數(shù)據(jù)挖掘在CRM中的運(yùn)用

申請(qǐng)免費(fèi)試用、咨詢(xún)電話：400-8352-114

      1、引 言

　　經(jīng)濟(jì)的發(fā)展，導(dǎo)致商品極大豐富，市場(chǎng)競(jìng)爭(zhēng)日益激烈，社會(huì)商品逐漸趨于同質(zhì)化，品質(zhì)不再是顧客消費(fèi)選擇的主要標(biāo)準(zhǔn)，更多的顧客看重的是商家能夠?yàn)槠涮峁┖畏N服務(wù)，以及服務(wù)的質(zhì)量和及時(shí)程度。于是企業(yè)之間的競(jìng)爭(zhēng)方式逐漸由過(guò)去的以產(chǎn)品為中心轉(zhuǎn)變?yōu)橐钥蛻魹橹行模芏嗥髽I(yè)認(rèn)識(shí)到如何正確處理好與客戶的關(guān)系是在競(jìng)爭(zhēng)中成功的關(guān)鍵，客戶關(guān)系管理CRM(Customer Relationship Management)便應(yīng)運(yùn)而生了?？蛻絷P(guān)系管理的任務(wù)就是對(duì)客戶進(jìn)行系統(tǒng)化的研究分析，找出與客戶交互過(guò)程中的規(guī)律，以便提高客戶的服務(wù)水平，形成一對(duì)一營(yíng)銷(xiāo)，從而提高客戶忠誠(chéng)度，并因此給企業(yè)帶來(lái)更多的利潤(rùn)。

　　2、客戶關(guān)系管理的系統(tǒng)結(jié)構(gòu)

　　從宏觀上CRM可以分為相互獨(dú)立又緊密聯(lián)系的三個(gè)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(yùn)用CTI(Computer Telecommunication Integration)技術(shù)實(shí)現(xiàn)符種聯(lián)絡(luò)方式如計(jì)算機(jī)、網(wǎng)絡(luò)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(shí)響應(yīng)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(mén)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(shí)現(xiàn)營(yíng)銷(xiāo)、銷(xiāo)售、服務(wù)等業(yè)務(wù)環(huán)節(jié)的流程自動(dòng)化，真正做到利用IT的手段提高企業(yè)的運(yùn)作效率、降低運(yùn)作成本的目的。分析層次的CRM主要是指運(yùn)用數(shù)據(jù)挖掘技術(shù)分析客戶數(shù)據(jù)從而對(duì)營(yíng)銷(xiāo)、銷(xiāo)售、服務(wù)等業(yè)務(wù)部門(mén)提供決策支持。通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)客戶需求進(jìn)行深入分析可以滿足企業(yè)對(duì)個(gè)體細(xì)分市場(chǎng)的客戶關(guān)系管理需求。CRM的精髓在于如何運(yùn)用數(shù)據(jù)挖掘技術(shù)建立好分析層次的CRM。

　　3、數(shù)據(jù)挖掘技術(shù)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(jī)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(shí)的過(guò)程。它融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)等多學(xué)科的理論和技術(shù)。數(shù)據(jù)挖掘不是簡(jiǎn)單的對(duì)數(shù)據(jù)的查詢(xún)，而是對(duì)數(shù)據(jù)進(jìn)行更深入的計(jì)算、分析、推理，發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系，從而完成從大量業(yè)務(wù)數(shù)據(jù)到?jīng)Q策信息的轉(zhuǎn)換。

　　3.1 數(shù)據(jù)挖掘的功能

　　◆特征描述

　　數(shù)據(jù)庫(kù)一般存放著大量的細(xì)節(jié)數(shù)據(jù)。有時(shí)，用戶希望用簡(jiǎn)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(lèi)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(chēng)為特征描述。

　　◆關(guān)聯(lián)規(guī)則分析

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

　　◆聚類(lèi)

　　聚類(lèi)是將物理或抽象對(duì)象的集合分組成為由類(lèi)似的對(duì)象組成的多個(gè)簇的過(guò)程。由此而生成的簇是一組對(duì)象的集合，同一個(gè)簇中對(duì)象彼此相似，不同的簇中對(duì)象之間相差較多。目前較流行的幾中技術(shù)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(gè)過(guò)程屬于無(wú)指導(dǎo)的學(xué)習(xí)過(guò)程。

