CRM系統(tǒng):數(shù)據(jù)挖掘在分析型C R M 中的應(yīng)用

數(shù)據(jù)挖掘在分析型C R M 中的應(yīng)用 詹　川　重慶工商大學(xué)商務(wù)策劃學(xué)院 [摘　要] 分析型CRM 與傳統(tǒng)的操作型CRM 有著重大的區(qū)別，數(shù)據(jù)挖據(jù)技術(shù)在分析型CRM 應(yīng)用中占重要的地位。本文介紹了分析 型CRM 的概念，分析了分析型CRM 與操作型CRM 的區(qū)別，指出分析型CRM 所具備的功能；然后介紹數(shù)據(jù)挖掘技術(shù)的發(fā)展過程以及數(shù) 據(jù)挖掘基本功能；最后闡述了數(shù)據(jù)挖掘技術(shù)在分析型CRM 的具體應(yīng)用。 [關(guān)鍵詞] 數(shù)據(jù)挖掘　分析型CRM　應(yīng)用 21世紀(jì)隨著全球經(jīng)濟(jì)一體化和市場(chǎng)競(jìng)爭(zhēng)日益激烈，企業(yè)再難 以單靠產(chǎn)品質(zhì)量贏取競(jìng)爭(zhēng)優(yōu)勢(shì)。現(xiàn)代企業(yè)已逐步從以“產(chǎn)品為中 心”的經(jīng)營管理模式轉(zhuǎn)變?yōu)橐浴翱蛻魹橹行摹?的模式。企業(yè)通過 實(shí)施以“客戶為中心”的關(guān)系營銷策略，提高顧客滿意度，保留 住老客戶，開發(fā)新用戶，提升對(duì)企業(yè)的忠誠度，對(duì)客戶進(jìn)行個(gè)性 化服務(wù)，最終增強(qiáng)企業(yè)競(jìng)爭(zhēng)力。 在企業(yè)內(nèi)部對(duì)客戶管理的需求、信息技術(shù)推動(dòng)以及管理理念 的更新下，運(yùn)營而生了客戶關(guān)系管理（Customer Relationship Management， CRM）。CRM概念最早由美國Gartner Group提出，認(rèn) 為CRM 是一個(gè)使企業(yè)在客戶服務(wù)、市場(chǎng)競(jìng)爭(zhēng)、銷售及支持方面形 成彼此協(xié)調(diào)的、全新的關(guān)系實(shí)體，為企業(yè)帶來長久競(jìng)爭(zhēng)優(yōu)勢(shì)的系 統(tǒng)。CRM 的核心是以“客戶為中心”，提高客戶滿意度，改善客 戶關(guān)系，提高企業(yè)競(jìng)爭(zhēng)力。CRM 系統(tǒng)根據(jù)其功能劃分為操作型 CRM 和分析型CRM。目前國內(nèi)企業(yè)運(yùn)用的大部分是操作型CRM。 一、分析型CRM 1.定義。分析型CRM 系統(tǒng)是一種決策支持系統(tǒng)，它幫助企業(yè) 把收集到原始數(shù)據(jù)轉(zhuǎn)換成針對(duì)商業(yè)主題所需的客戶個(gè)性化特征， 分析出客戶行為模式，達(dá)到完整、全面地認(rèn)識(shí)客戶，合理選擇市 場(chǎng)渠道，增強(qiáng)與客戶溝通的能力。 2.操作型CRM 與分析型CRM 的區(qū)別。分析型CRM 運(yùn)用數(shù)據(jù)倉 庫、OLAP 和數(shù)據(jù)挖掘等技術(shù)從收集來的大量客戶與企業(yè)之間的 數(shù)據(jù)中分析和提取相關(guān)規(guī)律、模型和趨勢(shì)。為企業(yè)的戰(zhàn)略規(guī)劃、 科學(xué)決策和各業(yè)務(wù)流程管理提供支持，提高在所有渠道上同客戶 交互的有效性和針對(duì)性，通過合適的渠道、合適的時(shí)間、把合適 的產(chǎn)品提供給合適的客戶，實(shí)現(xiàn)企業(yè)利潤的最大化。 通過分析型CRM，企業(yè)可以全方位，360 度了解客戶，掌握 客戶的個(gè)性和需求，改善產(chǎn)品和服務(wù)，從而進(jìn)一步提高客戶滿意 度和客戶忠誠度。 而操作型CRM主要是通過企業(yè)與客戶之間的多種接觸渠道收 集客戶的各種背景信息、偏好、行為習(xí)慣、交易數(shù)據(jù)、信用狀況 等，以便于高效管理市場(chǎng)營銷、銷售、服務(wù)等業(yè)務(wù)流程。 