手分析。成熟的市場(chǎng)必然是一個(gè)競爭比較充分的市場(chǎng)，不同企業(yè)客戶(hù)之間的互聯(lián)互通是最基本的前提，因此通過(guò)對客戶(hù)與競爭對手客戶(hù)之間通話(huà)的行為分析，可以建立有關(guān)競爭對手經(jīng)營(yíng)和客戶(hù)服務(wù)的模型，比如競爭對手客戶(hù)發(fā)展模型，通過(guò)對這些模型的使用，可以制定有效的市場(chǎng)應對策略。
�。�8）交叉銷(xiāo)售（Cross-Selling）�，F在企業(yè)和客戶(hù)之間的關(guān)系是經(jīng)常變動(dòng)的，一旦一個(gè)人或者一個(gè)公司成為企業(yè)的客戶(hù)，就要盡力使這種客戶(hù)關(guān)系對企業(yè)趨于完善。一般來(lái)說(shuō)可以通過(guò)這3種方法：a.最長(cháng)時(shí)間地保持這種關(guān)系；b.最多次數地和客戶(hù)交易；c.最大數量地保證每次交易的利潤，因此就需要對已有的客戶(hù)進(jìn)行交叉銷(xiāo)售。交叉銷(xiāo)售是指企業(yè)向原有客戶(hù)銷(xiāo)售新的產(chǎn)品或服務(wù)的過(guò)程，交叉銷(xiāo)售是建立在雙贏(yíng)原則的基礎之上的，是對企業(yè)和客戶(hù)都有好處的，客戶(hù)因得到更多更好符合其需求的服務(wù)而獲益，企業(yè)也因銷(xiāo)售增長(cháng)而獲益，對原有客戶(hù)銷(xiāo)售的挖掘，在很多情況下與對潛在客戶(hù)的挖掘是類(lèi)似的，對于一些情況甚至可以當作是初次銷(xiāo)售來(lái)對待，而交叉銷(xiāo)售的好處在于，對于原有客戶(hù)，企業(yè)可以比較容易地得到關(guān)于這個(gè)客戶(hù)的比較豐富的信息，大量的數據對于數據挖掘的準確性來(lái)說(shuō)是有很大幫助的，在大多數情況下所指的交叉銷(xiāo)售是與初次銷(xiāo)售不同的，在企業(yè)所掌握的客戶(hù)信息，尤其是以前購買(mǎi)行為的信息中，可能正包含著(zhù)這個(gè)客戶(hù)決定下一個(gè)購買(mǎi)行為的關(guān)鍵因素甚至決定因素，這個(gè)時(shí)候數據挖掘的作用就會(huì )體現出來(lái)，它可以幫助企業(yè)尋找到這些影響其購買(mǎi)行為的因素。
3. 數據挖掘的過(guò)程
在數據挖掘目標明確的前提下，可以基于已經(jīng)建成的企業(yè)級客戶(hù)信息數據倉庫進(jìn)行數據挖掘工作。數據挖掘遵循以下步驟：?jiǎn)?wèn)題定義、數據準備、數據探索、建立模型、模型檢驗、模型應用以及投資回報分析。
在問(wèn)題定義之后，需要創(chuàng )建一個(gè)數據集市作為數據挖掘和分析的對象，一般抽取數據倉庫中與問(wèn)題相關(guān)的數據子集作為數據集市,在創(chuàng )建集市過(guò)程中可以使用隨機抽樣、等距抽樣、分層抽樣和分類(lèi)抽樣等抽樣技術(shù)來(lái)減少數據集市的數據量,通過(guò)對數據的刪選和對小概率事件的放大，使得數據集市中數據的特征和規律性更加顯著(zhù)。
在數據探索過(guò)程中，通過(guò)多維分析和可視化展現探索數據的特征，通過(guò)對數據進(jìn)行增刪操作或者根據現有變量重新組合生成一些新的變量來(lái)更加有效地描述數據特征，其中，對數據統計特性的分析在數據探索過(guò)程中起著(zhù)十分重要的作用。建立數學(xué)模型是數據挖掘工作的核心環(huán)節，目前比較常用的建模方法有神經(jīng)元網(wǎng)絡(luò )模型、決策樹(shù)模型和回歸模型。數據挖掘中具體使用哪一種方法，取決于數據集市的特征和需要實(shí)現的目標，在實(shí)際應用中，往往是對多種建模方法的比較和綜合。在建模過(guò)程中，把數據分層為訓練數據和校驗數據，訓練數據主要使用于建模過(guò)程中求解模型參數，而校驗數據主要用于模型檢驗。因此模型檢驗階段的主要工作是把檢驗數據代入已經(jīng)建立的模型中，觀(guān)察模型的響應，通過(guò)比較模型的響應和真實(shí)的數據，從而評估模型的準確程度，如果模型的準確性比較差，就需要重新進(jìn)行數據探索、建立新的模型，直至新模型檢驗。因此，在實(shí)際應用中，數據探索、建立模型、模型檢驗是反復迭代的過(guò)程，如圖2。
數據挖掘的過(guò)程就是一個(gè)不斷探索數據特征、建立和檢驗模型、發(fā)現客戶(hù)消費行為特征的過(guò)程，企業(yè)只有把模型的結果應用到市場(chǎng)營(yíng)銷(xiāo)和客戶(hù)服務(wù)過(guò)程中，才能真正發(fā)揮數據挖掘的作用。
四、結語(yǔ)
在信息時(shí)代，要充分利用企業(yè)的信息資源，從以產(chǎn)品為中心的管理模式轉變?yōu)橐钥蛻?hù)為中心的管理模式上來(lái)，利用數據挖掘技術(shù)，分析客戶(hù)的特征，探索企業(yè)和所對應市場(chǎng)的運營(yíng)規律，不斷提高企業(yè)的經(jīng)濟效益是企業(yè)發(fā)展的必由之路。
主要參考文獻
[1]上�，F代物流人材培訓中心.企業(yè)資源計劃(ERP)與SCM、CRM[M].北京：電子工業(yè)出版社，2002.
[2]朱明.數據挖掘[M].合肥：中國科學(xué)技術(shù)大學(xué)出版社，2002.
[3]毛國君，段立娟，王實(shí)，石云. 數據挖掘原理與算法[M].北京：清華大學(xué)出版社，2005.
【數據挖掘技術(shù)在客戶(hù)關(guān)系管理中的應用】相關(guān)文章：
數據挖掘技術(shù)在企業(yè)知識管理中的應用03-19
數據挖掘技術(shù)在ＣＲＭ中的應用03-22
客戶(hù)關(guān)系管理與數據挖掘技術(shù)綜述03-21
談數據挖掘技術(shù)在電子商務(wù)中的應用03-21
數據挖掘在ＣＲＭ中的應用分析03-22