本文摘要

本文分析了數據挖掘在企業客戶關系管理中應用的意義及所起到的作用，進而提出在客戶關系管理系統運行過程中，實施數據挖掘時應注意的具體問題。

 

隨著Internet的飛速發展，網絡已經成了一個全球性的巨大的信息服務中心，大量信息在給人們帶來方便的同時，也帶來很多問題：一是信息過量，二是信息真假難辨，三是信息安全難以保證，四是信息形式不一致。人們開始考慮怎樣才能不被信息淹沒，而是從海量信息中發現有用的知識，充分提高信息的利用率，面對這種迫切需求，數據挖掘技術應運而生。

 

1 數據挖掘的概念

 

從技術上定義，數據挖掘(Data Mining，簡稱為DM)是一種半自動地從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘從數據中提取人們感興趣的可用信息和知識，并將提取出來的信息和知識表示成概念、規則、規律和模式等便于人們理解與利用的形式。

 

并且，數據挖掘是一個多學科交叉領域，它涉及到數據庫技術、人工智能、機器學習、神經網絡、統計學、模式識別、知識庫系統、知識獲取、信息提取、高性能計算和數據可視化等學科。根據挖掘任務，可分為分類/預測、數據總結、聚類、關聯規則挖掘、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等。其挖掘對象有關系數據庫、異質數據庫、遺產數據庫、空間數據庫、時態數據庫、文本數據源、多媒體數據庫、面向對象數據庫以及基因庫等。其應用領域包括商業、科學研究、天文學、保險業、電信業、教育、DNA分析等。

 

如果從企業角度說，數據挖掘是一種新的客戶信息處理技術，其主要特點是對企業數據庫中的大量業務數據進行抽取、轉換、分析和其他模式處理，從中提取輔助企業決策的關鍵性數據。因此，數據挖掘也可被描述為：是提取有用信息的數據產生過程，是從大量數據中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規則，并能夠根據已有的信息對未發生行為做出結果預測，為企業經營決策、市場策劃提供依據的過程。

 

2 數據挖掘在企業客戶關系管理中應用的必要性和作用

 

目前一個企業是否有競爭力已不再完全取決于它的產品和生產運作效率，而在很大程度上取決于它是否建立和保持良好的客戶關系。過去由于技術的限制，企業信息系統的開放性不足，因此全方位了解顧客，把握客戶的特征與需求只能是一種理想。而在網絡科技的快速發展條件下，加上日益成熟的數據倉庫和數據挖掘技術，使得企業能更有效地掌握客戶的行為及需求。如果企業把利潤作為自己的目標，客戶關系管理則是到達這個目標的最有用的工具，而數據挖掘則是這個工具的最佳引擎。

 

數據挖掘是一個迅速發展的學科，而且是面向應用的。數據挖掘應用于CRM會提高企業的商業智能。數據挖掘與CRM的結合將是全方面的，即銷售、營銷和客戶服務都可以從數據挖掘中獲得決策支持。Data Miners的發起人Gordon S.Linoff認為：“數據挖掘通過整合企業的數據，幫助將正確的信息傳到每一個客戶。數據挖掘是CRM的必備組件之一”。

 

隨著信息技術的迅速發展，特別是數據庫技術和計算機網絡的廣泛應用，企業擁有的數據量急劇增大。在大量的數據與信息中，蘊藏著企業運作的利弊得失，如果能夠對這種海量的數據與信息進行快速有效的深入分析和處理，就能從中找出規律和模式，獲取所需知識，幫助企業更好地進行企業運籌決策。

 

在對CRM的廣泛理解中，最簡單的含義就是：管理所有的與客戶的相互作用。在實踐中，這需要在客戶關系的各個階段使用與客戶相關的信息來預測與客戶的相互作用。我們將客戶關系的各個階段定義為客戶生命周期。客戶生命周期包括四個階段：一是獲得客戶，二是提高客戶的價值，三是保持上等效益客戶，四是防止客戶流失。

 

數據挖掘在客戶生命周期不同階段中的具體應用。

 

2.1 獲得新客戶

 

企業的發展和壯大需要不斷的獲得新的客戶。新的客戶包括以前沒有聽過你產品的人，以前不需要你產品的人，以及以前你的競爭對手的客戶。無論你希望得到的是哪一類客戶，數據挖掘都能夠幫助你辨別這些潛在客戶群，并提高市場活動的響應率。

