[摘 要] 在系統(tǒng)闡釋電子政務發(fā)展階段的基礎上，將CRM及其客戶細分理念引入電子政務領域，構建用戶細分模型，并進行實證分析，結果表明，細分結果能夠為個性化服務的實現(xiàn)創(chuàng)造條件。

[關鍵詞] 電子政務 CRM 客戶細分 K—means算法

一、引言

經過多年建設，我國的電子政務已取得了巨大的成就，圍繞關系國計民生的大事要務，圍繞企業(yè)和社會公眾的實際需求，政府網站發(fā)揮了積極而明顯的作用。從公共服務的角度，我國電子政務經歷了按部門提供服務、按用戶對象或應用主題提供服務的發(fā)展階段，當前，迎來了個性化服務的發(fā)展階段，要求充分以用戶需求為依據(jù)提供個性化服務。

而大多數(shù)電子政務網站提供的都是面向所有服務對象的通用服務，缺乏特色和針對性，滿足不了廣大用戶多樣化的需求。要解決這一矛盾，首先需要在充分了解用戶需求的基礎上，對用戶進行細分，才能針對細分群體提供個性化服務。因此，本文將CRM及其客戶細分理念引入電子政務領域，借鑒CRM主要的聚類算法K—means算法，構建用戶細分模型，對用戶進行細分。

二、電子政務的發(fā)展階段及面臨的問題

1.電子政務的發(fā)展階段

所謂電子政務，就是公共管理部門應用現(xiàn)代信息和通信技術，將管理和服務的一項項具體業(yè)務通過網絡技術進行集成，在互聯(lián)網上實現(xiàn)組織結構和工作流程的優(yōu)化重組，超越時間、空間與部門分隔的限制，全方位地向社會提供優(yōu)質、規(guī)范、透明的管理和服務。

從公共服務的角度，我國電子政務主要經歷了三個發(fā)展階段。

第一階段是從政府職能的角度提供服務，即以機構設置為依據(jù)提供服務，例如將服務按照部門分類。這一階段提供服務的主要特點有：（1）服務可用性低。在電子政務建設初期，大多數(shù)政府網站都按照部門提供服務，用戶只有了解政府機構職能，才能選擇部門進入相應的服務窗口。（2）服務易用性低。大多數(shù)網站按照部門提供服務，使得辦事程序重復、繁瑣，用戶需要訪問多個部門網站，由原本跑多個衙門轉變?yōu)樵诰W站上訪問多個網站，服務的易用性大打折扣。（3）服務效果差。由于電子政務建設初期缺乏部門業(yè)務協(xié)同，導致辦事效率低下，幾乎無法發(fā)揮在線服務的高效性。

第二階段是從用戶對象的角度提供服務，即以應用主題或用戶對象為依據(jù)提供的一站式服務，例如按照婚姻生育、教育就業(yè)等應用主題或者企業(yè)、個人等用戶對象分類。這一階段提供服務的主要特點有：（1）服務可用性大大提高。按照應用主題或者用戶對象提供服務的方式，大大降低了用戶接受服務的難度，用戶從單一的政府網站入口能夠獲取政府相關的信息和服務。（2）服務易用性有待提高。雖然按照應用主題或者用戶對象對服務進行了初步分類，但是并沒有結合用戶需求對服務事項進一步細分，因此，用戶進入相應的主題，面對數(shù)量龐大的事項往往無從下手。（3）服務效果明顯提高。這一階段的電子政務開始注重跨部門合作，業(yè)務協(xié)同得到加強，能夠把不同的政府職能部門通過網絡集成在一起，讓公眾享受“一站式”服務，有效地提高了服務效率。