操作型CRM系統(tǒng)多偏重于對(duì)流程數(shù)據(jù)的收集——數(shù)據(jù)庫的建 設(shè)與數(shù)據(jù)的存儲(chǔ)，而較少進(jìn)行數(shù)據(jù)的信息挖掘。由于簡(jiǎn)單的處理 與獨(dú)立的數(shù)據(jù)調(diào)用，忽視了連續(xù)的歷史數(shù)據(jù)隱藏的信息和知識(shí)， 從而導(dǎo)致企業(yè)決策缺乏連貫性與前瞻性導(dǎo)致企業(yè)采取過多短視的 戰(zhàn)術(shù)性措施。 META Group 認(rèn)為缺乏分析功能的CRM 將不可能使公司長期 的、全面的認(rèn)識(shí)客戶。他們?cè)谡{(diào)查已實(shí)施CRM 項(xiàng)目企業(yè)，發(fā)現(xiàn)那 些缺乏分析功能的CRM 項(xiàng)目都沒有幫助企業(yè)有效改善客戶關(guān)系。 3.分析型CRM 的功能。 (1)收集所有與客戶有關(guān)的信息。分析型CRM 并不只是建立 一個(gè)可靠的有關(guān)于客戶的信息平臺(tái)，它需要把來自于不同部門、 不同渠道獲得的客戶信息有機(jī)地，一致地融合在一起，為企業(yè)提 供決策。分析型CRM 還應(yīng)與后臺(tái)辦公系統(tǒng)整合。通過后臺(tái)辦公系 統(tǒng)可以獲得大量與客戶有關(guān)的業(yè)務(wù)往來信息，從而企業(yè)可以更全 面的了解客戶。通過分析型CRM 的深入分析，企業(yè)可透過客戶數(shù) 據(jù)深入了解客戶和市場(chǎng)，形成企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)。 (2)評(píng)估與優(yōu)化客戶關(guān)系。在企業(yè)市場(chǎng)、銷售和服務(wù)部門制定 面向客戶的策略時(shí)，最好的辦法就是深入的了解客戶。企業(yè)對(duì)客 戶越了解，越能為客戶提供客戶所需要的產(chǎn)品和服務(wù)。分析型 CRM 能從基礎(chǔ)客戶數(shù)據(jù)中挖掘出客戶的消費(fèi)行為模式、客戶可盈 利率、客戶生命周期及潛在客戶價(jià)值、客戶群體的組成情況。利 用客戶消費(fèi)行為模式，企業(yè)能通過側(cè)面觀察用戶的行為特征，了 解誰是它真正的客戶；利用這些信息建立預(yù)測(cè)模型幫助企業(yè)獲 得、發(fā)展和保持對(duì)企業(yè)有吸引力、有利潤的客戶。 (3)建立客戶行為模型。分析型CRM 可利用聚類分析、客戶 評(píng)分方法來定義同類客戶群體，作為制定市場(chǎng)、銷售和服務(wù)的基 礎(chǔ)；可以利用客戶評(píng)分、決策樹方法幫助企業(yè)從當(dāng)前企業(yè)最有價(jià) 值的客戶特征找到新的最有價(jià)值客戶；利用關(guān)聯(lián)分析，幫助企業(yè) 發(fā)現(xiàn)交叉銷售和增量銷售的機(jī)會(huì)；通過了解客戶采購模式以及客 戶流失原因，幫助企業(yè)保持有利潤客戶。 (4)客戶價(jià)值的評(píng)估。客戶價(jià)值分析是分析型CRM的核心，它 幫助企業(yè)把有限的資源高效地集中在對(duì)企業(yè)最有價(jià)值的客戶關(guān)系 上。客戶價(jià)值包含客戶盈利率、客戶生命周期和客戶保持率。客 戶盈利率是評(píng)價(jià)客戶最常用和最重要的參數(shù)。而客戶生命周期不 同于客戶盈利率，它是決定投入多少成本去開發(fā)新客戶的最佳測(cè) 算方法。通過客戶生命周期，可以計(jì)算出客戶在一段時(shí)間內(nèi)從客 戶來所能獲得的凈利潤。通過ABC分析可以了解客戶特征和客戶 結(jié)構(gòu)。根據(jù)客戶價(jià)值，企業(yè)能正確合理分配企業(yè)在市場(chǎng)、營銷和 服務(wù)中的資源給客戶。并且可調(diào)整客戶結(jié)構(gòu)，優(yōu)化客戶資源。 二、數(shù)據(jù)挖掘 1.數(shù)據(jù)挖掘定義。