[摘要] 隨著信息技術(shù)不斷地發(fā)展以及不斷地推廣應(yīng)用，數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)不斷地成熟，為管理人員的決策提供支持。本文就以數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)對企業(yè)的客戶忠誠度進(jìn)行分析。

[關(guān)鍵詞] 數(shù)據(jù)倉庫數(shù)據(jù)挖掘客戶忠誠度

客戶忠誠度是客戶關(guān)系管理中的重要概念?？蛻糁艺\是指客戶滿意后而產(chǎn)生的對某種產(chǎn)品品牌或公司的信賴、維護(hù)和希望重復(fù)購買的一種心理傾向。表現(xiàn)為兩種形式：一種是客戶忠誠于企業(yè)的意愿；另一種是客戶忠誠于企業(yè)的行為。前者對于企業(yè)來說本身并不產(chǎn)生直接的價值，而后者則對企業(yè)來說非常具有價值。

一、數(shù)據(jù)倉庫技術(shù)在客戶忠誠度分析中的應(yīng)用

1.數(shù)據(jù)倉庫（DataWarehouse，簡稱DW）是一種面向數(shù)據(jù)應(yīng)用的數(shù)據(jù)管理技術(shù)，它以關(guān)系數(shù)據(jù)庫管理系統(tǒng)（RDBMS）為基礎(chǔ)。按照業(yè)界公認(rèn)的數(shù)據(jù)倉庫創(chuàng)始人W.H.Inmon的觀點(diǎn)，數(shù)據(jù)倉庫可定義為：“一個面向主題的、集成的隨時間變化的非易失的數(shù)據(jù)集合，用于支持管理層的決策過程”?？梢园l(fā)現(xiàn)數(shù)據(jù)倉庫具有這樣的一些重要特性：面向主題性、數(shù)據(jù)集成性、數(shù)據(jù)的時變性、數(shù)據(jù)的非易失性、數(shù)據(jù)的集合性和支持決策作用。

數(shù)據(jù)倉庫技術(shù)是企業(yè)智能管理的重要基礎(chǔ)和手段，已經(jīng)成為企業(yè)級信息管理和決策支持系統(tǒng)建設(shè)過程中必要的技術(shù)支持。數(shù)據(jù)倉庫是進(jìn)行客戶忠誠度分析的基礎(chǔ)。

2.數(shù)據(jù)倉庫的實(shí)施步驟。數(shù)據(jù)倉庫的設(shè)計與傳統(tǒng)的OLTP系統(tǒng)設(shè)計有較大區(qū)別，不但需要設(shè)計一個數(shù)據(jù)庫和一個用戶接口，還必須設(shè)計數(shù)據(jù)裝載策略、數(shù)據(jù)存取工具和不間斷的維護(hù)方案。數(shù)據(jù)倉庫的實(shí)施步驟：

(1)啟動項(xiàng)目，確定建立分析客戶忠誠度的數(shù)據(jù)倉庫，制定項(xiàng)目計劃。建立技術(shù)環(huán)境，選擇實(shí)現(xiàn)數(shù)據(jù)倉庫所需要的軟硬件資源。

(2)確定數(shù)據(jù)倉庫主題。針對客戶信息以及客戶購買信息等相關(guān)的數(shù)據(jù)倉庫，與企業(yè)前臺部門的業(yè)務(wù)人員多進(jìn)行溝通，詳細(xì)了解業(yè)務(wù)需求、報表等需求。

(3)對客戶購買信息進(jìn)行詳細(xì)定義，對事實(shí)表和維表的關(guān)系詳細(xì)定義。由于客戶購買信息數(shù)據(jù)倉庫數(shù)據(jù)量隨時間積累增大，而且隨著電子商務(wù)的進(jìn)一步深入，數(shù)據(jù)量更是激增，所以必須對數(shù)據(jù)結(jié)構(gòu)進(jìn)行精心設(shè)計，以免隨著倉庫中數(shù)據(jù)量快速增長，造成系統(tǒng)分析和查詢性能的急劇下降。

(4)數(shù)據(jù)倉庫的物理庫設(shè)計?？紤]數(shù)據(jù)的存儲方式，使得系統(tǒng)有較好的性能。完成索引的建立以及數(shù)據(jù)更新網(wǎng)絡(luò)的設(shè)計。

(5)源數(shù)據(jù)抽取、清洗、整理及裝載設(shè)計。客戶購買信息數(shù)據(jù)倉庫的數(shù)據(jù)來自企業(yè)的前臺作業(yè)系統(tǒng)以及前臺業(yè)務(wù)部門。這些數(shù)據(jù)必須根據(jù)數(shù)據(jù)倉庫的設(shè)計，以統(tǒng)一定義的格式從各個系統(tǒng)抽取出來，經(jīng)過清理、轉(zhuǎn)換、綜合，再經(jīng)過數(shù)據(jù)裝載和整理程序進(jìn)入數(shù)據(jù)倉庫。

