于春香

(福建信息職業(yè)技術(shù)學(xué)院,福建 福州 350019)

1.前言

在當(dāng)前經(jīng)濟(jì)危機(jī)席卷全球的大背景下，會展行業(yè)不可避免的受到?jīng)_擊，會展市場比以往更具有競爭性。由于企業(yè)參與展覽的預(yù)算越來越少，并且在選擇展覽會品牌時(shí)越來越注重性價(jià)比和參展的回報(bào)率，參展決策越來越慎重。如何能在低成本的基礎(chǔ)上保留住老客戶，并獲取更多的新客戶，這對會展企業(yè)來說是個考驗(yàn)。

利用客戶關(guān)系管理系統(tǒng)，使用數(shù)據(jù)挖掘技術(shù)，通過對客戶的數(shù)據(jù)深入分析，了解不同客戶的需求，是當(dāng)前解決這一問題的最好辦法。

2.會展客戶細(xì)分評價(jià)模型設(shè)計(jì)

客戶細(xì)分評價(jià)是“指企業(yè)在明確的、業(yè)務(wù)模式和特定的市場中，根據(jù)客戶的屬性、消費(fèi)行為、偏好等因素對客戶進(jìn)行分類，并提供有針對性的產(chǎn)品、服務(wù)和營銷模式的過程”。對會展企業(yè)來說參展客戶是其最重要的資源，但不同類型的客戶對企業(yè)的價(jià)值也是不同的。利用客戶細(xì)分評價(jià)系統(tǒng)，可將客戶進(jìn)行分類。會展公司可以按參展客戶對公司的價(jià)值，將客戶分為金客戶、銀客戶、普通客戶、潛力客戶和低價(jià)值客戶。

2.1 屬性的選擇

首先從會展公司所存儲的客戶信息數(shù)據(jù)庫中選擇客戶細(xì)分評價(jià)模型有用的屬性。

第一步：目標(biāo)屬性的選擇。

對于會展公司來說，客戶參展的次數(shù)越多，并且在單位時(shí)間內(nèi)客戶參展頻率越高，其帶給會展公司帶來的利潤也越高，即該客戶的價(jià)值就越高。因?yàn)閷傩员碇袥]有直接可以表示客戶參展的頻率，可以用客戶參展次數(shù)除以當(dāng)前時(shí)間與客戶第一次參展時(shí)間的差值，這一新的值作為目標(biāo)屬性。當(dāng)參展頻率≧2時(shí)，如參展次數(shù)﹥6，則該客戶是金客戶；如參展次數(shù)﹥3，則該客戶是銀客戶；參展次數(shù)小于3該客戶是潛力客戶。當(dāng)1≦參展頻率﹤2時(shí)，如參展次數(shù)≧6，則該客戶是銀客戶；當(dāng)參展次數(shù)﹤6，則該客戶是普通客戶；如果參展頻率﹤1，則該客戶為低價(jià)值客戶。

第二步：決策屬性的選擇。

決策屬性就是用來解釋會展客戶價(jià)值大小的屬性，良好決策屬性的選擇就決定了模型的有效性。在建模過程中，對建模輸入沒有什么用處的屬性，如某些標(biāo)志性屬性（公司名稱，聯(lián)系人姓名、電話、性別等）或?qū)傩灾刀枷嗤蚋叨炔粚ΨQ的屬性及屬性值過多的定類屬性，在建模時(shí)可以將其剔除。在這里我們選擇客戶的參展次數(shù)、簽約次數(shù)、主營產(chǎn)品、所在城市、滿意度等作為決策屬性。

2.2 數(shù)據(jù)準(zhǔn)備

我們采用從業(yè)務(wù)數(shù)據(jù)源中隨機(jī)地抽取出300條的客戶參展的基礎(chǔ)資料，作為客戶價(jià)值評價(jià)的樣本數(shù)據(jù)如表1。

在選取樣本時(shí)，有的數(shù)據(jù)需要采用字段運(yùn)算、直接映射和參照轉(zhuǎn)換等方法進(jìn)行轉(zhuǎn)換。

表1 客戶等級評價(jià)決策樹原始樣本

2.3 數(shù)據(jù)預(yù)處理

為了使原始數(shù)據(jù)能適應(yīng)數(shù)據(jù)挖掘決策樹算法，并能提高其挖掘的效率，要采用離散的技術(shù)對一些原始的屬性值劃分為區(qū)間，以減少屬性值的個數(shù)。部份的屬性值是文字的改為用數(shù)字如主營產(chǎn)品。詳細(xì)劃分如下表2。

表2 離散化處理規(guī)則

通過處理，最后得到的數(shù)據(jù)樣本如下表3：

表3 客戶等級評價(jià)決策樹修證樣本

2.4 構(gòu)建決策樹

根據(jù)以上的數(shù)據(jù)樣本，下面使用ID3算法，建立會展客戶細(xì)分決策樹模型。

首先根據(jù)給定的樣本分類所需的期望值，目標(biāo)屬性（參展頻率）具有三個不同的取值{1,2,3}，其它屬性作為決策樹的候選屬性。

即：I（S1，S2，S3）=I（84,60,156）=-（p1log2（p1）+p2log2（p2）+p3log2（p3））=1.4695

下一步：計(jì)算出以每個屬性劃分?jǐn)?shù)據(jù)樣本，所需要的期望信息：

從計(jì)算結(jié)果可以看出具有最高信息增益的是參展次數(shù),所以選它為決策屬性。如下圖1

圖1 客戶等級評價(jià)決策樹

建立決策樹是一個遞歸的過程中，所有的樣本使用參展次數(shù)等級分類后，形成了三個樣本集合，使用同樣的方法分別分析這三個樣本。對于參展次數(shù)≦3的第1集合，計(jì)算其期望信息：

