CRM系統：基于數據挖掘的CRM 分析

基于數據挖掘的CRM 分析 魏曉云 ( 四川行政學院計算機系, 四川成都610072) 摘要: 進行客戶關系管理系統建設, 是企業爭取競爭優勢的重要手段, 數據挖掘技術在CRM 的實施中起著關鍵的作用。文章介紹了 數據挖掘技術和CRM 技術, 具體介紹了在酒店CRM 建設中用到的決策樹和模糊聚類這兩種數據挖掘的實現方法, 并做出了實驗分 析。 關鍵詞: 數據挖掘; CRM; 酒店管理; 決策樹; 模糊聚類 中圖分類號: TP312 文獻標識碼: A 文章編號: 1009- 3044(2007)09- 20614- 03 Application of Data Mining in the Civil Aviation CRM WEI Xiao- yun (Sichuan College of Administration Sichuan Chengdu 610072 ,China) Abs tract: The construction of customer relationship management system is an important means of competition between airlines. Data mining plays a key role in the process of CRM. This paper first introduces the fundamental knowledge of CRM and data mining, and then presents concretely two methods of data mining in the aviation CRM, decision tree and fuzzy clustering. Key words : Data mining; CRM; Decision tree; Fuzzy clustering 利用數據挖掘技術, 建立一個分析模型, 用模糊聚類的數據 挖掘方法, 做出實驗分析客戶的特征。并據此有針對性地制定客 戶營銷策略, 以期高效發掘新客戶, 保留現有客戶, 是企業在提 高客戶營銷效果方面的一新嘗試。本文結合試驗設計的思想, 用 基于數據挖掘的方法對酒店的客戶營銷效果, 采取針對性進行實 證分析。分析結果表明, 在數據挖掘指導下制定的針對性客戶營 銷策略, 在增加用戶數量和提高服務質量方面有顯著效果。 2 數據挖掘的概念 對于海量信息存儲, 數據挖掘是一種系統地檢查和理解大量 數據的工具。數據挖掘可根據預定義的數據目標, 對大量的現有 數據進行探索和分析, 揭示其中隱含的規律, 并進一步生成相應 的分析、預測模型。數據挖掘發現的是以前未知的、可理解的、可 執行的信息, 所以也被稱為數據庫中的“知識發現”(Knowledge Discovery in Databases)。與統計分析技術相比, 數據挖掘技術能 很好地和數據庫技術相結合, 而且數據挖掘工具用以發現數據中 隱含的知識規律的方法, 已不局限于統計技術。還包括統計學科 以外的方法, 如神經網絡、遺傳算法、自組織圖及神經模糊系統 等。數據挖掘發現的“知識”可以用于構建預測模型, 還可以再進 一步應用于數據的統計分析。數據挖掘任務一般可以分兩類: 描 述數據庫中數據的一般特性, 根據現有數據進行推斷及預測[1]。 3 CRM 簡介及體系結構 客戶關系管理(Customer Relationship Management CRM) 起源 于20 世紀80 年代初被提出的接觸管理(Contact Management) , 即專門收集整理客戶與公司聯系的所有信息。到20 世紀90 年代 初則演變成包括電話服務中心與支援資料分析的客戶服務(Customer care) 。經歷了近20 年的不斷發展, 客戶關系管理不斷演變 發展, 逐漸形成了一套管理理論體系和應用技術體系。CRM的概 念最早由Cartner Group 提出, 即認為為企業提供全方位的管理視 角, 賦予企業更完善的客戶交流能力, 最大化客戶的收益率。 CRM 是一種以客戶為中心的市場營銷理念和策略, 它以信息技 術為手段, 對業務功能進行重新設計, 并對工作流程進行重組。它 集合了現代信息技術, 包括Internet 和電子商務、多媒體技術、數 據倉庫和數據挖掘、專家系統和人工智能、呼叫中心等。 