　　◆分類(lèi)

　　分類(lèi)的過(guò)程可以分為兩步：第一步首先是建立訓(xùn)練數(shù)據(jù)集，其每個(gè)記錄都帶有一定的類(lèi)別屬性，然后運(yùn)用一定的分類(lèi)算法對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行分析并構(gòu)造分類(lèi)器(分類(lèi)規(guī)則)。第二步是利用已經(jīng)建立的分類(lèi)器對(duì)類(lèi)別屬性未知的記錄進(jìn)行預(yù)測(cè)。整個(gè)過(guò)程屬于有指導(dǎo)的學(xué)習(xí)過(guò)程。

　　3.2 常用的數(shù)據(jù)挖掘算法

　　◆決策樹(shù)方法

　　決策樹(shù)是類(lèi)似于流程圖的樹(shù)形結(jié)構(gòu)，建立決策樹(shù)時(shí)需要對(duì)節(jié)點(diǎn)進(jìn)行多次循環(huán)遞歸測(cè)試，每次都會(huì)產(chǎn)生一定的測(cè)試分支，直到每個(gè)節(jié)點(diǎn)都屬于同一個(gè)類(lèi)或者沒(méi)有可以測(cè)試的屬性為止。典型算法有：CHAID；CART；ID3；PUBLIC等。

　　◆神經(jīng)網(wǎng)絡(luò)方法

　　神經(jīng)網(wǎng)絡(luò)方法從結(jié)構(gòu)上模仿人的生物神經(jīng)，不易理解，一般把它看做黑盒。訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)需要很多的訓(xùn)練數(shù)據(jù)，而且很費(fèi)時(shí)間，但是一旦訓(xùn)練完成。它可以很快的對(duì)新樣本作出預(yù)測(cè)，可以用于分類(lèi)、聚類(lèi)等多種數(shù)據(jù)挖掘任務(wù)。

　　◆模糊集方法

　　是一種表達(dá)和處理不確定性問(wèn)題的重要方法。數(shù)據(jù)庫(kù)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(jiǎn)單可處理。當(dāng)輸入精確性不高時(shí)，這是一種強(qiáng)有力的模型方法。

　　◆粗糙集方法

　　粗糙集基于給定訓(xùn)練數(shù)據(jù)內(nèi)部的等價(jià)類(lèi)的建立。形成等價(jià)類(lèi)的所有數(shù)據(jù)樣本是不加區(qū)分的。給定現(xiàn)實(shí)世界的數(shù)據(jù)，通常有些類(lèi)不能被可用的屬性區(qū)分。粗糙集可以用來(lái)近似地定義這種類(lèi)。粗糙集可以用于分類(lèi)也可以用于特征歸約和相關(guān)分析。此外還有貝葉斯網(wǎng)絡(luò)、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(guò)程

　　CRM中數(shù)據(jù)挖掘的一般過(guò)程數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、解釋評(píng)價(jià)、知識(shí)形成等幾點(diǎn)。其中涉及管理、技術(shù)等多方面的工作。

　　4.1 數(shù)據(jù)采集

　　是針對(duì)不同的業(yè)務(wù)運(yùn)用領(lǐng)域，從數(shù)據(jù)庫(kù)中提取不同任務(wù)相關(guān)數(shù)據(jù)的過(guò)程。如銷(xiāo)售部門(mén)所關(guān)心的數(shù)據(jù)與售后服務(wù)部門(mén)肯定是有所區(qū)別。采集的數(shù)據(jù)不對(duì)或不完整將對(duì)數(shù)據(jù)挖掘的結(jié)果產(chǎn)生誤導(dǎo)。

　　4.2 數(shù)據(jù)預(yù)處理

　　數(shù)據(jù)庫(kù)中一般是平時(shí)工作產(chǎn)生的事務(wù)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(jìn)行預(yù)處理將對(duì)以后的挖掘產(chǎn)生很大的影響。

　　4.3 數(shù)據(jù)挖掘

　　運(yùn)用一定的挖掘算法從目標(biāo)數(shù)據(jù)中提取知識(shí)的過(guò)程。

　　4.4 解釋評(píng)價(jià)

