中國石化廣東石油分公司 區(qū)嘉良 呂淑儀

市場經(jīng)濟給企業(yè)發(fā)展帶來了日益激烈的競爭環(huán)境，企業(yè)開始重視客戶資源的發(fā)掘與分析，企業(yè)的工作重心逐漸從產(chǎn)品轉(zhuǎn)移到客戶?？蛻絷P(guān)系管理是客戶細分的有效工具，而數(shù)據(jù)挖掘技術(shù)就是客戶細分有力的技術(shù)支撐。

1 理論研究

1.1 客戶關(guān)系管理

客戶關(guān)系管理的目標是依靠高效優(yōu)質(zhì)的服務吸引客戶，同時通過對業(yè)務流程的全面優(yōu)化和管理，控制企業(yè)運行成本。客戶關(guān)系管理是一種管理理念，將企業(yè)客戶視作企業(yè)發(fā)展最重要的企業(yè)資源，采用企業(yè)服務優(yōu)化等手段來管理客戶關(guān)系。客戶關(guān)系管理并不是單純的信息技術(shù)或者管理技術(shù)，而是一種企業(yè)生物戰(zhàn)略，通過對企業(yè)客戶的分段充足，強化客戶滿意的行為，優(yōu)化企業(yè)可盈利性，將客戶處理工作上升到企業(yè)級別，不同部門負責與客戶進行交互，但是整個企業(yè)都需要向客戶負責，在信息技術(shù)的支持下實現(xiàn)企業(yè)和客戶連接環(huán)節(jié)的自動化管理。

1.2 客戶細分

客戶細分由美國學者溫德爾·史密斯在20世紀50年代提出，認為客戶細分是根據(jù)客戶屬性將客戶分成集合?，F(xiàn)代營銷學中的客戶細分是按照客戶特征和共性將客戶群分為不同等級或者子群體，尋找相同要素，對不同類別客戶心理與需求急性研究和評估，從而指導進行企業(yè)服務資源的分配，是企業(yè)獲得客戶價值的一種理論與方法。

因此我們注意到，客戶細分其實是一個分類問題，但是卻有著顯著的特點。

1.2.1 客戶細分是動態(tài)的

企業(yè)不斷發(fā)展變化，用戶數(shù)據(jù)不斷積累，市場因素的變化，都會造成客戶細分的變化。所以客戶細分工作需要根據(jù)客戶情況的變化進行動態(tài)調(diào)整，減少錯誤分類，提高多次細分中至少有一次是正確分類的可能性。

1.2.2 受眾多因素影響

隨著時間的推移，客戶行為和心理會發(fā)生變化，所以不同時間的數(shù)據(jù)會反映出不同的規(guī)律，客戶細分方法需要在變化過程中準確掌握客戶行為的規(guī)律性。

1.2.3 客戶細分有不同的分類標準

一般分類問題強調(diào)準確性，客戶關(guān)系管理則強調(diào)有用性，講求在特定限制條件下實現(xiàn)特定目標。

1.3 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫數(shù)據(jù)中提取有價值的、隱含的、事前未知的潛在有用信息。數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，挖掘?qū)ο蟛辉偈菃我粩?shù)據(jù)庫，已經(jīng)逐漸發(fā)展到文件系統(tǒng)、數(shù)據(jù)集合以及數(shù)據(jù)倉庫的挖掘分析。

2 客戶細分的數(shù)據(jù)挖掘

2.1 邏輯模型

客戶數(shù)據(jù)中有著若干離散客戶屬性和連續(xù)客戶屬性，每個客戶屬性為一個維度，客戶作為空間點，全部客戶都能夠形成多為空間，作為客戶的屬性空間，假設(shè)A={A1，A2,…Am}是一組客戶屬性，屬性可以是連續(xù)的，也可以離散型，這些屬性就形成了客戶m維屬性空間。同時設(shè)g是一個描述客戶屬性的一個指標，f(g)是符合該指標的客戶集合，即為概率外延，則任一確定時刻都是n個互不相交集合。在客戶價值概念維度上，可分為“有價值客戶”“潛在價值客戶”“無價值客戶”三種類型，定義RB如下：

顯然RB是一個等價關(guān)系，經(jīng)RB可分類屬性空間為若干等價類，每個等價類都是一個概念類，建立客戶細分，就是客戶屬性空間和概念空間映射關(guān)系的建立過程。

2.2 客戶細分數(shù)據(jù)挖掘?qū)嵤?/h3>

通過數(shù)據(jù)庫已知概念類客戶數(shù)據(jù)進行樣本學習和數(shù)據(jù)挖掘，進行客戶屬性空間與概念空間映射的自動歸納。首先確定一組概念類已知客戶集合。首先確定一個映射：p：C→L，使確定所屬概念類。

數(shù)據(jù)部分有客戶數(shù)據(jù)存儲和概念維數(shù)據(jù)構(gòu)成，客戶數(shù)據(jù)存儲有企業(yè)全部內(nèi)在屬性、外在屬性以及行為屬性等數(shù)據(jù)，方法則主要有關(guān)聯(lián)規(guī)則分析、深井網(wǎng)絡分類、決策樹、實例學習等數(shù)據(jù)挖掘方法，通過對客戶數(shù)據(jù)存儲數(shù)據(jù)學習算法來建立客戶數(shù)據(jù)和概念維之間的映射關(guān)系。

