摘要：客戶關(guān)系管理在企業(yè)管理決策中起到了關(guān)鍵作用，而數(shù)據(jù)挖掘技術(shù)為客戶關(guān)系管理的實(shí)施提供了良好的技術(shù)支持。在對數(shù)據(jù)挖掘技術(shù)于客戶關(guān)系管理中的價(jià)值和應(yīng)用范疇進(jìn)行分析，將數(shù)據(jù)挖掘應(yīng)用于客戶流失分析，進(jìn)而從這些信息中挖掘出客戶偏好的商品組合、消費(fèi)習(xí)性或流失客戶特征。

關(guān)鍵詞：數(shù)據(jù)挖掘；客戶關(guān)系管理；模型

中圖分類號：F270．7 文獻(xiàn)標(biāo)識(shí)碼：A

The Application of Data Mining in Customer Relationship Management

GUO Feng， QIN Huilin

(School of Information ，Beijing Wuzi University， Beijing 101149，China)[GK2!2]

Abstract:

Customer Relationship Management(CRM) performs a key function in corporate management and decision-making.Data Mining(DM) offers sometechnical skills to Customer Relationship Management. This paper analyses the value and the applied range of DM in CRM，clarifying customer loss to recount the process of the DM.

面對激烈的市場競爭，客戶價(jià)值越來越多地影響了企業(yè)價(jià)值，客戶資源也成為各企業(yè)爭奪的最重要戰(zhàn)略資源之一。因此，了解客戶需求，辨析最具利潤貢獻(xiàn)率的客戶，已成為現(xiàn)代大多數(shù)企業(yè)經(jīng)營的驅(qū)動(dòng)力?？蛻絷P(guān)系管理（Customer Relationship Management，CRM），恰是一種以客戶為中心的經(jīng)營策略，它以信息技術(shù)為手段，對工作流程進(jìn)行重組，整合發(fā)揮企業(yè)資源優(yōu)勢，賦予企業(yè)更完善的客戶交流能力，最大化客戶收益率。

一、數(shù)據(jù)挖掘技術(shù)

企業(yè)需要盡可能多地了解客戶行為，但隨著客戶數(shù)量的大量累積，客戶信息的日趨復(fù)雜，如何管理和分析這些客戶信息，從中找出對企業(yè)管理決策有價(jià)值的知識(shí)，就需要有更先進(jìn)的技術(shù)和工具支持。而數(shù)據(jù)挖掘（Data Mining）技術(shù)為CRM分析大量復(fù)雜客戶數(shù)據(jù)，挖掘客戶價(jià)值提供了良好的技術(shù)支持。數(shù)據(jù)挖掘可從大量數(shù)據(jù)中抽取出潛在的、有價(jià)值的知識(shí)、模型、規(guī)則，是發(fā)現(xiàn)潛在關(guān)聯(lián)、模式，做出預(yù)測性分析的有效工具。

二、CRM中數(shù)據(jù)挖掘的價(jià)值

CRM通過搜集、累積大量市場及客戶資料，為企業(yè)建立起龐大的數(shù)據(jù)倉庫，數(shù)據(jù)挖掘的關(guān)鍵所在正是從海量數(shù)據(jù)中區(qū)分出真正有價(jià)值的信息并找出其間的關(guān)聯(lián)。

每個(gè)企業(yè)都期望通過采用一定工具和手段快速并準(zhǔn)確辨析出企業(yè)最重要、最有價(jià)值的客戶信息。數(shù)據(jù)挖掘技術(shù)從裝有海量數(shù)據(jù)的數(shù)據(jù)倉庫中經(jīng)過深層分析，尋找隱藏在數(shù)據(jù)中的信息，發(fā)掘出有利于商業(yè)運(yùn)作、提高競爭力的信息或知識(shí)；它能幫助企業(yè)管理客戶生命周期的各階段，包括爭取新客戶，讓已有客戶創(chuàng)造更多利潤、保持住有價(jià)值的客戶等；它能對客戶需求做深入分析，滿足企業(yè)對個(gè)體細(xì)分市場的客戶關(guān)系管理需求，幫助企業(yè)確定客戶特點(diǎn)，使企業(yè)通過為客戶提供有針對性服務(wù)而增加商機(jī)。