4 數據挖掘應用于CRM 的過程 在應用數據挖掘技術時, 數據倉庫隨時會增加新的數據, 所 以數據挖掘應用于CRM的過程不是線性的。數據挖掘應用于 CRM的過程可分為以下幾步: (1)定義問題。每一個CRM應用都會有一個或多個商業目標, 根據具體的目標, 如“增加客戶的回應率”或“增加客戶的回應價 值”等建立不同的模型。 (2)建立銷售數據倉庫。建立銷售數據倉庫是數據準備的核心 工作, 而且這一步花費的時間和精力最多, 數據準備可能占用整 個數據挖掘過程的50%- 90%的時間和精力。因為已有的數據庫 的數據形式不能滿足數據挖掘的需要或者它們會影響CRM與數 據挖掘結合后的系統的執行速度和效果, 所以需要建立一個滿足 數據挖掘需要的銷售數據倉庫。 (3)洞察數據。在建立預測模型前必須充分理解數據, 收集大 量的數據摘要( 包括描述性的統計數據如平均值、標準方差等) 和 查閱數據的分布情況, 可能還要采用數據表格的形式來表示多維 數據。 (4)為建立模型準備數據。這是建立模型前的最后一個數據準 備步驟。 (5)建立模型。建立模型需要不斷重復工作, 它是從已有的模 型出發并不斷地修改直到找出最有用的模型。在這個過程中可能 會對數據做一些修改甚至改變問題的描述方法。 (6)模型評估。對挖掘的結果進行評估和表示,這是數據挖掘中 不可缺少的環節。運用實驗數據或新的樣本數據進行檢驗, 評估 挖掘結果的可用性和可信性, 并在此基礎上,調整和修改數據模型 和挖掘方法[4]。 5 數據挖掘在酒店CRM 中的應用 數據挖掘技術應用在酒店的CRM 體系中, 通過對旅客的特 征數據進行分析, 可以對旅客進行分類, 對不同類別的旅客采取 不同的營銷對策。對不同等級客房賬單的歷史數據的分析, 對近 期或遠期旅客的訂房行為作出預測。一方面盡量多地售出高房票 而降低房票的售出量, 另一方面及時調整定價策略, 防止房位虛 耗﹑損失客源。對旅客服務滿意度的調查可以使酒店調整重點服 務策略, 忽略次要因素, 降低營運成本。因此研究大量旅客特征數 據和歷史訂房數據, 是制定市場營銷策略和進行收益規劃的基 礎。在這個過程中可以引入數據挖掘的方法, 具體步驟如下。 5.1 數據準備 在這過程中, 分析人員將收集訂房系統中存儲的大量歷史數 據, 包括序號﹑團隊標識﹑姓名﹑性別、訂房記錄﹑房間號﹑訂房狀 態﹑訂房人數﹑訂房日期等數據。并把他們整理成如下數據: 姓名, 身份證號, 訂房工作號, 預訂日期, 訂房時間, 套房類型, 訂房代理 人信息, 出房票號, 出房工作號, 付款方式等數據, 并把這些數據 集成在數據倉庫中。同時將旅客的特征數據, 包括住店次數﹑累計 消費金額數﹑所在行業﹑套房等級﹑出行目的﹑教育程度﹑愛好和收 入等基本信息集成在數據倉庫中。 5.2 數據挖掘 5.2.1 預測型數據挖掘方法 這類方法主要指分類與回歸。分類方法用來預測某一個樣本 屬于哪一種類型, 回歸方法是通過具有已知的變量來預測其他變 量的值。實現技術有決策樹( 如圖1) ﹑神經網絡和樸素貝葉斯等。 決策樹的優點是生成的模型易于理解, 但對輸入數據有限制, 數 據必須具有種類特征。例如, 可以采用決策樹的方法對旅客的訂 房選擇及帶來的收益和風險做出分析。 強力推薦： 天柏客戶關系管理系統 天柏客戶關系管理系統（CRM）是一款集專業性、實用性、易用性為一體的純B/S架構的CRM系統，它基于以客戶為中心的協同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標的營銷策略，通過企業級協同，有效的“發現、保持和留住客戶”，從而達到留住客戶、提高銷售，實現企業利潤最大化的目的。通過對客戶進行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業銷售、營銷、客戶服務和支持等與客戶關系有關的業務流程并提高各個環節的自動化程度，從而幫助企業達到縮短銷售周期、降低銷售成本、擴大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機會和銷售渠道，最終從根本上提升企業的核心競爭力，使得企業在當前激烈的競爭環境中立于不敗之地。 關鍵詞：CRM,CRM系統,CRM軟件,客戶關系管理,客戶管理軟件,客戶管理系統,客戶關系管理軟件,客戶關系管理系統