CRM系統:數據挖掘在分析型C R M 中的應用

數據挖掘在分析型C R M 中的應用 詹　川　重慶工商大學商務策劃學院 [摘　要] 分析型CRM 與傳統的操作型CRM 有著重大的區別，數據挖據技術在分析型CRM 應用中占重要的地位。本文介紹了分析 型CRM 的概念，分析了分析型CRM 與操作型CRM 的區別，指出分析型CRM 所具備的功能；然后介紹數據挖掘技術的發展過程以及數 據挖掘基本功能；最后闡述了數據挖掘技術在分析型CRM 的具體應用。 [關鍵詞] 數據挖掘　分析型CRM　應用 21世紀隨著全球經濟一體化和市場競爭日益激烈，企業再難 以單靠產品質量贏取競爭優勢。現代企業已逐步從以“產品為中 心”的經營管理模式轉變為以“客戶為中心” 的模式。企業通過 實施以“客戶為中心”的關系營銷策略，提高顧客滿意度，保留 住老客戶，開發新用戶，提升對企業的忠誠度，對客戶進行個性 化服務，最終增強企業競爭力。 在企業內部對客戶管理的需求、信息技術推動以及管理理念 的更新下，運營而生了客戶關系管理（Customer Relationship Management， CRM）。CRM概念最早由美國Gartner Group提出，認 為CRM 是一個使企業在客戶服務、市場競爭、銷售及支持方面形 成彼此協調的、全新的關系實體，為企業帶來長久競爭優勢的系 統。CRM 的核心是以“客戶為中心”，提高客戶滿意度，改善客 戶關系，提高企業競爭力。CRM 系統根據其功能劃分為操作型 CRM 和分析型CRM。目前國內企業運用的大部分是操作型CRM。 一、分析型CRM 1.定義。分析型CRM 系統是一種決策支持系統，它幫助企業 把收集到原始數據轉換成針對商業主題所需的客戶個性化特征， 分析出客戶行為模式，達到完整、全面地認識客戶，合理選擇市 場渠道，增強與客戶溝通的能力。 2.操作型CRM 與分析型CRM 的區別。分析型CRM 運用數據倉 庫、OLAP 和數據挖掘等技術從收集來的大量客戶與企業之間的 數據中分析和提取相關規律、模型和趨勢。為企業的戰略規劃、 科學決策和各業務流程管理提供支持，提高在所有渠道上同客戶 交互的有效性和針對性，通過合適的渠道、合適的時間、把合適 的產品提供給合適的客戶，實現企業利潤的最大化。 通過分析型CRM，企業可以全方位，360 度了解客戶，掌握 客戶的個性和需求，改善產品和服務，從而進一步提高客戶滿意 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、行為習慣、交易數據、信用狀況 等，以便于高效管理市場營銷、銷售、服務等業務流程。 操作型CRM系統多偏重于對流程數據的收集——數據庫的建 設與數據的存儲，而較少進行數據的信息挖掘。由于簡單的處理 與獨立的數據調用，忽視了連續的歷史數據隱藏的信息和知識， 從而導致企業決策缺乏連貫性與前瞻性導致企業采取過多短視的 戰術性措施。 META Group 認為缺乏分析功能的CRM 將不可能使公司長期 的、全面的認識客戶。他們在調查已實施CRM 項目企業，發現那 些缺乏分析功能的CRM 項目都沒有幫助企業有效改善客戶關系。 3.分析型CRM 的功能。 (1)收集所有與客戶有關的信息。分析型CRM 并不只是建立 一個可靠的有關于客戶的信息平臺，它需要把來自于不同部門、 不同渠道獲得的客戶信息有機地，一致地融合在一起，為企業提 供決策。分析型CRM 還應與后臺辦公系統整合。通過后臺辦公系 統可以獲得大量與客戶有關的業務往來信息，從而企業可以更全 面的了解客戶。通過分析型CRM 的深入分析，企業可透過客戶數 據深入了解客戶和市場，形成企業競爭優勢。 (2)評估與優化客戶關系。在企業市場、銷售和服務部門制定 面向客戶的策略時，最好的辦法就是深入的了解客戶。企業對客 戶越了解，越能為客戶提供客戶所需要的產品和服務。分析型 CRM 能從基礎客戶數據中挖掘出客戶的消費行為模式、客戶可盈 利率、客戶生命周期及潛在客戶價值、客戶群體的組成情況。利 用客戶消費行為模式，企業能通過側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測模型幫助企業獲 得、發展和保持對企業有吸引力、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 評分方法來定義同類客戶群體，作為制定市場、銷售和服務的基 礎；可以利用客戶評分、決策樹方法幫助企業從當前企業最有價 值的客戶特征找到新的最有價值客戶；利用關聯分析，幫助企業 發現交叉銷售和增量銷售的機會；通過了解客戶采購模式以及客 戶流失原因，幫助企業保持有利潤客戶。 (4)客戶價值的評估。客戶價值分析是分析型CRM的核心，它 幫助企業把有限的資源高效地集中在對企業最有價值的客戶關系 上。客戶價值包含客戶盈利率、客戶生命周期和客戶保持率。客 戶盈利率是評價客戶最常用和最重要的參數。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新客戶的最佳測 算方法。