- 相關(guān)推薦
客戶(hù)關(guān)系管理數據分析
從工業(yè)營(yíng)銷(xiāo)中的客戶(hù)細分觀(guān)點(diǎn)出發(fā)，在數據挖掘、客戶(hù)關(guān)系管理等理論基礎上，采用統計學(xué)、運籌學(xué)和數據挖掘技術(shù)，對客戶(hù)細分的數據挖掘方法進(jìn)行了研究，建立了基于決策樹(shù)的客戶(hù)細分模型，是一種效率很高的管理工具。
1理論研究
1.1客戶(hù)關(guān)系管理
客戶(hù)關(guān)系管理的目標是依靠高效優(yōu)質(zhì)的服務(wù)吸引客戶(hù)，同時(shí)通過(guò)對業(yè)務(wù)流程的全面優(yōu)化和管理，控制企業(yè)運行成本�？蛻�(hù)關(guān)系管理是一種管理理念，將企業(yè)客戶(hù)視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務(wù)優(yōu)化等手段來(lái)管理客戶(hù)關(guān)系�？蛻�(hù)關(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰略，通過(guò)對企業(yè)客戶(hù)的分段充足，強化客戶(hù)滿(mǎn)意的行為，優(yōu)化企業(yè)可盈利性，將客戶(hù)處理工作上升到企業(yè)級別，不同部門(mén)負責與客戶(hù)進(jìn)行交互，但是整個(gè)企業(yè)都需要向客戶(hù)負責，在信息技術(shù)的支持下實(shí)現企業(yè)和客戶(hù)連接環(huán)節的自動(dòng)化管理。
1.2客戶(hù)細分
客戶(hù)細分由美國學(xué)者溫德?tīng)?bull;史密斯在20世紀50年代提出，認為客戶(hù)細分是根據客戶(hù)屬性將客戶(hù)分成集合�，F代營(yíng)銷(xiāo)學(xué)中的客戶(hù)細分是按照客戶(hù)特征和共性將客戶(hù)群分為不同等級或者子群體，尋找相同要素，對不同類(lèi)別客戶(hù)心理與需求急性研究和評估，從而指導進(jìn)行企業(yè)服務(wù)資源的分配，是企業(yè)獲得客戶(hù)價(jià)值的一種理論與方法。因此我們注意到，客戶(hù)細分其實(shí)是一個(gè)分類(lèi)問(wèn)題，但是卻有著(zhù)顯著(zhù)的特點(diǎn)。
1.2.1客戶(hù)細分是動(dòng)態(tài)的企業(yè)不斷發(fā)展變化，用戶(hù)數據不斷積累，市場(chǎng)因素的變化，都會(huì )造成客戶(hù)細分的變化。所以客戶(hù)細分工作需要根據客戶(hù)情況的變化進(jìn)行動(dòng)態(tài)調整，
減少錯誤分類(lèi)，提高多次細分中至少有一次是正確分類(lèi)的可能性。
1.2.2受眾多因素影響
隨著(zhù)時(shí)間的推移，客戶(hù)行為和心理會(huì )發(fā)生變化，所以不同時(shí)間的數據會(huì )反映出不同的規律，客戶(hù)細分方法需要在變化過(guò)程中準確掌握客戶(hù)行為的規律性。
1.2.3客戶(hù)細分有不同的分類(lèi)標準
一般分類(lèi)問(wèn)題強調準確性，客戶(hù)關(guān)系管理則強調有用性，講求在特定限制條件下實(shí)現特定目標。
1.3數據挖掘
數據挖掘就是從大型數據庫數據中提取有價(jià)值的、隱含的、事前未知的潛在有用信息。數據挖掘技術(shù)不斷發(fā)展，挖掘對象不再是單一數據庫，已經(jīng)逐漸發(fā)展到文件系統、數據集合以及數據倉庫的挖掘分析。
2客戶(hù)細分的數據挖掘
2.1邏輯模型
客戶(hù)數據中有著(zhù)若干離散客戶(hù)屬性和連續客戶(hù)屬性，每個(gè)客戶(hù)屬性為一個(gè)維度，客戶(hù)作為空間點(diǎn)，全部客戶(hù)都能夠形成多為空間，作為客戶(hù)的屬性空間，假設A={A1，A2,…Am}是一組客戶(hù)屬性，屬性可以是連續的，也可以離散型，這些屬性就形成了客戶(hù)m維屬性空間。同時(shí)設g是一個(gè)描述客戶(hù)屬性的一個(gè)指標，f(g)是符合該指標的客戶(hù)集合，即為概率外延，則任一確定時(shí)刻都是n個(gè)互不相交集合。在客戶(hù)價(jià)值概念維度上，可分為“有價(jià)值客戶(hù)”“潛在價(jià)值客戶(hù)”“無(wú)價(jià)值客戶(hù)”三種類(lèi)型，定義RB如下：(1)顯然RB是一個(gè)等價(jià)關(guān)系，經(jīng)RB可分類(lèi)屬性空間為若干等價(jià)類(lèi)，每個(gè)等價(jià)類(lèi)都是一個(gè)概念類(lèi)，建立客戶(hù)細分，就是客戶(hù)屬性空間和概念空間映射關(guān)系的建立過(guò)程。
2.2客戶(hù)細分數據挖掘實(shí)施