對企業(yè)而言，在CRM中應(yīng)用數(shù)據(jù)挖掘有助于發(fā)現(xiàn)業(yè)務(wù)發(fā)展趨勢，揭示已知事實(shí)，預(yù)測未知結(jié)果，并幫助企業(yè)分析出完成任務(wù)所需的關(guān)鍵因素，從而使企業(yè)增加收入、降低成本，處于更有利的競爭地位。

三、CRM中數(shù)據(jù)挖掘的應(yīng)用范疇

數(shù)據(jù)挖掘通過對客戶信息的自動(dòng)篩選，從大量相關(guān)客戶數(shù)據(jù)中挖掘出隱含的、未知的、對企業(yè)決策有潛在價(jià)值的知識(shí)和規(guī)則，幫助企業(yè)找出未被發(fā)現(xiàn)的新機(jī)會(huì)，預(yù)測在商業(yè)中制勝的策略，快速做出決策。其以下方面的應(yīng)用尤為突出。[HJ1.5mm]

客戶特征分析：除客戶地址、性別、年齡、職業(yè)、收入、教育等基本信息外，獲取諸如愛好、婚姻、配偶、健康、家庭環(huán)境等特征信息，可更詳盡地了解客戶，發(fā)現(xiàn)其行為規(guī)律，進(jìn)而更好地制定客戶策略，提高市場活動(dòng)響應(yīng)率。通過對大量客戶消費(fèi)行為信息采用分類、聚類等挖掘方法，按客戶年齡、性別、收入、交易行為特征等屬性細(xì)分為具有不同需求和交易習(xí)慣的群體，從而得出客戶最關(guān)注點(diǎn)，有針對性制定個(gè)性化營銷策略。

客戶忠誠度分析：通過客戶行為分析歸類出高消費(fèi)客戶群、最穩(wěn)定客戶群、有價(jià)值的潛在客戶群、有更多消費(fèi)需求客戶群等，從而做出客戶持久性及穩(wěn)定性分析，對客戶需求能快速響應(yīng)，使客戶獲得高度個(gè)性化服務(wù)。據(jù)統(tǒng)計(jì)，企業(yè)獲得新客戶成本遠(yuǎn)比保持老客戶高得多，盡管各行業(yè)成本差異不同，但無論什么行業(yè)，6~8倍以上的差距是業(yè)界公認(rèn)的；同時(shí)，根據(jù)80/20（20%的客戶貢獻(xiàn)80%銷售額）的營銷原則，對高消費(fèi)及高忠誠度客戶，更應(yīng)采取策略培養(yǎng)其忠誠度。

營銷交叉分析：企業(yè)掌握的客戶先前消費(fèi)信息中，可能正包含著決定該客戶下一消費(fèi)行為的關(guān)鍵、甚至決定因素，利用數(shù)據(jù)挖掘技術(shù)去發(fā)現(xiàn)隱藏在數(shù)據(jù)間的表面看似獨(dú)立事件間的關(guān)系，從而幫助企業(yè)找到影響其消費(fèi)行為的因素，有針對性展開營銷策略，適時(shí)推薦其它產(chǎn)品。如關(guān)聯(lián)規(guī)則分析能發(fā)現(xiàn)客戶傾向于關(guān)聯(lián)購買哪些產(chǎn)品；聚類分析能發(fā)現(xiàn)對特定產(chǎn)品感興趣的用戶群；神經(jīng)網(wǎng)絡(luò)、回歸等方法能預(yù)測客戶購買該新產(chǎn)品的可能性。

客戶獲取和流失分析：企業(yè)的增長壯大需不斷維持老客戶并獲取新客戶，通過分類、聚類、決策樹等技術(shù)挖掘大量客戶信息，識(shí)別出潛在的可開發(fā)客戶群，判斷具備哪些特性的客戶群最易流失，并建立客戶流失預(yù)測模型，較準(zhǔn)確地找出易流失客戶群，幫助企業(yè)制定方案，對其提前采取相應(yīng)營銷措施，最大程度地保持住老客戶。