第三階段是從用戶特定需求的角度提供服務，即充分以用戶多樣化的需求為依據(jù)提供的個性化、定制化服務，例如將用戶進一步細分為農民、老幼病殘等群體。汪向東、姜奇平將這一階段稱為全面響應型電子政務，是指在任何時間和任何地點對全部政務需求包括公民個性化需求的全面響應。我國已經迎來個性化服務的發(fā)展階段。這一階段提供服務的主要特點有：（1）服務易用性大大提高。進一步實現(xiàn)“以公眾為中心”和無縫隙的公共服務。用戶能夠在網站上方便地實現(xiàn)所有與政府打交道的事務，個性化需求得到滿足。政府在此階段才真正由原本的分散結構轉變?yōu)橐惑w化的網上政府，由原本的管理主體轉變?yōu)榉罩行?。?）服務效果大大改善。個性化服務階段的電子政務最大限度地實現(xiàn)了電子政務的核心價值——為用戶提供高認知度、高滿意度的公共服務，使政府職能轉變的目標與滿足用戶實際需求的建設工作高度統(tǒng)一。同時，改善和提高了政府形象與效能——電子政務真正體現(xiàn)政府管理方式創(chuàng)新的重要成果，展示建設社會主義“和諧社會”的重要成就。

2.當前電子政務面臨的問題

電子政務是給任何人、任何社會群體提供公共服務，服務對象具有多層次、多樣性的特點，存在面向用戶需求和目標不同的差異，如何根據(jù)用戶特定需求有針對性地提供個性化的公共服務，是目前我國電子政務面臨的最大問題。要解決這一問題，首先需要對用戶群體進行細分。本文借鑒CRM的核心理念及其客戶細分思想，嘗試對電子政務用戶進行細分。

三、CRM及其對電子政務的借鑒意義

1.CRM的基本內涵及客戶細分

CRM是一種“以客戶為中心”的企業(yè)商務戰(zhàn)略，強調個性化定制、實現(xiàn)“一對一”營銷和服務，目的是使企業(yè)根據(jù)客戶細分進行重組，強化使客戶滿意的行為，從而改善客戶的滿意程度并提高企業(yè)的利潤。核心理念就是倡導從“以產品為中心”轉向“以客戶為中心”的企業(yè)經營理念和運作模式，通過完善的客戶服務和深入的客戶分析來滿足客戶的個性化需求。

CRM的核心方法是“個性化”的營銷管理和服務。所謂客戶細分是指根據(jù)客戶的價值、需求和偏好等綜合因素對客戶進行分類，并提供有針對性的產品、服務和營銷模式的過程，分屬于同一客戶群的消費者具備一定程度的相似性，而不同的細分客戶群間存在明顯的差異性。

早期的客戶細分方法主要有定性的經驗描述法和定量的傳統(tǒng)統(tǒng)計法。隨著客戶的需求、行為、偏好等因素隨著市場的變化越來越快，客戶細分的過程應該是一個動態(tài)的過程?？蛻魟討B(tài)細分的實現(xiàn)方式要靠K—means算法等數(shù)據(jù)挖掘技術，細分結果更符合市場的動態(tài)變化。在市場分析中，通過聚類分析能幫助決策者識別不同特征的客戶群以及客戶群的行為特征。

2.對電子政務的借鑒意義

目前大多數(shù)電子政務網站提供的都是面向所有服務對象的公共服務，缺乏特色和針對性，無法滿足用戶個性化需求。將CRM的核心理念及“個性化”的客戶細分思想用于指導電子政務建設實踐，對電子政務用戶進行細分，能夠滿足用戶個性化需求。對于每一個具體的用戶，不管是個人還是企事業(yè)機構，由于其個體特征、知識結構等自身特點，以及所處的社會環(huán)境的不同，對政府服務都具有不同的需求。如：同是買房，不同的人由于收入水平的差別其購房類型、付款方式都會不同。因此，對用戶進行細分是電子政務個性化服務發(fā)展階段的迫切要求。

四、電子政務用戶細分模型的構建

已有的電子政務用戶的分類方法都是基于經驗和一些描述性統(tǒng)計結果對用戶進行粗略的分類，在電子政務用戶分類領域缺少科學的分類算法。本文首次將CRM主要的聚類算法K—means算法應用到電子政務用戶細分領域，構建用戶細分模型。