2.3 客戶細分數(shù)據(jù)分析

建立客戶動態(tài)行為描述模型，滿足客戶行為非確定性和非一致性要求，客戶中心的管理體制下，客戶細分影響企業(yè)戰(zhàn)術(shù)和戰(zhàn)略級別決策的生成，所以數(shù)據(jù)挖掘要能夠彌補傳統(tǒng)數(shù)據(jù)分析方法在可靠性方面的缺陷。

2.3.1 客戶外在屬性

外在屬性有客戶地理分布、客戶組織歸屬情況和客戶產(chǎn)品擁有情況等?？蛻舻慕M織歸屬是客戶社會組織類型，客戶產(chǎn)品擁有情況是客戶是否擁有或者擁有哪些與其他企業(yè)或者其他企業(yè)相關(guān)產(chǎn)品。

2.3.2 內(nèi)在屬性

內(nèi)在屬性有人口因素和心理因素等，人口因素是消費者市場細分的重要變量。相比其他變量，人口因素更加容易測量。心理因素則主要有客戶愛好、性格、信用情況以及價值取向等因素。

2.3.3 消費行為

消費行為屬性則重點關(guān)注客戶購買前對產(chǎn)品的了解情況，是客戶細分中最客觀和重要的因素。

2.4 數(shù)據(jù)挖掘算法

2.4.1 聚類算法

按照客戶價值標記聚類結(jié)果，通過分類功能，建立客戶特征模型，準確描述高價值客戶的一些特有特征，使得企業(yè)在之后的市場活動中能夠迅速發(fā)現(xiàn)并抓住類似的高價值客戶，全面提高客戶的整體價值水平。

通常都采用中心算法進行客戶的聚類分析，分析涉及的字段主要有客戶的基本信息以及與客戶相關(guān)業(yè)務信息，企業(yè)采用中心算法，按照企業(yè)自身的行業(yè)性質(zhì)以及商務環(huán)境，選擇不同的聚類分析策略，有主屬性聚類分析和全屬性聚類分析兩類。主屬性聚類分析是企業(yè)根據(jù)在企業(yè)標度變量中選擇主要弧形作為聚類分析變量。通常區(qū)間標度變量選用的度量單位會對聚類分析結(jié)果產(chǎn)生很大影響，選擇的度量單位越小，就會獲得越大的可能值域，對聚類結(jié)果的影響也就越大。

2.4.2 客戶分析預測

行業(yè)競爭愈加激烈，新客戶的獲得成本越來越高，在保持原有工作價值的同時，客戶的流失也受到了企業(yè)的重視。為了控制客戶流失，就需要對流失客戶的數(shù)據(jù)進行認真分析，找尋流失客戶的根本原因，防止客戶的持續(xù)流失。數(shù)據(jù)挖掘聚類功能同樣能夠利用在客戶流失數(shù)據(jù)分析工作中，建立基于流失客戶數(shù)據(jù)樣本庫的分類函數(shù)以及分類模式，通過模型分析客戶流失因素，能夠獲得一個最有可能流失的客戶群體，同時編制一個有針對性的挽留方案。

之后對數(shù)據(jù)進行分析并利用各種數(shù)據(jù)挖掘技術(shù)和方法在多個可供選擇的模型中找出最佳模型。初始階段，模型的擬合程度可能不理想，但是隨著模型的不斷更換和優(yōu)化，最終就有可能找出合適的模型進行數(shù)據(jù)描述并挖掘出流失數(shù)據(jù)規(guī)律。通常模擬模型都通過數(shù)據(jù)分析專業(yè)和業(yè)務專家協(xié)作完成，采用決策樹、貝葉斯網(wǎng)絡、神經(jīng)網(wǎng)絡等流失分析模型，實現(xiàn)客戶行為的預測分析。

3 結(jié)語

從工業(yè)營銷中的客戶細分觀點出發(fā)，在數(shù)據(jù)挖掘、客戶關(guān)系管理等理論基礎(chǔ)上，采用統(tǒng)計學、運籌學和數(shù)據(jù)挖掘技術(shù)，對客戶細分的數(shù)據(jù)挖掘方法進行了研究，建立了基于決策樹的客戶細分模型，是一種效率很高的管理工具。

[1] 董憲,趙衛(wèi)東.客戶關(guān)系管理中數(shù)據(jù)挖掘技術(shù)的研究與應用[M].福建電腦,2012(4).

[2] 成文偉,黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M].人民郵電出版社,2012.

[3] 魏娟,梁靜國.基于數(shù)據(jù)挖掘技術(shù)的企業(yè)客戶關(guān)系管理(CRM)[J].商業(yè)研究,2011(7).

[4] 劉文昌.APriori算法在客戶關(guān)系管理中的應用[J].長春大學學報,2011,15(4).

[5] 費賢舉,王文琴,莊燕濱.基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)在CRM中的應用研究[J].常州工學院學報,2011,15(4).