跟蹤評價(jià)：通過數(shù)據(jù)倉庫的數(shù)據(jù)清潔與集中過程，將客戶反饋信息自動(dòng)輸入數(shù)據(jù)倉庫中，實(shí)現(xiàn)客戶行為跟蹤，分析出客戶滿意度、信用等級等，從而評價(jià)及優(yōu)化現(xiàn)行策略。如對不同信用等級客戶采取不同賒銷方案，這既保持了客戶忠誠度又規(guī)避了不必要風(fēng)險(xiǎn)。通過跟蹤評價(jià)可保證企業(yè)客戶關(guān)系管理達(dá)到既定目標(biāo)，建立良好客戶關(guān)系。

四、客戶流失分析

商業(yè)企業(yè)通常通過交易記錄、抽獎(jiǎng)、會(huì)員制等活動(dòng)來記載銷售信息和客戶資料，進(jìn)而從這些信息中挖掘出客戶偏好的商品組合、消費(fèi)習(xí)性，或是找出流失客戶特征。下面以商業(yè)企業(yè)客戶流失分析為例來說明CRM中數(shù)據(jù)挖掘的過程。

（一）數(shù)據(jù)選擇

選取目標(biāo)變量：即客戶流失狀態(tài)。通過分析具體問題，選擇一個(gè)或多個(gè)已知量的組合作為目標(biāo)變量。對于因消費(fèi)特征改變而發(fā)生的流失，需要對相關(guān)具體問題加以考慮：是收入改變？偏好改變？還是購物環(huán)境要求改變？

選取輸入自變量：輸入自變量分靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)是諸如客戶基本資料（性別、婚姻狀況、職業(yè)、居住區(qū)等）等不常變化的數(shù)據(jù)；動(dòng)態(tài)數(shù)據(jù)是諸如月消費(fèi)金額、消費(fèi)特征等頻繁或定期改變的數(shù)據(jù)。輸入自變量與目標(biāo)變量有內(nèi)在聯(lián)系，但卻無法量化表示，這為數(shù)據(jù)挖掘提供了可發(fā)揮的空間。若一時(shí)無法確定某種數(shù)據(jù)是否與客戶流失概率有關(guān)聯(lián)，可暫時(shí)將其選入模型，在后續(xù)步驟考察各變量分布情況和相關(guān)性時(shí)再行取舍。

選取建模數(shù)據(jù)：客戶流失方式分為客戶自然消亡（因遷址而導(dǎo)致客戶不再存在；或因客戶服務(wù)升級，如普通客戶升級為貴賓造成特定服務(wù)的目標(biāo)客戶消失）和客戶轉(zhuǎn)移到競爭對手兩種。后者流失是商家真正關(guān)心且具挽留價(jià)值的客戶，選擇建模數(shù)據(jù)時(shí)必須選擇后者流失客戶數(shù)據(jù)參與建模。

（二）數(shù)據(jù)規(guī)約

數(shù)據(jù)規(guī)約是建模前的數(shù)據(jù)準(zhǔn)備工作，一方面保證建模數(shù)據(jù)的正確性和有效性，另一方面通過對數(shù)據(jù)格式和內(nèi)容的調(diào)整，使數(shù)據(jù)更符合建模需要。主要工作包括對數(shù)據(jù)的轉(zhuǎn)換、整合、抽樣、隨機(jī)化、缺失值處理等。如按比例抽取未流失客戶和已流失客戶，將這兩類數(shù)據(jù)合并，構(gòu)成建模的數(shù)據(jù)源。模型建立后需大量數(shù)據(jù)來進(jìn)行檢驗(yàn)，故把樣本數(shù)據(jù)分為用于建模和用于模型檢驗(yàn)及修正兩部分。