 

數據挖掘可以幫助企業利用現有的客戶記錄和資料找出客戶的一些共同特征，由此深入了解客戶，還可以通過分類或聚類分析對客戶進行群分后，再由模式分析預測哪些人可能成為其客戶，以幫助銷售人員找到正確的對象。例如一個計算機產品直銷商利用現有的客戶郵件地址數據庫給潛在客戶發送用于促銷的新的計算機產品宣傳冊和將要開始的產品降價信息。不加區分的給每名客戶都發送促銷宣傳冊顯然是一種很大的浪費，而有針對性的給有最大購買可能的顧客發送產品廣告，才是一種高效節儉的營銷策略。這時可以采用分類方法中常用的決策樹歸納方法對數據庫中的一部分數據(訓練數據)進行分類學習得出數據集的決策樹模型，如果模型的準確率經測試被認為是可以接受的，那么就可以使用這一模型建立的規則對數據庫進行分類預測了。

 

2.2 使用交叉銷售提高現有客戶的價值

 

現代企業和客戶之間的關系是經常變動的，一旦一個人或者一個公司成為企業的客戶，企業就要盡力保持這種關系，并使之趨于完善。一般來說可以通過以下幾種方法：一是最長時間的保持這種關系；二是最多次數的和你的客戶交易：三是最大數量的保證每次交易的利潤。這些都可通過交叉銷售來實現。交叉銷售是指企業通過與客戶交流，向現有客戶銷售新的產品或服務的過程。對客戶來講，得到了更多更好的服務；對企業來講，也會因增加了銷售量而獲利。

 

用數據挖掘技術對交叉銷售做分析時應包括三個步驟。一是分析現有客戶的購買行為和消費習慣數據，然后用數據挖掘的一些算法對不同的銷售方式的個體行為進行建模；二是用建立的預測模型對客戶將來的消費行為進行預測分析，對每一種銷售方式進行評價；三是用建立的分析模型對新的客戶數據進行分析，以決定向客戶提供哪一種交叉銷售服務最合適。

 

2.3 客戶保持

 

隨著各個行業競爭的加劇，企業獲得新客戶的成本正在不斷的上升，因此保持原有客戶對所有企業來說就顯得越來越重要，而且往往失去的客戶要比新得到的客戶貢獻更多的利潤。來自北美和歐洲的權威機構提供的統計數據表明，在全球500強企業中，它們在五年內大約流失50％的客戶。企業爭取一個新客戶的成本是保留一個老客戶的7-10倍，所以可以看出企業最關心的話題是企業如何才能留住客戶，增加客戶對企業的忠誠度。

 

利用數據挖掘技術，例如決策樹算法，就可以通過挖掘大量的客戶信息來構建預測模型，較準確的找出易流失的客戶群，并指定相應的方案，最大程度的保持住老客戶。

 

2.4 防止客戶流失

 

客戶流失是企業難以控制的常見問題，流失現象會給企業帶來很多不利影響。通過數據挖掘技術中的孤立點分析法可以發現客戶的異常行為，并采取相應對策，避免客戶流失。

 

綜上所述，我們得出CRM是一種管理技術，數據挖掘是一種數據處理和分析技術。后者是前者的運用工具，為其提供數據基礎平臺和技術支持。數據挖掘技術可以幫助CRM完成對大量客戶信息的處理，挖掘出隱含的、先前未知的、對企業決策有潛在價值的知識和規則，包括客戶特征、“黃金客戶”、客戶關注點以及客戶忠誠度等等，并能夠根據已有的信息對未來發生行為做出結果預測，科學確定各種業務的實施方案，為企業提供全方位的管理視角，完善企業的客戶交流能力，最大化客戶和企業的收益率。

 

隨著CRM在我國的進一步發展，企業對CRM中數據挖掘部分的要求也會越來越高，因此加強數據挖掘技術在CRM方面的應用研究，有利于促進企業CRM應用水平的提高。主要表現如下。

 

2.4.1 挖掘潛在的客戶，提高市場占有率

 