計(jì)算按每個屬性劃分?jǐn)?shù)據(jù)，所需要的期望信息。

由于簽約次數(shù)/參展次數(shù)具有最高信息增益，因此將它造作為決策屬性。并且發(fā)現(xiàn)參展次數(shù)為1,簽約頻率為2和4的兩個樣本集合的值都為2，所以建立一個葉子結(jié)點(diǎn)，如下圖2。

圖2 客戶等級評價(jià)決策樹

如此反復(fù)直到?jīng)Q策樹不能再生長，就可得到完整的決策樹。然后再通過刪除結(jié)點(diǎn)上分枝，將樹結(jié)點(diǎn)剪掉，以簡化復(fù)雜的決策樹。如下圖3：

圖3 客戶等級評價(jià)決策樹

3.決策樹模型結(jié)果與評估

該決策樹模型，我們采用300個客戶樣本，對建立的決策樹模型的準(zhǔn)確性進(jìn)行評估。經(jīng)過分析可得到以下的決策樹混淆矩陣如表4：

表4 客戶等級評價(jià)決策樹混淆矩陣

矩陣對角線上的數(shù)值是預(yù)測準(zhǔn)確的樣本個數(shù)，其余的數(shù)值是犯各類錯誤的個數(shù)，利用預(yù)測準(zhǔn)確的樣本個數(shù)與測試樣本個數(shù)的比值，即為該模型的準(zhǔn)確率。得（72+52+133）/300＝85.7%，即該模型的準(zhǔn)確率為 85.7%，還應(yīng)該繼續(xù)調(diào)整模型以提高準(zhǔn)確率。

實(shí)驗(yàn)結(jié)果表明，使用該算法對會展客戶的細(xì)分分析和預(yù)測是有效的。利用分析結(jié)果，可使會展管理人員更加充分的了解參展客戶，并為不同客戶量身定做出個性化服務(wù)，提高會展公司在行業(yè)中的競爭力。

從以上的決策樹可以得到以下五個結(jié)論：

（1）對于公司的金客戶，這些客戶一般與公司業(yè)務(wù)關(guān)系比較穩(wěn)定，與業(yè)務(wù)員的關(guān)系也比較好，對公司的業(yè)務(wù)很支持，對這些客戶在參展方面不需要做太多的宣傳，對其可以在參展費(fèi)用上給予一定的優(yōu)惠。

（2）對于公司的重要客戶，公司業(yè)務(wù)人員要做好與其溝通和服務(wù)關(guān)懷，爭取將其轉(zhuǎn)變成公司的忠實(shí)金客戶。

（3）對于公司普通客戶，這些客戶是公司的主力軍，應(yīng)特別加強(qiáng)與這些企業(yè)人員的聯(lián)系，加強(qiáng)人文關(guān)懷，加強(qiáng)對其產(chǎn)品的了解，推薦合適的交易會，盡量提高其對展會滿意度，進(jìn)而將其發(fā)展為公司的銀客戶。

（4）對于公司潛力客戶，由于客戶和公司的合作時(shí)間較短，但參展效果還可以，是公司的大力發(fā)展對象?？梢约訌?qiáng)對其展會的推薦，將其發(fā)展成公司的穩(wěn)定客戶。

（5）對于公司的低價(jià)值客戶，要加強(qiáng)對客戶的調(diào)查、咨詢分析、客戶投訴分析，同時(shí)加強(qiáng)對客戶展前指導(dǎo)及展后效果調(diào)查和聯(lián)系，積極爭取將其發(fā)展成公司的穩(wěn)定客戶。

4.總結(jié)

本文利用數(shù)據(jù)挖掘技術(shù)對會展公司的參展客戶進(jìn)行了細(xì)分，建立了基于決策樹的客戶細(xì)分模型。從屬性選擇、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理、構(gòu)建決策樹、決策樹模型結(jié)果與評估五個方面，詳細(xì)介紹了客戶細(xì)分評價(jià)模型的建立過程，并針對建模結(jié)果對公司客戶管理提出合理化建議。在今后應(yīng)用過程中，可以根據(jù)實(shí)際的需要修改算法，研究數(shù)據(jù)挖掘中其他方法，提高其對大數(shù)據(jù)量的運(yùn)算效率及準(zhǔn)確率，以求用更好的方法獲得合理的挖掘結(jié)果。

[1]劉振溪.中國會展業(yè)CRM的現(xiàn)狀分析與開發(fā)研究對策[J].經(jīng)濟(jì)師,2008，（11）:34-36.

[2]邵峰晶，于忠清.數(shù)據(jù)挖掘原理與算法[M].北京：中國水利水電出版社，2003.91-125.

[3]楊善林，倪志偉.機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[M].北京：科學(xué)出版社，2004.71-72.

[4]葉強(qiáng)，鄒鵬，尚維.基于多分類器融合的客戶細(xì)分研究[J].管理科學(xué)，2004，17（2）：64-67.