（三）模型建立

建模前利用數(shù)據(jù)挖掘工具的相關(guān)性比較功能，找出每一輸入自變量和客戶流失概率的相關(guān)性，刪除相關(guān)性較小的變量，從而降低模型復(fù)雜度，縮短建模周期?，F(xiàn)有數(shù)據(jù)挖掘工具很多，如神經(jīng)網(wǎng)絡(luò)、回歸、決策樹、關(guān)聯(lián)、聚類等，可使用其中的多種方法預(yù)先建立多個(gè)模型，再對這些模型進(jìn)行優(yōu)劣比較，選出最適合客戶流失分析的建模方法，建模過程中可使用多種近似算法來簡化模型優(yōu)化過程。模型建立后的調(diào)整是數(shù)據(jù)挖掘過程的核心部分，通常由數(shù)據(jù)分析專家完成。不同商業(yè)問題和不同數(shù)據(jù)分布屬性會(huì)影響模型建立與調(diào)整策略，因此需業(yè)務(wù)專家參與調(diào)整策略的制定，以避免不適當(dāng)優(yōu)化造成業(yè)務(wù)信息的丟失。

（四）模型評價(jià)與解釋

為得到準(zhǔn)確結(jié)果，可利用未參與建模的數(shù)據(jù)進(jìn)行模型評估。檢驗(yàn)的方法是使用模型對已知客戶狀態(tài)的數(shù)據(jù)進(jìn)行預(yù)測，將預(yù)測值與實(shí)際客戶狀態(tài)作比較，預(yù)測正確率最高的模型是最優(yōu)模型。通過對模型做出合理的業(yè)務(wù)解釋，可找出一些潛在規(guī)律來指導(dǎo)商家行為；反過來，通過業(yè)務(wù)解釋也能證明數(shù)學(xué)模型的合理性和有效性。

（五）模型應(yīng)用

可先選擇一試點(diǎn)實(shí)施應(yīng)用，試點(diǎn)期間隨時(shí)注意模型應(yīng)用的收益情況。若發(fā)生異常偏差，則停止應(yīng)用，修正模型。試點(diǎn)結(jié)束后，若模型被證明應(yīng)用良好，可考慮大范圍推廣。推廣時(shí)要注意地區(qū)差異，不能完全照搬模型。經(jīng)濟(jì)環(huán)境發(fā)生重大變化或模型應(yīng)用一段時(shí)期后，模型偏差可能會(huì)增大，這時(shí)可考慮重新建立一更具適用性的模型。

通過客戶流失模型對客戶流失情況的監(jiān)控，若流失可能性過高，可采用促銷等手段來提高客戶忠誠度，防止客戶流失的發(fā)生，從而徹底改變以往商家在成功獲得客戶后無法監(jiān)控客戶流失、無法有效實(shí)現(xiàn)客戶關(guān)懷的狀況。

五、結(jié)束語

數(shù)據(jù)挖掘作為CRM的前提和基礎(chǔ)，不再僅局限于客戶接觸層面的客戶關(guān)系管理，已深入到客戶的消費(fèi)行為和消費(fèi)喜好，從更加深入全面的角度洞察客戶、理解客戶價(jià)值。采用了數(shù)據(jù)挖掘技術(shù)的CRM系統(tǒng)，在目前競爭日益激烈的知識(shí)經(jīng)濟(jì)環(huán)境和電子商務(wù)經(jīng)濟(jì)模式下，已成為現(xiàn)代企業(yè)在激烈市場競爭中生存和制勝的關(guān)鍵。在CRM中有效利用數(shù)據(jù)挖掘，可不斷促進(jìn)企業(yè)單個(gè)客戶價(jià)值提升和客戶規(guī)模的擴(kuò)大，可指導(dǎo)企業(yè)高層決策者制定出最優(yōu)的企業(yè)營銷策略、降低運(yùn)營成本、加速企業(yè)發(fā)展，有效推動(dòng)企業(yè)價(jià)值和實(shí)力的不斷攀升。

參考文獻(xiàn):

[1] 朱美珍.以數(shù)據(jù)挖掘提升客戶關(guān)系管理[J].技術(shù)與創(chuàng)新管理，2006(4). 

[2] 王紅霞，陳根才.零售業(yè)CRM中的數(shù)據(jù)挖掘技術(shù)[J].計(jì)算機(jī)與數(shù)字工程，2006(1).

[3] 龍志勇.數(shù)據(jù)挖掘在電信行業(yè)關(guān)系管理的應(yīng)用[J].信息網(wǎng)絡(luò)，2003(12).

（責(zé)任編輯：櫻紫）