通過客戶生命周期，可以計算出客戶在一段時間內從客 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 結構。根據客戶價值，企業能正確合理分配企業在市場、營銷和 服務中的資源給客戶。并且可調整客戶結構，優化客戶資源。 二、數據挖掘 1.數據挖掘定義。數據挖掘是利用統計等方法從大量的、不 完全的、有噪聲的、模糊的、隨機的數據中發現其中蘊含在其中 的、人們事先不知道的但潛在有用的的關系和規律的一種綜合方 法。類似于金礦挖掘過程，從大量的數據中發現和提取知識的過 程。數據挖掘的目的在于從數據中揭示以前未知的信息，事物間 內在的關系。這些信息有時甚至可能與我們看到的表象相反。它 是統計、在線分析等數據分析工具的一個有效補充。 2.數據挖掘的演化。數據挖掘是人工智能、數據庫技術、統 計學研究和發展的結果。數據處理技術到目前為止大致經歷了四 個階段：最早開始于單機的數據存貯。然后隨著數據存取技術的 發展，出現關系數據庫，大大推動數據庫技術的應用。第三階段 是隨著多維數據庫和OLAP 技術的出現，可以實時地進行多粒度 的數據分析。第四階段是數據挖掘。下面是對四個階段的技術特 征和應用范圍的簡單描述： 第一階段，數據收集，1960年代利用電腦收集數據進行簡單 的計算，如匯總或平均。數據存儲在單機上，電腦與電腦之間的 數據是獨立的。由于數據不規范、難于共享。能解決的問題范圍 只限于單機所存儲的數據范圍，如總收入或一定時期內的平均收 入，如公司過去五年的總收入。該階段只能提供靜態的歷史數據。 1980 年代，進入第二階段——數據存取。由于關系數據庫， SQL 語言的出現，數據按結構格式存儲在數據庫中，數據來源基 于整個企業。該階段可以獲得某個特定時間里某類產品的銷售情 況，如上月在西南地區的銷售量。該階段數據特征是動態的，記 錄級別的，歷史數據。隨著1990 年代在線分析、多維數據庫，數 據倉庫的出現，可以對數據進行多粒度的分析。該階段可以通過 上揚與下鉆技術獲得全局或某個局部的數據進行分析。在這個階 段，比如我們不僅可以了解上月在西南地區的銷售量，還可進一 步下鉆數據，了解其中局部數據，如重慶地區的銷售量。該階段 數據是動態的，多維的歷史數據。到了2000年后，隨著數據挖掘 的出現，應用高級算法，多處理器，大規模數據庫等技術，我們 可以解決如“預測下個月重慶地區的銷售量，為什么？”等問題。 此時傳送的數據是前瞻性的信息。 3.數據挖掘的功能。數據挖掘是從大量的數據中挖掘出其內 在的關系和模式，從處理的方向來分，數據挖掘可分為三大類： 發現——是分析大量的數據，找出隱含在內部的聯系和規律。 如條件邏輯，關聯分析，趨勢和變化分析。 預測——通過使用從數據中發現的規律來預測未來的趨勢。 如結果估計，預測。 異常分析——利用提取的常規模型來發現異常的情況。偏差 檢測，鏈接分析。 具體的，數據挖掘主要有以下幾個方面的功能： (1)概念/ 類描述。概念描述以簡潔匯總的形式描述給定的 相關數據集，描述該數據的有關特性。概念或類描述分為數據特 征化和數據區分，前者描述該類數據的共有特征，而后者描述的 是不同類數據間的區別。 (2)關聯分析。關聯分析是發現數據中兩個或多個變量之間存 在的內在關系和規律。關聯關系可分為簡單關聯、時序關聯和因 果關聯。關聯分析被廣泛應用于購物籃、商務管理和決策分析， 是商業分析中應用最為廣泛的一種數據挖掘方法和模式。 (3)分類和預測分析。分類和預測的共同點在于都要經過前期 有指導的學習，建立一套規則或模型。兩者不同在于分類是對離 散值的估計而預測是對連續值的估計。分類的主要技術有：決策 樹、貝葉斯公式、神經網絡、遺傳算法、粗糙集、模糊集等；而 預測的技術是線性回歸和非線性回歸。 (4)聚類分析。聚類是把對象集合劃分為由類似的對象組成的 多個類的過程。與分類不同，它屬于無指導學習，在學習訓練樣 本時，樣本的類別是未知的。對象根據類內相似性最大化、類間 相似性最小化的原則進行聚類或分組。主要方法包括：劃分方法、 層次方法、基于密度的方法、基于網格的方法、基于模型的方法等。 (5)孤立點分析。孤立點是這樣一些數據對象，它們不符合數 據的常規行為或一般模型。孤立點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，但是也可能蘊涵著重 要的信息，比如信用卡欺詐行為。基于計算機的孤立點挖掘方法 包括統計學方法、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間變化的行為的規律或 趨勢，并建立與時間的關系模型。包括趨勢分析、時序分析中的 相似搜索、與時間有關的序列模式挖掘和周期模式挖掘。 三、數據挖掘在分析型CRM 中的應用 分析型CRM的目的在于對收集的大量有關于客戶的數據進行 分析，從中讓企業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，從而使企業改善產品和服務，切實貫徹 “客戶為中心”的戰略，最終提高客戶的滿意度和忠誠度，增強 企業的競爭力。數據