如何快速發現更多潛在的客戶，對一個企業來說是至關重要的，獲取一個新客戶大都是從潛在客戶信息開始的。潛在客戶信息主要包括Web上留言者、網上檢索者、撥打免費電話者和填寫申請表者的相關信息。通過數據挖掘可以對潛在客戶信息進行分類和聚類分析，再由模式分析預測哪些可能成為新客戶，以幫助業務人員找到正確的合作客戶。Web數據挖掘還可以揭示客戶的行為習慣，發現在不同情況下有相似行為的新客戶，幫助公司識別出潛在的客戶群，并提高對市場活動的響應力，采用積極的營銷策略，不斷挖掘新客戶，從而提高市場占有率。

 

2.4.2 提供個性化服務

 

留住客戶的競爭越來越激烈，公司獲得新客戶的成本也在不斷地上升，因此保持原有客戶對企業來說就顯得越來越重要。數據挖掘可以把信息系統中的大量客戶分成不同的類，針對不同的類提供不同的個性化服務來提高客戶的滿意度，從而留住客戶。

 

2.4.3 客戶盈利能力分析和預測

 

對一個公司來講，如果不知道客戶的經營情況，就很難做出合適的市場策略。很顯然，不同客戶對于公司來講，其價值是不同的。數據挖掘技術可以用來分析和預測不同市場活動情況下客戶盈利能力的變化，識別最有價值的客戶以及這些客戶過去的狀態變遷，幫助公司制定適合的市場策略。

 

2.4.4 客戶信用風險預警和控制

 

利用數據挖掘對公司信息管理系統中大量的數據進行分析和處理，可采用神經網絡算法建立模型，然后對現有客戶進行測試，探查出具有詐騙傾向的客戶；也可采用數據挖掘中的孤立點分析技術，在對客戶群進行分析時，找出與其他客戶不同的客戶來進行防范。對客戶的信用風險進行分析和可能發生的欺詐行為進行預測，以便及時地對各種信用風險進行監視、評價、預警和管理，進而采取有效的監督措施，在信用風險發生之前對其進行預警和控制。

 

總之，數據挖掘在中小企業中的廣泛應用，能夠及時開拓營銷渠道，挖掘潛在的有價值的客戶信息，針對不同的客戶群及時提供不同的個性化服務，可以提高客戶的滿意度和忠誠度，提升客戶信用的預測性和抗風險的能力，從而提高企業對市場的響應力和智能化水平。例如預測發展趨勢、輔助決策、對客戶進行分類、挖掘潛在客戶等等。

 

3 在客戶關系管理中應用數據挖掘技術的要求

 

3.1 確立合理的數據挖掘目標

 

為保證數據挖掘能夠正常、有效地開展和進行，其實施過程中必須有明確的遠景規劃和近期實現目標。管理者制定規劃和目標時，既要考慮企業內部的現狀和實際技術水平，同時也要看到外部市場對企業的要求與挑戰。企業必須明確任務目標、進度和預期作用等內容。

 

3.2 全面掌握客戶的數據

 

在接通客戶關系管理系統并將原始數據導入新系統之前，數據挖掘人員要全面考察數據來源，獲取數據的內容、質量和可靠性等情況信息。當采用適當的數據挖掘工具，執行這些枯燥而易出錯的程序時，可使數據挖掘工作所花費的時間減少到相當于初次手工作業所需時間的10％左右，并可及早發現和糾正數據問題，大大降低成本和失敗的風險。

 

3.3 要建立數據標準

 

進行數據挖掘和分析時，需將客戶姓名、聯系地址、產品信息等客戶數據標準化，以確保一致性并將記錄與統計邏輯相匹配，從而減少查看客戶全景視圖的數據重復。同時，要建立保證數據質量的相關流程和程序，以確保數據的適用性和質量。

 

3.4 尋求高層管理者的理解與支持

 

高層管理者對客戶關系管理中數據挖掘的支持、理解和承諾，是數據挖掘成功的關鍵因素之一。缺乏管理者支持與承諾，會對數據挖掘的實施帶來很大的負面影響。要得到管理者的支持與承諾，既可要求管理者對項目有相當的參與程度，進而能夠對項目實施有一定理解；也可將實施過程中所影響到的部門的高層領導，設為數據挖掘項目的發起人或發起的主要參與者。