1.K—means算法基本原理

K—means算法以歐式距離作為相似性測度，它是求對應某一初始聚類中心向量V=(V1，V2，…，VK)T最優(yōu)分類，使得評價指標JC值最小。算法常采用誤差平方和準則函數(shù)作為聚類準則函數(shù)，誤差平方和準則函數(shù)定義為：S={x1，x2，…，xn}。其中，Mi是類Ci中數(shù)據(jù)對象的均值，p是類Ci中的空間點。

K—means算法是一個最優(yōu)化求解問題，目標函數(shù)存在著許多局部極小點，只有一個是全局最小點。目標函數(shù)的搜索方向總是沿著誤差平方和準則函數(shù)減小的方向進行。不同的初始值使得聚類中心向量V沿著不同的路徑使目標函數(shù)減少。目標函數(shù)分別沿著VA、VB、VC三種不同的初始值向量的路徑逐步減小，分別找到各自對應的最小值。其中，只有B點對應的最小值才是全局最小點，而A、C兩點對應的最小值是局部極小點。

K—means算法采用迭代更新的方法：在每一輪迭代中，依據(jù)k個聚類中心將周圍的點分別組成k個簇，而重新計算的每個簇的質心(即簇中所有點的平均值，也就是幾何中心)將被作為下一輪迭代的參照點。迭代使得選取的參照點越來越接近真實的簇質心，所以目標函數(shù)越來越小，聚類效果越來越好。

2.電子政務用戶的細分模型構建

K—means的目標是根據(jù)輸入的參數(shù)k，將數(shù)據(jù)劃分成k個簇。算法首先隨機選取k個點作為電子政務用戶對象的初始聚類中心，然后計算各個用戶對象的樣本到聚類中心的距離，把樣本歸到離它最近的用戶聚類中心所在的類；對調整后的新類計算新的聚類中心，如果相鄰兩次的聚類中心沒有任何變化，說明樣本調整結束，聚類準則函數(shù)JC已經收斂。在每次迭代中都要考察每個用戶樣本的分類是否正確，若不正確，就要調整。在全部樣本調整完后，再修改聚類中心，進入下一次迭代。如果所有的樣本被正確分類，則不會有調整，聚類中心也不會變化，這標志著JC己經收斂，算法結束。該算法框架如下：

(1)給定大小為n的數(shù)據(jù)集，令I=1，選取k個初始聚類中心Zj(I)，j=1，2，3，…，K；

(2)計算每個數(shù)據(jù)對象與聚類中心的距離D(xi，Zj(I))，i=1，2，3，…，k，如果滿足D(xi，Zk(I))=min{D(xi，Zj(I))，j=1，2，3，…，k}，則xi∈wk；

(3)計算誤差平方和準則函數(shù)JC：

(4)判斷：若則算法結束；否則I=I+1，計算k個新的聚類中心，，返回(2)。

K—means算法的步驟

K—means算法

算法K—means (s，k)，{xi}ni=1，xi=(xi1，L，xip，L，xis)

Input：n個數(shù)據(jù)對象集合xi

Output：k個聚類中心Zj及k個聚類數(shù)據(jù)對象集合Cj

Begin

m=1

initial k prototype Zj，j∈[1，k]

repeat

for i=1 to n do

computer

if D(xi，zj)=min{D(xi，zj)} then

end

if m=1，then

m=m+1

for j=1 to k do

End

當考察完所有數(shù)據(jù)對象后，一次迭代運算完成，新的聚類中心和JC值也計算出來。如果在一次迭代前后，JC值沒有變化，說明算法己經收斂，即準則函數(shù)JC作為算法是否結束的依據(jù)。在迭代過程中，JC值逐漸減小，直到它的最小值為止。圖2顯示了K—means算法的迭代過程。這個算法需要的時間復雜度為0(tknd)，其中t是算法循環(huán)的次數(shù)，t<

五、實證分析

以下面的實例對上述模型進行實證分析，驗證細分模型的有效性，得到細分結果。本文針對當前城鎮(zhèn)居民最為關心的住房問題進行研究，對有住房需求的城鎮(zhèn)居民以家庭為單位進行細分。