(6)開發(fā)支持用戶決策的數(shù)據(jù)分析工具。建立客戶購買信息數(shù)據(jù)倉庫的最終目的是為了實(shí)現(xiàn)前臺部門以及企業(yè)高層的決策支持，所以需要各種工具對數(shù)據(jù)倉庫進(jìn)行訪問分析，如優(yōu)化查詢工具、統(tǒng)計分析工具、數(shù)據(jù)挖掘工具等，通過分析工具實(shí)現(xiàn)決策支持需要。

(7)維護(hù)方案的設(shè)計。保證客戶信息數(shù)據(jù)倉庫的正常運(yùn)行，對其進(jìn)行管理維護(hù)，保證系統(tǒng)保持優(yōu)良的性能。

二、據(jù)挖掘技術(shù)在客戶忠誠度分析中的應(yīng)用

1.數(shù)據(jù)挖掘(Data Mining，簡稱DM)，簡單地講就是從大量數(shù)據(jù)中挖掘或抽取出知識。數(shù)據(jù)挖掘概念的定義描述有若干版本，一個普遍被采用的定義是“數(shù)據(jù)挖掘，又稱為數(shù)據(jù)庫知識發(fā)現(xiàn)(Knowledge Discovery from Database，簡稱KDD)，它是一個從大量數(shù)據(jù)中抽取挖掘出未知的、有價值的模式或規(guī)律等知識的復(fù)雜過程。”

2.數(shù)據(jù)挖掘在客戶忠誠度分析中常用方法

(1)決策樹（Decision Tree）決策算法。決策樹是一個類似于流程圖的樹結(jié)構(gòu)，其中每個內(nèi)部節(jié)點(diǎn)表示在一個屬性上的測試，每個分枝代表一個測試輸出，而每個樹葉節(jié)點(diǎn)代表或類分布。決策樹算法包括樹的構(gòu)造和樹的剪枝，有兩種常用的剪枝方法：先剪枝和后剪枝。

(2)神經(jīng)網(wǎng)絡(luò)（Neural Network）。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入/輸出單元，其中每個連接都與一個權(quán)相連，在學(xué)習(xí)階段，通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)，使得能夠預(yù)測輸入樣本的正確類標(biāo)號來學(xué)習(xí)。

(3)遺傳算法（Genetic Algorithms）。遺傳算法根據(jù)適者生存的原則，形成由當(dāng)前群體中最適合的規(guī)則組成新的群體，以及這些規(guī)則的后代。

3.數(shù)據(jù)挖掘在客戶忠誠度分析中的應(yīng)用

(1)運(yùn)用數(shù)據(jù)挖掘技術(shù)，對客戶進(jìn)行細(xì)分，提供個性化的服務(wù)。因?yàn)椴煌目蛻魹槠髽I(yè)提供的價值不同，企業(yè)需要重點(diǎn)服務(wù)的是那些能為企業(yè)提供高價值的大客戶；又因?yàn)槠髽I(yè)的資源有限，如何針對不同客戶進(jìn)行有限資源的優(yōu)化應(yīng)用也是每個企業(yè)必須考慮的重要問題，所以有必要對客戶進(jìn)行細(xì)分，進(jìn)行有針對性的運(yùn)營，提供個性化的服務(wù)。

(2)運(yùn)用數(shù)據(jù)挖掘技術(shù)預(yù)測客戶需求?？蛻舻男枨蟛皇且怀刹蛔兊?、單一的，而是快速改變著的、多樣化的。運(yùn)用數(shù)據(jù)挖掘技術(shù)及時預(yù)側(cè)客戶的需求，也就是“想客戶之所想”，及時調(diào)整產(chǎn)品的結(jié)構(gòu)和內(nèi)容，搶先贏得商機(jī)，為客戶提供其真正需要的產(chǎn)品，吸引客戶，獲取高額利潤。

(3)進(jìn)行客戶流失分析。不要等到客戶離開了企業(yè)再去尋找解決辦法，時間就是金錢?？蛻暨x擇了離開企業(yè)，肯定是有原因的，應(yīng)該注意客戶流失的時間、分析流失的原因，及時采取措施，最大限度地留住客戶。

(4)挖掘出影響客戶忠誠度的重要因素，重點(diǎn)改善。影響客戶忠誠度的因素可能會有很多，但是要做的是用數(shù)據(jù)挖掘工具找出那些最主要的因素，對這些因素認(rèn)真分析，采取有效的措施以提高客戶忠誠度。

三、結(jié)束語

數(shù)據(jù)挖掘作為一種信息技術(shù)正越來越受到企業(yè)的關(guān)注，都在想辦法用數(shù)據(jù)挖掘來解決企業(yè)海量數(shù)據(jù)的問題。企業(yè)能夠充分有效地利用數(shù)據(jù)挖掘這種新技術(shù)來為企業(yè)提供重要的決策信息，提高客戶忠誠度的，使企業(yè)在激烈的市場競爭中立于不敗之地。

參考文獻(xiàn)：

[1]祖巧紅陳定方:客戶忠誠研究及客戶忠誠度分析.武漢理工大學(xué)學(xué)報，2006(3)

[2]姜華楊靜:CRM中的客戶價值論.前沿，2005(6)