通過(guò)數據庫已知概念類(lèi)客戶(hù)數據進(jìn)行樣本學(xué)習和數據挖掘，進(jìn)行客戶(hù)屬性空間與概念空間映射的自動(dòng)歸納。首先確定一組概念類(lèi)已知客戶(hù)集合。首先確定一個(gè)映射：p：C→L，使，如果，則。，求p(c)確定所屬概念類(lèi)。數據部分有客戶(hù)數據存儲和概念維數據構成，客戶(hù)數據存儲有企業(yè)全部?jì)仍趯傩�、外在屬性以及行為屬性等數據，方法則主要有關(guān)聯(lián)規則分析、深井網(wǎng)絡(luò )分類(lèi)、決策樹(shù)、實(shí)例學(xué)習等數據挖掘方法，通過(guò)對客戶(hù)數據存儲數據學(xué)習算法來(lái)建立客戶(hù)數據和概念維之間的映射關(guān)系。
2.3客戶(hù)細分數據分析
建立客戶(hù)動(dòng)態(tài)行為描述模型，滿(mǎn)足客戶(hù)行為非確定性和非一致性要求，客戶(hù)中心的管理體制下，客戶(hù)細分影響企業(yè)戰術(shù)和戰略級別決策的生成，所以數據挖掘要能夠彌補傳統數據分析方法在可靠性方面的缺陷。
2.3.1客戶(hù)外在屬性
外在屬性有客戶(hù)地理分布、客戶(hù)組織歸屬情況和客戶(hù)產(chǎn)品擁有情況等�？蛻�(hù)的組織歸屬是客戶(hù)社會(huì )組織類(lèi)型，客戶(hù)產(chǎn)品擁有情況是客戶(hù)是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。
2.3.2內在屬性
內在屬性有人口因素和心理因素等，人口因素是消費者市場(chǎng)細分的重要變量。相比其他變量，人口因素更加容易測量。心理因素則主要有客戶(hù)愛(ài)好、性格、信用情況以及價(jià)值取向等因素。
2.3.3消費行為
消費行為屬性則重點(diǎn)關(guān)注客戶(hù)購買(mǎi)前對產(chǎn)品的了解情況，是客戶(hù)細分中最客觀(guān)和重要的因素。
2.4數據挖掘算法
2.4.1聚類(lèi)算法
按照客戶(hù)價(jià)值標記聚類(lèi)結果，通過(guò)分類(lèi)功能，建立客戶(hù)特征模型，準確描述高價(jià)值客戶(hù)的一些特有特征，使得企業(yè)在之后的市場(chǎng)活動(dòng)中能夠迅速發(fā)現并抓住類(lèi)似的高價(jià)值客戶(hù)，全面提高客戶(hù)的整體價(jià)值水平。通常都采用中心算法進(jìn)行客戶(hù)的聚類(lèi)分析，分析涉及的字段主要有客戶(hù)的基本信息以及與客戶(hù)相關(guān)業(yè)務(wù)信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務(wù)環(huán)境，選擇不同的聚類(lèi)分析策略，有主屬性聚類(lèi)分析和全屬性聚類(lèi)分析兩類(lèi)。主屬性聚類(lèi)分析是企業(yè)根據在企業(yè)標度變量中選擇主要弧形作為聚類(lèi)分析變量。通常區間標度變量選用的度量單位會(huì )對聚類(lèi)分析結果產(chǎn)生很大影響，選擇的度量單位越小，就會(huì )獲得越大的可能值域，對聚類(lèi)結果的影響也就越大。
2.4.2客戶(hù)分析預測
行業(yè)競爭愈加激烈，新客戶(hù)的獲得成本越來(lái)越高，在保持原有工作價(jià)值的同時(shí)，客戶(hù)的流失也受到了企業(yè)的重視。為了控制客戶(hù)流失，就需要對流失客戶(hù)的數據進(jìn)行認真分析，找尋流失客戶(hù)的根本原因，防止客戶(hù)的持續流失。數據挖掘聚類(lèi)功能同樣能夠利用在客戶(hù)流失數據分析工作中，建立基于流失客戶(hù)數據樣本庫的分類(lèi)函數以及分類(lèi)模式，通過(guò)模型分析客戶(hù)流失因素，能夠獲得一個(gè)最有可能流失的客戶(hù)群體，同時(shí)編制一個(gè)有針對性的挽留方案。之后對數據進(jìn)行分析并利用各種數據挖掘技術(shù)和方法在多個(gè)可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著(zhù)模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進(jìn)行數據描述并挖掘出流失數據規律。通常模擬模型都通過(guò)數據分析專(zhuān)業(yè)和業(yè)務(wù)專(zhuān)家協(xié)作完成，采用決策樹(shù)、貝葉斯網(wǎng)絡(luò )、神經(jīng)網(wǎng)絡(luò )等流失分析模型，實(shí)現客戶(hù)行為的預測分析。
【客戶(hù)關(guān)系管理數據分析】相關(guān)文章：
服裝企業(yè)客戶(hù)關(guān)系管理分析07-22
飯店業(yè)客戶(hù)關(guān)系管理分析09-11
客戶(hù)關(guān)系管理05-11
大客戶(hù)關(guān)系的管理09-21
客戶(hù)關(guān)系管理的策略10-05
客戶(hù)關(guān)系管理心得07-01