1.細分屬性選擇及數(shù)據(jù)準備

不同家庭具有不同的收入水平、家庭資產、風險偏好等，這些都是影響購房方式的重要因素，因此，本文初始選取了包括family population（家庭人口）、income（人均年收入）、family assets（人均家庭資產）、marriage（婚姻狀況）、venture preference（風險偏好）、housing area(人均住房使用面積)、intention（購房目的）7個細分屬性，以描述有住房需求的家庭的不同類型，選擇北京市城八區(qū)的家庭調研數(shù)據(jù)集的20876條數(shù)據(jù)進行驗證，得到部分數(shù)據(jù)的視圖如下表所示。

2.K—means聚類分析

對上述屬性進行相關性分析之后去除部分屬性，得到income（人均年收入）、family assets（人均家庭資產）、housing area(人均住房使用面積)3個屬性，本文選取K=5，隨即選擇5個對象代表5個類的均值，進行聚類分析，得到最終的聚類中心和類的分布，如下表所示。

由此可見，將有用戶對象細分成了以下5類：住房困難群體，人均年收入、人均家庭資產、人均住房使用面積均符合廉租房申請條件的家庭；購房困難群體：人均年收入、人均家庭資產、人均住房使用面積均符合經濟適用房申請條件的家庭；潛力購房群體：未達到經濟適用房的申請條件，由于收入水平和家庭資產的限制，目前選擇租房；主要購房群體：達到結婚年齡，并且有能力買房的主要房產需求群體；住房升級或購房投資群體：經過多年的財富積累，有住房升級的需求或者買房投資。

3.聚類效果評價

采用無指導和有指導方法評價上述K—means算法的聚類效果，結果如表所示。

從上表可以看出，K—means算法得出的類內距離均小于0.1，說明得到的用戶群的類內特征相似，而類間距離均大于0.1，說明得到用戶群的類間區(qū)別明顯。

4.細分結果分析

住房困難群體，是廉租房的保障對象，針對此類用戶群體應提供廉租房的申請條件、辦理流程等服務，并且可將用戶在服務過程中遇到的常見問題整理匯總，優(yōu)化服務內容和方式；購房困難群體，是經濟適用房的保障對象，應提供經濟適用房申請條件、辦理流程等服務；潛力購房群體，主要選擇租房的形式，可提供租房的流程等服務，由于這類群體經濟水平提高之后相應會有購房需求，可提供相關的前期準備服務；主要購房群體，可提供貸款申請、公積金使用等服務，此外，這類群體在購買住房之后，往往會有買車的需求，可同時提供買車的相關服務；住房升級或購房投資群體，由于其購買的往往是第二套及以上住房，應提供第二套及以上住房的購買政策和流程等服務，這類群體在住房升級之后，可能會有車輛升級的需求，同樣可提供買車服務等。

六、結論

本文將CRM及其客戶細分理念引入電子政務領域，構建了用戶細分模型，并通過實證研究得到細分結果，在分析結果的基礎上，能相應地提供個性化的政府服務，滿足細分群體的特定需求。實踐中電子政務用戶數(shù)量巨大，若更大范圍的選取用戶數(shù)據(jù)，利用細分模型進行細分將得到更接近實際的分類結果。本文建立的細分模型與基于經驗的現(xiàn)有細分方法相比，由于引入了客戶細分理念和K—means算法，使得細分更加科學合理，且能夠隨著用戶需求的變化進行動態(tài)的調整，不斷提高服務的針對性。

參考文獻：

[1]2006年中國政府網站績效評估報告[R].中國軟件評測中心，2007

[2]李廣乾:電子政府與電子政務一理想與現(xiàn)實的關系[M].2002

[3]汪向東等:電子政務的行政生態(tài)學理論、方法與策略研究[R].中國社會科學院，2006

[4] 2007年中國政府網站績效評估報告[R].中國軟件評測中心，2008

[5]楊路明 巫寧等:客戶關系管理理論與實務[M].北京:電子工業(yè)出版社，2004

[6]段堯清 費奎明:個性化電子政務信息服務模式[J].情報雜志，2007年第6期

[7]TonyBain等著 邵勇譯:SQL Server 2000數(shù)據(jù)倉庫與Analysis Services[M].電力出版社.2003

[8]Vance Faber. Clustering and the Continuous K-means Algorithm