數(shù)據(jù)挖掘是利用統(tǒng)計(jì)等方法從大量的、不 完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中發(fā)現(xiàn)其中蘊(yùn)含在其中 的、人們事先不知道的但潛在有用的的關(guān)系和規(guī)律的一種綜合方 法。類似于金礦挖掘過程，從大量的數(shù)據(jù)中發(fā)現(xiàn)和提取知識(shí)的過 程。數(shù)據(jù)挖掘的目的在于從數(shù)據(jù)中揭示以前未知的信息，事物間 內(nèi)在的關(guān)系。這些信息有時(shí)甚至可能與我們看到的表象相反。它 是統(tǒng)計(jì)、在線分析等數(shù)據(jù)分析工具的一個(gè)有效補(bǔ)充。 2.數(shù)據(jù)挖掘的演化。數(shù)據(jù)挖掘是人工智能、數(shù)據(jù)庫技術(shù)、統(tǒng) 計(jì)學(xué)研究和發(fā)展的結(jié)果。數(shù)據(jù)處理技術(shù)到目前為止大致經(jīng)歷了四 個(gè)階段：最早開始于單機(jī)的數(shù)據(jù)存貯。然后隨著數(shù)據(jù)存取技術(shù)的 發(fā)展，出現(xiàn)關(guān)系數(shù)據(jù)庫，大大推動(dòng)數(shù)據(jù)庫技術(shù)的應(yīng)用。第三階段 是隨著多維數(shù)據(jù)庫和OLAP 技術(shù)的出現(xiàn)，可以實(shí)時(shí)地進(jìn)行多粒度 的數(shù)據(jù)分析。第四階段是數(shù)據(jù)挖掘。下面是對(duì)四個(gè)階段的技術(shù)特 征和應(yīng)用范圍的簡(jiǎn)單描述： 第一階段，數(shù)據(jù)收集，1960年代利用電腦收集數(shù)據(jù)進(jìn)行簡(jiǎn)單 的計(jì)算，如匯總或平均。數(shù)據(jù)存儲(chǔ)在單機(jī)上，電腦與電腦之間的 數(shù)據(jù)是獨(dú)立的。由于數(shù)據(jù)不規(guī)范、難于共享。能解決的問題范圍 只限于單機(jī)所存儲(chǔ)的數(shù)據(jù)范圍，如總收入或一定時(shí)期內(nèi)的平均收 入，如公司過去五年的總收入。該階段只能提供靜態(tài)的歷史數(shù)據(jù)。 1980 年代，進(jìn)入第二階段——數(shù)據(jù)存取。由于關(guān)系數(shù)據(jù)庫， SQL 語言的出現(xiàn)，數(shù)據(jù)按結(jié)構(gòu)格式存儲(chǔ)在數(shù)據(jù)庫中，數(shù)據(jù)來源基 于整個(gè)企業(yè)。該階段可以獲得某個(gè)特定時(shí)間里某類產(chǎn)品的銷售情 況，如上月在西南地區(qū)的銷售量。該階段數(shù)據(jù)特征是動(dòng)態(tài)的，記 錄級(jí)別的，歷史數(shù)據(jù)。隨著1990 年代在線分析、多維數(shù)據(jù)庫，數(shù) 據(jù)倉庫的出現(xiàn)，可以對(duì)數(shù)據(jù)進(jìn)行多粒度的分析。該階段可以通過 上揚(yáng)與下鉆技術(shù)獲得全局或某個(gè)局部的數(shù)據(jù)進(jìn)行分析。在這個(gè)階 段，比如我們不僅可以了解上月在西南地區(qū)的銷售量，還可進(jìn)一 步下鉆數(shù)據(jù)，了解其中局部數(shù)據(jù)，如重慶地區(qū)的銷售量。該階段 數(shù)據(jù)是動(dòng)態(tài)的，多維的歷史數(shù)據(jù)。到了2000年后，隨著數(shù)據(jù)挖掘 的出現(xiàn)，應(yīng)用高級(jí)算法，多處理器，大規(guī)模數(shù)據(jù)庫等技術(shù)，我們 可以解決如“預(yù)測(cè)下個(gè)月重慶地區(qū)的銷售量，為什么？”等問題。 此時(shí)傳送的數(shù)據(jù)是前瞻性的信息。 3.數(shù)據(jù)挖掘的功能。數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中挖掘出其內(nèi) 在的關(guān)系和模式，從處理的方向來分，數(shù)據(jù)挖掘可分為三大類： 發(fā)現(xiàn)——是分析大量的數(shù)據(jù)，找出隱含在內(nèi)部的聯(lián)系和規(guī)律。 