　　當(dāng)數(shù)據(jù)挖掘結(jié)果出現(xiàn)后，需要對(duì)其結(jié)果進(jìn)行解釋與評(píng)價(jià)，以確保挖掘出的結(jié)果在實(shí)際運(yùn)用中的準(zhǔn)確性。

　　4.5 知識(shí)形成

　　將挖掘出的知識(shí)存如知識(shí)庫(kù)以備使用。

　　5、數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的典型應(yīng)用

　　5.1 客戶獲取

　　客戶獲取的傳統(tǒng)方式一般是通過(guò)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(guò)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(shù)可以從以往的市場(chǎng)活動(dòng)中收集到的有用數(shù)據(jù)(主要是指潛在客戶反應(yīng)模式分類(lèi))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(lèi)，從而在以后的市場(chǎng)活動(dòng)中做到有的放矢而不是傳統(tǒng)的憑經(jīng)驗(yàn)的猜想。

　　5.2 客戶細(xì)分

　　細(xì)分就是指將一個(gè)大的消費(fèi)群體劃分成為一個(gè)個(gè)細(xì)分群體的動(dòng)作，同屬一個(gè)細(xì)分群體的消費(fèi)者彼此相似，而隸屬于不同細(xì)分群體的消費(fèi)者是被視為不同的。比如將數(shù)據(jù)庫(kù)中的數(shù)據(jù)按照年齡的不同來(lái)組織存放這樣一個(gè)簡(jiǎn)單的動(dòng)作就是細(xì)分。細(xì)分可以讓用戶從比較高的層次上來(lái)觀察數(shù)據(jù)庫(kù)中的數(shù)據(jù)，細(xì)分可以讓人們用不同的方法對(duì)待處于不同細(xì)分群中的客戶。數(shù)據(jù)挖掘中的分類(lèi)、聚類(lèi)等技術(shù)可以讓用戶對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)按類(lèi)別、年齡、職業(yè)、地址、喜好等企業(yè)感興趣的屬性進(jìn)行客戶細(xì)分?？蛻艏?xì)分是企業(yè)確定產(chǎn)品和服務(wù)的基礎(chǔ)．也是建立客戶一對(duì)一營(yíng)銷(xiāo)的基礎(chǔ)。

　　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(rùn)是來(lái)自于小部分的客戶，而對(duì)于企業(yè)來(lái)說(shuō)很難確定哪些客戶是高利潤(rùn)回報(bào)，哪些客戶是低利潤(rùn)回報(bào)甚至是負(fù)利潤(rùn)回報(bào)的。數(shù)據(jù)挖掘技術(shù)能幫助企業(yè)區(qū)分利潤(rùn)回報(bào)不同的客戶。從而可以將資源更多的分配在高利潤(rùn)回報(bào)的客戶身上以產(chǎn)生更大的利潤(rùn)，同時(shí)減少低或負(fù)利潤(rùn)回報(bào)客戶的投入。為此，在數(shù)據(jù)挖掘之前，企業(yè)應(yīng)該建立一套計(jì)算利潤(rùn)回報(bào)的優(yōu)化目標(biāo)方法。可以是簡(jiǎn)單的計(jì)算，如某客戶身上產(chǎn)生的收入減去所有相應(yīng)的支出，也可以是較復(fù)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(yīng)的知識(shí)。

　　5.4 客戶的保持

　　隨著行業(yè)中競(jìng)爭(zhēng)愈來(lái)愈激烈，人們普遍認(rèn)識(shí)到獲得一個(gè)新客戶的開(kāi)支比保持一個(gè)老客戶的開(kāi)支要大得多。所以如何保持原來(lái)老的客戶，不讓他們流失就成為CRM的一個(gè)重要課題。在實(shí)際應(yīng)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(yù)測(cè)出現(xiàn)有客戶中將來(lái)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(yīng)的措施防止其流失，從而達(dá)到保持客戶的目的。

　　6、結(jié)束語(yǔ)

　　CRM進(jìn)入我國(guó)已經(jīng)多年，目前市面上也出現(xiàn)了相應(yīng)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(yùn)用數(shù)據(jù)挖掘技術(shù)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(kù)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(chǔ)，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(guān)系管理系統(tǒng)。