如條件邏輯，關(guān)聯(lián)分析，趨勢(shì)和變化分析。 預(yù)測(cè)——通過使用從數(shù)據(jù)中發(fā)現(xiàn)的規(guī)律來預(yù)測(cè)未來的趨勢(shì)。 如結(jié)果估計(jì)，預(yù)測(cè)。 異常分析——利用提取的常規(guī)模型來發(fā)現(xiàn)異常的情況。偏差 檢測(cè)，鏈接分析。 具體的，數(shù)據(jù)挖掘主要有以下幾個(gè)方面的功能： (1)概念/ 類描述。概念描述以簡(jiǎn)潔匯總的形式描述給定的 相關(guān)數(shù)據(jù)集，描述該數(shù)據(jù)的有關(guān)特性。概念或類描述分為數(shù)據(jù)特 征化和數(shù)據(jù)區(qū)分，前者描述該類數(shù)據(jù)的共有特征，而后者描述的 是不同類數(shù)據(jù)間的區(qū)別。 (2)關(guān)聯(lián)分析。關(guān)聯(lián)分析是發(fā)現(xiàn)數(shù)據(jù)中兩個(gè)或多個(gè)變量之間存 在的內(nèi)在關(guān)系和規(guī)律。關(guān)聯(lián)關(guān)系可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)和因 果關(guān)聯(lián)。關(guān)聯(lián)分析被廣泛應(yīng)用于購物籃、商務(wù)管理和決策分析， 是商業(yè)分析中應(yīng)用最為廣泛的一種數(shù)據(jù)挖掘方法和模式。 (3)分類和預(yù)測(cè)分析。分類和預(yù)測(cè)的共同點(diǎn)在于都要經(jīng)過前期 有指導(dǎo)的學(xué)習(xí)，建立一套規(guī)則或模型。兩者不同在于分類是對(duì)離 散值的估計(jì)而預(yù)測(cè)是對(duì)連續(xù)值的估計(jì)。分類的主要技術(shù)有：決策 樹、貝葉斯公式、神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集、模糊集等；而 預(yù)測(cè)的技術(shù)是線性回歸和非線性回歸。 (4)聚類分析。聚類是把對(duì)象集合劃分為由類似的對(duì)象組成的 多個(gè)類的過程。與分類不同，它屬于無指導(dǎo)學(xué)習(xí)，在學(xué)習(xí)訓(xùn)練樣 本時(shí)，樣本的類別是未知的。對(duì)象根據(jù)類內(nèi)相似性最大化、類間 相似性最小化的原則進(jìn)行聚類或分組。主要方法包括：劃分方法、 層次方法、基于密度的方法、基于網(wǎng)格的方法、基于模型的方法等。 (5)孤立點(diǎn)分析。孤立點(diǎn)是這樣一些數(shù)據(jù)對(duì)象，它們不符合數(shù) 據(jù)的常規(guī)行為或一般模型。孤立點(diǎn)可能是事物的偶然異常或分析 操作失誤等造成的，常被視為噪聲被剔除，但是也可能蘊(yùn)涵著重 要的信息，比如信用卡欺詐行為。基于計(jì)算機(jī)的孤立點(diǎn)挖掘方法 包括統(tǒng)計(jì)學(xué)方法、基于距離的方法和基于偏差的方法。 (6)演變分析。演變分析描述的是隨時(shí)間變化的行為的規(guī)律或 趨勢(shì)，并建立與時(shí)間的關(guān)系模型。包括趨勢(shì)分析、時(shí)序分析中的 相似搜索、與時(shí)間有關(guān)的序列模式挖掘和周期模式挖掘。 三、數(shù)據(jù)挖掘在分析型CRM 中的應(yīng)用 分析型CRM的目的在于對(duì)收集的大量有關(guān)于客戶的數(shù)據(jù)進(jìn)行 分析，從中讓企業(yè)了解客戶的行為特征、興趣愛好、潛在需求等， 全面、深入地了解客戶，從而使企業(yè)改善產(chǎn)品和服務(wù)，切實(shí)貫徹 “客戶為中心”的戰(zhàn)略，最終提高客戶的滿意度和忠誠度，增強(qiáng) 企業(yè)的競(jìng)爭(zhēng)力。數(shù)據(jù)